Vangrid 是一个面向现实世界空间数据的去中心化物理基础设施网络(DePIN)项目,致力于通过分布式采集、数据重建和链上验证,将现实环境转化为可供人工智能系统使用的空间数据。与主要提供 GPU 算力、无线连接或分布式存储的 DePIN 项目不同,Vangrid 关注的是 Physical AI 感知和理解现实世界所需要的数据基础设施。
2026 年 8 月 6 日,Vangrid 宣布完成 900 万美元种子轮融资。根据 The Block 的报道,本轮融资采用未来代币简单协议(SAFT)结构,参与方包括 HashKey、Borderless、Crypto.com Capital、Animoca Brands、Gate Labs 和 Mapleblock Capital。项目计划将资金用于扩大空间数据网络、推进边缘计算能力建设,并加强与机器人、国防及自主系统相关企业的合作。
这笔融资的意义不只是一个 DePIN 项目获得了资金支持,更在于其切入了 AI 基础设施中一个相对容易被忽视的环节:数据如何从现实环境中产生,又如何以可验证、可持续更新的形式进入 AI 系统。随着机器人和自主设备逐步进入仓储、物流、工业及复杂户外环境,模型除了需要文本、图像和视频训练数据,也需要能够反映空间结构、物体位置和环境变化的信息。
传统空间数据采集往往依赖专业测绘团队、专用车辆或固定传感器网络。这些方式能够提供较高的数据质量,但在覆盖范围、采集频率和运营成本方面存在一定限制。Vangrid 希望利用分布式智能手机采集网络扩大数据供给,并通过验证机制提高数据的可信度。不过,融资规模和网络增长本身并不能证明商业模式已经成熟,后续仍需观察企业客户的持续采购情况。
Vangrid 完成 900 万美元种子轮融资,重点发展面向 Physical AI 的空间数据网络。
项目利用智能手机采集现实世界数据,并将其重建为经过验证的 3D 空间模型。
链上验证用于记录数据来源和采集凭证,帮助提高空间数据的可追溯性。
机器人、自动驾驶系统和自主智能体可能成为空间数据的潜在需求方。
DePIN 的长期价值仍取决于数据质量、企业付费需求、网络运营成本和贡献者激励机制。

Physical AI 通常指能够感知、理解并作用于物理环境的人工智能系统,涵盖机器人、自动驾驶系统、工业自动化设备以及部分自主智能体。与主要处理数字信息的软件 AI 不同,这类系统需要根据真实环境中的空间关系和动态变化作出判断。
例如,仓储机器人需要理解货架、通道、障碍物与目标位置之间的关系;户外配送机器人需要识别道路、入口和通行区域;自主设备在执行任务时,也需要判断周围环境是否发生变化。如果系统使用的空间信息过时、不完整或缺乏足够精度,即使模型具备较强的推理能力,也可能难以在现实环境中可靠地完成任务。
这里的空间数据并不等同于普通地图。地图主要描述道路、建筑和地理位置等信息,而面向 Physical AI 的空间数据还可能包括三维结构、物体相对位置、局部环境细节及特定地点的变化情况。根据具体应用,这些数据可以用于构建三维场景、训练环境感知模型、进行机器人路径规划,或为数字孪生系统提供更新依据。
不过,空间数据只是 Physical AI 的基础要素之一。机器人仍然需要实时传感器、定位系统、运动控制和安全机制。预先采集的三维模型能够帮助系统理解环境,但不能完全替代设备在运行过程中的实时感知。因此,空间数据网络更适合被理解为 AI 的数据基础设施,而不是能够独立解决机器人感知问题的完整方案。
Vangrid 的基本思路,是将分散在普通用户手中的智能手机转化为现实世界的数据采集节点。用户通过手机采集特定地点的图像和空间信息,平台再对数据进行处理、重建和验证,最终向有需求的客户提供空间数据服务。
这一模式改变了传统空间数据采集对专用设备和集中式采集车队的依赖。对于一些尚未被充分覆盖的街道、建筑周边或特定区域,分布式采集网络有机会利用已有设备补充数据。不过,智能手机的传感器能力、拍摄角度和采集条件各不相同,如何将不同来源的数据整合成满足客户要求的空间模型,是这类网络必须解决的技术问题。
Vangrid 将这一流程概括为现实地点采集、三维空间模型重建和链上验证。根据项目披露,客户可以针对特定地点提出数据需求,贡献者提交符合要求的采集结果后获得报酬。这意味着网络不仅依赖参与者主动上传数据,也尝试围绕实际需求组织采集任务。
