Multicoin Capital: Mengapa Geodnet adalah salah satu elemen kunci dari era AI fisik?

Multicoin Capital:为什么Geodnet是物理AI时代的关键一环?

原文:Shayon Sengupta,Mitracoin Capital mitra investasi

Kompilasi: Yuliya, PANews

Pada tanggal 25 Februari, Multicoin, sebuah lembaga investasi crypto terkenal, mengumumkan akuisisi strategis token GEOD senilai $ 8 juta dari Geodnet Foundation. Dilaporkan bahwa Geodnet adalah jaringan penentuan posisi yang tepat yang menyediakan layanan penentuan posisi kunci untuk drone, mobil self-driving, dan robot yang mungkin muncul dalam jumlah besar di masa depan DePIN( jaringan infrastruktur fisik terdesentralisasi ) model ekonomi.

Era AI fisika telah tiba

Meskipun kita belum mencapai masa depan yang digambarkan dalam "Blade Runner 2049" di mana robot humanoid hidup bersama manusia, namun pada tahun 2025, robot profesional telah diam-diam menyatu ke dalam berbagai aspek kehidupan modern. Saat ini, model bahasa sedang dijadikan komoditas pintar, melepaskan kreativitas baru dan mengubah bentuk pekerjaan pengetahuan. Namun, perkembangan AI tidak terbatas pada domain teks, gambar, dan video, evolusinya sedang meluas ke dunia fisik, teknologi robot akan menjadi ujung tombak penting berikutnya.

Ketika model AI menjadi lebih mampu, kemampuan mereka untuk memahami dan berinteraksi dengan lingkungan fisik akan meningkat secara signifikan. Pergeseran ini akan memungkinkan jenis sistem otonom baru, dari mobil self-driving dan robot humanoid hingga drone dan peralatan otomasi industri, yang akan beroperasi secara cerdas dan mandiri seperti sebelumnya. Dan agar robot-robot ini berfungsi, mereka semua perlu menjawab pertanyaan dasar: Di mana saya?

Lokasi: Sebuah tantangan senilai 50 miliar dolar

Ketika puluhan juta perangkat otonom dan semi-otonom diterapkan, mereka semua menghadapi tantangan yang sama: persepsi ruang. Pengiriman drone, mobil otonom yang menavigasi lingkungan perkotaan yang padat, mesin pertanian yang melakukan penanaman yang akurat, semuanya memerlukan akurasi lokasi sub-milimeter untuk beroperasi dengan aman dan efisien.

Untuk mencapai presisi yang begitu tinggi, sistem-sistem ini bergantung pada fusi sensor, yang menggabungkan berbagai metode penentuan lokasi.

Lidar (LiDAR) menyediakan pemetaan kedalaman resolusi tinggi, tetapi tidak berkinerja baik di hari berkabut atau hujan (dan memiliki masalah dengan bobot berat, konsumsi daya tinggi, dan biaya tinggi). Radar(RADAR) memberikan pengukuran jarak yang kuat tetapi tidak memiliki akurasi yang baik.

  • **Teknologi **SLAM berbasis visual mendukung pemetaan real-time, tetapi kinerjanya akan menurun secara signifikan dalam lingkungan dengan visibilitas rendah.

Dalam berbagai skema penentuan lokasi yang ada, sistem penentuan lokasi yang didasarkan pada GNSS (Global Navigation Satellite System) dan dikombinasikan dengan koreksi stasiun dasar RTK (Real Time Kinematic) diakui sebagai salah satu solusi yang paling dapat diandalkan.

