全球有超过 10 亿个摄像头正在运转。
它们分布在工厂车间、物流仓库、零售门店、交通枢纽，每天产生的视频数据量难以估量。但这些数据中，95% 以上从未被真正「看见」——它们被录制、被存储、被定期覆盖，像数字垃圾一样循环消失，偶尔才在事故发生后被人翻出来倒查。
这不是存储问题，而是认知问题。现有摄像头网络收集的，是像素而不是洞察；是影像而不是智能。
2026 年 6 月，TaoWeave 宣布向 Manako Labs 投资 100 万美元，并签署覆盖北美市场的优先商业化合作协议。这笔投资标志着 TaoWeave 正式进入 Physical AI（物理 AI）市场，也是 Manako Labs 验证其将现有摄像头基础设施转化为实时智能平台的商业价值主张的重要里程碑。
Physical AI：从「软件 AI」到「身体感知 AI」的下一个量级
要理解 Manako Labs 的定位，必须先厘清「Physical AI」是什么——以及它为什么是当前 AI 商业化最重要的前沿之一。
过去五年，AI 的主要价值创造集中在「软件世界」：语言模型分析文本、生成内容、优化工作流程；推荐算法预测用户行为；金融模型识别市场模式。这些应用的共同特征是：它们处理的是数字化后的信息，不直接感知和干预物理世界。
Physical AI 的定义恰恰相反：AI 系统直接感知物理环境，实时理解其中发生的事件，并触发现实世界的响应。工厂机器人、自动驾驶、仓储 AMR（自主移动机器人）是最常被提及的 Physical AI 例子，但这些需要专门硬件，部署成本极高。
Manako Labs 的技术主张更为务实：不需要换硬件，只需要把已有的摄像头网络「智能化」。
关键数据：Physical AI 市场在 2025 年估值约 820 亿美元，分析师预测到 2033 年将接近 1 万亿美元，年复合增长率超过 35%。驱动因素包括：制造业自动化需求、物流效率压力、劳动力成本上升，以及边缘计算能力的快速提升。
Manako 的技术逻辑：把「摄像头盲区」变成「实时智能节点」
Manako Labs 的核心产品是基于现有摄像头网络的 AI 视觉智能平台。其技术逻辑可以分解为三个层次：
Layer 1：数据接入，而非硬件替换 Manako 的平台直接接入企业已有的摄像头系统（安防摄像头、生产线摄像头、仓库监控），无需采购新硬件。这一设计大幅降低了客户的部署门槛——企业不需要面对「先花几百万更换摄像头系统」的心理和财务障碍。
Layer 2：计算机视觉 + 情境理解 平台对摄像头视频流进行实时分析：不只是「看见」物体，而是理解事件的语义——货架是否有缺货、叉车路径是否存在碰撞风险、生产线是否出现异常停机、工人操作流程是否偏离标准。这种语义理解能力，是 Manako 区别于普通视频监控软件的核心差异。
Layer 3：可操作洞察 + 工作流自动化 识别事件之后，Manako 的平台可以触发实时响应：向操作员发送告警、向 WMS/ERP 系统写入数据、自动协调补货或维护请求。AI 不只是「观察员」，而是成为运营工作流的一部分。
关键细节：Manako 的平台在 Bittensor 网络上运营着 Score（Subnet 44），这是 Bittensor 生态中专注计算机视觉和 Physical AI 推理的关键子网之一。这一设计意味着 Manako 的 AI 推理能力依托去中心化的计算网络，而非传统的中心化云基础设施——在数据隐私要求高的工业场景中，这是一个重要的差异化优势。
TaoWeave 的投资逻辑：从数字资产国库到 AI 商业化运营商
理解这笔投资，需要同时理解投资方 TaoWeave 的战略转型。
TaoWeave 最初的定位是一家专注于 Bittensor 生态的数字资产国库公司——核心业务是持有和管理 $TAO 代币，从 Bittensor 网络的增值中获益。这是一种被动的金融持有策略。
而对 Manako Labs 的投资，标志着 TaoWeave 战略的主动跃升：
从「持有 TAO」到「运营 AI 资产」：TaoWeave 不再只是持有代币等待升值，而是直接参与 Bittensor 生态中最具实际商业价值的子网的商业化运营。
从「生态暴露」到「收入共享」：根据协议，TaoWeave 将参与 Manako Labs 通过许可协议产生的收入分成。这将 TaoWeave 的收益从代币价格的被动跟随，转变为与实际业务收入挂钩的主动参与。
