AI 分析
痛点：Docker 在 Apple Silicon 上只能运行 Linux VM，因此看不到 Metal/MPS/MLX，也无法调用 Xcode，导致 Mac 上的 GPU 训练和 Swift 打包签名无法通过容器化方式完成。
目标用户：在 Mac 上运行 MLX/PyTorch 的 AI 开发者、需要自动化打包和签名的 iOS/macOS 开发者，以及需要搭建多台 Mac mini CI 的小团队
证据：Have you ever used your Apple Silicon's GPU to run an AI process inside Docker? Can you build, compile or sign Swift code with Xcode on Docker? The short answer is: You can't! ... Docker runs on a Linux VM, and that VM sees no Metal, no MPS, no MLX, no XCode.
变现：桌面版订阅（个人/团队分档）+ 按分钟计费的托管 Mac CI（GPU 训练任务与 Xcode 打包队列）；也可先做轻量版：本地 GPU 任务队列/远程 Mac 调度 SaaS 按月收费
MVP：两周内不做完整容器运行时：用 macOS 自带 sandbox-exec + APFS clonefile(2) 做一个「本地隔离任务执行器」，支持一条命令把 MLX/PyTorch 脚本以资源限额+网络隔离方式跑起来，提供 CLI + 简单 Web 看板（日志/GPU 内存统计）和 HTTP API，先解决个人开发者“本机跑 GPU 任务互相污染、无法排队复用”的问题
竞品：Docker Desktop、OrbStack、Podman / Colima / Lima、Apple Containerization framework、GitHub Actions macOS runners、Codemagic / Xcode Cloud
摘要：作者发布 MacDocker Beta：用 Seatbelt 沙箱 + APFS clonefile 在 macOS 上直接运行原生 Mach-O “容器”，实现 Docker 做不到的 Metal/MPS/MLX GPU 访问与 Xcode 签名打包，容器启动约 130ms，已在 Mac mini M4 上跑通 GPU 训练和 Xcode 构建。帖子印证了 Apple Silicon 上 AI 训练与 iOS 打包无法容器化这一真实痛点，但全文没有明确付费表达或收入数据，且实现门槛极高、竞品（OrbStack、Apple 官方 container、各 Mac CI）密集。