撰文：TopologyLab 拓撲實驗室
引言
去中心化物理基礎設施網絡（DePIN）是一種將區塊鏈技術與物聯網（IoT）相結合的前沿概念，正在逐步引起行業內外的廣泛關注。DePIN 通過去中心化的架構重新定義了物理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、不一致的服務質量以及創新受限等問題。DePin 提供了一種全新的解決方案，旨在通過分佈式賬本和智能合約技術，實現物理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 通過區塊鏈技術的分佈式賬本和智能合約，實現了物理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通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，還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，使用戶能夠清晰瞭解數據的生產和流通過程。
風險分散與系統連續性： 通過將物理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行並提供服務，保障了系統的連續性和高可用性。
智能合約自動化操作： DePIN 利用智能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。智能合約的執行過程在區塊鏈上是完全可追溯的，每一步操作均被記錄，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，還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（去中心化物理基礎設施網絡）通過多層模塊化技術棧的設計，成功模擬了中心化的雲計算功能。其架構包括應用層、治理層、數據層、區塊鏈層和基礎設施層，每一層都在整個系統中發揮着關鍵作用，以確保網絡的高效、安全和去中心化運作。以下將對這五層架構進行詳細分析。
應用層（Application Layer）
功能：應用層是 DePIN 生態系統中直接面向用戶的部分，負責提供各種具體的應用和服務。通過這一層，底層的技術和基礎設施被轉化爲用戶可以直接使用的功能，如物聯網（IoT）應用、分佈式存儲、去中心化金融（DeFi）服務等。
重要性：
用戶體驗：應用層決定了用戶與 DePIN 網絡的交互方式，直接影響用戶體驗和網絡的普及程度。
多樣性和創新：該層支持多種應用，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用戶參與。
價值實現：應用層將網絡的技術優勢轉化爲實際價值，推動了網絡的持續發展和用戶的利益實現。
治理層（Governance Layer）
功能：治理層可在鏈上、鏈下或以混合模式運行，負責制定和執行網絡規則，包括協議升級、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、公平和民主。
重要性：
去中心化決策：通過分散決策權，治理層減少了單點控制風險，提高了網絡的抗審查性和穩定性。
社區參與：該層鼓勵社區成員的積極參與，增強用戶的歸屬感，促進網絡的健康發展。
靈活性和適應性：有效的治理機制使網絡能夠快速應對外部環境的變化和技術進步，保持競爭力。
數據層（Data Layer）
功能：數據層負責管理和存儲網絡中的所有數據，包括交易數據、用戶信息和智能合約。它確保數據的完整性、可用性和隱私保護，同時提供高效的數據訪問和處理能力。
重要性：
數據安全：通過加密和去中心化存儲，數據層保護用戶數據免受未經授權的訪問和篡改。
可擴展性：高效的數據管理機制支持網絡擴展，處理大量併發數據請求，確保系統的性能和穩定性。
數據透明性：公開透明的數據存儲增加了網絡的信任度，使用戶能夠驗證和審計數據的真實性。
區塊鏈層（Blockchain Layer）
功能：區塊鏈層是 DePIN 網絡的核心，負責記錄所有交易和智能合約，確保數據的不可篡改性和可追溯性。該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），保障網絡的安全和一致性。
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，通過分佈式賬本建立信任機制。
安全性：強大的加密和共識機制保護網絡免受攻擊和欺詐，維護系統的完整性。
智能合約：區塊鏈層支持自動化和去中心化的業務邏輯，提升了網絡的功能性和效率。
基礎設施層（Infrastructure Layer）
