OriginFlow 秦深涛：寡于欲者天机深

过去两年，具身智能的钱大多流向了机器人本体：人形、四足、灵巧手、机械臂。机器人越来越像人，能走、能跳、能抓取，视频里的动作也越来越流畅。但真正进入工厂、家庭和服务场景时，问题很快暴露出来：机器人缺的并不只是身体，它还需要学会人类如何使用身体。

人怎么拿起杯子，怎么拧开瓶盖，怎么判断力道，怎么在手滑的一瞬间调整动作，怎么在看不见的情况下靠身体完成任务。这些经验对人类来说太自然，几乎不会被记录下来。但对机器来说，它们正是最稀缺的数据。

大语言模型吃掉了互联网上几十年沉淀的文本，图像和视频模型吃掉了海量视觉数据。到了物理世界，机器人需要另一种语料库：人和真实世界交互时留下的动作、力量、意图和反馈。

OriginFlow 想做的，就是这座语料库的入口。

这家公司成立还不到一年，团队已经超过一百人，完成数轮融资，Monolith 领投了其中一轮。

它的创始人秦深涛，今年五月刚满二十五岁，还在清华读博。秦深涛是个不难被识别出的 outlier，但他身上有一种很难一眼看透的矛盾感，他出生在山西晋城，父亲是工程师，从小就是个重度游戏玩家，十二岁之前每天泡在游戏里六个小时以上。十八岁时，他觉得生命没意思，想"删号退游"，靠读《周易》、《老子》、《庄子》、看《海上钢琴师》重新构筑了自己生命的底色。他微信名叫"寡于欲者天机深"，但曹曦说他有着极强想赢的欲望，甚至是他见过的创业者里最极致的 1%。

带着这些好奇，Monolith和秦深涛做了一次深度对谈，试图理解这个总把自己丢进更难副本里的年轻人。

对谈前，我们先走进了OriginFlow 在海淀的办公室，去感受这家创业公司实际运转的状态。

这完全不像一家刚成立不到一年的公司。办公室里有不少看上去比秦深涛大二三十岁的人，节奏很紧：一边有人戴着设备做数据采集，重复一些看似日常的手部动作；一边是研发，几个人围着屏幕上的信号曲线讨论；走廊里摆着各种机械手、机械臂和机器人终端。

让人停下来的，是一位肢体有残障的员工在操作一只灵巧手。

他动一下自己的手，机械手跟着复现出相应动作。人的意图从身体里出来，被一只戴在手腕上的手环捕捉，再经过模型解码，落到机器身体上。

那一刻，"在人身上长出一个新器官"这句话，突然落到了地面。

OriginFlow 当前最重要的产品形态，是一只自研神经肌电手环——它采集的是 sEMG（surface electromyography），表面神经肌电信号。简单来说，一个人想做动作时，大脑先发出神经信号，神经信号传到肌肉，肌肉募集收缩，再带动骨骼和手部运动。

今天大多数机器人学人干活，靠的是摄像头。但摄像头看到的是最后的动作，OriginFlow 想读到的是更早的一层：动作发生之前，身体里已经出现的发力意图。

秦深涛给我们举了个例子，一个人端起半杯水，手指需要给杯子足够的压力。力小了，杯子会滑；力大了，杯子可能变形。

人类完成这个动作很自然，因为我们从小就在身体里积累了关于重量、摩擦、接触和反馈的经验。但机器人没有这些经验。摄像头能看到手指的位置变化，看到杯子被拿起来，却很难还原那一刻到底用了多大的力。

因此，OriginFlow 选择从身体更上游的位置取信号。手环戴在手腕，采集肌肉活动产生的微弱电信号，再通过模型反推出动作和发力意图。这类信号可能比最终动作提前约 50 毫秒——这意味着机器有可能第一次提前感知人的动作意图，而不是等动作发生后再被动识别。

但难点也在这里：越接近源头，信号越本真，噪音也越大。肌电信号弱、复杂、个体差异大。这有点像从一张模糊照片里重建出清晰照片——人手运动虽然复杂，但关节之间高度协同，只要信号足够多，系统足够强，就有机会把有用的部分提取出来。

OriginFlow 内部把这件事叫 Human Tokenizer。大语言模型需要 tokenizer 把语言切成 token，到了物理世界，机器人同样需要 token，只是这些 token 来自人的身体：动作、发力、意图、接触和反馈。OriginFlow 想做的，就是这个物理世界的 tokenizer。

手环只是入口，sEMG 是当前路径，真正的目标是让物理世界里的交互数据能够 scale up。

秦深涛给这件事打过一个更大的比方：乔布斯当年给人类外挂了一个器官，你得把手机攥在手里，那是一个额外加上去的、带着妥协的器官。他想做的，是在人身上长出一个真正的新器官——它不需要你握着，它就长在你身上，能读到你的意图、你的力、你和世界接触的每一个瞬间。

