引言
去中心化實體基礎設施網路（DePIN）是一種將區塊鏈技術與物聯網（IoT）結合的前沿概念，正逐步引起產業內外的廣泛關注。 DePIN 透過去中心化的架構重新定義了實體設備的管理和控制模式，展現出在傳統基礎設施領域（如電網和廢棄物管理系統）引發顛覆性變革的潛力。傳統基礎設施項目長期以來受到政府和大型企業的集中控制，通常面臨高昂的服務成本、不一致的服務品質以及創新受限等問題。 DePin 提供了一種全新的解決方案，旨在透過分散式帳本和智慧合約技術，實現實體設備的去中心化管理與控制，進而提升系統的透明度、可信度和安全性。
Depin 的功能與優勢
去中心化管理與透明性： DePIN 透過區塊鏈技術的分散式帳本和智慧合約，實現了實體設備的去中心化管理，使得設備的所有者、用戶及相關利益方能夠透過共識機制驗證設備的狀態和操作。這不僅提高了設備的安全性和可靠性，也確保了系統的操作透明性。例如，在虛擬電廠（Virtual Power Plant, VPP）領域，DePIN 能夠公開並透明化插座的溯源數據，使用戶能夠清楚了解數據的生產和流通過程。
風險分散與系統連續性： 透過將實體設備分佈到不同的地理位置和多方參與者手中，DePIN 有效降低了系統的中心化風險，避免了單點故障對整個系統的影響。即使某一節點發生故障，其他節點仍能繼續運作並提供服務，保障了系統的連續性和高可用性。
智慧合約自動化操作： DePIN 利用智慧合約實現設備操作的自動化，從而提高了操作效率和準確性。智慧合約的執行過程在區塊鏈上是完全可追溯的，每一步操作都被記錄，允許任何人驗證合約的執行情況。這種機制不僅提高了合約執行的效率，也增強了系統的透明性與可信性。
DePIN 的五層架構分析
概述
儘管雲端設備通常具有高度中心化的特性，但DePIN（去中心化實體基礎設施網路）透過多層模組化技術堆疊的設計，成功模擬了中心化的雲端運算功能。其架構包括應用層、治理層、資料層、區塊鏈層和基礎設施層，每一層都在整個系統中發揮關鍵作用，以確保網路的高效、安全和去中心化運作。以下將對這五層架構進行詳細分析。
應用程式層（Application Layer）
功能：應用層是DePIN 生態系中直接面向使用者的部分，負責提供各種特定的應用和服務。透過這一層，底層的技術和基礎設施轉化為用戶可以直接使用的功能，如物聯網（IoT）應用、分散式儲存、去中心化金融（DeFi）服務等。
重要性：
使用者體驗：應用層決定了使用者與DePIN 網路的互動方式，直接影響使用者體驗和網路的普及程度。
多樣性和創新：此層支援多種應用，有助於生態系統的多樣性和創新發展，吸引不同領域的開發者和使用者參與。
價值實現：應用層將網路的技術優勢轉化為實際價值，推動了網路的持續發展和使用者的利益實現。
治理層（Governance Layer）
功能：治理層可在鏈上、鏈下或以混合模式運行，負責制定和執行網路規則，包括協定升級、資源分配和衝突解決等。通常採用去中心化治理機制，如DAO（去中心化自治組織），確保決策過程的透明、公平、民主。
重要性：
去中心化決策：透過分散決策權，治理層減少了單點控制風險，提高了網路的抗審查性和穩定性。
社群參與：此層鼓勵社群成員的積極參與，增強使用者的歸屬感，促進網路的健康發展。
靈活性和適應性：有效的治理機制使網路能夠快速應對外部環境的變化和技術進步，保持競爭力。
資料層（Data Layer）
功能：資料層負責管理和儲存網路中的所有數據，包括交易數據、使用者資訊和智慧合約。它確保資料的完整性、可用性和隱私保護，同時提供高效的資料存取和處理能力。
重要性：
資料安全：透過加密和去中心化存儲，資料層保護使用者資料免受未經授權的存取和篡改。
可擴展性：高效率的資料管理機制支援網路擴展，處理大量並發資料請求，確保系統的效能和穩定性。
資料透明性：公開透明的資料儲存增加了網路的信任度，使用戶能夠驗證和稽核資料的真實性。
