影片筆記：闲置Mac别吃灰：接入Darkbloom 月入800元

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
• 待修正：逐字稿可先使用，但有待校正清單（segment=69 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=71 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

本影片介紹由 Icon Labs 推出的分布式 AI 推理網絡 Dark Bloom，該項目利用閒置的 Mac 設備（如 M3/M5）運行開源模型提供算力，開發者 Gajesh 年少成名，目前網絡已接入 OpenRouter，但面臨利用率低與收益不均的挑戰。

核心重點

• 項目概念：Dark Bloom 旨在將閒置的 Mac 設備連接成算力網絡，讓用戶在閒置時運行 AI 模型並賺取收益。
• 運作機制：開發者發起請求，由 Dark Bloom 調度中心分配至合適的 Mac 設備，利用本地 MLX 運行開源模型，並透過加密返回結果。
• 安全性：疊加 Apple 的 Secure Enclave、Secure Boot、設備認證、簽名程序及內存隔離等安全機制。
• 發展數據：
• 4月上線，6月介入 OpenRouter，7月單日 Token 突破 10億，8月成為 OpenRouter 付費 Provider。
• 目前接入 1380 台機器，聚合內存 123.2TB，AR2 約 22.2 萬美元。
• 現狀與挑戰：
• 峰值利用率僅 15%，顯示算力供給大於需求。
• 收益分佈不均：高內存設備（如 M5 128GB）有任務，低內存設備（如 M3 24GB）可能長時間無任務。
• 開發者背景：核心開發者 Gajesh，年少成名，18歲致力於打造開放網絡。

詳細大綱

1. Dark Bloom 項目介紹

• 概念：將閒置 Mac 連成算力網絡。
• 案例：M5 Mac 128GB 內存，24小時處理 13000+ 請求，賺取 4.11 美元。
• 成本效益：電費與磨損成本低，可覆蓋前沿模型訂閱費。

2. 技術架構與流程

• 發起方：開發者發起請求。
• 調度：Dark Bloom 調度中心挑選合適 Mac。
• 執行：Mac 本地使用 MLX 運行開源模型。
• 安全：加密請求與返回，疊加 Apple 安全機制（Secure Enclave, Secure Boot 等）。
• 評價：雖有中央調度信任邊界，但比一般重包算力更認真。

3. 發展歷程與數據表現

• 時間線：
• 4月：上線。
• 6月：介入 OpenRouter。
• 7月初：單日 Token 突破 10億。
• 7月底：重購 MLX 連續 Batching Prefail 速度提升 3-4 倍。
• 8月：成為 OpenRouter 付費 Provider。
• 最新數據：
• 接入機器：1380 台。
• 網絡聚合內存：123.2TB。
• AR2：約 22.2 萬美元（實現一周翻倍）。

4. 市場分析與問題

• 利用率：峰值利用率 15%，說明賣算力機器多，付費需求未完全跟上。
• 收益分佈不均：
• 案例 A：M5 Mac 128GB，24小時賺 4.11 美元。
• 案例 B：M3 24GB Mac，8小時內無任務。
• 推測：調度偏向高內存、認證狀態好的機器。
• 待完善：延遲、穩定性、知識模型數量。

5. 行業背景與展望

• 觀點引用：YouTuber Matthew Burman 稱其為「數據中心殺手」。
• 核心邏輯：
• 推理需求暴漲。
• 開源模型、MOE、電話技術（疑點）將能力壓至 Mac、工作站、AIPC 等邊緣設備。
• 沉睡算力可組織成公共基礎設施。
• 市場定位：
• 數據中心：守住訓練和高併發推理。
• Dark Bloom：服務隱私敏感、突發、成本敏感的推理需求。

6. 核心開發者介紹

• 姓名：Gajesh。
• 經歷：
• 7歲寫代碼。
• 10歲為創業公司做聊天機器人。
• 13歲創建區塊鏈加密貨幣理財管理工具，資產管理規模達 700 萬美元。
• 15歲加入 EigenLabs。
• 今年滿 18 歲，致力於打造開放網絡，加速開放智能。

工具 / 模型 / 名詞整理

• Dark Bloom：分布式 AI 推理網絡項目名稱。
• Mac：設備類型。
• M5 Mac：特定型號 Mac。
• M3：特定型號 Mac。
• MLX：Mac 本地運行的模型框架/工具。
• OpenRouter：介入的平台/市場。
• Open AI：提及的對比對象（原文拼寫）。
• Anthropic：提及的對比對象。
• Icon Labs：Dark Bloom 的推出方。
• Secure Enclave：Apple 安全機制。
• Secure Boot：Apple 安全機制。
• Distributed Computing：分布式計算。
• YouTuber Matthew Burman：提及的 YouTuber。
• Dart Bloom：疑似 Dark Bloom 的聽寫錯誤。
• MOE：模型相關技術縮寫。
• AIPC：設備類型。
• DarkGloom：疑似 Dark Bloom 的口誤或聽寫錯誤。
• Gajesh：核心開發者姓名。
• EigenLabs：開發者曾加入的公司。

操作流程整理

1. 設備準備：用戶擁有閒置的 Mac 設備（建議高內存型號如 M5 128GB）。
2. 接入網絡：將 Mac 接入 Dark Bloom 網絡。
3. 任務調度：Dark Bloom 調度中心根據請求挑選合適的 Mac。
4. 模型運行：Mac 本地使用 MLX 運行開源模型。
5. 結果返回：透過加密機制返回計算結果。
6. 收益獲取：根據處理的請求量獲取收益（如 M5 Mac 24小時約 4.11 美元）。

值得注意的限制或風險

• 利用率低：峰值利用率僅 15%，顯示算力供給大於需求，可能影響長期收益預期。
• 收益不均：調度可能偏向高內存、認證狀態好的機器，低配置設備（如 M3 24GB）可能長時間無任務。
• 信任邊界：雖有中央調度，但仍存在信任邊界問題。
• 技術待完善：延遲、穩定性、知識模型數量仍有待完善。

逐字稿辨識疑點

• M5Mac：原文連寫，疑為「M5 Mac」。
• 進入了Dark Bloom：語意不通，疑為「接入了 Dark Bloom」或類似含義。
• 體現成功：語意不明，疑為「提现成功」或「體現成功」之誤。
• 開運模型：疑為「開源模型」之聽寫錯誤。
• 重購 MLX：疑為「重構 MLX」或「重構」之聽寫錯誤。
• 連續Batching Prefail：技術術語存疑，疑為「Continuous Batching Prefill」或類似技術名詞。
• 介入OpenRouter：疑為「接入 OpenRouter」或「介入」之特定用法。
• 電話技術：在「開源模型、MOE和電話技術等」語境中，疑為「量化技術」或「特定技術」之聽寫錯誤。
• 常委的成本敏感：語意不通，疑為「常態的成本敏感」或「常規」之聽寫錯誤。
• Dart Bloom：疑為「Dark Bloom」之聽寫錯誤。
• DarkGloom：疑為「Dark Bloom」的口誤或聽寫錯誤。
• 干滿18歲：疑為「剛滿18歲」之聽寫錯誤。

可延伸追問

• Dark Bloom 的調度算法具體如何決定將任務分配給哪台 Mac？
• 對於普通用戶而言，接入 Dark Bloom 的技術門檻和維護成本為何？
• 隨著 OpenRouter 成為付費 Provider，Dark Bloom 的商業模式將如何演變？
• 「電話技術」在該語境下究竟指代何種技術？