AI不是一陣風，它正在變成地平線。而地平線的意思是——你看不到它的盡頭，但它一直在那里。

當下AI熱潮涌動，行業共識尚未形成，但真正的機遇往往誕生在共識之前。接下來就讓我們進入比共識更早一步 AI 創投的真實棋局圓桌論壇 !

以下為圓桌對話內容，經36氪整理編輯：

巴芮｜暗涌副主編（主持人）

朱天宇｜藍馳創投 管理合伙人

秦深濤｜OriginFlow創始人&CEO

巴芮：大家好！我們這場對談的主題是比共識更早一步，剛才上一場收尾在說一些非共識的內容，我們這一場是說比共識更早一步的事情。

現場這兩位，一位是在投資上出手非常早，藍馳創投管理合伙人朱天宇。另外一位是創業比較早的OriginFlow的創始人秦深濤，這兩位是敢于比共識更早一步的行動，其實這是基于非常篤定的判斷，我們今天想聊聊這件事情。

介紹一下，天宇總是在2009年加入藍馳創投，在天宇總的帶領下，藍馳投了理想汽車、月之暗面、智元機器人，還有Genspark這些明星公司。而且天宇總非常早的時候說過，早期投資人要做創業者第一個投資人，而且是要最不確定的時候就要拿出真金白銀的人，也在2017年判定AI不是風口，是標簽。另一位是非常年輕，出身于2001年的清華博士秦深濤，他在去年的時候創立OriginFlow，是一家用非侵入式運動神經接口為具身智能機器人提供物理世界交互基礎設施的公司。說起來有點復雜，一會兒深濤可以給大家具體解釋一下到底是做什么的。聽說這家公司在正式運營5個月之內就完成了從天使輪到Pre—A1的投資，累計超過5億人民幣，非常大額，藍馳也是他們天使輪的聯合領投方，并連續加碼三輪，據說藍馳在上午溝通完，下午就給出了投資意向書。我剛才確定了這件事，他說下午給完全是因為中間有一些流程上的東西要走，他自己真正下定決心要投其實只用了30分鐘，所以想問一下天宇總，為什么您敢這么快拍板要投這位年輕人？

朱天宇：首先咱們的標題是“比共識更早”，這其實是太高的要求，過譽，很難輕易接受這樣的視角。但確實跟深濤聊的時候，不到三十分鐘，我就決定要投資這個項目。在我過往的投資經歷當中，只有極少數幾個項目有類似的感覺，像Genspark，同樣溝通了約半個小時的時間，包括之前投的理想汽車，KIMI等等都有類似的感受。

回到你的問題，為什么我能如此快速的做出投資決策？核心原因主要有三點：第一，早期投資的不是簡單的根據項目本身呈現的信息和特點做判斷，而是更早的對當下全球所面臨的挑戰、需要解決的問題，有一些相對自己的結構化的看法。大約在三、四年前，也就是在ChatGPT問世前后，我們就對未來幾個大周期內的投資內容有一個表達，叫“三浪疊加”，“三浪”可以理解為坐標系上有三個曲線不斷疊加在一起，對應了三個驅動要素。第一個驅動要素是業內都熟知的AGI。第二個是機器人，覆蓋所有相關具身和這些物理層面驅動的領域。第三個叫3D交互。我覺得AGI加Robotics、加3D交互，定義了我們作為一個早期投資機構未來十年，甚至三十年可以在這三個驅動因素上持續疊加各種各樣下注的機會。我覺得深濤所研究的業務，恰好契合這三大驅動要素。機電控制與具身智能存在明顯區別，具身主要觀察人體手部的運動，通過反解語言來判斷怎么控制。深濤他們是通過機電系統去解析大腦下行的數據，來人體運動的底層控制邏輯。這些角度無論是從機器人，從交互以及AI智能角度，它都完美匹配我們想看的關鍵承重點，所以這個方向非常有吸引力。

第二，深濤作為創始人，我甚至不會將年齡作為評判他的參考維度。短短三十分鐘的交流中，我完全忽略了他的年紀。我看到的是一位對自身奮斗方向充滿了passion、充滿了解題的熱情的創業者。回顧他二十余年的人生經歷，過往所有積累都在為當下的事業鋪路蓄力，恰逢當下節點，多領域積淀融會貫通，他正全身心投入自己最熱愛的技術攻堅工作，傾盡全部心力推進問題落地解決。這樣純粹專注的創業者十分難得少見。除此之外，他對行業業務的闡述、對人與事物的判斷，心智成熟度也遠超出自身年齡。

