vangrid 用普通手机凑齐 Physical AI 缺的 3D 数据

最近我一直在关注物理 AI 领域，业内人士反复提到一个观点：机器人和世界模型未必是缺乏智能，而是缺乏对真实世界的“视觉”。互联网上现有的文本和图像数据或许足以训练语言模型，但不足以训练一个需要理解当下真实仓库、路口或工厂车间的系统。

这种实时更新的 3D 数据很难通过抓取获得，而随着机器人和自主系统领域的投资不断增长，数据短缺问题正变得日益突出。@vangrid_io 正在用一种不同的方式填补这一空白：把普通智能手机变成分布式数据采集网络。用户录制一段特定地点的短视频，视频会被重建为 3D 模型，其来源信息会锚定在链上，任何人都可以验证，无需依赖中心化担保。

真正吸引我的是，这个网络并非停留在纸面上的概念。产品自 7 月起就已上线，数据本身就能说明问题。从 9 月初约 50 万次采集，到如今已突破 130 万次采集，活跃节点达数十万个，结算金额超过 68 万 USDC。这种增长可以直接追踪，而不只是一纸公告。

团队背景（Robert Brighton 拥有深科技和微软背景，Khaled Benarvik 曾在 Booking、ING 和 Mollie 构建高吞吐量系统）、来自 HashKey、Animoca、Borderless、Capital 等机构的 900 万美元融资，以及其 NVIDIA Inception 成员身份，都提供了有用的背景信息。

但从长远来看，更重要的是一个更简单的问题：随着物理 AI 的发展，大规模收集和验证真实世界数据的基础设施是否会变得不可或缺？目前没有现成答案。

然而，市场趋势、机器人训练数据与语言模型可用数据之间的差距，以及 NVIDIA、DeepMind 等机构对真实世界数据日益增长的兴趣，都让这类网络值得密切关注，但也不必过度乐观。

当前数据可在此验证：| @vangrid_io