Помимо AI-агентов, воплощённые роботы — ключевое направление внедрения искусственного интеллекта. Согласно прогнозу Morgan Stanley, к 2050 году мировой рынок гуманоидных роботов превысит 5 триллионов долларов США.

По мере развития искусственного интеллекта роботы эволюционируют от промышленных манипуляторов к полноценным спутникам человека, получая возможности восприятия и осмысленного взаимодействия, а также формируя самостоятельную модель принятия решений. Основная проблема — отсутствие единого стандарта коммуникации: каждый производитель использует собственный язык, логику и несовместимое ПО, а обмен интеллектуальными навыками невозможен. Ситуация напоминает владение автомобилем одной марки и Tesla, которые даже не способны совместно анализировать состояние дороги, не говоря уже о скоординированном выполнении задач.

OpenMind нацелен кардинально изменить этот фрагментированный рынок. Компания не производит роботов, а проектирует систему, в которой роботы используют единый язык, работают по общим правилам и совместно решают задачи. Подобно тому, как появление iOS и Android дало толчок развитию мобильных приложений, а Ethereum выступил базисом для блокчейн-индустрии, OpenMind строит глобальный «операционный слой» и «коллаборативную сеть» для всех роботов.

Иными словами, OpenMind разрабатывает универсальную операционную систему для роботов, позволяющую им не только воспринимать окружающую среду и выполнять действия, но и безопасно и масштабируемо взаимодействовать в любом пространстве посредством децентрализованной координации.

Кто поддерживает открытую платформу

OpenMind привлекла 20 млн долларов в раундах seed и Series A под руководством Pantera Capital. Наиболее важно, что «широта и синергия» капитала позволили объединить все ключевые компоненты отрасли: с одной стороны — долгосрочные силы западных техно- и финансовых экосистем (Ribbit, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures), обладающие экспертизой в инфраструктуре crypto- и AI-среды, модели, сети и комплаенс для экономики агентов и машинного интернета; с другой — промышленный драйвер Востока, представленный производственно-сбытовыми системами Sequoia China, обладающими знаниями о технологических и ценовых порогах, необходимых для масштабирования продукта от прототипа до массового производства. Такое сочетание обеспечивает OpenMind не только финансирование, но и ресурсы для перехода «из лаборатории на производственную линию, от программного обеспечения к аппаратной базе».

Этот вектор также интегрируется с традиционными капиталами. В июне 2025 года, при запуске KraneShares индексного ETF «Global Humanoid and Embodied Intelligence Index» (KOID), был выбран робот Iris — совместная разработка OpenMind и RoboStore — для церемонии открытия торгов на NASDAQ. Впервые в истории биржи «почётный гость» — робот — провёл ритуал открытия, демонстрируя синхронизацию технологической и финансовой повестки, а также публичный сигнал о новых принципах оценки и расчёта машинных активов.

Партнёр Pantera Capital Nihal Maunder отметил:

«Чтобы интеллектуальные машины работали в открытых средах, необходима открытая сетевая инфраструктура. OpenMind для роботов делает то же, что Linux — для программного обеспечения, а Ethereum — для блокчейна».

Путь от исследований к производству

Основатель OpenMind Ян Липхардт — доцент Стэнфорда и экс-профессор Berkeley, ведущий исследования в области данных и распределённых систем, совмещая академическую и инженерную экспертизу. Он выступает за открытость и повторное использование open-source, замену проприетарных систем на прозрачно-аудируемые решения и междисциплинарное объединение AI, робототехники и криптографии.

Ключевая команда OpenMind объединила опыт OKX Ventures, Oxford Robotics Institute, Palantir, Databricks и Perplexity, охватывая управление роботами, восприятие и навигацию, мультимодальную и LLM-оркестрацию, распределённые системы и ончейн-протоколы. Дополняет её экспертный совет из академии и промышленности — глава робототехники Стэнфорда Стив Казинс, руководитель Oxford Blockchain Center Билл Роско и профессор AI-безопасности Imperial College Алессио Ломусчо — обеспечивая высокий уровень безопасности, соответствия и надёжности решений.

Решение OpenMind: двухслойная архитектура, единая система порядка

OpenMind создала инфраструктуру, позволяющую роботам совместно работать и обмениваться данными между устройствами, производителями и странами:

Уровень устройств: AI-родная ОС OM1 для физических роботов соединяет цепочку от восприятия до исполнения, позволяя разным типам машин осваивать среду и выполнять задачи;

Уровень сети: децентрализованная сеть FABRIC обеспечивает идентификацию, распределение задач и коммуникацию — роботы могут распознавать друг друга, делегировать задачи и обмениваться статусами.

