在过去十年中，物联网（IoT）和区块链技术的快速发展为全球经济带来了前所未有的转变。万物互联的概念已经从理论走向实践，依托物联网设备收集、处理和共享数据的能力，推动了智能城市、工业4.0以及智能家居等领域的广泛应用。然而，这些应用大多依赖于传统中心化基础设施，这种模式虽然在早期提供了发展动力，但也暴露出以下缺陷：

中心化控制导致的单点故障风险：一旦中心节点遭到攻击或出现故障，整个系统可能陷入瘫痪。

透明性和信任问题：中心化机构对数据的完全掌控降低了公众对数据安全和隐私的信任。

高成本与低效率：维护和扩展传统中心化基础设施需要巨额投入，资源浪费现象严重。

区块链技术以其去中心化、不可篡改和高透明度的特性，被视为解决这些问题的重要工具。去中心化物理基础设施网络（DePIN）的概念应运而生，成为区块链技术与现实世界融合的重要实践。DePIN 利用区块链的分布式账本、智能合约以及代币激励机制，将物理基础设施的管理和运营去中心化。通过这一模式，DePIN 不仅能够提高物理资源的利用率，还能够降低成本并增强系统的鲁棒性。

DePIN 的核心在于通过去中心化的方式重构物理基础设施网络，为物联网、存储、计算、能源等领域提供低成本、高效率的解决方案。同时，它通过重新定义物理资源的管理模式，拓宽了区块链技术的应用边界，催生出全新的商业模式和经济形态，被视为未来十年推动全球数字经济发展的核心驱动力。

现在来看，DePIN 项目数量从 2022 年的 100 个 增长至 2024 年的 1170 个，市值也从 50 亿美元 飙升至 500 亿美元，活跃节点率从 2% 提升至超过 50%，但 DePIN 总体份额仅占价值万亿美元的 AI 市场的 0.1%，毫不夸张的说这一赛道具有100–1000倍的增长潜力。和那些靠大量互联网数据训练出来的“线上” AI 大模型不同，DePIN 设备可以帮 AI 与现实世界互动，获得更加真实和实时的数据，通过这种数据训练出来的数据，才能让 AI+机器人 等设备，发展出真正的具身智能。由于 DePIN 还处在发展早期阶段，所以当前世界上并不具备这种大规模的基础，而且大家对于怎么收集这些数据也没有共识。

我们认为，未来 DePIN+AI 要收集的数据可能可以归为以下三大类：

第一类是人类操作数据，就是人类手动控制机器人时产生的数据。这类数据质量很高，能捕捉到视频流和动作标签——也就是人类看到什么，怎么作出相应的反应。这是训练AI 模仿人类行为最有效的方式，但缺点是成本高，劳动强度也大。

第二类是合成数据（模拟数据），这类数据对训练机器人在复杂地形中移动很有用，比如训练机器人在崎岖的地面上行走，对于一些专用领域很有用途。但对于一些变化多端的任务，比如做饭，模拟环境就不太行了。我们可以想象一下训练机器人煎蛋的情形：锅的类型、油温、房间条件的微小变化都会影响结果，而虚拟环境很难覆盖所有场景。

第三类是视频学习，就是让 AI 模型通过观察现实世界的视频来学习。虽然这种方法有潜力，但它缺少智能所需的真正物理的直接互动反馈。如果有了这些数据的收集和加持，那么AI的具身智能服务能力肯定就能够得到大大地加强。

今天的Sollong并不试图用复杂的投票机制或技术门槛去重塑治理，也不将激励仅仅视作吸引流量的工具。Sollong所做的，是在制度层为参与者预设一个价值逻辑：权，来自真实行为的持续贡献；利，源于制度中对行为价值的精准映射。这套通证模型并不依赖人为管理，而是通过机制设计自动完成资源分配与秩序维稳，即行为触发激励，积累沉淀权利，退出需要代价。每一次操作的背后，不只是交易与反馈，更是制度与秩序的落地。或许真正值得关注的不是“发了多少币”，而是它试图回答了这样一个问题：在没有中央管控的前提下，如何通过激励机制构建一套自洽的权力结构与利益秩序。这是一种新的分配实验，一种制度内嵌的秩序模型。而Sollong，只是开始。