馬斯克重磅下注，下一個顛覆AI的風口要來了？

Biteye

特邀专栏作者

6小時前

本文約4127字，閱讀全文需要約6分鐘

AI遠遠不止LLM！

原文作者：Biteye 核心貢獻者Anci

原文編輯：Biteye 核心貢獻者Denise

AI 遠遠不止LLM！馬斯克在最新的終極AI 計畫中豪言，未來80%的特斯拉價值都將來自機器人！隨著機器人概念股一波接一波暴漲，Web 3 機器人專案也正加速點燃新一輪熱潮。去中心化、鏈上協同的智慧生態，又會如何重塑我們的未來？

跟著Biteye，一起解鎖Web 3 機器人賽道上的新星！

一、@openmind_agi

關鍵字：作業系統、去中心化協調層

OpenMind 融資2000 萬美元，希望透過開源的系統提升機器人的理解和學習能力，其主要產品包括：

OM 1：AI 原生作業系統，號稱“機器人的安卓系統”，硬體無關且開源。它能夠賦予機器感知、記憶、規劃和控制的能力，幫助機器人理解世界，並根據情境採取相關的行動。先前在黑客松中就有選手用OM 1 在48 小時內建造了阿茲海默症護理機器人。

FABRIC：去中心化協調層。透過區塊鏈的方式，允許機器人共享數據、快速學習（如語言），並支援共識、執行和結算。

二、@peaq

關鍵字：Layer 1、機器經濟

peaq 融資2100 萬美金，是專注於DePIN 和機器經濟的Layer 1。

peaq 支援機器人、無人機、感測器等機器設備在區塊鏈上獲得自主身份（self-sovereign IDs）、進行點對點支付、數據存儲和自動化操作，能夠完成諸如機器人出租、無人機交付和自主機器協作等用例，構建完整的“機器經濟”，讓機器人等設備也能像AI Agent 一樣獨立賺錢和互動。

專案基於Substrate 框架構建，相容於Polkadot，已連接90 多個區塊鏈。目前有peaq 鏈上已50 多個DePIN 項目，包括Silencio（噪音監測）、MapMetrics（駕駛賺錢）、Farmsent（農業供應鏈）和Natix（智慧駕駛）等。網路連接了超過450 萬台設備和機器，為能源、行動、交通、農業、環境等20 多個產業提供去中心化網路服務。

三、@GEODNET_

關鍵字：即時定位網絡

GEODNET 融資1500 萬，專注於定位服務－透過去中心化的方式建構全球最大的即時動態（RTK）定位網絡，提供厘米級精度的全球導航衛星系統（GNSS）服務。

專案最初建構在Polygon 上，目前已拓展到Solana 上。

網路允許任何人購買並安裝GEODNET 的硬體礦工設備（「衛星礦工」），收集並上傳RTK 校正資料到網絡，賺取資產獎勵，並最終賦能網絡為機器人、自動駕駛車輛、無人機和元宇宙等應用提供高精度定位支援。

目前網路已覆蓋145 個國家，超過19,000 個站點，並已交付超過207,178 GB 的RTK 資料。

四、@psdnai

關鍵字：實體資料收集

Poseidon 由@StoryProtocol 孵化，種子輪融資1500 萬美元，主要針對機器人、多模態AI Agent 等應用在顯示的物理層面的訓練資料短缺問題。

Poseidon 建立了一個去中心化的資料層，基於Story 來收集、整理和管理真實世界數據（如視訊、音訊、圖片、定位等），最終提供有IP 保護的訓練數據，幫助AI 模型的加速創新。

目前APP 上線，以聲音訊息為著手點，讓使用者在APP 中上傳聲音訊息，以訓練AI 模型，讓它有能力處理不同口音、方言和環境下的語音。

五、@PrismaXai

關鍵字：遠端操控平台Tele-op、訓練數據

PrismaX 由a 16 z CSX 領投，總融資1100 萬美元。想要透過人工的介入，幫助機器人最終實現高度自主的能力。

目前推出遠端操控（tele-op）平台，允許使用者在瀏覽器上遠端操作機械手臂，並將這些操作數據轉化為高品質的訓練數據，對模型進行最佳化。這個過程中，操作員將獲得平台代幣獎勵。

