DAWN 是一個用於提供互聯網服務的去中心化無線網絡，由 Andrena 團隊開發，業主或居民有機會購買和出售其周圍地區的互聯網容量——使用戶能夠作為自己的互聯網提供商進行運營。 DAWN 促進了一個無需信任的交換系統，該系統採用回程、位置和頻率證明。

Aethir 是一個去中心化的即時渲染網絡，可解鎖元宇宙中的內容可訪問性。 Aethir 建立可擴展、去中心化的雲端基礎架構 (DCI)，其網路可協助遊戲和人工智慧公司（無論大小）將其產品直接交付給消費者，無論他們位於哪裡或擁有什麼硬體。

io.net 是一個去中心化計算網絡，支援在 Solana 區塊鏈上開發、執行和擴展 ML 應用程序，將 100 萬個 GPU 組合在一起，形成世界上最大的 GPU 集群和 DePIN.io.net 聚合來自未充分利用的資源（例如獨立數據中心、加密礦工以及 Filecoin、Render 等物理在客製化、經濟高效且易於實施的系統中獲得大量運算能力。

Filecoin是一種任何人都可以在互聯網上儲存和檢索資料的P2P網絡，內建的經濟激勵機制可確保在使用者指定的時間內可靠、連續地儲存和檢索檔案。

Swan Chain（原名 FilSwan）於 2021 年啟動，是一個旨在加速 AI 應用的去中心化基礎設施。利用 OP Stack 的以太坊第 2 層技術，Swan Chain 將 Web3 與 AI 結合，提供涵蓋儲存、運算、頻寬和支付的全面解決方案。透過利用社區資料中心網路中未充分利用的運算能力，Swan Chain 可將運算成本顯著降低高達 70%，同時實現閒置運算資產的貨幣化。

Meson Network 致力於在 Web3 上創建一個高效的頻寬市場，使用區塊鏈協議模型取代傳統的基於勞動力的銷售模式，以低成本整合和貨幣化來自長尾用戶的閒置頻寬。 Meson 網路「DePIN」節點採用用戶友好技術開發，可容納各種硬件，如個人筆記型電腦，伺服器，物聯網設備等。利用這些網路節點的空閒頻寬，Meson建立了一個將空閒資源與業務需求連結起來的經濟循環。 Meson Network 是去中心化儲存、運算和新興 Web3 Dapp 生態系統的資料傳輸基礎。

CoralApp 致力於將尖端 AI 功能與區塊鏈的變革潛力無縫集成，重新定義行動技術的功能。其產品套件（包括 Coral Phone、Coral OS、Coral Mobile Stack 和 CoralApp）為下一代行動和去中心化體驗提供了全面的方法。

Up Network 是一個連接行動裝置和區塊鏈的 Web3 抽象層，旨在實現數據和資訊的民主化。

IoTeX 是模組化建構AI+DePIN基礎設施的開放平台，旨在打通智慧設備和現實世界資料與Web3的連接通道，讓Web2能夠便捷有效的接入區塊鏈，創造多維數據和場景的去中心化真實世界開放生態。透過模組化構造，開發人員能夠在Web3中聯通智慧穿戴、車聯網、綠色能源、環境數據等從智慧生活到智慧工業的全場景創新應用。n隨著W3bstream ——全球首個針對智慧型裝置和現實世界資料設計的零知識鏈去中心化鏈下運算基礎設施的推出，IoTeX已成為去中心化實體基礎設施網路（DePIN）技術的領先供應商，建構了全情境AI資料堆疊的開放平台，使機器、人類、企業和 dApp 之間能夠以信任和隱私和隱私的各個方式進行互動。 n在全球超過60名研究科學家和工程師的支援下，IoTeX 透過其高效能EVM Layer 1、鏈下運算中介軟體和開放硬體平台，連接了數十億的智慧型裝置、機器、感測器，為現實和數位世界中的 dApp 提供了無縫整合和互動，推動真實世界向去中心化開放生態發展。

Nodepay 是為人工智慧訓練提供去中心化頻寬的網路基礎設施。 透過連接到 Nodepay 網絡，用戶將能夠將未使用的互聯網出售給人工智慧公司，從而實現公共訓練資料、標籤、模型共享和遠端分散式訓練的高效傳輸。

Helium是一個去中心化無線熱點網絡，為支援LoRaWAN的物聯網設備提供公共、遠端無線覆蓋。熱點透過Helium區塊鏈的原生加密貨幣HNT產生並獲得補償。如今，Helium區塊鏈及其數十萬個熱點提供了LoRaWAN網路的存取。

Privasea 是一個 AI + DePIN 項目，專注於建立去中心化的隱私運算基礎設施。該公司的使命是提供高效、用戶友好的全同態加密 (FHE) 解決方案，該解決方案針對 web2 和 web3 環境量身定制，重點關注機器學習 (ML) 應用。

Arweave是一種去中心化資料儲存協議，使資料可以永久儲存並在其permaweb上。 permaweb是一個二級網絡，可讓資料以人類可讀的方式（例如透過web瀏覽器）存取。Arweave透過AR代幣在財務上激勵資料儲存供應商，主網於2018年6月推出。

