為什麼需要開放的機器人新時代

在未來 5–8 年，全球機器人數量將突破 10 億台，這將成為它們從「單一展示」邁向「社會分工」的關鍵時刻。機器人將不再只是生產線上的機械手臂，而是能夠感知、理解、決策，並且與人類攜手協作的「同事、老師與夥伴」。

近幾年，機器人硬體如同鍛鍊肌肉般迅速發展，不僅擁有更靈巧的手、更穩健的步態，也有更豐富的感測能力。但真正的門檻並非金屬或馬達本身，而是如何賦予它們能共享與協作的心智：

• 各家廠商軟體互不兼容，導致機器人之間無法共享技能與智慧；
• 決策邏輯被封閉系統鎖死，外界難以驗證或優化；
• 中心化控制架構抑制創新速度，信任成本居高不下。

這種分裂現象，讓機器人產業難以將 AI 模型進展導入可複製的生產力：單機展示層出不窮，卻缺乏跨設備遷移、決策驗證以及標準協作，難以實現規模化。而 OpenMind 要解決的，正是這「最後一哩路」。我們的目標不是打造更會跳舞的機器人，而是要為全球海量異質機器人提供統一的軟體基礎和協作標準：

• 讓機器人具備語境理解與互相學習的能力；
• 讓開發者能在開源、模組化架構上迅速打造應用；
• 讓人與機器在去中心化規則下安全協作與結算。

簡而言之，OpenMind 正在打造機器人的通用作業系統，不僅讓機器人具備感知與行動，更能以去中心化協作，在任何場域安全且規模化地共同運作。

誰支持這條道路：2,000 萬美元融資與全球頂尖陣容

目前，OpenMind 已完成 2,000 萬美元（種子輪＋A 輪）融資，由 Pantera Capital 領投，投資名單包含全球一線科技與資本力量：

• 西方科技與資本生態：Ribbit、Coinbase Ventures、DCG、Lightspeed Faction、Anagram、Pi Network Ventures、Topology、Primitive Ventures 及 Amber Group 等，長年深耕加密與 AI 基礎建設，押注「智能體經濟與機器網路」底層範式；
• 東方產業力量：紅杉中國等耕耘機器人供應鏈與製造體系，深知「打造一台機器並量產交付」的複雜度與門檻；

同時，OpenMind 也與 KraneShares 等傳統資本市場參與者密切互動，攜手探索將「機器人＋智能體」長期價值納入金融結構化產品的可行路徑，實現幣市與股市雙向貫通。2025 年 6 月，當 KraneShares 推出全球人形與具身智能指數 ETF（KOID）時，選用了 OpenMind 與 RoboStore 聯合打造的人形機器人 “Iris” 於納斯達克敲響開市鐘，這是交易所歷史上首度由人形機器人執行此儀式。

如 Pantera Capital 合夥人 Nihal Maunder 所說：

「如果我們期望智慧機器能在開放環境中運作，就必須打造開放的智慧網路。OpenMind 對機器人業界的貢獻，如同 Linux 之於軟體、以太坊之於區塊鏈。」

團隊與顧問：從實驗室到生產線

OpenMind 創辦人 Jan Liphardt 為史丹佛大學副教授、前柏克萊教授，長年專注於資料與分散式系統領域，結合學術與工程實踐。他主張以開源重用、可稽核追溯機制取代黑箱作業，並以跨領域方式結合 AI、機器人與密碼技術。

OpenMind 的核心團隊成員來自 OKX Ventures、Oxford Robotics Institute、Palantir、Databricks、Perplexity 等單位，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議等重點領域。顧問團隊則由產學專家組成（如 Stanford 機器人計畫 Steve Cousins、牛津區塊鏈中心 Bill Roscoe、Imperial College 安全 AI 教授 Alessio Lomuscio），確保機器人「安全、合規、可靠」發展。

OpenMind 的解法：雙層架構，一套秩序

OpenMind 建構了一套可重用基礎設施，讓機器人能跨設備、跨廠商、甚至跨國協同及資訊互通：

• 設備端：提供面向實體機器人的 AI 原生作業系統 OM1，完整串聯感知到執行，讓不同形態機器皆能認知環境並完成任務；
• 網路端：建立去中心化協作網路 FABRIC，提供身份、任務分配與通訊機制，確保協作時機器人能彼此辨識、任務分配、狀態共享。