第三點，也是我認為至關重要的一點是，這一方向很充分地發揮了中國的比較優勢。這與我們基金充分去布局具身智能領域的多家公司的底層驅動邏輯是一樣的。因為中國不僅在人工智能上有人才密度的優勢，同時在制造業領域的綜合能力與產業鏈積淀更是不言自明。所以從這個角度，從具身、數據和智能的角度，我們用軟硬結合的方式去拿到數據、反解數據，去理解這個世界，我覺得這個是一個極其promising的方向，這里頭不光是數據的底層層面，它上面可以構建的商業空間非常promising。

正如之前所提及的，我們已成功投資于KIMI、Genspark、智元等項目。我們可能是國內唯一，或者說極少數，同時投中了基礎大模型、具身還有應用的早期機構，在早期就能抓到機會。所以這也是在30分鐘的時候就擊中我的那些所有的思考框架，我決定出手的背后原因。

巴芮： 那在現場的時候，聊完30分鐘，你展現出自己要投的意向了嗎

朱天宇：當時我和同事在微信上悄悄說了一句：這個人一定要拿下。

巴芮：深濤你發現了天宇總的小動作嗎？當時聊完之后你有沒有覺得當天那么快就能拿到TS？你是什么反應？

秦深濤：交流過程中會有眼神的互動，能真切感受到那種信念感。坦白說我們是幸運的，當下 AI 正處在前所未有的產業節點，所以融資過程中遇到的實質性困難并不算多。但當你選擇與誰同行的時候，你能明顯感受到對方動機的不同。藍馳給我的感覺很不一樣。印象里在正式交流之前，他們就已經對這個方向有了多年的深度思考，一直在尋找真正的解法。所以當我們的解決方案，和他們長期求索的狀態碰撞到一起的瞬間，你會覺得，無論未來行業出現什么樣的波動，這都是值得并肩同行的人。

巴芮：深濤要不要介紹一下自己這家公司在做什么，因為我們剛剛的定義太長了。

秦深濤：我們今天談 AGI，它此前的發展主要圍繞兩大模態展開。第一個是文本模態：OpenAI、Anthropic 能實現大語言模型的能力突破，背后有一個核心基礎，我們可以稱之為人類知識上載。這是互聯網從上世紀 90 年代至今三十多年間逐步完成的：全人類在使用互聯網產品的過程中，大量邏輯類的人類知識數據，以 Token 的形式被沉淀、固化下來。

第二大模態實踐是視頻模態，典型代表就是自動駕駛。人們在駕駛過程中，通過車上的數據采集設備，以相對較低的成本積累了海量自動駕駛垂類場景的視頻數據，支撐了 Robotaxi 對視覺模態的理解與建模。這場知識上載的背后，是至少 30 萬輛用戶車輛以較高頻次在真實道路中持續運行、持續貢獻數據。

但今天我們要面對的，是第三個模態 —— 讓智能體能夠和真實物理世界做具身交互。真正的具身智能，核心能力發生在物理接觸之后，這和自動駕駛有本質區別：自動駕駛是典型的contact free (非接觸式) 場景。一旦涉及物理接觸就會發現，如何精準定義與建模 “動作” 這個模態，此前并沒有被行業深入探索，也沒有一套成熟的設施能完成對應的上載。

給大家一個簡單的數據參考：全球有 80 億人口，每人每天清醒時間超過 12 小時。如果全人類的物理交互數據都能被采集，每天能產生近千億小時的真實物理交互數據。而當前生成式 AI 模型訓練用到的真實交互數據，可能只有數十萬小時，二者存在著數量級的差距。

如果我們堅信 Physical AGI 是人類文明史上最后一次工業革命，那就必須走完一段扎實的底層基建過程：把數據采集的漏斗放大，通過高效的方式將人類生產生活中的物理交互數據完成上載。而這套采集方案一定是非侵入式的 —— 不干擾人的自然活動，不影響正常的生產工序，對采集節拍、精度，以及長期采集的一致性都有極高要求。它必須是一個真正 in the wild 的方案，而不是一個 in the lab 的方案。

巴芮：說回投資，想問一下天宇總。

當下的一級市場，出手快已經不算什么新鮮事了，尤其是一些熱門項目、明星創業者，當場出TS、像您這樣當場拍板的情況也不少見。但您之前說過，真正的機會不在于跟風的速度，而在于能不能比別人更早看清結構性的變化。這兩年具身智能這么熱，OriginFlow也處在浪尖上，它五個月融了5億。您投深濤的這筆決策，怎么判斷自己是看清了結構性變化，而不是被熱潮帶著走的？

朱天宇：剛才其實也提到了一些，“三浪疊加”這個框架。再稍微解釋一下，這個框架讓我們不斷追問自己：這些驅動因素會催生出怎樣的新機會。比如說我們在具身方向看了很長時間，數據問題一直是個普遍存在的難點，就像深濤剛才說的，大家都在找一種更好的方式去采集數據。

