Em seu discurso no Davos no início deste ano, Musk reafirmou novamente aquela profecia altamente provocativa — no futuro, o número de robôs na Terra superará o número de humanos.

Claramente, IA e robôs já são basicamente os dois únicos tópicos tecnológicos globais: um é a inteligência artificial geral, que está se aproximando constantemente do ponto crítico da AGI, e o outro são os robôs, que estão saindo dos laboratórios e tentando assumir totalmente o trabalho físico humano. Da mesma forma, além do conceito de IA, a principal rota de foco do setor de criptomoedas este ano também inclui inteligência embutida. Abaixo estão os projetos na rota Robotic que merecem atenção.

OpenMind

Em 4 de agosto de 2025, segundo comunicado oficial, a empresa de infraestrutura de máquinas inteligentes, com sede na Silicon Valley, OpenMind, anunciou a conclusão de um financiamento de US$ 20 milhões, liderado pela Pantera Capital, com participação de várias instituições e diversos anjos investidores renomados, incluindo Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures e Amber Group.

OpenMind ajuda robôs a pensar, aprender e trabalhar por meio do desenvolvimento de software de código aberto. O sistema operacional nativo de IA de código aberto, OM1, permite configurar e implantar Agentes de IA no mundo digital e no mundo físico. Os usuários podem criar um agente de IA e executá-lo na nuvem ou em robôs físicos no mundo real.

Em termos simples, o OpenMind desenvolver o OM1 é como criar o “cérebro de IA” para um robô. Esse “cérebro de IA” pode operar com múltiplos Agentes de IA trabalhando em conjunto, interagir com vários LLMs e obter dados de diversas fontes para realizar tarefas (por exemplo, postar conteúdo para o usuário nas redes sociais). Como o OM1 é de código aberto, trata-se também de um sistema operacional de robô altamente adaptável, independente de hardware, assim como o Android em smartphones.

Além disso, a OpenMind possui uma rede de identidades de robôs on-chain chamada FABRIC, projetada para permitir que humanos e robôs compartilhem uma camada de confiança verificável. Humanos podem ganhar medalhas ao compartilhar dados de localização por meio de mapas, avaliar comportamentos de robôs e desenvolver, enquanto cada robô equipado com o sistema OM1 se junta à rede FABRIC, adquirindo uma identidade única e verificável, permitindo que ações relacionadas a comandos, logs de operação e propriedade dos robôs sejam rastreadas na blockchain.

Em dezembro de 2025, a OpenMind anunciou em conjunto com a emissora de stablecoin Circle o lançamento de um sistema de pagamento autônomo baseado no protocolo x402. À medida que as capacidades dos robôs aumentam, eles deixarão de ser meramente ferramentas para executar tarefas e começarão a desempenhar o papel de economias autônomas. Eles precisarão comprar poder de processamento, dados, habilidades e até contratar outros robôs ou humanos para completar tarefas complexas.

CodecFlow

CodecFlow oferece uma plataforma unificada que permite execução perfeita na nuvem, na borda, em desktops e em hardware robótico, suportando ao mesmo tempo APIs populares atuais e sistemas tradicionais. A plataforma normaliza entradas de sensores robóticos diversos em um formato comum e modulariza ações robóticas mais complexas, permitindo que equipes de desenvolvimento ou usuários não precisem projetar robôs do zero. A percepção, a tomada de decisão e o controle entre robôs também podem interagir por meio da rede, em vez de serem fragmentados ou específicos para plataformas de hardware individuais.

Operadores impulsionados por IA percebem e raciocinam em tempo real para responder a mudanças na interface do usuário de software ou no ambiente robótico, superando a vulnerabilidade dos processos tradicionais de automação robótica, que dependem excessivamente de scripts pré-escritos diante de até mesmo pequenas alterações. Em resumo, capturam capturas de tela, imagens de câmeras ou dados de sensores, processam esses dados externos com IA para interpretar observações ou instruções e, finalmente, executam decisões por meio de interações com a interface do usuário.

Peaq

Em 27 de março de 2025, o protocolo DePIN Layer1 Peaq concluiu um financiamento de US$ 15 milhões, liderado pela Generative Ventures e Borderless Capital, com participação da Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund e Altana Wealth.