區塊鏈層（Blockchain Layer）
功能：區塊鏈層是DePIN 網路的核心，負責記錄所有交易和智慧合約，確保資料的不可篡改性和可追溯性。此層提供去中心化的共識機制，如PoS（權益證明）或PoW（工作量證明），保障網路的安全與一致性。
重要性：
去中心化信任：區塊鏈技術消除了對中心化中介的依賴，透過分散式帳本建立信任機制。
安全性：強大的加密和共識機制保護網路免受攻擊和欺詐，維護系統的完整性。
智慧合約：區塊鏈層支援自動化和去中心化的業務邏輯，提升了網路的功能性和效率。
基礎設施層（Infrastructure Layer）
功能：基礎設施層包括支援整個DePIN 網路運作的實體和技術基礎設施，如伺服器、網路設備、資料中心和能源供應等。此層確保網路的高可用性、穩定性和效能。
重要性：
可靠性：堅實的基礎設施保障網路的持續運行，避免因硬體故障或網路中斷導致的服務無法使用。
效能優化：高效率的基礎設施提升了網路的處理速度和回應能力，改善了使用者體驗。
可擴展性：靈活的基礎架構設計可讓網路根據需求進行擴展，支援更多使用者和更複雜的應用場景。
連線層（Connection Layer）
在某些情況下，人們會在基礎設施層和應用層之間增加一個連接層，該層負責處理智慧型裝置與網路之間的通訊。連接層可以是中心化的雲端服務，也可以是去中心化的網絡，支援多種通訊協議，如HTTP(s)、WebSocket、MQTT、CoAP 等，以確保資料的可靠傳輸。
AI 如何改變 DePin
智慧管理與自動化
設備管理與監控：AI 技術使得設備管理和監控變得更加智慧和有效率。在傳統的實體基礎設施中，設備的管理和維護往往依賴定期檢查和被動維修，這不僅成本高昂，而且容易出現設備故障而未及時發現的問題。透過引入 AI，系統可以實現以下幾方面的最佳化：
故障預測與預防：機器學習演算法能夠透過分析設備的歷史運行數據和即時監控數據，預測設備可能發生的故障。例如，透過對感測器資料的分析，AI 可以提前偵測到電網中的變壓器或發電設備可能出現的故障，提前安排維護，避免更大範圍的停電事故。
即時監控與自動警報：AI 可對網路中所有裝置進行 24/7 的即時監控，並在偵測到異常時立即發出警報。這不僅包括設備的硬體狀態，還包括其運作性能，如溫度、壓力、電流等參數的異常變化。例如，在去中心化的水處理系統中，AI 可以即時監控水質參數，一旦發現污染物超標，立即通知維修人員進行處理。
智慧維護與最佳化：AI 能夠根據設備的使用情況和運作狀態，動態調整維護計劃，避免過度維護和不足維護。例如，透過分析風力發電機的運作數據，AI 可以確定最優的維護週期和維護措施，提高發電效率和設備壽命。
資源分配與最佳化：AI 在資源分配和最佳化方面的應用可以顯著提高 DePin 網路的效率和效能。傳統的資源分配往往依賴人工調度和靜態規則，難以應對複雜多變的實際情況。 AI 可透過資料分析和最佳化演算法，動態調整資源分配策略，實現以下目標：
動態負載平衡：在去中心化運算和儲存網路中，AI 可以根據節點的負載情況和效能指標，動態調整任務分配和資料儲存位置。例如，在一個分散式儲存網路中，AI 可以將存取頻率較高的資料儲存在效能較好的節點上，同時將存取頻率較低的資料分佈在負載較輕的節點上，提高整個網路的存儲效率和訪問速度。
能源效率優化：AI 可以透過分析設備的能耗數據和運作模式，優化能源的生產和使用。例如，在智慧電網中，AI 可以根據用戶的用電習慣和電力需求，優化發電機組的啟停策略和電力的分配方案，降低能耗，減少碳排放。
資源利用率提升：AI 能夠透過深度學習和最佳化演算法，最大化資源的利用率。例如，在去中心化物流網路中，AI 可以根據即時交通狀況、車輛位置和貨物需求，動態調整配送路徑和車輛調度方案，提高配送效率，降低物流成本。
數據分析與決策支持
