近日具身智能数据技术企业 OriginFlow 渊澈太初，官宣接连完成天使轮、战略轮、Pre-A1 轮三轮融资，融资总额突破5亿元。

公司2025年8月完成注册设立，创始人秦深涛现年25岁，现为清华大学在读博士，本科就读于哈尔滨工业大学机电工程学院，也是该校首位大三阶段同时斩获校长奖章、五四青年奖章的学子。

 

融资方面，Pre-A1轮由砺思资本独家领投，元禾璞华、元禾原点、国方创投参与跟投；天使轮由蓝驰创投、绿洲资本联合领投；战略轮投资方包含58产业投资、普华资本、水木清华种子校友基金。其中蓝驰创投、绿洲资本、普华资本后续均加码追加投资。

企业定位聚焦物理交互数据采集基建。旗下核心产品 NeuroScale 依托表面肌电信号技术，当前可分辨0.5N级力差，捕捉人体动作意图、发力参数与触觉感知信息，补齐机器人物理层面的训练数据短板。

PART 01

00后博士生凭什么拿下5亿融资？

秦深涛 2001 年出生于山西晋城，本科就读于哈尔滨工业大学机电工程学院。求学期间，他课余深耕机器人实验室，积极参与各类科创赛事，带队拿下全国大学生机器人大赛、RoboMaster 机甲大师赛、中国机器人大赛等多项赛事冠军，也是哈工大史上首位大三阶段同时斩获校长奖章与五四青年奖章的学生。

 

在校期间，他开始钻研人机数据的内在关联。以拧瓶盖的动作为例，人类先产生行为意图，经由神经传递促使肌肉发力，最终完成肢体动作，而传统机器人仅复刻末端动作。他萌生新思路，决心补齐完整行为链路，这也成为 NeuroScale 技术方案的研发雏形。他将自身技术理念命名为 “RockFlow 岩浆”，寓意功底扎实，既能抗压灵活应变，也可顺应变化稳步突破。

大四阶段，秦深涛先后入驻深圳科创学院、奇绩创坛开展创业孵化，彼时已构思出神经接口基座基础模型。但受限于适配应用场景不足，他暂缓创业落地。2022年，他考取清华大学博士，主攻自动驾驶相关研究。深入产业实操后，他笃定行业趋势：算法模型终将趋于同质化，数据基础设施才是拉开技术差距的核心关键。

2025年，OriginFlow 正式创立。初创团队共计 7 人，核心成员均出自哈工大、清华、上海交大等知名院校，专业横跨机电工程、生物医学工程、人工智能、嵌入式系统等领域。团队 CTO 是其昔日机器人赛事搭档，专攻力触觉传感与实时信号处理；首席算法工程师深耕清华自动驾驶感知项目，牵头研发 PULSE 基础模型；硬件负责人从业头部工业机器人企业，负责设备微型化与抗干扰优化。

蓝驰创投评价:"这是一支能同时理解技术深度与产业痛点的团队,执行力强,战略迭代快。"

PART 02

为什么机器人学会走路,却学不会拧瓶盖？

2025 年，人形机器人移动能力逐步迈入商业化落地阶段，但精细化操作依旧行业短板。抓取鸡蛋易碎裂、拧瓶盖出现打滑、折叠衣物形态走样，这类问题症结并非算法层面，而是物理交互数据缺失。

互联网拥有海量文本语料，视觉领域也积累数十亿影像素材，可适配物理交互场景的优质数据却十分稀缺。机器人能够识别拧瓶盖的动作轨迹，却没法感知发力大小、紧固临界点，以及按压轻重的细微区别。这类关键数据蕴藏在人体神经、肌肉与肌腱的传导过程里，常规视觉采集手段难以捕捉。

行业长期深陷发展难题，高精度、低成本、可规模化的数据采集条件无法同时满足。第一视角视觉方案只能记录表面动作；遥操作、动作捕捉手套虽精度出众，但设备造价高昂，难以大范围普及应用。

PART 03

从"看动作"到"读意图"：神经信号里藏着什么数据？

NeuroScale 以表面神经肌电信号 sEMG 作为技术突破口。人体完成抓取、拧转、按压等动作时，信号遵循大脑运动意图、神经传导、肌肉收缩、肌腱驱动、肢体动作的完整链路。OriginFlow 直接从体表采集肌肉电信号，脱离视觉采集模式，解析动作初始意图与执行逻辑。

 