這種「作業系統＋網路層」組合，讓機器人不僅能獨立行動，更能於統一協作網路中協調流程，完成複雜任務。

OM1：為現實世界打造的 AI 原生作業系統

如同手機需要 iOS 或 Android 執行 App，機器人同樣仰賴作業系統運行 AI 模型、處理感測資料、推論決策並發動行動。

OM1 因應而生，這是面向現實環境的 AI 原生作業系統，使機器人能感知、理解、規劃，並於不同環境自動完成任務。與傳統封閉控制系統不同，OM1 採開放原始碼、模組化，且無硬體依賴（hardware-agnostic），可部署於人形、四足、輪式、機械臂等機型。

四大核心流程：感知到執行

OM1 將機器人智慧分解為四大通用步驟：Perception（感知）→ Memory（記憶）→ Planning（規劃）→ Action（執行）。這流程於 OM1 以模組方式整合，並藉統一資料語言貫穿，構建可組合、可替換、可驗證的智能能力。

OM1 架構圖

架構上，OM1 七層鏈路包括：

• Sensor Layer（感測器層）情報收集：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）情報翻譯：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）情報傳遞：所有感知資料以帶時間戳的語言片段方式在各模組間流通。
• Data Fuser（情境融合層）情報整合：統合多源輸入，產出決策用的完整語境（prompt）。
• Multi-AI Planning/Decision Layer（多智能體規劃層）產生決策：多組 LLM 解析語境，並依鏈上規則產生行動計畫。
• NLDB 下行通道：決策成果透過語言中介層下達硬體執行系統。
• Hardware Abstraction Layer（硬體抽象層）執行行動：語言指令轉換為底層控制指令，驅動硬體動作（移動、語音播報、交易等）。

快速上手，應用多元

要讓創意迅速化為可執行任務，OM1 內建多項工具：

• 技能快速擴增：利用自然語言和大模型，數小時內即可為機器人新增新行為，省去耗時編程。
• 多模態整合：輕鬆組合 LiDAR、影像、聲音等感知模組，開發者免寫複雜感測融合邏輯。
• 內建大模型介面：整合 GPT-4o、DeepSeek、VLMs 等語言／視覺模型，支援語音互動。
• 廣泛軟硬體支援：兼容 ROS2、Cyclone DDS 等主流協議，與現有機器人中介軟體無縫銜接。無論 Unitree G1 人形、Go2 四足或 Turtlebot、機械臂皆可直接串接。
• 整合 FABRIC：OM1 原生支援身份、任務協作與鏈上支付，讓機器人不僅能單機作業，也能全方位參與全球協作網路。

目前 OM1 已導入多種真實應用場景：

• Frenchie（Unitree Go2 四足犬）：於 USS Hornet 國防技術展示 2024 執行複雜現場任務。
• Iris（Unitree G1 人形機器人）：於 EthDenver 2025 Coinbase 攤位展示人機互動，並計畫透過 RoboStore 教育項目導入美國高校課程。

FABRIC：去中心化人機協作網路

即便機器人大腦再強大，若彼此無法安全、可信協作，終究各自為戰。實務上，不同品牌機器人經常自建體系、資訊難共享，跨品牌甚至跨國協作更乏可信身份及標準規範。於是產生以下挑戰：

• 身份與位置驗證：機器人如何證明自己是誰、位於何處、正執行何任務？
• 技能與資料共享：如何授權機器人共享資料或調用技能？
• 控制權界定：如何設定技能使用頻次、範圍與資料回傳條件？

FABRIC 為解決這些痛點而生。這是 OpenMind 打造的去中心化人機協作網路，統一提供機器人與智慧系統的身份、任務、通訊和結算基礎設施。你可以理解成：

• 像 GPS 一樣，讓機器人知道彼此位置、是否可協作；
• 像 VPN 一樣，機器人可安全直連，無需公開 IP 或複雜網路設置；
• 像任務排程系統一樣，任務自動釋出、接受並全程紀錄。