資料收集與處理：在去中心化實體基礎設施網路（DePin）中，資料是核心資產之一。 DePin 網路中的各種實體設備和感測器會持續產生大量數據，這些數據包括感測器讀數、設備狀態資訊、網路流量數據等。 AI 技術在資料收集與處理方面展現出顯著優勢：
高效率資料收集：傳統的資料收集方法可能面臨資料分散、資料品質不高等問題。 AI 透過智慧感測器和邊緣運算，可以在裝置本地即時收集高品質的數據，並根據需求動態調整數據收集頻率和範圍。
資料預處理與清洗：原始資料通常包含雜訊、冗餘和缺失值。 AI 技術可以透過自動化的資料清洗和預處理，提升資料品質。例如，利用機器學習演算法檢測並修正異常數據，填補缺失值，從而確保後續分析的準確性和可靠性。
即時資料處理：DePin 網路需要對大量資料進行即時處理和分析，以快速回應物理世界的變化。 AI 技術，特別是串流處理和分散式運算框架，使得即時資料處理成為可能。
智慧決策與預測：在去中心化實體基礎設施網路（DePin）中，智慧決策與預測是 AI 應用的核心領域之一。 AI 技術透過深度學習、機器學習和預測模型，可實現複雜系統的智慧決策和精確預測，提高系統的自主性和反應速度：
深度學習與預測模型：深度學習模型能夠處理複雜的非線性關係，並從大規模資料中提取潛在模式。例如，透過深度學習模型分析設備的運作數據和感測器數據，系統可以識別出潛在的故障徵兆，提前進行預防性維護，減少設備停機時間，提高生產效率。
最佳化與調度演算法：最佳化與調度演算法是 AI 在 DePin 網路中實現智慧決策的另一個重要面向。透過優化資源分配和調度方案，AI 可以顯著提高系統效率，降低營運成本。
安全性
即時監控與異常檢測：在去中心化實體基礎設施網路（DePin）中，安全性是至關重要的因素。 AI 技術可以透過即時監控和異常檢測，及時發現和應對各種潛在的安全威脅。具體而言，AI 系統可以即時分析網路流量、設備狀態和使用者行為，識別異常活動。例如，在去中心化通訊網路中，AI 可以監控封包的流動，偵測異常流量和惡意攻擊行為。透過機器學習和模式識別技術，系統可以迅速識別並隔離受感染的節點，防止攻擊的進一步擴散。
自動化威脅回應：AI 不僅能夠偵測威脅，還能自動化地採取回應措施。傳統的安全系統往往依賴人為幹預，而 AI 驅動的安全系統可以在威脅偵測到後立即採取行動，減少回應時間。例如，在去中心化能源網路中，如果 AI 偵測到某個節點有異常活動，可以自動切斷該節點的連接，啟動備用系統，確保網路的穩定運作。此外，AI 可以透過不斷學習和優化，提高威脅偵測和回應的效率和準確性。
預測性維護和防護：透過資料分析和預測模型，AI 可以預測潛在的安全威脅和設備故障，提前採取防護措施。例如，在智慧交通系統中，AI 可以分析交通流量和事故數據，預測可能的交通事故高發區域，提前部署緊急措施，減少事故發生的機率。類似地，在分散式儲存網路中，AI 可以預測儲存節點的故障風險，提前進行維護，確保資料的安全性和可用性。
DePin 如何改變 AI
DePin 在AI 的應用優勢
資源共享與最佳化：DePin 允許不同實體之間共享運算資源、儲存資源和資料資源。這對於AI 訓練和推理需要大量計算資源和資料的場景尤其重要。去中心化的資源共享機制能夠大幅降低AI 系統的營運成本，提高資源利用率。
資料隱私與安全：在傳統的集中式AI 系統中，資料往往集中儲存在某個中央伺服器上，有資料外洩與隱私問題。 DePin 透過分散式儲存和加密技術，確保了資料的安全性和隱私性。數據持有者可以在保留數據所有權的情況下，與AI 模型共享數據，進行分散式計算。
增強的可靠性和可用性：透過去中心化的網路結構，DePin 提高了AI 系統的可靠性和可用性。即使某個節點發生故障，系統仍能繼續運作。去中心化的基礎設施減少了單點故障的風險，並提高了系統的彈性和穩定性。
