GoWithMi任轶：万物互联时代需要更好的地图服务

8月20日，由火星财经主办的“POW’ER 2019全球开发者大会”在北京举行。大会邀请来自全球的70位区块链、5G、AI、云计算、大数据、物联网等领域的技术领袖、专家学者、投资及研究机构负责人，分享他们对新技术趋势和商业机遇的判断和展望。

GoWithMi联合创始人兼首席技术官任轶在演讲中表示，现实中的人和物都需要地图服务，地图就是万物账本。他同时提到，PC互联网连接的设备约10亿台，移动互联网时代连接设备约30亿台，而万物互联时代连接设备超过500亿台，这对下一代位置服务基础设施提出了更高的要求。GoWithMi联合创始人兼首席技术官任轶在演讲中公布了全球首个区块链AI空间采集设备，该矿机采用第四代AI芯片，每瓦功耗下可以提供超过4T OPS的视觉算力，每秒进行250次的全量视觉感知和识别，同时可以实现收入实时结算、数据实时成图。

区块链时代，一个核心的逻辑就是通过大量算力的竞争去保证数据的一致性，最核心的要求就是怎么通过PoW机制去解决双花的问题。GoWithMi使用区块链技术来满足数据存储和服务的使用， 使用AI和区块链经济协同来满足数据更新的要求。GoWithMi提出了天地一体化的AI人机协同网络，是通过区块链的方式去连接现有的地理信息的采集平台，基于这样的平台通过区块链的经济体系来实现相互治理，同时通过边缘智能的设备，让非专业的人士来获得专业的技艺，让我们的共识在现实中驱动人类进行大规模的结合。

以下为演讲全文：

我相信对于在座的人来说，一个优秀的地图就像空气和水一样的免费和正常的存在，但是我想说的是，世界上60%的土地上有40亿人刚刚连上互联网，他们没有像中国有这么强大的政府，没有像在座一样勤劳的人民，也没有像BAT一样顶级的公司，所以他们没有优质的地图服务。像地图这样的一个互联网基础设施，更需要一个中立性的存在，这种中立性没有比区块链更加合适的技术。

我们从一开始就是全球的布局，优先会考虑新兴市场，我们在东南亚和印尼成规模的落地了我们在中国和美国的一个机会是无人驾驶。大概会在2年以后形成规模，所以我们预计以后在2年左右的时间覆盖全球。我相信行业内这么多专家，对行业的判断是一致的，我看到很多项目都在做空间相关的分布式的尝试，比如说分布式的打车、外卖、地图等等。

但是当你考虑一个产业链、生态链的时候，你会发现你的上游和下游是中性端的，你会碰到协作的问题，所以GoWithMi是提供全方位的解决方案。

我们地图的网络，所有的地图服务以及地图的存储，是在一个链上进行，对标的就是BTC、ETH这样的一个公链。这样的公链提供什么样的服务呢？我们提供完整的技术服务，就像百度和高德，在这个技术上我们就提供O2O的服务，就像美团和谷歌。我们做了一个基于现实世界的空间游戏，实际上它的本质就是哈伯格税对空间艺术的一种内容。

致力于使用区块链技术改变世界的团队，我们的首要事情就是把区块链技术落地，所以我们打通了区块链到应用的完整的链条，我们在做区块链的过程中得到了投资。在地图和智能驾驶领域，我们的合作伙伴是最先进的做高清地图的地图图商，还有微软地图等全球的大公司，还有马自达等等都是我们的合作伙伴，同时大家也看到伊利，其实伊利在3年前就布局东南亚，我们在印尼当地也和他们合作，基于区块链去做整合营销。

简单介绍一下我们公司之后，我现在分享一下主题，万物账本，相信大家第一眼看到这个词是蒙的，我直接说答案，万物账本就是地图。为什么呢？我相信在座的各位，今天来到这里大部分是通过地图找到这个地方，在座的各位在过去一周、一个月的时间都打过车、都叫过外卖，这一切都离不开地图服务，地图服务现实中的人和物都需要把它的空间位置电子化、数字化，进而可以被服务器被调用，这就是所谓的O2O的逻辑。地图进入到现实和数字的映射，去提供一个现实到数据的服务，从这个角度来讲，地图就是万物账本。

随着5G的到来、人工智能的崛起和区块链技术的成熟，毋庸置疑，我们已经进入到了互联网的下一代——万物互联的时代，哪怕是最保守的服务器，也是要超过500万个以上的设备连接数。这意味着，它的需求已经超过了现有的很多的方案的上限，GoWithMi下一代全球位置服务基础设施是通过AI空间技术以及区块链技术的跨界结合来达到这个目的。

我们知道百度、高德这样的公司每年花好几亿在中国才能够维持以年为中心，部分以月为中心的地图数据更新，但是自动驾驶是更高的技术，它的要求是现有技术要求的几十倍到几百倍，而它需要的更新频率是小时级，也就是说，地图公司花那么多钱，最后更新时间是1个月，无人驾驶需要1个小时的更新速度，很明显不能满足自动驾驶。所以我们需要一个完整的全新的解决方案。

GoWithMi通过区块链服务来解决海量服务的问题，通过人工智能技术去解决海量数据信息的收集问题。我们真的是要从区块链的技术去解决现有的中心式服务都不能够解决的问题。我们怎么做的呢？

这一块我跟大家分享一下我的思考，首先一个概念就是梅特卡夫定律，这是互联网行业非常经典的案例，随着节点的增多，整个价值的能力会呈指数级的上升，分布式的系统永远比中心式系统性能要优秀。