功能：基礎設施層包括支撐整個 DePIN 網絡運行的物理和技術基礎設施，如服務器、網絡設備、數據中心和能源供應等。該層確保網絡的高可用性、穩定性和性能。
重要性：
可靠性：堅實的基礎設施保障網絡的持續運行，避免因硬件故障或網絡中斷導致的服務不可用。
性能優化：高效的基礎設施提升了網絡的處理速度和響應能力，改善了用戶體驗。
可擴展性：靈活的基礎設施設計允許網絡根據需求進行擴展，支持更多用戶和更復雜的應用場景。
連接層（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，該層負責處理智能設備與網絡之間的通信。連接層可以是中心化的雲服務，也可以是去中心化的網絡，支持多種通信協議，如 HTTP(s)、WebSocket、MQTT、CoAP 等，以確保數據的可靠傳輸。
AI 如何改變 DePin
智能管理與自動化
設備管理與監控：AI技術使得設備管理和監控變得更加智能化和高效。在傳統的物理基礎設施中，設備的管理和維護往往依賴於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。通過引入AI，系統可以實現以下幾方面的優化：
故障預測與預防：機器學習算法能夠通過分析設備的歷史運行數據和實時監控數據，預測設備可能出現的故障。例如，通過對傳感器數據的分析，AI可以提前檢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。
實時監控與自動報警：AI可以對網絡中所有設備進行24/7的實時監控，並在檢測到異常時立即發出警報。這不僅包括設備的硬件狀態，還包括其運行性能，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可以實時監控水質參數，一旦發現污染物超標，立即通知維護人員進行處理。
智能維護與優化：AI能夠根據設備的使用情況和運行狀態，動態調整維護計劃，避免過度維護和不足維護。例如，通過分析風力發電機的運行數據，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。
資源分配與優化：AI在資源分配和優化方面的應用可以顯著提高DePin網絡的效率和性能。傳統的資源分配往往依賴於人工調度和靜態規則，難以應對複雜多變的實際情況。AI可以通過數據分析和優化算法，動態調整資源分配策略，實現以下目標：
動態負載平衡：在去中心化計算和存儲網絡中，AI可以根據節點的負載情況和性能指標，動態調整任務分配和數據存儲位置。例如，在一個分佈式存儲網絡中，AI可以將訪問頻率較高的數據存儲在性能較好的節點上，同時將訪問頻率較低的數據分佈在負載較輕的節點上，提高整個網絡的存儲效率和訪問速度。
能效優化：AI可以通過分析設備的能耗數據和運行模式，優化能源的生產和使用。例如，在智能電網中，AI可以根據用戶的用電習慣和電力需求，優化發電機組的啓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能夠通過深度學習和優化算法，最大化資源的利用率。例如，在去中心化物流網絡中，AI可以根據實時交通情況、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
數據收集與處理：在去中心化物理基礎設施網絡（DePin）中，數據是核心資產之一。DePin網絡中的各種物理設備和傳感器會持續產生大量數據，這些數據包括傳感器讀數、設備狀態信息、網絡流量數據等。AI技術在數據收集與處理方面展現出顯著優勢：
高效數據收集：傳統的數據收集方法可能面臨數據分散、數據質量不高等問題。AI通過智能傳感器和邊緣計算，可以在設備本地實時收集高質量的數據，並根據需求動態調整數據收集頻率和範圍。
數據預處理與清洗：原始數據通常包含噪聲、冗餘和缺失值。AI技術可以通過自動化的數據清洗和預處理，提升數據質量。例如，利用機器學習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。
實時數據處理：DePin網絡需要對海量數據進行實時處理和分析，以快速響應物理世界的變化。AI技術，特別是流式處理和分佈式計算框架，使得實時數據處理成爲可能。
智能決策與預測：在去中心化物理基礎設施網絡（DePin）中，智能決策與預測是AI應用的核心領域之一。AI技術通過深度學習、機器學習和預測模型，可以實現複雜系統的智能決策和精確預測，提高系統的自主性和響應速度：
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，並從大規模數據中提取潛在模式。例如，通過深度學習模型分析設備的運行數據和傳感器數據，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。
