又造新概念？ 了解 DeSPIN 和值得關注的 8 個項目

作者：cookies

編譯：深潮TechFlow

隨著 Web3 技術的不斷發展，去中心化空間智能網絡（Decentralized Spatial Intelligence Network, DeSPIN）正在成為一個備受關注的領域。 通過分析和利用現實世界中的視覺數據，DeSPIN 不僅為地圖構建、城市規劃和機器人技術提供了創新的解決方案，還開闢了一個全新的“貢獻即賺”（Contribute-to-Earn）經濟模式。 本文將詳細解讀 DeSPIN 的核心概念、主要協議及其未來發展方向。

什麼是 DeSPIN？

空間智能（Spatial Intelligence）是通過分析現實世界的視覺數據提取洞察的一門技術。 它的核心在於將地理信息與環境上下文相結合，從而為人類的決策提供支持。 去中心化空間智能網絡（DeSPIN）則是將這一技術與區塊鏈、Web3 的去中心化理念結合，形成了一個開放、共享的生態系統。 想像一下，你可以通過分享日常生活中拍攝的道路照片，或者在商場、街道上記錄的環境數據來賺取收益。 這種模式不僅降低了數據採集的門檻，還激勵普通用戶為空間智能的發展貢獻力量。

在了解 DeSPIN 的具體應用之前，我們需要先掌握空間智能的基礎框架。 空間智能由四大核心部分組成：

DeSPIN領域的主要協議

目前，DeSPIN 領域內已經湧現出多個創新協議，專注於不同的應用場景。 以下是八個值得關注的項目：

1. Hivemapper

Hivemapper 是一個去中心化的地圖構建協議，採用“駕駛即賺”（Drive-2-Earn）模式。 用戶通過移動端應用實時報告道路問題，司機則通過安裝在車輛上的行車記錄儀採集數據，這些數據由 AI 算法處理生成地圖，並通過人類反饋強化學習（RLHF）校驗其準確性。 Hivemapper 提供覆蓋地圖，用戶可以查看哪些區域已被映射，並通過 API 訪問數據。 數據貢獻者可獲得 $HONEY 代幣獎勵，該代幣可用於購買地圖數據或其他服務。

2. NATIX Network

NATIX Network 是一個去中心化的地圖經濟協議，專注於通過移動設備和行車記錄儀採集道路數據，並採用“駕駛即賺”模式。 其核心技術 VX360 支持 360 度全景數據採集，所收集的數據可用於開發駕駛輔助功能，如自動駕駛優化。 目前，NATIX Network 已覆蓋 171 個國家，註冊司機超過 22.3 萬，累計映射里程達 1.31 億公里。 數據貢獻者和網絡節點都可以獲得 $NATIX 代幣獎勵，進一步激勵生態發展。

Hivemapper 和 NATIX 都致力於通過眾包的道路數據構建更優質的地圖。 這些數據的潛在應用場景非常廣泛，主要包括以下幾個方面：

• 優化城市交通：通過分析實時採集的道路數據，可以改進交通流量管理，減少擁堵，提高出行效率。

• 監控道路狀況：及時發現並報告道路損壞、障礙物或其他潛在問題，有助於維護基礎設施的安全性和可靠性。

• 偵測犯罪與暴力行為：利用地圖數據結合 AI 算法，可以幫助識別和定位異常行為，為公共安全提供支持。

這些應用不僅提升了地圖的功能性，還為城市管理和社會安全帶來了實際價值。

3. FrodoBots

FrodoBots 是一個通過機器人進行遊戲化數據採集的協議，用戶可以遠程控制地面機器人採集地理數據，支持多種操作方式（如控制器、鍵盤或遊戲方向盤）。 此外，研究人員還可以在平台上部署 AI 導航模型進行測試。 用戶通過完成駕駛任務賺取 FrodoBot Points（FBPs），積分與任務距離和難度相關，距離越長、難度越高，積分也越多。 FrodoBots 已在多個城市進行測試，並舉辦了 AI 與人類之間的導航能力競賽。 此外，FrodoBots 還建立了類似“公會”的系統 Earth Rovers School，允許新用戶通過租用 Earth Rovers 來參與數據採集。

