对话 OpenMind 创始人：获 Pantera、红杉等 2000 万美元投资后，机器人版“安卓”系统走到哪一步了？

嘉宾：Jan Liphardt，OpenMind 创始人

采访整理：momo，ChainCatcher

在斯坦福大学与加州大学伯克利分校从事科研与教学数十年后，物理学与生物工程学副教授 Jan Liphardt 敏锐地察觉到，机器人领域一场深度的结构性变革正在发生。

一方面，机器人正加速从实验室与工厂走向现实场景，但其“大脑”却仍陷于分散与封闭之中，超过150家硬件厂商各自为战，主流软件仍停留在机械控制层面，系统之间难以协作，更无法实现机器与人的自然交互乃至机器间的价值交换。

另一方面，区块链技术历经十多年发展，其不可篡改的账本、去中心化治理与微支付能力，已为机器间的身份互认、可信协作与经济交互提供了基础设施层面的可能性。

正是这两股趋势的交汇，催生了 Liphardt 创立 OpenMind 的核心构想：为机器人构建一个如同安卓般开放、可协作的“操作系统”，让机器具备跨平台、跨厂商的社交与协同能力，真正实现思考、学习与协作。

2025年8月，OpenMind这一愿景获得了Pantera Capital、红杉中国、Coinbase Ventures等多家知名机构的2000万美元投资押注。

随着融资完成，OpenMind核心产品和商业化的进展在加快。其核心开源系统OM1已吸引全球数千名开发者，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，计划逐步在学校与家庭场景中开展试点。基于OM1打造的机器狗，已具备识别主人、记忆物品及家庭守护等能力。此外，OpenMind即将上线一个专为四足机器人和人形机器人服务的应用商店，目前首款应用已就绪。

近期，在接受ChainCatcher的采访中，Jan Liphardt 围绕创业动因、技术路径与行业挑战展开阐述，系统解析了机器人行业的协作痛点、开源生态的价值以及去中心化协议在实现机器社会协作中的关键作用。

为什么“机器人”需要去中心化的“安卓”？

1. 您在斯坦福等高校的生物工程研究与教学背景十分深厚。我们好奇，您是从何时、因何契机开始关注区块链与去中心化系统的？这一跨界视角如何重塑了您对机器人技术未来发展，尤其是智能与协作本质的思考？

Jan Liphardt：我们确实身处一个非常特殊的时代，机器正在渐渐“苏醒”。关于这一点，我从三个层面来考虑：

第一，人工智能本质上是全球性的。AI模型并不在乎你身在哪个国家。技术演进的速度非常快，但跨国监管与治理框架的建立往往需要数年甚至数十年。像“到底谁来负责？”或者“这个机器人属于美国、中国还是日本？”这类问题，我们真的没有太多时间可以纠结。而区块链的去中心化特性，恰恰有助于降低障碍，让对AI和机器人的国际治理变得更及时、更有效。

第二，AI并非天生就善良、守规矩。我们必须建立新的系统，来永久记录“什么是真实的”“什么是对的”，这就需要不可篡改的账本技术。

第三，和人类一样，非生物的思维机器也会用经济学逻辑来分配自己的时间与资源。所以，我们现在就必须开始构建适合它们的支付系统和市场机制。

回过头看，其实特别幸运。过去18年里，全球成千上万的人已经默默建起了健壮、安全、不可变且去中心化的账本体系。很可能，区块链会成为未来80亿人类与越来越聪明的机器共存、协作的核心技术基础。

2. OpenMind 旨在为机器人构建去中心化“安卓”系统，这一宏大愿景最初是如何诞生的？从稳定的学术界转向充满不确定性的创业之路，您是如何做出这个决定的？

Jan Liphardt：我们的想法其实挺直接的，今天有数十亿部手机，来自不同的厂家，但都能跑安卓。机器人未来也会类似，所以，我们也需要一个给思维机器用的“安卓”。

