詳解新概念DeSPIN：8個值得關注的項目一覽

隨着 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，還开闢了一個全新的“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。

什么是 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，形成了一個开放、共享的生態系統。想象一下，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：

• 數據收集：借助傳感器網絡（如攝像頭、GPS）和物聯網設備（如手機、筆記本）採集數據。

• 數據處理與分析：利用機器學習技術對地理元數據進行處理，識別數據中的模式，並構建空間查詢數據庫。

• 知識表示：通過語義映射將數據與環境上下文關聯，為用戶提供可視化的地理信息。

• 決策支持系統：構建空間預測模型，為用戶提供應用服務，例如路线優化、障礙規避等。

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）校驗其准確性。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，該代幣可用於購买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 VX 360 支持 360 度全景數據採集，所收集的數據可用於开發駕駛輔助功能，如自動駕駛優化。目前，NATIX Network 已覆蓋 171 個國家，注冊司機超過 22.3 萬，累計映射裏程達 1.31 億公裏。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 都致力於通過衆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臺上部署 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。平臺提供高質量的 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。用戶還可以直接購买這些 3D 數據，用於個性化的數字模型开發。

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復雜場景。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注釋的准確性。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 OM 1 是一個多平臺操作系統，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开發。平臺通過手機和機器人採集數據，並將這些數據分享給機器人开發者，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。平臺提供 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 致力於通過衆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 是一個支持开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开發，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开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

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

DeSPIN 的未來：從貢獻到價值

盡管 DeSPIN 仍處於起步階段，但其潛力不可忽視。隨着物理 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, T 2 E）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战，例如：

• 數據驗證：如何確保衆包數據的真實性和准確性？

• 倫理問題：如何規範數據的使用，避免隱私泄露和濫用？

• 需求方的接受度：傳統機構是否愿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。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。