Embora a narrativa inicial tenha sido focada no DePIN, o peaq lançou o Robotics SDK em setembro do ano passado, permitindo que robôs obtenham identidades autônomas, realizem pagamentos e recebimentos, verifiquem dados e se integrem à economia de rede on-chain. Agora, qualquer robô compatível com o sistema ROS2 pode se juntar à economia de rede do peaq e realizar transações com humanos ou outros robôs usando seus padrões universais.

Além disso, a peaq lançou no DualMint, no ano passado, um projeto RWA de robôs chamado «RoboFarm», onde estabeleceram uma fazenda de robôs em Hong Kong, automatizando 80% da produção agrícola por meio de robôs. A alface, espinafre e couve kale produzidos são vendidos em Hong Kong. O rendimento anual estimado para detentores de NFTs é de aproximadamente 18%.

Axis Robotics

Axis Robotics dedica-se à construção de infraestrutura distribuída para escalar a inteligência embutida (Physical AI). Acreditam firmemente que a abordagem "Simulation First" é o melhor caminho para superar as limitações de escassez de dados e generalização de modelos na robótica, alcançando uma tríplice melhoria em qualidade, riqueza e escala de dados por meio da coleta em larga escala e de baixo custo, combinada com seu motor exclusivo de aumento de dados. Ao mesmo tempo, cada ativo de dados possui rastreabilidade confiável na cadeia (On-chain Provenance), construindo coletivamente o repositório central de combustível para a evolução da inteligência robótica geral (RGI).

Axis revolucionou a forma como os dados de treinamento de robôs são fornecidos. Outros projetos no mercado que "inserem/fornecem dados de treinamento de robôs" geralmente dependem de usuários mobilizados para gravar e carregar vídeos de si mesmos realizando ações específicas no mundo real por meio de dispositivos como celulares ou óculos inteligentes, visando uma participação global e de baixa barreira. Embora esse método tenha um custo mais baixo para a coleta de dados, a realidade física dos vídeos coletados é insuficiente, carecendo de informações de profundidade e não garantindo a continuidade e precisão dos dados 3D.

Por meio da "simulação", o Axis resolveu esse ponto doloroso, permitindo que o modelo complete tarefas em condições virtuais mais rigorosas, por meio de uma grande variedade de cenários de simulação (iluminação, ângulos, atrito, dinâmica, etc.) em um ambiente simulado, adquirindo assim uma forte capacidade de generalização. O Axis adota uma Estratégia Híbrida, combinando dados reais escassos com uma enorme quantidade de dados sintéticos. Utilizando tecnologia de aumento de metadados acelerada por GPU, é possível gerar diversas variações de iluminação, textura e propriedades físicas em um único cenário. Os cenários virtuais não são fixos ou codificados rigidamente, mas sim ajustáveis de forma flexível. Código pode gerar inúmeros cenários, desafiando os robôs com exigências mais rigorosas e abrangentes em cada um deles. O custo para gerar esses cenários é baixo, enquanto a quantidade produzida é extremamente grande — a eficácia dessa abordagem de usar grandes volumes de dados para convergir e aproximar-se da solução ótima já foi parcialmente validada por grandes empresas como Google e NVIDIA.

O primeiro projeto de aprendizado de robôs de simulação aberto pela Axis à comunidade, "Little Prince's Rose", foi concluído. No projeto "Little Prince's Rose", os usuários, por meio de uma página web, fazem o robô executar com sucesso uma ação de regar plantas em um ambiente simulado; ao coletar e analisar as operações dos usuários, o robô aprende a regar. Os usuários podem operar remotamente o robô por meio da página web, mantendo o baixo custo e a baixa barreira de entrada do método de upload de vídeo, enquanto constroem um modelo base nativo 3D-aware VLA (Vision-Language-Action) para o robô, ampliando sua capacidade de raciocínio espacial tridimensional, que falta nos dados de vídeo.

O projeto «Little Prince's Rose», apenas 5 dias após o lançamento, contou com usuários comuns em todo o mundo, sem experiência na indústria de robótica, que, por meio de uma experiência envolvente, contribuíram com milhares de trajetórias de alta qualidade, úteis para treinamento de estratégias. Com base nesses dados, a Axis treinou com sucesso o modelo de estratégia e realizou a reprodução em hardware real do braço robótico Franka. Isso marca a conclusão da闭环 completa da Axis: «geração de tarefas -> coleta pela comunidade -> aumento de dados -> treinamento do modelo -> implantação em hardware real».