4. JoJoWorld

JoJoWorld 是一個專注於 3D 空間數據採集的協議，用戶通過貢獻數據幫助訓練三維模型。 平台提供高質量的 3D 數據，用於創建各種數字場景，適用於虛擬現實、城市規劃等領域。 用戶還可以直接購買這些 3D 數據，用於個性化的數字模型開發。

接下來的四個協議同樣專注於收集現實世界的空間數據，但其應用領域更加細分，涵蓋了機器人模型訓練等特定場景。 這些協議通過聚焦長尾數據和特定需求，為去中心化空間智能網絡（DeSPIN）的生態系統注入了更多可能性。

5. PrismaXAI

PrismaXAI 是一個通過第一人稱視角採集特定場景數據的協議，適用於手-物交互、動態運動及社交聚會等複雜場景。 其核心技術 Proof-of-View 確保數據的真實性，同時通過去中心化驗證機制提高數據註釋的準確性。 這一協議在獲取長尾數據方面具有巨大潛力，為模型訓練提供了獨特的優勢。

6. OpenMind AGI

OpenMind AGI 專注於通過視覺-語言-動作模型（VLAMs）實現對現實世界的理解。 其核心系統 OM1 是一個多平台操作系統，能夠與動態的現實環境交互，特別適用於機器人技術的定制化開發。 平台通過手機和機器人採集數據，並將這些數據分享給機器人開發者，用於改進和創新機器人應用場景。

7. MeckaAI

MeckaAI 是一個去中心化的機器人 AI 模型訓練協議，用戶通過上傳視頻數據幫助訓練機器人行為模型。 平台提供移動端應用，用戶可以通過完成任務賺取 OG Mecka Points，進一步激勵數據貢獻。 MeckaAI 致力於通過眾包模式推動機器人技術的發展，降低訓練數據的獲取門檻。

8. Xmaquina DAO

Xmaquina DAO 是一個支持開源機器人項目的去中心化自治組織（DAO）。 與其他直接參與模型訓練的協議有所不同，Xmaquina DAO 的核心目標是通過資源分配來支持機器人領域的研究與創新。 其內部創新中心 Deus Lab 專注於機器人技術的研究與開發，而 MachineDAO 則通過質押代幣 $DEUS 投票決定資源分配到哪些項目中。 這一模式為機器人技術的開源發展提供了資金支持，同時確保了資源分配的透明性和公平性。

MachineDAO的組織架構

由於篇幅關係，還有一些類似領域中的應用協議未在此詳細展開，例如 Alaya_AI、Gata_xyz、KrangHQ等，同樣值得關注。

DeSPIN 的未來：從貢獻到價值

儘管 DeSPIN 仍處於起步階段，但其潛力不可忽視。 隨著物理 AI 和具身 AI（Embodied AI）的發展，以及人類數據艦隊（Human Data Fleet）等新概念的興起，DeSPIN 有望引領一場新的技術革命。

一個可能的趨勢是“訓練即賺”（Train-to-Earn, T2E）模式的普及，用戶通過日常生活中獲取的空間數據貢獻價值，並根據數據質量獲得獎勵。 例如，去中心化眼鏡設備的出現，能夠極大提升數據採集的精度和多樣性。 智能眼鏡捕獲的數據，不僅能夠最真實地反映人類感知世界的方式，還可以採集許多環境噪聲、人臉特徵等長尾數據，為空間智能領域帶來了更廣泛的可能性。

然而，DeSPIN 的發展也面臨一些挑戰，例如：

• 數據驗證：如何確保眾包數據的真實性和準確性？

• 倫理問題：如何規範數據的使用，避免隱私洩露和濫用？

• 需求方的接受度：傳統機構是否願意採用去中心化的數據集？

這些問題的解決將決定 DeSPIN 的未來走向，需要在未來進一步研究和解決。