إلى جانب وكلاء الذكاء الاصطناعي، تمثل الروبوتات المجسدة أحد أبرز المشاهد التطبيقية في عصر الذكاء الاصطناعي. وتشير توقعات شركة Morgan Stanley إلى أن سوق الروبوتات البشرية العالمي قد يتجاوز خمسة تريليونات دولار أمريكي بحلول عام 2050.

مع تطور تقنيات الذكاء الاصطناعي، تتطوّر الروبوتات من مجرد أذرع ميكانيكية في المصانع إلى شركاء في حياتنا اليومية، إذ تكتسب قدرات الإدراك والفهم بفضل الذكاء الاصطناعي، لتبلغ مستوى اتخاذ القرار بشكل مستقل. التحدي أن الروبوتات اليوم تفتقر إلى بروتوكول موحد للتواصل؛ إذ يعتمد كل مصنع لغة ومنطقاً خاصين به، فتكون البرمجيات غير متوافقة والذكاء غير قابل للمشاركة. يشبه الأمر امتلاك سيارتين من شركتين مختلفتين إحداهما من Tesla، دون قدرتهما على تقييم الطريق معاً أو التعاون في المهام.

تهدف OpenMind إلى معالجة هذا التشظي في القطاع؛ فهي لا تصنع الروبوتات، بل تطور نظاماً تعاونياً يسمح للروبوتات بالتواصل بلغة واحدة، واتباع قواعد موحدة، وإنجاز المهام بشكل جماعي. وكما أسهم كل من iOS وAndroid في ازدهار تطبيقات الهواتف الذكية، ووضعت Ethereum أساساً مشتركاً لعالم العملات المشفرة، تسعى OpenMind لبناء "نظام تشغيل" و"شبكة تعاون" موحدة للروبوتات عالمياً.

وباختصار، تعمل OpenMind على تطوير نظام تشغيل شامل للروبوتات، يتيح لها الإدراك والتنفيذ والتعاون الآمن والواسع في مختلف البيئات عبر التنسيق اللامركزي.

جهات دعم المنصة المفتوحة

أنجزت OpenMind تمويلها الأساسي وجولة التمويل الأولى بقيمة 20 مليون دولار بقيادة Pantera Capital. والأهم أن "تنوع وتكامل" رؤوس الأموال جمع معظم أطراف القطاع الرئيسية؛ فمن جانب هناك الجهات الرائدة في منظومات التقنية والمال الغربية—Ribbit، Coinbase Ventures، DCG، Lightspeed Faction، Anagram، Pi Network Ventures، Topology، Primitive Ventures—وهم يدركون التحولات الجوهرية في البنية التحتية للعملات المشفرة والذكاء الاصطناعي، ويوفرون خبرات في النماذج والشبكات والامتثال للاقتصاد القائم على الوكلاء والإنترنت الآلي؛ ومن الجانب الآخر، الزخم التصنيعي الشرقي ممثلاً بسلاسل الإمداد والتصنيع في Sequoia China، حيث يدرك متطلبات التقنية والتكلفة اللازمة "لتحويل النماذج الأولية إلى منتجات قابلة للتوسع". الجمع بين هذه القوى يمنح OpenMind التمويل والمسار والموارد "من المختبر إلى الإنتاج، ومن البرمجيات إلى التصنيع الحقيقي".

كما يتقاطع هذا المسار مع الأسواق المالية التقليدية؛ ففي يونيو 2025، أطلقت KraneShares صندوق المؤشر العالمي للروبوتات البشرية والذكاء المجسد (KOID)، وتم اختيار الروبوت البشري Iris المخصص بالشراكة بين OpenMind وRoboStore لقرع جرس افتتاح التعاملات في بورصة NASDAQ، ليصبح أول "روبوت رسمي" ينفذ هذا الحدث في تاريخ البورصة. ويرمز ذلك أيضاً للتكامل بين السردين التقني والمالي، وإعلان عام حول "كيفية تسعير وتسوية الأصول الآلية".

وقال Nihal Maunder، شريك Pantera Capital:

"إذا أردنا تشغيل آلات ذكية في بيئات مفتوحة، نحتاج إلى شبكة ذكاء مفتوحة. ما تفعله OpenMind للروبوتات يوازي دور Linux للبرمجيات وEthereum لسلاسل الكتل."

من البحث إلى الإنتاج الصناعي

يعمل Jan Liphardt، مؤسس OpenMind، كأستاذ مشارك في جامعة Stanford وأستاذ سابق في Berkeley، وله خبرة معمّقة في نظم البيانات والتوزيع، ويجمع بين الجانب الأكاديمي والهندسي. يدعم إعادة استخدام المصادر المفتوحة، واستبدال الأنظمة المغلقة بآليات قابلة للتدقيق والتتبع، ويطبّق منهجيات متعددة التخصصات لدمج الذكاء الاصطناعي والروبوتات والتشفير.

