
Fabric by Carmel Labs
Carmel LabsのFabricは、アイドル状態の消費者デバイスを接続してAIワークロードを強化する分散コンピューティングネットワークであり、従来のクラウドサービスと比較して、より高速で安価なコンピューティングソリューションを提供します。
https://carmel.so/fabric?ref=producthunt&utm_source=aipure

製品情報
更新日:2026年02月28日
Fabric by Carmel Labsとは
Carmel LabsのFabricは、日常のデバイスをAIおよび計算ワークロードのための共有インフラストラクチャに変革する、革新的な分散コンピューティングプラットフォームです。このプラットフォームは、アイドル状態の消費者デバイスによって駆動される世界初の分散コンピューティングネットワークを構築し、ユーザーが受動的な収入のためにコンピューティング能力を提供したり、AI推論、MLトレーニング、データ処理など、さまざまな種類のワークロードを従来のクラウドサービスよりも大幅に低いコストで実行したりできるようにします。
Fabric by Carmel Labsの主な機能
Carmel LabsのFabricは、アイドル状態の消費者向けデバイスをAIワークロード用の共有インフラストラクチャに変える分散コンピューティングネットワークです。ユーザーがコンピューティング能力を提供して受動的な収入を得たり、従来のクラウドサービスと比較して大幅に低いコストでAI推論ジョブを実行したりできるプラットフォームを提供します。このプラットフォームは、エンタープライズレベルのセキュリティ、グローバルなネットワークカバレッジ、および従量課金制の価格モデルを備えています。
分散コンピューティング: 世界中のアイドル状態の消費者向けデバイスのネットワークを利用してワークロードを並行して処理し、最大10倍の高速処理時間を実現します
エンタープライズセキュリティ: エンドツーエンドの暗号化と隔離されたサンドボックス環境を提供し、安全なワークロード実行を保証します
柔軟なワークロードサポート: MLトレーニング、データ処理、ウェブスクレイピング、AI推論など、さまざまなコンテナ化されたワークロードをサポートします
従量課金制モデル: ユーザーが実際に使用したコンピューティングリソースに対してのみ料金を支払う、費用対効果の高い価格設定構造。アイドル状態のリソースのコストを排除します
Fabric by Carmel Labsのユースケース
AI/ML開発: 機械学習のトレーニング、推論、およびデータ処理タスクを、コストを削減して大規模に実行します
CI/CDオペレーション: 分散環境でiOSビルド、macOSビルド、およびGitHub Actionsランナーを実行します
データ分析: 異常検出、クラスタリング、スポーツ分析など、大規模なデータ操作を処理します
メディア処理: 分散ノード全体で、画像の前処理、ラベリング、およびオーディオトレーニングタスクを処理します
メリット
従来のクラウドサービスと比較して費用対効果が高い
24時間365日のアクセスが可能なグローバルな可用性
分散コンピューティングによる高速処理
エンドツーエンドの暗号化による強力なセキュリティ対策
デメリット
分散デバイスの可用性に依存します
ワークロードのコンテナ化が必要な場合があります
パフォーマンスはネットワークの状態によって異なる場合があります
Fabric by Carmel Labsの使い方
アカウントを作成: Fabricのダッシュボードからサインアップして、プラットフォームの使用を開始します
ワークロードをコンテナ化: AI/MLワークロードまたはその他の計算タスクを、Fabricネットワーク上で実行できるコンテナにパッケージ化します
ワークロードをデプロイ: FabricのSDKまたはダッシュボードを使用して、コンテナ化されたワークロードをプラットフォームにプッシュします
Fabricに作業を分散させる: オーケストレーターは、アイドル状態のコンピューティングデバイスのネットワーク全体にワークロードを自動的に分割して分散します
進捗状況を監視: ダッシュボードを通じて、分散ワークロードの進捗状況を追跡します
結果を受け取る: 完全な出所と検証が含まれた、ワークロードの集計された結果を取得します
使用量に応じて支払い: アイドル時間に対する料金は発生せず、実際に使用したコンピューティングリソースに対してのみ支払います
Fabric by Carmel Labsのよくある質問
Fabricは、アイドル状態のコンピューティング能力とAIワークロードを結びつける分散型コンピューティングネットワークであり、ユーザーはコンピューティングリソースを共有することで受動的な収入を得たり、従来のクラウドサービスと比較して低コストで推論ジョブを実行したりできます。