1 hora de dados reais pode ser convertida em 1000 horas de dados de treinamento; esse alavancagem de eficiência reduz drasticamente o custo necessário para a generalização do modelo de robô.

Durante o teste Beta do Festival da Primavera, apenas 5 dias foram necessários para que 18.000 participantes sem experiência na indústria de robôs concluíssem 27 novas tarefas no Axis, contribuindo com mais de 100.000 trajetórias de dados. O teste suportou com sucesso alta aleatorização dentro das tarefas e validou a compatibilidade com ativos de múltiplas formas, como robôs com rodas e robôs braçais.

O produto principal da Axis será lançado oficialmente no final de março e planeja abrir o maior conjunto de dados de simulação pura baseado no braço robótico Franka até o final de abril ou início de maio, atendendo completamente às necessidades de treinamento de estratégias e modelos. Ao mesmo tempo, como um projeto de robótica partindo do Crypto-AI, a Axis já começou a explorar e impulsionar a aplicação industrial externa, acelerando o processo de comercialização em torno de clientes referência em vários segmentos específicos: colaborando com uma montadora para implementar soluções de automação nos processos de produção; alcançando consenso de cooperação com uma empresa de poder computacional pré-IPO nas áreas de ativos virtuais e modelos mundiais; e estabelecendo parcerias estratégicas com múltiplas empresas de corpos embutidos em etapas-chave como coleta de dados de simulação virtual e treinamento de modelos. Isso reflete a rara externalidade de um projeto Crypto.

GEODNET

Rede descentralizada que fornece dados de posicionamento em tempo real com precisão de centímetros para drones, robôs e outros dispositivos, com mais de 21.000 estações-base ativas em mais de 150 países. No último ano, o projeto gerou mais de 7 milhões de dólares em receita, com tendência de crescimento trimestral.

Embora o projeto seja mais frequentemente classificado como DePIN, espera-se que a demanda por dados de localização em tempo real de alta precisão se torne ainda mais ampla à medida que a robótica se torna mais comum na vida real. Em fevereiro de 2025, a Multicoin anunciou liderar a aquisição de $GEDO no valor de 8 milhões de dólares da GEODNET Foundation.

BitRobot

A BitRobot Network foi desenvolvida em conjunto pela FrodoBots Lab e pela Protocol Labs com o objetivo de realizar trabalho e colaboração distribuídos de robôs. Seus componentes-chave incluem: Verified Robot Work (VRW), um indicador quantificado de recompensas da rede usado para definir e validar tarefas de robôs; Device Node Tokens (ENT), identificadores únicos de robôs no sistema, existentes na forma de NFTs, para propriedade de dispositivos e acesso à rede; e sub-redes, que atuam como camada de execução de tarefas, criando valor para a rede BitRobot por meio de clusters de recursos.

Em 14 de fevereiro de 2025, a FrodoBots Lab anunciou a conclusão de um financiamento semente de US$ 6 milhões, totalizando US$ 8 milhões em financiamento.

FrodoBots Lab também vende robôs, Earth Rovers são como Mario Kart na vida real, custam 249 dólares, e os jogadores controlam remotamente seus robôs por meio de um navegador em um jogo global de caça ao tesouro chamado ET Fugi, com dados usados por pesquisadores para implantar e testar seus mais recentes modelos de navegação por IA. ET Fugi também é a primeira subrede do BitRobot.

Outro robô de jogo, Octo Arms, também será lançado no futuro, permitindo que os jogadores controlem remotamente braços mecânicos para completar diversos quebra-cabeças 3D e competições.

O conceito de "subrede" nessa rede de robôs é um pouco abstrato; em termos simples, qualquer cluster que contribua para o ecossistema da rede como um todo (ou os projetos/eventos específicos que o cluster realiza) é uma subrede, como o jogo ETFugi mencionado acima e o SeeSaw lançado pelos Virtuals.

SeeSaw

A quinta sub-rede do BitRobot, uma aplicação de compartilhamento de dados de treinamento de robôs lançada pela Virtuals em outubro do ano passado. No SeeSaw, os usuários gravam vídeos de suas atividades cotidianas, carregam-os para completar tarefas e recebem recompensas. Esses dados de vídeo, provenientes de usuários globais e incluindo ações cotidianas como amarrar cadarços e dobrar roupas, serão utilizados para treinar robôs.

