加密 x 機器人：深入了解 6 個值得關注的項目

作者：Krix

編譯：深潮 TechFlow

原文連結：

聲明：本文爲轉載內容，讀者可通過原文連結獲得更多信息。如作者對轉載形式有任何異議，請聯繫我們，我們將按照作者要求進行修改。轉載僅用於信息分享，不構成任何投資建議，不代表吳說觀點與立場。

摩根士丹利預測，到 2050 年類人機器人（深潮注：與人類相似並能像人類一樣行動的機器人）數量可能達到近 10 億，以及埃隆·馬斯克表示到 2040 年類人機器人數量將超過人類，關於未來幾十年世界如何運作的討論既令人興奮又讓人感到真實的擔憂。

隨着生產效率的提高、成本的下降以及材料和技術的進步，許多思想領袖認爲我們正處於機器人時代的邊緣。預計到2029年，這將推動機器人市場規模達到730億美元。

來源

顯然，大部分增長將來自私募股權。然而，隨着加密領域監管環境日趨明朗，越來越多的初創企業將轉向區塊鏈，通過代幣銷售實現高效且快速地籌集資金。

現階段來看，機器人行業在加密領域的總估值約爲 2.5 億美元。這只是九牛一毛。

本文的目的是提供一個更清晰的現有細分領域概覽，並介紹一些最具潛力的項目。

爲什麼機器人技術需要加密 在深入探討這些項目的價值主張之前，必須明確兩個看似距離遙遠的領域之間的關鍵聯繫。

1. 協作層

在一個機器人羣體協同工作的世界中（例如配送無人機或工廠機器人），需要一個協作層來使這些獨立的機器能夠超越自身操作系統的限制進行合作。

2. 金融層

傳統支付系統由於費用和延遲的問題，無法適應大規模微交易的需求。而加密領域的低成本、即時區塊鏈交易能夠實現無縫的機器對機器（M2M）經濟，對於一個數十億機器人在沒有人類監督下運行的未來來說至關重要。

3. 去中心化的所有權和租賃模式

機器人硬件的高成本（例如一臺 Optimus 機器人需要 2 萬到 3 萬美元）限制了其普及性。

加密領域可以通過 NFT 或代幣化實現部分所有權，允許個人投資或租賃機器人羣體。

可以設想一個市場將這一概念轉化爲“機器人即服務”（Robot-as-a-Service）資產，讓小型企業和消費者能夠更便捷地使用機器人。

4. 數據安全和可驗證性

機器人技術依賴於海量數據集進行人工智能訓練，但集中式數據存儲存在泄露或操控的風險。

區塊鏈提供了不可篡改且可驗證的數據記錄，確保機器人生成的數據（例如傳感器輸入）安全且防篡改。

這對於像醫療保健或老年護理機器人這樣的應用中的監管合規和信任至關重要。

5. 融資與社區對齊

開發先進的機器人技術需要大量資金，但傳統的風險投資模式進展緩慢，且股權投資佔比過高。加密領域啓動平台和代幣銷售提供了快速的、社區驅動的融資方式，平衡了開發者和用戶之間的激勵機制。

通過以上列出的優勢，可以更清晰地了解需要關注的重點。

現在進入正題。

Openmind

最近，OpenMind從行業頂尖參與者如 Pantera Capital 獲取了2000 萬美元的投資，並憑藉其互操作性層 FABRIC（一種用於全球智能機器的數字神經系統）成爲該領域的領導者之一。

Fabric 提供身分、位置、驗證和結算的核心原語，將單個機器人集合轉變爲一個統一協作的生態系統。

Fabric 通過以下四項關鍵功能實現多智能體協作和實時決策：

可驗證的機器身分：每臺機器獲得一個獨立且加密安全的身分（ERC-7777），實現無需信任的驗證，防止欺騙，確保通信的完整性。

位置證明：一個去中心化且防篡改的 GPS 系統，允許機器證明其物理位置，這對於協作和共享地圖至關重要。

任務驗證：使用加密籤名的傳感器數據或數字證明來驗證任務完成的標準化協議，同時觸發自動支付。

穩定幣結算：內置支付層，使用穩定幣實現無摩擦、實時結算，無需擔心波動性或依賴傳統金融體系。

FABRIC 爲未來勞動力提供無縫連接，而 OM1 則是一款開源的 AI 原生操作系統，允許開發者在數字和物理環境中配置和部署代理。

這意味着您可以創建一個可在雲端或物理機器人硬件（例如 Quadrupeds、TurtleBot 4 和 Humanoids）上運行的 AI 角色。

來源

值得注意的是，該項目最近發布了 OpenMind App，被稱爲“機器人界的 Uber”。是的，應用中還涉及積分系統。

Auki Auki 是另一位重量級選手，已經在這一領域深耕超過5年。專注於空間計算，Auki 通過其名爲 Posemesh 的技術解決了 AI 在現實世界中展現智能的挑戰。

