從斯坦福實驗室到矽谷街頭：OpenMind 如何破解機器經濟的“最後一公里”難題？

作者：momo，ChainCatcher

2 月 27 日，幣安 Alpha 與幣安合約市場上線 Fabric Protocol（ROBO），上線後前兩天的24h交易量都超過1.4億。此外，ROBO 又陸續登陸 OKX、Coinbase、Kraken、Bybit、Gate.io、HTX 等多家主流交易所的現貨或合約等市場，成為春節復工後首批集中進入主流流動性渠道的新項目之一，引發了大量的關注和討論。

在加密市場整體回歸理性的階段，能持續獲得討論度的新幣並不多見。ROBO 在 TGE 前已形成較強預期，在 Kaito 上出現超募，上線後熱度進一步放大，背後顯然不只是上線交易所的短期效應。

更關鍵的在於其基本面。Fabric Foundation 的核心貢獻團隊之一OpenMind，是一家專注機器人基礎設施的矽谷公司。與常見停留在概念層面的項目不同，它切入的是一個更具產業確定性的方向：一端是具身智能與機器人這條全球科技主線，另一端是鏈上身份、協作與結算網絡所承載的機器經濟框架。

它試圖解決的，並非某個單點應用，而是機器人規模化落地過程中長期存在的系統割裂、協作低效與經濟能力缺失這些更底層、也更難被替代的基礎設施問題。

此外，當不少項目仍停留在白皮書與願景階段時，OpenMind 的產品已經開始進入真實部署，被安裝在世界各地的機器人設備中。可以說，OpenMind 幾乎是現階段加密市場相關項目裡少見、甚至可以稱得上獨苗的機器人基礎設施型項目。也正因如此，ROBO 更像一個可以拆解基本面的產業樣本，而非一次短期情緒驅動的交易機會。

接下來，我們從團隊背景、核心產品與落地進展出發，具體看看：OpenMind 究竟在做什麼？它的規模化路徑是否跑通？以及，這套機器人 × Crypto的基礎設施邏輯，能否真正打開新的增長空間。

一、從斯坦福與谷歌 DeepMind 走出的複合班底

與多數從 Crypto 社區起步、再疊加熱點敘事的項目不同，OpenMind 的團隊底色更像一家典型的矽谷機器人 / AI 創業公司。

創始人 Jan Liphardt 是 Stanford University 生物工程教授，長期從事 AI、生物計算與分佈式系統研究，曾獲得 NIH、NSF、NCI 以及美國能源部等多項科研資助。

CTO Boyuan Chen 出身 MIT CSAIL，並曾在 Google DeepMind 從事前沿 AI 與機器人研究，核心能力集中在強化學習與具身智能系統。

顧問層同樣以學術與產業技術負責人為主，包括前 Willow Garage CEO、ROS 生態重要推動者 Steve Cousins，以及 University of Oxford 區塊鏈研究者 Bill Roscoe、Imperial College London 的安全 AI 教授 Alessio Lomuscio。

整體看下來，這是一支來自頂級學術機構與矽谷科技一線的"科研派 + 工程派"複合團隊，技術棧同時覆蓋機器人、AI 與 Crypto 等多個前沿交叉領域，既懂底層算法與系統架構，也真正做過複雜硬件與真實場景部署。

也正因為這種明顯偏硬科技基礎設施的能力結構，OpenMind 從一開始就更像是在構建長期技術底座，而不是圍繞概念講故事的短周期項目，這或許也成為其獲得頭部資本持續支持的關鍵原因。

據 RootData 數據顯示，2025 年 8 月，OpenMind 完成 2000 萬美元融資，由 Pantera Capital 領投，Ribbit Capital、紅杉中國、Coinbase Ventures、Digital Currency Group、Lightspeed Faction、Anagram、Primitive Ventures、Amber Group 等機構參投，投資方橫跨深科技、金融科技與加密基礎設施領域。

為什麼OpenMind 能獲得來自Web2和Web3頭部資本的集體押注？當這樣一群來自前沿科研與工程一線的技術團隊集體創業，他們究竟看到了機器人產業中的什麼結構性痛點？又為什麼要用區塊鏈協議來重構這條賽道的底層基礎設施？

二、破解機器經濟的"最後一公里"難題

簡單來說，如果把今天的機器人行業類比成十多年前的智能手機時代，OpenMind 想做的事情，其實就是為機器人打造一個"安卓"系統。

過去兩年，機器人開始真正走出實驗室。Tesla 把人形機器人送進工廠測試產線，宇樹科技的四足機器人開始規模出貨，Boston Dynamics 也在加速商業化落地。機器人正從演示樣機，走向倉儲、製造、巡檢乃至消費場景，逐漸成為新的生產力基礎設施。

