除了 AI Agent 以外,具身機器人是另一個大 AI 時代的垂直落地場景。 Morgan Stanley 曾在報告中預測,2050 年全球人形機器人整體市場規模可望突破 5 兆美元。
伴隨著 AI 的發展,機器人將逐漸從工廠裡的機械臂逐步進化為我們日常生活中的同伴,依靠 AI 而獲得感知和理解力,以至於獲得獨立決策的能力。問題是,現今的機器人更像是一群不會互相說話的「啞巴」:每個廠商商用自己的語言、自己的邏輯,軟體互不相容,智慧彼此無法分享。這就像你買了一輛小米、一輛特斯拉,但它們連路況都無法一起判斷,更別提協同完成任務了。
OpenMind 想要改變的,正是這個「各自為戰」的局面。他們不造機器人,而是要搭建一個「讓機器人說同一種語言、遵守同一套規則、一起完成事情」的協作系統。打個比方,iOS 和安卓讓手機智慧型應用程式爆發,以太坊讓加密世界有了共同底座,而 OpenMind 想做的,是為全球機器人打造一個統一的「作業系統」和「協作網路」。
一句話,OpenMind 正在建構機器人的通用作業系統,讓機器人不僅可以感知和行動,還可以透過去中心化協同,在任意環境下安全且規模化的合作。
OpenMind 已完成 2000 萬美元的種子輪與 A 輪,由 Pantera Capital 領投。更重要的是,資本的「廣度與互補」幾乎把這條賽道的關鍵拼圖都帶齊了:一端是來自西方科技與金融生態的長期力量——Ribbit、Coinbase Ventures、DCG、Lightspeed Faction、Anagram、Pi Network Ventures、Topology、Primitive Ventures——他們熟悉加密範式機器互聯網」提供模型、網路與合規的經驗;另一端是東方的產業動能-以紅杉中國為代表的供應鏈與製造體系-深知「把一台樣機做成可規模交付的產品」意味著哪些製程與成本門檻。兩股力量的疊加,讓 OpenMind 不只拿到錢,更拿到「從實驗室到產線、從軟體到下層製造」的路徑與資源。
這條路徑也正在和傳統資本市場接軌。 2025 年 6 月,KraneShares 推出全球人形與具身智能指數 ETF(KOID)時,選用了由 OpenMind 與 RoboStore 聯合定制的人形機器人 Iris 在納斯達克敲響開市鐘,成為交易所歷史上首位完成這一儀式的“機器人來賓”。這既是一次科技與金融敘事的同頻,也是一種關於「機器資產如何被定價與結算」的公開訊號。
正如 Pantera Capital 合夥人 Nihal Maunder 所說:
「如果我們希望智慧機器在開放環境中運行,就需要一個開放的智慧網路。OpenMind 正在為機器人做的事,就像 Linux之於軟體、以太坊之於區塊鏈。他主張推動開源、以可審計、可追溯的機制取代黑箱、用跨學科方法整合 AI、機器人和密碼學。
OpenMind 的核心團隊來自 OKX Ventures、Oxford Robotics Institute、Palantir、Databricks、Perplexity 等機構,涵蓋機器人控制、感知與導航、多模態與 LLM 調度、分散式系統與鏈上協定等關鍵環節。同時,一支由學術界與產業界專家組成的顧問團隊(如 Stanford 機器人負責人 Steve Cousins、牛津區塊鏈中心 Bill Roscoe、Imperial College 安全 AI 教授 Alessio Lomuscio)也為機器人的「安全、合規、可靠」提供保障。
OpenMind 建構了一套可復用的基礎設施,讓機器人能跨設備、跨廠商、甚至跨國界與協作資訊互通:4p>
系統的設備OM1,把從感知到執行的全鏈路連成閉環,讓不同形態的機器都能理解環境並完成任務; 網路側:建構去中心化協作網路 FABRIC,提供身分、任務分配與通訊機制,確保機器人在協作時能辨識彼此、分配任務、共享狀態。 這套「作業系統+網路層」的組合,讓機器人們不僅能各自行動,更能在一個統一的協作網路中互相配合、對齊流程、一起完成某個複雜任務。 就像手機需要 iOS 或 Android 來運作應用,機器人同樣需要一個作業系統來運行 AI 模型、處理感測器資料、做出推理決策並執行動作。 OM1 便為此而生,它是一個面向現實世界機器人的 AI 原生作業系統,讓它們能夠感知、理解、規劃並在各種環境中完成任務。與傳統、封閉的機器人控制系統不同,OM1 是開源、模組化、硬體無關(hardware-agnostic)的,它可以運行人形、四足、輪式、機械手臂等多種形態上。 OM1 把機器人智慧拆解為四個通用步驟:Perception(感知)→ Memory(記憶)→ Planning(執行)→ Action(執行)。這套流程被 OM1 完整模組化,並透過統一的資料語言打通,實現可組合、可替換、可驗證的智慧能力建構。 OM1 的架構 具體到架構,OM1 的七層鏈路如下: AI + World Captioning Layer(世界理解層)翻譯訊息:多模態模型將視覺、語音、狀態轉為自然語言描述(如「你看到一個人在揮手」)。 Natural Language Data Bus(自然語言總線)傳遞訊息:所有感知被轉成帶有時間戳記的語言片段,在不同模組間傳遞。 Data Fuser(情境融合層)組合資訊:整合多來源輸入,產生用於決策的完整情境(prompt)。 Multi-AI Planning/Decision Layer(多智能體規劃層)產生決策:多個 LLM 讀取語境,結合鏈上規則產生行動計畫。 