Posemesh 基於 DePIN 網路構建，該網路能夠安全且私密地共享數字設備的空間數據和計算能力。這使機器人能夠集體理解物理世界，並更好地相互交互。

您無需與中心化實體共享攝像頭信息，而是可以與您正在訪問的域或您所在區域的其他同伴私密地交換空間數據。

在 Auki 上，設備可以貢獻或請求傳感器數據、處理能力、存儲、網路和監控服務。

基於 Base L2 的聲譽和獎勵系統通過加密方式確保安全，並爲 DePIN 網路的資源配置和運營提供經濟基礎。

來源

代幣符號爲 $AUKI。

注：若想深入了解發展歷程及未來方向，建議閱讀他們引人深思的七部分介紹文章。

Codec

繼續探討機器人協作領域，Codec 是一個基於 Solana 的項目，解決了當前分布式計算環境中軟件和機器人傳統自動化的基本局限性。

Codec 將 AI 自動化工作流的理念應用於機器人領域，提供一個統一平台，跨雲端、邊緣、桌面和機器人硬件運行。

有趣的是，其協作層也被稱爲 Fabric，與 OpenMind 的產品同名，概念也有相似之處（盡管技術細節有所不同）。

Fabric 基於三層架構構建：機器層、系統層和智能層。

來源

通過 Fabric 和 Operator Kit（一個用於創建、訓練和部署智能操作員的統一 Python 框架），以及爲其提供支持的 VLA 模型，Codec 使數字或物理智能體能夠執行依賴視覺或其他傳感器輸入的復雜任務。

爲了展示 CodecFlow 技術棧的有效性，該團隊發布了RoboMove，一個能夠根據人類輸入執行動作的模擬機器人。

代幣符號爲 $CODEC。

RoboStack

盡管像 OpenMind、Auki 和 Codec 這樣的項目讓機器人離現實世界越來越近，但對於大多數初創企業和組織來說，在早期階段購買昂貴的硬件和工具顯然過於奢侈。因此，一個現實的環境測試平台（在這裏更像是雲端）或許正是加速機器人基層開發所需的關鍵。

RoboStack 的核心是 RCP（機器人上下文協議，Robot Context Protocol），這是一個標準化的通信層，用於連接機器人、AI代理和人類用戶，形成一個統一的生態系統。

來源

在雲端，用戶可以模擬和復現各種條件，包括極端或難以觸及的環境。

該平台允許您完全自定義機器人設置、傳感器配置和環境因素。

定義工作流程後，系統會在雲端自動運行，並將所有生成的數據收集並存儲，以備 AI訓練、分析或研究使用。

代幣符號爲 $ROBOT。

讓我們從機器協作的復雜操作中稍作抽離，關注另一個關鍵問題：機器人如何將 AI 的能量轉化爲現實世界的能力。提示：理解一個概念並不意味着它可以輕鬆復制。

Silencio

你看，盡管 ChatGPT 可能知道生成聲音的指令，但真正理解聲音卻復雜得多，因爲它依賴於語境，例如音調、音高、節奏和環境。

同一聲音在歌曲、警告信號或日常對話中可能有完全不同的意義，而沒有大量真實世界的例子，很難捕捉這些細微差別。

Silencio 通過其 DePIN 網路解決了這一挑戰，收集和處理真實世界的音頻數據點，使機器人能夠實現高級聽覺感知和環境意識。

通過提供多樣化的音頻數據集，包括環境聲音、多語言語音以及非語言線索（如笑聲或腳步聲），Silencio 訓練 AI 模型以增強機器人的聲音分類、語音識別和語境理解能力，從而克服復雜聲學環境的解讀局限性。

其旗艦移動應用已從 180 多個國家的 110 萬貢獻者處收集了超過 400 億個數據點。

來源

代幣符號爲 $SLC。

Over the Reality

Silencio 專注於捕捉音頻，而 Over the Reality 則專注於捕捉視覺效果，這對於機器人在現實生活中的操作來說更爲重要。

雖然爲機器人配備激光雷達和攝像頭看似簡單，但如果沒有 3D視覺映射，這些傳感器不足以全面理解復雜動態環境。3D視覺映射至關重要，因爲它整合了來自多個傳感器的數據，以創建周圍環境的詳細體積表示。

它可以捕捉深度、空間關係和物體方向，使機器人能夠精確地在倉庫或災區等雜亂的空間中導航。

簡而言之：數據點越多，機器人功能越強大。

與 Silencio 類似，Over the Reality 基於 DePIN 網路構建，激勵全球地圖繪制社區使用標準智能手機和360度攝像頭掃描高流量區域，並通過 OVR 代幣進行獎勵。

OVRMaps 已繪制了超過 150,000 個地點的地圖，並擁有 7000 萬+ 張圖片，覆蓋面積超過 4400 萬平方米。

來源

代幣符號爲$OVR。

值得關注的項目 SHOW ROBOTICS：開發具備實體人工智能的機器人，將先進的人工智能與機器人技術相結合，專注於娛樂和實際應用領域，創造能夠學習並執行現實任務的機器。

HomebrewRobotics：打造一個機器人模型的市場，通過提供預構建的軟件和其他 AI 驅動的編程工具，讓每個人都可以使用機器人模型。

Peaq：由於其知名度較高，此處不再贅述。

總結 雖然機器人領域對許多人來說既新穎又令人興奮，但在這個領域尋找真正的優質項目仍然充滿挑戰。

本文的核心觀點是：與其押注那些可能只是圈錢的最新項目，不如關注那些在熱潮開始前就已深耕的成熟玩家，並選擇投資他們。

目前所有機器人項目的總市值仍低於 3 億美元，因此篩選任務相對簡單。

當然，本文提到的一些項目也是較新的，但通過謹慎篩選（被稱爲“蜘蛛感應”），省略了幾十個項目，確保所提項目的質量。雖然由於時間限制可能錯過了一兩個值得關注的項目，但上述提到的項目應該能爲大家提供一些關於這一領域的清晰方向。

保持好奇心！