Posisi GNSS standar memiliki deviasi akurasi intrinsik sebesar 5-10 meter karena gangguan atmosfer dan kesalahan jalur ganda. RTK memecahkan masalah ini dengan menggunakan stasiun dasar tetap untuk membandingkan sinyal satelit dengan posisi yang diketahui dan mentransfer data koreksi secara real-time, mencapai akurasi sentimeter - ini sangat penting untuk aplikasi kecerdasan buatan fisik. Saat ini, perusahaan robotika dan otomatisasi utama telah mengintegrasikan RTK ke dalam sistem mereka:

  • DJI (DJI) untuk drone presisi tinggi;
  • John Deere(约翰迪尔)用于自动驾驶拖拉机;
  • Tesla(特斯拉)digunakan untuk mobil otonom;
  • Boston Dynamics(波士顿动力)用于工业检测机器人。

Multicoin Capital: Mengapa Geodnet adalah salah satu kunci dari era kecerdasan buatan fisik?

Sumber gambar: Toko GNSS

Namun, RTK saat ini menghadapi tantangan biaya. Membangun dan memelihara BTS RTK membutuhkan investasi modal yang signifikan, termasuk perangkat keras, akuisisi lokasi, dan pemeliharaan. Vendor tradisional seperti Trimble, Hexagon, dan Topcon membangun stasiun pangkalan mereka sendiri dan mengenakan biaya ribuan dolar per perangkat pelacakan, membatasi aksesibilitas dan kecepatan penyebaran mereka. Cakupan cenderung terkonsentrasi di area yang menguntungkan, sehingga banyak area masih belum memiliki akses ke layanan lokasi presisi tinggi.

通过DePIN重构成本结构

Dengan model kepemilikan kontributor berbasis insentif token, DePIN secara mendasar membangun kembali struktur biaya jaringan keras global. Sebagai jaringan pemosisian presisi terbesar di dunia, Geodnet menggunakan prinsip ini untuk mendorong operator independen untuk memasang stasiun dasar RTK dan menyediakan data koreksi untuk mendapatkan imbalan token.

Dengan memindahkan beban biaya dari operator tunggal ke jaringan terdistribusi, Geodnet dapat mendeploy stasiun RTK produksi dengan biaya jauh lebih rendah dari vendor tradisional, terutama dengan menghilangkan dua biaya utama pendirian jaringan: tanah dan tenaga kerja. Hal ini memungkinkan Geodnet untuk memperluas cakupan lebih cepat, memastikan redudansi, dan menyediakan layanan koreksi GNSS yang lebih andal daripada penyedia layanan saat ini.

Model ini menciptakan jaringan yang dapat diskalakan secara organik dan terdistribusi secara global yang secara signifikan mengurangi biaya pengguna akhir sambil mempertahankan kualitas layanan. Geodnet telah berkembang pesat sejak tahun lalu, tumbuh dari 1.400 BTS pada November 2022 menjadi 7.800 pada Juni 2024, dan memiliki lebih dari 13.000 BTS per Januari 2025, mencakup 4.377 kota di lebih dari 142 negara.

! [Multicoin Capital: Mengapa Geodnet merupakan bagian penting dari era AI fisik?] ](https://img.gateio.im/social/moments-32c273db5128cc5091b7c6b4000ebdf7)

Saat ini jaringan Geodnet telah mencapai "skala ambang batas", dengan kapasitas layanan mencakup lebih dari 60% pasar koreksi GNSS. Perlu diperhatikan bahwa jaringan ini memperoleh pasokan ini dengan efisiensi modal yang sangat tinggi - hanya 11% token diberikan kepada kontributor selama tiga tahun terakhir.

! [Multicoin Capital: Mengapa Geodnet merupakan bagian penting dari era AI fisik?] ](https://img.gateio.im/social/moments-eff067916b5fc3cad010bd1d9869c9e0)

Geodnet adalah contoh yang baik dari model DePIN dalam praktiknya. Tidak hanya biaya akuisisi dan penyebaran BTS Geodnet urutan besarnya lebih rendah ($ 700 untuk penambang konsumen vs $ 12.000 untuk BTS RTK perusahaan), tetapi harga tahunan juga berkurang secara signifikan karena penyebaran jaringan tingkat konsumen yang lebih padat. Geodnet tidak diragukan lagi merupakan solusi penentuan posisi yang paling skalabel dan kompetitif biaya di dunia saat ini.

