编译者：TechFlow

分散的物理AI（DEPAI）为机器人和物理AI基础设施堆栈提供了分散的替代方案，从而脱离了传统的集中控制模型。

从现实世界的数据收集到通过Depin部署的物理AI代理，DePai稳步朝着未来发展。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

“通用机器人技术领域的Chatgpt时刻即将到来。”

- NVIDIA首席执行官Jensen Huang

数字时代最初是从硬件开始的，然后发展为“隐形软件”字段。 AI时代相反。从软件开始，它现在正朝着物理世界发展，这是其尚未征服的最后一个领域。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

在未来以机器人，无人机，自动驾驶汽车和人形机器人为主导的未来，这些机器由自主物理AI代理商运营，并逐渐替换传统的劳动力，而“谁拥有这些机器”的问题已成为重要的社会问题。

DePai提供了一个机会，可以在集中巨头接管之前建立Web3的物理AI生态系统。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

目前，DePai的基础设施堆栈正在迅速发展。

在此阶段，数据收集层是最活跃的部分。该层不仅提供了部署在机器人上的物理AI代理所需的实际数据，还可以帮助机器人通过实时流数据导航复杂的环境并完成任务。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

但是，对现实世界数据的获取仍然是培训物理AI的主要瓶颈。

尽管Nvidia的Omniverse和Cosmos等平台通过模拟环境提供了有希望的解决方案，但合成数据只能解决一些问题。为了进一步改善培训，远程操作和现实视频数据也将成为必不可少的资源。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

在远程操作空间中，@frodobots正在使用Depin在世界范围内部署低成本人行道交付机器人。在操作过程中，这些机器人捕获了实际环境中人类决策的复杂性，产生高价值数据集，并有效地解决了早期资本缺陷的问题。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

Depin（分散的物理基础架构网络）通过其令牌驱动的飞轮效应快速部署数据采集传感器和机器人。

对于希望加速销售并减少资本支出（CAPEX）和运营支出（OPEX）的机器人公司，DePin提供了比传统方法更有效，更经济的解决方案。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

DePai（分散的物理AI）还可以使用现实世界的视频数据来训练物理AI系统并建立对现实世界的共同空间理解。

例如，@hivemapper和@natixnetwork具有独特的视频数据集，可以成为训练物理AI的重要资源。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

正如@masonnysstrom所说：“单个用户的数据很难获利，但在总结后创造了很大的价值。”

通过DEPIN的网络，可以总结来自不同设备和节点的现实世界数据以生成高价值数据集。

@iotex_io的QuickSilver系统不仅可以收集此数据，还可以处理数据验证和隐私保护问题，从而为分散数据利用提供安全保证。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

此外，太空智能和计算协议还利用Depin和Depai技术来促进空间协调的分散发展和现实世界3D虚拟双胞胎的分散发展。

例如， @aukinetwork的Posemesh技术可以保护隐私，并在实现实时空间意识的同时，仍保持分散，并为物理AI提供了强有力的支持。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

目前，物理AI代理的最初应用已进入现实。

例如，@samismoving正在利用Frodobots的全球交付车队通过分析数据来预测地理位置。

将来，通过像Quicksilver这样的框架，AI代理将能够实时访问DePin提供的数据，从而更有效地完成复杂的任务并促进物理AI的进一步发展。

（原始图片来自Shenchao TechFlow编辑的Dylan Bane）

如果您想参与物理AI的发展，那么对DAO（分散自治组织）进行投资也许是最直接的方法之一。

@xmaquinadao为成员提供了对物理AI资产的访问权限，包括现实世界资产（RWAS），DEPIN协议（分散的物理基础架构网络），机器人公司和知识产权（IP）。此外，这些投资得到其内部研发团队的支持，以确保技术和市场领导。

（请参阅此处的完整报告）