今年會是機器人年嗎？一文梳理機器人賽道項目
從加密視角看，機器人賽道的核心命題是“自主經濟智能體”的構建。OpenMind的OM1系統試圖成為機器人的“安卓”，通過開源框架降低開發門檻，而FABRIC網絡則解決了人類與機器人之間的信任層問題，使機器人的行為可被鏈上驗證。
OpenMind
2025年8月4日，總部位於硅谷的智能機器基礎設施公司OpenMind宣佈完成2000萬美元融資，由Pantera Capital領投，Ribbit、紅杉中國、Coinbase Ventures、DCG、Lightspeed Faction、Anagram、Pi Network Ventures、Topology、Primitive Ventures和Amber Group等多家機構及知名天使投資人參投。
OpenMind通過開發開源軟件來幫助機器人思考、學習與工作。其原生的開源AI機器人操作系統OM1允許在數字世界和物理世界中配置和部署AI Agent。用戶可以創建一個AI角色，在雲端運行它，也可以在現實世界中的物理機器人上運行它。
通俗來說，OpenMind做OM1，相當於是在給機器人做「AI大腦」。這個「AI大腦」可以由多個AI Agent協同工作，可以與多個LLM進行交互，也可以從多個來源獲取數據進行工作（比如幫用戶在社媒上發東西）。由於OM1是開源的，所以這還是一個適配性極強的機器人操作系統，就像手機的Android系統那樣與硬件無關。
另外，OpenMind還有一個名為FABRIC的鏈上機器人身份網絡，旨在為人類和機器人共享一個可驗證的信任層。人類可在其上通過地圖共享位置數據、評估機器人行為以及開發等來獲得勳章，而對於機器人，每一個裝載OM1系統的機器人都會加入FABRIC網絡，從而擁有唯一可驗證身份，並且使機器人的命令、操作日誌、所有權等相關行為能夠在鏈上追蹤。
2025年12月，OpenMind與穩定幣發行商Circle聯合宣佈，推出基於x402協議的機器人自主支付系統。隨著機器人能力的提升，它們將不再僅僅是執行任務的工具，而是開始扮演自主經濟體的角色。它們需要購買算力、數據、技能，甚至僱傭其他機器人或人類來完成複雜任務。
CodecFlow
CodecFlow提供了一個統一的平臺，可在雲端、邊緣、桌面和機器人硬件上無縫運行，同時支持當前流行的API和傳統系統。該平臺將不同的機器人傳感器輸入規範化為通用格式，並將較為複雜的機器人動作模塊化，使開發團隊或用戶無需從頭開始設計機器人，機器人之間的感知、決策和控制也得以通過網絡形成相互影響，而不是碎片化或特定於硬件的單一平臺。
AI驅動的操作人員通過感知和實時推理，響應軟件中的UI變化或機器人環境中的變化，以解決傳統的機器人自動化過程中過於依賴預先寫好的腳本，面對哪怕只是細微變化時的脆弱性。簡言之，就是捕獲屏幕截圖、攝像頭畫面或傳感器數據，然後用AI處理這些外部輸入數據以處理觀察結果或指令，最終通過用戶界面交互執行決策。
Peaq
2025年3月27日，DePIN Layer1協議Peach完成1500萬美元融資，Generative Ventures和Borderless Capital領投，Spartan Group、HV Capital、CMCC Global、Animoca Brands、Moonrock Capital、Fundamental Labs、TRGC、DWF Labs、Crit Ventures、Cogitent Ventures、NGC Ventures、Agnostic Fund、Altana Wealth等參投。
雖然開始主打的敘事是DePIN，但Peach在去年9月發佈了Robotics SDK，使機器人能夠獲得自主身份標識，進行支付和收款，驗證數據，接入鏈上的網絡經濟中。現在，任何兼容ROS2系統的機器人都可以加入到Peach網絡經濟中，使用其通用標準與人類或其它機器人進行交易。
此外，Peach去年在DualMint上推出了一個名為「RoboFarm」的機器人RWA項目，他們在香港建立了一個機器人農場，通過機器人實現了80%的農業生產自動化。種出來的生菜、菠菜和羽衣甘藍在香港進行出售。NFT持有者的預計年化收益約為18%。
Axis Robotics
