Mac Mubazir Bisa Hasilkan Uang? Pelajari Jaringan Inferensi AI Terdesentralisasi Darkbloom dari Eigen Labs

marsbitОпубликовано 2026-06-22Обновлено 2026-06-22

Введение

Darkbloom, jaringan inferensi AI terdesentralisasi yang diluncurkan oleh Eigen Labs, memungkinkan pengguna memanfaatkan Mac yang menganggur untuk menghasilkan pendapatan. Dengan memanfaatkan chip Apple Silicon yang tidak terpakai, proyek ini menciptakan jaringan komputasi yang efisien dan mengutamakan privasi. Jaringan ini terdiri dari tiga bagian: pengguna yang mengirim permintaan inferensi, koordinator yang merutekan permintaan, dan penyedia (pemilik Mac) yang menjalankan model dan mengembalikan hasil tanpa dapat melihat konten permintaan. Darkbloom dibangun dengan model privasi terverifikasi menggunakan arsitektur keamanan perangkat keras Apple, memastikan perlindungan data. Dari segi model ekonomi, Darkbloom berbeda dengan banyak proyek lain. Penyedia (host Mac) mendapatkan 100% pendapatan dari inferensi, karena biaya utama hanya berasal dari listrik, bukan perangkat keras baru. Harga dasar Darkbloom sekitar 50% lebih murah dibandingkan penyedia API agregator utama saat ini. Namun, pada tahap awal ini, pendapatan masih relatif kecil. Data peringkat menunjukkan pendapatan harian teratas di bawah $6, dan peringkat kelima bahkan di bawah $2. Pendapatan dipengaruhi oleh faktor seperti konfigurasi memori, waktu aktif, dan permintaan jaringan, yang diharapkan meningkat seiring dengan adopsi model bahasa besar dan peningkatan penggunaan pengguna nyata. Untuk berpartisipasi, pengguna memerlukan Mac dengan chip Apple Silicon, menjalankan macOS 14 atau lebih tinggi, menginstal p...

Disusun oleh: Felix, PANews

Inferensi AI secara bertahap menjadi salah satu lapisan kunci infrastruktur internet. Namun, saat ini sebagian besar inferensi masih bergantung pada arsitektur terpusat yang mahal, kapasitasnya terbatas, berlapis-lapis, dan memiliki risiko keamanan tertentu. Di sisi lain, di seluruh dunia telah ada jutaan komputer dengan kinerja canggih yang justru menganggur sebagian besar waktu dalam sehari.

Jaringan inferensi AI Darkbloom yang baru-baru ini diluncurkan Eigen Labs, mengeksplorasi inferensi AI terdistribusi pada komputer Mac yang menganggur. Dengan menggabungkan node yang terverifikasi, perlindungan privasi tingkat perangkat keras, dan manfaat ekonomi yang lebih baik, jaringan ini bertujuan mengubah chip Apple Silicon yang menganggur menjadi jaringan komputasi yang lebih efisien dan mengutamakan privasi.

Proyek ini diluncurkan sekitar bulan April tahun ini dalam bentuk pratinjau penelitian, ditingkatkan ke versi alpha publik pada bulan Mei, dan saat ini telah tersedia di platform OpenRouter. Dalam versi alpha, model yang tersedia adalah Google Gemma 4 dan OpenAI GPT-OSS.

Arsitektur Inti dan Privasi yang Dapat Diverifikasi

Jaringan Darkbloom terdiri dari tiga bagian: pengguna, koordinator, dan penyedia.

  • Pengguna dapat mengirim permintaan inferensi melalui antarmuka obrolan atau API yang kompatibel dengan OpenAI.
  • Koordinator (dioperasikan oleh Eigen Labs) akan meneruskan permintaan ini ke Mac yang memenuhi syarat di dalam jaringan.
  • Penyedia (pengguna yang memiliki Mac yang memenuhi syarat tersebut) menjalankan model dan mengembalikan hasil output, tetapi mereka tidak dapat melihat konten permintaan.

Darkbloom dibangun berdasarkan model inferensi terdistribusi yang mengutamakan privasi. Proses penyedia diperkuat untuk menahan jalur pemeriksaan lokal yang umum, termasuk keterikatan debugger dan pemeriksaan memori eksternal. Integritas file biner yang dijalankan juga merupakan bagian dari model kepercayaan, membantu memastikan perangkat lunak yang melayani permintaan sesuai dengan harapan jaringan.

