8 月 20 日，由火星財經主辦的「POW』ER2019 全球開發者大會」在北京舉行。大會邀請來自全球的 70 位區塊鏈、5G、AI、雲計算、大數據、物聯網等領域的技術領袖、專家學者、投資及研究機構負責人，分享他們對新技術趨勢和商業機遇的判斷和展望。
GoWithMi聯合創始人兼首席技術官任軼在演講中表示，現實中的人和物都需要地圖服務，地圖就是萬物帳本。他同時提到，PC網際網路連接的設備約 10 億臺，移動網際網路時代連接設備約 30 億臺，而萬物互聯時代連接設備超過 500 億臺，這對下一代位置服務基礎設施提出了更高的要求。GoWithMi聯合創始人兼首席技術官任軼在演講中公布了全球首個區塊鏈AI空間採集設備，該礦機採用第四代AI晶片，每瓦功耗下可以提供超過4T OPS的視覺算力，每秒進行 250 次的全量視覺感知和識別，同時可以實現收入實時結算、數據實時成圖。
區塊鏈時代，一個核心的邏輯就是通過大量算力的競爭去保證數據的一致性，最核心的要求就是怎麼通過PoW機制去解決雙花的問題。GoWithMi使用區塊鏈技術來滿足數據存儲和服務的使用， 使用AI和區塊鏈經濟協同來滿足數據更新的要求。GoWithMi提出了天地一體化的AI人機協同網絡，是通過區塊鏈的方式去連接現有的地理信息的採集平臺，基於這樣的平臺通過區塊鏈的經濟體系來實現相互治理，同時通過邊緣智能的設備，讓非專業的人士來獲得專業的技藝，讓我們的共識在現實中驅動人類進行大規模的結合。
以下為演講全文：
我相信對於在座的人來說，一個優秀的地圖就像空氣和水一樣的免費和正常的存在，但是我想說的是，世界上60%的土地上有 40 億人剛剛連上網際網路，他們沒有像中國有這麼強大的政府，沒有像在座一樣勤勞的人民，也沒有像BAT一樣頂級的公司，所以他們沒有優質的地圖服務。像地圖這樣的一個網際網路基礎設施，更需要一個中立性的存在，這種中立性沒有比區塊鏈更加合適的技術。
我們從一開始就是全球的布局，優先會考慮新興市場，我們在東南亞和印尼成規模的落地了我們在中國和美國的一個機會是無人駕駛。大概會在 2 年以後形成規模，所以我們預計以後在 2 年左右的時間覆蓋全球。我相信行業內這麼多專家，對行業的判斷是一致的，我看到很多項目都在做空間相關的分布式的嘗試，比如說分布式的打車、外賣、地圖等等。
但是當你考慮一個產業鏈、生態鏈的時候，你會發現你的上遊和下遊是中性端的，你會碰到協作的問題，所以GoWithMi是提供全方位的解決方案。
我們地圖的網絡，所有的地圖服務以及地圖的存儲，是在一個鏈上進行，對標的就是BTC、ETH這樣的一個公鏈。這樣的公鏈提供什麼樣的服務呢?我們提供完整的技術服務，就像百度和高德，在這個技術上我們就提供O2O的服務，就像美團和谷歌。我們做了一個基於現實世界的空間遊戲，實際上它的本質就是哈伯格稅對空間藝術的一種內容。
致力於使用區塊鏈技術改變世界的團隊，我們的首要事情就是把區塊鏈技術落地，所以我們打通了區塊鏈到應用的完整的鏈條，我們在做區塊鏈的過程中得到了投資。在地圖和智能駕駛領域，我們的合作夥伴是最先進的做高清地圖的地圖圖商，還有微軟地圖等全球的大公司，還有馬自達等等都是我們的合作夥伴，同時大家也看到伊利，其實伊利在 3 年前就布局東南亞，我們在印尼當地也和他們合作，基於區塊鏈去做整合營銷。