我們關注AI的時間很長了，你剛才也提到，“AI風口標簽之爭”。2014、2015年那一波是以計算機視覺為主的判別式AI，跟這一輪生成式AI有本質區別。當時說“不是風口是標簽”，是想區分它對價值影響的程度——但這一輪的影響，已經不需要再去爭論了。

另外一方面，回到AI本身，你想知道它產生價值的深度，以及具身方向上我們到底怎么去認知和訓練這個物理世界，對數據的要求其實非常高。所以我們一直在找這樣的解法。我之前有一個很重要的表述：任何一個技術周期里，最好的狀態就是“一邊賺錢，一邊賺數據”。不管是大數據時代、上一個AI時代，還是這一輪AI時代，都是一樣的邏輯。深濤的方案非常漂亮地回應了這個問題——“一邊賺錢一邊賺數據”。因為它很自然的在人的過程當中，雖然也有很多其他方式，但是他是直接下載人的大腦的意識流。這是一個很有意思的視角。

從另外一個角度，剛才臺下也在討論，從仿生的視角。因為人是非常完美的機器，整個大腦處理這么多復雜的問題，可能也就是10到20瓦的功耗，整個人體也就100多瓦的功耗。在這么極其節省的情況下能完成這么復雜的工作，其實仿生里面有非常多的視角能夠為我們所用，去思考我們咱們實現人工智能的價值。

所以結構性的思考既源于我們剛才說的大的框架，也是帶著問題去思考的習慣。因為很多創始人在我看來大致分為幾類，一類是帶著標簽來的，就是我想做中國的誰誰誰，我想做某某賽道的第一名，我想做1000億市值公司。另外一類創始人往往是說我發現了一個問題，我覺得有一類用戶的需求沒有被滿足，他是帶著解決問題的視角來創造，而不是為了一個標簽去追趕。我覺得這兩類創始人初心不同，帶來一系列的行為、選擇都會不一樣的，我其實更看好的是后者。

回到你剛才說的，除了在事的結構化層面之外，其實在人的角度，我們對創始人的初心，對他未來的潛力其實是有自己的一些判斷。潛力這一塊我經常會說，一個創始人的自我迭代速度其實是決定創始人潛力上限最大的一個變化。經常有一個說法，看創始人的段位，“知道錯，愿意改，改得快，”這三個詞基本上對應了三個階梯，知道錯，知道自己在哪里錯了，很多學霸其實卡在這個關卡。第二個愿意改，就是你走出了自己的舒適區，即使你知道錯，能不能走出舒適區也不容易。第三個改得快，改的快其實要求你有極強的成就動機和高度的自律。這三個階段基本上可以粗略識別十億美金創始人、百億美金創始人和千億美金創始人。當然這是一個玩笑，但確實它代表了一個創始人自我迭代的天花板，這也是一個結構。所以在事上和人上的結構都形成判斷之后，早期階段往往就在電光火石之間，目光一對就知道這是我們想要找的人，他們也希望我們是他們一起同行的投資機構，所以在最底層更深入的結構化認知和連接上決定了更快的緣分的產生。

巴芮：您跟深濤交流中，他的哪些行為讓您看到他身上有潛力，比如說知道錯，還能改得快。有這種比如您說的非常大市值的這種創始人的潛質。

朱天宇：這個問題要回答不好了就打臉了，30分鐘怎么解決這個問題？其實很重要的一點，我覺得當時30分鐘至少能感受到至少兩件事。

第一在描述他要解決這個問題的時候那個狀態，他不是沖著“我要做誰誰誰的第一”，他是從問題出發的，就像我剛才說的，這就是行業面臨的問題，沒有更好的視角。有一些其他開源項目，它提供了一些零件，怎么把這些組裝起來。但是整個描述的方式聽得是非常酣暢淋漓的，因為他很結構化，思考的非常充分。

第二往往在這個時候更多能交流的是深濤過去的經歷，人生的各種選擇，因為這些選擇背后其實極大程度上映射了他是一個什么樣的人。雖然我現在還沒有看到他未來的成長，但他的選擇，以及選擇背后帶來什么樣的影響、人生的走向，我覺得這是很重要的基礎。

因為我們連續投三輪，第一輪很快，后面連續三輪也很快，而且是大手筆，超額投資，為什么？因為我們在投資之后發現深濤在找人和轉化人才這一塊的能力極其強，我們給深濤介紹的一些人，馬上就有新人加入。而且我知道最近有重磅大將加入，這些都是很重要的征兆。

巴芮：深濤，你正好處在這波熱潮里。你從融資桌的對面看，投資人的“快”具體是什么樣的，你有沒有哪一個瞬間覺得連你自己都覺得太快了，同時你怎么分辨誰是真的看懂了，誰怕錯過了沖進來的？你剛剛回答的第一個問題有帶到一點點，你可以再詳細說說。