優化與調度算法：優化與調度算法是AI在DePin網絡中實現智能決策的另一個重要方面。通過優化資源分配和調度方案，AI可以顯著提高系統效率，降低運營成本。
安全性
實時監控與異常檢測：在去中心化物理基礎設施網絡（DePin）中，安全性是一個至關重要的因素。AI技術可以通過實時監控和異常檢測，及時發現和應對各種潛在的安全威脅。具體而言，AI系統可以實時分析網絡流量、設備狀態和用戶行爲，識別異常活動。例如，在去中心化通信網絡中，AI可以監控數據包的流動，檢測異常流量和惡意攻擊行爲。通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。
自動化威脅響應：AI不僅能夠檢測威脅，還能自動化地採取響應措施。傳統的安全系統往往依賴人爲干預，而AI驅動的安全系統可以在威脅檢測到後立即採取行動，減少響應時間。例如，在去中心化能源網絡中，如果AI檢測到某個節點存在異常活動，可以自動切斷該節點的連接，啓動備用系統，確保網絡的穩定運行。此外，AI可以通過不斷學習和優化，提高威脅檢測和響應的效率和準確性。
預測性維護和防護：通過數據分析和預測模型，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，在智能交通系統中，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，提前部署應急措施，減少事故發生的概率。類似地，在分佈式存儲網絡中，AI可以預測存儲節點的故障風險，提前進行維護，確保數據的安全性和可用性。
DePin如何改變AI
DePin 在 AI 中的應用優勢
資源共享與優化：DePin 允許不同實體之間共享計算資源、存儲資源和數據資源。這對於 AI 訓練和推理需要大量計算資源和數據的場景尤爲重要。去中心化的資源共享機制能夠顯著降低 AI 系統的運營成本，提高資源利用率。
數據隱私與安全：在傳統的集中式 AI 系統中，數據往往集中存儲在某個中央服務器上，存在數據泄露和隱私問題。DePin 通過分佈式存儲和加密技術，保證了數據的安全性和隱私性。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，進行分佈式計算。
增強的可靠性和可用性：通過去中心化的網絡結構，DePin 提高了 AI 系統的可靠性和可用性。即使某個節點出現故障，系統仍能繼續運行。去中心化的基礎設施減少了單點故障的風險，提高了系統的彈性和穩定性。
透明的激勵機制：DePin 中的代幣經濟學爲資源提供者和用戶之間的交易提供了透明、公正的激勵機制。參與者可以通過貢獻計算資源、存儲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
分佈式 AI 訓練：AI 模型訓練需要大量的計算資源。通過 DePin，不同的計算節點可以協同工作，形成一個分佈式的訓練網絡，顯著加快訓練速度。例如，去中心化的 GPU 網絡可以爲深度學習模型提供訓練支持。
邊緣計算：隨着物聯網（IoT）設備的普及，邊緣計算成爲 AI 發展的重要方向。DePin 可以將計算任務分配到靠近數據源的邊緣設備上，提高計算效率和響應速度。例如，智能家居設備可以利用 DePin 實現本地化的 AI 推理，提升用戶體驗。
數據市場：AI 模型的性能依賴於大量高質量的數據。DePin 可以建立一個去中心化的數據市場，使數據提供者和使用者能夠在保障隱私的前提下進行數據交易。通過智能合約，數據交易過程透明且可信，保證數據的真實性和完整性。
去中心化的 AI 服務平臺：DePin 可以作爲基礎設施，爲去中心化的 AI 服務平臺提供支持。例如，一個去中心化的 AI 圖像識別服務平臺，用戶可以上傳圖像，平臺通過分佈式計算節點進行處理並返回結果。這種平臺不僅提高了服務的可靠性，還能通過代幣機制激勵開發者不斷優化算法。
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臺Filecoin、去中心化GPU算力租賃平臺Io.net，以及去中心化AI模型部署與訪問平臺Bittensor。這三者分別在AI領域中擔任了數據存儲訪問、算力支持訓練和模型部署使用的重要角色。
Filecoin
Filecoin 是一個去中心化的存儲網絡，通過區塊鏈技術和加密貨幣經濟模型，實現全球範圍內的分佈式數據存儲。由Protocol Labs開發，Filecoin旨在創建一個開放且公共的存儲市場，用戶可以通過支付Filecoin代幣（FIL）在網絡中購買存儲空間，或通過提供存儲服務來賺取FIL。