Такое сочетание «ОС + сетевого слоя» позволяет роботам не только действовать автономно, но и совместно координировать процессы, решать сложные задачи в единой коллаборативной сети.

OM1 — AI-родная ОС для реального мира

Как смартфон требует iOS или Android для запуска приложений, роботу необходима операционная система для работы AI-моделей, обработки сенсорных данных, принятия решений и выполнения действий.

OM1 — AI-ориентированная операционная система для физических роботов, дающая им возможность воспринимать, понимать, планировать и реализовывать задачи в разных средах. В отличие от традиционных закрытых систем управления, OM1 — open-source, модульная и аппаратно-независимая платформа, совместимая с гуманоидными, четвероногими, колёсными роботом и роботизированными манипуляторами.

Четыре ключевых этапа: от восприятия к действию

OM1 декомпозирует интеллект робота на четыре универсальных шага: Восприятие → Память → Планирование → Действие. Процесс реализован в модульном виде, связан единой языковой структурой данных, что обеспечивает гибкое создание, замену и верификацию интеллектуальных компонентов.

Архитектура OM1

Семислойная архитектура OM1 работает так:

Датчики — сбор информации: камеры, LIDAR, микрофоны, батарея, GPS и другие многомодальные каналы;

AI + Captioning — перевод информации: мультимодальные модели преобразуют визуальные, аудио и статусные данные в естественно-языковые описания (например, «Вы видите человека, который машет рукой»);

Естественно-языковая шина данных (NLDB) — передача информации между модулями с временной меткой;

Data Fuser — объединение данных: интегрирует различные источники для комплексного контекста (промпта) принятия решений;

Многомодельное планирование: LLM анализируют контекст и генерируют планы действий с учётом ончейн-правил;

Выход NLDB: решения направляются аппаратным исполнительным системам через языковый промежуточный слой;

Аппаратная абстракция — реализация действий: преобразование языковых команд в низкоуровневое управление — двигателями, голосом, транзакциями и др.

Быстрый запуск, широкое распространение

Для быстрой трансформации «идеи» в «выполнимую роботом задачу» OM1 предлагает конвейер разработки: разработчик описывает цели и ограничения на естественном языке, генерируя пакеты умений за часы вместо традиционной многомесячной разработки; мультимодальные пайплайны сразу интегрируют LiDAR, компьютерное зрение и аудиоканалы, устраняя ручную разработку слияния сенсоров; внедрены модели GPT-4o, DeepSeek, VLM для мгновенного голосового ввода/вывода; полная совместимость с ROS2 и Cyclone DDS, интеграция с Unitree G1, Go2, Turtlebot, манипуляторами через аппаратную абстракцию; нативная связка с FABRIC для идентификации, оркестрации задач, ончейн-расчётов, позволяя роботам как работать автономно, так и подключаться к глобальной коллаборативной сети с оплатой по факту и аудитом.

OM1 доказала свою эффективность в реальных условиях: квадроплатформа Frenchie (Unitree Go2) успешно справилась с комплексными задачами на выставке USS Hornet Defense Technology 2024; гуманоид Iris (Unitree G1) проводил onsite взаимодействие на стенде Coinbase на EthDenver 2025, а через образовательный проект RoboStore платформа вошла в курсы американских вузов, распространяя подход в обучение и исследованиях.

FABRIC: децентрализованная сеть человеко-машинного сотрудничества

Даже при значительном автономном интеллекте роботы останутся изолированными без надёжной базы для совместной работы. Фрагментация обусловлена тремя проблемами: отсутствие единых механизмов идентификации и геопозиционирования мешает внешнему доверию («кто, где, чем занят»); отсутствие контролируемых каналов авторизации для навыков и данных не даёт безопасно делиться между организациями; неясные границы управления, ответственности и верификации усложняют соглашения и последующий аудит. FABRIC решает это комплексно: через децентрализованные протоколы формируется проверяемая ончейн-идентичность робота и оператора, а инфраструктура охватывает публикацию и подбор задач, end-to-end-шифрование, учёт выполнения и автоматические расчёты, превращая сотрудничество из разовых подключений в институты с зафиксированной историей.