Auki

A rede de percepção descentralizada de máquinas da Auki, chamada Posemesh, conecta humanos, dispositivos e IA, com um núcleo baseado em uma arquitetura DePIN (rede descentralizada de entidades físicas), permitindo que dispositivos como robôs e óculos de realidade aumentada compartilhem em tempo real dados de localização e sensores, construindo juntos uma compreensão colaborativa do espaço do mundo físico, oferecendo uma visão espacial compartilhada para robôs, realidade aumentada e IA.

Foram designados vários papéis de nó com base no protocolo Posemesh. Nós de cálculo fornecem poder computacional, nós de movimento (terminais robóticos) enviam informações de localização e dados de sensores, nós de reconstrução geram modelos de mapa 3D com base nesses dados, e nós de domínio gerenciam o espaço 3D. Cada nó é incentivado com tokens $AUKI conforme sua contribuição, impulsionando uma rede de visão machine autoevolutiva.

Esta rede enfatiza a proteção de privacidade, evitando que uma única entidade monitore o espaço privado dos usuários, e pode ser aplicada em diversos cenários, como varejo (otimização de exposição de produtos), gestão de propriedades (rastreamento de ativos), navegação em feiras e exposições, reformas arquitetônicas, entre outros.

Sua plataforma de computação espacial Cactus AI já está em testes ativos com a Toyota Material Handling e o supermercado sueco Stora Coop.

XMAQUINA

DAO que permite que pequenos investidores participem de investimentos em empresas de robótica. O DAO arrecadou US$ 10 milhões através da venda em lotes de seus tokens $DEUS. Atualmente, o DAO utilizou os recursos arrecadados nas licitações para adquirir participações em seis empresas do setor de robótica: Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics e Robotico. Alguns investimentos já começaram a gerar lucros, com retornos individuais superiores a 100%.

PrismaX

Em 17 de junho de 2025, a PrismaX anunciou a conclusão de um financiamento de 11 milhões de dólares, com investidores incluindo a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator e Virtuals.

A PrismaX constrói uma camada de coordenação aberta que conecta operadores remotos, usuários de robôs e empresas de robôs. Os operadores podem se conectar aos usuários, controlar remotamente robôs para realizar tarefas reais, ao mesmo tempo em que coletam dados valiosos. Também podem solicitar serviços reais, como logística e publicidade.

PrismaX também possui um protocolo para operação remota de robôs, onde empresas podem buscar operadores de robôs experientes capazes de realizar tarefas complexas; os operadores podem optar por fazer stake nos tokens da rede para aumentar a confiança e aumentar as chances de obter tarefas de alto rendimento. Os rendimentos recebidos pelos stakers não dependem apenas da quantidade stakeada, mas também da qualidade do trabalho, e ainda recebem recompensas adicionais à medida que sua eficiência aumenta.

Os dados coletados através da operação remota serão usados para treinar robôs, aumentando sua autonomia, o que por sua vez melhorará a eficiência dos operadores remotos, levando finalmente à alta ou até completa autonomia dos robôs.

Agentes NRN

NRN surgiu do jogo blockchain em tempo real AI Arena, treinado por agentes de IA em combate. Em 28 de outubro de 2021, a desenvolvedora ArenaX Labs anunciou a conclusão de um financiamento semente de US$ 5 milhões, liderado pela Paradigm Capital e com participação da Framework Venture Partners. Em 9 de janeiro de 2024, a ArenaX Labs anunciou um novo financiamento de US$ 6 milhões, liderado pela Framework Ventures, com participação da SevenX Ventures, FunPlus/Xterio e Moore Strategic Ventures, entre outros.

Embora também seja essencialmente um processo de coleta de dados → reforço do aprendizado do robô, aproveitando a rica experiência no setor de jogos, a NRN oferece uma experiência baseada em navegador que transforma a coleta de dados do robô em um jogo, permitindo que os usuários controlem diretamente robôs simulados por meio do navegador. Durante o jogo, os dados de comportamento gerados pelas ações dos usuários são utilizados para treinar sistemas de robôs no mundo real.

Nesta fase, o projeto focará no braço mecânico (RME-1) para validar a coleta de dados, o aprendizado em tempo real e a adaptabilidade.

Clique para saber mais sobre as vagas em aberto na BlockBeats

Bem-vindo ao grupo oficial da BlockBeats:

Grupo de assinatura no Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia