整理：Felix, PANews
AI 推理正逐漸成為互聯網基礎設施的關鍵層之一。然而，目前大多數推理仍然依賴於集中式架構，該架構成本高昂、容量有限，且層層疊加，存在一定的安全隱患。與此同時，全球已有數百萬台性能強大的電腦，但卻在一天的大部分時間裡處於閒置狀態。
Eigen Labs 近期推出的 AI 推理網絡 Darkbloom，探索在閒置的 Mac 電腦上進行分佈式 AI 推理，結合經過驗證的節點、硬件級隱私保護和更優的經濟效益，將閒置的 Apple Silicon 晶片轉化為更高效、以隱私為先的計算網絡。
該項目於今年 4 月左右以研究預覽形式推出，5 月份升級到公開 alpha 版，目前已上線 OpenRouter 平台。在 alpha 版本中，可用的模型是 Google 的 Gemma 4 和 OpenAI 的 GPT-OSS。
核心架構與可驗證隱私
Darkbloom 的網絡由三部分組成：用戶、協調器和提供者。
- 用戶可以通過聊天界面或兼容 OpenAI 的 API 發送推理請求。
- 協調器（由 Eigen Labs 運營）會將這些請求路由到網絡中符合條件的 Mac。
- 提供者（擁有這些符合條件的 Mac 的用戶）運行模型並返回輸出結果，但他們無法看到請求內容。
Darkbloom 基於以隱私為先的分佈式推理模型構建。提供者進程經過強化，可抵禦常見的本地檢查路徑，包括調試器附加和外部存儲器檢查。運行二進制文件的完整性也是信任模型的一部分，有助於確保服務於請求的軟件符合網絡預期。
該系統還使用基於 Apple 安全架構的硬件支持認證。安全隔離區密鑰、認證信號和週期性的質詢-回應檢查用於驗證參與節點是否以預期的保護措施和軟件狀態運行，真正實現可驗證的隱私。
經濟模型及日收益
Darkbloom 在商業模式上與絕大多數項目有著本質區別。在傳統的技術棧中，成本包括硬件、設施、冷卻、網絡、運營開銷以及多層利潤。而在 Darkbloom 的模型中，硬件已經存在，邊際成本主要由電力驅動。Darkbloom 的基準測試定價僅為目前主流 API 聚合商的 50% 左右。提供者（Mac 主機）可以保留 100% 的推理收入。此外，Darkbloom 沒有採用發行代幣來補貼早期參與者路徑，節點的收益完全來自於真實的 AI 推理需求。
值得一提的是，鑑於項目發展處於早期，收益較為微薄。內存和硬件配置、正常運行時間、模型需求、節點健康狀況、網絡需求等因素，都會在一定程度上影響收益狀況。
目前排行榜數據顯示，排名第一的提供者每日收益不到 6 美元，排名第五的提供者甚至不及 2 美元。不過，隨著網絡對高內存需求的大語言模型的開放以及真實用戶使用量的增加，這一局面有望得到改善。
關於如何設置閒置 Mac，操作步驟如下：
- 獲取一台搭載 Apple Silicon 晶片的 Mac
- 確保運行 macOS 14 或更高版本
- 安裝 Darkbloom 提供商
- 保持 Mac 在線並連接穩定的互聯網
- 讓網絡路由支持的 AI 任務
