Dalam ucapan beliau di Davos pada awal tahun ini, Musk sekali lagi menegaskan ramalan yang sangat memicu itu — di masa depan, jumlah robot di Bumi akan melebihi jumlah manusia.

Jelas, AI dan robot pada dasarnya telah menjadi dua topik teknologi utama di seluruh dunia: satu ialah kecerdasan buatan am (AGI) yang terus mendekati titik kritikal, dan yang lain ialah robot yang sedang keluar dari laboratorium dan berusaha mengambil alih sepenuhnya pekerjaan fizikal manusia. Demikian juga, selain konsep AI, fokus utama industri kripto tahun ini juga termasuk kecerdasan badani. Berikut ialah projek-projek dalam laluan Robotic yang patut diperhatikan.

OpenMind

Pada 4 Ogos 2025, menurut pengumuman rasmi, syarikat infrastruktur mesin pintar berpusat di Silicon Valley, OpenMind, mengumumkan penutupan pembiayaan sebanyak $20 juta, dipimpin oleh Pantera Capital, dengan penyertaan daripada pelbagai institusi dan pelbagai pelabur malaikat terkenal termasuk Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures, dan Amber Group.

OpenMind membantu robot berfikir, belajar, dan bekerja melalui pengembangan perisian sumber terbuka. Sistem pengendali AI sumber terbuka asli OM1 membolehkan konfigurasi dan penghantaran AI Agent di dunia digital dan dunia fizikal. Pengguna boleh mencipta satu peranan AI, menjalankannya di awan, atau menjalankannya pada robot fizikal di dunia nyata.

Secara ringkas, OpenMind membuat OM1 seolah-olah membina "otak AI" untuk robot. "Otak AI" ini boleh beroperasi secara kolaboratif oleh beberapa AI Agent, berinteraksi dengan pelbagai LLM, dan mengambil data dari pelbagai sumber (contohnya, membantu pengguna memuatkan perkara di media sosial). Kerana OM1 adalah sumber terbuka, ia juga merupakan sistem pengendali robot yang sangat boleh sesuai, sama seperti sistem Android pada telefon yang tidak bergantung pada peranti keras.

Selain itu, OpenMind juga mempunyai rangkaian identiti robot atas rantai bernama FABRIC, yang bertujuan untuk memberikan lapisan kepercayaan yang boleh disahkan kepada manusia dan robot. Manusia boleh mendapatkan medalion dengan berkongsi data lokasi melalui peta, menilai tingkah laku robot, dan membangunkan, manakala setiap robot yang dilengkapi dengan sistem OM1 akan menyertai rangkaian FABRIC, memperoleh identiti unik yang boleh disahkan, serta membolehkan perintah robot, log operasi, kepemilikan, dan aktiviti berkaitan lain dilacak di atas rantai.

Pada Disember 2025, OpenMind bekerjasama dengan penerbit mata wang stabil Circle untuk mengumumkan pelancaran sistem pembayaran automatik robot berdasarkan protokol x402. Seiring dengan peningkatan kemampuan robot, mereka tidak lagi hanya menjadi alat untuk melaksanakan tugas, tetapi mulai memainkan peranan sebagai ekonomi autonomi. Mereka perlu membeli kuasa pengiraan, data, kemahiran, dan bahkan mengupah robot atau manusia lain untuk menyelesaikan tugas yang kompleks.

CodecFlow

CodecFlow menyediakan platform seragam yang boleh berjalan dengan lancar di awan, tepi, desktop, dan peranti robotik, sambil menyokong API yang popular semasa dan sistem tradisional. Platform ini menstandardkan input sensor robotik yang berbeza kepada format universal dan memodularkan tindakan robotik yang lebih kompleks, membolehkan pasukan pembangun atau pengguna tidak perlu merekabentuk robot dari awal, serta membolehkan persepsi, pengambilan keputusan, dan kawalan antara robot saling mempengaruhi melalui rangkaian, bukan sebagai platform yang terpecah atau khusus peranti.