Sistem ini juga menggunakan otentikasi berbasis dukungan perangkat keras arsitektur keamanan Apple. Kunci Enklave Keamanan, sinyal otentikasi, dan pemeriksaan tantangan-respons periodik digunakan untuk memverifikasi apakah node yang berpartisipasi berjalan dengan langkah-langkah perlindungan dan status perangkat lunak yang diharapkan, mewujudkan privasi yang benar-benar dapat diverifikasi.

Model Ekonomi dan Pendapatan Harian

Darkbloom memiliki perbedaan mendasar dalam model bisnisnya dibandingkan sebagian besar proyek lainnya. Dalam tumpukan teknologi tradisional, biaya mencakup perangkat keras, fasilitas, pendinginan, jaringan, overhead operasional, serta lapisan keuntungan bertingkat. Sedangkan dalam model Darkbloom, perangkat keras sudah ada, dan biaya marginal terutama didorong oleh listrik. Harga patokan Darkbloom hanya sekitar 50% dari harga agregator API utama saat ini. Penyedia (host Mac) dapat mempertahankan 100% pendapatan dari inferensi. Selain itu, Darkbloom tidak menggunakan penerbitan token untuk mensubsidi peserta awal; pendapatan node sepenuhnya berasal dari permintaan inferensi AI yang nyata.

Patut dicatat, mengingat proyek masih dalam tahap awal, pendapatan yang dihasilkan masih sangat kecil. Faktor-faktor seperti konfigurasi memori dan perangkat keras, waktu aktif (uptime), permintaan model, kesehatan node, dan permintaan jaringan, akan memengaruhi kondisi pendapatan hingga batas tertentu.

Data peringkat saat ini menunjukkan, penyedia peringkat pertama memperoleh pendapatan harian kurang dari $6, bahkan penyedia peringkat kelima kurang dari $2. Namun, dengan dibukanya jaringan untuk model bahasa besar (LLM) yang membutuhkan memori tinggi dan peningkatan penggunaan oleh pengguna nyata, situasi ini diharapkan dapat membaik.

Berikut langkah-langkah untuk mengatur Mac yang menganggur:

  • Dapatkan Mac dengan chip Apple Silicon
  • Pastikan menjalankan macOS 14 atau yang lebih tinggi
  • Instal Penyedia (Provider) Darkbloom
  • Jaga agar Mac tetap online dan terhubung dengan internet yang stabil
  • Biarkan jaringan merutekan tugas AI yang didukung

Bacaan terkait: Merangkum Aset Saham AS dan Kripto yang Layak Diperhatikan Belakangan Ini: AI, RWA, dan Saham Luar Angkasa...

Трендовые криптовалюты

Связанные с этим вопросы

QApa itu Darkbloom yang diluncurkan oleh Eigen Labs dan tujuannya?

ADarkbloom adalah jaringan AI inferensi terdesentralisasi yang diluncurkan oleh Eigen Labs. Tujuannya adalah untuk memanfaatkan komputer Mac yang menganggur (terutama dengan chip Apple Silicon) untuk melakukan inferensi AI secara terdistribusi, menciptakan jaringan komputasi yang lebih efisien, berbiaya lebih rendah, dan mengutamakan privasi.

QBagaimana arsitektur inti dari jaringan Darkbloom?

AJaringan Darkbloom terdiri dari tiga komponen utama: 1) **Pengguna**: mengirimkan permintaan inferensi melalui antarmuka chat atau API yang kompatibel dengan OpenAI. 2) **Koordinat** (dioperasikan oleh Eigen Labs): merutekan permintaan ke Mac yang memenuhi syarat di jaringan. 3) **Penyedia** (pemilik Mac): menjalankan model AI dan mengembalikan hasil, tetapi tidak dapat melihat isi permintaan.

QApa yang membuat Darkbloom diklaim memiliki privasi yang dapat diverifikasi?