这种需求驱动的模式十分关键。部分早期 DePIN 网络主要通过代币奖励吸引用户部署硬件或贡献资源,但当激励减少时,如果缺少真实客户和持续收入,网络就可能面临贡献者流失的问题。对于空间数据网络而言,只有当客户需要某个地点的数据、愿意为其质量和更新频率付费时,采集活动才有机会形成可持续的经济循环。
空间数据网络面临的一个核心问题,是如何确认数据来自哪里、何时采集,以及提交的数据是否符合任务要求。如果任何参与者都可以上传未经验证的图片或空间模型,客户就需要额外投入资源检查数据来源和质量,这会增加采购成本,也会降低数据用于实际业务的可靠性。
Vangrid 使用 Base 网络,并通过 Ethereum Attestation Service(EAS)验证采集数据批次的相关凭证。根据项目披露,链上记录可用于证明数据的来源和验证过程,为后续的数据追溯提供依据。其公开浏览器曾显示接近 10 万次经过验证的采集记录、20 万次网格事件,以及超过 1,300 条批次证明。
需要注意的是,链上验证并不意味着数据内容天然准确。区块链可以帮助记录凭证、确认记录是否被修改,以及建立可追溯的流程,但不能单独证明采集画面完整、三维重建精确,或环境信息仍然有效。因此,空间数据网络仍需要结合质量检测、重复采集、时间戳、位置校验和客户验收等机制。
隐私保护同样重要。街道和建筑内部的空间数据可能包含人脸、车牌或其他敏感信息。Vangrid 表示,会在数据离开设备前对人脸和车牌进行匿名化处理。对于此类业务,隐私处理能否在不同采集场景中有效执行,以及数据授权、保存期限和访问权限如何管理,都会影响其面向企业客户的适用性。
机器人是空间数据网络最直接的潜在需求方之一。仓储物流、配送、巡检和工业自动化系统,都可能需要有关特定地点的空间结构信息。经过处理的三维模型可以帮助开发者建立仿真环境、设计任务路线,或补充机器人训练所需的数据。
分布式采集的优势在于覆盖范围可能随着参与者增加而扩大,也有机会更频繁地更新部分区域的信息。但不同机器人对数据的精度、格式、延迟和更新频率要求差异很大。能够提供数据不代表一定能够进入机器人系统的生产流程,空间数据网络仍需与客户的技术标准和工作流程兼容。
数字孪生系统需要持续更新现实对象或场所的数字化表示。对于建筑、园区、物流中心和基础设施管理而言,空间数据可用于补充三维建模、环境变化记录和现场信息核对。
传统方案可能需要专业人员定期到场采集,分布式网络则有机会降低部分区域的更新成本。但不同场景对数据精度和完整性的要求并不相同,普通手机采集能否满足专业测绘或工业管理标准,需要通过具体项目验证。
Vangrid 也将国防和政府相关机构列为潜在需求方。对于环境变化较快、常规定位手段受限或需要快速建立现场模型的场景,及时更新的空间数据可能具有应用价值。项目已披露与战略数据合作伙伴签署谅解备忘录,并与机器人及国防平台相关机构开展交流,但相关合作方身份和合同金额尚未公开。
因此,现阶段更适合将这些应用理解为项目正在探索的商业方向,而不是已经形成规模化收入的成熟市场。尤其是涉及敏感地点和特殊用途的数据服务,还需要满足相应的安全、合规与数据使用要求。
DePIN 的传统叙事通常围绕硬件部署、网络覆盖和代币激励展开,而面向 Physical AI 的空间数据网络更强调数据产品本身的价值。网络需要回答的不仅是有多少人参与采集,还包括采集了哪些地点、数据能否达到客户要求,以及这些数据是否能够重复销售或持续更新。
从商业结构来看,这类网络可能形成三个相互关联的环节:贡献者提供数据,协议或平台完成处理、验证与分发,企业客户为满足需求的空间数据付费。贡献者的报酬可以与任务完成情况和数据质量相关联,平台则需要承担处理、存储、验证、客户服务及市场拓展等成本。
如果企业客户持续采购,收入就有机会为贡献者报酬提供更稳定的来源,降低网络对代币发行的依赖。反过来,如果客户需求不足,项目即使拥有大量注册用户或采集记录,也可能难以覆盖运营成本。因此,真实采购、复购率、单位数据生产成本和贡献者收入,是判断此类 DePIN 项目商业化进展的重要指标。
代币在这一结构中可能承担奖励、协调或网络参与等功能,但具体价值取决于项目最终公布的机制。Vangrid 在融资报道发布时表示,贡献者通过任务赏金获得报酬,未来计划推出代币,并将在接近推出时公布相关奖励机制。现阶段不能仅凭融资金额、链上记录或未来代币计划推断代币价值,也不应将网络活动量直接视为协议收入。
