除了 AI Agent 之外，具身機器人是 AI 時代另一個極具落地潛力的重要垂直應用場景。Morgan Stanley 在一份報告中預測，到 2050 年，全球人形機器人市場總規模可望突破 5 兆美元。

隨著 AI 持續演化，機器人正逐漸從工廠機械臂擴展到日常生活的夥伴，憑藉 AI 獲得感知、理解能力，甚至具備自主決策的能力。問題在於，目前機器人大多像一群無法溝通的「啞巴」：每家廠商有各自的語言與邏輯，軟體互不相容，智能無法共享。這就像你同時擁有小米和特斯拉，它們甚至無法協同行路況判斷，更遑論共同完成複雜任務。

OpenMind 致力於改變這種「各自為政」的現狀。他們不生產機器人，而是打造一套「讓機器人說同一種語言、遵循同一規範、協力完成任務」的協作系統。就如同 iOS 與 Android 促使手機智能應用爆發，以太坊成為加密世界的共同基礎，OpenMind 期望為全球機器人構建統一的「作業系統」及「協作網路」。

總結來說，OpenMind 正在打造機器人的通用作業系統，讓機器人不僅能感知、行動，還能透過去中心化協作，在任何環境下安全且大規模地合作。

誰在支撐這個開放底座

OpenMind 已完成 2,000 萬美元種子輪及 A 輪融資，由 Pantera Capital 領投。更重要的是，資本的「廣度與互補性」幾乎集合了此賽道的所有關鍵拼圖：一端是西方科技與金融生態的長線力量——Ribbit、Coinbase Ventures、DCG、Lightspeed Faction、Anagram、Pi Network Ventures、Topology、Primitive Ventures——他們熟悉加密與 AI 基礎設施的範式轉型，能為「智能體經濟 + 機器網路」帶來模型、網路與合規經驗；另一端是以紅杉中國為代表的供應鏈和製造體系——深知「將樣機商品化、大規模量產」的工藝與成本門檻。兩股力量匯流，讓 OpenMind 不只取得資金，更獲得「從實驗室到產線、從軟體到底層製造」的完整路徑和產業資源。

這條路徑也逐步與傳統資本市場接軌。2025 年 6 月，KraneShares 推出全球人形與具身智能指數 ETF（KOID）時，特別選用由 OpenMind 與 RoboStore 聯合定制的人形機器人 Iris 在納斯達克敲響開市鐘，開創了交易所史上首位「機器人來賓」完成儀式的紀錄。這不僅是技術與金融敘事的共振，更是「機器資產如何定價與結算」的公開信號。

正如 Pantera Capital 合夥人 Nihal Maunder 所言：

「如果我們希望智能機器能在開放環境下運行，就必須擁有一個開放的智能網路。OpenMind 為機器人做的事，正如 Linux 之於軟體、以太坊之於區塊鏈。」

從實驗室到產線的團隊

OpenMind 創辦人 Jan Liphardt 為史丹佛大學副教授、前柏克萊教授，長期專注於資料與分布式系統研究，累積深厚的學術與工程實力。他主張推動開源重用，以可稽核、可追溯的機制取代黑箱，並採跨領域方法整合 AI、機器人、密碼學。

OpenMind 核心團隊成員來自 OKX Ventures、Oxford Robotics Institute、Palantir、Databricks、Perplexity 等知名機構，涵蓋機器人控制、感知與導航、多模態與大語言模型調度、分布式系統及鏈上協議等關鍵領域。同時，團隊還匯聚學術界與產業專家顧問（如 Stanford 機器人主管 Steve Cousins、牛津區塊鏈中心 Bill Roscoe、Imperial College 安全 AI 教授 Alessio Lomuscio），共同保障機器人「安全、合規、可靠」標準。