Pegawai yang digerakkan AI memahami dan membuat inferensi secara real-time terhadap perubahan dalam antara muka pengguna perisian atau persekitaran robot, untuk mengatasi kerentanan dalam proses automatik robot tradisional yang terlalu bergantung kepada skrip yang ditulis sebelumnya apabila menghadapi perubahan sekecil apa pun. Dengan kata lain, ia menangkap tangkapan skrin, gambar kamera, atau data sensor, kemudian menggunakan AI untuk memproses input luaran ini guna mengolah pemerhatian atau arahan, akhirnya melaksanakan keputusan melalui interaksi antara muka pengguna.

Peaq

Pada 27 Mac 2025, protokol DePIN Layer1 Peaq telah menyelesaikan pendanaan sebanyak $15 juta, dipimpin oleh Generative Ventures dan Borderless Capital, dengan penyertaan Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund, dan Altana Wealth.

Walaupun naratif awalnya berfokus pada DePIN, peaq telah melancarkan Robotics SDK pada September tahun lalu, membolehkan robot mendapatkan identiti autonomi, melakukan pembayaran dan penerimaan bayaran, mengesahkan data, serta menyambung ke ekonomi rangkaian di atas rantai. Kini, sebarang robot yang kompatibel dengan sistem ROS2 boleh menyertai ekonomi rangkaian peaq, menggunakan piawaian amnya untuk berdagang dengan manusia atau robot lain.

Selain itu, peaq melancarkan projek RWA robot bernama «RoboFarm» di DualMint tahun lepas, di mana mereka membina sebuah ladang robot di Hong Kong dan mencapai automatik 80% dalam pengeluaran pertanian melalui robot. Letup, bayam, dan kale yang ditanam dijual di Hong Kong. Hasil tahunan yang dijangka untuk pemegang NFT adalah sekitar 18%.

Axis Robotics

Axis Robotics berkomitmen untuk membangun infrastruktur terdistribusi untuk kecerdasan fisik (Physical AI). Mereka percaya bahawa pendekatan "Simulation First" adalah jalan terbaik untuk mengatasi kekurangan data robotik dan batasan generalisasi model, dengan menggabungkan pengumpulan data berkelanjutan dan berkos rendah bersama enjin peningkatan data eksklusif, mencapai lompatan tiga arah dalam kualiti, kekayaan, dan skala data. Sambil itu, setiap aset data memiliki asal-usul terpercaya di rantai (On-chain Provenance), bersama-sama membina perpustakaan bahan bakar utama yang mendorong evolusi kecerdasan robotik am (RGI).

Axis telah mengubah cara data latihan robot disediakan. Projek-projek lain di pasaran yang "memasukkan/menyediakan data latihan robot" kebanyakannya menggalakkan pengguna untuk merekam dan menghantar video tindakan yang ditentukan yang dilakukan dalam dunia nyata melalui peranti seperti telefon bimbit dan cermin mata pintar, untuk mencapai penyertaan pengguna yang rendah halangan dan global. Walaupun kos pengumpulan data ini rendah, data yang dikumpulkan daripada video mempunyai ketepatan fizikal yang tidak mencukupi, kekurangan maklumat kedalaman, dan tidak dapat menjamin keberterusan dan ketepatan data 3D.

Melalui "simulasi", Axis menyelesaikan titik kesakitan ini, iaitu dalam persekitaran simulasi, model mampu menyelesaikan tugas walaupun dalam keadaan maya yang lebih ketat melalui pelbagai skenario simulasi (cahaya, sudut, geseran, dinamik, dsb.), sehingga memperoleh kemampuan generalisasi yang kuat. Axis menggunakan Strategi Hibrid (Hybrid Strategy), menggabungkan data sebenar yang jarang dengan data sintetik dalam jumlah besar. Dengan memanfaatkan teknik peningkatan metadata yang dipercepat GPU, terdapat banyak variasi dalam cahaya, tekstur, dan sifat fizikal bagi satu skenario sahaja. Skenario maya bukanlah statik atau ditetapkan oleh kod, tetapi boleh disesuaikan secara fleksibel. Kod mampu menghasilkan ribuan skenario, membolehkan robot menghadapi cabaran yang lebih ketat dan menyeluruh di bawah pelbagai keperluan skenario. Kos untuk menghasilkan skenario adalah rendah, sementara jumlah outputnya sangat besar. Keberkesanan pendekatan ini — menggunakan data dalam jumlah besar untuk mengumpul dan mendekati penyelesaian optimum — sebahagiannya telah disahkan oleh pelbagai raksasa seperti Google dan NVIDIA.

