為什麼需要一個開放的機器人時代
在未來 5–8 年，地球上的機器人數量將突破 10 億臺，這是它們從“單機演示”走向“社會分工”的拐點。機器人將不僅只是流水線上的機械臂，而是能夠感知、理解、決策並與人類協作的“同事、老師和夥伴”。
近年來，機器人硬件像肌肉一樣迅猛增長，它們擁有更靈巧的手、更穩的步態和更豐富的傳感。但真正的瓶頸不在於金屬與電機，而在於如何讓它們具備共享與協作的心智：
各廠商的軟件互不兼容，機器人之間無法共享技能與智能；
決策邏輯被封閉系統鎖住，外界無法驗證或優化；
中心化的控制架構意味著創新速度受限，信任成本高。
這種割裂導致機器人產業難以把 AI 的模型進步轉化為可複製的生產力：機器人的單機 Demo 層出不窮，但缺少跨設備遷移、可驗證決策和標準化協作，進而難以規模化。而 OpenMind 要解決的，正是這“最後一公里”。我們的目標不是造一臺更會跳舞的機器人，而是為全球海量異構機器人提供統一的軟件地基與協作標準：
讓機器人具備理解語境和彼此學習的能力；
讓開發者在開源、模塊化的架構上快速搭建應用；
讓人和機器在去中心化的規則下安全協作與結算。
一句話，OpenMind 正在構建機器人的通用操作系統，讓機器人不僅可以感知和行動，還可以通過去中心化協同，在任意環境下安全且規模化的合作。
誰在押注這條路：20M 融資與全球陣容
目前，OpenMind 已完成 2000 萬美元（Seed + Series A）融資，由 Pantera Capital領投，投資陣容涵蓋全球頂尖的科技與資本力量：
西方的技術與資本生態：Ribbit、Coinbase Ventures、DCG、Lightspeed Faction、Anagram、Pi Network Ventures、Topology、Primitive Ventures 和 Amber Group 等，他們長期深耕加密與 AI 基礎設施，押注“智能體經濟與機器互聯網”的底層範式；
東方的產業能量：紅杉中國等深耕機器人供應鏈與製造體系，理解“把一臺機器做出來並規模化交付”的全部難度與門檻；
與此同時，OpenMind 也與 KraneShares 等傳統資本市場參與方保持緊密交流，共同探索將“機器人 + 智能體”的長期價值納入金融結構化產品的通路，以此實現幣股雙向貫通。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 聯合定製的人形機器人 “Iris” 在納斯達克敲響開市鍾，這也是交易所歷史上首次由人形機器人完成這一儀式。
正如 Pantera Capital 合夥人 Nihal Maunder 所說：
“如果我們希望智能機器在開放環境中運行，就需要一個開放的智能網絡。OpenMind 正在為機器人做的事，就像 Linux 之於軟件、以太坊之於區塊鏈。”
團隊與顧問：從實驗室到產線
OpenMind 的創始人 Jan Liphardt 為斯坦福大學副教授、前伯克利教授，長期研究數據與分佈式系統，在學界與工程側均有深耕。他主張推進開源複用、以可審計、可追溯的機制替代黑箱、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，覆蓋機器人控制、感知與導航、多模態與 LLM 調度、分佈式系統與鏈上協議等關鍵環節。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 的解法：兩層架構，一套秩序
OpenMind 構建了一套可複用的基礎設施，讓機器人能跨設備、跨廠商、甚至跨國界協作與信息互通：
設備側：提供面向實體機器人的 AI 原生操作系統 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；
網絡側：構建去中心化協作網絡 FABRIC，提供身份、任務分配與通信機制，確保機器人在協作時能識別彼此、分配任務、共享狀態。
這一套“操作系統+網絡層”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絡中互相配合、對齊流程、一起完成某個複雜任務。
OM1：面向實體世界的 AI 原生操作系統
就像手機需要 iOS 或 Android 來運行應用，機器人同樣需要一個操作系統來運行 AI 模型、處理傳感器數據、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 原生操作系統，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、模塊化、硬件無關（hardware-agnostic）的，它可以運行人形、四足、輪式、機械臂等多種形態上。
四個核心環節：從感知到執行
OM1 把機器人智能拆解為四個通用步驟：Perception（感知） → Memory（記憶） → Planning（規劃） → Action（執行）。這套流程被 OM1 完整模塊化，並通過統一的數據語言打通，實現可組合、可替換、可驗證的智能能力構建。
OM1 的架構
具體到架構，OM1 的七層鏈路如下：
Sensor Layer（傳感器層）收集信息：攝像頭、LIDAR、麥克風、電池狀態、GPS 等多模態進行感知輸入。
AI + World Captioning Layer（世界理解層）翻譯信息：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）傳遞信息：所有感知被轉成帶時間戳的語言片段，在不同模塊間傳遞。
Data Fuser（情境融合層）組合信息：整合多源輸入，生成用於決策的完整語境（prompt）。
Multi-AI Planning/Decision Layer（多智能體規劃層）生成決策：多個 LLM 讀取語境，結合鏈上規則生成行動計劃。