我们还是要从不同的思想方式上来考虑我们说的CPU、GPU算力资源，还有内存、网络和存储的外部的资源。对于一个跨界的人，传统互联网的人会把传统的资源放在对服务有用的资源上，区块链时代，一个核心的逻辑就是通过大量的算力的竞争去保证数据的一致性，最核心的要求就是怎么通过PoW去解决双花的问题。它的逻辑就是让大量的机器通过计算哈希值去获得一个值。PoW机制把大的算力浪费在毫无意义的计算上，所以有没有可能把这样的算力资源有效的治理，有没有可能在保留有效的PoW的情况下，把原来特别浪费的资源做到服务能力的拓展上呢？这就是GoWithMi的思维，我们是提供面向万物互联网时代的一个圈内解决方案，它的核心思想就是沿用之前PoW的思想。我们在整个网络中的节点会有2种身份，他们会执行2个不同的共识。

基于GoWithMi的空间网络数据，我们可以在保证数据一致的情况下去保证服务的一致性。这就意味着你在选择这样的节点的情况下，你就不需要去关心数据一致性的问题，你只要把你的算力提供给提供服务的人。那么真正提供服务的那个部分，就能更加有效利用算力，所有的资源只需要去缓存数据，就能够提供技术服务的能力。

那么在这个时候，任何一个节点都可以去参与这个事情，比如说以我们现在的技术来说，北京这样的一个完整的服务需要20M左右的数据存储，这就意味着，一个老式的手机连上网络之后就可以提供500个城市的地图服务，只有这种方式我们才可以保证这样的一个万物时代的底层支持。说完服务和数据以后，我们依旧还是要解决一个问题，就是海量数据的更新问题，GoWithMi提出了天地一体化的AI人机协同网络，是通过区块链的方式去连接现有地理信息的采集平台，基于这样的平台通过区块链的经济体系来实现相互治理，同时通过边缘智能的设备，让非专业的人士来获得专业的技艺，让我们的共识在现实中驱动人类进行大规模的结合。

首先来说卫星影像，卫星影像的优势是全球覆盖。我们可以通过AI算法自动的去识别任何一个地方，山川、河流、道路。但是它有它的问题，哪怕是最新的技术就是发一个卫星，快速的覆盖某一个区域，它最快的时间也需要1个小时，对于出行来说1个小时是蛮长的时间，一个事物已经发生了变化。

临近空间飞行器，它是补充了之前卫星的一个时效性的问题，它可以在一个固定的地方2万米的高空悬停很长的时间，去持续地凝视900平方公里的地方，无论是我们现在用的导航还是自动驾驶，我们都需要一种超数据的感知，所以这是它的优势。我们现在在印尼巴厘岛和当地的政府合作，巴厘岛是旅游城市，所以他们要实时的监控火山和海啸，我们就给他们提供相关服务。

实际上相对于空中地数据，地面上的地实时数据更加重要，为此我们开发出全球首个“区块链AI空间采集设备”作为技术男我参与到外观的设计，我认为地图的一个采集设备必然也是必须要感知到万物的，所以我们采用斐波那契数列，遵循这样的一个曲线，它包括了松果、向日葵和菊花这样的自然万物，我们这么设计就是希望万物归一，我们的设备可以全量的去感知一切。我们如何做到？我们是和一家很低调的公司——INTENGINE合作。INTENGINE是第四代AI芯片领导者，什么叫第四代的芯片呢？就是在1瓦的情况下，都可以提供超过4TOPS的视觉算力，意味着每秒进行250次的全量视觉感知和识别。同时来说，我们和INTENGINE一起来打造这样的矿机和外部的区块链内容，包括数据采集和实时成图，一切都会体现在我的网络中。

实际上在区块链之前，我之前所说的地图行业，也是进行过一种分布式的尝试。去中心化能够极大的降低成本，听起来做1万天的工作，交给1万人做1天，这是多好的事情。众包最大的问题就是在教育问题，你要把1万个人培养成1万个不错的人，那么你就要把一个教程去讲1万次，这明显是一个不可能的事情。而像我刚才提到的一点，我们在东南亚和印尼，这些没有经历过完整的工业化改革的地方，所以这样的一个简单的工艺技能很容易普及，在当地像四维和百度是明显不同的，谷歌尝试了很多次都失败了。我们在当地观察到一个现象就是，哪怕是受教育水平最低的人也会玩游戏，所以我们想要把一个专业性的东西变成一种游戏化的方式。什么意思呢？哪怕是一个在当地没有上过学的人，他打开我们的dAPP，看到这里有金币，他只需要开启这个设备，就能够像玩游戏一样的去吃我们的金币。所以在一般人看起来就好像是一个可以玩的、可以挣钱的游戏。但是当人带着我们的设备去采集的时候，我们设备看到了什么？全量数据识别和采集，周边的东西我们都可以进行采集。还记得我刚才说的哪一句话，基于Edge AI的芯片我们可以在周边每秒感知250次。可能对于在座的各位去坐飞机，去拿一个设备去当地采集数据可能不大人道，我们设计了一套空间落地的方法，让大家都可以参与到这个事情上来。

这是我们在印尼当地在进行的一个AI训练，我们已经能够在当地识别156种的交通系统装置，包括这些车牌等等。同时我们不光是采集道路，我们还考虑到路边的街道以及室内的情况所以我们提供了室内室外一体化的采集方案。

同时向大家宣告，GoWithM空间采集设备网站已经上线了，我们整个的方式、策略都会在网站（www.gmat.world）上体现，欢迎大家关注，谢谢大家。