透明的激勵機制：DePin 中的代幣經濟學為資源提供者和使用者之間的交易提供了透明、公正的激勵機制。參與者可以透過貢獻運算資源、儲存資源或數據來獲得代幣獎勵，形成一個良性循環。
DePin 在AI 中的潛在應用場景
分散式AI 訓練：AI 模型訓練需要大量的運算資源。透過DePin，不同的運算節點可以協同工作，形成一個分散的訓練網絡，顯著加快訓練速度。例如，去中心化的GPU 網路可以為深度學習模型提供訓練支援。
邊緣運算：隨著物聯網（IoT）設備的普及，邊緣運算成為AI 發展的重要方向。 DePin 可以將運算任務分配到靠近資料來源的邊緣裝置上，提高運算效率和反應速度。例如，智慧家庭設備可以利用DePin 實現在地化的AI 推理，提升使用者體驗。
數據市場：AI 模型的性能依賴於大量高品質的數據。 DePin 可以建立一個去中心化的資料市場，使資料提供者和使用者能夠在保障隱私的前提下進行資料交易。透過智能合約，資料交易過程透明且可信，確保資料的真實性和完整性。
去中心化的AI 服務平台：DePin 可以作為基礎設施，為去中心化的AI 服務平台提供支援。例如，一個去中心化的AI 影像辨識服務平台，使用者可以上傳影像，平台透過分散式運算節點進行處理並傳回結果。這種平台不僅提高了服務的可靠性，還能透過代幣機制激勵開發者不斷優化演算法。
AI + DePin 項目
在本節中，我們將探討幾個與AI 相關的DePin 項目，重點介紹去中心化文件存儲與訪問平台Filecoin、去中心化GPU 算力租賃平台Io.net，以及去中心化AI 模型部署與訪問平台Bittensor。這三者分別在 AI 領域中擔任了資料儲存存取、算力支援訓練和模型部署使用的重要角色。
Filecoin
Filecoin 是一個去中心化的儲存網絡，透過區塊鏈技術和加密貨幣經濟模型，實現全球範圍內的分散式資料儲存。由 Protocol Labs 開發，Filecoin 旨在創建一個開放且公共的儲存市場，用戶可以透過支付 Filecoin 代幣（FIL）在網路中購買儲存空間，或透過提供儲存服務來賺取 FIL。
功能
去中心化儲存：Filecoin 透過去中心化的方式儲存數據，避免了傳統雲端儲存的集中化弊端，例如單點故障和數據審查風險。
市場驅動：Filecoin 的儲存市場由供需關係決定，儲存價格和服務品質透過自由市場機制動態調整，使用者可以根據需求選擇最優的儲存方案。
可驗證儲存：Filecoin 透過時空證明（Proof-of-Spacetime, PoSt）和複製證明（Proof-of-Replication, PoRep）等機制，確保資料在儲存提供者處有效儲存和備份。
激勵機制：透過挖礦和交易獎勵機制，Filecoin 鼓勵網路參與者提供儲存和檢索服務，從而增加網路的儲存容量和可用性。
可擴展性：Filecoin 網路透過引入分片等技術手段，支援大規模資料儲存和快速訪問，滿足未來大量資料成長的需求。
解決的痛點
資料儲存成本高：透過 Filecoin 的去中心化儲存市場，使用者可以更靈活地選擇儲存提供者，降低資料儲存成本。
資料安全與隱私問題：去中心化儲存和加密技術確保資料的隱私和安全性，減少了因集中化儲存所帶來的資料外洩風險。
資料儲存的可靠性：Filecoin 提供的時空證明和複製證明機制確保資料在預存過程中的完整性和可驗證性，提升了資料儲存的可靠性。
傳統儲存平台的信任問題：Filecoin 透過區塊鏈技術實現儲存透明化，消除第三方機構對資料的壟斷和操控，增強了用戶對儲存服務的信任。
目標用戶
儲存提供者：透過提供閒置磁碟空間接入平台，回應用戶的儲存請求並賺取代幣。儲存提供者需要質押代幣，如果無法提供有效的儲存證明，則會受到懲罰，失去部分質押代幣。
文件檢索者：當使用者需要存取文件時，檢索文件所在位置以賺取代幣。文件檢索者無需質押代幣。
資料儲存者：透過市場機制，提交願意支付的價格，與儲存者配對後將資料發給儲存者。雙方簽署交易訂單並提交到區塊鏈。