技术架构分为硬件、编码、应用三层。硬件端为自研无创肌电传感设备，千元级定价，可穿戴式设计，适配动态场景持续数据采集。编码层依托自研 PULSE 基础模型，将原始肌电信号，转化为手部姿态、发力大小、触觉反馈等多维度数据。应用层输出原生交互数据流，可直接对接机器人控制系统，规避传统方案存在的时序偏差问题。

这套技术体系实现三大突破：成本大幅压缩，设备造价相较动作捕捉系统降幅达百倍；采集效率显著提高，省去动作标注与格式转换流程，大幅缩减数据生产周期；模型通用性更强，单人操作数据可适配多款机器人与不同作业场景。

目前,OriginFlow在连续手势识别与微力差分辨上已取得实测进展:能识别0.5N级力差异,相当于捏起一张A4纸的力,并重建滑移、摩擦等接触状态。

PART 04

精密装配和叠衣服,哪个更难教会机器人？

OriginFlow 采用双线并行的商业化落地模式。工业领域携手全球头部高端制造企业，主攻精密装配、构件打磨、品质检测等场景。传统工业机器人仅能按既定轨迹运行，碰到尺寸公差偏差就容易作业停滞；借助 NeuroScale 技术，机器人可感知装配过程中的力反馈，灵活调整作业动作。目前企业已和新能源汽车核心零部件厂商合作，搭建数据采集试点产线。

消费家庭端则携手 58 集团，针对衣物收纳、居家清扫、厨务操作等日常场景采集实景数据，搭建家政机器人技能数据库。叠衣作业需要判别布料质地、把控折叠力度、适配各类面料特性，这类精细化需求，均可依靠物理交互数据技术实现破解。

工业场景作业边界明确、反馈周期短，注重动作精准度与重复性；家庭场景任务灵活多变，数据类型更为丰富，侧重技术通用性与适配能力。双线布局能够为数据底座补充多元样本，工业数据筑牢精度与作业闭环，家庭数据拓宽应用泛化性，补齐各类小众场景需求。

PART 05

蓝驰、砺思、58战投同时下注,看中了什么？

成立至今，公司接连完成三轮融资，累计募资超 5 亿元，融资布局层次分明。天使轮用于验证核心技术落地可行性；战略轮重点整合产业资源，58 产业投资深耕家庭服务赛道，普华资本、水木清华种子校友基金则赋能产业落地与清华产学研联动；Pre-A1 轮引入专业市场化资本，其中砺思资本创下该赛道单笔大额投资纪录，创始合伙人曹曦带队尽调，双方一次会面便敲定投资意向。

蓝驰创投决策效率极高，当日洽谈、合伙人会面后迅速出具投资意向书。绿洲资本合伙人 Ivy 评价，团队将数据采集节点从动作末端前置至神经意图层面，实现了源头性技术代际跨越。

砺思资本创始合伙人曹曦认为，多数机器人整机企业难以攻克机械臂精准操控难题，根源在于前端训练数据供给不足、精度欠缺。OriginFlow 的 NeuroScale 技术，为破解物理交互数据短缺的行业痛点开辟全新解法。

 

图片来源：江苏省具身智能机器人工业数据采集与实训中心

资本市场已然形成共识：具身智能发展桎梏并非算法能力，而是物理场景数据储备不足。自动驾驶依托车队运行积累数据，大模型依靠网络文本迭代优化，机器人行业却始终缺少规模化的数据来源。NeuroScale 搭建起可行的数据获取体系，其长期价值取决于规模化落地、稳定产出数据以及下游产业实际应用成效。

数据显示，2026年截至5月，国内具身智能赛道年内融资总额已达577亿元，资本主要投向具身大模型、神经交互、人形机器人本体三大方向。

PART 06

结语与未来

OriginFlow选择了一个很刁钻的切口。不是做整机，不是做算法，而是做底层的数据采集基础设施。用一套千元级的设备把数据采集成本打下来，然后快速铺场景、跑数据、建壁垒。先有数据规模，再反哺模型能力。

这是一个很互联网思维的路径，先建基础设施，再卷上层应用。能拿超5亿，能搭起这么强的投资人阵容，能在工业端和家庭端同时落大客户，这些事本身已经说明了一些东西。方向对了，剩下的是熬。熬过技术瓶颈，熬过商业验证，熬过行业周期的起伏。

回头再看秦深涛本科时用的那个词，RockFlow。岩浆在高压下流动，在变化中向前。不到一年时间，超5亿。这位00后博士用这笔钱，给自己的创业之路买了一张入场券。

信息来源：https://news.pedaily.cn/202605/564174.shtml