至于从学术界走到创业，我的看法是，生活本来就没有绝对的稳定或安全，每个阶段都有不同的机会和难题。如果你真想做成一件大事，就得在不同的时候，运用不同的工具组合，有时候需要深耕基础科学，有时候则需要一个资金充足、动作快、且有商业思维的团队。

3.您认为当前机器人行业面临的最大痛点是什么？为什么传统机器人系统方案难以解决这些问题？

Jan Liphardt：在硬件方面，诸如灵巧手这样的关键部件，其可靠性仍是一个瓶颈。试想，一个拥有五根手指、12个自由度的机械手，如果运转一百小时后就出现故障，它的实用价值何在？当然，物流、运输、国防、手术这些具体场景正在快速成熟，但对“通用机器人”来说，什么才是最佳的切入场景，行业里还在摸索。

这个领域目前非常分散，光是做人形机器人或其他形态机器人的硬件公司，就超过150家。很多家的梦想是成为“机器人里的iPhone”，软硬件、云、数据、生态全部自己掌控。但我们相信，就像手机行业一样，通用机器人不会只有一个赢家，而是会涌现出许多强大的参与者。

另一方面，传统的ROS类软件，重心放在机械任务与导航上，但未来让机器人更聪明、更有用的，往往是社交与认知能力。

此外，ROS无法提供硬件身份标识、内置的经济保障（比如保证金、惩罚或自动结算），也没有便捷安全的支付机制，更难以让机器向资本市场或DeFi证明自己在现实世界中的工作（例如作为真实世界资产RWA或DePIN）。在OpenMind看来，这些能力恰恰是机器人实现安全与高度自主的关键。

4. 创业时机至关重要。您认为现在是推动这一愿景落地的关键节点吗？是哪些技术的成熟或市场需求的演变，共同构成了这个“时机”？

Jan Liphardt：是的，我们认为时机已经到来。无论是机器人硬件还是软件，在许多应用场景中都已跨过了“足够好”的门槛。

亚马逊在仓库里部署的机器人已经超过百万台，旧金山的街道上随处可见Waymo的自动驾驶车。我们预计，到2026年，第一批通用机器人就能进入美国家庭，开始真正地做一些有用的事情。

当然，像拉面、片烤鸭这类高难度的精细动作，对人形机器人来说仍有挑战。但这些属于相对边缘的场景，不应该成为阻碍机器人进入家庭、学校、医院和办公环境的理由。

另一方面，在加密技术领域，稳定币、Layer2、资产托管等基础设施也已足够成熟，能够支持机器与机器之间进行可靠、高效的微支付结算。我们与Circle合作的机器结算协议，正是这个方向的一次实践验证。

与中国机器人制造商共推多场景落地

5. 从官方资料来看，OpenMind 目前的核心产品包括开源的机器人操作系统 OM1 和去中心化网络 FABRIC 协议。除此之外，还有哪些重要板块？能否系统介绍一下核心产品的能力与分工，以及它们是如何协作的？

Jan Liphardt：简单来说，OM1 的目标是让单个机器变得智能。而 FABRIC 则是一个全球性的去中心化网络，主要想解决的是机器之间、以及人机之间的协作问题。比如说，它能让机器人有自己的身份标识，可以安全地和其他机器或人类协调任务，甚至还可以支持机器人之间交易数字产品，像是某种机器人技能芯片。

6. OM1 目前的研发进展如何？接下来需要重点突破哪些能力？

Jan Liphardt：关于OM1的进展，目前有几个直观的指标。我们在GitHub上的星标数已经超过2500个，而行业同类项目通常是在30到80之间。我们有300多位活跃贡献者，最近两周大约有7500名独立开发者来访问我们的代码库。