但當部署數量開始上規模，問題也隨之暴露，機器人行業也開始出現類似"山寨機時代"的問題：系統割裂、生態封閉、彼此不通。

創始人 Jan Liphardt 在此前ChainCatcher的採訪中曾提到，一方面，全球已有 150 多家機器人硬件廠商，各自自建系統、自做生態，幾乎每一家都想成為機器人裡的 iPhone。結果是同樣的能力被反復開發、反復適配，應用難以復用，生態始終碎片化，卻始終缺少一個類似 Android 的通用底座。另一方面，主流軟件體系仍停留在運動控制和導航層面。機器人可以幹活，卻沒有身份、無法自動結算收入、無法建立信用，更無法參與真實世界的協作與交易。

換句話說，它們看著像人類一樣有手有腳，但卻沒有像人類一樣的統一的大腦和神經網絡，導致它們難以成為能夠獨立決策、持續學習、彼此協作的經濟主體。

在 OpenMind 看來，機器人缺的從來不是再多一台硬件，而是一套同時連接設備、應用與網絡的基礎設施層，既統一系統能力，像安卓一樣承載應用生態；也賦予機器人身份、協作與結算能力，讓它們真正接入現實世界的經濟系統。只有這樣，機器人才可能從工具，進化為可以感知、學習、協作、創造價值的參與者。這也正是 OpenMind 創業的出發點。

經過2年時間的打磨，OpenMind 已經搭建起兩層核心產品：開源機器人操作系統 OM1 + 去中心化協作網絡 FABRIC，前者解決單體智能，後者解決群體協作。

1、OM1：給機器人一個真正的"大腦"

如果說今天的機器人還停留在能動的階段，那 OM1 做的事情，就是讓它們開始能理解、能思考。

OM1 本質上是一套開源、AI 原生的機器人操作系統。它不像傳統 ROS 那樣只負責運動控制和導航，而是把感知、記憶、推理和行動全部納入統一框架，讓機器人具備類似人類的完整決策閉環。

簡單理解，就是四步，看見世界 、記住信息 、思考任務、 執行動作。而背後的實現，由大模型和多模態模型驅動，比如攝像頭、激光雷達、語音等傳感器負責感知長期記憶系統保存環境和歷史，主流 LLM 負責規劃和推理，再轉化為具體的控制指令完成動作。

這讓機器人第一次真正具備了"自然語言交互 + 自主決策"能力，而不再只是預設腳本執行器。

OM1 的亮點在於其開放性和通用性，硬件無關設計讓開發者無需為每種機器人重新編寫代碼，目前它已經支持Unitree G1人形機器人、四足機器人等多種形態。而在軟件上也集成了GPT-4o、Gemini等主流LLM，配備激光雷達、SLAM導航、語音交互等功能。團隊將優先推進與宇樹科技、智元機器人、優必選、越疆科技、雲深處科技、加速進化、逐際動力、眾擎的技術集成。

此外，OM1的AI 原生架構支持即插即用集成主流模型，可以實現自然交互，其模塊化結構像App Store一樣，便於擴展技能。

OM1 於 2025 年 9 月發布 Beta 版，已在 GitHub 上開源（MIT 協議），吸引全球數千名開發者參與貢獻和測試，並適配包括宇樹科技、DEEP Robotics、Dobot 和 UBTECH 在內的多種機器人形態，開始進入真實設備部署階段。

值得一提的是，在 Nasdaq 舉辦、由 KraneShares 推出的 ETF 掛牌儀式上，OpenMind 的人形機器人搭載 OM1 操作系統亮相現場，並參與了上市啟動環節。

總的來看，OM1 更像是機器人的"通用大腦 + 應用平台"。這種模式，本質上就是在複製 Android 當年的成功路徑：統一底座 ，降低開發成本從而吸引開發者，形成應用生態。

2、FABRIC：讓機器人彼此"認識"和"協作"的網絡層

但只有大腦還不夠。現實世界裡，機器人很少是單兵作戰。它們需要跨廠商協同、共享信息、分配任務，甚至完成自動結算。

但問題在於，傳統機器人系統大多是封閉網絡，一旦跨品牌或跨平台，協作幾乎要從頭來過。

這就是 OM1 之外，OpenMind 還要再做一層 Fabric Protocol（FABRIC）的原因。

如果說 OM1 解決的是我自己夠不夠聰明，FABRIC 解決的則是我如何和其他機器人安全合作。FABRIC 本質上是一層去中心化的協作與信任網絡，它給每台機器人分配鏈上身份，讓設備可以被識別、建立信用以及記錄行為和自動完成任務結算。

換句話說，機器人不再只是執行指令的工具，而是擁有身份與賬戶的經濟節點。

在這個網絡裡，機器人可以共享技能、同步經驗、調用彼此能力，甚至完成自動化穩定幣微支付和激勵分配。從 Web3 角度看，它更接近，機器之間的身份層 + 信任層 + 協作層。

三、從願景到現實：OpenMind 的真實部署進展

講了這麼多協議、網絡和願景，但真正關鍵的問題只有一個：這些東西，到底有沒有跑起來？

在加密行業裡，我們見過太多先發幣、再找落地場景的項目。白皮書寫得很宏大，Demo 視頻很炫，但產品還停留在測試網階段，現實世界幾乎看不到真正部署。

OpenMind 這次引發大量關注的原因，或許也在於它的路徑正好相反，它是在 OM1 和 FABRIC 已經跑進真實機器人之後，才推進 TGE。

目前最有代表性的兩塊落地成果，一是和 Circle 合作推出的 USDC自動支付充電網絡；二是面向開發者和硬件廠商發售的 BrainPack 機器人智能大腦模塊。

