정리: Felix, PANews
AI 추론은 점차 인터넷 인프라의 핵심 계층 중 하나로 자리 잡고 있습니다. 그러나 현재 대부분의 추론은 여전히 중앙 집중식 아키텍처에 의존하고 있으며, 이는 높은 비용, 제한된 용량, 여러 계층이 중첩되어 일정한 보안 위험이 존재합니다. 한편, 전 세계에는 이미 수백만 대의 강력한 성능을 갖춘 컴퓨터가 있지만, 하루 중 대부분의 시간 동안 유휴 상태로 방치되고 있습니다.
Eigen Labs가 최근 출시한 AI 추론 네트워크 Darkbloom은 유휴 상태의 Mac 컴퓨터에서 분산형 AI 추론을 탐구하며, 검증된 노드, 하드웨어 수준의 개인정보 보호, 더 나은 경제적 효율성을 결합하여 유휴 Apple Silicon 칩을 더 효율적이고 개인정보 보호를 우선시하는 컴퓨팅 네트워크로 전환합니다.
이 프로젝트는 올해 4월경 연구 프리뷰 형태로 출시되었으며, 5월에 공개 알파 버전으로 업그레이드되어 현재 OpenRouter 플랫폼에上线되었습니다. 알파 버전에서 사용 가능한 모델은 Google의 Gemma 4와 OpenAI의 GPT-OSS입니다.
핵심 아키텍처 및 검증 가능한 개인정보 보호
Darkbloom의 네트워크는 사용자, 조정자, 제공자의 세 부분으로 구성됩니다.
- 사용자는 채팅 인터페이스 또는 OpenAI 호환 API를 통해 추론 요청을 보낼 수 있습니다.
- 조정자(Eigen Labs 운영)는 이러한 요청을 네트워크 내 조건에 맞는 Mac으로 라우팅합니다.
- 제공자(해당 조건을 갖춘 Mac 소유자)는 모델을 실행하고 출력 결과를 반환하지만, 요청 내용을 볼 수 없습니다.
Darkbloom은 개인정보 보호를 최우선으로 하는 분산형 추론 모델을 기반으로 구축되었습니다. 제공자 프로세스는 디버거 연결 및 외부 메모리 검사를 포함한 일반적인 로컬 검사 경로에 저항하도록 강화되었습니다. 실행 바이너리 파일의 무결성 또한 신뢰 모델의 일부로, 요청을 처리하는 소프트웨어가 네트워크의 기대치에 부합하는지 확인하는 데 도움을 줍니다.
또한 이 시스템은 Apple 보안 아키텍처를 기반으로 한 하드웨어 지원 인증을 사용합니다. 보안 격리 영역 키, 인증 신호 및 주기적인 챌린지-응답 검사를 통해 참여 노드가 예상된 보호 조치와 소프트웨어 상태로 실행되고 있는지 검증하여, 진정한 의미의 검증 가능한 개인정보 보호를 실현합니다.
경제 모델 및 일일 수익
Darkbloom은 비즈니스 모델에서 대다수 프로젝트와 본질적인 차이를 보입니다. 전통적인 기술 스택에서 비용은 하드웨어, 시설, 냉각, 네트워크, 운영 오버헤드 및 여러 단계의 이윤을 포함합니다. 반면 Darkbloom 모델에서는 하드웨어가 이미 존재하며, 한계 비용은 주로 전력에 의해 결정됩니다. Darkbloom의 벤치마크 테스트 가격은 현재 주류 API 애그리게이터의 약 50% 수준에 불과합니다. 제공자(Mac 호스트)는 추론 수익의 100%를 보유할 수 있습니다. 또한 Darkbloom은 초기 참여자에게 보조금을 지급하기 위해 토큰을 발행하는 경로를 채택하지 않았으며, 노드의 수익은 전적으로 실제 AI 추론 수요에서 발생합니다.
주목할 점은 프로젝트가 초기 단계에 있어 수익이 다소 미미하다는 것입니다. 메모리 및 하드웨어 구성, 가동 시간, 모델 수요, 노드 상태, 네트워크 수요 등의 요소가 수익 상황에 어느 정도 영향을 미칩니다.
현재 리더보드 데이터에 따르면, 1위 제공자의 일일 수익은 6달러 미만이며, 5위 제공자는 2달러에도 미치지 못합니다. 하지만 네트워크가 높은 메모리 수요를 가진 대규모 언어 모델에 개방되고 실제 사용자 사용량이 증가함에 따라 이러한 상황은 개선될 것으로 예상됩니다.
유휴 Mac 설정 방법에 대한 단계는 다음과 같습니다:
- Apple Silicon 칩이 탑재된 Mac 준비
- macOS 14 이상 버전 실행 확인
- Darkbloom 제공자 설치
- Mac을 온라인 상태로 유지하고 안정적인 인터넷 연결
- 네트워크가 지원하는 AI 작업 라우팅 허용
