订阅 wiki
Share wiki
Bookmark
Jan Liphardt
0%
Jan Liphardt
**扬·利普哈特（Jan Liphardt）**是OpenMind的创始人和首席执行官，该公司正在为智能机器开发一个去中心化的通信和协调网络。他的工作涵盖单分子生物物理学、人工智能、机器人技术和去中心化系统，核心是建立对自主技术的可验证信任。[1] [2]
早年生活和教育
利普哈特在密歇根州和纽约州长大。[3] 他的教育背景在不同来源的报道中有所不同。根据他在斯坦福大学的传记，他在1993年至1996年间获得了里德学院的文学学士学位，随后在1999年完成了剑桥大学丘吉尔学院的博士学位。[3] 其他专业资料表明，他获得了德国海德堡大学的物理学文凭和芝加哥大学的物理学博士学位。[1]
他的博士研究涉及计算生物学，他使用随机上下文无关文法（SCFGs）来识别复杂的基因组模式，例如回文序列，这些模式对于传统的机器学习模型来说很难检测。他将这项工作应用于研究酵母基因组中可能与翻译重编码相关的信号。[3]
职业生涯
利普哈特的职业生涯结合了生物物理学的学术研究以及机器人和去中心化技术领域的创业。
学术生涯
完成博士学位后，利普哈特成为加州大学伯克利分校的博士后研究员，在卡洛斯·布斯塔曼特和纳乔·蒂诺科的物理和化学系工作。他的博士后工作重点是开发用光操纵单链RNA的方法，以研究小型生物系统的动力学。后来，他成为劳伦斯伯克利国家实验室物理生物科学部的部门研究员。 [3]
2004年，他加入了加州大学伯克利分校的物理系。后来，他搬到斯坦福大学，在那里担任生物工程学教授。 [2] [3] 在斯坦福大学，他领导着利普哈特实验室，该实验室专注于定量生物学、合成生物学、癌症研究和单分子生物物理学。他的学术实验室获得了包括美国国家癌症研究所（NCI）、美国国家普通医学科学研究所（NIGMS）、美国国家科学基金会（NSF）和能源部（DOE）等政府机构的资助。利普哈特还在斯坦福大学教授多门课程，包括“工程生命物质”（BioE80）、“超越比特币：分布式信任的应用”（BioE60）以及BioE301C中的AI/机器学习模块。 [3]
创业和写作
除了他的学术工作之外，利普哈特还是一位活跃的企业家和作家。2016年6月，他宣布启动 CancerBase.org，这是一个旨在直播众包癌症数据的项目。[4] 他还撰写了一个名为“机器人、数据和网络”的个人博客，他在其中探讨了混合人机经济、加密货币 对于通用人工智能 (AGI) 的作用以及人工智能在医疗技术中的应用等主题。[5] 他也曾为 CoinDesk 等出版物撰稿。[1]
在 2020 年代中期，利普哈特创立了 OpenMind，这是一家位于旧金山的公司，他担任首席执行官。[6] [7]
OpenMind
Liphardt 创立了 OpenMind，旨在解决他在机器人和人工智能领域发现的根本性的“信任鸿沟”。 [8] 该公司的使命是创建一个通用的、安全的和可互操作的网络，作为智能机器的“连接组织”，使来自不同制造商的机器人和 AI 代理 能够安全地协作和共享数据。 [7] 该公司的愿景是建立一个“智能机器的连接生态系统，可以跨平台、制造商和任务进行思考、学习和协作”。 [2]
技术与架构
OpenMind 的平台建立在两个核心组件之上，旨在为机器人创建一个开放且安全的协调层。
- OM1 操作系统：一个开源、硬件无关且 AI 原生的机器人操作系统。它被描述为“机器人的 Android 等价物”，旨在允许任何机器“安装智能”，并使其能够在复杂的人类环境中感知、适应和行动。 [7] [2]
- FABRIC 协议：一个去中心化的协调层，充当智能机器的“信任层”。它允许机器人安全地验证身份、共享上下文信息，并与其它机器协调任务，无论其制造商是谁。 [7] Liphardt 还提到了一个名为“FABRIC”的项目，该项目用于远程操作系统，该系统支持人机回路控制，以建立信任并收集训练数据。 [4]
该架构是去中心化的，并利用 区块链 技术来创建透明且防篡改的机器间交互记录。Liphardt 表示，OpenMind 使用 以太坊 区块链和他称之为“ERC-7777（“人类机器人社会治理”）”的概念来“不可变地暴露每台机器的治理逻辑”。这旨在为安全和信任创建一个可审计的基础。 [4] 他将此直接与实施可验证的 AI 行为规则的挑战联系起来，并表示：
“当阿西莫夫在 1950 年列举他的机器人定律时，他没有解释这些定律将如何创建、更改和共享。区块链——不可变的全球账本——直接支持这一需求：当您与机器人交互时，您应该能够去某个地方查找它遵循的规则。” [9]
融资
2025年8月4日，OpenMind 宣布已完成 2000 万美元的融资。本轮融资由 Pantera Capital 领投，Ribbit、Coinbase Ventures、HSG、DCG、Pebblebed、Topology、Primitive Ventures、Lightspeed Faction 和 Anagram 以及其他天使投资人参与。这笔资金旨在扩大公司的工程团队，扩展全球合作伙伴关系，并推广其 OM1 和 FABRIC 平台在智能制造、人形机器人和自动运输领域的应用。[7]
