DePAI是下一個加密大勢?

編譯:金色財經xiaozou

DePAI(Decentralized Physical AI)被眾多加密人士視為下一個加密大事(勢),是「少數能夠利用區塊鏈和加密激勵機制對其他技術領域產生實質性影響的領域之一」。 它是什麼? 有何創新之處? 具有什麼樣的潛力? 下面,我們一起來一探究竟。

簡單來說,它是一種將去中心化物理基礎設施網絡(DePIN)與人工智能(AI)技術相結合的創新概念,通過區塊鏈技術協調多個個體單位的物理硬件設施,以無需許可、無需信任和可編程的方式建立和維護基礎設施網絡‌。

Messari分析師Dylan Bane在X平台上力挺DePAI發文如下:

去中心化物理人工智能(DePAI)為機器人和物理人工智能基礎設施堆棧的集中控制提供了一種替代方案。 從現實世界的數據收集到由DePIN部署的物理人工智能代理操作機器人,DePAI正在迅速發展。

英偉達CEO黃仁勳說:「通用機器人領域的'ChatGPT時刻'即將到來。」

數字時代以硬件為起點,逐步向軟件的無形世界演進。 而人工智能時代則始於軟件,如今正將物理世界視為其終極挑戰與前沿領域。

在一個由自主物理人工智能(Physical AI)驅動的機器人、汽車、無人機和仿生人逐漸取代人類勞動力的世界中,這些機器的所有權問題成為核心的社會議題。 去中心化物理人工智能(DePAI)為在中心化參與者占據主導地位之前建立Web3物理人工智能提供了重要機遇。

去中心化物理人工智能(DePAI)基礎設施棧正在快速發展。 在現階段,最活躍的層級是數據收集層,它能夠提供現實世界的數據,用於訓練部署在機器人上的物理人工智能代理,同時實時傳輸數據以導航環境並完成任務。

現實世界的數據是訓練物理人工智能(Physical AI)的主要瓶頸。 儘管英偉達的Omniverse和Cosmos通過模擬環境提供了一條前景廣闊的發展路徑,但合成數據僅是解決方案的一部分。 遠程操作和現實世界視頻數據同樣不可或缺。

在遠程操作領域,frodoBots正在利用去中心化物理基礎設施網絡(DePIN)在全球範圍內部署低成本的人行道配送機器人。 這種數據採集方式不僅捕捉了人類在現實環境中導航決策的複雜性,從而生成高價值數據集,同時也有效克服了資本缺口問題。

去中心化物理基礎設施網絡(DePIN)通過其代幣驅動的飛輪效應,能夠加速數據收集傳感器和機器人的部署。 對於尋求加速銷售並降低資本支出(CapEx)和運營支出(OpEx)的機器人公司而言,dePIN相較於傳統方法提供了顯著的實際優勢。

去中心化物理人工智能(DePAI)可以利用現實世界視頻數據來訓練物理人工智能,並構建對世界的共享空間理解。 Hivemapper和NATIX Network憑藉其獨特的視頻數據集,可能成為這一數據的重要來源。

去中心化物理人工智能(DePAI)能夠利用現實世界視頻數據來訓練物理人工智能,並構建全球共享的空間理解能力。 Hivemapper和NATIX Network憑藉其獨特的視頻數據集,有望成為這一領域的重要數據來源。 正如Mason Nystrom所指出的,「數據在個體層面難以貨幣化,但在聚合後卻易於實現價值轉化。」現實世界數據可以通過去中心化物理基礎設施網絡(DePIN)進行聚合,從而形成高價值的數據集。IoTeX的Quicksilver協議實現了跨DePIN的數據聚合,同時兼顧數據驗證與隱私保護,為這一生態提供了關鍵技術支持。

空間智能/計算協議也在致力於通過去中心化物理基礎設施網絡(DePIN)和去中心化物理人工智能(DePAI)來實現空間協調及現實世界3D虛擬孿生體的去中心化控制。 Auki網絡的Posemesh協議在保護隱私和去中心化的前提下,實現了實時空間感知能力,為這一領域提供了創新的技術解決方案。

物理人工智能代理(Physical AI Agents)的初步應用也已嶄露頭角。 SAM接入了Frodobots遍布全球的機器人車隊,能夠推測地理位置。 藉助Quicksilver等框架,未來人工智能代理有望實時接入去中心化物理基礎設施網絡(DePIN)提供的數據流。

接觸物理人工智能最直接的途徑可能是通過投資型去中心化自治組織(DAO)。

XMAQUINA為其成員提供了接觸物理人工智能資產的渠道,包括machine RWA、去中心化物理基礎設施網絡(DePIN)協議、機器人公司以及知識產權(IP),並得到內部研發的支持。