在落地方面，OM1已经适配了多种机器人形态，包括人形机器人、双足机器人和机器狗。它还被用来驱动我们打造的、全球首款由区块链治理并接入去中心化网络的机器狗。

我们现在的工作重点有两个方向：

一是开始构建定制化模型，专门解决在真实场景部署中遇到的具体瓶颈；二是在改进机器人仿真工具，让它们更适配“社交机器人”的开发需求，而不只是为物理操控服务。举个例子，目前主流的仿真环境比如英伟达的Isaac Sim，还无法模拟人声交互，这对于需要与人类对话、在充满家庭噪音、电视声、小孩和宠物的环境中工作的社交机器人来说，是一个挺大的障碍。我们正在这些方面投入努力。

装有OpenMind OM1的机器人见证首个人形机器人ETF KraneShares KOID发布

7. 你们在线下活动和社交媒体上展示了基于 OpenMind 系统的机器狗。能否分享目前为这些机器狗提供了哪些能力？相比传统系统方案，它们具备哪些优势？

Jan Liphardt：目前我们的机器狗已经具备不少能力了。它能认出谁是主人，可以绘制家里的环境地图，检查周围并记住像钥匙、眼镜这样的物品位置，还能回答数学题和一些常见问题。它也会关注主人的状态，比如检测到有人倒在地上一动不动时，会判断是否需要医疗救助，平时还能帮忙守护家庭安全。

我们基本上每周都在为它增加新技能。现在的家庭测试一般能持续运行6小时。下一个重要目标是实现48小时连续陪伴，这意味着它不仅要能自主充电，还要学会在夜间保持安静，不会突然唱歌、说话或发出声响，避免打扰家人休息。

8、我们注意到OpenMind正在打造机器人应用商店，能否具体介绍一下这个应用商店的愿景与当前进展？

Jan Liphardt：是的，OpenMind正在打造一个专为四足机器人和人形机器人服务的应用商店。让用户可以像通过苹果App Store或谷歌应用商店自定义手机功能一样，前往同一平台为机器人下载应用程序与技能。

上周，首款应用已正式上线OpenMind应用商店。我们正在筹备市场营销与开发者教育计划，以吸引全球数千名开发者入驻，共同贡献新的应用与技能，让四足机器人与人形机器人为用户创造更多价值。

这个应用商店是建立在我们核心系统之上的“服务层”，它连接开发者与最终用户，是机器人技能发现、分发和商业化的重要平台，旨在加速整个生态的繁荣。

9. OpenMind 目前的产品交付情况如何？有哪些商业化进展或代表性的合作方？

Jan Liphardt：我们的云基础设施正被快速采用，我们正在与几家中国机器人制造商合作，共同设计面向美国、欧洲和中东用户的新产品。

比如，目前我们已将宇树科技、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、众擎等公司列为首批深度集成的合作对象，计划逐步在更多地区的学校与家庭场景中开展落地试点。

预计到2026年第一季度，我们有望与这些领先的机器人制造商达成参考实施方案，推动生态的规模化应用。

10. 普通开发者、机器人爱好者乃至一般用户，可以通过哪些方式参与或使用 OpenMind 生态？是否有相应的激励计划？

Jan Liphardt：任何人都可以参与，只需访问我们的Github页面。我们也通过我们的开发者联盟计划（为OM1贡献者提供25万美元的积分）专注于构建有机的开发者采用，该计划已吸引了超过100名贡献者和10,000多名在该平台上构建的用户。

参与OpenMind生态非常开放。任何感兴趣的开发者都可以直接从访问我们GitHub主页开始。同时，我们推出了“开发者联盟计划”，通过总额25万美元的积分激励，鼓励大家为OM1做出贡献。目前，这个计划已经吸引了超过100位贡献者，并且有上万名开发者在基于我们的平台进行构建。

OpenMind 的差异化优势是什么？

11. 目前这个领域的竞争情况如何？与潜在竞争对手相比，OpenMind 最鲜明的差异化优势是什么？

Jan Liphardt：在对比业界同类方案时，我们的定位和区别是这样的：

比如类似FABRIC的Husarnet，它也通过点对点VPN来实现ROS2节点间的协作。但我们不同之处在于提供完整的端到端加密、更精细的本地化与网络管理能力，并且关键的是，我们借助区块链实现了网络效应、加密支付以及安全模型部署，同时，我们不局限于ROS2生态。

