从斯坦福实验室到硅谷街头：OpenMind 如何破解机器经济的“最后一公里”难题？

作者：momo，ChainCatcher

2 月 27 日，币安 Alpha 与币安合约市场上线 Fabric Protocol（ROBO），上线后前两天的24h交易量都超过1.4亿。此外，ROBO 又陆续登陆 OKX、Coinbase、Kraken、Bybit、Gate.io、HTX 等多家主流交易所的现货或合约等市场，成为春节复工后首批集中进入主流流动性渠道的新项目之一，引发了大量的关注和讨论。

在加密市场整体回归理性的阶段，能持续获得讨论度的新币并不多见。ROBO 在 TGE 前已形成较强预期，在 Kaito 上出现超募，上线后热度进一步放大，背后显然不只是上线交易所的短期效应。

更关键的在于其基本面。Fabric Foundation 的核心贡献团队之一OpenMind，是一家专注机器人基础设施的硅谷公司。与常见停留在概念层面的项目不同，它切入的是一个更具产业确定性的方向：一端是具身智能与机器人这条全球科技主线，另一端是链上身份、协作与结算网络所承载的机器经济框架。

它试图解决的，并非某个单点应用，而是机器人规模化落地过程中长期存在的系统割裂、协作低效与经济能力缺失这些更底层、也更难被替代的基础设施问题。

此外，当不少项目仍停留在白皮书与愿景阶段时，OpenMind 的产品已经开始进入真实部署，被安装在世界各地的机器人设备中。可以说，OpenMind 几乎是现阶段加密市场相关项目里少见、甚至可以称得上独苗的机器人基础设施型项目。也正因如此，ROBO 更像一个可以拆解基本面的产业样本，而非一次短期情绪驱动的交易机会。

接下来，我们从团队背景、核心产品与落地进展出发，具体看看：OpenMind 究竟在做什么？它的规模化路径是否跑通？以及，这套机器人 × Crypto的基础设施逻辑，能否真正打开新的增长空间。

一、从斯坦福与谷歌 DeepMind 走出的复合班底

与多数从 Crypto 社区起步、再叠加热点叙事的项目不同，OpenMind 的团队底色更像一家典型的硅谷机器人 / AI 创业公司。

创始人 Jan Liphardt 是 Stanford University 生物工程教授，长期从事 AI、生物计算与分布式系统研究，曾获得 NIH、NSF、NCI 以及美国能源部等多项科研资助。

CTO Boyuan Chen 出身 MIT CSAIL，并曾在 Google DeepMind 从事前沿 AI 与机器人研究，核心能力集中在强化学习与具身智能系统。

顾问层同样以学术与产业技术负责人为主，包括前 Willow Garage CEO、ROS 生态重要推动者 Steve Cousins，以及 University of Oxford 区块链研究者 Bill Roscoe、Imperial College London 的安全 AI 教授 Alessio Lomuscio。

整体看下来，这是一支来自顶级学术机构与硅谷科技一线的"科研派 + 工程派"复合团队，技术栈同时覆盖机器人、AI 与 Crypto 等多个前沿交叉领域，既懂底层算法与系统架构，也真正做过复杂硬件与真实场景部署。

也正因为这种明显偏硬科技基础设施的能力结构，OpenMind 从一开始就更像是在构建长期技术底座，而不是围绕概念讲故事的短周期项目，这或许也成为其获得头部资本持续支持的关键原因。

据 RootData 数据显示，2025 年 8 月，OpenMind 完成 2000 万美元融资，由 Pantera Capital 领投，Ribbit Capital、红杉中国、Coinbase Ventures、Digital Currency Group、Lightspeed Faction、Anagram、Primitive Ventures、Amber Group 等机构参投，投资方横跨深科技、金融科技与加密基础设施领域。

为什么OpenMind 能获得来自Web2和Web3头部资本的集体押注？当这样一群来自前沿科研与工程一线的技术团队集体创业，他们究竟看到了机器人产业中的什么结构性痛点？又为什么要用区块链协议来重构这条赛道的底层基础设施？

二、破解机器经济的"最后一公里"难题

简单来说，如果把今天的机器人行业类比成十多年前的智能手机时代，OpenMind 想做的事情，其实就是为机器人打造一个"安卓"系统。

过去两年，机器人开始真正走出实验室。Tesla 把人形机器人送进工厂测试产线，宇树科技的四足机器人开始规模出货，Boston Dynamics 也在加速商业化落地。机器人正从演示样机，走向仓储、制造、巡检乃至消费场景，逐渐成为新的生产力基础设施。