加密研究員DeFi Cheetah對Dylan Bane關於DePAI的言論給予了積極回應:

去中心化物理人工智能(DePAI)是加密領域的下一個重大發展方向,區塊鏈和加密激勵機制將賦能空間智能--即機器人感知環境、即時理解周圍物體或結構並有效響應的能力,這是人工智能機器人領域最具挑戰性的難題之一。我們的行業能夠幫助解決發展空間智能最關鍵瓶頸--獲取細粒度、高質量且持續更新的空間數據。

實現強大的空間智能需要海量數據,這些數據不僅要捕捉視覺線索(如顏色和紋理),還需包含深層次的幾何上下文(例如多邊形、點雲、拓撲表示)以及物理屬性(角度、距離、摩擦力、材料類型等)。 傳統的2D圖像或基本GPS坐標雖然有一定價值,但對於訓練旨在動態、複雜且不可預測的現實環境中運行的高級模型而言,往往過於簡化。

● 3D地圖構建的複雜性

諸如Google街景或專用LiDAR掃描等項目雖能提供高分辨率3D地圖,但其成本高昂且生成的數據集相對稀疏。 例如,一台高分辨率LiDAR設備的價格可能超過5萬美元,而一次城市範圍的掃描操作成本輕易達到數十萬美元。 這種成本複雜性通常導致更新頻率低下,使得地圖在數月內便過時。

● 中心化數據管道的局限性

在許多國家,大部分空間數據由國家機構或大型企業掌控。 由於這些中心化實體僅在特定區域收集數據,全球大片地區--尤其是農村或欠發達地區--仍處於未測繪或數據過時的狀態。 此外,專有數據限制可能導致市場碎片化,阻礙創新研究。

● 標註3D數據集的匱乏

儘管標註的2D圖像數據集(如包含超過1400萬張標註圖像的ImageNet)已呈爆發式增長,但標註的3D數據集仍然稀缺。 創建此類數據集需要結合傳感器融合技術(如liDAR 視覺 IMU讀數)以及大量人工標註。 這一過程極為耗時且成本高昂,從而拖慢了機器人技術和機器學習應用的研發進程。

在移動設備普及的推動下,眾包模式認識到全球數十億智能手機和可穿戴設備用戶可以共同提供海量的基於位置的數據。 現代智能手機配備了多種傳感器--加速度計、陀螺儀、磁力計、攝像頭、GPS芯片等--這些傳感器能夠捕捉遠超簡單經緯度的時空數據。 這種模式有助於實現以下目標:

● 實時數據採集

想象一下,通勤者在日常通勤途中捕捉城市基礎設施的3D掃描數據,或偏遠村莊的居民僅用手機攝像頭記錄小徑、建築輪廓和農田邊界。 隨著時間的推移,這些看似微小的貢獻將累積成一個全球性的綜合空間數據庫。

● 多樣化環境覆蓋

由於移動設備幾乎無處不在,其數據自然涵蓋了更廣泛的地理區域、地形和文化環境。 這種地理多樣性對於必須學會適應多變氣候和社區布局的穩健AI模型至關重要。

● 數據採集的民主化

通過降低參與門檻,眾包模式顛覆了傳統的中心化模型。 全球各地的個人可以輕鬆貢獻數據,同時共享地圖、導航應用和人工智能創新的改進成果,而無需單一實體承擔昂貴的大規模數據採集成本。

區塊鏈作為激勵與驗證層,發揮著以下關鍵作用:

● 信任與數據完整性

分布式賬本技術確保每一次貢獻--無論是地理標記的照片、小型攝影測量掃描還是傳感器日誌--都以防篡改的方式存儲。 由於每次提交的數據都會被哈希並記錄在公有或私有區塊鏈上,用戶和研究人員均可追溯空間數據的來源與真實性。

● 代幣化激勵機制

基於區塊鏈的代幣能夠根據提交數據的質量、數量和相關性提供微額獎勵。 貢獻者通過智能合約獲得補償,當數據滿足特定標準(如清晰度、地理空間準確性、新穎性)時,智能合約會自動向參與者分發代幣。 通過提供公平透明的激勵,平台鼓勵持續高質量的數據貢獻--這是構建大規模且保持更新的數據集的關鍵要求。

● 空間數據的開放生態

去中心化生態系統不易受到單點故障或數據壟斷的影響。 代幣催生了一個微型經濟體系,鼓勵專業製圖師、AI實驗室、愛好者、初創企業以及智能手機用戶等多元化實體參與協作,從而增強數據流的數量與可靠性。

去中心化物理人工智能(DePAI)是我認為少數能夠利用區塊鏈和加密激勵機制對其他技術領域產生實質性影響的領域之一。