点击关注
已关注公众号
2026年的具身智能赛道，正在上演一场前所未有的资本狂欢。
当整机厂商还在为机械臂抓握精度、人形机器人落地场景焦头烂额时，一家成立仅5个月的初创公司，接连拿下天使轮、战略轮、Pre‑A1轮融资，累计融资额超5亿元人民币，集结蓝驰创投、绿洲资本、58战投、普华资本、水木清华种子校友基金、Monolith砺思资本、元禾璞华、元禾原点、国方创投等一众头部机构，创下00后创始人在具身智能领域少见的融资速度。
这家名为OriginFlow渊澈太初的公司，背后站着25岁清华在读博士秦深涛。他以非侵入式运动神经接口为切口，提出NeuroScale 数据采集范式，试图破解困扰行业已久的具身数据荒。
这不是一次单纯的年轻创业者造富故事，而是具身智能从算法竞赛转向数据基建竞赛的标志性事件。当模型架构趋于收敛，谁掌握了高质量物理交互数据，谁就握住了通往Physical AGI的钥匙。
5个月三轮超5亿，资本为何集体押注一位00后？
在硬科技创业领域，OriginFlow的融资节奏堪称现象级。
天使轮由蓝驰创投、绿洲资本联合领投；战略轮引入58战投、普华资本、水木清华种子校友基金等产业资本，老股东数千万规模超额加注；最新Pre‑A1轮由Monolith砺思资本独家领投，老股东普华资本继续追投，同时汇聚元禾璞华、元禾原点、国方创投等市场化机构，整个过程紧凑连贯。
蓝驰创投的投资决策堪称闪电推进：上午项目沟通，中午合伙人面谈，下午即出具投资意向书。绿洲资本在一次深入交流后次日确定投资。Monolith砺思资本更是将此作为具身智能赛道至今最大一笔出手，创始合伙人曹曦直言，秦深涛是天生的创业者。
资本密集入场的背后，是具身智能赛道的底层痛点。近年来，具身智能从模型、本体到硬件持续升温，但行业普遍卡在同一个问题：数据供给不足、精度不够。机器人缺少像大模型一样的海量互联网数据，也缺少自动驾驶那样持续回流的路测数据，真实物理世界的动作、力控、触觉、交互数据长期处于 “真空地带”。
秦深涛团队没有扎堆做整机、做大模型，而是扎根数据采集源头，用神经接口技术捕捉人类运动意图，为机器人补上文本、视觉之外长期缺失的物理交互数据。这种从底层解决行业刚需的路线，让资本看到了具身智能下半场的破局方向。
更重要的是，这支年轻团队保持着清醒：大家不会因为我们是00后就降低期望。技术、产品、场景落地，都靠真实能力说话，这也是机构愿意长期陪伴、持续重仓的原因。
从哈工大到清华，25岁创始人如何走到今天？
秦深涛 2001年出生于山西晋城，是标准的00后。
本科就读于哈尔滨工业大学机电工程学院，他几乎把所有时间投入实验室与机器人竞赛，秉持“规格严格，功夫到家”的信念，带队拿下多项机器人竞赛冠军，并成为首位同时获得哈工大校长奖章和五四青年奖章的大三本科生。
正是在这段经历中，他开始思考“人、机、数”三者关系，探索如何提升人机交互带宽，实现真正的人机共融，神经接口也逐渐成为他技术方向的核心。
大四期间，他先后进入深圳科创学院、奇绩创坛接受创业孵化，第一次系统接触用户、市场、产品等产业逻辑。当时他已有神经接口相关想法，但没有急于创业，因为没有找到合适的落地场景，不愿为融资偏离初心。
22岁，秦深涛进入清华大学攻读博士，选择从自动驾驶方向补齐AI能力，并深入产业一线。他最终形成关键判断：模型架构终会收敛，真正拉开差距的是数据基础设施。
2025年，OriginFlow正式成立。
从机器人竞赛冠军到技术创业者，从哈工大到清华，他的每一步都围绕“人机交互与数据”展开。没有突然的爆红，只有长期积累后的顺势爆发。正如他所说：命运不会浪费任何一段路，只是当时还看不见终点。
NeuroScale范式，到底如何解决具身数据难题？