NLDB 下行通道：將決策結果通過語言中間層傳遞給硬件執行系統。
Hardware Abstraction Layer（硬件抽象層）做出行動：將語言指令轉為底層控制命令，驅動硬件執行（移動、語音播報、交易等）。
快速上手，廣泛落地
為了讓一個想法能儘快落地成機器人執行的任務，OM1 內置了這些工具：
快速新增技能：用自然語言和大模型，就能在數小時內給機器人添加新行為，而非幾個月的硬編碼。
多模態組合：輕鬆融合 LiDAR、視覺、聲音等感知，讓開發者不必自己寫複雜的傳感器融合邏輯。
預配置大模型接口：內置 GPT-4o、DeepSeek、VLMs 等語言/視覺模型，支持語音交互。
廣泛的軟硬件兼容：支持 ROS2、Cyclone DDS 等主流協議，與現有機器人中間件無縫銜接。無論是 Unitree G1 人形、Go2 四足，還是 Turtlebot、機械臂，都能直接接入。
對接 FABRIC：OM1 原生支持身份、任務協調和鏈上支付，讓機器人不僅能單機完成任務，還能參與全球協作網絡。
目前，OM1 已落地於多個真實場景：
Frenchie（Unitree Go2 四足機器狗）：在 USS Hornet 國防技術展示 2024 中完成複雜場地任務。
Iris（Unitree G1 人形機器人）：在 EthDenver 2025 Coinbase 展臺進行現場人機交互演示，並計劃通過 RoboStore 的教育項目進入全美高校課程。
FABRIC：去中心化的人機協作網絡
即便有了強大的大腦，如果機器人彼此之間無法安全、可信地協作，依舊只能各自為戰。現實中，不同廠商的機器人往往自建系統、各自為政，技能和數據無法共享；跨品牌甚至跨國協作則更加缺乏可信身份與標準規則。於是，一些難題出現了：
身份與位置證明：機器人怎麼證明自己是誰、在哪、在做什麼？
技能與數據共享：如何授權機器人共享數據、調用技能？
定義控制權：如何設定技能使用的頻率、範圍與數據回傳的條件？
FABRIC就是為解決這些問題而設計的。它是 OpenMind 打造的去中心化人機協作網絡，為機器人與智能系統提供身份、任務、通信與結算的統一基礎設施。你可以把它理解為：
像 GPS 一樣，讓機器人知道彼此在哪、是否接近、是否適合協作；
像 VPN 一樣，讓機器人們安全直連，不需要公網 IP 和複雜網絡設置；
像任務調度系統一樣，自動發佈、接收並記錄任務執行全過程。
核心應用場景
FABRIC 已可適配多種實用場景，包括但不限於：
遠程操控與監控：從任何地方安全控制機器人，無需專用網絡。
Robot-as-a-Service 市場：像打車一樣調用機器人，完成清潔、巡檢、配送等工作。
眾包地圖與數據採集：車隊或機器人實時上傳路況、障礙物、環境變化，生成可共享的高精地圖。
按需掃描/測繪：臨時調用附近機器人，完成 3D 建模、建築測繪或保險場景下的證據採集。
FABRIC 讓“誰在做事、在哪裡、完成了什麼”都可被驗證與追溯，也讓技能調用與任務執行有清晰的邊界。
長遠來看，FABRIC 將會成為機器智能的 App Store：技能可被全球授權調用，調用產生的數據反哺模型，推動協作網絡持續進化。
Web3 正在把“開放”寫進機器社會
現實中，機器人行業正在加速集中，少數平臺掌握硬件、算法和網絡，外部創新被擋在門外。而去中心化的意義就在於，無論機器人由誰製造、運行在哪個國家，都能在一個開放的網絡中合作、交換技能、結算報酬，而不必依附某個單一平臺。
OpenMind 用鏈上基礎設施，把協作規則、技能訪問權限、報酬分配方式寫成公開、可驗證、可改進的“網絡秩序”
可驗證身份：每臺機器人和每位操作員都會在鏈上註冊獨一無二的身份（ERC-7777 標準），硬件特徵、職責範圍、權限級別都透明可查。
公開分配任務：任務不是在封閉黑箱中分派，而是在公共規則下發布、競價、匹配；所有的協作過程會生成帶時間與位置的加密證明，上鍊存證。
自動結算與分潤：任務完成後，分潤、保險、押金的釋放或扣除將自動執行，任何參與方都能實時驗證結果。
技能自由流通：新技能可通過鏈上合約設置調用次數、適用設備等，既保護知識產權，也讓技能在全球範圍內自由流通。
這是一個所有參與者都能使用、監督和改進的協作秩序。對 Web3 用戶而言，這意味著機器人經濟從誕生之初就具備抗壟斷、可組合、可驗證的基因——這不僅是一個賽道機會，更是一次將“開放”刻進機器社會底層的機會。
讓具身智能走出孤島
無論是在醫院巡視病房，在學校學習新技能，還是在城市街區完成巡檢與建模，機器人都在逐漸走出“展臺演示”，成為人類日常分工的穩定組成部分。它們 24H 運作，遵守規則，有記憶且有技能，並能與人和其他機器自然協作。
要讓這些場景真正規模化落地，背後需要的不僅是更聰明的機器，還要有一套讓它們彼此可信、互通、協作的基礎秩序。OpenMind 已經用 OM1 和 FABRIC 在這條路上鋪下了第一批“路基”：前者讓機器人真正理解世界並自主行動，後者讓這些能力在全球網絡中流通。接下來，就是把這條路延伸到更多城市和網絡中，讓機器成為社會網絡中可依賴的長期夥伴。
OpenMind 的路線很明確：
短期：完成 OM1 核心功能原型和 FABRIC MVP，上線鏈上身份與基礎協作能力；
中期：在教育、家庭、企業中落地 OM1 和 FABRIC，連接早期節點、聚集開發者社區；
長期：把 OM1和 FABRIC 打造成全球標準，讓任何機器都可以像接入互聯網一樣接入這個開放的機器協作網絡，並形成可持續運行的全球機器經濟。
在 Web2 時代，機器人多被鎖定在單一廠商的封閉系統中，功能和數據無法跨平臺流動；而在 OpenMind 構建的世界中，它們是開放網絡的平等節點：能自由加入、學習、協作和結算，並與人類共同構成可信互聯的全球機器社會。OpenMind 提供的，正是讓這種轉變可規模化的能強大能力。
