Kan DePIN være flaskehalsbryteren for et av dette århundrets største økonomiske endringer? I løpet av de siste to tiårene har vi vært vitne til tre teknologiske sjokkbølger som rev opp regelboken: 2007 – iPhone: Mobil ble livets fjernkontroll, og fødte en app-drevet økonomi. 2009 – Bitcoin som førte til Web3: Omdefinerte penger, eierskap og koordinering. 2022 – ChatGPT: Gjorde AI fra sci-fi til et daglig verktøy, og kollapset ideen til utførelsessløyfe. Mens Web3 og AI fortsatt utspiller seg, er den neste revolusjonen allerede under oppseiling: Humanoid robotikk. Du kan føle skiftet. Kapital, talent og ambisjoner har strømmet inn i et voldsomt tempo: Tesla er all-in med Optimus. Figure, 1X, Apptronik og Agility har reist monsterrunder. Foxconn og Nvidia kartlegger humanoider inn i globale forsyningskjeder. Momentum er ekte, men likevel mangler noe. For å komme fra demovideoer til allestedsnærværende i den virkelige verden, er det to ingredienser som er viktige: Maskinvarefremgang og programvarefremgang. Og en av dem henger etter. Maskinvare er ikke lenger flaskehalsen. Dreiemomenttette aktuatorer konkurrerer med menneskelige muskler. Lette kompositter + neste generasjons batterier muliggjør drift hele dagen. Edge compute krymper datasenterkraften i en ryggsekk. Vi har løst kroppen. Det som er igjen er hjernen. Løpet vil bli vunnet av legemliggjort AI - programvare som lærer ved å gjøre. Programvare som samhandler med den rotete, uforutsigbare fysiske verdenen. Den største flaskehalsen for det: data. Ikke bare visuelle data, men virkelige opplevelser – på tvers av rom, tid, friksjon, tilbakemeldinger, feil. Og akkurat nå er våre nåværende løsninger for å samle det ødelagt: - Teledrift → dyrt med lav gjennomstrømning - Simulering → alltid avviker fra virkeligheten - AR-→ lav bruk av hodesett - Videolæring → bare i tidlige forskningsfaser Å prøve å trene fysisk AI på denne måten er som å lære et barn å gå ved hjelp av bare YouTube-klipp - ingen skrapte knær, ingen balansesjekker, ingen tilbakemeldingssløyfe. Det er her DePIN og DePAI som datasvinghjul kommer inn i bildet. Jeg kan ikke glemme hva @hosseeb en gang sa på et panel jeg lyttet til: "Hvis krypto har mestret én ting, er det én ting: Gi folk tokens, og de vil gjøre ting." Vi har allerede sett det med tidlige nettverk i den virkelige verden: @NATIXNetwork crowdsourcing av urbane kameradata, utrolig verdifullt for autonom kjøring @silencioNetwork kartlegging av globale lydlandskap, som potensielt kan bli øret til roboter @OVRtheReality å bygge en AR-tvilling av jorden med videodata fra smarttelefonen Nå dukker humanoid-innfødte DePIN-er som @reborn_agi og @PrismaXai opp og takler den samme utfordringen for legemliggjort AI. Prosjekter som @peaq og @AukiNetwork går et lag dypere, og posisjonerer seg som koordineringsryggraden for fysisk AI på global skala. Her er opplåsingen: Vi trenger ikke noen få laboratorier som simulerer verden, men et tillatelsesløst, reelt datalag drevet av insentiver. Se for deg millioner av edge-agenter – roboter, wearables, brukere – som samhandler med den fysiske verden, og mater læring tilbake til et delt intelligenslag. Lær opp én gang → Distribuer overalt → Lær kontinuerlig. Det er slik vi hopper fra prototyper til praktisk nytte. Det er slik vi skalerer humanoider uten å stole på sentraliserte FoU-flaskehalser. Dette er åpenbart en avhandling, men hvis du tror på den, kan det være en av de mest asymmetriske mulighetene i dette tiåret: Ei datalaget for fysisk intelligens For det er det humanoide roboter til slutt vil kjøre på. Vi går inn i en fase der: – Alle kan bidra med fysiske data – Alle kan eie en del av læringsstabelen – Alle kan bygge på toppen av det De fleste er fortsatt fokusert på robotene selv. Men den virkelige opplåsingen (og sannsynligvis den eneste tilgjengelige eksponeringen uansett) er under: Nettverk. Protokoller. Svinghjul.