ADarkbloom mengklaim privasi yang dapat diverifikasi melalui beberapa mekanisme: 1) Proses penyedia diperkuat untuk melawan pemeriksaan lokal seperti debugger dan memori eksternal. 2) Menggunakan sertifikasi berbasis hardware yang didukung oleh arsitektur keamanan Apple (Secure Enclave). 3) Sinyal attestasi dan pemeriksaan challenge-response periodik digunakan untuk memverifikasi bahwa node berjalan dengan perlindungan dan status perangkat lunak yang diharapkan.

QBerapa perkiraan penghasilan harian bagi penyedia (provider) di jaringan Darkbloom saat ini?

ASaat ini, penghasilan bagi penyedia masih relatif kecil. Berdasarkan peringkat yang ada, penyedia peringkat pertama mendapat kurang dari $6 per hari, dan penyedia peringkat kelima bahkan kurang dari $2 per hari. Faktor seperti konfigurasi memori/hardware, waktu aktif, dan permintaan jaringan memengaruhi penghasilan.

QApa saja persyaratan dan langkah-langkah untuk menjadikan Mac sebagai penyedia di Darkbloom?

ALangkah-langkahnya adalah: 1) Memiliki Mac dengan chip Apple Silicon. 2) Menjalankan macOS 14 atau versi lebih tinggi. 3) Menginstal Darkbloom Provider. 4) Menjaga Mac tetap online dengan koneksi internet yang stabil. 5) Membiarkan jaringan merutekan tugas AI yang didukung ke Mac tersebut.

Похожее

Лидер токенизации RWA Ondo начинает работать с Perp DEX

Основатель Ondo Finance, лидера в токенизации реальных активов (RWA), объявляет о запуске собственной децентрализованной биржи перпетуальных контрактов — Ondo Perps. Это стратегический ход, который меняет привычный сценарий, где DEX добавляют RWA-активы. Ondo, обладая доминирующей долей на рынке токенизированных акций, наоборот, встраивает торговую платформу в свою экосистему. Платформа фокусируется на торговле перпетуальными контрактами на токенизированные акции, индексы и сырьевые товары (включая золото, серебро, нефть, акции NVIDIA, Tesla, Apple и другие) с кредитным плечом до 20x. Ключевые особенности: использование токенизированных акций и облигаций Ondo в качестве залога, портфельный режим маржи, а также высокая скорость исполнения за счёт гибридной модели (офф-чейн обработка ордеров с ончейн-расчётами). Запуск Ondo Perps завершает формирование финансового цикла в экосистеме Ondo: от выпуска RWA-активов (Ondo Global Markets) до их активного использования в торговле и DeFi. Это знаменует эволюцию Perp DEX от нишевых криптоплатформ к глобальной инфраструктуре для торговли любыми активами круглосуточно, стирая границы между традиционными и децентрализованными финансами.

Foresight News1 ч. назад

Лидер токенизации RWA Ondo начинает работать с Perp DEX

Foresight News1 ч. назад

Основатель People's Network: "Большие языковые модели поглощают все" – в это я верю наполовину

Автор, основатель сайта Baixing.com, выражает скептицизм по поводу утверждения, что «большие языковые модели поглотят всё». Он считает такое заявление слишком упрощённым и сравнивает его с подобными предсказаниями об «интернете, который всё поглотит». Вместо этого он видит большие модели как фундаментальную технологическую базу, подобную электричеству или интернету. Электричество как база породило множество конкретных приборов (холодильники, стиральные машины), каждый из которых решает свою задачу. Так и большие языковые модели, будучи источником базового интеллекта, должны быть встроены в конкретные инструменты и приложения для решения реальных проблем (например, Claude Code для программирования, Claude Design для дизайна). Без этого «устройства» их потенциал не реализуется. Автор согласен, что большие модели трансформируют или «поглотят» значительный слой существующего программного обеспечения, особенно правила, шаблоны и рабочие процессы, которые можно формализовать. Однако они не заменят множество других элементов: данные клиентов, физическую инфраструктуру, доверие, способность к реальному исполнению задач (например, перевозку людей). После трансформации этого слоя откроется пространство для создания принципиально новых типов программного обеспечения с более гибкими, «потоковыми» интерфейсами. Главная ошибка, по его мнению, — зацикливаться на ближайших изменениях и не видеть более широких возможностей, которые появятся вслед за установлением этой новой технологической базы. Таким образом, ключевая задача — искать возможности именно в тех областях, которые большие модели трансформируют, а не в абстрактной идее их тотального господства.