OpenMind 的解方：雙層架構，一套秩序

OpenMind 建立了一套可重用基礎設施，讓機器人能跨裝置、跨廠商、甚至跨國協作與資訊互通：

設備端：推出面向實體機器人的 AI 原生作業系統 OM1，將感知到執行全流程串連成閉環，讓各類型機器都能理解環境並完成任務；

網路端：搭建去中心化協作網路 FABRIC，提供身分、任務分配與通訊機制，確保機器人協作時能互相識別、分配任務及共享狀態。

這套「作業系統+網路層」組合，讓機器人不只可獨立行動，更能在統一協作網路中協力配合、流程對齊，共同達成複雜任務。

OM1：面向實體世界的 AI 原生作業系統

如同手機須有 iOS 或 Android 才能運行應用，機器人同樣仰賴作業系統運行 AI 模型、處理傳感器資料、推理決策並執行動作。

OM1 因此誕生，作為面向現實機器人的 AI 原生作業系統，使其能感知、理解、規劃並在各種環境下完成任務。OM1 不像傳統封閉控制系統，而是開源、模組化、硬體無關（hardware-agnostic），可支援人形、四足、輪式、機械臂等各種形態。

四大核心流程：從感知到執行

OM1 將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）。這組流程由 OM1 完整模組化，並以統一資料語言貫通，實現可組合、可替換、可驗證的智能構建能力。

OM1 架構圖

具體而言，OM1 架構包含七層：

Sensor Layer（感測器層）收集資訊：包括攝影機、LIDAR、麥克風、電池狀態、GPS 等多模態感知輸入。

AI + World Captioning Layer（世界理解層）翻譯資訊：多模態模型將影像、語音、狀態轉換為自然語言描述（例如「你看到一個人在揮手」）。

Natural Language Data Bus（自然語言總線）傳遞資訊：所有感知資料轉成帶時間戳的語言片段，在各模組間流通。

Data Fuser（情境融合層）組合資訊：整合多源輸入，生成決策用的完整情境（prompt）。

Multi-AI Planning/Decision Layer（多智能體規劃層）產生決策：多個 LLM 讀取情境，結合鏈上規則生成行動計畫。

NLDB 下行通道：將決策結果經語言中介層傳送至硬體執行系統。

Hardware Abstraction Layer（硬體抽象層）執行指令：語言指令轉換為底層控制命令，驅動硬體動作（移動、語音播報、交易等）。

快速上手，廣泛落地

為讓「一個想法」迅速轉化為「機器人可執行的任務」，OM1 讓開發流程成為一條龍開箱即用：開發者以自然語言和大型模型定義目標與條件，數小時內即可產生可重用技能包，無須漫長手動編碼；多模態管線原生串連 LiDAR、視覺、音頻，不需繁瑣感測器融合程式；模型端預設連接 GPT-4o、DeepSeek 和主流 VLM，語音輸入輸出直接可用；系統層完全兼容 ROS2、Cyclone DDS，並能透過 HAL 適配多種機器人（如 Unitree G1、Go2、Turtlebot 以及各式機械臂）；同時與 FABRIC 身分、任務編排及鏈上結算介面原生串連，使機器人能單機執行，也可加入全球協作網路，實現即時計費與稽核。

在真實世界，OM1 已完成多場景驗證：四足平台 Frenchie（Unitree Go2）於 2024 年 USS Hornet 國防技術展示中完成複雜場地任務；人形平台 Iris（Unitree G1）於 2025 年 EthDenver Coinbase 展台現場人機互動，並透過 RoboStore 教育計畫推廣至美國數百高校課程，將統一開發模式擴展至教研一線。

FABRIC：去中心化的人機協作網路

即使單一機器人智能再強，若無法在可信基礎上協同，仍只能各自為政。現實割裂來自三大問題：身分與位置難以標準化驗證，使「我是誰、我在哪、我正在做什麼」難以外部信任；技能與資料缺少可控授權路徑，無法安全共享調用；控制權與責任界線模糊，頻率、範圍、回報條件難以事前約定、事後追溯。FABRIC 針對這些痛點給出系統解法：以去中心化協議為機器人與操作員建立鏈上可驗證身分，圍繞該身分提供任務發布、媒合、端到端加密通訊、執行紀錄及自動結算基礎設施，讓協作從「臨時對接」轉為「制度化、有憑有據」。