秦深濤：確實是這樣，風口期熱錢會大規模涌入賽道。其中有很核心的結構性驅動：AGI scaling law 在2026 年的表現非常強勁，我們越來越確信，它不止是我們堅信的技術方向，更有可能徹底重構整個行業的底層格局。也正因此，2026 年前后我們這類深耕底層技術的團隊獲得了極高的市場關注。 但這里有一個繞不開的問題，就是大家常說的“周期”。如果市場帶著 Physical AGI 短期內會有類似 AGI 賽道增長效果的預期涌入，進場后才發現行業可能處于比預期更長的平臺期，技術拐點的到來可能會更晚一些，就會出現預期與現實的錯配。這時候帶來的高增長預期掉落到地上之后會怎么樣？站在創始人的角度，面對蜂擁而至的資本 —— 其中不乏極具影響力的機構都希望爭取份額 —— 我們每一輪融資都會反復反問自己：如果有一天發現行業周期比預想的更長，牌桌對面的同行者是否有足夠的耐心，是否有對技術本質的好奇心，甚至不用我多做解釋，就能通透理解整個產業的演進邏輯與我們的決策。這就是我們多輪融資中選擇同行者的關鍵。

我印象特別深，最開始藍馳給了我們第一筆貸款，當時我提出要拿出兩三百萬買卡（數據中心算力卡） —— 團隊剛起步就重押算力基建，藍馳完全沒有猶豫，全程沒有額外溝通成本。當時我沒有錢發工資，把所有資金全部砸進了存儲與算力設施里，后來這筆投入的商業回報固然可觀，但對我們而言，真正核心的收獲是在 AGI 方向拿到了實打實的技術進展。

不到半年時間里，兩個來自行業一線的參照，讓我們更加確認了自己的路徑。第一個來自硅谷裁員潮中，多位曾深度參與百億美金級神經運動接口項目的 Reality Labs 頂級科學家，交流中他們坦言：放眼全球同賽道，能與 Meta 站在同一技術維度、探討底層方向的團隊屈指可數，OriginFlow 是其中之一。更讓他們認可的是，我們沒有把自己框定在特定交互終端的商業化里，而是直指更難、也更根本的目標——做真正通用的底層基礎模型。

第二個參照來自 Meta 的核心代工伙伴，他們曾在這個方向深耕了五六年，后來因業務合作安排暫停了相關自研。他們的技術團隊和我們交流后，對我們不到半年取得的進展非常震撼 —— 按他們的經驗判斷，做到同等程度通常需要好幾年的研發周期。

所以對我們來說，真正的同行者，是那些愿意支持我們把每一分錢，都高效投入到拉高技術成長斜率、加快研發加速度的伙伴。

巴芮：我們把這個事再放大一層，這種“快”和“強”到底是說當下整個市場更成熟了，能識別更快了，還是說大家更焦慮了？而且盡調的窗口期可能壓縮非常短了，這本身會不會就是一個泡沫的先兆？

秦深濤：我確實看到了兩類投資人，一類投資人會說，他一直在思考這個方向的問題，當看到真正的解法時，整個人像被閃電擊中一樣 —— 這是他整個投資生涯里最有成就感的瞬間之一，從業幾十年就是在尋找這樣的時刻，一旦找到就會不惜代價把握住。 第二類就像剛才聊到的，當賽道出現結構性窗口期，所有人都往里沖的時候，如果自己的基金沒布局，就會陷入焦慮。

兩類人同時出現的時候，核心區別很明顯：第一類人在決策和判斷的過程中，能精準識別左側信號 —— 你不用跟他講產品化、商業化未來有多大空間，他一定比你想得更早、更遠。他看到的終局不是未來一到三年的短期營收爆發，而是連續多年的陡峭增長；他能想明白整個過程的底層演進路徑，也能理解 general 的 infra（通用基礎設施），尤其是 physical infra (物理層基礎設施) 的價值 —— 它不止是當前行業稀缺的結構性機會，更會深度契合人類最底層的三大核心需求：health、interaction、control（健康、交互、控制），擁有極大的想象空間。他甚至能看到更遠的格局：中國有機會在全新基座模型上實現領先，以此為節點，中國科技產業的競爭將進入全新階段。和這樣的投資人交流，你會被深深觸動。

巴芮：天宇總有什么想補充？

朱天宇：行業的泡沫總是在周期性地出現，更核心的是在泡沫當中識別和找到自己想找的那個人，或者他們想找到那筆錢。我覺得泡沫能潤滑一些行業，能把這個行業人才的密度調動起來，把資源調動起來，給整個行業創造一些成功的契機和土壤。但是作為投資結構來講，恰恰就是在這里頭要有一些自己的分辨，有人組賽道，但是我們希望在賽道里面挑到賽道里面最好的選手。還是剛才說的有一些結構性的思考，實際上是在風口起來之前，就在識別問題和尋求答案的過程，因此用這種方式去找你剛才說的，而不是風口起來根據溫度決定自己的布局，我確實是每個機構起始的基因不一樣，就像我們剛才在表達我們在尋找什么樣的創業者一樣，這可能也代表了我們自己思考的一些特點，但確實行業永遠都有這樣周期性的泡沫。