FABRIC выступает сетевым слоем, объединяющим позиционирование, соединение и расписание: идентификация и локация непрерывно подписываются и верифицируются, создавая осмысленные, надёжные peer-to-peer связи; каналы точка-точка — защищённые туннели, дающие возможность удалённого управления и мониторинга без публичных IP и сложных сетевых настроек; от публикации задачи до выполнения и проверки процесс стандартизирован и фиксируется, облегчая автоматическую выплату вознаграждения, возврат депозита, аудит исполнения для комплаенса и страхования («кто, когда, что, где»). На базе этого строятся практические приложения: компании дистанционно обслуживают оборудование по регионам, города масштабируют уборку, инспекции и доставку по модели Robot-as-a-Service, автопарки создают коллективные карты дорожных условий, а при необходимости вызывают ближайших роботов для 3D-сканирования, обследования или страховых случаев.

Идентификация, задания и расчёты ведутся в единой сети, что заранее определяет границы и фиксирует факты сотрудничества, а вызов навыков измеряет стоимость и ценность. Долгосрочно FABRIC трансформируется в слой глобального распространения приложений для машинного интеллекта: навыки циркулируют с программируемыми правами, а результаты использования обогащают модели и стратегии, позволяя сети постоянно совершенствоваться на проверяемой базе.

Web3 формирует «открытость» как фундамент машинного общества

Робототехническая отрасль стремительно консолидируется вокруг закрытых платформ, где оборудование, алгоритмы и сети заперты в корпоративных стэках. Децентрализация важна тем, что роботы любых брендов и регионов могут совместно работать, обмениваться навыками, выполнять расчёты на одной открытой сети без зависимости от единого провайдера. OpenMind воплощает этот порядок через ончейн-инфраструктуру: каждый робот и оператор получает уникальную ончейн-идентичность (ERC-7777 — стандарт идентификации) с подтверждёнными аппаратными отпечатками и правами; задачи публикуются, аукционируются и подбираются по публичным правилам, а в процессе выполнения создаются ончейн-зашифрованные доказательства с временными и геометками; контракты автоматически рассчитывают прибыль, страховку и депозиты по результатам исполнения, позволяя их верифицировать онлайн; новые навыки получают лимиты на вызовы и совместимые устройства через смарт-контракты, обеспечивая глобальное распространение и защиту интеллектуальной собственности. Робот-экономика изначально интегрирует принципы противодействия монополиям, гибкой компоновки и аудируемости, а «открытость» становится базовым элементом машинных протоколов.

Выведение воплощённого интеллекта из изоляции

Роботы переходят с выставочных подиумов в ежедневную среду: патрулируют больницы, учатся новым навыкам на университетских кампусах, проводят инспекции и моделирование городской среды. Главная проблема — не мощность моторов, а создание доверия между машинами из разных экосистем, обмен информацией и совместная работа; для масштабирования важны не только технологии, но и эффективные каналы поставки и распространения.

OpenMind нацелилась на развитие каналов распространения, а не на простое увеличение аппаратных параметров. Партнёрство с RoboStore (крупнейшим дилером Unitree в США) позволило превратить OM1 в стандартные учебные курсы и лабораторные комплекты, обеспечив массовые поставки аппаратуры и софта одновременно во многие университеты страны. Сегмент образования — стабильный спрос, напрямую внедряющий OM1 в цепочку подготовки разработчиков и приложений.

Для более широкого охвата OpenMind использует инвестиционную экосистему для создания платформенных каналов экспорта ПО. Крупные крипто-платформы типа Pi расширяют потенциал этой модели, формируя положительный маховик — экосистему разработчиков, пользователей и платёжных клиентов. Образовательные каналы гарантируют стабильное предложение, платформенное распространение — масштабный спрос, а OM1 со всеми приложениями получают устойчивую траекторию тиражирования.

В эпоху Web2 роботы часто были заперты в закрытых стэках производителей, с невозможностью свободного обмена данными и функциями между платформами; теперь, объединяя стандарты курсов и платформенные каналы распространения, OpenMind делает открытость точкой старта: единая система внедряется в университеты, переходит в индустрию и распространяется через платформы, превращая открытость в стандарт массового внедрения.

Дисклеймер:

1. Статья опубликована повторно с BlockBeats; авторские права принадлежат BlockBeats. По вопросам повторной публикации обращайтесь в команду Gate Learn, которая оперативно рассмотрит обращение по установленной процедуре.
2. Дисклеймер: все мнения и оценки в статье выражают только личную точку зрения автора и не являются инвестиционной рекомендацией.
3. Переводы на другие языки предоставлены командой Gate Learn и не могут использоваться без прямого указания Gate в качестве источника.