FABRIC 可視為融合「定位、連線、調度」的網路平面：身分與位置持續簽名與校驗，節點間自然構成「彼此可見且可信」的鄰近關係；點對點通道如加密隧道，不需公開 IP 或複雜網路設置即可遠端控制監控；任務從發布到接單、執行到驗收，全程標準化紀錄，清算時自動分潤退押，合規或保險情境下可複查「誰何時何地完成何事」。在此基礎上，企業可跨區遠端維運設備，城市能把清潔、巡檢、配送做成 Robot-as-a-Service，車隊即時回報路況、障礙並生成共享地圖，亦可就近調度機器人進行 3D 掃描、建築測繪或保險取證。

隨著身分、任務與結算均由此網路託管，協作邊界事前明確、執行事實事後可驗證，技能調用擁有明確成本和收益。長遠來看，FABRIC 將成為機器智能的「應用分發層」：技能憑可編程授權條款於全球流通，調用產生的資料反饋模型與策略，促使整體協作網路在可信基礎下持續自我升級。

Web3 正在把「開放」寫入機器人社會

機器人產業正迅速集中至少數平台，硬體、演算法與網路受封閉架構限制。去中心化的價值在於，任何品牌、任何地區機器人都能在同一開放網路下協作、交換技能並完成結算，無需依附單一平台。OpenMind 以鏈上基礎設施將此秩序編碼化：每台機器人與操作者獨享唯一鏈上身分（ERC-7777），硬體指紋與權限可查；任務依公共規則發布、競價、媒合，執行過程產生含時間與位置加密證明並上鏈存證；任務結束後合約自動分潤結算、處理保險與保證金，成果可即時驗證；新技能透過合約設置調用次數與設備適配，兼顧知識產權與全球流通。因此，機器人經濟自誕生即具備抗壟斷、可組合、可稽核的基因，「開放」原則深植機器人社會底層協議。

讓具身智能走出孤島

機器人正邁向日常：醫院巡房、校園學習新技能、城市巡檢和建模。真正的挑戰不在於馬達效能，而是如何讓來自不同來源的機器彼此信任、信息互通、協同作業；若要達到規模化，技術外，分發與供給更是關鍵。

因此，OpenMind 從渠道著手，而不只是疊加技術參數。攜手 RoboStore（美國最大宇樹經銷商之一），將 OM1 推廣為標準化教材與實驗套件，在全美上千所高校同步促進軟硬體一體化供應。教育體系屬最穩定需求端，這條鏈路直接將 OM1 植入未來幾年開發者與應用增量。

針對更廣泛社會分發，OpenMind 以投資人生態做平台化「軟體出海口」。Pi 等大型加密生態亦為此模式賦能，推動「有人開發、有人使用、有人付費」的正向循環。由教育管道穩定供給，平台分發帶動規模需求，OM1 與上層應用因而具備可複製、可擴張的軌跡。

在 Web2 時代，機器人多被鎖在單一廠商封閉架構中，功能與資料難以跨平台流通；而教材標準與分發平台串聯後，OpenMind 使「開放」成為預設：同一系統進入校園、進入產業，並透過平台網路持續擴散，進一步將「開放」作為規模化落地的起點。

聲明：

1. 本文轉載自 [BlockBeats]，著作權歸原作者 [BlockBeats] 所有，如對轉載有疑義，請聯絡 Gate Learn 團隊，將按相關流程儘速處理。
2. 免責聲明：本文所表達之觀點及意見僅代表作者個人立場，並不構成任何投資建議。
3. 文章其他語言版本由 Gate Learn 團隊翻譯，未經明確提及 Gate，不得複製、傳播或抄襲翻譯內容。