除了 AI Agent 以外，具身機器人是另一大 AI 時代的垂直落地場景。Morgan Stanley 曾在一份報告中預(yù)測，2050 年全球人形機器人整體市場規(guī)模有望突破 5 萬億美元。

伴隨著 AI 的發(fā)展，機器人將逐漸從工廠里的機械臂逐步進化為我們?nèi)粘Ｉ钪械耐?，依?AI 而獲得感知和理解力，以至于獲得獨立決策的能力。問題是，今天的機器人更像是一群不會互相說話的啞巴：每家廠商用自己的語言、自己的邏輯，軟件互不兼容，智能彼此無法共享。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(xié)同完成任務(wù)了。

OpenMind 想要改變的，正是這個各自為戰(zhàn)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(guī)則、一起完成事情的協(xié)作系統(tǒng)。打個比方，iOS 和安卓讓手機智能應(yīng)用爆發(fā)，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(tǒng)一的操作系統(tǒng)和協(xié)作網(wǎng)絡(luò)。

一句話，OpenMind 正在構(gòu)建機器人的通用操作系統(tǒng)，讓機器人不僅可以感知和行動，還可以通過去中心化協(xié)同，在任意環(huán)境下安全且規(guī)模化的合作。

誰在托舉這套開放底座

OpenMind 已完成 2000 萬美元的種子輪與 A 輪，由 Pantera Capital 領(lǐng)投。更重要的是，資本的廣度與互補幾乎把這條賽道的關(guān)鍵拼圖都帶齊了：一端是來自西方科技與金融生態(tài)的長期力量——Ribbit、Coinbase Ventures、DCG、Lightspeed Faction、Anagram、Pi Network Ventures、Topology、Primitive Ventures——他們熟悉加密與 AI 基礎(chǔ)設(shè)施的范式遷移，能夠為智能體經(jīng)濟 + 機器互聯(lián)網(wǎng)提供模型、網(wǎng)絡(luò)與合規(guī)的經(jīng)驗；另一端是東方的產(chǎn)業(yè)動能——以紅杉中國為代表的供應(yīng)鏈與制造體系——深知把一臺樣機做成可規(guī)模交付的產(chǎn)品意味著哪些工藝與成本門檻。兩股力量的疊加，讓 OpenMind 不只拿到錢，更拿到從實驗室到產(chǎn)線、從軟件到底層制造的路徑與資源。

這條路徑也正在和傳統(tǒng)資本市場接軌。2025 年 6 月，KraneShares 推出全球人形與具身智能指數(shù) ETF（KOID）時，選用了由 OpenMind 與 RoboStore 聯(lián)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。這既是一次技術(shù)與金融敘事的同頻，也是一種關(guān)于機器資產(chǎn)如何被定價與結(jié)算的公開信號。

正如 Pantera Capital 合伙人 Nihal Maunder 所說：

如果我們希望智能機器在開放環(huán)境中運行，就需要一個開放的智能網(wǎng)絡(luò)。OpenMind 正在為機器人做的事，就像 Linux 之于軟件、以太坊之于區(qū)塊鏈。

從實驗室到產(chǎn)線的團隊

OpenMind 的創(chuàng)始人 Jan Liphardt 為斯坦福大學副教授、前伯克利教授，長期研究數(shù)據(jù)與分布式系統(tǒng)，在學界與工程側(cè)均有深耕。他主張推進開源復(fù)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(gòu)，覆蓋機器人控制、感知與導(dǎo)航、多模態(tài)與 LLM 調(diào)度、分布式系統(tǒng)與鏈上協(xié)議等關(guān)鍵環(huán)節(jié)。同時，一支由學術(shù)界與產(chǎn)業(yè)界專家組成的顧問團隊（如 Stanford 機器人負責人 Steve Cousins、牛津區(qū)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(guī)、可靠提供保障。

OpenMind 的解法：兩層架構(gòu)，一套秩序

OpenMind 構(gòu)建了一套可復(fù)用的基礎(chǔ)設(shè)施，讓機器人能跨設(shè)備、跨廠商、甚至跨國界協(xié)作與信息互通：

設(shè)備側(cè)：提供面向?qū)嶓w機器人的 AI 原生操作系統(tǒng) OM1，把從感知到執(zhí)行的全鏈路連成閉環(huán)，讓不同形態(tài)的機器都能理解環(huán)境并完成任務(wù)；