巴芮：現在大家發現錢越來越向頭部集中，這種集中您覺得對于中國AI的創新新生態意味著什么？當大錢和注意力都在往頭部抱團的時候，留給新進場、剛起步，比如像深濤這樣的創業者的空間是變大了，還是擠壓了？

朱天宇：作為經歷過周期的投資人，我做投資差不多20多年，市場總是起起伏伏。在市場很火熱的時候，確實會出現你剛才說的頭部集中的情況。但并不是拿到頭部資源的公司就一定能成功，往往不是這樣的。同時，市場在起伏過程中，往下行的階段里，真正帶著問題去求解的那些創始人，他不一定跟著市場起伏走。他只是在自己的節奏里、在尋求問題的過程中，覺得要解決這個問題，他要找資源、找方案。這種更堅定的創業動機，不是看著市場上有沒有錢才出現的。反而在市場down turning的時候，這樣的創始人出來是更有價值的。

所以對投資人來講，最重要的是找到跟我們同頻的創始人，不管處在周期的哪一個部分，穿越周期的可能性才存在。

所以回到你的問題，頭部集中之后其實只是階段性的挑戰，但是對于真正有決心、有熱情、有能力的創始人來講，這個周期都不是問題，因為一直有我們這樣的投資機構在。

巴芮：想問問深濤，今年開年到現在其實具身這個領域一直非常火，融資已經超過577億，甚至比去年全年都多。但是錢更多涌向了機器人本體，大模型，還有算法，而你選擇的是數據采集，走的是機電信號這條相對非主流的路線。但是你在5個月里就跟58集團做了家政場景數據，跟全球頭部制造企業共建了工業數據場景，已經落地了兩個真實場景，但很多人會說數據采集是最難、最苦的事情，我不知道你是不是認同這個說法，以及你是如何判斷這件事的？你選擇要走這條路線，自己看到了什么別人沒看到的東西，讓你如此篤定下注？

秦深濤：分幾個方面。第一個它不能完全定義數據的事情，今天我們可能有一個想法，一個數據公司在AGI的浪潮里它的價值會被拉的越來越低，所以OriginFlow成立之后就更像一家 AI infra 公司 (AI 基礎設施公司)，整個具身產業的上游一定是真實產業場景——它們有明確的柔性生產、效率提升需求，亟待新技術來重構生產方式。但從場景向下到模型層，中間存在一個關鍵的缺失環節：如何在不干擾正常生產節奏的前提下，將海量非結構化、高精度要求、細節高度復雜的物理世界信息，抽象為高質量的先驗特征？這一中間層的技術供給目前是空白的，且絕非靠簡單的數據采集工具加人力運營就能填補。

這里的核心問題是：在數據結構化的過程中，有沒有充分保留人類作為專家的先驗優越性？現在很多采集方案是人在適應機器的采集過程，這實際上對人的物理交互流暢性、嫻熟度、以及完成技能的上限都做了boundary限制。今天我們看到很多所謂在某個場景中有落地的具身機器人，實際作業能力遠不如一名普通一線工人，動作笨拙、效率低下。我們的目標是，AGI 最終要比同崗位人類的作業效率更高，且依托硅基系統的信息傳輸效率與帶寬優勢，大幅降低柔性生產的成本。因此我們不能接受為適配機器而折損人類技能上限的過渡性方案 —— 這是我們要解決的首要問題。

既然要以ego-centric(第一視角)、無干擾地從真實生產生活中獲取數據，就必須找到最自然無感的采集方式，同時通過多模態完成信息的抽象與表征。初期投入可以從輕量方案切入，但從within space (感知表征空間)的演進路徑看，從簡單 2D 視覺，到 2.5D 深度感知，再到 3D 空間乃至加入時間軸的 4D 時空表征，輸入模態會持續豐富；而在像素空間與 latent space 中做的各類幾何特征探索，本質都是在 within space 內做極致打磨，試圖降低對action space(真實動作空間)的依賴。

我一直認為，包括 PI 的 π 系列具身模型、包括生成式 AI 路線在內，很多團隊選擇重投入做線下真實數據采集，背后有其必然性。他們很清楚：具身智能如果只停留在 latent space 的表征優化，解決不了真實物理接觸后的交互問題。因此他們選擇了偏工程化的落地路徑，用最樸素的方式補充真實數據、補全動作空間的能力。而我們走的NeuroScale路線，我們認為這是下一代的技術范式；在我們把底層問題徹底解決之前，行業選擇用重落地的方式補充真實數據，把action space補回來。所以我們意識到了從場景到模型中間有這樣的一個問題，而且現在沒有特別好的解法。

