Eigen Labs が最近公開した Darkbloom というプロジェクト、面白いアイデアだ。

背景

今の AI 計算の流れは長い：GPU メーカー → 超大規模クラウド → API プロバイダー → エンドユーザー。層が増えるごとにマージンがかかって、結果的に高くなる。

一方で、世界中に 1 億台以上の Apple Silicon デバイスが毎日の大半をアイドル状態で過ごしている。MacBook も Mac mini も iMac も、コード書いたり動画編集したりする数時間以外は CPU も GPU もほとんど動いていない。

Darkbloom はこの両方を繋げようとしてる。

仕組み

デバイス所有者は Mac にクライアントを入れてネットワークに参加。誰かが AI 推論を必要とすると、タスクがこれらのアイドルデバイスに割り当てられる。

重要な点：運営者は推論データを見られない。全リクエストがエンドツーエンド暗号化されていて、実行後はデバイスに残らない。API は OpenAI 互換で、チャット、画像生成、音声認識に対応。

収益は運営者が 95% 受け取る。Apple Silicon の電気代は大体 1 時間 $0.01–0.03 らしいから、あとは利益になる。

コスト

公式データでは、従来のクラウド比で最大 70% 安い。理屈も単純で、アイドルハードウェアの限界費用はほぼゼロ。データセンターの建設費を回収する必要も、多層の仲介業者を養う必要もない。

ユーザー側からは、エンドポイントを Darkbloom のものに変えるだけで、OpenAI API とほぼ同じように使える。

プライバシー

分散型コンピューティングで一番敏感な部分。Darkbloom はハードウェアレベルの暗号化 + セキュア実行環境で、ノード運営者であっても実際の入出力を見られないようにしてる。

この保証が本当にどこまで信頼できるかは、時間とホワイトハットの検証が必要。でも方向性としては正しい——データと計算を分離して、モデルをクラウド大手のサーバーではなく、ユーザーの近くで動かす。

トレンド

AI 計算は集中から分散へ動いてる。一方で巨大データセンターがどんどん建設されてるけど、もう一方でエッジデバイスの性能も急速に上がってる。

Darkbloom は後者に属する。GPT-5 や Claude 4 のモデル性能に挑戦してるわけじゃなくて、「AI はクラウドで動くもの」という前提自体に疑問を投げかけてる。Mac mini で 70B モデルがローカルで動くなら、なぜデータを他人のサーバーに送る必要がある？

同じような発想で、@home のタンパク質折りたたみや BOINC の科学計算があるけど、AI 推論の商業的ポテンシャルは明らかに大きい。

まとめ

まだ始まったばかりで、安定性や実際の使い勝手はこれからの検証が必要。でも少なくとも一つは示した：AI 計力の供給方法は「クラウドの API を買う」だけじゃない。

常時稼働の Mac mini があったり、電源に繋がれたままの MacBook Pro が机の上にあったりするなら、アイドル時に電気代くらい稼いでみるのもありかもしれない。

公式サイト：darkbloom.dev