Axis Robotics致力於構建具身智能（Physical AI）的分佈式擴展基礎設施。他們堅信，仿真優先（Simulation First）是突破機器人數據匱乏與模型泛化瓶頸的最佳路徑，通過低成本、規模化的數據採集，結合獨有的數據增強引擎，實現了數據在質量、豐富度與規模上的三重飛躍。同時，每一份數據資產都具備可信的鏈上溯源（On-chain Provenance），共同構建起驅動通用機器人智能（RGI）進化的核心燃料庫。
Axis革新了機器人訓練數據的提供方式。市面上其它「輸入/提供機器人訓練數據」的項目大多是通過動員用戶通過手機、智能眼鏡等設備拍攝並上傳在現實中完成指定動作的視頻，以實現低門檻、全球範圍的用戶參與。雖然這樣獲取數據的成本較低，但視頻採集的數據物理真實度不足，缺乏深度信息，無法保證3D數據的持續性和精準度。
通過「仿真模擬」，Axis解決了這個痛點，即在仿真環境下，通過大量多樣化的仿真場景（燈光、角度、摩擦、動力學等）讓模型在更苛刻的虛擬條件下仍能完成任務，從而獲得強大的泛化能力。Axis採用Hybrid Strategy（混合策略），將稀缺的真實數據與海量合成數據結合。利用GPU加速的元數據增強技術，實現了對單一場景的光照、紋理、物理屬性的大量變化。虛擬的場景不是一成不變、被代碼寫死的，而是可以靈活調整的。用代碼能夠生成出無數的場景，讓機器人在各個場景的要求下面對更嚴苛和全面的挑戰。生成場景所需的成本低，同時產出數量又極大，這種用大量數據去收斂以逼近最優解方式的有效性，也已經被Google、英偉達等多家巨頭部分驗證。
Axis向社區公開開放的第一個仿真模擬機器人學習項目「Little Prince’s Rose」已經完成。在「Little Prince’s Rose」項目中，用戶通過網頁在模擬環境中讓機器人成功執行一次澆花動作，通過對用戶操作的收集和分析，讓這個機器人學會澆花。用戶通過網頁即可對機器人進行遙操作，既維持了視頻上傳採集方式的低成本、低門檻，同時為機器人構建了原生的3D-aware VLA (Vision-Language-Action)基礎模型，為機器人增強了視頻數據輸入渠道所欠缺的三維空間思考能力。
「Little Prince’s Rose」項目在上線僅5天后，全球範圍內無機器人行業背景的普通用戶就通過有趣的體驗，貢獻了上萬條高質量、可用於策略訓練的有效軌跡。基於這批數據，Axis成功訓練了策略模型，並完成了Franka機械臂的真機復現。這標誌著Axis跑通了「任務生成 -> 社區採集 -> 數據增強 -> 模型訓練 -> 真機部署」的全棧閉環。
1小時的真實數據，能夠轉換成1000小時的訓練數據，這種效率槓桿，極大降低了機器人模型泛化所需的成本。
在春節期間的Beta測試中，同樣僅用5天，1.8萬名無機器人行業背景的參與者在Axis上完成了27個全新任務，貢獻了超10萬條數據軌跡。測試成功支持了極高的任務內隨機化，並驗證了對輪式機器人、雙臂機器人等多形態資產的兼容性。
Axis的核心產品將於3月下旬正式發佈，並計劃在4月底或5月初，開源全球最大的基於Franka機械臂的純仿真數據集，完全滿足策略與模型訓練需求。同時，Axis作為一個從Crypto-AI出發的機器人賽道項目，已經開始探索與推進外部的行業落地，圍繞多個細分領域標杆客戶，加速推進商業化落地進程：與某車企協同推動生產環節自動化方案落地；與某準IPO算力公司在虛擬資產與世界模型方向達成合作共識；並與多傢俱身本體企業在虛擬仿真數據採集及模型訓練等關鍵環節建立深度合作關係。這些都體現了Crypto項目難得的外部性。
GEODNET
為無人機、機器人等提供釐米級定位精度實時動態定位數據的去中心化網絡，在150多個國家擁有超過21000個活躍基站。過去的一年，該項目收入超700萬美元，並且呈現逐季度增長的趨勢。
雖然該項目更多被歸類於DePIN，但隨著機器人技術在現實生活中的應用普及，對高精度實時定位數據的需求預計將更廣泛。2025年2月，Multicoin宣佈牽頭以800萬美元從GEODNET基金會手中收購價值800萬美元的$GEDO代幣。
BitRobot
BitRobot Network由FrodoBots Lab與Protocol Labs聯合開發，旨在實現分佈式機器人工作和協作。其關鍵組件包括：用於定義和驗證機器人任務的可驗證機器人工作（VRW，網絡獎勵的量化指標）、用於設備所有權和網絡訪問的設備節點令牌（ENT，機器人在系統內的唯一身份標識符，以NFT形式存在），以及作為任務執行操作層的子網（為BitRobot網絡創造價值的資源集群）。