但当部署数量开始上规模，问题也随之暴露，机器人行业也开始出现类似"山寨机时代"的问题：系统割裂、生态封闭、彼此不通。

创始人 Jan Liphardt 在此前ChainCatcher的采访中曾提到，一方面，全球已有 150 多家机器人硬件厂商，各自自建系统、自做生态，几乎每一家都想成为机器人里的 iPhone。结果是同样的能力被反复开发、反复适配，应用难以复用，生态始终碎片化，却始终缺少一个类似 Android 的通用底座。另一方面，主流软件体系仍停留在运动控制和导航层面。机器人可以干活，却没有身份、无法自动结算收入、无法建立信用，更无法参与真实世界的协作与交易。

换句话说，它们看着像人类一样有手有脚，但却没有人类一样的统一的大脑和神经网络，导致它们难以成为能够独立决策、持续学习、彼此协作的经济主体。

在 OpenMind 看来，机器人缺的从来不是再多一台硬件，而是一套同时连接设备、应用与网络的基础设施层，既统一系统能力，像安卓一样承载应用生态；也赋予机器人身份、协作与结算能力，让它们真正接入现实世界的经济系统。只有这样，机器人才能从工具，进化为可以感知、学习、协作、创造价值的参与者。这也正是 OpenMind 创业的出发点。

经过2年时间的打磨，OpenMind 已经搭建起两层核心产品：开源机器人操作系统 OM1 + 去中心化协作网络 FABRIC，前者解决单体智能，后者解决群体协作。

1、OM1：给机器人一个真正的"大脑"

如果说今天的机器人还停留在能动的阶段，那 OM1 做的事情，就是让它们开始能理解、能思考。

OM1 本质上是一套开源、AI 原生的机器人操作系统。它不像传统 ROS 那样只负责运动控制和导航，而是把感知、记忆、推理和行动全部纳入统一框架，让机器人具备类似人类的完整决策闭环。

简单理解，就是四步，看见世界 、记住信息 、思考任务、 执行动作。而背后的实现，由大模型和多模态模型驱动，比如摄像头、激光雷达、语音等传感器负责感知长期记忆系统保存环境和历史，主流 LLM 负责规划和推理，再转化为具体的控制指令完成动作。

这让机器人第一次真正具备了"自然语言交互 + 自主决策"能力，而不再只是预设脚本执行器。

OM1 的亮点在于其开放性和通用性，硬件无关设计让开发者无需为每种机器人重新编写代码，目前它已经支持Unitree G1人形机器人、四足机器人等多种形态。而在软件上也集成了GPT-4o、Gemini等主流LLM，配备激光雷达、SLAM导航、语音交互等功能。团队将优先推进与宇树科技、智元机器人、优必选、越疆科技、云深处科技、加速进化、逐际动力、众擎的技术集成。

此外，OM1的AI 原生架构支持即插即用集成主流模型，可以实现自然交互，其模块化结构像App Store一样，便于扩展技能。

OM1 于 2025 年 9 月发布 Beta 版，已在 GitHub 上开源（MIT 协议），吸引全球数千名开发者参与贡献和测试，并适配包括宇树科技、DEEP Robotics、Dobot 和 UBTECH 在内的多种机器人形态，开始进入真实设备部署阶段。

值得一提的是，在 Nasdaq 举办、由 KraneShares 推出的 ETF 挂牌仪式上，OpenMind 的人形机器人搭载 OM1 操作系统亮相现场，并参与了上市启动环节。

总的来看，OM1 更像是机器人的"通用大脑 + 应用平台"。这种模式，本质上就是在复制 Android 当年的成功路径：统一底座 ，降低开发成本从而吸引开发者，形成应用生态。

2、FABRIC：让机器人彼此"认识"和"协作"的网络层

但只有大脑还不够。现实世界里，机器人很少是单兵作战。它们需要跨厂商协同、共享信息、分配任务，甚至完成自动结算。

但问题在于，传统机器人系统大多是封闭网络，一旦跨品牌或跨平台，协作几乎要从头来过。

这就是 OM1 之外，OpenMind 还要再做一层 Fabric Protocol（FABRIC） 的原因。

如果说 OM1 解决的是我自己够不够聪明，FABRIC 解决的则是我如何和其他机器人安全合作。FABRIC 本质上是一层去中心化的协作与信任网络，它给每台机器人分配链上身份，让设备可以被识别、建立信用以及记录行为和自动完成任务结算。

换句话说，机器人不再只是执行指令的工具，而是拥有身份与账户的经济节点。

在这个网络里，机器人可以共享技能、同步经验、调用彼此能力，甚至完成自动化稳定币微支付和激励分配。从 Web3 视角看，它更接近，机器之间的身份层 + 信任层 + 协作层。

三、从愿景到现实：OpenMind 的真实部署进展

讲了这么多协议、网络和愿景，但真正关键的问题只有一个：这些东西，到底有没有跑起来？

在加密行业里，我们见过太多先发币、再找落地场景的项目。白皮书写得很宏大，Demo 视频很炫，但产品还停留在测试网阶段，现实世界几乎看不到真正部署。

OpenMind 这次引发大量关注的原因，或许也在于它的路径正好相反，它是在 OM1 和 FABRIC 已经跑进真实机器人之后，才推进 TGE。

目前最有代表性的两块落地成果，一是和 Circle 合作推出的 USDC自动支付充电网络；二是面向开发者和硬件厂商发售的 BrainPack 机器人智能大脑模块。

