Pi Network披露了一项与机器人 AI 创业公司 OpenMind 的概念验证测试：7 名志愿节点运营者使用分布式闲置算力执行 AI 图像识别任务，任务广播在1 秒内获得响应，推理结果在4 秒内返回。Pi Network称，这次测试说明其超过42 万个节点、对应逾100 万颗 CPU的闲置资源，可以作为第三方 AI 企业的外部计算能力。
OpenMind用Pi节点验证图像识别推理流程
根据 Pi Network 于 3 月 5 日发布的案例报告，OpenMind正在开发机器人操作系统与开源协议，目标是让机器人具备思考、学习和协同工作的能力。报告将其形容为“机器人版 Android 操作系统”。在这类 Physical AI 的研发过程中，模型训练、评估与执行都需要大量算力，图像识别又是其中的核心能力之一。
为测试 Pi 分布式计算是否可用，OpenMind开发了一个容器，能够向单独的计算机发出计算请求。参与测试的 Pi 节点运营者下载该容器后，即可让设备参与 OpenMind 图像识别模型的推理任务。
7名参与者全部完成任务，回传含目标标签与边界框
这次概念验证的重点，不是大规模部署，而是确认第三方任务能否被节点正确接收、执行并返回有效结果。官方报告显示，7 名参与���试的志愿者全部完成任务。工作广播在 1 秒内获得所有工作节点确认，来自多个工作节点的推理结果在 4 秒内返回至 OpenMind。
回传内容包括正确的目标检测标签，例如“公交车”和“行人”，以及相应的边界框数据。Pi Network称，这说明两项能力已经得到初步验证：一是分布式广播链路的可靠性，二是结果返回路径的稳定性。按其说法，节点可以在不影响区块链职责的前提下，选择性承接第三方定义的额外计算任务。
Pi想把节点闲置资源变成AI企业可调用的外部算力
Pi Network在报告中给出的逻辑很直接。由于其区块链采用能效较高的共识机制，节点并不需要耗尽全部算力来维护账本安全，因此全球节点网络里存在可被调度的闲置资源。若这些资源被整合，便可能成为 AI 企业训练和运行模型时的替代算力来源，也能为节点运营者带来以加密货币计酬的新收入渠道。
除算力外，Pi Network还提到，其通过 KYC 的数千万用户也可选择参与“人在回路”的 AI 学习支持任务，为 AI 系统提供可扩展的人类输入。不过报告也写得很清楚：DePIN 与 AI 算力结合仍处于早期研究阶段，这一方向距离大规模商业部署还有很长一段路。眼下披露的只是一个由 7 个节点完成的小规模概念验证。