又造新概念？了解 DeSPIN 和值得关注的 8 个项目

作者：cookies

编译：深潮TechFlow

随着 Web3 技术的不断发展，去中心化空间智能网络（Decentralized Spatial Intelligence Network, DeSPIN）正在成为一个备受关注的领域。通过分析和利用现实世界中的视觉数据，DeSPIN 不仅为地图构建、城市规划和机器人技术提供了创新的解决方案，还开辟了一个全新的“贡献即赚”（Contribute-to-Earn）经济模式。本文将详细解读 DeSPIN 的核心概念、主要协议及其未来发展方向。

什么是 DeSPIN？

空间智能（Spatial Intelligence）是通过分析现实世界的视觉数据提取洞察的一门技术。它的核心在于将地理信息与环境上下文相结合，从而为人类的决策提供支持。去中心化空间智能网络（DeSPIN）则是将这一技术与区块链、Web3 的去中心化理念结合，形成了一个开放、共享的生态系统。想象一下，你可以通过分享日常生活中拍摄的道路照片，或者在商场、街道上记录的环境数据来赚取收益。这种模式不仅降低了数据采集的门槛，还激励普通用户为空间智能的发展贡献力量。

在了解 DeSPIN 的具体应用之前，我们需要先掌握空间智能的基础框架。空间智能由四大核心部分组成：

1. 数据收集：借助传感器网络（如摄像头、GPS）和物联网设备（如手机、笔记本）采集数据。

2. 数据处理与分析：利用机器学习技术对地理元数据进行处理，识别数据中的模式，并构建空间查询数据库。

3. 知识表示：通过语义映射将数据与环境上下文关联，为用户提供可视化的地理信息。

4. 决策支持系统：构建空间预测模型，为用户提供应用服务，例如路线优化、障碍规避等。

DeSPIN领域的主要协议

目前，DeSPIN 领域内已经涌现出多个创新协议，专注于不同的应用场景。以下是八个值得关注的项目：

1. Hivemapper

Hivemapper 是一个去中心化的地图构建协议，采用“驾驶即赚”（Drive-2-Earn）模式。用户通过移动端应用实时报告道路问题，司机则通过安装在车辆上的行车记录仪采集数据，这些数据由 AI 算法处理生成地图，并通过人类反馈强化学习（RLHF）校验其准确性。Hivemapper 提供覆盖地图，用户可以查看哪些区域已被映射，并通过 API 访问数据。数据贡献者可获得 $HONEY 代币奖励，该代币可用于购买地图数据或其他服务。

2. NATIX Network

NATIX Network 是一个去中心化的地图经济协议，专注于通过移动设备和行车记录仪采集道路数据，并采用“驾驶即赚”模式。其核心技术 VX360 支持 360 度全景数据采集，所收集的数据可用于开发驾驶辅助功能，如自动驾驶优化。目前，NATIX Network 已覆盖 171 个国家，注册司机超过 22.3 万，累计映射里程达 1.31 亿公里。数据贡献者和网络节点都可以获得 $NATIX 代币奖励，进一步激励生态发展。

Hivemapper 和 NATIX 都致力于通过众包的道路数据构建更优质的地图。这些数据的潜在应用场景非常广泛，主要包括以下几个方面：

• 优化城市交通：通过分析实时采集的道路数据，可以改进交通流量管理，减少拥堵，提高出行效率。

• 监控道路状况：及时发现并报告道路损坏、障碍物或其他潜在问题，有助于维护基础设施的安全性和可靠性。

• 侦测犯罪与暴力行为：利用地图数据结合 AI 算法，可以帮助识别和定位异常行为，为公共安全提供支持。

这些应用不仅提升了地图的功能性，还为城市管理和社会安全带来了实际价值。

3. FrodoBots

FrodoBots 是一个通过机器人进行游戏化数据采集的协议，用户可以远程控制地面机器人采集地理数据，支持多种操作方式（如控制器、键盘或游戏方向盘）。此外，研究人员还可以在平台上部署 AI 导航模型进行测试。用户通过完成驾驶任务赚取 FrodoBot Points（FBPs），积分与任务距离和难度相关，距离越长、难度越高，积分也越多。FrodoBots 已在多个城市进行测试，并举办了 AI 与人类之间的导航能力竞赛。此外，FrodoBots 还建立了类似“公会”的系统 Earth Rovers School，允许新用户通过租用 Earth Rovers 来参与数据采集。