这个方向终极的图景是：设备免费送，基模做订阅，全球八十亿人 always on，身体无时无刻不在产生数据，反哺一个万亿参数的神经基模。最终，人和机器的交互变得像机器与机器之间一样毫无摩擦——没有面板，没有按钮，也没有对话框。

这家初创公司的愿景很大，但落地从最"笨"的事做起。

OriginFlow 找到的参照系来自自动驾驶。特斯拉曾经跑通过一种叫 Shadow Mode 的机制——车在路上开，人类驾驶员正常操作，系统在后台持续记录，不打扰人，却把真实数据源源不断带回来。OriginFlow 想在具身智能里做类似的事。

保洁阿姨怎么擦桌子，熟练工人怎么拧螺丝，厨师怎么处理食材——这些动作每天都在发生，却几乎没有被有效记录过。今天大多数机器人公司的数据仍然来自实验室、遥操作或者昂贵的专用设备，太贵、太少、离真实场景太远。

在与一家全球超大型制造业客户的交流中，一个典型痛点被反复提起：产品型号切换时，因为柔性制造能力不足，产线可能停两三个月，损失达数亿元。OriginFlow 正在做的，是在不打断正常生产的前提下，把熟练工人的经验沉淀成机器能学的数据。

这里面真正的难点是，采集不能干扰人。没有人会因为戴一块表而改变拧螺丝或擦桌子的方式——手环之所以重要，就是因为它是非侵入式的设备。OriginFlow 的手环重量约 55 克，8 小时的续航，未来还会变得更轻、更自然。

对一家成立不到一年的公司来说，这些进展意味着它已经开始从一个很大的技术信仰，走向一个可以被产业客户检验的闭环——前端采集人的真实动作和神经肌电信号，进入模型训练，再进入机器人控制，最终进入工业或家庭场景。

秦深涛对商业化有很高预期。他希望今年能在工业场景里拿下一次真正有效的验证，并让收入快速追上甚至超过 Surge AI这样明星 AI 公司的早期斜率。

但他紧接着补了一句，短期收入本身没有价值。有些看起来很大的订单，反而会牵扯团队精力，能不接就不接，"交给时间好了"。对他来说，收入是这套系统能不能进入真实场景、形成数据闭环的证明。公司融到的钱也不该躺成理财。"投资人要买理财，为什么不自己在二级买？我必须把每一分钱都变成陡峭斜率的一部分。"

OriginFlow 是一家成立才半年多的公司，它的创始人秦深涛 2001 年出生，今年五月刚满二十五岁，博士还没毕业。

曹曦说，自己在秦深涛身上很早就观察到一种强烈的想赢冲动。在他见过的很多创业者里，这种赢的欲望也排在很前面，接近一种极值状态。

秦深涛说，这股劲来自小时候打游戏。十二岁之前，他是一个重度游戏玩家，喜欢靠技术赢，不喜欢氪金。他尤其喜欢逆风局，赢下ELO机制里想让你输的局，那种爽感让他上瘾。

他后来总结：**顺风不鞭尸，逆风不摆烂。**如果队友想赢，而你没这个心态，不如去打匹配。放在创业里就是：没想清楚就别上桌。但只要上了，就只能 go big。

秦深涛是山西晋城人，父亲是工程师，在上万人的厂里拿过技术第一，去过俄罗斯，在他六七岁时就对他说：一件事如果有人做成过，你就该做成；如果从没人做成，你就要做第一个。

他很早就把人生也看成一场更复杂的游戏。初二那年，一个班主任把他叫过去，说他天赋很好，如果想从太行山里走到更大的世界，就要学会 solo，去做那些身边人很长时间都不会做的事。

但那时候他还深陷在游戏里。上学日每天六个小时，假期十几个小时，整个人泡在里面。直到有人对他说，**你这么想赢，为什么不去玩"世界 Online"？真实世界才是最难的那个游戏。**这句话击中了他。

不久之后，他决定戒掉游戏，戒断的第一周浑身发痒。但想到真实世界也是一个游戏，他实在无法接受自己做 NPC——按部就班 overfitting 一套规则，知道所有答案，寻求局部最优，他要把真实世界当成了自己的主线任务。

戒了游戏以后，也没有一帆风顺，过日子就是问题叠着问题，高三那年，他又撞上了第一次极致的迷茫——突然觉得自己的人生游戏"没啥意思"，想"删号"。父亲没说什么，只在外面给他租了一个几百块钱一个月的房子，让他一个人想清楚。