1、讓機器人第一次自己掏錢充電

去年12月，OpenMind 宣布和 Circle 合作，在矽谷部署了全球首個"USDC 機器人自充點"。

簡單說就是，機器人可以自己付錢。當電量低時，它會自動導航到充電站，識別位置，完成USDC 支付，然後完成充電再繼續工作，全程沒有任何人類參與。

聽起來很小，但意義很大，這應該是機器人第一次，具備自主消費能力。它不再只是被管理的設備，而開始像一個經濟主體。

2、給機器人裝上一个通用大腦"BrainPack"

與此同時，OpenMind 推出的 BrainPack 及配套機器人解決方案，旨在幫助更大規模的機器人解決智能不足的問題。

它本質上是一個即插即用的計算背包，大約一個背包大小的模塊，集成高性能計算、傳感器和軟件，可以直接安裝到第三方機器人上，裝上之後，普通機器人立刻獲得，感知、建圖、規劃、記憶，以及用前面提到的USDC支付的自充電管理、邊緣推理等完整自治能力。

比如可以幫助機器人實現實時 3D 建圖、物體識別/標註、隱私保護視覺（自動模糊人臉）等等操作。

它的核心硬件基於 NVIDIA Jetson Thor，並運行自研的 OM1 系統和FABRIC 協議，支持 ROS2、JetPack 7.05 等。你可以理解成，給機器人裝了一个 Android 系統級的大腦。不用重造硬件，也不用等下一代機器，舊設備直接升級成 AI 原生機器人。

BrainPack去年11 月官宣發布了具體的機器狗產品，根據官方預售頁面來看，定金999美元，它支持捆綁 Unitree 機器人套裝，首批完整交付預計在 2026 年 Q1 左右，目前雖處於預購階段，已有開發者和實驗室收到測試版或早期交付。

3、配套應用商店：開始形成生態

在硬件逐步交付的同時，OpenMind 還在搭建更上層的一塊拼圖------應用生態，推出了機器人版 App Store。

邏輯很簡單，就像我們在手機上下載 App 一樣，開發者可以為機器人開發技能和應用，用戶一鍵安裝到自己的設備上。

目前，面向四足和人形機器人的首批應用已經上線。雖然還在早期階段，但這一步的意義在於，OpenMind 不只是賣硬件或系統，而是在嘗試建立一個可持續擴展的開發者平台。

當越來越多機器人接入 OM1 + FABRIC，再疊加應用分發能力，整個網絡才真正具備規模效應。

结语：OpenMind 會不會帶動"機器人+Crypto"概念熱？

近兩年，市場剛剛經歷了一輪 AI + Crypto 的熱潮。但多數項目，本質還是"算力敘事 + 代幣模型"，鏈上和真實世界之間，依然隔著一層。OpenMind 的特別之處在於，它第一次把 Crypto 真正嵌進了機器人這種物理世界的生產力工具裡。

從產業側看，OpenMind 已經在做一件更長期的事情，教育和生態。他們聯合 Unitree Robotics 在美國最大的分銷商 RobotShop（Robostore）推出了完整的人形機器人教育課程和解決方案，目前已服務超過 100 家科研與教育機構，包括 Harvard University、Massachusetts Institute of Technology、Stanford University 等頂尖高校。這或將為其機器經濟未來的生態與網絡效應，以及"機器人 + Crypto"賽道卡位打下良好基礎。

或也正因如此，很多人是通過 OpenMind，才第一次開始認真關注機器人+Crypto基礎設施賽道。

當然，對 OpenMind 來說，比概念熱度更重要的，是部署速度。如果站在更理性的角度看，OpenMind 的優勢很清晰：

一是團隊，頂級學術背景 + 機器人/AI/區塊鏈交叉能力，這種來自各個領域的複合型班底，在 Crypto 項目裡並不常見。

二是賽道卡位。在加密領域裡，真正深耕"機器人基礎設施"的項目幾乎沒有同類，它是這個方向的龍頭和種子選手。當市場開始講"具身智能 + Web3"時，資金和注意力天然會先集中到它身上。

三是落地節奏。OM1、FABRIC、USDC 自充點、BrainPack、應用商店，這些不是路線圖，而是已經開始交付的產品。這讓它更像一家做長期基礎設施的技術公司，而不是敘事驅動的代幣項目。

當然，挑戰同樣存在。機器人行業本身就是重資產、長周期的硬科技賽道，硬件部署慢、成本高、商業化路徑複雜，不可能複製純軟件協議那種指數級擴張。同時，跨廠商標準能否真正統一、開發者生態能否跑起來、機器經濟是否真的形成閉環，這些都還需要時間驗證。

換句話說，OpenMind 面臨的是一場需要耐心和持續力的馬拉松。