当下具身智能最大的矛盾，是机器人需要海量高质量物理数据，而行业根本没有稳定供给。
传统数据采集依赖视觉、动作捕捉，只能记录动作结果，存在明显缺陷：视觉遮挡会失效、力触觉信息缺失、数据存在异步误差，导致机器人动作生硬、力控不准，难以完成精细操作。
OriginFlow提出的NeuroScale范式，把采集锚点从动作结果前移到神经意图，实现了源头级别的技术跃迁：
● 以非侵入式运动神经接口为核心入口，采集皮肤表面神经肌电信号（sEMG）；
● 通过自研基础模型 PULSE 完成编码，精准重构手部姿态、发力、触觉反馈等原生多模态信息；
● 消除数据异步误差，在无感、非侵入的前提下，补充传统视觉方案的短板。
简单说：传统方式是让机器人看动作、模仿动作；NeuroScale是让机器人读取意图、理解控制。
人完成抓取、拧动、按压，先有运动意图，经神经传导到肌肉，再驱动肢体。OriginFlow捕捉的，正是这条链路里更早、更细微、更本质的信号。
这项技术的价值非常清晰：
● 非侵入、更安全：不需要植入，适合大规模推广；
● 信息更完整：补上力觉、触觉、精细发力差异，解决机器人 “笨、硬、不准”；
● 效率与复用性更强：数据可跨人群、跨环境、跨机器人本体使用。
目前，团队已在连续手势识别、力触觉重建上取得进展，能够捕捉人类细微发力差异，为工业与家庭场景落地打下基础。
一场5亿融资，如何改变具身智能产业格局？
OriginFlow仅靠5个月就融资超5亿，不只是一家创业公司的里程碑，更是整个具身智能赛道逻辑转向的信号。
过去很长一段时间，行业焦点集中在模型迭代、机器人本体、硬件性能。但走到产业落地深处，所有人都发现：模型会趋同、硬件可采购、本体可优化，最稀缺、最难构建的，是数据基础设施。
大语言模型有互联网数据作为土壤，自动驾驶有车队持续回流数据，而机器人领域几乎是一片空白。动作交互、接触碰撞、滑移摩擦、精细力控等带闭环反馈的控制信号，都需要一点点“开采”。
秦深涛判断，具身智能的数据荒，不是一两年可以填平的缺口。行业会经历从零到无穷大的数据积累过程，最终无限逼近Physical AGI。
OriginFlow的出现，给行业带来三层关键影响：
● 技术路线层面：确立“神经意图采集”的新范式，推动数据采集从动作层走向意图层，实现代际升级；
● 产业落地层面：聚焦工业制造、家庭服务两大场景，与产业方共建数据采集场景、搭建家庭机器人技能库，让数据从实验室走向真实场景；
● 资本方向层面：让市场意识到，具身智能的核心壁垒不在整机，而在数据基建，引导资源投向更底层、更长期的刚需环节。
这意味着，具身智能正式从算法与硬件竞赛，进入数据竞赛下半场。谁能建立高效、高质量、可规模化的数据体系，谁就更有可能定义下一代人机协作标准。
写在最后：第一颗龙珠，开启具身数据时代
秦深涛把现在的OriginFlow比作拿到了第一颗龙珠。
在他看来，具身智能的数据基础设施还有大量缺口需要填补，团队只是找到了第一块关键拼图。但正是这块拼图，让整个行业看到了走出数据瓶颈的可能。
从哈工大实验室到清华博士，从机器人竞赛到创业融资，秦深涛的故事说明：硬科技从不是靠噱头，而是对趋势的判断、对痛点的理解、对长期主义的坚持。
机器人要真正走进工厂、家庭、康复、服务等复杂场景，需要学习的不只是人类动作，更是真实世界里的经验、判断与精细控制能力。而这一切的起点，都是高质量的具身数据。
OriginFlow的5亿融资，不是终点，而是具身数据时代的起点。当数据基建逐步完善，机器人才能真正从 “能用” 走向 “好用”，从实验室走向千家万户。
往期推荐
融资10亿!上海国资重仓AMD前员工
吴夏青是谁？为什么离职英伟达创业？
点赞鼓励一下
图片来源：网络
本文不作为投资建议