對話 OpenMind 創始人：獲 Pantera、紅杉等 2000 萬美元投資後，機器人版“安卓”系統走到哪一步了？

嘉賓：Jan Liphardt，OpenMind 創始人

訪談整理：momo，ChainCatcher

在史丹佛大學與加州大學伯克利分校從事科研與教學數十年後，物理學與生物工程學副教授 Jan Liphardt 敏銳地察覺到，機器人領域一場深度的結構性變革正在發生。

一方面，機器人正加速從實驗室與工廠走向現實場景，但其"大腦"卻仍陷於分散與封閉之中，超過150家硬體廠商各自為戰，主流軟體仍停留在機械控制層面，系統之間難以協作，更無法實現機器與人的自然互動乃至機器間的價值交換。

另一方面，區塊鏈技術歷經十多年發展，其不可篡改的帳本、去中心化治理與微支付能力，已為機器間的身份互認、可信協作與經濟互動提供了基礎設施層面的可能性。

正是這兩股趨勢的交匯，催生了 Liphardt 創立 OpenMind 的核心構想：為機器人構建一個如同安卓般開放、可協作的"操作系統"，讓機器具備跨平台、跨廠商的社交與協同能力，真正實現思考、學習與協作。

2025年8月，OpenMind這一願景獲得了Pantera Capital、紅杉中國、Coinbase Ventures等多家知名機構的2000萬美元投資押注。

隨著融資完成，OpenMind核心產品和商業化的進展在加快。其核心開源系統OM1已吸引全球數千名開發者，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，計劃逐步在學校與家庭場景中開展試點。基於OM1打造的機器狗，已具備識別主人、記憶物品及家庭守護等能力。此外，OpenMind即將上線一個專為四足機器人和人形機器人服務的應用商店，目前首款應用已就緒。

近期，在接受ChainCatcher的訪談中，Jan Liphardt 圍繞創業動因、技術路徑與行業挑戰展開闡述，系統解析了機器人行業的協作痛點、開源生態的價值以及去中心化協議在實現機器社會協作中的關鍵作用。

為什麼"機器人"需要去中心化的"安卓"？

1. 您在史丹佛等高校的生物工程研究與教學背景十分深厚。我們好奇，您是從何時、因何契機開始關注區塊鏈與去中心化系統的？這一跨界視角如何重塑了您對機器人技術未來發展，尤其是智能與協作本質的思考？

Jan Liphardt ：我們確實身處一個非常特殊的時代，機器正在漸漸"甦醒"。關於這一點，我從三個層面來考慮：

第一，人工智能本質上是全球性的。AI模型並不在乎你身在哪個國家。技術演進的速度非常快，但跨國監管與治理框架的建立往往需要數年甚至數十年。像"到底誰來負責？"或者"這個機器人屬於美國、中國還是日本？"這類問題，我們真的沒有太多時間可以糾結。而區塊鏈的去中心化特性，恰恰有助於降低障礙，讓對AI和機器人的國際治理變得更及時、更有效。

第二，AI並非天生就善良、守規矩。我們必須建立新的系統，來永久記錄"什麼是真實的""什麼是對的"，這就需要不可篡改的帳本技術。

第三，和人類一樣，非生物的思維機器也會用經濟學邏輯來分配自己的時間與資源。所以，我們現在就必須開始構建適合它們的支付系統和市場機制。

回過頭看，其實特別幸運。過去18年裡，全球成千上萬的人已經默默建起了健壯、安全、不可變且去中心化的帳本體系。很可能，區塊鏈會成為未來80億人類與越來越聰明的機器共存、協作的核心技術基礎。

2. OpenMind 旨在為機器人構建去中心化"安卓"系統，這一宏大願景最初是如何誕生的？從穩定的學術界轉向充滿不確定性的創業之路，您是如何做出這個決定的？

Jan Liphardt ：我們的想法其實挺直接的，今天有數十億部手機，來自不同的廠家，但都能跑安卓。機器人未來也會類似，所以，我們也需要一個給思維機器用的"安卓"。