ويتألف فريق OpenMind الأساسي من خبراء من مؤسسات مثل OKX Ventures، معهد روبوتات أكسفورد، Palantir، Databricks وPerplexity، يغطي تخصصات حيوية مثل التحكم في الروبوتات والإدراك والملاحة والتنسيق متعدد النماذج وLLM والأنظمة الموزعة والبروتوكولات على السلسلة. كما تضم اللجنة الاستشارية خبراء من الأوساط الأكاديمية والصناعية مثل Steve Cousins رئيس الروبوتات في Stanford، Bill Roscoe مدير مركز بلوكتشين في أكسفورد، وAlessio Lomuscio أستاذ الذكاء الاصطناعي الآمن في Imperial College، لضمان "السلامة والامتثال والموثوقية" للروبوتات.

حل OpenMind: بنية مزدوجة الطبقات ونظام واحد للترتيب

طورت OpenMind بنية تحتية قابلة لإعادة الاستخدام تتيح الروبوتات التعاون والتواصل بين الأجهزة والشركات المصنعة، وحتى عبر الحدود الدولية:

جانب الأجهزة: يوفر نظام تشغيل أصيل للذكاء الاصطناعي OM1 للروبوتات المادية، يربط سلسلة العمليات من الإدراك إلى التنفيذ، ويمكّن الآلات بمختلف أنواعها من فهم البيئة وإنجاز المهام؛

جانب الشبكة: ينشئ شبكة تعاون لامركزية FABRIC، تقدم آليات للهوية وتوزيع المهام والتواصل لضمان تعرف الروبوتات على بعضها وتوزيع المهام ومشاركة الحالة خلال التعاون.

هذه التركيبة المكونة من "نظام التشغيل + طبقة الشبكة" تمكن الروبوتات من العمل بشكل فردي، ثم التعاون وتنظيم العمليات، وإنجاز المهام المعقدة ضمن شبكة تعاون موحدة.

OM1: نظام تشغيل أصلي للذكاء الاصطناعي في العالم الفيزيائي

كما تحتاج الهواتف الذكية إلى iOS أو Android لتشغيل التطبيقات، تحتاج الروبوتات إلى نظام تشغيل لتشغيل نماذج الذكاء الاصطناعي، ومعالجة البيانات من المستشعرات، واتخاذ القرارات، وتنفيذ الأوامر.

وهنا تبرز قيمة OM1، إذ يعد نظام تشغيل أصلي للذكاء الاصطناعي موجّه للروبوتات الواقعية، يمكّنها من الإدراك، والفهم، والتخطيط، وإنجاز المهام في بيئات متعددة، بخلاف الأنظمة التقليدية المغلقة، حيث يتميز OM1 بكونه مفتوح المصدر، معياري، وغير مرتبط بنوع عتاد محدد، ويمكن تشغيله على مختلف أنواع الروبوتات البشرية، رباعية الأرجل، المتحركة بعجلات، والأذرع الروبوتية.

أربعة عناصر مركزية: من الإدراك إلى التنفيذ

يفصل OM1 ذكاء الروبوت إلى أربع مراحل أساسية: الإدراك → الذاكرة → التخطيط → التنفيذ. يتيح OM1 نمذجة هذا المسار بشكل معياري، ويشبكه عبر لغة بيانات موحدة، مما يسهل بناء قدرات ذكية قابلة للتخصيص والاستبدال والتحقق.

مخطط بنية OM1

تعمل بنية OM1 المؤلفة من سبع طبقات كالتالي:

طبقة المستشعر تجمع البيانات: كاميرات، LIDAR، ميكروفونات، حالة البطارية، GPS، ومدخلات متعددة الوسائط أخرى.

طبقة توصيف العالم المدعمة بالذكاء الاصطناعي تترجم البيانات: تحول النماذج متعددة الوسائط الصور والصوت وحالة النظام إلى أوصاف باللغة الطبيعية (مثل "تُشاهد شخصاً يلوح بيده").

حافلة بيانات اللغة الطبيعية NLDB تنقل البيانات: جميع المدركات تُحوّل إلى مقاطع لغوية مؤرخة وتنتقل بين الوحدات المختلفة.

طبقة الدمج البياني تجمع البيانات: تدمج مصادر متعددة لتوليد سياق قرار متكامل (prompt).

طبقة التخطيط/القرار عبر الذكاء الاصطناعي المتعدد تولد القرارات: تقرأ نماذج LLM السياق وتنتج خطط عمل مدعمة بقواعد على السلسلة.

قناة NLDB السفلية: تنقل نتائج القرارات إلى نظم تنفيذ العتاد عبر طبقة وسيطة لغوية.