Projek simulasi pembelajaran robot pertama yang dibuka kepada komuniti oleh Axis, "Little Prince's Rose", telah selesai. Dalam projek "Little Prince's Rose", pengguna membolehkan robot melaksanakan tindakan menyiram bunga dalam persekitaran simulasi melalui laman web, dan melalui pengumpulan serta analisis tindakan pengguna, robot tersebut belajar menyiram bunga. Pengguna boleh mengendalikan robot secara jarak jauh melalui laman web, yang mengekalkan kos rendah dan rintangan rendah kaedah muat naik video, sambil membina model asas VLA (Vision-Language-Action) 3D-aware asli untuk robot, serta meningkatkan kemampuan pemikiran ruang tiga dimensi yang kurang dimiliki oleh saluran input data video.

Projek «Little Prince's Rose» dalam masa hanya 5 hari sejak pelancaran, pengguna biasa tanpa latar belakang industri robot di seluruh dunia telah menyumbang ribuan trajektori berkualiti tinggi yang boleh digunakan untuk latihan strategi melalui pengalaman yang menarik. Berdasarkan data ini, Axis berjaya melatih model strategi dan merealisasikan semula lengan robot Franka secara sebenar. Ini menandakan bahawa Axis telah melaksanakan lengkap satu siklus tertutup: «penghasilan tugas -> pengumpulan komuniti -> peningkatan data -> latihan model -> pelaksanaan sebenar».

Data sebenar selama 1 jam boleh ditukar menjadi 1000 jam data latihan, ganjaran kecekapan ini secara besar-besaran mengurangkan kos yang diperlukan untuk generalisasi model robot.

Dalam ujian Beta semasa Perayaan Tahun Baru Cina, hanya dalam masa 5 hari, 18,000 peserta tanpa latar belakang industri robotik telah menyelesaikan 27 tugas baru di Axis, menyumbang lebih daripada 100,000 jejak data. Ujian berjaya menyokong pengacakan tinggi di dalam tugas dan mengesahkan kompatibiliti terhadap pelbagai bentuk aset seperti robot roda dan robot dua lengan.

Produk utama Axis akan dilancarkan secara rasmi pada akhir Mac, dan dirancang untuk membuka sumber kod pada akhir April atau awal Mei, memperkenalkan set data simulasi tulen terbesar di dunia berdasarkan lengan mekanikal Franka, yang sepenuhnya memenuhi keperluan latihan strategi dan model. Sementara itu, sebagai projek robotik yang bermula daripada Crypto-AI, Axis telah mula mengkaji dan mempercepatkan pelaksanaan industri luaran, dengan mempercepatkan proses komersialisasi berdasarkan pelanggan unggul dalam beberapa bidang细分: bekerjasama dengan sebuah syarikat automobil untuk melaksanakan penyelesaian automatik dalam proses pengeluaran; mencapai persetujuan kerjasama dengan sebuah syarikat komputasi hampir IPO dalam arah aset maya dan model dunia; serta membina hubungan kerjasama mendalam dengan pelbagai syarikat badan maya dalam elemen-elemen kunci seperti pengumpulan data simulasi maya dan latihan model. Semua ini menunjukkan eksternaliti yang jarang ditemui dalam projek Crypto.

GEODNET

Jaringan terdesentralisasi yang menyediakan data real-time kinematic (RTK) dengan ketepatan posisi sentimeter untuk drone, robot, dan lain-lain, memiliki lebih dari 21.000 stesen pangkalan aktif di lebih dari 150 negara. Dalam setahun terakhir, projek ini menghasilkan pendapatan melebihi 7 juta dolar AS dan menunjukkan tren pertumbuhan setiap kuartal.