簡單介紹一下我們公司之後，我現在分享一下主題，萬物帳本，相信大家第一眼看到這個詞是蒙的，我直接說答案，萬物帳本就是地圖。為什麼呢?我相信在座的各位，今天來到這裡大部分是通過地圖找到這個地方，在座的各位在過去一周、一個月的時間都打過車、都叫過外賣，這一切都離不開地圖服務，地圖服務現實中的人和物都需要把它的空間位置電子化、數位化，進而可以被伺服器被調用，這就是所謂的O2O的邏輯。地圖進入到現實和數字的映射，去提供一個現實到數據的服務，從這個角度來講，地圖就是萬物帳本。
隨著5G的到來、人工智慧的崛起和區塊鏈技術的成熟，毋庸置疑，我們已經進入到了網際網路的下一代——萬物互聯的時代，哪怕是最保守的伺服器，也是要超過 500 萬個以上的設備連接數。這意味著，它的需求已經超過了現有的很多的方案的上限，GoWithMi下一代全球位置服務基礎設施是通過AI空間技術以及區塊鏈技術的跨界結合來達到這個目的。
我們知道百度、高德這樣的公司每年花好幾億在中國才能夠維持以年為中心，部分以月為中心的地圖數據更新，但是自動駕駛是更高的技術，它的要求是現有技術要求的幾十倍到幾百倍，而它需要的更新頻率是小時級，也就是說，地圖公司花那麼多錢，最後更新時間是 1 個月，無人駕駛需要 1 個小時的更新速度，很明顯不能滿足自動駕駛。所以我們需要一個完整的全新的解決方案。
GoWithMi通過區塊鏈服務來解決海量服務的問題，通過人工智慧技術去解決海量數據信息的收集問題。我們真的是要從區塊鏈的技術去解決現有的中心式服務都不能夠解決的問題。我們怎麼做的呢?
這一塊我跟大家分享一下我的思考，首先一個概念就是梅特卡夫定律，這是網際網路行業非常經典的案例，隨著節點的增多，整個價值的能力會呈指數級的上升，分布式的系統永遠比中心式系統性能要優秀。
我們還是要從不同的思想方式上來考慮我們說的CPU、GPU算力資源，還有內存、網絡和存儲的外部的資源。對於一個跨界的人，傳統網際網路的人會把傳統的資源放在對服務有用的資源上，區塊鏈時代，一個核心的邏輯就是通過大量的算力的競爭去保證數據的一致性，最核心的要求就是怎麼通過PoW去解決雙花的問題。它的邏輯就是讓大量的機器通過計算哈希值去獲得一個值。PoW機制把大的算力浪費在毫無意義的計算上，所以有沒有可能把這樣的算力資源有效的治理，有沒有可能在保留有效的PoW的情況下，把原來特別浪費的資源做到服務能力的拓展上呢?這就是GoWithMi的思維，我們是提供面向萬物網際網路時代的一個圈內解決方案，它的核心思想就是沿用之前PoW的思想。我們在整個網絡中的節點會有 2 種身份，他們會執行 2 個不同的共識。
基於GoWithMi的空間網絡數據，我們可以在保證數據一致的情況下去保證服務的一致性。這就意味著你在選擇這樣的節點的情況下，你就不需要去關心數據一致性的問題，你只要把你的算力提供給提供服務的人。那麼真正提供服務的那個部分，就能更加有效利用算力，所有的資源只需要去緩存數據，就能夠提供技術服務的能力。
那麼在這個時候，任何一個節點都可以去參與這個事情，比如說以我們現在的技術來說，北京這樣的一個完整的服務需要20M左右的數據存儲，這就意味著，一個老式的手機連上網絡之後就可以提供 500 個城市的地圖服務，只有這種方式我們才可以保證這樣的一個萬物時代的底層支持。說完服務和數據以後，我們依舊還是要解決一個問題，就是海量數據的更新問題，GoWithMi提出了天地一體化的AI人機協同網絡，是通過區塊鏈的方式去連接現有地理信息的採集平臺，基於這樣的平臺通過區塊鏈的經濟體系來實現相互治理，同時通過邊緣智能的設備，讓非專業的人士來獲得專業的技藝，讓我們的共識在現實中驅動人類進行大規模的結合。
