今年是否為機器人元年？本文將整理機器人領域的重點項目

馬斯克於今年初重返達沃斯的演講，再次重申了一則極具煽動性的預言——未來地球上的機器人數量將超越人類。

顯然，AI 和機器人已成全球僅存的兩大科技焦點：一是持續逼近 AGI 臨界點的通用人工智慧，另一則是正逐步走出實驗室、嘗試全面接管人類體力工作的機器人。同時，除了 AI 概念之外，今年加密貨幣產業的核心賽道也涵蓋具身智能。以下為 Robotic 賽道值得關注的項目。

OpenMind

2025年8月4日，矽谷智能機器基礎設施公司 OpenMind 宣布完成2,000萬美元融資，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 等機構及多位知名天使投資人共同參與。

OpenMind 透過開發開源軟體，協助機器人思考、學習與運作。原生開源 AI 機器人作業系統 OM1 能於數位世界及實體世界中配置和部署 AI Agent。使用者可建立 AI 角色，在雲端運行，也可部署於現實中的實體機器人。

簡單來說，OpenMind 的 OM1 就是替機器人打造「AI 大腦」。這個「AI 大腦」可讓多個 AI Agent 協同工作、與多個 LLM 互動，也能從多方來源取得資料執行各項工作（例如協助用戶在社群媒體發佈內容）。OM1 為開源系統，因此適用性極高，就像 Android 作業系統一樣不受硬體限制。

此外，OpenMind 還打造名為 FABRIC 的鏈上機器人身分網路，目標是為人類和機器人構建一個可驗證的信任層。人類可透過地圖共享位置資料、評估機器人行為、開發等方式獲得勳章；而每台搭載 OM1 的機器人都會加入 FABRIC 網路，擁有唯一可驗證身分，並可將命令、操作紀錄、所有權等行為於鏈上追蹤。

2025年12月，OpenMind 與穩定幣發行商 Circle 聯合宣布推出基於 x402 協議的機器人自主支付系統。隨著機器人能力提升，它們將不再只是執行任務的工具，而是逐漸成為自主經濟體。機器人需購買算力、資料、技能，甚至雇用其他機器人或人類完成複雜任務。

CodecFlow

CodecFlow 提供一個統一平台，能於雲端、邊緣、桌面與機器人硬體上無縫運行，同時支援主流 API 和傳統系統。平台將各類機器人感測器輸入標準化為通用格式，並將複雜動作模組化，讓開發團隊或用戶無需從零設計機器人，機器人之間的感知、決策與控制也能透過網路互相影響，而不是碎片化或特定硬體的單一平台。

AI 驅動操作員透過感知與即時推理，回應軟體 UI 變化或機器人環境變化，解決傳統自動化過程過度依賴預設腳本、遇到細微變化時容易失效的問題。簡單來說，就是捕捉螢幕截圖、相機畫面或感測器資料，再用 AI 處理這些外部輸入資料，執行觀察結果或指令，最終透過使用者介面完成決策。

Peaq

2025年3月27日，DePIN Layer1 協議 Peaq 完成1,500萬美元融資，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 等多家機構參投。

雖然初期主打 DePIN 敘事，peaq 於去年9月發佈 Robotics SDK，讓機器人能取得自主身分識別、進行支付與收款、驗證資料，並接入鏈上網路經濟。現今任何相容 ROS2 系統的機器人都能加入 peaq 網路經濟，依其通用標準與人類或其他機器人進行交易。

此外，peaq 去年在 DualMint 推出「RoboFarm」機器人 RWA 專案，在香港建立機器人農場，實現80%農業生產自動化。所種生菜、菠菜、羽衣甘藍於香港販售。NFT 持有者預期年化收益約18%。

Axis Robotics

Axis Robotics 致力打造具身智能（Physical AI）的分散式擴展基礎設施。團隊堅信仿真優先（Simulation First）是突破機器人資料匱乏與模型泛化瓶頸的最佳路徑，透過低成本、規模化資料蒐集，結合獨家資料增強引擎，實現資料質量、豐富度與規模的三重躍進。每份資料資產均具備可信的鏈上溯源（On-chain Provenance），共同構建推動通用機器人智能（RGI）進化的核心燃料庫。