Walaupun projek ini lebih banyak diklasifikasikan sebagai DePIN, permintaan untuk data penentuan lokasi masa nyata yang tepat dijangka akan meningkat seiring dengan penyebaran penggunaan teknologi robotik dalam kehidupan sebenar. Pada Februari 2025, Multicoin mengumumkan memimpin pembelian $GEDO bernilai 8 juta dolar AS daripada Yayasan GEODNET.

BitRobot

BitRobot Network dibangun bersama oleh FrodoBots Lab dan Protocol Labs untuk mewujudkan pekerjaan dan kolaborasi robot terdistribusi. Komponen utamanya termasuk: Verified Robot Work (VRW), yang digunakan untuk mendefinisikan dan memverifikasi tugas robot sebagai indikator kuantitatif hadiah jaringan; Device Node Tokens (ENT), yang merupakan identitas unik robot dalam sistem dalam bentuk NFT, digunakan untuk kepemilikan perangkat dan akses jaringan; serta subnet yang berfungsi sebagai lapisan eksekusi tugas, yang merupakan kumpulan sumber daya yang menciptakan nilai bagi jaringan BitRobot.

On February 14, 2025, FrodoBots Lab announced the completion of a $6 million seed round, bringing total funding to $8 million.

FrodoBots Lab juga menjual robot, Earth Rovers seperti Mario Kart dalam dunia nyata, dijual dengan harga $249, di mana pemain mengendalikan robot mereka secara jarak jauh melalui peramban dalam permainan pencarian harta karun global ET Fugi, data ini digunakan oleh para penyelidik untuk menghuraikan dan menguji model navigasi AI terkini mereka. ET Fugi juga merupakan subnetwork pertama BitRobot.

Robot permainan lain, Octo Arms, juga akan dilancarkan pada masa akan datang, di mana pemain mengawal lengan mekanik dari jauh untuk menyelesaikan pelbagai permainan teka-teki 3D dan pertandingan.

Konsep yang disebut "subnetwork" dalam rangkaian robot ini agak abstrak; secara ringkas, mana-mana kumpulan (atau projek/kejadian spesifik yang dilakukan oleh kumpulan) yang menyumbang kepada ekosistem rangkaian keseluruhan adalah satu subnetwork, seperti permainan ETFugi yang disebutkan di atas, serta SeeSaw yang dikeluarkan oleh Virtuals.

SeeSaw

Subnet ke-5 BitRobot, aplikasi perkongsian data latihan robot yang dilancarkan oleh Virtuals pada Oktober tahun lepas. Di SeeSaw, pengguna merekam video tingkah laku harian mereka, muat naik untuk menyelesaikan tugas dan mendapat ganjaran. Data video dari pengguna global, termasuk tingkah laku harian seperti mengikat tali kasut dan melipat pakaian, akan digunakan untuk melatih robot.

Auki

Rangkaian persepsi mesin terpusat Auki, Posemesh, digunakan untuk menghubungkan manusia, peranti, dan AI, dengan arsitektur inti DePIN (rangkaian fizikal terpusat) yang membolehkan peranti seperti robot dan cermin mata AR berkongsi data lokasi dan pengesanan secara masa nyata, membina pemahaman ruang kolaboratif terhadap dunia fizikal, yang boleh menyediakan pandangan ruang bersama untuk robot, AR, dan AI.

Dirangkaikan berbagai peranan nod berdasarkan protokol Posemesh. Nod pengiraan menyediakan kuasa pengiraan, nod pergerakan (terminal robot) menghantar maklumat lokasi dan data sensor, nod reka bentuk menghasilkan model peta 3D berdasarkan data tersebut, dan nod domain mengurus ruang 3D. Setiap nod menerima insentif token $AUKI berdasarkan sumbangan mereka, mendorong rangkaian penglihatan mesin yang berevolusi secara sendiri.