首先是数据质量与更新成本。智能手机能够降低采集门槛,但不同设备、光照条件、拍摄角度和现场环境会影响数据质量。要向机器人和企业客户提供可用的空间模型,平台必须建立稳定的质量标准,并处理重复采集、错误定位和过时数据等问题。
其次是供需匹配。热门区域可能重复采集,而偏远或复杂区域仍然缺少数据。网络需要根据客户需求安排采集任务,并确保贡献者获得的报酬足以覆盖时间和设备使用成本。如果激励机制只关注采集数量,就可能产生低价值数据;如果审核标准过于严格,又可能增加处理成本并减慢网络扩张。
第三是商业化与竞争。传统地图服务商、专业测绘企业、遥感数据供应商和机器人厂商都可能提供部分相似能力。Vangrid 的差异化优势需要通过数据覆盖速度、采集成本、质量验证和客户整合效率来体现,而不能只依赖去中心化这一标签。
最后是隐私与数据治理。现实世界数据可能涉及个人信息、私人空间和敏感基础设施。即使完成局部匿名化,平台仍需评估位置数据与其他信息组合后产生的隐私风险,并建立相应的数据授权和访问控制机制。企业客户是否愿意采用这类网络,也会受到其合规要求和采购标准的影响。
Vangrid 的融资为观察 DePIN 与 Physical AI 的结合提供了一个具体案例。它试图通过智能手机构建分布式空间数据采集网络,再利用三维重建和链上凭证,将采集结果转化为可供机器人、自主系统及其他企业客户使用的数据服务。这一方向将 DePIN 的价值来源从传统的算力、存储和连接资源,进一步扩展到现实世界数据的生产与分发。
但空间数据网络能否形成长期竞争力,最终仍取决于三个条件:能否持续提供高质量数据,能否获得稳定的企业需求,以及能否在合理成本下协调贡献者与客户之间的利益。链上验证和代币激励可以为网络提供协作工具,却不能代替数据质量、客户价值和商业收入。
随着 Physical AI 的应用场景逐步扩大,现实世界数据有望成为值得持续关注的基础设施方向。对于 DePIN 而言,下一阶段的重要问题不是网络能够吸引多少参与者,而是这些参与者共同生产的数据,能否成为客户愿意持续付费的产品。
Vangrid 的探索反映了 DePIN 正在向现实世界数据基础设施延伸。通过智能手机采集、三维空间重建和链上验证,项目希望将分散的现实环境数据转化为可供机器人、自动化系统和 Physical AI 应用使用的数据服务。与传统依赖专业设备和集中式团队的采集方式相比,这种模式有机会扩大数据覆盖范围,并降低部分采集成本。
不过,空间数据网络的商业价值并不取决于设备数量或链上记录规模,而在于数据是否准确、能否及时更新,以及企业客户是否愿意持续付费。随着 Physical AI 的应用场景扩大,DePIN 有机会成为连接现实世界与 AI 系统的基础设施之一,但其长期发展仍需要经过数据质量、隐私保护、运营成本和商业收入的检验。
DePIN(Decentralized Physical Infrastructure Networks)是指通过区块链、代币激励或其他协调机制,组织分散的个人和机构共同建设、运营物理基础设施的网络。常见方向包括分布式算力、无线通信、存储、地图和现实世界数据采集。
Physical AI 面向机器人、自动驾驶和工业自动化等物理环境中的应用,需要理解空间结构、物体位置和环境变化。空间数据能够帮助这些系统构建三维场景、训练环境感知模型和规划任务路线,但不能替代实时传感器、定位系统及安全控制机制。
Vangrid 通过智能手机等设备采集现实世界数据,再进行处理和三维空间重建,并利用链上凭证记录相关采集与验证信息。这有助于提高数据来源的可追溯性,但链上记录本身不能保证空间模型完全准确,仍需要质量检测和数据审核。
潜在应用包括机器人导航与训练、仓储物流、数字孪生、现实环境建模,以及部分自主系统和复杂环境应用。具体能否落地,取决于数据精度、更新频率、隐私要求和客户现有系统的兼容性。
应重点关注企业客户的实际采购、重复购买率、数据生产成本、贡献者收益和持续运营收入。融资金额、设备数量、采集记录及代币激励可以反映项目发展情况,但不能单独证明其商业模式已经成熟,也不能直接推导代币的未来表现。
* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。
* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。