طبقة التجريد العتادي تنفذ الأوامر: تحول التعليمات اللغوية إلى أوامر تحكم منخفضة المستوى لتفعيل العتاد (الحركة، البث الصوتي، المعاملات على السلسلة، إلخ).

انطلاقة سريعة وتطبيق واسع النطاق

لتسريع تحويل "الفكرة" إلى "مهمة قابلة للتنفيذ بواسطة روبوتات"، أنشأ OM1 مسار تطوير جاهز، يمكّن المطورين من تعريف الأهداف والقيود باستخدام اللغة الطبيعية والنماذج الضخمة، وبناء حزم مهارات قابلة لإعادة الاستخدام خلال ساعات بدلاً من أشهر من البرمجة؛ وتربط الأنابيب متعددة الوسائط بين LIDAR والرؤية والصوت بشكل تلقائي دون كود معقد لدمج المستشعرات؛ وتدعم النماذج المدمجة مثل GPT-4o، DeepSeek، ونماذج VLM الرئيسية الإدخال والإخراج الصوتي فوراً؛ كما يتوافق النظام بالكامل مع ROS2 وCyclone DDS، ويتكامل مع منصات مثل Unitree G1، Go2، Turtlebot، وأذرع روبوتية عبر طبقة تجريد العتاد؛ ويرتبط أصيلاً مع واجهات FABRIC للهوية، تنظيم المهام، وتسوية المهام على السلسلة، مما يمكّن الروبوتات من العمل بشكل مستقل أو ضمن شبكة تعاون عالمية بنظام الدفع عند الاستخدام والتدقيق.

تم اختبار OM1 في سيناريوهات متنوعة: أنجز الروبوت رباعي الأرجل Frenchie (Unitree Go2) مهام ميدانية معقدة في معرض USS Hornet لتقنيات الدفاع 2024، بينما نفذت منصة Iris (Unitree G1) تفاعلات بشرية مباشرة في جناح Coinbase في EthDenver 2025، ودخلت إلى الجامعات الأمريكية عبر برنامج RoboStore التعليمي (أكبر موزعي Unitree بالولايات المتحدة)، ليتم توسيع هذا النهج إلى التعليم والبحث الميداني.

FABRIC: شبكة تعاون لامركزية بين الإنسان والآلة

حتى مع أعلى درجات الذكاء المستقل، تظل الروبوتات معزولة ما لم تُبنَ علاقات تعاون موثوقة. ويرتبط التشظي في التطبيق بثلاثة تحديات: غياب معايير موحدة للهوية والموقع، عدم وجود مسارات تفويض واضحة لمشاركة المهارات والبيانات بأمان، وغموض حدود السيطرة والمسؤولية مما يصعب الاتفاق أو التتبع لاحقاً. يواجه FABRIC هذه الإشكالات من خلال حلول نظامية: اعتماد بروتوكولات لامركزية تمنح الروبوتات والمشغّلين هويات قابلة للتحقق على السلسلة، وتوفير بنية متكاملة لنشر ومطابقة المهام، الاتصال المشفر من طرف لطرف، وسجلات تنفيذ وتسوية تلقائية، ما ينقل التعاون من "اتصالات مؤقتة" إلى "منظومات موثقة".

عملياً، يعمل FABRIC كطبقة شبكة تجمع "التحديد، الربط، والتوزيع": يتم توقيع والتحقق من الهوية والموقع باستمرار، مما يسهل بناء علاقات نظير موثوقة؛ وتتيح قنوات الاتصال المشفر عند الطلب التحكم عن بعد دون الحاجة لعناوين IP عامة أو إعدادات شبكة معقدة؛ وتوحّد عملية نشر وقبول وتنفيذ وتحقق المهام بالكامل، ما يمكّن من توزيع الأرباح تلقائياً واسترداد الودائع عند التسوية، بالإضافة إلى التوثيق الرسمي للإنجازات في حالات الامتثال أو التأمين. وتظهر تطبيقات عديدة على هذا الأساس، منها: صيانة المعدات عن بعد للشركات عبر المناطق، تحويل الفحص والتوصيل إلى خدمات روبوتية قابلة للتوسع، رفع تقارير حالة الطريق لحظياً لإنشاء خرائط تفاعلية، واستدعاء روبوتات قريبة عند الحاجة للفحص ثلاثي الأبعاد أو جمع أدلة التأمين.

ومع وضع إدارة الهوية والمهام والتسوية في نفس الشبكة، تُحدد حدود التعاون مسبقاً ويُوثق التنفيذ، ويصبح استدعاء المهارات مرتبطاً بعوائد وتكاليف دقيقة. وعلى المدى البعيد، سيتحول FABRIC إلى "طبقة توزيع التطبيقات" للذكاء الآلي، حيث تنتقل المهارات عالمياً ضمن شروط تفويض قابلة للبرمجة، وتغذي البيانات المتولدة النماذج والاستراتيجيات، ما يطور شبكة التعاون بشكل مستمر وموثوق.