Axis 革新機器人訓練資料提供方式。市面上其他「輸入／提供機器人訓練資料」專案，普遍動員用戶用手機、智慧眼鏡等裝置拍攝並上傳現實中完成指定動作的影片，達到低門檻、全球參與。雖然取得成本低，但影片資料物理真實度不足，缺乏深度資訊，難保3D資料持續性與精確度。

Axis 以「仿真模擬」解決上述問題，在模擬環境下透過多樣化場景（燈光、角度、摩擦、動力學等），讓模型於嚴苛虛擬條件下完成任務，獲得更強泛化能力。Axis 採用 Hybrid Strategy（混合策略），結合稀缺真實資料與大量合成資料。運用 GPU 加速元資料增強技術，大幅變化單一場景光照、紋理、物理屬性。虛擬場景可靈活調整、非死板程式碼生成。程式碼能創造無數場景，使機器人面臨各種嚴苛挑戰。場景生成成本低、產量大，這種以大量資料收斂逼近最優解的方式，已獲 Google、NVIDIA 等巨頭部分驗證。

Axis 公開的首個仿真模擬機器人學習專案「Little Prince's Rose」已完成。專案中，使用者於網頁模擬環境操作機器人完成澆花，收集並分析用戶操作，讓機器人學會澆花。用戶於網頁遠端操作，既維持影片上傳低成本、低門檻，也為機器人構建原生 3D-aware VLA（Vision-Language-Action）基礎模型，增強機器人對影片資料輸入渠道所欠缺的三維空間思考能力。

「Little Prince's Rose」專案上線僅5天，全球無機器人產業背景的普通用戶藉趣味體驗，貢獻上萬條高品質、可用於策略訓練的有效軌跡。Axis 基於這批資料訓練策略模型，完成 Franka 機械臂實機復現。這標誌 Axis 跑通「任務生成 -> 社群蒐集 -> 資料增強 -> 模型訓練 -> 實機部署」的全鏈閉環。

1小時真實資料能轉換為1,000小時訓練資料，這種效率槓桿大幅降低機器人模型泛化成本。

春節期間 Beta 測試同樣僅用5天，1.8萬名無機器人產業背景參與者於 Axis 完成27項全新任務，貢獻超過10萬條資料軌跡。測試順利支援高任務內隨機化，並驗證輪式機器人、雙臂機器人等多型態資產相容性。

Axis 核心產品預計於3月下旬正式發佈，並計劃於4月底或5月初開源全球最大基於 Franka 機械臂的純仿真資料集，完全滿足策略與模型訓練需求。同時，Axis 作為 Crypto-AI 起步的機器人賽道專案，已開始探索並推進外部產業落地，圍繞多個細分領域標竿客戶，加速商業化進程：與車企協同推動生產自動化方案落地；與準 IPO 算力公司於虛擬資產與世界模型方向達成合作共識；並與多家具身本體企業於虛擬模擬資料蒐集及模型訓練等關鍵環節建立深度合作關係。這些都展現 Crypto 專案難得的外部性。

GEODNET

GEODNET 為無人機、機器人等提供公分級定位精度的即時動態定位數據，於全球超過150國擁有21,000多個活躍基站。過去一年專案營收超過700萬美元，並呈現逐季成長。

雖然該專案多被歸類為 DePIN，但隨著機器人技術於現實生活普及，高精度即時定位數據需求預期將更廣泛。2025年2月，Multicoin 宣布以800萬美元牽頭收購 GEODNET 基金會價值800萬美元的 $GEDO 代幣。

BitRobot

BitRobot Network 由 FrodoBots Lab 與 Protocol Labs 聯合開發，目標實現分散式機器人工作與協作。關鍵組件包含：用於定義與驗證機器人任務的可驗證機器人工作（VRW，網路獎勵量化指標）、用於裝置所有權與網路存取的裝置節點代幣（ENT，機器人於系統內的唯一身分識別，以 NFT 形式存在），以及作為任務執行操作層的子網（為 BitRobot 網路創造價值的資源集群）。

2025年2月14日，FrodoBots Lab 宣布完成600萬美元種子輪融資，總融資額達800萬美元。

FrodoBots Lab 也銷售機器人，Earth Rovers 類似現實中的瑪利歐賽車，售價249美元，玩家於全球尋寶遊戲 ET Fugi 透過瀏覽器遠端操控機器人，數據供研究人員部署並測試最新 AI 導航模型。ET Fugi 為 BitRobot 首個子網。