核心應用情境

FABRIC 可因應多元場域，包括但不限於：

• 遠距操作與監控：可從任何地點安全控制機器人，無須專網。
• Robot-as-a-Service 市場：如同叫車般調用機器人，執行清潔、巡檢、配送等任務。
• 群眾地圖與資料收集：機器人或車隊即時上傳路況、障礙、環境變化，產製高精度共享地圖。
• 即時掃描／測繪：臨時派遣鄰近機器人，完成 3D 建模、建築測繪或保險證據收集。

FABRIC 讓「誰做了什麼、在哪裡、完成程度」都可被驗證與追蹤，也讓技能調用和任務執行界線明確。

長遠而言，FABRIC 將成為機器智慧的 App Store：全球技能授權調用，數據回饋模型，推進協作網路自我進化。

Web3 將「開放」深植機器社會底層

目前機器人產業正趨於集中，少數平台掌控所有硬體、演算法與網路，外部創新難以進入。而去中心化價值在於，不論機器人由何廠製造、部署於哪國，都能於開放網路協作、流通技能、結算報酬，無需依賴單一平台。

OpenMind 利用區塊鏈技術，把協作規則、技能存取權限、報酬分配機制寫成公開、可驗證、可優化的「網路秩序」

• 可驗證身份：每台機器人與操作員都於鏈上註冊唯一身份（ERC-7777 標準），硬體特性、責任範圍、權限級別透明可查。
• 任務公開分派：任務並非黑箱分配，而是在公開規則下發布、競價、撮合；所有協作都產生具時空座標的加密憑證，上鏈存證。
• 自動結算分潤：任務完成後，分潤、保險、保證金自動釋放或扣除，所有參與者皆可即時驗證結果。
• 技能自由流通：新技能可由合約設定調用次數與適用設備，兼顧智財保護與全球技能流通。

這套協作秩序開放所有參與者使用、監督及優化。對 Web3 用戶而言，這意謂著機器人經濟自核⼼即具備去壟斷、可組合、可驗證特質——這不僅是賽道機會，更是將「開放」根植於機器社會底層的一次機遇。

讓具身智能走出孤島

不論在醫院巡房、學校學習新技能、還是城市街道巡檢與建模，機器人正逐步走出「展示台」，成為日常分工不可或缺的一員。它們 24 小時運作，規則有序、兼具記憶與技能，能與人類及其他機器順暢協作。

要讓這些場景真正大規模普及，背後不僅需更聰慧的機器，也要一套能促進信任、互通與協作的底層秩序。OpenMind 已以 OM1 和 FABRIC 建下基礎：OM1 讓機器人能理解世界、主動行動，FABRIC 讓這些能力於全球網路間流通。接下來，就是讓這條路延伸進更多城市與網路，讓機器人成為社會網路中值得信賴的長期夥伴。

OpenMind 的藍圖十分明確：

短期：完成 OM1 核心功能原型及 FABRIC MVP，上線鏈上身份與基礎協作功能；

中期：讓 OM1 與 FABRIC 在教育、家庭、企業場域有效落地，結合早期節點、聚攏開發者社群；

長期：將 OM1 與 FABRIC 打造成全球標準，讓任何機器都能如同接入網際網路般加入這個開放機器協作網路，並帶動全球機器經濟可持續運作。

在 Web2 時代，機器人往往被困於單一廠商封閉體系，功能與數據難以流動；而在 OpenMind 世界，每台機器人都是開放網路的平等節點：可自由加入、學習、協作、結算，與人共構可信互聯的全球機器社會。OpenMind 提供的，就是推動這項大規模變革所需的堅實動能。

聲明：

1. 本文轉載自 [TechFlow]，著作權歸原作者 [TechFlow] 所有，如對轉載有任何異議，請聯絡 Gate Learn 團隊，我們將依相關流程盡快處理。
2. 免責聲明：本文所載觀點及意見僅屬作者個人立場，並不構成任何投資建議。
3. 本篇其他語言版本由 Gate Learn 團隊翻譯，未經准許且未註明 Gate ，皆不得轉載、流傳或抄襲本翻譯內容。