資料使用者：使用者提交唯一的文件識別碼及付款價格，文件檢索者將找到文件所在儲存位置，回應儲存請求並提供資料。
代幣經濟體系
FIL 代幣的流通：FIL 是 Filecoin 網路中的原生加密貨幣，用於支付儲存費用、獎勵礦工以及在網路中進行交易。 FIL 代幣的流通維持了 Filecoin 網路的正常運作。
儲存礦工及檢索礦工的獎勵：儲存提供者透過提供儲存空間和資料檢索服務來賺取 FIL 代幣。礦工的獎勵與他們提供的儲存空間、數據的存取頻率以及參與網路共識的貢獻有關。
網路費用：用戶需要支付 FIL 代幣來購買儲存和檢索服務，費用由儲存市場的供需關係決定，用戶可以在市場中自由選擇適合的服務提供者。
代幣發行和通膨：Filecoin 的總供應量為 20 億，新的 FIL 代幣透過挖礦獎勵逐漸發行。隨著礦工數量的增加，網路的通膨率會逐漸下降。
Io.net
Io.net 是一個分散式 GPU 運算平台，透過收集並群聚閒置算力，為市場提供算力調度和臨時補充，而不是取代現有的雲端運算資源。平台允許供應商透過簡單的 Docker 指令部署支援的硬體供使用者租用，以滿足任務分發與處理的需求。 Io.net 透過分散式算力共享的模式，期望提供接近雲端運算平台的效果，同時顯著降低服務成本。
功能
簡易部署：供應商可以透過 Docker 指令輕鬆部署硬件，用戶則可以透過平台方便地租用硬體集群，獲得所需算力。
集群化算力：透過集群化閒置算力，平台作為市場算力的調度與臨時補充，提升了整體運算資源的使用率。
安全傳輸與上鍊儲存：平台採用端對端加密技術，保障用戶資料安全。同時，任務執行資訊會被上鍊存儲，實現日誌的透明和永久保存。
節點健康度監控：平台記錄並公開每個節點的健康狀態，包括離線時間、網路速度及執行任務狀況，以確保系統的穩定性和可靠性。
解決的痛點
算力不足：由於大模型的興起，市場對訓練時所需 GPU 算力的需求劇增。 Io.net 透過整合民間閒置 GPU 資源，填補了這個算力缺口。
隱私與合規性：大型雲端平台服務商如 AWS 和 Google Cloud 對使用者有嚴格的 KYC 要求，而 Io.net 透過去中心化方式規避了合規性問題，使用者可以更靈活地選擇使用資源。
成本高昂：雲端運算平台的服務價格較高，而 Io.net 透過分散式算力共享顯著降低成本，同時透過集群化技術實現接近雲端平台的服務品質。
目標用戶
算力提供者：將閒置的 GPU 接入平台供他人使用。根據所提供設備的性能及穩定性，可以獲得代幣獎勵。
算力使用者：透過消費代幣租用 GPU 或 GPU 集群，用於任務提交或大模型訓練。
質押者：質押者透過質押平台代幣以支持平台的長期穩定運轉，從設備租賃中獲取質押收益，這有助於提升優良設備的排名。
代幣經濟體系
代幣使用：平台內所有交易均使用原生代幣$IO，以減少智能合約中的交易摩擦。使用者和供應商可以使用 USDC 或$IO 支付，但使用 USDC 需要支付 2% 的服務費。
代幣總供應：$IO 最大供應量為 8 億個，上線時發行 5 億個，其餘 3 億個用於獎勵供應商和質押者。代幣將在 20 年內逐步釋放，第一年從總量的 8% 開始，每月遞減 1.02% 。
代幣銷毀：平台收入的一部分將用於回購並銷毀$IO，費用來源包括雙邊 0.25% 的預定費及使用 USDC 付款收取的 2% 服務費。
代幣分配：代幣將分配給種子輪投資者、A 輪投資者、團隊、生態與社群以及供應商獎勵。
Bittensor (TAO)
Bittensor 是一個去中心化的點對點 AI 模型市場，旨在透過讓不同的智慧系統相互評價和獎勵，促進 AI 模型的生產與流通。 Bittensor 透過分散式架構，創建了一個能夠持續生產新模型並對貢獻者進行資訊價值獎勵的市場。該平台為研究者和開發者提供了一個部署 AI 模型的平台，以賺取收益；而用戶則可以透過該平台使用各種 AI 模型和功能。