如果真的想從根源解決問題，而非追逐行業泡沫，我們就不能用偏 wishful thinking 的解法來緩解問題，必須直面問題本身。直面問題，就意味著工作范疇從看似優雅的算法工程，延伸到硬件、信號處理、非標場景適配、生產節拍、精細化控制、數據一致性，還要考慮方案的可行性、完備性與可靠度 —— 這是一個極其龐雜的系統工程。這條路注定艱難，但必須走下去。

第二，這件事一定是全鏈路的系統性工程，單點突破無法解決根本問題。 我們要在within space之外，定義一條非侵入式的信息信道，而這條信道的構建需要完整的技術體系支撐。除了前面提到的fatal system，還需要在整個Tokenizer 側的信號處理、中間層的碼本表征，以及當它形成合格的基座模型后，如何與現有語言基座模型在流形空間上實現更好的super alignment (超級對齊) —— 這些都是全新的技術命題。

這也決定了這家公司既不能是單純的 AI 硬件公司，不能是運動神經接口公司，也不能是數據運營公司。它必須是一家Physical AGI (物理通用人工智能）的基礎設施公司。如果對下游的應用場景思考不夠深入，中間層的技術構建就無法閉環。這和很多行業類比都不一樣，它的最終形態會是像互聯網、像電動汽車一樣，深度融入人類生產生活的全新工具。它的產品形態未必是我們現在習以為常的終端，就像當年 iPhone 重新定義了手機一樣，我們可能要跳出既有形態的框架。

比如，我們可以通過第一視角智能眼鏡捕捉人類的視覺輸入，通過眼動追蹤解析人的注意力 —— 畢竟純視頻數據的噪聲極高；再通過非侵入式運動神經接口，從tendon driven 的生物邏輯維度捕獲全身運動信息。一旦獲取了tendon driven的信息，從主動力去倒推反驅力和運動，就是一個很簡單的降維過程。

整個過程中，核心要解決的只有一件事：如何通過芯片側、基礎設施側、模型側的全鏈路技術優化，持續提升系統的信噪比。我們已經驗證，信噪比在基座模型的發展過程中符合scaling law，運動解析精度同樣符合scaling law。在分布內的解析精度不亞于任何ground truth(基準真值)方案。而隨著數據與技術的持續積累，能力會進一步向通用泛化延伸 —— 這意味著我們有可能第一次將物理世界的數據采集成本降到零，甚至實現負成本。

這就是Physical AGI的終極解法，任何想真正解決問題的團隊都繞不開這條路。既然無法繞過，我們就直面這個過程中所有繁瑣、艱苦的工程細節，踏踏實實把問題從根源解決。

巴芮：謝謝深濤。

朱天宇：我也想補充一點，剛才說到這個非常有意思。

你會發現為什么OriginFlow悄無聲息在短短幾個月時間拿了5輪融資，它看起來既不是一個人形機器人，也不是一個基礎大模型，也不是一個任何大家熟悉的熱門標簽描述的東西，但為什么大家這么喜歡這件事？任何一個大的技術周期里出來的大東西，起點一開始都長得非常有爭議、非常不一樣，就像我們今天說的“非共識”一樣，你第一眼看不出它是什么東西。

但如果把剛才說的解構思考放進來，把標簽剝掉，只看它真正在解決什么問題，你就會發現它正好處在三浪疊加的交集上，有基礎模型的事，有機器人的事，有3D交互的事。這個恰恰是未來，所以它未來長出的可能性非常寬廣，而且恰恰沒有人在做這個事，只有他在做。把這個壓強放在這個地方，它很有可能長出一個非常有意思的新東西，可能過十年之后大家才知道應該叫它什么。

巴芮：我們現在進入相對刺激的環節，二位距離那次投資也已經小半年了，有沒有一些問題想問給對方的，當然我們希望是一些我們不知道的，更有趣的真問題。天宇總先來。

朱天宇：回到剛才說的，自我的迭代速度，我想問問深濤，距離我們成為合伙人正好差不多半年的時間，你覺得過去半年你自己最大的變化是什么？

秦深濤：可能分幾個維度，首先，我們最初對這條技術路線就有conviction(篤定的判斷)，但真正全鏈路推進之后，從偏旁觀的視角變成了躬身入局的實操者，也因此形成了全新的認知閉環 —— 相當于在實踐中完成了一輪輪強化學習式的迭代，這些真實的信號反饋都在強烈刺激著和驗證著我們的判斷，讓你意識到這個東西比你想得更準確，同時有一些東西之前沒有被充分考慮，但今天不得不考慮。