![Multicoin Capital: Mengapa Geodnet Adalah Kunci Penting di Era Kecerdasan Buatan Fisik?](https://img.gateio.im/social/moments-142cd7520d80389c81f4913b30dd826e()

Saat ini, Geodnet telah menghasilkan sekitar $ 3 juta dalam pendapatan on-chain tahunan dengan menyediakan layanan kepada perusahaan drone terkemuka seperti Propeller, DroneDeploy, dan Quectel, serta lembaga pemerintah seperti USDA (Departemen Pertanian Amerika Serikat), menunjukkan pertumbuhan sisi permintaan tercepat di bidang DePIN.

! [Multicoin Capital: Mengapa Geodnet merupakan bagian penting dari era AI fisik?] ])https://img.gateio.im/social/moments-8d8e6fb701696ae7be5e4f11d53ae9b3(

Dalam percakapan awal dengan pendiri Geodnet, Mike Horton, ketika ditanya bagaimana cara mendapatkan pelanggan otonom, drone, dan robot pertanian paling berpengaruh di dunia, jawabannya selalu sama: keunggulan struktural biaya inti yang ditimbulkan oleh mode DePIN.

) Titik balik telah tiba

Dalam 10 tahun mendatang, teknologi robot akan mengalami pertumbuhan yang sangat pesat. Dari manufaktur industri hingga kehidupan sehari-hari, diperkirakan puluhan juta robot akan diterapkan di berbagai bidang. Drone akan melakukan inspeksi jalur listrik dan fasilitas pipa di udara, mobil otonom akan mengubah tata letak layanan pengiriman dan transportasi, robot gudang pintar akan menggantikan operasi manual dalam skala besar, dan robot humanoid untuk rumah tangga juga akan secara bertahap masuk ke banyak rumah untuk membantu menangani urusan sehari-hari.

Kemampuan pemosisian yang tepat adalah landasan revolusi robotika ini. Tanpa data posisi yang andal, akan sulit bagi robot otonom untuk berfungsi sebagaimana mestinya. Dalam kasus kendaraan otonom, misalnya, di ngarai perkotaan dengan sinyal GPS yang lemah, sistem GNSS yang ditingkatkan RTK harus diandalkan untuk menavigasi dengan aman; Drone pengiriman juga membutuhkan akurasi tingkat sentimeter untuk mendarat secara akurat di lokasi stasiun pengisian daya yang ditentukan. Akibatnya, penentuan posisi RTK telah menjadi lebih dari sekadar pelengkap sensor seperti lidar dan radar, tetapi telah menjadi infrastruktur penting untuk operasi robot.

Saat ini, sejumlah besar perusahaan robot membayar biaya tinggi untuk layanan koreksi GNSS tradisional setiap tahun, tetapi mereka masih menghadapi banyak masalah seperti cakupan terbatas dan akurasi yang tidak stabil. Sebaliknya, model DePIN inovatif Geodnet tidak hanya secara signifikan mengurangi biaya layanan, tetapi juga menyediakan layanan lokasi yang lebih baik. Solusi terobosan ini menarik semakin banyak pelanggan tingkat perusahaan untuk memberikan posisi yang andal untuk robot otonom saat ini dan masa depan.

Revolusi robot yang digerakkan oleh AI telah menjadi tren yang tidak dapat diubah, dan kuncinya terletak pada waktu ledakan skala penuh. Industri robotika semakin cepat, dan jaringan penentuan posisi Geodnet yang tepat akan memastikan bahwa robot-robot ini dapat beroperasi dengan aman dan efisien. Di era robot yang akan datang, layanan lokasi Geodnet akan memainkan peran yang tak tergantikan dalam memberikan dukungan informasi lokasi yang akurat dan andal untuk robot di seluruh dunia.

Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
  • Hadiah
  • Komentar
  • Bagikan
Komentar
0/400
Tidak ada komentar
  • Sematkan
Perdagangkan Kripto Di Mana Saja Kapan Saja
qrCode
Pindai untuk mengunduh aplikasi Gate.io
Komunitas
Indonesia
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • ไทย
  • Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)