在外面住的这一年，有三样东西重新塑造了秦深涛生命的底色。

一是读**《周易》《老子》《庄子》**这种书，秦深涛说读这些书，让他仿佛窥探到了这个世界的运行规律，把变化、约束、选择和结果放进同一个系统里看，易的本质是变化，是推演，很多内容他读完就忘了，但内化成了自己人生的算法。

二是**《海上钢琴师》**，电影里那个钢琴家一辈子没有走下那条船，有人问他为什么不上岸，他说，陆地上的琴键是无限的，无限的琴键弹不出音乐，那是上帝的钢琴。他看完泪流满面，突然觉得自己其实不需要一副无限的键盘才能弹出好东西，因为有限的条件里已经藏着无穷的可能。

三是马斯克早年的一段采访——几近破产、被前辈看轻、当众落泪，却说这件事我一定要做，除非我彻底失去行动能力。这个采访让他看到了自己想追求的最好的生命状态——被质疑本身就是一种礼物，因为这意味着你站在了一个有巨大成长空间的地方。

这三样东西，把一个想"删号"的年轻人重新留在了游戏里。

后面真正把他推向 OriginFlow 的，是在清华读博期间的一次认知转向。

他最早在清华做的是自动驾驶方向，也曾经按学术路径往前走。但越往产业里看，他越觉得，真实世界的问题比理论呈现的更加复杂。**2023 年前后，scaling law 对他的冲击很大：当一种数据足够多，模型会开始自己分辨什么是信号，什么是噪音。**那一刻他意识到，神经肌电信号这种过去被认为很难泛化、很难清洗、噪音很大的数据，也可能在规模足够大之后长出新的能力。

这成了 OriginFlow 最关键的起点之一。

从那以后，他选了一条更笨更慢的路：去采真实世界里脏、累、重复、非标的数据，去处理噪音很大的神经信号，去做那些短期不一定好看、但可能真正决定行业上限的底层工作。

曹曦提到侯孝贤的一句话："只有背对观众时，创作才真正开始。"其实，做公司、做投资也是一样，背对 LP，背对同行和媒体，直面世界的才是有力量的。

创业以后，秦深涛被问最多的问题是，一个二十五岁的年轻人，怎么让一群比自己资深得多的人跟着他干？

团队里不少人比他年长一二十岁，甚至已经超过他父亲的年纪。

秦深涛一开始以为，大家来 OriginFlow，是因为这件事足够有意思。很多人已经不缺一份普通工作，缺的是一个值得重新投入的难题。后来他发现，还不止如此，一些比他年长一二十岁的人，在这个过程中像被重新点着了，重新熬夜、争论、兴奋，重新有一种二十岁时才有的生命力。

OriginFlow 的组织风格也很直接。秦深涛称之为"极致的 top down"，把最上面和最下面压到同一层。他的解释很简单：如果一个判断是对的，它就应该第一时间被执行，不该被层级和流程消耗。

在创业公司里，经验有价值，但不能变成权威。在这里做技术讨论时，秦深涛只认数据、研究能力和真实问题。公司把八成研发资源放在一个叫 OriginBrain 的内部部门，部门下面还设了Neuro Science团队，专门去触碰那些最底层、最难定义的问题。

OriginFlow 想找的人很明确，人群里 1% 是极客，极客里 1% 是疯子。这里要的就是最后这帮人。 这个人可以是科学家、工程师、产品型人才，也可以是能把系统从 0 搭到 1 的 builder；不一定有最漂亮的履历，但要对世界有强烈的问题感，对技术有近乎偏执的判断力，也要能长期忍受不确定和痛苦。

这样一群人凑在一起，会是什么状态？**秦深涛用了一个词：Rockflow。岩浆在地底流动，高温，高压，但有生命力。**不是忙乱，也不是表演式的奋斗，而是一种长期持续的、带着温度和压力的流动。

这可能也是 OriginFlow 真正想要的气质。今天还很难判断它会走到哪里，但这家公司已经具备一种早期公司少见的样子：问题足够大，路径足够硬，创始人足够不安分，团队也不像临时拼起来的队伍。

很多年前，在哈尔滨的冬天，秦深涛常常一个人走在哈工大去科技园的路上。那是一个接近极北之地的地方，天很冷，雪很厚，路上几乎没有人。他后来回忆，那些深夜里，自己一边走，一边想很多关于生命、选择和未来的问题。

那时他还不知道，自己后来会创办一家什么样的公司，也不知道会有一百多人跟他一起做一件没有答案的事。他只是隐约觉得，真实世界里还有更难的副本，更大的系统，更广阔的天地，等着他走进去。

现在，他打上了难度最高的副本。雪地里留下的，却不再只有他一个人的脚印。

欢迎评论区聊聊你读完这篇文章的感受，或是任何观察与思考。截至6月11日24:00，我们将综合留言质量与点赞数，选出五条优质评论，送出MONOLITH特别纪念礼品。

---