這些問題都直指核心矛盾的第一性解法：從calibration(標定)分布內的高精度，走向真正通用的分布外泛化能力，背后是對系統信噪比的極致追求。這個過程也讓我愈發確認一個底層判斷：AGI 的核心本質，就是去噪。

對我個人最大的觸動是，我們第一次真切地感受到，在這個核心技術方向上，中國團隊完全有機會走在全球前列。硅谷的頂尖科學家、工程師與創業者，受限于硬件落地、系統工程構建、人才成本等多重因素，整體迭代效率和我們存在數量級的差距，這讓我們可以以極快的速度深化對問題的理解。

半年前，Meta 的技術團隊還不會關注我們在做的事；但半年后，他們已經認可了這條路線的技術價值。越來越多跨領域的人才正在向這里匯聚 —— 既有其他模態大模型的資深研究者，也有傳輸物理、材料力學等基礎學科的專家。團隊的快速成長，也帶動整個行業對這個問題有全新的思考。有一些真正的問題，在看到它的第一刻，連我們自己都會產生 “居然真的可以做到” 的震撼，這種感受是非常真實的。

前段時間，新加坡國務資政李顯龍在參訪上海人形機器人創新孵化器期間，也專程體驗了我們的技術產品，非常認可，和我們做了深入的交流。

朱天宇：這些都是公司的變化，我的問題是針對你自己的變化是什么，你自己覺得哪里有改變？

秦深濤：剛才說的是預期內的變化，在預期之外，還有不少我個人層面的感受。我之前更多是一個tech driven (技術驅動型)的人，公司半年時間已經有一兩百人的規模。百人之前是第一階段，無數人被這件事本身吸引，不需要額外溝通就能凝聚起來；超過百人之后，因為業務橫跨很多領域，各部門之間出現了信息壁壘 —— 專業范圍內的內容大家能理解，跨專業就存在認知差，但這件事本身是一個系統性工程，所以要讓大家自發形成共識和配合，難度非常大。

而且這種困難不只是對事情本身的理解差異，一定程度上也關乎組織層面怎么把不同背景的人整合排布好。Anthropic 的組織模式里有一個非常經典的崗位叫 Member of Technical Staff，不管你原來是百億美金公司的 CEO 還是 CTO，來到這里大家身份都是一樣的。沒有產品、項目、運營、市場、研發的明確劃分，所有人都是技術專員。研發人員通過寫代碼開展工作，產品經理也要通過寫代碼完成工作，所有產出都通過代碼落地。這個模式會強制所有人站在系統性的視角去看待整體效率的提升。

我們內部也做了類似的嘗試，這是我在對組織與人性的洞察上，不得不去深入思考的部分。我們內部有 OriginBrain 體系，完全對標 Anthropic 的這套邏輯。另一方面，為了發揮產業化的優勢，我們還有專門的產線團隊，完全以交付為驅動，能在很短的時間內攻堅落地。預研團隊則非常扁平靈活，可以從本質層面思考技術問題。組織搭建上，我們的人力VP也具備萬人級團隊的操盤經驗。

朱天宇：我稍微挑戰一個問題，這么多大牛加入，雖然大家都被你的想法吸引，但會不會出現消化不良的情況？

秦深濤：我覺得特別有意思的一個點，我們在引入一個大牛的時候，我們不是吸引他加入，是勸他不要加入，你反復勸他這個東西很難，周期很長、很累，它不是一個機會主義的東西。

朱天宇：感覺像反向PUA。

秦深濤：我們招聘時始終坦誠透明，比起短期的薪酬回報，我們更在意彼此是否有一致的長期方向。很多加入的伙伴早已是 A9、A10 級別的資深專家，他們愿意把未來三四十年的職業黃金期全情投入到這里，篤定 OriginFlow 終將抵達物理 AGI 的終局—— 這就是我們要找的同行者。

朱天宇：那你現在真是一個很幸福的狀態，可以去反向篩選你的高管。

巴芮：我不知道現場大家有沒有注意到一個點，天宇總和深濤爆了一個獨家，近期有一位互聯網大佬進入了深濤的公司，大家可以去猜一下。

下面深濤可以問一下天宇總。

秦深濤：我想問比如說十年、三十年對OriginFlow的圖景是什么樣的？

朱天宇：這可以說得很大，但其實跟我剛才的分享都是有跡可循的。我覺得你恰恰站在幾個未來的技術周期關鍵要素的交集上，所以在哪一個方向上都有延展的可能性，這個起點已經是一個bless。但同時我覺得更重要的是，像你剛才已經意識到的，首先如果要做出這個時代最偉大的一個事、一個產品、一個solution或者一個公司，其實最大的挑戰是在人身上。因為事的路徑方向其實有非常多的上限、很高的方向可以去探索，像剛才說你是下一個蘋果也好，還是下一個特斯拉也好，其實它都有可能，因為你既在人工智能，又在robotics，又在3D交互，我們說的3D交互就是大家設想的未來人和世界交互的另一種interface，每一次interface都會定義一個新的技術革命。這些都有可能，但最核心的還是人和組織，就像你現在已經意識到的一樣，包括個人的自我迭代以及組織自我迭代。