NLDB 下行通道:將決策結果透過語言中間層傳遞給硬體執行系統。 Hardware Abstraction Layer(硬體抽象層)做出行動:將語言指令轉為底層控制指令,驅動硬體執行(行動、語音播報、交易等)。 為把“一個想法”盡快變成“機器人可執行的任務”,OM1 把開發路徑做成了開箱即用的一條龍:開發者用自然語言結合大管模型定義目標與數字 LiDAR、視覺與音頻,省去手寫複雜的傳感器融合;模型側預接好 GPT-4o、DeepSeek 與主流 VLM,語音輸入輸出直接可用;系統層全面兼容 ROS2 與 Cyclone DDS,並通過 HAL 適配層無縫接入 Unitree G1、Go2、Turtlebot 與各類機械臂;同時與 FABRIC的身份、任務編排與鏈上結算介面原生聯動,使機器人既能單機執行,也能加入全球協作網路、按量計費與審計。 在真實世界裡,OM1 已經完成多場景驗證:四足平台 Frenchie(Unitree Go2)在 2024 年 USS Hornet 國防技術展示中跑通複雜場地任務,人形平台 Iris(Unitree G1)在 2025 年 EthDenver 的 Coinbased的教育計畫走入全美大學課程,把同一套開發典範擴展到教學與科學研究的第一線。 即便單機智慧夠強,如果彼此無法在可信任前提下協同,機器人仍舊只能各自為戰。現實裡的割裂來自三個根本問題:身分與位置無法被標準化證明,導致「我是誰、我在哪裡、我正在做什麼」難以被外部信任;技能與資料缺少可控的授權路徑,無法在多主體之間安全共享與調用;控制權與責任邊界不清,頻率、範圍和回傳條件難以被事先約定、事後追溯。 FABRIC 針對這些痛點給出系統級解法:用去中心化協議為機器人與操作員建立可驗證的鏈上身份,圍繞該身份提供任務發布與匹配、端到端加密通信、執行記錄與自動結算的一體化基礎設施,讓協作從“臨時對接”變成“有憑有據的製度”。 在運行形態上,可以將 FABRIC 理解為將「定位、連接、調度」合在一起的網路平面:身份與位置被持續簽名與校驗,使節點天然擁有「彼此可見且可信」的鄰近關係;點到點通道像一條按需建立的加密隧道,無需公網 IP和複雜網路設定就能遠端操控與監控;任務從發佈到接單、執行到驗收的全過程被標準化記錄,既能在清算時自動分潤與退押,也能在合規或保險場景下複核“誰在何時何地完成了什麼”。在此之上,典型應用自然生長出來:企業可以跨地域遠端運維設備,城市可以把清潔、巡檢、配送做成可按量調用的 Robot-as-a-Service,車隊可以即時匯報路況與障礙生成共享地圖,需要時還可就近調度機器人完成 3D 掃描、建築測繪或保險取證。 隨著身份、任務與結算三件事被同一網絡託管,協作的邊界被事先寫清,執行的事實被事後驗證,技能的調用有了可度量的成本與收益。長期看,FABRIC 將演進為機器智能的「應用分發層」:技能以可編程的授權條款在全球範圍內流通,調用產生的數據又反哺模型與策略,使整個協作網絡在可信約束下持續自我升級。 機器人產業正快速集中於少數平台,硬體、演算法與網路被封閉堆疊鎖住。去中心化的價值,在於讓任何品牌、任意地域的機器人在同一開放網路中協作、交換技能並完成結算,而不必依附單一平台。 OpenMind 用鏈上基礎設施把這一秩序編碼化:每台機器人與操作員擁有唯一鏈上身份(ERC-7777),硬體指紋與權限可查;任務在公共規則下發布、競價與匹配,執行過程生成帶時間與位置的加密證明上鏈存證;知識產權完成後合約自動結算分潤、保險與保險單與保險單與適能由此,機器人經濟自誕生起就具備抗壟斷、可組合、可審計的基因,「開放」被寫進機器社會的底層協議。 機器人正從展台走向日常:醫院裡巡視病房,校園裡學習新技能,城市裡完成巡檢與建模。真正的難點不在更強的馬達,而在讓不同來源的機器彼此可信、資訊互通、協同辦事;要規模化,技術之外更關鍵的是分發與供給。 OpenMind 的落地路徑因此從頻道入手而不是堆疊參數。與 RoboStore(宇樹在美國最大的經銷商之一)聯手,把 OM1 做成標準化教材與實驗套件,在全美幾千所高校同步推進軟硬體的一體化供給。教育體係算是最穩的需求面,這條連結直接把 OM1 植入未來幾年的開發者與應用增量。 面向更廣的社會分發,OpenMind 依托投資人生態把「軟體的出海口」做成平台化。 Pi 等體量龐大的加密生態也為此模式增添了想像力,逐步形成「有人寫、有人用、有人付費」的正向飛輪。由教育管道提供穩定的供給,由平台分發帶來規模的需求,OM1 與上層應用由此具備可複製的擴張軌跡。 在 Web2 時代,機器人多被鎖在單一廠商的封閉棧裡,功能與數據難以跨平台流動;當教材標準與分發平台接上之後,OpenMind 把開放變成默認設置:同一套系統進入校園、走向產業,再通過平台網絡持續擴散,讓開放成為規模化落地的起點。 歡迎加入律動 BlockBeats 官方社群: Telegram 訂閱群:https://t.me/theblockbeats Telegram 交流群:https://t.me/BlockBeats_App Twitter 官方帳號:https://twitter.com/BlockBeatsAsiaOM1:實體世界的 AI 原生作業系統
四個核心環節:從感知到執行
快速上手,廣泛落地
FABRIC:去中心化的人機協作網路
Web3 正在把「開放」寫入機器社會
讓具身智能走出孤島