合作伙伴关系
2025年12月17日，OpenMind宣布与NEAR AI建立战略合作伙伴关系。合作内容包括将NEAR AI Cloud的私有推理技术集成到OpenMind的机器人操作系统中。此举旨在解决家庭机器人用户对隐私的担忧，通过将大量的AI计算卸载到使用可信执行环境 (TEE)（如Intel TDX和NVIDIA Confidential Compute）的安全云环境中来实现。这使得数据在处理过程中不会被暴露，即使是对云提供商也是如此，并生成安全处理的密码学证明。NEAR AI的首席执行官Ilia Polosukhin也是OpenMind的个人投资者。[10]
观点与哲学
利普哈特的工作以在人类和智能机器之间建立可验证的信任为指导。他提倡开放和模块化的软件，以便人类可以“查看内部，了解其工作原理，并信任思维机器”。 [4] 他经常表示，信任不能是一个可选功能，而必须从一开始就成为系统架构的核心部分。 [8]
他对关键技术交叉领域的看法包括：
- 人工智能安全和去中心化：利普哈特认为，随着人工智能能力的进步，去中心化系统对于安全至关重要。他认为，区块链提供了必要的、不可变的机器行为记录（“谁在何时做了什么”），这对于问责制和防止恶意人工智能行为至关重要。 [4]
- 加密货币在人工智能中的作用：在他的著作中，利普哈特提出加密货币将成为“AGI 的基本支付和治理轨道”。他设想了一个未来，加密钱包使机器人能够与人类进行交易、协作和组队，以实现共同目标。 [5]
- 人机回路机器人：他提倡使用远程操作来让人类远程控制机器人。他认为这不仅仅是一种降低工资的方式，而是一种在全球范围内创造新工作岗位、通过让人类参与来提高用户信任度以及收集数据以优化机器人针对特定社区和文化背景的行为的方法。 [4]
利普哈特反映了他对人机交互的总体愿景，他说：“如果我们打算与机器共存，我们应该知道它们是如何思考的——并且我们应该帮助它们更好地思考。” [2]
面试
机器人技术的开放未来 #01
2025年2月28日，Jan Liphardt参加了在ETHDenver的YouTube频道上发布的采访，他在采访中讨论了与机器人技术、软件架构和开放开发模式相关的主题。
在采访中，Liphardt表示，机器人硬件已经经历了数十年的持续发展，而控制机器人的软件系统在许多情况下是专有的。他认为，这种软件结构限制了外部检查、平台之间的互操作性以及跨组织的协调开发。他将这些限制与机器人系统处理信息和做出决策的方式的透明度降低联系起来。
Liphardt将OpenMind倡议描述为开发机器人开源软件堆栈的努力。他将这种模式与其他技术领域的软件生态系统进行了比较，指出标准化和开放访问的平台可以支持跨设备和应用程序的兼容性。他认为，这种方法可以使机器人系统在不同的环境中交换数据、操作例程和学习行为。
采访还涉及了在机器人系统中使用大型语言模型。Liphardt解释说，可以使用多个模型将传感器输入转换为结构化的内部表示，从而为机器人动作提供信息。这种设计被认为是传统控制管道的替代方案，旨在在统一框架内处理复杂的感官数据和行为生成。
采访期间进行的现场演示遇到了技术问题，Liphardt将其称为说明在实验室条件外部署机器人系统时面临的持续挑战。这些问题包括影响系统性能的硬件和通信限制。
Liphardt进一步概述了一个场景，其中机器人维护持久的数字身份，并且能够与其他机器进行自动交易。他提到基于区块链的钱包是实现机器之间数据或服务交换的一种可能机制。根据他的描述，这些功能将支持在共享网络中运行的机器人系统之间的分散协调。 [11]
去中心化机器人系统视角 #02
2025年8月18日，Fresh Consulting的YouTube频道发布了对Jan Liphardt的采访。在这次采访中，Liphardt概述了他对去中心化系统如何与家庭、城市和机构环境中智能机器人的开发和部署相关的理解。他将机器人技术定义为从独立机器向互连系统发展，这些系统需要明确的协调、身份识别和监督机制。
Liphardt以OpenMind创始人的身份发言，他将去中心化架构描述为一种结构方法，在这种方法中，机器人可以相互识别、交换能力并在共享环境中运行，而无需依赖单一的中央控制器。他将此与中心化模型进行了对比，他认为中心化模型在应用于同时在家庭、城市和医疗机构中运行的自主机器人时存在局限性。采访涉及了机器身份、通信标准、透明度和安全性等技术问题，并将它们视为大规模机器人交互中尚未解决的要求。
Liphardt解释说，OpenMind的软件设计基于开源和模块化原则。根据他的描述，机器人行为由多个相互通信的专用AI组件管理，而不是由单一的统一模型管理。他将这种结构视为支持系统维护、增量更新以及不同机器人平台之间受控的技能转移的一种方式。采访还提到了使用可公开验证的规则集，包括基于区块链的记录，作为记录机器人行为约束的一种方法。
采访进一步反映了Liphardt的观点，即机器人应用不仅限于任务执行。他讨论了机器人在教育、医疗保健、辅助支持和老年护理中可能扮演的角色，在这些领域，机器可以在预定义的范围内协助或陪伴个人。在整个讨论过程中，他将治理框架、道德约束以及对系统行为的公众可见性视为必须伴随机器人技术持续发展的条件。 [12]
发现错误了吗？