1、让机器人第一次自己掏钱充电

去年12月，OpenMind 宣布和 Circle 合作，在硅谷部署了全球首个"USDC 机器人自充点"。

简单说就是，机器人可以自己付钱。当电量低时，它会自动导航到充电站，识别位置 ，完成USDC 支付，然后完成充电再继续工作，全程没有人类参与。

听起来很小，但意义很大，这应该是机器人第一次，具备自主消费能力。它不再只是被管理的设备，而开始像一个经济主体。

2、给机器人装上一个通用大脑"BrainPack"

与此同时，OpenMind 推出的 BrainPack 及配套机器人解决方案，旨在帮助更大规模的机器人解决智能不足的问题。

它本质上是一个即插即用的计算背包，大概一个背包大小的模块，集成高性能计算、传感器和软件，可以直接安装到第三方机器人上，装上之后，普通机器人立刻获得，感知、建图、规划、记忆，以及用前面提到的USDC支付的自充电管理、边缘推理等完整自治能力。

比如可以帮助机器人实现实时 3D 建图、物体识别/标注、隐私保护视觉（自动模糊人脸）等等操作。

它的核心硬件基于 NVIDIA Jetson Thor，并运行自研的 OM1 系统和FABRIC 协议，支持 ROS2、JetPack 7.05 等。你可以理解成，给机器人装了一个 Android 系统级的大脑。不用重造硬件，也不用等下一代机器，老设备直接升级成 AI 原生机器人。

BrainPack去年11 月官宣发布了具体的机器狗产品，根据官方预售页面来看，定金999美元，它支持捆绑 Unitree 机器人套装，首批完整交付预计在 2026 年 Q1 左右，目前虽处于预购阶段，已有开发者和实验室收到测试版或早期交付。

3、配套应用商店：开始形成生态

在硬件逐步交付的同时，OpenMind 还在搭建更上层的一块拼图------应用生态，推出了机器人版 App Store。

逻辑很简单，就像我们在手机上下载 App 一样，开发者可以为机器人开发技能和应用，用户一键安装到自己的设备上。

目前，面向四足和人形机器人的首批应用已经上线。虽然还在早期阶段，但这一步的意义在于，OpenMind 不只是卖硬件或系统，而是在尝试建立一个可持续扩展的开发者平台。

当越来越多机器人接入 OM1 + FABRIC，再叠加应用分发能力，整个网络才真正具备规模效应。

结语：OpenMind 会不会带动"机器人+Crypto"概念热？

近两年，市场刚刚经历了一轮 AI + Crypto 的热潮。但多数项目，本质还是"算力叙事 + 代币模型"，链上和真实世界之间，依然隔着一层。OpenMind 的特别之处在于，它第一次把 Crypto 真正嵌进了机器人这种物理世界的生产力工具里。

从产业侧看，OpenMind 已经在做一件更长期的事情，教育和生态。他们联合 Unitree Robotics 在美国最大的分销商 RobotShop（Robostore）推出了完整的人形机器人教育课程和解决方案，目前已服务超过 100 家科研与教育机构，包括 Harvard University、Massachusetts Institute of Technology、Stanford University 等顶尖高校。这或将为其机器经济未来的生态与网络效应，以及"机器人 + Crypto"赛道卡位打下良好基础

或也正因为如此，很多人是通过 OpenMind，才第一次开始认真关注机器人+Crypto基础设施赛道。

当然，对 OpenMind 来说，比概念热度更重要的，是部署速度。如果站在更理性的角度看，OpenMind 的优势很清晰：

一是团队，顶级学术背景 + 机器人/AI/区块链交叉能力，这种来自各个领域的复合型班底，在 Crypto 项目里并不常见。

二是赛道卡位。在加密领域里，真正深耕"机器人基础设施"的项目几乎没有同类，它是这个方向的龙头和种子选手。当市场开始讲"具身智能 + Web3"时，资金和注意力天然会先集中到它身上。

三是落地节奏。OM1、FABRIC、USDC 自充点、BrainPack、应用商店，这些不是路线图，而是已经开始交付的产品。这让它更像一家做长期基础设施的技术公司，而不是叙事驱动的代币项目。

当然，挑战同样存在。机器人行业本身就是重资产、长周期的硬科技赛道，硬件部署慢、成本高、商业化路径复杂，不可能复制纯软件协议那种指数级扩张。同时，跨厂商标准能否真正统一、开发者生态能否跑起来、机器经济是否真的形成闭环，这些都还需要时间验证。

换句话说，OpenMind 面临的是一场需要耐心和持续力的马拉松。