至於從學術界走到創業，我的看法是，生活本來就沒有絕對的穩定或安全，每個階段都有不同的機會和難題。如果你真想做成一件大事，就得在不同的時候，運用不同的工具組合，有時候需要深耕基礎科學，有時候則需要一個資金充足、動作快、且有商業思維的團隊。

3.您認為當前機器人行業面臨的最大痛點是什麼？為什麼傳統機器人系統方案難以解決這些問題？

Jan Liphardt ：在硬體方面，諸如靈巧手這樣的關鍵部件，其可靠性仍是一個瓶頸。試想，一個擁有五根手指、12個自由度的機械手，如果運轉一百小時後就出現故障，它的實用價值何在？當然，物流、運輸、國防、手術這些具體場景正在快速成熟，但對"通用機器人"來說，什麼才是最佳的切入場景，行業裡還在摸索。

這個領域目前非常分散，光是做人形機器人或其他形態機器人的硬體公司，就超過150家。很多家的夢想是成為"機器人裡的iPhone"，軟硬體、雲、數據、生態全部自己掌控。但我們相信，就像手機行業一樣，通用機器人不會只有一個贏家，而是會湧現出許多強大的參與者。

另一方面，傳統的ROS類軟體，重心放在機械任務與導航上，但未來讓機器人更聰明、更有用的，往往是社交與認知能力。

此外，ROS無法提供硬體身份標識、內置的經濟保障（比如保證金、懲罰或自動結算），也沒有便捷安全的支付機制，更難以讓機器向資本市場或DeFi證明自己在現實世界中的工作（例如作為真實世界資產RWA或DePIN）。在OpenMind看來，這些能力恰恰是機器人實現安全與高度自主的關鍵。

4. 創業時機至關重要。您認為現在是推動這一願景落地的關鍵節點嗎？是哪些技術的成熟或市場需求的演變，共同構成了這個"時機"？

Jan Liphardt ：是的，我們認為時機已經到來。無論是機器人硬體還是軟體，在許多應用場景中都已跨過了"足夠好"的門檻。

亞馬遜在倉庫裡部署的機器人已經超過百萬台，舊金山的街道上隨處可見Waymo的自動駕駛車。我們預計，到2026年，第一批通用機器人就能進入美國家庭，開始真正地做一些有用的事情。

當然，像拉麵、片烤鴨這類高難度的精細動作，對人形機器人來說仍有挑戰。但這些屬於相對邊緣的場景，不應該成為阻礙機器人進入家庭、學校、醫院和辦公環境的理由。

另一方面，在加密技術領域，穩定幣、Layer2、資產托管等基礎設施也已足夠成熟，能夠支持機器與機器之間進行可靠、高效的微支付結算。我們與Circle合作的機器結算協議，正是這個方向的一次實踐驗證。

與中國機器人製造商共推多場景落地

5. 從官方資料來看，OpenMind 目前的核心產品包括開源的機器人操作系統 OM1 和去中心化網絡 FABRIC 協議。除此之外，還有哪些重要板塊？能否系統介紹一下核心產品的能力與分工，以及它們是如何協作的？

Jan Liphardt ：簡單來說，OM1 的目標是讓單個機器變得智能。而 FABRIC 則是一個全球性的去中心化網絡，主要想解決的是機器之間、以及人機之間的協作問題。比如說，它能讓機器人有自己的身份標識，可以安全地和其他機器或人類協調任務，甚至還可以支持機器人之間交易數字產品，像是某種機器人技能芯片。

6. OM1 目前的研發進展如何？接下來需要重點突破哪些能力？

Jan Liphardt ：關於OM1的進展，目前有幾個直觀的指標。我們在GitHub上的星標數已經超過2500個，而行業同類項目通常是在30到80之間。我們有300多位活躍貢獻者，最近兩周大約有7500名獨立開發者來訪問我們的代碼庫。

