作者：ShayonSengupta，MulticoinCapital；編譯：0xjs@金色財經

今天，我們興奮地宣布，Multicoin牽頭從Geodnet基金會手中，以800萬美元戰略性收購了Geodnet網絡的原生TokensGEOD。

Geodnet是一個精準定位網絡，它利用去中心化物理基礎設施網絡（DePIN）經濟模式，為無人機、自動駕駛汽車，以及未來幾年可能在全球大量涌現的數千萬臺機器人，提供關鍵任務定位服務。實體AI（PhysicalAI）即將到來

在《銀翼殺手2049》中，我們看到了這樣一個未來世界：仿生人作為經濟和社會的共同貢獻者，與人類一同生活。到了2025年，我們的機器人遠沒有那么像人類，但各種專用機器已悄然融入現代生活的方方面面。

語言模型正在使智能變得商品化，釋放出新的創造力，并改變知識型工作。但人工智能不僅僅關乎文本、圖像和視頻。人工智能的演進正在實體世界中發生，而機器人就是下一個前沿領域。

隨著人工智能模型變得愈發強大，它們理解物理環境并與之交互的能力將大幅提升。這一轉變將催生出新型的自主系統，從自動駕駛汽車、類人機器人到無人機和工業自動化設備，這些系統將以前所未有的智能和自主性運行。

要讓這些機器人正常工作，它們需要回答一個基本問題：“我在哪里？”定位：一個價值50億美元的難題

隨著數千萬臺自主和半自主設備的部署，它們都面臨著同一個挑戰：空間感知。執行配送任務的無人機、在密集城市環境中行駛的自動駕駛汽車，以及進行精準種植的農業機械，都需要亞厘米級的定位精度，才能安全高效地運行。

為達到這種精度水平，這些系統依賴傳感器融合技術，結合多種定位方法。

激光雷達（LiDAR）可提供高分辨率的深度地圖，但在霧天或雨天效果不佳（而且它重量大、耗電多、成本高）。雷達（RADAR）能提供可靠的距離測量，但缺乏精細的精度。

基于視覺的即時定位與地圖構建（Vision-basedSLAM）可實現實時地圖繪制，但在低能見度環境中性能會下降。

這些方法各有局限，沒有哪種單一系統是萬無一失的。在定位方法的領域中，使用實時動態（RTK）基站進行校正的全球導航衛星系統（GNSS）定位，被認為是最可靠的輸入方式之一。

標準的GNSS定位由于大氣干擾和多徑誤差，天生就不準確，偏差可達5-10米。RTK通過使用固定基站來解決這個問題，這些基站將衛星信號與已知位置進行比較，并傳輸實時校正數據。這種方法能達到厘米級精度，這是實體AI應用的關鍵突破。大多數大型機器人和自動化公司都將RTK集成到他們的系統中，比如大疆用于高精度無人機，約翰迪爾用于自動駕駛拖拉機，特斯拉用于自動駕駛汽車，波士頓動力用于工業檢測機器人。

圖片來源：DuneAnalytics

該網絡已達到“臨界規模”，其覆蓋范圍能夠服務超過60%的潛在GNSS校正市場。值得注意的是，該網絡以極高的資本效率獲得了這種供應，在過去三年中，僅11%的總Tokens發放給了貢獻者。

目前，Geodnet年化鏈上收入約300萬美元，這些收入來自與Propeller、DroneDeploy、移遠通信（Quectel）、美國農業部（USDA）等客戶簽訂的企業級服務協議，在當今的DePIN項目中，Geodnet的需求端收入增長最為迅速。

在我們與Geodnet創始人邁克·霍頓早期的交流中，我們詢問他是如何贏得全球一些最知名的自動駕駛汽車、無人機和農業機器人客戶的。他的回答始終如一：DePIN帶來的核心結構性成本優勢。轉折點

在未來十年，各行業可能會部署數千萬臺機器人，從而改變物流、基礎設施和自動化領域的格局。無人機將對電力線路和管道進行實時檢測。自動駕駛汽車將改善貨運和打車服務。倉庫將通過專用機器減少對人力的依賴。家庭中將出現幫助完成日常家務的類人機器人。

沒有可靠的定位數據，這些機器人都無法運行。自動駕駛汽車在GPS單獨無法工作的密集城市區域行駛時，將需要RTK增強型GNSS。無人機需要精確的定位才能準確降落在充電站。我們認為，RTK定位不僅是對LiDAR和RADAR等其他傳感器模式的補充，更是至關重要的。

許多機器人公司每年要花費數百萬美元購買傳統的GNSS校正服務，這些服務價格昂貴、覆蓋范圍有限且精度不穩定。我們相信，Geodnet如今正在為這些客戶提供更具成本效益且質量更高的產品，未來還將惠及更多客戶。

人工智能驅動的機器人熱潮不是“是否會發生”的問題，而是“何時發生”的問題。機器人都在哪兒？它們正迅速到來。有了Geodnet，我們將準確知道它們的位置。