ويب3 يرسّخ "الانفتاح" في منظومة الآلات

ينحصر قطاع الروبوتات تدريجياً في منصات معدودة، تربط الأجهزة والخوارزميات والشبكات في أنظمة مغلقة. وتكمن قوة اللامركزية في تمكين الروبوتات بمختلف العلامات التجارية والمناطق من التعاون وتبادل المهارات وإنجاز التسويات عبر شبكة مفتوحة بغض النظر عن المنصة. وتجسد OpenMind هذا النظام عبر بنية تحتية على السلسلة: تحصل كل روبوت وكل مشغّل على هوية فريدة على السلسلة (ERC-7777، معيار الهوية)، مع بصمات مكونات وصلاحيات قابلة للتحقق؛ تنشر وتوزع المهام وتطابق وفق قواعد عامة، ويولّد إثبات مشفّر على السلسلة يُسجّل الوقت والموقع؛ تُسوّى العقود الأرباح والتأمين والودائع تلقائياً بعد التنفيذ، مع تحقق فوري للنتائج؛ وتحدد العقود عدد مرات استدعاء المهارات والأجهزة المتوافقة، ما يمكّن التداول العالمي مع حماية الملكية الفكرية. بذلك، يُولد اقتصاد الروبوتات بمزايا مقاومة الاحتكار، القابلية للتركيب، وقابلية التدقيق، ويجعل "الانفتاح" جزءاً أساسياً من بروتوكولات منظومة الآلات.

مساعدة الذكاء المجسد في الخروج من العزلة

تنتقل الروبوتات من المعارض إلى البيئات اليومية: مراقبة المستشفيات، تعلم مهارات جديدة في الجامعات، إجراء الفحص والنمذجة في المدن. والتحدي الحقيقي ليس في تعزيز قوة المحركات، بل في تمكين أجهزة مختلفة من بناء الثقة، تبادل المعلومات، والتعاون؛ إلى جانب التقنية، يصبح التوزيع والإمداد عاملاً حاسماً لتوسيع النطاق.

لذا يبدأ مسار تطبيق OpenMind من القنوات، لا من تراكم البرمجيات؛ ومن خلال الشراكة مع RoboStore (أحد أكبر موزعي Unitree في الولايات المتحدة)، تم تحويل OM1 إلى مناهج دراسية وحزم تجارب معيارية، ما يسمح بتطوير الإمداد المتكامل من العتاد والبرمجيات عبر آلاف الجامعات الأمريكية. ويمثل التعليم الطلب الأكثر ثباتاً، إذ يتم إدماج OM1 في مسار تطوير التطبيقات والمبرمجين للأعوام القادمة.

أما على صعيد التوزيع المجتمعي، تستثمر OpenMind منظومة المستثمرين لبناء "قنوات تصدير برمجية" قائمة على المنصة؛ وتوسّع منظومات العملات الرقمية مثل Pi من إمكانيات هذا النموذج، مكونة دائرة إيجابية تخلق مجتمعاً يضم المطورين والمستخدمين والعملاء. ومع ضمان القنوات التعليمية للإمداد المستقر، وجلب المنصات للطلب الواسع، يحصل OM1 وتطبيقاته على مسار توسع قابل للتكرار.

وفي عصر Web2، كانت الروبوتات غالباً محصورة في أنظمة مغلقة من بائع واحد، مما منع تدفق البيانات والوظائف بين المنصات؛ مع ربط المعايير التعليمية بقنوات التوزيع، تجعل OpenMind الانفتاح هو الوضع الافتراضي: يدخل النظام ذاته الجامعات، يشق طريقه إلى القطاعات، ويستمر في التوسع عبر الشبكات، ليصبح الانفتاح نقطة انطلاق التطبيق على نطاق واسع.

إخلاء مسؤولية:

1. تمت إعادة نشر هذه المقالة من BlockBeats، وتعود حقوق النشر للكاتب الأصلي BlockBeats. في حال وجود أي اعتراض على إعادة النشر، يرجى التواصل مع فريق Gate Learn، الذي سيقوم بالإجراءات اللازمة في أسرع وقت ممكن.
2. إخلاء مسؤولية: الآراء الواردة في هذه المقالة تعبر عن وجهة نظر الكاتب فقط ولا تشكل أي نصيحة استثمارية.
3. ترجمات المقالة في لغات أخرى مقدمة من فريق Gate Learn ولا يجوز نسخها أو توزيعها أو اقتباسها دون التنويه إلى Gate.