功能
去中心化存儲：Filecoin通過去中心化的方式存儲數據，避免了傳統雲存儲的集中化弊端，如單點故障和數據審查風險。
市場驅動：Filecoin的存儲市場由供需關係決定，存儲價格和服務質量通過自由市場機制動態調整，用戶可以根據需求選擇最優的存儲方案。
可驗證存儲：Filecoin通過時空證明（Proof-of-Spacetime, PoSt）和複製證明（Proof-of-Replication, PoRep）等機制，確保數據在存儲提供者處得到有效存儲和備份。
激勵機制：通過挖礦和交易獎勵機制，Filecoin鼓勵網絡參與者提供存儲和檢索服務，從而增加網絡的存儲容量和可用性。
可擴展性：Filecoin網絡通過引入分片等技術手段，支持大規模數據存儲和快速訪問，滿足未來海量數據增長的需求。
解決的痛點
數據存儲成本高昂：通過Filecoin的去中心化存儲市場，用戶可以更靈活地選擇存儲提供者，降低數據存儲成本。
數據安全和隱私問題：去中心化存儲和加密技術確保數據的私密性和安全性，減少了因集中化存儲帶來的數據泄露風險。
數據存儲的可靠性：Filecoin提供的時空證明和複製證明機制確保數據在存儲過程中的完整性和可驗證性，提升了數據存儲的可靠性。
傳統存儲平臺的信任問題：Filecoin通過區塊鏈技術實現存儲透明化，消除第三方機構對數據的壟斷和操控，增強了用戶對存儲服務的信任。
目標用戶
存儲提供者：通過提供閒置磁盤空間接入平臺，響應用戶的存儲請求並賺取代幣。存儲提供者需要質押代幣，如果無法提供有效的存儲證明，則會受到懲罰，失去部分質押代幣。
文件檢索者：當用戶需要訪問文件時，檢索文件所在位置以賺取代幣。文件檢索者無需質押代幣。
數據存儲者：通過市場機制，提交願意支付的價格，匹配到存儲者後將數據發給存儲者。雙方簽署交易訂單並提交到區塊鏈。
數據使用者：用戶通過提交唯一的文件標識符及支付價格，文件檢索者將找到文件所在存儲位置，響應存儲請求並提供數據。
代幣經濟體系
FIL 代幣的流通：FIL是Filecoin網絡中的原生加密貨幣，用於支付存儲費用、獎勵礦工以及在網絡中進行交易。FIL代幣的流通維持了Filecoin網絡的正常運行。
存儲礦工及檢索礦工的獎勵：存儲提供者通過提供存儲空間和數據檢索服務來賺取FIL代幣。礦工的獎勵與他們提供的存儲空間、數據的訪問頻率以及參與網絡共識的貢獻相關。
網絡費用：用戶需要支付FIL代幣來購買存儲和檢索服務，費用由存儲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商。
代幣發行和通脹：Filecoin的總供應量爲20億，新的FIL代幣通過挖礦獎勵逐漸發行。隨着礦工數量的增加，網絡的通脹率會逐漸下降。
Io.net
Io.net是一個分佈式GPU計算平臺，通過收集並集羣化閒置算力，爲市場提供算力調度和臨時補充，而非替代現有的雲計算資源。平臺允許供應商通過簡單的Docker指令部署支持的硬件供用戶租用，以滿足任務分發與處理的需求。Io.net通過分佈式算力共享的模式，期望提供接近雲計算平臺的效果，同時顯著降低服務成本。
功能
簡易部署：供應商可以通過Docker指令輕鬆部署硬件，用戶則可以通過平臺便捷地租用硬件集羣，獲得所需算力。
集羣化算力：通過集羣化閒置算力，平臺作爲市場算力的調度與臨時補充，提升了整體計算資源的利用率。
安全傳輸與上鍊存儲：平臺採用端對端加密技術，保障用戶資料安全。同時，任務執行信息會被上鍊存儲，實現日誌的透明和永久保存。
節點健康度監控：平臺記錄並公開每個節點的健康狀態，包括離線時間、網絡速度及執行任務情況，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通過整合民間閒置GPU資源，填補了這一算力缺口。
隱私與合規性：大型雲平臺服務商如AWS和Google Cloud對用戶有嚴格的KYC要求，而Io.net通過去中心化方式規避了合規性問題，用戶可以更靈活地選擇使用資源。
成本高昂：雲計算平臺的服務價格較高，而Io.net通過分佈式算力共享顯著降低成本，同時通過集羣化技術實現接近雲平臺的服務質量。
目標用戶
算力提供者：將閒置的GPU接入平臺供他人使用。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：通過消費代幣租用GPU或GPU集羣，用於任務提交或大模型訓練。
質押者：質押者通過質押平臺代幣以支持平臺的長期穩定運轉，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：平臺內所有交易均使用原生代幣$IO，以減少智能合約中的交易摩擦。用戶和供應商可以使用USDC或$IO支付，但使用USDC需要支付2%的服務費。