2025年2月14日，FrodoBots Lab宣佈完成600萬美元種子輪融資，總融資額達800萬美元。
FrodoBots Lab也賣機器人，Earth Rovers像現實中的馬里奧賽車，售價249美元，玩家們在一場全球尋寶遊戲ET Fugi中通過瀏覽器遠程操控自己的機器人，數據供研究人員部署和測試他們最新的AI導航模型。ET Fugi也是BitRobot的第一個子網。
另一個遊戲機器人Octo Arms也會在未來推出，玩家遠程控制機械臂來完成各種3D拼圖遊戲以及競賽。
這個機器人網絡的所謂「子網」概念比較抽象，簡單來說，任何能為整體網絡生態做出貢獻的集群（或集群要做的具體項目/事件）都是一個子網，比如上面提到的ET Fugi遊戲，還有Virtuals推出的SeeSaw等。
SeeSaw
BitRobot的第5號子網，由Virtuals於去年10月推出的機器人訓練數據分享應用。在SeeSaw中，用戶拍攝自己日常行為的視頻，上傳完成任務以獲得獎勵。這些來自全球用戶的，包括繫鞋帶、疊衣服等日常行為的視頻數據，將被用於訓練機器人。
Auki
Auki的去中心化機器感知網絡Posemesh用於連接人類、設備和AI，其核心是一個DePIN（去中心化實體網絡）架構，允許機器人、AR眼鏡等設備實時共享位置和傳感數據，共建對物理世界的協作式空間理解，可以為機器人、AR和AI提供共享的空間視圖。
基於Posemesh協議設計了多種節點角色。由計算節點提供算力，運動節點（機器人終端）上傳位置信息和傳感器數據，重建節點據此生成3D地圖模型，並由域名節點管理3D空間。各節點根據貢獻獲得$AUKI代幣激勵，驅動一個自我進化的機器視覺網絡。
這一網絡強調隱私保護，避免單一實體監控用戶的私人空間，同時可應用在多個應用場景，像是零售（產品擺放優化）、物業管理（資產追蹤）和會展導航、建築裝修等場景。
他們的Cactus AI空間計算平臺已經與豐田物料搬運公司與瑞典超市Stora Coop展開了積極的試點。
XMAQUINA
使散戶能夠參與機器人企業投資的DAO。該DAO通過分批出售其代幣$DEUS籌集了1000萬美元。目前，該DAO已將拍賣所得資金用於購買Apptronik、Figure AI、Agility Robotics、1X Tech、NEURA Robotics以及Robotico共6家機器人領域企業的股份，部分投資已經有開始實現盈利，甚至單筆的回報率超過了100%。
PrismaX
2025年6月17日，PrismaX宣佈完成1100萬美元融資，投資方包括a16z CSX、Volt Capital、Blockchain Builders Fund、Stanford Blockchain Accelerator以及Virtuals。
PrismaX構建一個開放的協調層，連接遠程操作員、機器人用戶和機器人公司。操作員可以與用戶連接，遠程操控機器人，完成實際任務，同時收集具有價值的數據。也可以請求諸如物流和廣告等實際服務。
PrismaX還具有一個遠程操作機器人的協議，企業可以在其上尋找能夠勝任複雜任務、經驗豐富的機器人操作員，操作員可以選擇質押網絡代幣以提升信任度，並增加獲得高收益任務的機會。質押者獲得的收益不僅與其質押數量相關，還與其工作質量相關，並且隨著工作效率的提高，還會獲得額外獎勵。
而遠程操作積累的數據又會用於訓練機器人來提升機器人的自主性，這又將提高遠程操作員的工作效率，最終實現機器人的高度甚至完全自主化。
NRN Agents
NRN是從AI Agent對戰實時訓練鏈遊AI Arena發展過來的。2021年10月28日，開發商ArenaX Labs宣佈完成500萬美元的種子輪融資，該輪融資由Paradigm Capital牽頭，Framework Venture Partners參與。2024年1月9日，ArenaX Labs宣佈完成600萬美元新一輪融資，由Framework Ventures領投，SevenX Ventures、FunPlus/Xterio和Moore Strategic Ventures等參投。
雖然大體上也是收集數據->強化機器人學習的流程，但憑藉在遊戲領域的豐富經驗，NRN提供基於瀏覽器的體驗，將機器人數據採集轉化為遊戲，用戶通過瀏覽器就可以直觀地控制模擬機器人。在遊戲過程中，用戶操作生成的行為數據用於訓練現實世界的機器人系統。
當前階段，該項目將重點關注機械臂（RME-1），以驗證數據收集、實時學習和適應性。