首先來說衛星影像，衛星影像的優勢是全球覆蓋。我們可以通過AI算法自動的去識別任何一個地方，山川、河流、道路。但是它有它的問題，哪怕是最新的技術就是發一個衛星，快速的覆蓋某一個區域，它最快的時間也需要 1 個小時，對於出行來說 1 個小時是蠻長的時間，一個事物已經發生了變化。
臨近空間飛行器，它是補充了之前衛星的一個時效性的問題，它可以在一個固定的地方 2 萬米的高空懸停很長的時間，去持續地凝視 900 平方公裡的地方，無論是我們現在用的導航還是自動駕駛，我們都需要一種超數據的感知，所以這是它的優勢。我們現在在印尼峇里島和當地的政府合作，峇里島是旅遊城市，所以他們要實時的監控火山和海嘯，我們就給他們提供相關服務。
實際上相對於空中地數據，地面上的地實時數據更加重要，為此我們開發出全球首個「區塊鏈AI空間採集設備」作為技術男我參與到外觀的設計，我認為地圖的一個採集設備必然也是必須要感知到萬物的，所以我們採用斐波那契數列，遵循這樣的一個曲線，它包括了松果、向日葵和菊花這樣的自然萬物，我們這麼設計就是希望萬物歸一，我們的設備可以全量的去感知一切。我們如何做到?我們是和一家很低調的公司——INTENGINE合作。INTENGINE是第四代AI晶片領導者，什麼叫第四代的晶片呢?就是在 1 瓦的情況下，都可以提供超過4TOPS的視覺算力，意味著每秒進行 250 次的全量視覺感知和識別。同時來說，我們和INTENGINE一起來打造這樣的礦機和外部的區塊鏈內容，包括數據採集和實時成圖，一切都會體現在我的網絡中。
實際上在區塊鏈之前，我之前所說的地圖行業，也是進行過一種分布式的嘗試。去中心化能夠極大的降低成本，聽起來做 1 萬天的工作，交給 1 萬人做 1 天，這是多好的事情。眾包最大的問題就是在教育問題，你要把 1 萬個人培養成 1 萬個不錯的人，那麼你就要把一個教程去講 1 萬次，這明顯是一個不可能的事情。而像我剛才提到的一點，我們在東南亞和印尼，這些沒有經歷過完整的工業化改革的地方，所以這樣的一個簡單的工藝技能很容易普及，在當地像四維和百度是明顯不同的，谷歌嘗試了很多次都失敗了。我們在當地觀察到一個現象就是，哪怕是受教育水平最低的人也會玩遊戲，所以我們想要把一個專業性的東西變成一種遊戲化的方式。什麼意思呢?哪怕是一個在當地沒有上過學的人，他打開我們的dAPP，看到這裡有金幣，他只需要開啟這個設備，就能夠像玩遊戲一樣的去吃我們的金幣。所以在一般人看起來就好像是一個可以玩的、可以掙錢的遊戲。但是當人帶著我們的設備去採集的時候，我們設備看到了什麼?全量數據識別和採集，周邊的東西我們都可以進行採集。還記得我剛才說的哪一句話，基於Edge AI的晶片我們可以在周邊每秒感知 250 次。可能對於在座的各位去坐飛機，去拿一個設備去當地採集數據可能不大人道，我們設計了一套空間落地的方法，讓大家都可以參與到這個事情上來。
這是我們在印尼當地在進行的一個AI訓練，我們已經能夠在當地識別 156 種的交通系統裝置，包括這些車牌等等。同時我們不光是採集道路，我們還考慮到路邊的街道以及室內的情況所以我們提供了室內室外一體化的採集方案。
同時向大家宣告，GoWithM空間採集設備網站已經上線了，我們整個的方式、策略都會在網站上體現，歡迎大家關注，謝謝大家。