Eigen Labs Ra mắt Dự án Darkbloom để Biến Mac Rảnh Rỗi Thành Mạng Tính Toán AI

Lawrence Jengar

15 Tháng 4, 2026 04:17

Dự án nghiên cứu mới từ Eigen Labs nhằm định tuyến suy luận AI qua các máy Apple Silicon ít được sử dụng, tuyên bố giảm 50% chi phí so với các nhà cung cấp lớn.

Eigen Labs đã ra mắt Dự án Darkbloom, một sáng kiến nghiên cứu định tuyến yêu cầu suy luận AI qua các máy Mac không hoạt động thay vì các trung tâm dữ liệu truyền thống. Dự án hiện đang trong giai đoạn xem trước nghiên cứu, tuyên bố giảm chi phí suy luận khoảng một nửa so với các nhà tổng hợp lớn trong khi cung cấp 95% doanh thu cho các nhà vận hành nút.

Thông điệp đơn giản: hàng triệu máy Mac Apple Silicon không sử dụng trong nhiều giờ mỗi ngày. Công suất tính toán ngủ đó—đã được mua, đã được cấp nguồn—có thể xử lý các khối lượng công việc AI với chi phí thấp hơn nhiều so với hạ tầng tập trung.

Cách hoạt động thực tế

Darkbloom ghép nối các yêu cầu suy luận với các nút Mac đã xác minh thông qua một hệ thống điều phối. Các nhà phát triển tương tác qua API tương thích OpenAI, trong khi chủ sở hữu Mac chạy một tác nhân nhà cung cấp đã được bảo vệ để xử lý các yêu cầu tại chỗ.

Kiến trúc này giải quyết trực tiếp vấn đề tin cậy rõ ràng. Nếu yêu cầu của bạn chạy trên laptop của người khác, điều gì ngăn họ đọc nó?

Câu trả lời của Eigen Labs bao gồm nhiều lớp: quá trình nhà cung cấp chặn việc gắn debugger và kiểm tra bộ nhớ ngoài, kiểm tra tính toàn vẹn của nhị phân xác minh phần mềm phù hợp với mong đợi mạng, và Secure Enclave của Apple cung cấp chứng thực dựa trên phần cứng. Các kiểm tra phản hồi định kỳ xác nhận các nút duy trì trạng thái bảo mật mong đợi.

Nhóm rõ ràng thẳng thắn về những hạn chế hiện tại. Điều phối viên vẫn là thành phần đáng tin cậy—họ không che giấu điều đó sau những lời nói mập mờ về “phi tập trung”.

Kinh tế hợp lý trên giấy tờ

Các lớp của hệ thống suy luận truyền thống phân bổ chi phí: lợi nhuận hyperscaler, phí nhà cung cấp API, chi phí cơ sở vật chất, làm mát, mạng lưới. Mỗi lớp phục vụ một mục đích nhưng cộng dồn vào giá cuối cùng.

Mô hình của Darkbloom loại bỏ phần lớn những điều đó. Chi phí phần cứng đã được bỏ vào từ trước (chủ sở hữu đã mua Mac của họ), chỉ còn lại điện năng là chi phí biên chính. Phần doanh thu 95% dành cho nhà vận hành tạo ra động lực thực sự để tham gia.

Liệu giá cả theo chuẩn benchmark có giữ vững khi hoạt động thực tế hay không là một câu hỏi hoàn toàn khác. Hiện tại, dự án hỗ trợ các khối lượng công việc tạo văn bản, xử lý hình ảnh và chuyển đổi giọng nói thành văn bản.

Những phần khó khăn không rõ ràng

Theo trưởng dự án Gajesh Naik, những thách thức kỹ thuật khó nhất không phải là định tuyến yêu cầu—mà là mọi thứ xung quanh nó. Ký mã, đảm bảo nhất quán phát hành, thời điểm chứng thực, quản lý vòng đời mô hình, xử lý mất kết nối và tệp bị hỏng.

“Khi băm nhị phân là một phần của mô hình bảo mật, kỹ thuật phát hành trở thành kỹ thuật bảo mật,” nhóm ghi chú trong thông báo của họ. Khởi động lạnh, áp lực bộ nhớ, và lỗi mạng không phải là các trường hợp ngoại lệ trong hệ thống phân tán. Chúng là thứ diễn ra vào thứ Ba.

Những gì hiện có

Giai đoạn xem trước nghiên cứu bao gồm toàn bộ hệ thống: điều phối viên, tác nhân nhà cung cấp đã được bảo vệ, tích hợp Secure Enclave, công cụ vận hành, và bảng điều khiển web. Mã nguồn mở và bài báo kỹ thuật đã được công bố.

Điều này nằm trong xu hướng DePIN (hạ tầng vật lý phi tập trung) rộng hơn đã thu hút sự chú ý trong năm qua. Các dự án như Render, Akash, và io.net đã khám phá các lĩnh vực tương tự cho tính toán GPU. Tập trung vào Apple Silicon của Darkbloom tạo ra một thị trường ngách khác—phần cứng tiêu dùng với hiệu suất suy luận đáng ngạc nhiên.

Chưa có token nào được công bố. Hiện tại, đây là một dự án nghiên cứu khám phá xem liệu các laptop không hoạt động có thể bổ sung một cách có ý nghĩa hoặc cuối cùng cạnh tranh với việc xây dựng trung tâm dữ liệu đã chiếm lĩnh đầu tư hạ tầng AI hay không.

Nguồn hình ảnh: Shutterstock