網(wǎng)絡(luò)側(cè)：構(gòu)建去中心化協(xié)作網(wǎng)絡(luò) FABRIC，提供身份、任務(wù)分配與通信機制，確保機器人在協(xié)作時能識別彼此、分配任務(wù)、共享狀態(tài)。

這一套操作系統(tǒng)+網(wǎng)絡(luò)層的組合，讓機器人們不僅能各自行動，更能在一個統(tǒng)一的協(xié)作網(wǎng)絡(luò)中互相配合、對齊流程、一起完成某個復(fù)雜任務(wù)。

OM1：面向?qū)嶓w世界的 AI 原生操作系統(tǒng)

就像手機需要 iOS 或 Android 來運行應(yīng)用，機器人同樣需要一個操作系統(tǒng)來運行 AI 模型、處理傳感器數(shù)據(jù)、做出推理決策并執(zhí)行動作。

OM1 便為此而生，它是一個面向現(xiàn)實世界機器人的 AI 原生操作系統(tǒng)，讓它們能夠感知、理解、規(guī)劃并在各種環(huán)境中完成任務(wù)。與傳統(tǒng)、封閉的機器人控制系統(tǒng)不同，OM1 是開源、模塊化、硬件無關(guān)（hardware-agnostic）的，它可以運行人形、四足、輪式、機械臂等多種形態(tài)上。

四個核心環(huán)節(jié)：從感知到執(zhí)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(guī)劃）→ Action（執(zhí)行）。這套流程被 OM1 完整模塊化，并通過統(tǒng)一的數(shù)據(jù)語言打通，實現(xiàn)可組合、可替換、可驗證的智能能力構(gòu)建。

具體到架構(gòu)，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(tài)、GPS 等多模態(tài)進行感知輸入。

AI + World Captioning Layer（世界理解層）翻譯信息：多模態(tài)模型將視覺、語音、狀態(tài)轉(zhuǎn)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(zhuǎn)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，生成用于決策的完整語境（prompt）。

Multi-AI Planning/Decision Layer（多智能體規(guī)劃層）生成決策：多個 LLM 讀取語境，結(jié)合鏈上規(guī)則生成行動計劃。

NLDB 下行通道：將決策結(jié)果通過語言中間層傳遞給硬件執(zhí)行系統(tǒng)。

Hardware Abstraction Layer（硬件抽象層）做出行動：將語言指令轉(zhuǎn)為底層控制命令，驅(qū)動硬件執(zhí)行（移動、語音播報、交易等）。

快速上手，廣泛落地

為把一個想法盡快變成機器人可執(zhí)行的任務(wù)，OM1 把開發(fā)路徑做成了開箱即用的一條龍：開發(fā)者用自然語言結(jié)合大模型定義目標與約束，數(shù)小時內(nèi)即可生成可復(fù)用的技能包，而不必經(jīng)歷數(shù)月的硬編碼；多模態(tài)管線原生打通 LiDAR、視覺與音頻，省去手寫復(fù)雜的傳感器融合；模型側(cè)預(yù)接好 GPT-4o、DeepSeek 與主流 VLM，語音輸入輸出直接可用；系統(tǒng)層全面兼容 ROS2 與 Cyclone DDS，并通過 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(wù)編排與鏈上結(jié)算接口原生聯(lián)動，使機器人既能單機執(zhí)行，也能加入全球協(xié)作網(wǎng)絡(luò)、按量計費與審計。

在真實世界里，OM1 已經(jīng)完成多場景驗證：四足平臺 Frenchie（Unitree Go2）在 2024 年 USS Hornet 國防技術(shù)展示中跑通復(fù)雜場地任務(wù)，人形平臺 Iris（Unitree G1）在 2025 年 EthDenver 的 Coinbase 展臺完成現(xiàn)場人機交互，并通過 RoboStore 的教育項目走入全美高校課程，把同一套開發(fā)范式擴展到教學與科研的一線。

FABRIC：去中心化的人機協(xié)作網(wǎng)絡(luò)

即便單機智能足夠強，如果彼此無法在可信前提下協(xié)同，機器人仍舊只能各自為戰(zhàn)?，F(xiàn)實里的割裂來自三個根本問題：身份與位置無法被標準化證明，導(dǎo)致我是誰、我在哪、我正在做什么難以被外部信任；技能與數(shù)據(jù)缺少可控的授權(quán)路徑，無法在多主體之間安全共享與調(diào)用；控制權(quán)與責任邊界不清，頻率、范圍和回傳條件難以被事先約定、事后追溯。FABRIC 針對這些痛點給出系統(tǒng)級解法：用去中心化協(xié)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(wù)發(fā)布與匹配、端到端加密通信、執(zhí)行記錄與自動結(jié)算的一體化基礎(chǔ)設(shè)施，讓協(xié)作從臨時對接變成有憑有據(jù)的制度。