功能
分散式市場：Bittensor 建立了一個去中心化的 AI 模型市場，讓工程師和小型 AI 系統直接變現他們的工作，打破了大型公司對 AI 的壟斷。
標準化與模組化：網路支援多種模式（如文字、圖像、語音），允許不同 AI 模型進行互動和知識共享，並能夠擴展至更複雜的多模態系統。
系統排名：每個節點根據其在網路中的貢獻進行排名，貢獻衡量標準包括節點對任務的執行效果、其他節點對其輸出的評價以及其在網路中獲得的信任度。排名較高的節點將獲得更多的網路權重和獎勵，激勵節點在去中心化市場中持續提供高品質服務。這種排名機制不僅確保了系統的公平性，還提高了網路整體的運算效率和模型品質。
解決的痛點
智慧生產的集中化：目前的 AI 生態集中在少數幾家大公司，獨立開發者難以變現。 Bittensor 透過點對點的去中心化市場，為獨立開發者和小型 AI 系統提供了直接獲利的機會。
計算資源利用率低：傳統的 AI 模型訓練依賴單一任務，無法充分利用多樣化的智慧系統。 Bittensor 允許不同類型的智慧系統互相協作，提高運算資源的使用效率。
目標用戶
節點運營者：將算力和模型連接到 Bittensor 網絡，透過參與任務處理和模型訓練獲得代幣獎勵。節點營運者可以是獨立開發者、小型 AI 公司，甚至是個人研究者，透過提供高品質的運算資源和模型來提昇在網路中的排名和效益。
AI 模型用戶：需要 AI 運算資源和模型服務的用戶，透過支付代幣租用 Bittensor 網路中的運算能力和智慧模型。使用者可以是企業、科研機構或個人開發者，他們利用網路中的高品質模型完成特定任務，如資料分析、模型推理等。
質押者：持有 Bittensor 代幣的用戶透過質押支援網路的長期穩定運行，並獲得質押獎勵。質押者不僅能從網路的通貨膨脹中獲益，還能透過質押來提升自己支持的節點排名，從而間接影響網路整體的運算效率和收益分配。
代幣經濟體系
代幣用途：Bittensor 網路內的所有交易和激勵均透過原生代幣進行，減少了交易過程中的摩擦。用戶可以使用代幣支付計算資源和模型服務的費用，節點業者則透過提供服務賺取代幣。
代幣產生：每 12 秒出一個區塊，產生 1 個 TAO 代幣，根據子網路的表現及其中節點的表現進行分配。代幣的分配比例為： 18% 分配給子網路所有者，子網路礦工和驗證者各獲得 41% 。代幣的最大供應量為 2,100 萬。
DePin 面臨的挑戰與結論
DePIN 作為新興的網路架構，透過結合區塊鏈技術，實現了實體基礎設施的去中心化管理。這項創新不僅解決了傳統基礎設施面臨的資料隱私、服務中斷以及高擴展成本等問題，還透過代幣激勵機制和自組織模型，賦予網路參與者更多的控制權和參與度。儘管 DePIN 展現了強大的潛力，但仍面臨一些挑戰。
可擴展性：DePIN 的可擴展性問題源自於其依賴區塊鏈技術的去中心化特性。隨著用戶數量和網路規模的增加，區塊鏈網路上的交易量也會隨之增加，特別是 DePIN 應用與實體世界的連接，需要更高的資訊傳輸需求。這會導致交易確認時間延長以及交易費用增加，進而影響整體網路的效率和使用者體驗。
互通性：DePIN 生態系統建立在多個區塊鏈之上，這要求 DePIN 應用能夠支援同質或異質狀態轉換，並實現與其他區塊鏈網路的無縫互通性。然而，目前的互通性解決方案通常限於特定區塊鏈生態系統或伴隨著高昂的跨鏈成本，難以全面滿足 DePIN 的需求。
法規遵循：作為 Web 3.0 生態系統的一部分，DePIN 面臨多重監管挑戰。其去中心化和匿名特性使得監管機構難以監控資金流動，可能導致非法集資、傳銷和洗錢活動的增加。此外，稅收監管方面，由於帳戶的匿名性，政府難以收集稅收所需的證據，這對現有稅收系統構成了挑戰。
未來，DePIN 的發展將取決於這些關鍵問題的解決，並有望在廣泛的應用情境中發揮重要作用，重塑實體基礎設施的運作模式。
