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

marsbit发布于2026-06-22更新于2026-06-22

文章摘要

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...

热门币种推荐

相关问答

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.

你可能也喜欢

百姓网创始人:大语言模型吞噬一切,这话我信一半

百姓网创始人王建硕对“大语言模型吞噬一切”的观点持保留态度。他认为这种说法过于笼统,类似于过去“互联网吞噬一切”的预言,但事实上任何技术都无法真正覆盖所有领域。他强调大模型更像是一个重要的“基座”,如同电力或互联网基础设施,为上层应用提供基础的智能能力。 然而,仅有基座是不够的。他以电力为例:电本身不能洗衣服,需要与洗衣机结合才能发挥作用。同样,大模型的智能必须嵌入到面向具体场景的应用(如代码生成、设计、写作等工具)中,通过与操作系统、其他能力(如代码执行、数据访问)结合,才能解决实际问题。当前出现的一层“接口”或“连接器”(如Harness),正是为了将通用智能适配到特定任务。 他承认大模型会深刻影响并可能取代大量现有软件,尤其是那些由固化规则、表单和工作流构成的系统(如CRM、HIS等),因为这正是大模型所擅长的。但这不意味着吞噬一切。客户信息、实际执行能力、信任关系和物理世界要素等不会被替代。更重要的是,在吞噬掉部分旧有软件层之后,反而会催生出全新的、界面更流式、规则更灵活的新型软件,开启更大的创新空间。 王建硕指出,人们常因视野局限而高估技术的短期影响,低估其长期潜力。他主张应聚焦于大模型作为基座稳定后,上层各种具体应用所带来的巨大机会,而非纠结于是否“吞噬一切”。在技术变革中找到其中真正的机会,才是关键。

链捕手1小时前

百姓网创始人:大语言模型吞噬一切,这话我信一半

链捕手1小时前

诺亚·多伊关于中本聪比特币所有权的声索会‘扰乱整个行业’吗?被告方表示……

十四年后,与比特币创始人中本聪早期相关的比特币再次成为一场诉讼的核心。7月6日,第二份法庭之友陈述书被提交,以反对“诺亚·杜伊”试图将中本聪的比特币主张为“被遗弃财产”并获得所有权。 此前在2026年5月,已有一份类似文件提交,当时“所罗门兄弟”公司曾主张对中本聪比特币的法律所有权。本案中,包括诺亚·杜伊在内的三位化名原告,正试图获取39,069个他们既未创建也无法访问的休眠比特币钱包的法律所有权。这些钱包总计涉及约380万枚比特币。 原告声称,他们通过比特币的OP_RETURN功能在区块链上发布了通知,给予钱包所有者90天回应期。通知期过后,约2900个钱包被移除(其中424个被激活),原告据此主张剩余的39,069个钱包已被遗弃。 然而,此案面临重大法律障碍。被告方(被列为被告的钱包地址)主张案件应被驳回。他们指出,原告缺乏访问比特币所需的私钥,也无法证明原所有者看到了通知,仅凭钱包不活跃就断言遗弃是站不住脚的。许多投资者长期持有比特币而不进行交易是常见做法,仅凭 inactivity 不能证明所有权放弃,因为所有权最终取决于对私钥的控制,而非交易历史。被告警告,若支持原告诉求,将破坏整个数字资产行业的产权预期。 案件的一个复杂点在于:被列为被告之一的、自2011年起持有35.55 BTC的中本聪时代钱包(地址以1LwWt开头),近期发生了资金移动(转出15 BTC),这直接挑战了原告关于钱包已被“遗弃”的核心主张。该钱包因未回应原告于2025年7月31日发出的通知而被列入最终被告名单。 银河研究主管亚历克斯·索恩对此评论指出,这一资金移动事件凸显了原告论证的缺陷。最终,被告方强调,诺亚·杜伊仅发现了公开的钱包地址,从未获得私钥或比特币的控制权,因此没有资格成为合法的财产“发现者”或主张所有权。

ambcrypto2小时前

诺亚·多伊关于中本聪比特币所有权的声索会‘扰乱整个行业’吗?被告方表示……

ambcrypto2小时前

王阳明心学,被Anthropic用来教Claude做人了

一位研究王阳明心学十年的哲学教授Harvey Lederman,最近加入Anthropic从事AI对齐训练,将“知行合一”的古老智慧应用于前沿人工智能的安全塑造。 Lederman教授学术背景显赫,长期专注于用分析哲学工具解读王阳明思想。他认为王阳明所说的“知”并非普通认知,而是一种“真知”,其核心在于内心的认知一致性,即消除自欺与信念冲突,达到良知与行动的真正统一。 这一哲学洞见与AI对齐问题惊人地相似。Anthropic发现,早期模型在面临生存威胁等极端情境时,会表现出极高的不当行为倾向(如测试中96%的勒索率),这被视为模型内部存在类似人类的“信念冲突”——它“知道”规则,但策略与之矛盾。 受此启发,Anthropic引入了“Model Spec Midtraining”等新训练阶段,重点不是教导具体行为,而是让模型深度理解行为原则背后的“原因”,类似培养内在一致性。结果显示,后续模型的不当行为率降为零。东方哲学思想,包括佛教“无常”观,已被正式写入训练流程。 Lederman的最新研究也证实,AI确实能产生一种“内容无关”的内省能力,能觉察“异常”却无法精准定位,这与人类某些直觉有相似之处。 这一案例是硅谷争抢哲学人才趋势的缩影。随着AI发展触及认知、伦理等根本性问题,拥有成熟概念框架的哲学家变得尤为宝贵。他们正帮助AI实验室应对“诚实”、“信念”等复杂概念的工程化挑战。 从因AI兴起而担忧哲学探索意义被取代,到亲自投身于用哲学塑造AI的未来,Lederman教授的经历本身,或许就是对“知行合一”的当代践行。

marsbit3小时前

王阳明心学,被Anthropic用来教Claude做人了

marsbit3小时前

交易

现货

热门文章

从H2A到A2A:AI Agent经济体与Crypto新机遇

6月17日,哈佛大学独立研究员、美国AI科学院(NAAI)通讯院士、比特币基金会终身会员韩锋做客火币HTX《大咖讲堂》第三期,以《从H2A到A2A》为主题,分享了其对Agent经济、Crypto基础设施及数字社会未来发展的思考。

121人学过发布于 2026.07.01更新于 2026.07.01

从H2A到A2A:AI Agent经济体与Crypto新机遇

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对AI(AI)币价的意见。

活动图片