Hacker News 中文摘要

文章摘要

Darkbloom是一个去中心化AI推理网络，利用闲置的苹果芯片设备提供低成本隐私保护服务。它绕过传统GPU厂商-云服务商-API提供商的三层加价环节，直接连接闲置设备和用户需求，可降低70%成本。设备所有者保留95%收入，用户通过端到端加密获得OpenAI兼容服务，包括聊天、图像生成等功能。

文章总结

暗花（Darkbloom）：基于苹果芯片的私有AI推理网络

核心概念

暗花是一个去中心化AI推理网络，利用全球超过1亿台闲置的苹果芯片设备（如Mac）提供低成本、高隐私的AI服务。通过消除传统云计算中间商，用户可节省高达70%的成本，而设备持有者能保留95%的收益。

关键优势

用户侧
- 成本减半：闲置硬件边际成本趋近于零，价格仅为集中式服务的50%
- 全兼容API：支持文本生成（如Gemma 4 26B）、图像生成（FLUX.2）、语音转文字（Cohere Transcribe）
- 端到端加密：所有请求数据全程加密，运营商无法查看

硬件所有者侧
- 闲置变现：利用现有设备赚取收益，电费仅需$0.01–0.03/小时
- 零抽成：100%推理收入归设备所有者，年收益可达$12,000（以M1 Ultra为例）

行业痛点

现有AI计算市场存在三重加价：
1. 英伟达出售GPU给云服务商（AWS/谷歌云/Azure）
2. 云服务商加价租给AI公司
3. AI公司再次加价面向终端用户
导致终端价格可达硬件实际成本的3倍以上。

暗花的突破：
- 直接连接1亿台闲置苹果设备（日均闲置18小时）
- 统一内存架构+神经引擎，支持千亿参数模型推理

隐私保障技术（四大核心层）

加密层：用户端预先加密，仅目标设备可解密
硬件层：基于苹果安全芯片生成不可复制的密钥
运行时层：操作系统级隔离，阻断调试和内存读取
溯源层：每项输出均带硬件签名，可公开验证

性能与成本对比

| 模型 | 暗花价格（百万token） | 传统服务价格 | 节省幅度 |
|--------------------|----------------------|-------------|---------|
| Gemma 4 26B | $0.23 | $0.40 | 50% |
| Qwen3.5 122B | $1.17 | $2.08 | 50% |
| 图像生成（每张） | $0.0015 | $0.0030 | 50% |

设备所有者收益模型

M1 Max（32GB内存）：年收益约$1,958（文本推理）
M2 Ultra（192GB内存）：图像生成年收益可达$11,774
零平台费：收益全归所有者，仅扣除电费成本

技术实现

无缝对接OpenAI：仅需替换API基础URL即可迁移现有应用
支持流式响应：完整兼容Server-Sent Events协议
终端一键部署：通过脚本自动配置后台服务

python from openai import OpenAI client = OpenAI(base_url="https://api.darkbloom.dev/v1") response = client.chat.completions.create( model="mlx-community/gemma-4-26b", messages=[{"role": "user", "content": "你好！"}] )

愿景

暗花通过构建硬件级可信的分布式网络，打破AI计算的资源垄断，使个人设备成为新一代算力基础设施。其技术白皮书已在GitHub开源，包含完整的安全架构与经济模型分析。

立即体验控制台 | 查看研究论文

（注：所有数据基于2026年4月测试环境，实际收益受网络需求影响）

评论总结

以下是评论内容的总结：

扩展设备范围的建议
- 有评论认为应扩展到所有PC和手机设备，潜力更大。
  "Why only Macs? If we think of all PCs and mobile phones running idle, the potential is much larger."
- 建议在办公室内本地化部署类似方案。
  "I'd love a way to do this locally -- pool all the PCs in our own office for in-office pools of compute."
技术可行性与隐私保护
- 肯定TEE（可信执行环境）技术的有效性，但对GPU内存隔离提出疑问。
  "They use the TEE to check that the model and code is untampered with... I was under the impression this wasn't possible if you are using the GPU."
- 质疑MacBook当前无法实现可验证的隐私保护。
  "Apple Silicon has a Secure Enclave, but not a public SGX/TDX/SEV-style enclave for arbitrary code."
经济模型质疑
- 对快速回本和高利润数据表示怀疑。
  "If you can pay off a mac mini in 2-4 months, and make $1-2k profit every month after that, why wouldn’t their business model just be buying mac minis?"
- 指出供需关系可能导致收益下降。
  "If you enable every spare Mac on the planet to join the game... Now your supply is high, which means now it’s less valuable."
实际体验与需求问题
- 用户实测显示需求不足且软件存在缺陷。
  "In 15 minutes of serving Gemma, I got precisely zero actual inference requests... At the moment they don’t have enough sustained demand."
- 安装过程中遇到依赖缺失问题。
  "latest (v0.3.8) tar doesn’t contain image-bank or gRPCServerCLI dependencies so installer fails."
潜在风险与局限性
- 担忧数据隐私和内容安全风险。
  "Generate images requested by randoms on the internet on your hardware. What could possibly go wrong?"
- 认为更适合非敏感数据的批量处理。
  "I think batch-evals for non-sensitive data has great PMF here."
商业模式与定位争议
- 建议苹果官方介入或开源化项目。
  "Apple should build this, and start giving away free Macs subsidized by idle usage."
  "This is not a business - should be an open source GitHub repo maybe."
- 加密货币支付机制受到肯定。
  "the payment/distribution here is all built on crypto+stablecoins. This is a great use case for it."

Darkbloom——闲置Mac上的隐私推理 -- Darkbloom – Private inference on idle Macs