在落地方面，OM1已經適配了多種機器人形態，包括人形機器人、雙足機器人和機器狗。它還被用來驅動我們打造的、全球首款由區塊鏈治理並接入去中心化網絡的機器狗。

我們現在的工作重點有兩個方向：

一是開始構建定制化模型，專門解決在真實場景部署中遇到的具體瓶頸；二是在改進機器人仿真工具，讓它們更適配"社交機器人"的開發需求，而不只是為物理操控服務。舉個例子，目前主流的仿真環境比如英偉達的Isaac Sim，還無法模擬人聲交互，這對於需要與人類對話、在充滿家庭噪音、電視聲、小孩和寵物的環境中工作的社交機器人來說，是一個挺大的障礙。我們正在這些方面投入努力。

裝有OpenMind OM1的機器人見證首個人形機器人ETF KraneShares KOID發布

7. 你們在線下活動和社交媒體上展示了基於 OpenMind 系統的機器狗。能否分享目前為這些機器狗提供了哪些能力？相比傳統系統方案，它們具備哪些優勢？

Jan Liphardt ：目前我們的機器狗已經具備不少能力了。它能認出誰是主人，可以繪製家裡的環境地圖，檢查周圍並記住像鑰匙、眼鏡這樣的物品位置，還能回答數學題和一些常見問題。它也會關注主人的狀態，比如檢測到有人倒在地上一動不動時，會判斷是否需要醫療救助，平時還能幫忙守護家庭安全。

我們基本上每週都在為它增加新技能。現在的家庭測試一般能持續運行6小時。下個重要目標是實現48小時連續陪伴，這意味著它不僅要能自主充電，還要學會在夜間保持安靜，不會突然唱歌、說話或發出聲響，避免打擾家人休息。

8、我們注意到OpenMind正在打造機器人應用商店，能否具體介紹一下這個應用商店的願景與當前進展？

Jan Liphardt ：是的，OpenMind正在打造一個專為四足機器人和人形機器人服務的應用商店。讓用戶可以像通過蘋果App Store或谷歌應用商店自定義手機功能一樣，前往同一平台為機器人下載應用程序與技能。

上週，首款應用已正式上線OpenMind應用商店。我們正在籌備市場營銷與開發者教育計劃，以吸引全球數千名開發者入駐，共同貢獻新的應用與技能，讓四足機器人與人形機器人為用戶創造更多價值。

這個應用商店是建立在我們核心系統之上的"服務層"，它連接開發者與最終用戶，是機器人技能發現、分發和商業化的重要平台，旨在加速整個生態的繁榮。

9. OpenMind 目前的產品交付情況如何？有哪些商業化進展或代表性的合作方？

Jan Liphardt：我們的雲基礎設施正被快速採用，我們正在與幾家中國機器人製造商合作，共同設計面向美國、歐洲和中東用戶的新產品。

比如，目前我們已將宇樹科技、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、眾擎等公司列為首批深度集成的合作對象，計劃逐步在更多地區的學校與家庭場景中開展落地試點。

預計到2026年第一季度，我們有望與這些領先的機器人製造商達成參考實施方案，推動生態的規模化應用。

10. 普通開發者、機器人愛好者乃至一般用戶，可以通過哪些方式參與或使用 OpenMind 生態？是否有相應的激勵計劃？

Jan Liphardt ：任何人都可以參與，只需訪問我們的Github頁面。我們也通過我們的開發者聯盟計劃（為OM1貢獻者提供25萬美元的積分）專注於構建有機的開發者採用，該計劃已吸引了超過100名貢獻者和10,000多名在該平台上構建的用戶。

參與OpenMind生態非常開放。任何感興趣的開發者都可以直接從訪問我們GitHub首頁開始。同時，我們推出了"開發者聯盟計劃"，通過總額25萬美元的積分激勵，鼓勵大家為OM1做出貢獻。目前，這個計劃已經吸引了超過100位貢獻者，並且有上萬名開發者在基於我們的平台進行構建。

OpenMind 的差異化優勢是什麼？

11. 目前這個領域的競爭情況如何？與潛在競爭對手相比，OpenMind 最鮮明的差異化優勢是什麼？

Jan Liphardt ：在對比業界同類方案時，我們的定位和區別是這樣的：

比如類似FABRIC的Husarnet，它也通過點對點VPN來實現ROS2節點間的協作。但我們不同之處在於提供完整的端到端加密、更精細的本地化與網絡管理能力，並且關鍵的是，我們借助區塊鏈實現了網絡效應、加密支付以及安全模型部署，同時，我們不局限於ROS2生態。