Jaringan ini menekankan perlindungan privasi, mengelakkan entiti tunggal memantau ruang peribadi pengguna, serta boleh digunakan dalam pelbagai aplikasi seperti runcit (pengoptimuman penempatan produk), pengurusan hartanah (penjejakkan aset), navigasi pameran, dan pembinaan bangunan.

Platform pengiraan ruang Cactus AI mereka telah menjalani uji coba aktif dengan Toyota Material Handling dan rantaian supermarket Sweden, Stora Coop.

XMAQUINA

DAO yang membolehkan pelabur kecil menyertai pelaburan dalam syarikat robotik. DAO ini mengumpulkan 10 juta dolar AS melalui penjualan berperingkat token $DEUS mereka. Semasa ini, DAO telah menggunakan dana hasil lelongan untuk membeli saham dalam enam syarikat bidang robotik, iaitu Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics, dan Robotico. Sebahagian pelaburan telah mula menghasilkan keuntungan, dengan pulangan tunggal melebihi 100%.

PrismaX

Pada 17 Jun 2025, PrismaX mengumumkan penutupan pembiayaan sebanyak $11 juta, dengan pelabur termasuk a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator, dan Virtuals.

PrismaX membina lapisan koordinasi terbuka yang menghubungkan operator jarak jauh, pengguna robot, dan syarikat robot. Operator boleh menghubungkan dengan pengguna, mengendalikan robot dari jarak jauh, menyelesaikan tugas sebenar, sambil mengumpul data yang bernilai. Juga boleh meminta perkhidmatan sebenar seperti logistik dan pengiklanan.

PrismaX juga memiliki protokol robot operasi jarak jauh, di mana perusahaan boleh mencari operator robot berpengalaman yang mampu menangani tugas-tugas kompleks; operator boleh memilih untuk mengikatkan token rangkaian untuk meningkatkan kepercayaan dan meningkatkan peluang mendapat tugas berpendapatan tinggi. Pendapatan yang diperoleh oleh pihak yang mengikatkan tidak hanya berkaitan dengan jumlah yang diikatkan, tetapi juga dengan kualiti kerja mereka, dan mereka akan menerima ganjaran tambahan apabila kecekapan kerja meningkat.

Data yang dikumpulkan daripada operasi jarak jauh pula akan digunakan untuk melatih robot untuk meningkatkan autonomi robot, yang seterusnya akan meningkatkan kecekapan operator jarak jauh, dan akhirnya mencapai autonomi tinggi atau sepenuhnya pada robot.

Agen NRN

NRN berkembang daripada permainan blockchain real-time AI Arena, yang melibatkan pertandingan AI Agent. Pada 28 Oktober 2021, pembangun ArenaX Labs mengumumkan penutupan pembiayaan benih sebanyak $5 juta, dipimpin oleh Paradigm Capital dengan penyertaan Framework Venture Partners. Pada 9 Januari 2024, ArenaX Labs mengumumkan pembiayaan baharu sebanyak $6 juta, dipimpin oleh Framework Ventures, dengan penyertaan SevenX Ventures, FunPlus/Xterio, dan Moore Strategic Ventures.

Walaupun secara keseluruhan juga merupakan proses pengumpulan data -> penguatan pembelajaran robot, berdasarkan pengalaman luas di bidang permainan, NRN menyediakan pengalaman berbasis peramban yang mengubah pengumpulan data robot menjadi permainan, di mana pengguna boleh mengawal robot simulasi secara intuitif melalui peramban. Semasa bermain permainan, data tingkah laku yang dihasilkan daripada tindakan pengguna digunakan untuk melatih sistem robot dunia nyata.

Pada peringkat semasa, projek ini akan memberi tumpuan kepada lengan mekanikal (RME-1) untuk mengesahkan pengumpulan data, pembelajaran secara nyata, dan adaptabiliti.

Klik untuk mengetahui jawatan yang sedang dibuka oleh BlockBeats

Selamat datang ke komuniti rasmi律动 BlockBeats:

Kumpulan langgan Telegram: https://t.me/theblockbeats

Grup percakapan Telegram：https://t.me/BlockBeats_App

Akaun rasmi Twitter: https://twitter.com/BlockBeatsAsia