marsbit1 ч. назад

Основатель People's Network: "Большие языковые модели поглощают все" – в это я верю наполовину

marsbit1 ч. назад

Основатель百姓网: Я верю в фразу «Большие языковые модели поглощают всё» лишь наполовину

Основатель сайта объявлений Baixing Wang Jianshu высказывает свое мнение о больших языковых моделях (LLM). Он считает преувеличением утверждение, что «LLM поглощают всё». Он сравнивает LLM с электричеством — это критически важная базовая технология, инфраструктура (как электросеть), без которой невозможно развитие. Однако само по себе электричество не решает конкретных задач; для этого нужны «приборы» — стиральные машины, телевизоры и т.д. Точно так же базовый интеллект LLM должен быть воплощен в конкретных инструментах для конкретных сценариев (например, для написания кода, дизайна), чтобы реально изменить мир. Большинство реальных задач требуют комбинации нескольких элементов (как в стиральной машине нужны и вода, и вращающийся барабан). Он согласен, что LLM «поглотят» значительную часть существующего программного обеспечения — систем, построенных на жестких правилах, формах и шаблонах (например, многие CRM, ERP). Однако они не заменят всё: данные клиентов, физическое исполнение задач (например, перелет), доверие, элементы реального мира. Уничтожив слой устаревшего ПО, LLM откроют пространство для принципиально нового программного обеспечения с более плавными, «текучими» интерфейсами, где жесткие правила будут отданы на откуп ИИ. Это откроет новые возможности, которые сейчас трудно представить. Основной вывод: LLM — это фундамент, критически важная базовая технология. Но настоящая ценность и основная волна инноваций проявится на следующем уровне — в разнообразных «приборах» и приложениях, которые используют этот интеллект для решения конкретных проблем. Вместо разговоров о «поглощении всего» важно искать возможности в тех областях, которые LLM трансформируют.

链捕手1 ч. назад

Основатель百姓网: Я верю в фразу «Большие языковые модели поглощают всё» лишь наполовину

链捕手1 ч. назад

Нарушит ли заявка Ноя Доу на биткойны Сатоши «всю отрасль»? Ответчики говорят…

Четырнадцать лет спустя биткоины эпохи Сатоши снова в центре судебного разбирательства. 6 июля был подан второй документ "друга суда" против попытки "Ноа Доу" заявить права на монеты Сатоши как на "брошенное имущество". Три псевдонимных истца — Ноа Доу и две компании — пытаются получить законное право собственности на 39 069 неактивных кошельков Bitcoin, которые они не создавали и к которым не имеют доступа. Они утверждают, что опубликовали уведомления в блокчейне, используя функцию OP_RETURN, предоставив владельцам 90 дней на ответ. По истечении срока около 2900 кошельков были удалены, и истцы считают оставшиеся 39 069 "брошенными". Ответчики требуют прекратить дело. Они указывают, что истцы не имеют приватных ключей, не предоставляют доказательств, что владельцы видели уведомления, и используют лишь неактивность кошельков как доказательство заброшенности. Это создаёт опасный прецедент, так как многие инвесторы намеренно годами не перемещают свои биткоины. "Удовлетворение требований истцов не укрепит права собственности, а нарушит целые отрасли и ожидания всех владельцев цифровых активов", — говорится в документе. Ситуацию осложнила недавняя активность: один из кошельков, фигурирующих в списке ответчиков (адрес 1LwWt...), который не двигался с 2011 года, провёл транзакцию 15 BTC. Это демонстрирует, что неактивность кошелька сама по себе не доказывает заброшенность, так как право собственности определяется контролем над приватными ключами, а не историей транзакций.

ambcrypto2 ч. назад

Нарушит ли заявка Ноя Доу на биткойны Сатоши «всю отрасль»? Ответчики говорят…

ambcrypto2 ч. назад

Торговля

Спот

Популярные статьи

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

2025 год — год институциональных инвесторов, в будущем он будет доминировать в приложениях реального времени.

1.9k просмотров всегоОпубликовано 2025.12.16Обновлено 2025.12.16

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на AI (AI) представлены ниже.

活动图片