整理：Felix, PANews
AI推論は、徐々にインターネットインフラの重要なレイヤーの一つになりつつあります。しかし、現在の推論の大部分は依然として集中型アーキテクチャに依存しており、コストが高く、容量が限られ、レイヤーが重なることで一定のセキュリティリスクも存在します。一方、世界中には数百万台もの高性能コンピューターが存在するにもかかわらず、1日の大半はアイドル状態にあります。
Eigen Labsが最近発表したAI推論ネットワークDarkbloomは、アイドル状態のMacコンピューター上での分散型AI推論を探求し、検証済みノード、ハードウェアレベルのプライバシー保護、より優れた経済性を組み合わせることで、アイドル状態のApple Siliconチップを、より効率的でプライバシーを重視したコンピューティングネットワークへと変貌させます。
このプロジェクトは今年4月頃にリサーチプレビューとして公開され、5月にパブリックアルファ版にアップグレード、現在はOpenRouterプラットフォームにローンチされています。アルファ版で利用可能なモデルは、GoogleのGemma 4とOpenAIのGPT-OSSです。
コアアーキテクチャと検証可能なプライバシー
Darkbloomのネットワークは、ユーザー、コーディネーター、プロバイダーの3つの部分で構成されています。
- ユーザーはチャットインターフェースまたはOpenAI互換APIを通じて推論リクエストを送信できます。
- コーディネーター（Eigen Labsが運営）は、これらのリクエストをネットワーク内の条件を満たすMacにルーティングします。
- プロバイダー（これらの条件を満たすMacを所有するユーザー）はモデルを実行し、出力結果を返しますが、リクエストの内容を見ることはできません。
Darkbloomは、プライバシーを重視した分散型推論モデルに基づいて構築されています。プロバイダープロセスは強化されており、デバッガのアタッチや外部メモリ検査など、一般的なローカル検査経路に耐性があります。実行バイナリの完全性も信頼モデルの一部であり、リクエストを処理するソフトウェアがネットワークの期待に沿っていることを保証するのに役立ちます。
このシステムは、Appleのセキュリティアーキテクチャに基づくハードウェア支援認証も使用します。セキュアエンクレーブキー、認証信号、定期的なチャレンジレスポンスチェックを使用して、参加ノードが期待される保護対策とソフトウェア状態で動作していることを検証し、真に検証可能なプライバシーを実現します。
経済モデルと日次収益
Darkbloomは、ビジネスモデルにおいて大多数のプロジェクトとは本質的に異なります。従来のテクノロジースタックでは、コストにはハードウェア、設備、冷却、ネットワーク、運用経費、そして多層的な利益が含まれます。一方、Darkbloomのモデルでは、ハードウェアは既に存在し、限界費用は主に電力によって決まります。Darkbloomのベンチマーク価格は、現在の主要なAPIアグリゲーターの約50%に設定されています。プロバイダー（Macホスト）は推論収入の100%を保持できます。さらに、Darkbloomは初期参加者に補助金を出すためにトークンを発行するという道を取っておらず、ノードの収益は完全に実際のAI推論需要から生まれます。
特筆すべきは、プロジェクトが初期段階にあるため、収益はごくわずかであることです。メモリとハードウェアの構成、稼働時間、モデルの需要、ノードの健全性、ネットワーク需要などの要因が、ある程度収益状況に影響を与えます。
現在のリーダーボードデータによると、1位のプロバイダーの日次収益は6ドル未満、5位のプロバイダーに至っては2ドルにも満たない状況です。しかし、ネットワークが高メモリを必要とする大規模言語モデルに開放され、実際のユーザー利用が増加するにつれて、この状況は改善される見込みです。
アイドル状態のMacの設定方法は以下の通りです：
- Apple Siliconチップ搭載のMacを入手する
- macOS 14以降が動作していることを確認する
- Darkbloomプロバイダーをインストールする
- Macをオンラインに保ち、安定したインターネットに接続する
- ネットワークがサポートするAIタスクをルーティングさせる