我再追問一個小問題，你在過去六個月里你最近做過最難的一次取舍，是關于人的還是事的？

秦深濤：不謙虛地說，關于事不需要取舍，它的直覺很準，最難的取舍來自于人。最痛苦的是有你非常要好的朋友在整個Runnig的過程中，由于組織成長發展，你不得不和他們在事上暫時分開，這一定是非常艱難的，這意味著你把個人和作為公司CEO兩個角色做了一次抽離，抽離之后，你只要以CEO的方式做決策就必須得很純粹。

朱天宇：所以，there you go，上路了，這就是成為下一個蘋果，下一個谷歌偉大開始的必經之路。

巴芮：最后再來兩個問題，想問一下天宇總，你之前投理想的時候也很早，沒有工廠，月之暗面的時候賽道也不是很清晰，現在你又投了在讀的00后去做具身數據的公司，這個決策背后共同的東西是什么？你到底在看什么？深濤在您這一套判斷邏輯里是踩中了規律，還是說是連您都得去解釋的例外？

朱天宇：回到剛才說的對事的解構和對人的解構，其實深濤都擊中了。理想那個時期我們看到了電動化和智能化這個方向，同時我們也在關注人工智能，當時我們發現第三方的ADAS公司都無法閉環，必須要看主機廠，主機廠才有可能真正閉環去做智駕，所以也是從智能數據落地的角度去看。

而KIMI，我們看到了AGI勢不可擋的趨勢，因為我們關注AI已經超過10年，甚至我們在ChatGPT出來之前，就投了一些AI模型公司。ChatGPT是3.5，但我們從1.0開始就在關注NLP這方面的進展。所以你會發現，我們在事的解構上，其實是在一個很深、很前沿的層面持續關注。當這個人、這個事出現在我面前，確實會有一種被擊中的感覺，被擊中的時候就很爽，你會覺得一個click。

深濤這個事也是，當我們在AI和具身的方向已經花了很長時間，行業普遍面臨數據的痛苦，我們想跟人和這個世界作為一個要素，因為最終AI是需要理解這個世界的物理空間，以及人在這個物理空間里怎么互動的。這個數據從何而來？以什么優雅完美的方式實現bridge，能一邊賺錢一邊賺數據？以及有了這個bridge之后，在這個上面可以長出什么大東西？這也是OriginFlow 深濤在我面前出現時在事上被擊中的原因。關于人的層面，剛才已經說了，這是雙向的。30分鐘之內覺得一定要投，這種compelling的感覺，做了二十年投資真的很少有這樣的感受。

巴芮：天宇總還是很真性情的。

深濤，你自己說過，你是不靠年齡紅利的，你怎么看外界給你貼的“00后”，“天才少年”這些標簽？而且這些標簽在現在AI創業領域特別多的，你覺得這些標簽貼給你是助力，還是需要花力氣去對抗的東西？

秦深濤：我覺得外界面對新事物的時候，最低成本的認知方式，就是把現成的label（標簽）套到一個人或者一件事上，理解起來最省力。但回歸事情本身、回歸組織本身，你必須把自己從這些標簽里徹底抽離出來。剛才有位嘉賓提到，市場似乎對 00 后創業者有更多包容，但我覺得還有另一個視角：在從技術到產品再到市場的全鏈路里，所有和你打交道的合作方，都不會把你當 “00 后” 特殊看待。

商業合作講究真金白銀的投入，這不只是融資，也包括業務層面的實質支持、愿意和你并肩推進項目；無論是職業經理人還是企業家，大家都是為了上牌桌。所以不管是合作方選擇伙伴，還是人才選擇加入公司，沒人會因為你是 00 后就多一分包容或遷就。長遠來看，這類標簽是有害的。當你以創始人的身份站在賽道牌桌上，面對隊友、同行和對手，出于對行業競爭本身的尊重，你應該拋開所有外在身份 —— 大家對你的期待，就是帶領 OriginFlow 跑出全球最陡峭的成長斜率。

巴芮：我們最后一個問題，就說具身這件事，天宇總其實是看局的投資人，深濤是從數據這一端入局給具身打地基的人，如果讓你們對具身這件事，讓你在現在這個時間點留一句最想說的話，可以是一個判斷，也可以是一個提醒，你會說什么？

朱天宇：關于具身，我覺得現在開始要更加重視我說的一邊賺錢、一邊賺數據的問題。

秦深濤：我覺得“This is very long but very fun journey. And have fun, because eventually we will be a game changer”。

巴芮：謝謝二位，我們這場的討論就到此結束了，謝謝大家。