Titan Network是一個數位資源網絡，旨在透過激勵社區空閒資源與全球需求匹配，讓每個用戶都能輕鬆利用DePIN服務的力量，參與建立價值互聯網。

Network3 正在建立一個去中心化的 AI 基礎設施，用戶可以透過分享頻寬、算力、資料集等為邊端 AI 模型提供推理、微調和訓練服務，從而獲得代幣積分激勵。

peaq是為 Polkadot 上的物聯網（EoT）提供支援的 Web3 網路。 peaq 使企業家和開發人員能夠為車輛、機器人和設備建立去中心化的應用程序，同時授權使用者在聯網機器提供商品和服務時進行管理和賺取收入。

GaiaNet 是一個去中心化網絡，提供安全、抗審查和可貨幣化的人工智慧代理，融合每個人的專有知識和技能，同時保護隱私。 GaiaNet 沒有建立集中式伺服器，而是建立一個由個人和企業控制的邊緣運算節點的分散式網絡，以基於節點運營商專有的領域知識和專業知識來託管經過微調的人工智慧模型。

Ola 是一個由比特幣生態系統激勵的收益增強網絡，透過兩個核心產品，Onis 和 Massive，Ola 構建了一個全面的生態系統，在這個系統中，用戶可以成為 BitVM 挑戰者、ZK 橋接監督者、ZK 驗證節點、數據可用性採樣員以及多種監控角色，從而為比特幣生態系統賦能。

Ankr是一家Web 3.0基礎設施供應商，提供全球分散式節點網絡，用於跨40多個區塊鏈的多鏈訪問，使獲取Web 3.0變得更加容易。 Ankr 為一鍵式節點部署和管理提供分散式區塊鏈基礎設施，並為開發人員提供對主要區塊鏈和 DeFi 協定的即時 API 存取功能。

Advertising Time Trace（ATT）是一個融合RWA和DePin技術的Web3.0項目，利用獨特的DA-AIOT-P（去中心化資產-人工智慧物聯網-支付）機制，建構一個融合實體廣告資產、電商商家、用戶資源和數位技術的全新數位廣告生態系統。該生態系統目前以香港蘭桂坊的一塊LED螢幕為中心，並正在東南亞、日本、韓國和歐洲等重點商業區擴張。

Phala Network正在為dApp開發人員提供一個鏈下運算基礎架構。透過將智慧合約連接到稱為Phat合約的鏈外程序，開發人員可以透過無縫的跨鏈整合、與互聯網的連接和繁重的計算來增強他們的dApp。

Hivemapper 是由人們使用行車記錄器建構的去中心化、不斷更新的地圖。這種新的地圖經濟代表了根本性的轉變人們建構地圖的方式和所有權，與建構全球地圖的人分享經濟利益。

Fuse 是一個去中心化的再生能源網絡，提供分散式能源（DER）安裝、電力交易和電力零售。 Fuse 子公司 Fuse Energy 是一家垂直整合的電力零售商。 Fuse 也推出了再生能源的去中心化實體基礎設施網路 Project Zero。

GM Network 是一個模組化 L2，策略重點是透過DePIN+AI的融合建立閉環生態系統，從而建立橫跨Chain+ID+App的全面閉環系統。

Fluence 是一個 Web3 原生運算平台，用於在無許可的點對點網路上開發和託管應用程式、介面和後端。 Fluence 可以從任何公共資料來源（IPFS、Filecoin、Arweave、Ceramic、Ethereum、Solana、Flow 等）讀取數據，並對其進行計算，並將新計算的資料儲存回任何這些儲存庫中。

Hajime AI 是一個專為家庭設計的去中心化AI Hub，它在邊緣設備網絡上部署豐富可用的AI生態系統，並允許用戶將多餘的計算能力貢獻給Hajime算力網絡，以此支持新創企業並獲得Token獎勵。

Rivalz Network 是一款由人工智慧驅動的 DePin RollApp，用於個人資料來源。 它提供了可驗證的個人、憑證和行為資料的資料來源，並嵌入了隱私和智慧財產權。 它是第一個基於 Dymension 構建並由 Celestia Labs 提供支援的玩家到 AI 網路。

Puffpaw 是 Berachain 上的一個 dePIN 項目，旨在將電子煙帶到鏈上。 Puffpaw 正在創造一種獨特的電子煙來監控吸菸活動，並將整個體驗遊戲化，以激勵人們戒菸。

Pocket Network 是一個用於 Web3 應用程式的區塊鏈資料生態系統，它使用具有成本效益的經濟學來大規模地協調和分發​​資料。借助 Pocket，區塊鏈的使用可以簡單地整合到網站、行動應用程式、物聯網等中，讓開發人員可以自由地將支援區塊鏈的應用程式放入每個主流消費者的「口袋」中。

Multiple Network 是一個以AI為導向的隱私加速網絡，透過基於 P2P 和 SD-WAN 技術的隱私保護和資料加速網絡，透過聚合分散式節點頻寬，提供匿名通訊和加密傳輸服務。 Multiple 提供更高頻寬和更低延遲，廣泛應用於 AI 模型呼叫、搜尋引擎互動以及大規模敏感資料的加密和加速，提升 AI 模型訓練和推理的效率與安全性。