另一款遊戲機器人 Octo Arms 未來也將推出，玩家遠端操作機械臂完成3D拼圖遊戲及競賽。

該網路的「子網」概念較為抽象，簡言之，任何能為整體網路生態做出貢獻的集群（或集群完成的具體專案／事件）都是一個子網，例如 ET Fugi 遊戲、Virtuals 推出的 SeeSaw 等。

SeeSaw

BitRobot 第5號子網，由 Virtuals 去年10月推出的機器人訓練資料分享應用。在 SeeSaw 中，使用者拍攝日常行為影片，任務完成後上傳以獲獎勵。這些來自全球用戶、包含綁鞋帶、疊衣服等日常行為的影片資料將用於訓練機器人。

Auki

Auki 的去中心化機器感知網路 Posemesh 用於連結人類、裝置與 AI，核心為 DePIN（去中心化實體網路）架構，允許機器人、AR 眼鏡等裝置即時共享位置與感測資料，共同建構對物理世界的協作式空間理解，為機器人、AR 和 AI 提供共享空間視圖。

基於 Posemesh 協議設計多種節點角色。運算節點提供算力，運動節點（機器人終端）上傳位置資訊與感測資料，重建節點據此生成3D地圖模型，由域名節點管理3D空間。各節點依貢獻獲得$AUKI代幣激勵，驅動自我進化的機器視覺網路。

網路強調隱私保護，避免單一實體監控用戶私人空間，同時可應用於多種場景，例如零售（產品陳列優化）、物業管理（資產追蹤）、會展導航、建築裝修等。

其 Cactus AI 空間運算平台已與豐田物料搬運公司及瑞典超市 Stora Coop 積極試點。

XMAQUINA

XMAQUINA 讓散戶能參與機器人企業投資的 DAO。該 DAO 透過分批出售 $DEUS 代幣籌集1,000萬美元。目前，DAO 已將拍賣所得資金用於購買 Apptronik、Figure AI、Agility Robotics、1X Tech、NEURA Robotics 及 Robotico 共6家機器人企業股份，部分投資已實現盈利，甚至單筆回報率超過100%。

PrismaX

2025年6月17日，PrismaX 宣布完成1,100萬美元融資，投資方包括 a16z CSX、Volt Capital、Blockchain Builders Fund、Stanford Blockchain Accelerator 及 Virtuals。

PrismaX 建立開放協調層，連結遠端操作員、機器人用戶與企業。操作員可與用戶連結，遠端操控機器人完成任務，同時收集有價值資料。也可請求物流、廣告等實際服務。

PrismaX 還有一套遠端操作機器人協議，企業能於平台尋找勝任複雜任務、經驗豐富的操作員，操作員可選擇質押代幣提升信任度，增加取得高收益任務機會。質押者收益與質押數量及工作品質相關，隨工作效率提升還可獲額外獎勵。

遠端操作累積資料也會用於訓練機器人，提升自主性，進一步提升操作員效率，最終實現高度甚至完全自主化。

NRN Agents

NRN 源自 AI Agent 對戰即時訓練鏈遊 AI Arena。2021年10月28日，開發商 ArenaX Labs 完成500萬美元種子輪融資，Paradigm Capital 領投，Framework Venture Partners 參與。2024年1月9日，ArenaX Labs 完成600萬美元新一輪融資，Framework Ventures 領投，SevenX Ventures、FunPlus/Xterio 及 Moore Strategic Ventures 等參投。

雖然流程仍是資料收集->強化機器人學習，但憑藉遊戲領域豐富經驗，NRN 提供基於瀏覽器的體驗，將機器人資料收集轉化為遊戲，用戶透過瀏覽器直觀控制模擬機器人。遊戲過程中，用戶操作產生的行為資料用於訓練現實機器人系統。

目前專案重點聚焦於機械臂（RME-1），以驗證資料收集、即時學習與適應性。

聲明：

1. 本文轉載自 [BlockBeats]，著作權歸原作者 [Cookie] 所有。如對轉載有異議，請聯絡 Gate Learn 團隊，團隊將依相關流程儘速處理。
2. 免責聲明：本文所表達之觀點與意見僅代表作者個人立場，不構成任何投資建議。
3. 文章其他語言版本由 Gate Learn 團隊翻譯，未提及 Gate 的情況下不得複製、傳播或抄襲經翻譯文章。