EC2 M3 Ultra Mac 实例实战：28 核 256GB 跑 12 路并行 Simulator 测试

团队 8 个 iOS 工程师，每天跑 200+ 次编译。之前用 M4 Max Mac 实例，128GB 内存跑 6 个 Simulator 就开始 swap。上周亚马逊云科技发布了 EC2 M3 Ultra Mac 实例——256GB 统一内存、28 核 CPU，我第一时间开了台试水。

这篇文章记录完整的开通、配置、CI/CD 集成过程，以及实际编译性能对比数据。

硬件规格一览

先看参数对比：

规格	M4 Max	M3 Ultra	提升
CPU 核心	16	28	1.75x
GPU 核心	40	60	1.5x
Neural Engine	16	32	2x
统一内存	128GB	256GB	2x
网络带宽	10 Gbps	10 Gbps	—
EBS 带宽	8 Gbps	8 Gbps	—

说白了，M3 Ultra 就是把 M4 Max 的核心数和内存翻倍。底层跑在 AWS Nitro System 上，网络和存储带宽保持 10 Gbps / 8 Gbps。

开通步骤

EC2 Mac 实例需要先申请 Dedicated Host，这是苹果的许可要求。

第一步：申请 Dedicated Host

aws ec2 allocate-hosts \
  --instance-type mac3-ultra.metal \
  --availability-zone us-east-1a \
  --quantity 1 \
  --tag-specifications 'ResourceType=dedicated-host,Tags=[{Key=Name,Value=ios-ci-host}]'

返回的 HostId 记下来，后面启动实例要用。

第二步：选 AMI

aws ec2 describe-images \
  --owners amazon \
  --filters "Name=name,Values=amzn-ec2-macos-15*" \
             "Name=architecture,Values=arm64_mac" \
  --query 'Images | sort_by(@, &CreationDate) | [-1].ImageId' \
  --output text

我这边拿到的是 macOS 15.x 的最新 AMI。建议用 macOS 14+ 以获得 Xcode 16 支持。

第三步：启动实例

aws ec2 run-instances \
  --instance-type mac3-ultra.metal \
  --image-id ami-0xxxxxxxxxxxxxxxx \
  --key-name my-ios-key \
  --placement "HostId=h-0xxxxxxxxxxxxxxxx" \
  --security-group-ids sg-0xxxxxxxx \
  --block-device-mappings '[{"DeviceName":"/dev/sda1","Ebs":{"VolumeSize":500,"VolumeType":"gp3","Iops":16000,"Throughput":1000}}]'

几个注意点：

• instance-type 必须是 mac3-ultra.metal，没有虚拟化选项
• EBS 建议 500GB+ gp3，iOS 项目加上 DerivedData 很吃空间
• Dedicated Host 最低租期 24 小时，别开了立刻关

第四步：SSH 连接并安装 Xcode

ssh -i my-ios-key.pem ec2-user@<public-ip>

# 安装 Xcode CLI Tools
sudo xcode-select --install

# 如果需要完整 Xcode，用 xcodes 工具
brew install xcodes
xcodes install 16.2

配置 CI/CD 流水线

我用的是 Jenkins + EC2 Mac 实例做 agent。核心配置：

Jenkinsfile 示例

pipeline {
    agent { label 'mac-m3-ultra' }
    
    environment {
        DEVELOPER_DIR = '/Applications/Xcode-16.2.app/Contents/Developer'
    }
    
    stages {
        stage('Checkout') {
            steps {
                checkout scm
            }
        }
        
        stage('Build') {
            steps {
                sh '''
                    xcodebuild -workspace MyApp.xcworkspace \
                      -scheme MyApp \
                      -destination "platform=iOS Simulator,name=iPhone 16 Pro" \
                      -derivedDataPath ./DerivedData \
                      -parallelizeTargets \
                      -jobs 24 \
                      clean build
                '''
            }
        }
        
        stage('Test - Parallel Simulators') {
            steps {
                sh '''
                    xcodebuild test \
                      -workspace MyApp.xcworkspace \
                      -scheme MyApp \
                      -destination "platform=iOS Simulator,name=iPhone 16 Pro" \
                      -destination "platform=iOS Simulator,name=iPhone 15" \
                      -destination "platform=iOS Simulator,name=iPad Pro 13-inch (M4)" \
                      -parallel-testing-enabled YES \
                      -maximum-parallel-testing-workers 12 \
                      -derivedDataPath ./DerivedData \
                      -resultBundlePath ./TestResults
                '''
            }
        }
    }
}

关键参数：-maximum-parallel-testing-workers 12。M3 Ultra 的 28 核 CPU 和 256GB 内存能轻松撑住 12 个并行 Simulator，之前 M4 Max 开到 6 个就顶了。

实际性能对比

我跑了三组测试（同一个 50 万行 Swift 项目）：

场景	M4 Max	M3 Ultra	提升
Clean Build	8m 42s	5m 15s	40%
Incremental Build	1m 30s	58s	35%
12 并行 Simulator 测试	OOM 崩溃	18m 22s	∞
6 并行 Simulator 测试	32m 10s	16m 45s	48%

12 个并行 Simulator 是 M3 Ultra 的杀手场景。M4 Max 的 128GB 根本扛不住，直接 OOM。M3 Ultra 的 256GB 统一内存让每个 Simulator 分到 ~20GB，绰绰有余。

CoreML 模型训练加速

如果你的 App 有端侧 ML 模型，M3 Ultra 的 32 核 Neural Engine 也很有用：

# 转换并优化 CoreML 模型
python3 -m coremltools.converters.convert \
  --model ./model.onnx \
  --output ./Model.mlpackage \
  --compute-units ALL

# 在 M3 Ultra 上跑 benchmark
xcrun coremlbenchmark ./Model.mlpackage --compute-units cpuAndNeuralEngine

32 核 Neural Engine 跑推理比 M4 Max 的 16 核快接近一倍，模型验证环节省时间。

成本考量

Mac Dedicated Host 按小时计费，最低 24 小时起。M3 Ultra 的价格比 M4 Max 贵约 80%。

省钱策略：

1. 共享 Host：多个 CI job 排队用同一台，别开多台
2. 非工作时间释放：周末和夜间释放 Host（注意 24h 最低租期）
3. Savings Plans：如果长期用，1 年期 Compute Savings Plan 能省 40%

# 释放 Dedicated Host（24h 后）
aws ec2 release-hosts --host-ids h-0xxxxxxxxxxxxxxxx

什么时候该上 M3 Ultra

• ✅ 团队 5+ iOS 工程师，每天编译次数 > 100
• ✅ 项目代码量 > 30 万行 Swift
• ✅ 需要跑 8+ 并行 Simulator 做 UI 测试
• ✅ 有 CoreML 模型训练/验证需求
• ❌ 小团队 1-2 人，M4 Max 够用
• ❌ 只跑单元测试不跑 UI 测试，内存压力小

小结

M3 Ultra Mac 实例解决的核心问题就一个：内存。256GB 统一内存让并行 Simulator 数量翻倍，编译速度提升 35-48%。如果你的团队被 CI/CD 编译时间卡脖子，值得试试。

开通文档：https://aws.amazon.com/ec2/instance-types/mac/

踩坑提醒：第一次开 Dedicated Host 可能需要提工单提额度，别到项目赶工期了才发现开不了。