4. JoJoWorld

JoJoWorld 是一个专注于 3D 空间数据采集的协议，用户通过贡献数据帮助训练三维模型。平台提供高质量的 3D 数据，用于创建各种数字场景，适用于虚拟现实、城市规划等领域。用户还可以直接购买这些 3D 数据，用于个性化的数字模型开发。

接下来的四个协议同样专注于收集现实世界的空间数据，但其应用领域更加细分，涵盖了机器人模型训练等特定场景。这些协议通过聚焦长尾数据和特定需求，为去中心化空间智能网络（DeSPIN）的生态系统注入了更多可能性。

5. PrismaXAI

PrismaXAI 是一个通过第一人称视角采集特定场景数据的协议，适用于手-物交互、动态运动及社交聚会等复杂场景。其核心技术 Proof-of-View 确保数据的真实性，同时通过去中心化验证机制提高数据注释的准确性。这一协议在获取长尾数据方面具有巨大潜力，为模型训练提供了独特的优势。

6. OpenMind AGI

OpenMind AGI 专注于通过视觉-语言-动作模型（VLAMs）实现对现实世界的理解。其核心系统 OM1 是一个多平台操作系统，能够与动态的现实环境交互，特别适用于机器人技术的定制化开发。平台通过手机和机器人采集数据，并将这些数据分享给机器人开发者，用于改进和创新机器人应用场景。

7. MeckaAI

MeckaAI 是一个去中心化的机器人 AI 模型训练协议，用户通过上传视频数据帮助训练机器人行为模型。平台提供移动端应用，用户可以通过完成任务赚取 OG Mecka Points，进一步激励数据贡献。MeckaAI 致力于通过众包模式推动机器人技术的发展，降低训练数据的获取门槛。

8. Xmaquina DAO

Xmaquina DAO 是一个支持开源机器人项目的去中心化自治组织（DAO）。与其他直接参与模型训练的协议有所不同，Xmaquina DAO 的核心目标是通过资源分配来支持机器人领域的研究与创新。其内部创新中心 Deus Lab 专注于机器人技术的研究与开发，而 MachineDAO 则通过质押代币 $DEUS 投票决定资源分配到哪些项目中。这一模式为机器人技术的开源发展提供了资金支持，同时确保了资源分配的透明性和公平性。

MachineDAO的组织架构

由于篇幅关系，还有一些类似领域中的应用协议未在此详细展开，例如 Alaya_AI、Gata_xyz、KrangHQ等，同样值得关注。

DeSPIN 的未来：从贡献到价值

尽管 DeSPIN 仍处于起步阶段，但其潜力不可忽视。随着物理 AI 和具身 AI（Embodied AI）的发展，以及人类数据舰队（Human Data Fleet）等新概念的兴起，DeSPIN 有望引领一场新的技术革命。

一个可能的趋势是“训练即赚”（Train-to-Earn, T2E）模式的普及，用户通过日常生活中获取的空间数据贡献价值，并根据数据质量获得奖励。例如，去中心化眼镜设备的出现，能够极大提升数据采集的精度和多样性。智能眼镜捕获的数据，不仅能够最真实地反映人类感知世界的方式，还可以采集许多环境噪声、人脸特征等长尾数据，为空间智能领域带来了更广泛的可能性。

然而，DeSPIN 的发展也面临一些挑战，例如：

• 数据验证：如何确保众包数据的真实性和准确性？

• 伦理问题：如何规范数据的使用，避免隐私泄露和滥用？

• 需求方的接受度：传统机构是否愿意采用去中心化的数据集？

这些问题的解决将决定 DeSPIN 的未来走向，需要在未来进一步研究和解决。