DePin

GEODNET 和传统 CORS 网络都用于提供 RTK 高精度定位服务，但 GEODNET 采用去中心化物理基础设施网络 (DePIN) 模式，而传统 CORS 网络主要由政府机构、测绘部门或商业运营商集中建设和维护。两者虽然都依赖 GNSS 基准站生成定位修正数据，但在网络扩展方式、成本结构和参与模式方面存在显著差异。

GEODNET（GEOD）是一个基于去中心化实体基础设施网络（DePIN）打造的全球高精度定位网络，通过奖励用户部署 GNSS 基准站，为无人机、机器人、自动驾驶系统与测绘设备提供厘米级 RTK（实时动态定位）服务。有别于传统中心化定位服务，GEODNET 运用区块链与代币激励机制扩展全球定位基础设施，让高精度定位服务能以更低成本涵盖更广阔的区域。

RTK（Real-Time Kinematic，即時動態定位）是一種基於全球導航衛星系統（GNSS）的高精度定位技術，藉由基準站即時計算衛星訊號誤差，並向終端設備發送修正數據，將一般 GPS 的公尺級定位精度提升至公分級。GEODNET 將 RTK 技術與去中心化實體基礎設施網路（DePIN）結合，透過全球分散式 GNSS 基準站持續生成與共享修正數據，為使用者打造覆蓋更廣、成本更低的高精度定位服務。相較於傳統 RTK 網路，GEODNET 運用代幣激勵機制推動基礎設施建設，實現全球定位網路的社區化擴展。

GEODNET 與 Helium 皆屬於 DePIN（Decentralized Physical Infrastructure Network，去中心化物理基礎設施網路）賽道，但兩者所建構的基礎設施類型有所不同。從底層邏輯來看，GEODNET 提供的是位置數據基礎設施，解決裝置如何精準定位的問題；Helium 提供的是連接基礎設施，解決裝置如何接入網路的問題。兩者都運用代幣激勵推動現實世界基礎設施建設，但服務對象、數據類型、商業模式與行業應用存在顯著差異。

IO (io.net) 是一種專為人工智慧 (AI) 與機器學習 (ML) 應用設計的去中心化 GPU 算力網路，其目標是匯集全球閒置的 GPU 資源，為開發者、企業及 AI 專案提供隨需取得的高效能運算能力。

能源資產代幣化是指運用區塊鏈技術，將電動車、電池儲能系統、太陽能設備等現實世界的能源基礎設施，映射為可在鏈上驗證的數位資產。透過設備身份認證、數據紀錄及價值結算機制，能源設備不僅能參與能源的生產與消費，也能成為數位經濟網絡中的價值節點。

OpenVPP 的運作流程主要涵蓋六大階段：設備註冊、數據收集、能源資源聚合、需求響應協調、鏈上價值計算以及能源結算。借助區塊鏈與智能合約技術，OpenVPP 將傳統虛擬電廠的能源管理流程數位化、開放化，為能源互聯網及能源資產代幣化奠定基礎設施層面的支援。

虚拟电厂（Virtual Power Plant，VPP）是一种运用数字技术与智能控制系统，将分散的能源设备聚合为统一能源网络的管理模式。通过串接太阳能发电系统、储能设备、电动车及智能电表等分布式能源资源，VPP 能够像传统发电厂一样，参与电力调度、电网平衡与能源市场交易。

OpenVPP 是一個專為分散式能源資源 (DER) 打造的去中心化虛擬電廠網路，透過區塊鏈技術串聯電動車、儲能系統、太陽能設備及智慧電表等現實世界的能源基礎設施。此網路旨在建立統一的能源數據層、裝置身份層與價值結算層，讓能源資產能像數位資產般在鏈上被記錄、協調並獲得誘因。

IO 的核心應用場景主要集中在 GPU 算力需求較高的領域，涵蓋 AI 模型訓練、AI 推理服務、機器學習開發、Web3 基礎設施以及 DePIN 網路建置。相較於傳統雲端運算平台，IO 旨在匯集全球閒置的 GPU 資源，讓開發者能以更靈活的方式獲取運算能力。

AI 基礎設施的發展正持續帶動全球 GPU 算力需求攀升。伴隨大型語言模型、AI Agent 與推理服務邁入快速擴張期，GPU 已逐步成為數位經濟時代不可或缺的生產要素。相較於傳統雲端服務商需要自建資料中心以提供算力，IO 則透過整合全球閒置的 GPU 資源，致力打造去中心化計算網路，而 IO Token 正是驅動此網路運行的核心經濟資產。

Janction 是一種專為人工智慧時代設計的去中心化算力網路，透過整合全球分散的運算資源、AI Agent 以及區塊鏈激勵機制，為 AI 模型訓練、推理與智能任務執行提供開放式基礎設施。Janction 的目標是在不需仰賴中心化雲端服務控制的前提下，實現運算資源的發現、分配、協作與價值結算。

Caspius 与传统 AI 数据平台均服务于 AI 模型训练，但两者在数据所有权、价值分配及网络结构方面存在显著差异。传统 AI 数据平台通常采用中心化模式，由企业统一采集与管理训练数据；Caspius 则通过区块链激励机制建立开放式数据贡献网络，让用户能够参与机器人训练数据的采集与共享。

Caspius 透過獎勵機制鼓勵用戶上傳第一視角影片、動作軌跡以及與現實環境的互動數據，為 AI 模型提供訓練所需的資料來源。相較於傳統的中心化數據平台，Caspius 更著重於開放式的數據貢獻與鏈上獎勵機制。機器人 AI 與實體 AI (Physical AI) 系統需要大量真實世界的行為數據，才能學習動作執行、環境理解與空間互動等能力。Caspius 期望藉由去中心化網絡擴大機器人訓練數據的供給，為 AI Agent、機器人系統及自動化設備提供更具擴展性的數據基礎設施。

Caspius 是一種專為具身智能 (Embodied AI) 設計的去中心化 AI 資料基礎設施協議，主要負責收集與分發機器人訓練所需的真實世界資料。透過獎勵使用者上傳第一視角影片、動作軌跡及環境互動資料，Caspius 旨在打造一個開放的機器人訓練資料網路，為機器人模型、自動化系統與 Physical AI 提供底層資料支援。