再看與OM1相近的Viam，它是一個模組化的雲機器人軟體平台。而我們的重點更偏向於AI原生的運行時與開源技術棧，不只是解決機械集成問題。

還有像Physical Intelligence這樣做機器人基礎模型的研究團隊，他們聚焦在感知與操作的底層模型上。我們在文檔中也明確將其視為可在OM1中集成的模組之一，而非直接競爭。我們更強調開放透明、以部署為導向，並且可以在運行時中靈活調用不同來源的模型能力。

總的來說，我們的差異化在於成為"具身AI"領域的中立、模組化雲與協調層。我們並非要與每個新出現的機器人應用競爭，而是提供一個基礎架構，讓越來越多的硬體製造商、應用開發者和研究者能夠接入我們的技術棧。隨著生態的擴大，我們的模型、工具和數據會形成正向循環，生態的繁榮反而會鞏固我們的平台價值，而不是稀釋它。

12. 在打造機器人"去中心化安卓"的漫長征程中，您認為現階段最需要攻克的難題是什麼？

Jan Liphardt ：在構建機器人"去中心化安卓"的過程中，我們目前面臨的核心挑戰主要集中在幾個技術環節：

首先，我們的評估體系還處於比較早期的階段。目前主要依賴內部設計的測試場景，並採用"大模型即裁判"的方式，來判斷機器人是否真正理解了指令、行為是否安全可靠。

其次，部署後的持續適應能力也是個難題。每個新的家庭環境都會帶來意想不到的細節差異，比如光線條件、背景裡正在播放的電影、或者一些在測試中沒覆蓋到的特定任務，這些都需要機器能快速適應。此外，如何讓高層決策與底層的運動控制更流暢地銜接與切換，也是我們正在重點投入的領域。

在功能測試方面，我們採用分階段推進的方式。新功能首先會在內部通過腳本任務、日誌回放和評估框架進行驗證；然後在受控的真實硬體上測試；再開放給部分合作夥伴進行試點。合作夥伴的反饋非常關鍵，他們從實際應用場景提出的指標和意見，會直接回流到我們的模型迭代中。同時，不同形態的機器接入也幫助我們驗證了系統的兼容性。

這些挑戰都在我們的推進計劃中，團隊正在逐步攻關。

13. 您對機器人行業或人機協作的終極願景是什麼？能否描繪一個具體的場景？Crypto 最終將在其中發揮怎樣的作用？

Jan Liphardt ：OpenMind 的長期願景"社交模型"。接下來幾個月到幾年，我們會基於現有的雲基礎設施與數據能力，逐步構建面向人機交互的機器基座模型，並且從一開始就把隱私保護設計在技術架構的核心位置。

這些模型未來可以成為我們合作夥伴所研發機器人的"默認大腦"。我們期待，通過這些具有突破性意義的社交與認知能力，將來在學校、醫院、家庭和工作場所，機器人能幫助人們學得更高效、獲得更貼心的照料、完成更多有價值的工作。

14. 在通往"機器經濟"的道路上，您看到的最大機遇與潛在風險（如倫理、監管等）分別是什麼？

Jan Liphardt ：談到"機器經濟"的機遇，其實就像我們熟悉的科幻電影所描繪的那樣，機器人將成為生活中可信賴的夥伴與助手，從家庭陪伴到工業生產，其應用場景幾乎是無限的。

但潛在的風險也同樣存在於這些電影警示中。我有時也會感到不可思議，比如親眼看到我13歲的孩子很自然地對著機器狗問數學題。這讓我們不禁思考：怎樣才能確保這項技術始終安全、向善？

在OpenMind，我們給出的答案是：確保運行在這些機器大腦內部的軟體是公開和開源的，以便所有人類都能查看、理解並在問題發生時幫助修復。