再看与OM1相近的Viam，它是一个模块化的云机器人软件平台。而我们的重点更偏向于AI原生的运行时与开源技术栈，不只是解决机械集成问题。

还有像Physical Intelligence这样做机器人基础模型的研究团队，他们聚焦在感知与操作的底层模型上。我们在文档中也明确将其视为可在OM1中集成的模块之一，而非直接竞争。我们更强调开放透明、以部署为导向，并且可以在运行时中灵活调用不同来源的模型能力。

总的来说，我们的差异化在于成为“具身AI”领域的中立、模块化云与协调层。我们并非要与每个新出现的机器人应用竞争，而是提供一个基础架构，让越来越多的硬件制造商、应用开发者和研究者能够接入我们的技术栈。随着生态的扩大，我们的模型、工具和数据会形成正向循环，生态的繁荣反而会巩固我们的平台价值，而不是稀释它。

12. 在打造机器人“去中心化安卓”的漫长征程中，您认为现阶段最需要攻克的难题是什么？

Jan Liphardt：在构建机器人“去中心化安卓”的过程中，我们目前面临的核心挑战主要集中在几个技术环节：

首先，我们的评估体系还处于比较早期的阶段。目前主要依赖内部设计的测试场景，并采用“大模型即裁判”的方式，来判断机器人是否真正理解了指令、行为是否安全可靠。

其次，部署后的持续适应能力也是个难题。每个新的家庭环境都会带来意想不到的细节差异，比如光线条件、背景里正在播放的电影、或者一些在测试中没覆盖到的特定任务，这些都需要机器人能快速适应。此外，如何让高层决策与底层的运动控制更流畅地衔接与切换，也是一个我们正在重点投入的领域。

在功能测试方面，我们采用分阶段推进的方式。新功能首先会在内部通过脚本任务、日志回放和评估框架进行验证；然后在受控的真实硬件上测试；再开放给部分合作伙伴进行试点。合作伙伴的反馈非常关键，他们从实际应用场景提出的指标和意见，会直接回流到我们的模型迭代中。同时，不同形态的机器人接入也帮助我们验证了系统的兼容性。

这些挑战都在我们的推进计划中，团队正在逐步攻关。

13. 您对机器人行业或人机协作的终极愿景是什么？能否描绘一个具体的场景？Crypto 最终将在其中发挥怎样的作用？

Jan Liphardt：OpenMind 的长期愿景“社交模型”。接下来几个月到几年，我们会基于现有的云基础设施与数据能力，逐步构建面向人机交互的机器人基座模型，并且从一开始就把隐私保护设计在技术架构的核心位置。

这些模型未来可以成为我们合作伙伴所研发机器人的“默认大脑”。我们期待，通过这些具有突破性意义的社交与认知能力，将来在学校、医院、家庭和工作场所，机器人能帮助人们学得更高效、获得更贴心的照料、完成更多有价值的工作。

14. 在通往“机器经济”的道路上，您看到的最大机遇与潜在风险（如伦理、监管等）分别是什么？

Jan Liphardt：谈到“机器经济”的机遇，其实就像我们熟悉的科幻电影所描绘的那样，机器人将成为生活中可信赖的伙伴与助手，从家庭陪伴到工业生产，其应用场景几乎是无限的。

但潜在的风险也同样存在于这些电影警示中。我有时也会感到不可思议，比如亲眼看到我13岁的孩子很自然地对着机器狗问数学题。这让我们不禁思考：怎样才能确保这项技术始终安全、向善？

在OpenMind，我们给出的答案是：确保运行在这些机器大脑内部的软件是公开和开源的，以便所有人类都能查看、理解并在问题发生时帮助修复。