作者：Dylan Bane

编译：深潮 TechFlow

去中心化物理 AI (Decentralized Physical AI, 简称 DePAI) 为机器人以及物理 AI 基础设施堆栈提供了一种去中心化的替代方案，摆脱了传统集中化控制的模式。

从现实世界数据的收集到通过 DePIN 部署的物理 AI 智能体操作机器人，DePAI 正在稳步迈向未来。

（原图来自 Dylan Bane，由深潮 TechFlow 编译）

“通用机器人领域的 ChatGPT 时刻即将到来。”

——NVIDIA CEO Jensen Huang

数字时代最初以硬件为起点，随后发展至无形的软件领域。而 AI 时代则反其道而行之，从软件开始，如今正向物理世界迈进，这是其尚未征服的最后疆域。

（原图来自 Dylan Bane，由深潮 TechFlow 编译）

在一个由机器人、无人机、自动驾驶汽车及类人机器人主导的未来，这些机器由自主物理 AI 智能体运行，并逐步取代传统劳动力，围绕“谁拥有这些机器”的问题成为了一个重要的社会议题。

DePAI 提供了一个机会，让 Web3 的物理 AI 生态系统得以在中心化巨头占据主导地位之前建立起来。

（原图来自 Dylan Bane，由深潮 TechFlow 编译）

目前，DePAI 的基础设施堆栈正在快速发展。

在现阶段，数据收集层是最活跃的部分。这一层不仅能够为部署在机器人上的物理 AI 智能体提供训练所需的真实世界数据，还可以通过实时流数据帮助机器人导航复杂环境并完成任务。

（原图来自 Dylan Bane，由深潮 TechFlow 编译）

然而，真实世界数据的获取仍然是训练物理 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一个有前景的解决方案，但合成数据只能解决部分问题。为了进一步完善训练，远程操作和真实世界视频数据也将成为不可或缺的资源。

（原图来自 Dylan Bane，由深潮 TechFlow 编译）

在远程操作领域，@frodobots 正在利用 DePIN 部署低成本的人行道配送机器人到全球各地。这些机器人在运行过程中捕捉了人类在现实环境中做出决策的复杂性，生成了高价值的数据集，同时有效解决了初期资本不足的问题。