我越看 @vangrid_io，越覺得它真正有意思的地方，是它怎麼讓「資料需求」找到「願意去採集的人」。 想像一個很簡單的場景。 某家公司想讓機器人學會在某個城市的商場、倉庫或街區裡移動。 它缺的可能不是網路上再多 10 萬張照片。 它可能只需要 某個地方、某個時間、某種環境的 Ground-level Spatial Data。 這時候，單純讓大家自由採集會遇到一個問題。 人都會去自己方便的地方。 熱門商圈有人拍。 市中心有人拍。 旅遊景點有人拍。 最後資料會越來越集中在「本來就容易取得資料」的地方。 Vangrid 的做法是 Commissioned Capture。 Requester 可以提出指定地點的需求，提供 Bounty，資金會先放進 Escrow。 Contributor 看到需求後，可以自己去完成 Capture。 提交之後，如果 Requester 接受，Reward 才會釋放。 這個機制最有意思的一點，是它把： 「哪裡有人」 變成 「哪裡真的缺資料」 甚至直接把 Coverage 當成網路可以主動調整的變數。 因為如果某個地方資料很少，提高那裡的採集獎勵，就有機會讓 Contributor 願意花時間前往。 所以 Vangrid 想建立的其實是一個很具體的循環： 有人需要資料 → 發布需求 → 提供 Bounty → 有人去採集 → 資料完成交付 → Reward 釋放 這跟單純鼓勵大家「多拍一點」是完全不同的經濟結構。 我覺得這也是 Spatial Data 網路很容易被忽略的一個問題。 資料數量很多，不代表資料分布合理。 真正有價值的資料，很多時候恰恰存在於大家懶得特別跑一趟的地方。 而 Bounty 解決的，就是「為什麼我要特地去那裡」這個問題。