北美市场的优先商业化权：TaoWeave 获得北美市场的优先商业化合作权，意味着它可以作为 Manako 进入北美大型企业客户的「登陆桥头堡」——连接销售渠道、客户关系和当地合规要求。
TaoWeave CEO Pete Holst 的表述值得关注：「我们在 Bittensor 生态中的经验，给了我们一个独特的视角——AI 在哪里创造了真实世界的价值。Physical AI 是当前 AI 领域最令人信服的机会之一。」这不是一句套话。Bittensor 生态的独特之处在于，它实际上运行着数十个专注不同 AI 任务的子网，TaoWeave 对这些子网有近距离的观察——而 Score（Subnet 44）能够从 1000 多个子网中脱颖而出，说明其在技术和应用层面都获得了生态的认可。
Bittensor 生态：去中心化 AI 计算的基础设施逻辑
Manako 在 Bittensor 生态中运营 Score 子网，这是理解其技术差异化的关键背景。
Bittensor 是一个去中心化 AI 计算网络：不同的子网专注于不同的 AI 任务（语言推理、图像生成、计算机视觉、数据分析……），矿工通过提供计算资源参与推理，验证者评估推理质量，优质计算获得 $TAO 代币奖励。这个机制创造了一个持续自我优化的 AI 推理市场。
对 Manako Labs 而言，运营 Score 子网有几个具体的商业意义：
成本结构：依托去中心化计算处理视频推理，避免了集中云计算（AWS/Azure）随规模快速攀升的成本，这在视频分析这种计算密集型应用中至关重要。
数据主权：企业客户对视频数据的隐私和主权极为敏感（工厂监控视频涉及生产机密）。去中心化推理架构允许数据在边缘设备本地处理，只有推理结果（而非原始视频）通过网络传输。
网络效应：随着使用 Score 子网的应用增加，子网的计算能力和推理质量会持续提升，形成正向飞轮。Manako 作为子网运营者，随着网络价值的提升持续受益。
Paris Blockchain Week 第一名：技术可信度的外部背书
在全球区块链和 AI 融合创业生态中，Paris Blockchain Week 的 Start In Block 竞赛被认为是高质量的外部评审。Manako Labs 从超过 1000 名申请者中脱颖而出，斩获第一名——这是技术可行性和商业潜力的双重信号。
对于早期阶段的 Physical AI 公司而言，这种外部认可在客户开拓中具有实际的销售价值：当企业决策者面对「是否采用一家不知名初创公司的技术」的疑虑时，有权威背书的竞赛成绩是降低信任门槛的有效工具。
风险与挑战
⚠️ 风险一：企业级销售周期的挑战。Physical AI 的主要客户是大型制造商、物流运营商和零售连锁，这些客户的采购决策周期通常在 6-18 个月，需要 PoC（概念验证）、安全审查、IT 集成测试多个环节。TaoWeave 作为北美商业化伙伴，需要足够成熟的 B2B 销售能力来支撑这一过程。
⚠️ 风险二：Bittensor 生态的成熟度风险。依托去中心化网络运营商业级 AI 服务，在可用性、延迟和服务等级协议（SLA）方面面临额外挑战。企业客户对系统稳定性要求极高，任何由去中心化节点波动导致的服务中断都可能损害客户关系。
⚠️ 风险三：竞争者的技术平权。计算机视觉和视频分析领域的竞争对手众多：AWS Rekognition、Google Vision AI、Nvidia Metropolis 等大型平台已有成熟的工业视觉解决方案，Verkada、Samsara 等专注安防和工业的垂直 SaaS 平台也在快速迭代。Manako 需要在特定场景的精度和成本效率上保持明显的领先优势。
⚠️ 风险四：100 万美元的早期阶段局限。这笔投资对于完整的北美商业化（销售团队建设、客户成功、本地化运营）而言属于早期种子规模。TaoWeave 和 Manako 都需要尽快验证商业模式，以支撑后续更大规模的融资。
十亿个摄像头正在等待被激活。Manako Labs 和 TaoWeave 的联手，押注的是一个直觉：当基础设施已经就位，真正的商业机会在于为它注入智能，而不是重建它。Physical AI 不需要从零开始布线——它需要的，是让现有的网络学会看懂这个世界。