平台預計未來將遠端接入宇樹、優必選等多款知名機器人中。

短期內專注於遠端操控與視覺數據，用於模型訓練；

中期將透過遠端人力指揮的方式，使機器人有能力完成實際任務；

長期看，最終實現機器人的完全或高度自主。

六、@NRNAgents

關鍵字：遠距操控平台Tele-op、強化學習、AI Agent

NRN Agents 是一個運作在Arbitrum 上的去中心化AI Agent 開發與訓練平台。最早以遊戲中的AI Agent 為起點，正在將業務逐漸拓展到具身機器人背後的AI Agent 中去——透過「模擬到現實」（Sim-to-Real）框架，為機器人AI Agent 提供高效的訓練與部署解決方案。

使用者可透過瀏覽器直接控制模擬機器人，每次操作產生高品質行為數據，為機器人系統提供模仿學習（Imitation Learning）的訓練資料；同時，系統中的AI Agent 還可以透過強化學習（Reinforcement Learning）基於現實交互持續優化，無需完全重新訓練。

專案目前處於早期階段，主要聚焦於機械手臂（RME-1）的操作。後期將擴充至機器人的格鬥、田徑賽等競技運動能力。

七、@AukiNetwork

關鍵字：DePIN 網路、實體世界數據、定位數據

Auki Network 想要為機器人和智慧機器建立一個去中心化的神經網絡，讓他們對物理世界更加了解。核心業務是建立一個DePIN 網絡，讓各種設備（如機器人、智慧眼鏡）即時共享位置和感知數據，形成協作的空間理解。

網路基於Posemesh 協議，包括提供運算資源的運算節點、提供運動和感測器資料的機器人等智慧型裝置端組成的運動節點、利用前兩者生成3 D 地圖或空間模型的重建節點、以及管理這些3 D 空間的網域節點。這些節點會根據自己的貢獻獲得資產獎勵。

八、@RoboStack_io

關鍵字：抽象硬體複雜性、簡化軟硬體對接

RoboStack 是一個雲端原生模擬和整合平台。不僅為機器人開發和部署提供逼真的環境建模和可擴展的計算基礎設施，還透過RCP（Robot Context Protocol）協議在不同的硬體、軟體和通訊標準之間，構建了一個標準化通訊協議，簡化了底層機器人硬體與軟體層AI Agent 的對接。

ROBOT Coin 已在virtuals 平台發射，用戶可以在virtuals 參與質押，在SIM lord 中為自己看好的機器人專案投票，將有機會獲得獎勵。

九、@frodobots

關鍵字： sidewalk 機器人

FrodoBots Lab 是一家機器人實驗室，透過遊戲化方式推動真實世界資料收集和具身智慧發展。其核心產品Earth Rover 是一種可遠端控制的sidewalk 機器人（在人行道上行走的機器人），售價249-399 美元，可用於遊戲、資料收集和AI 研究。目前FrodoBots 已在全球部署了數百台Earth Rover，並開源了2000 小時的真實世界駕駛資料集。

FrodoBots 透過創新的機器人硬體、去中心化平台和AI 框架，建構了一個融合娛樂與科研的生態系統，以下是其主要項目：

十、@BitRobotNetwork

關鍵字：去中心化子網路架構

BitRobot Network 是FrodoBots Lab 與Protocol Labs 共同開發的基於Solana 的去中心化平台，獲600 萬美元融資。這個網路採用子網路（subnet）架構，每個子網路貢獻特定資源，如運算能力、機器人車隊、資料集（真實或合成）或AI 模型，涵蓋從sidewalk 機器人到人形機器人的多種形態。首個子網路ET Fuji 已上線，以下將詳細介紹。

十一、@ET_Fugi

關鍵字：遊戲、遠端操控平台Tele-op

ET Fugi（Extra-Terrestrial Fugitives）是一款現實世界的機器人遊戲，玩家透過遙控Earth Rover 捕捉「外星人」NFT，同時產生有價值的sidewalk 數據，用於機器人AI 訓練，並賺取FrodoBots Points（FBP）等獎勵。

十二、@samismoving

關鍵字：AI Agent、框架

SAM 能夠透過Earth Rover 收集運行數據，用於提升整體AI Agent 的能力。同時，它也會透過X（Twitter）即時直播部分冒險過程，展示具體的互動、競賽或資料收集場景，兼具娛樂性和教育價值。

SAM 最初是由FrodoBots 和@virtuals_io 共同開發的AI Agent，用於遠端操作Earth Rover 機器人。後來，它演變為Robots.Fun（Launchpad）平台上發射AI Agent 的核心框架，所有後續AI Agent 都會基於SAM 的架構構建，並向其支付5% 的費用分成。