代幣總供應：$IO最大供應量爲8億個，上線時發行5億個，其餘3億個用於獎勵供應商和質押者。代幣將在20年內逐步釋放，第一年從總量的8%開始，每月遞減1.02%。
代幣銷燬：平臺收入的一部分將用於回購並銷燬$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、生態與社區以及供應商獎勵。
Bittensor (TAO)
Bittensor 是一個去中心化的點對點AI模型市場，旨在通過讓不同的智能系統相互評價和獎勵，促進AI模型的生產與流通。Bittensor通過分佈式架構，創建了一個能夠持續生產新模型並對貢獻者進行信息價值獎勵的市場。該平臺爲研究者和開發者提供了一個部署AI模型的平臺，以賺取收益；而用戶則可以通過該平臺使用各種AI模型和功能。
功能
分佈式市場：Bittensor建立了一個去中心化的AI模型市場，允許工程師和小型AI系統直接變現他們的工作，打破了大型公司對AI的壟斷。
標準化與模塊化：網絡支持多種模式（如文本、圖像、語音），允許不同AI模型進行交互和知識共享，並能夠擴展至更復雜的多模態系統。
系統排名：每個節點根據其在網絡中的貢獻進行排名，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絡中獲得的信任度。排名較高的節點將獲得更多的網絡權重和獎勵，激勵節點在去中心化市場中持續提供高質量服務。這種排名機制不僅確保了系統的公平性，還提高了網絡整體的計算效率和模型質量。
解決的痛點
智能生產的集中化：目前的AI生態集中於少數幾家大公司，獨立開發者難以變現。Bittensor通過點對點的去中心化市場，爲獨立開發者和小型AI系統提供了直接獲利的機會。
計算資源利用率低下：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能系統。Bittensor允許不同類型的智能系統互相協作，提高計算資源的利用效率。
目標用戶
節點運營者：將算力和模型接入Bittensor網絡，通過參與任務處理和模型訓練獲得代幣獎勵。節點運營者可以是獨立開發者、小型AI公司，甚至個人研究者，通過提供高質量的計算資源和模型來提升在網絡中的排名和收益。
AI模型使用者：需要AI計算資源和模型服務的用戶，通過支付代幣租用Bittensor網絡中的計算能力和智能模型。使用者可以是企業、科研機構或個人開發者，他們利用網絡中的高質量模型完成特定任務，如數據分析、模型推理等。
質押者：持有Bittensor代幣的用戶通過質押支持網絡的長期穩定運行，並獲得質押獎勵。質押者不僅能從網絡的通貨膨脹中獲益，還能通過質押來提升自己支持的節點排名，從而間接影響網絡整體的計算效率和收益分配。
代幣經濟體系
代幣用途：Bittensor網絡內的所有交易和激勵均通過原生代幣進行，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，節點運營者則通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，根據子網的表現及其中節點的表現進行分配。代幣的分配比例爲：18%分配給子網所有者，子網礦工和驗證者各獲得41%。代幣的最大供應量爲2100萬。
DePin面臨的挑戰與結論
DePIN作爲一種新興的網絡架構，通過結合區塊鏈技術，實現了物理基礎設施的去中心化管理。這一創新不僅解決了傳統基礎設施面臨的數據隱私、服務中斷以及高擴展成本等問題，還通過代幣激勵機制和自組織模型，賦予網絡參與者更多的控制權和參與度。儘管DePIN展示了強大的潛力，但依然面臨一些挑戰。
可擴展性：DePIN的可擴展性問題源於其依賴區塊鏈技術的去中心化特性。隨着用戶數量和網絡規模的增加，區塊鏈網絡上的交易量也會隨之增加，特別是DePIN應用與物理世界的連接，需要更高的信息傳輸要求。這會導致交易確認時間延長以及交易費用增加，進而影響整體網絡的效率和用戶體驗。
互操作性：DePIN生態系統建立在多個區塊鏈之上，這要求DePIN應用能夠支持同質或異質狀態轉換，並實現與其他區塊鏈網絡的無縫互操作性。然而，當前的互操作性解決方案通常限於特定區塊鏈生態系統或伴隨着高昂的跨鏈成本，難以全面滿足DePIN的需求。
法規合規性：作爲Web 3.0生態系統的一部分，DePIN面臨多重監管挑戰。其去中心化和匿名性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，由於賬戶的匿名性，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場景中發揮重要作用，重塑物理基礎設施的運作模式。