在運行形態(tài)上，可以把 FABRIC 理解為把定位、連接、調(diào)度合在一起的網(wǎng)絡(luò)平面：身份與位置被持續(xù)簽名與校驗，使節(jié)點天然擁有彼此可見且可信的鄰近關(guān)系；點到點通道像一條按需建立的加密隧道，無需公網(wǎng) IP 和復(fù)雜網(wǎng)絡(luò)設(shè)置就能遠程操控與監(jiān)控；任務(wù)從發(fā)布到接單、執(zhí)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(guī)或保險場景下復(fù)核誰在何時何地完成了什么。在此之上，典型應(yīng)用自然生長出來：企業(yè)可以跨地域遠程運維設(shè)備，城市可以把清潔、巡檢、配送做成可按量調(diào)用的 Robot-as-a-Service，車隊可以實時匯報路況與障礙生成共享地圖，需要時還可就近調(diào)度機器人完成 3D 掃描、建筑測繪或保險取證。

隨著身份、任務(wù)與結(jié)算三件事被同一網(wǎng)絡(luò)托管，協(xié)作的邊界被事先寫清，執(zhí)行的事實被事后驗證，技能的調(diào)用有了可度量的成本與收益。長期看，F(xiàn)ABRIC 將演進為機器智能的應(yīng)用分發(fā)層：技能以可編程的授權(quán)條款在全球范圍內(nèi)流通，調(diào)用產(chǎn)生的數(shù)據(jù)又反哺模型與策略，使整張協(xié)作網(wǎng)絡(luò)在可信約束下持續(xù)自我升級。

Web3 正在把開放寫進機器社會

機器人行業(yè)正快速集中于少數(shù)平臺，硬件、算法與網(wǎng)絡(luò)被封閉棧鎖住。去中心化的價值，在于讓任何品牌、任意地域的機器人在同一開放網(wǎng)絡(luò)中協(xié)作、交換技能并完成結(jié)算，而不必依附單一平臺。OpenMind 用鏈上基礎(chǔ)設(shè)施把這一秩序編碼化：每臺機器人與操作員擁有唯一鏈上身份（ERC-7777），硬件指紋與權(quán)限可查；任務(wù)在公共規(guī)則下發(fā)布、競價與匹配，執(zhí)行過程生成帶時間與位置的加密證明上鏈存證；任務(wù)完成后合約自動結(jié)算分潤、保險與押金，結(jié)果可實時核驗；新技能通過合約設(shè)定調(diào)用次數(shù)與適配設(shè)備，在保護知識產(chǎn)權(quán)的同時實現(xiàn)全球流通。由此，機器人經(jīng)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(xié)議。

讓具身智能走出孤島

機器人正從展臺走向日常：醫(yī)院里巡視病房，校園里學習新技能，城市里完成巡檢與建模。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、信息互通、協(xié)同辦事；要規(guī)?；?，技術(shù)之外更關(guān)鍵的是分發(fā)與供給。

OpenMind 的落地路徑因此從渠道入手而不是堆疊參數(shù)。與 RoboStore（宇樹在美國最大的經(jīng)銷商之一）聯(lián)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件的一體化供給。教育體系算得上是最穩(wěn)的需求側(cè)，這條鏈路直接把 OM1 植入未來幾年的開發(fā)者與應(yīng)用增量。

面向更廣的社會分發(fā)，OpenMind 依托投資人生態(tài)把軟件的出?？谧龀善脚_化。Pi 等體量龐大的加密生態(tài)也為這一模式增添了想象力，逐步形成有人寫、有人用、有人付費的正向飛輪。由教育渠道提供穩(wěn)定的供給，由平臺分發(fā)帶來規(guī)模的需求，OM1 與上層應(yīng)用由此具備可復(fù)制的擴張軌跡。

在 Web2 時代，機器人多被鎖在單一廠商的封閉棧里，功能與數(shù)據(jù)難以跨平臺流動；當教材標準與分發(fā)平臺接上之后，OpenMind 把開放變成默認設(shè)置：同一套系統(tǒng)進入校園、走向產(chǎn)業(yè)，再通過平臺網(wǎng)絡(luò)持續(xù)擴散，讓開放成為規(guī)?；涞氐哪J起點。