我不是海上钢琴师，我选择走向陆地｜朱天宇对话OriginFlow秦深涛

"当时我悄悄发微信给同事：这个人一定要拿下。"

在近期一场行业大会圆桌上，蓝驰创投管理合伙人朱天宇笑着说。他的对面，就坐着他"拿下"的被投项目OriginFlow（渊澈太初）创始人秦深涛。

OriginFlow创造运营仅5个月时累计融资超5亿人民币的纪录，而蓝驰坚定选择与OriginFlow同行，不仅领投天使轮，还连续加码了三轮，成为其重要的投资方。

圆桌两端，一边是国内极少数同时投中头部基础大模型、具身智能及应用的早期VC，一边是AI时代最亮眼的那类founder：00后清华博士在读，带团队死磕物理世界数据，足够专注和纯粹。

圆桌结束后，两人的交流被压缩成一个为人乐道的爽文叙事：只聊了30分钟，Terry（朱天宇）就又投了一个天才少年。说是"又"，因为在朱天宇20多年投资生涯里，还曾有几位这样强烈"击中"他、让他极为确定要与之同行的创始人，他举了例子，比如Genspark景鲲、KIMI杨植麟和理想汽车李想。

不过，喧嚣的一级市场不缺这样一个传奇段子。

蓝驰与OriginFlow的投融资故事，真正价值在于，它代表时下一种难能可贵的AI投资：不FOMO，不浮夸，只是投资人和被投企业，遵循各自长期的方法论，同步捕捉到超级信号，认出彼此。

OriginFlow信仰数据的力量，死磕具身领域最难突破的数据一环，专注为具身智能提供物理交互数据"地基"。

**"如果我们坚信 Physical AGI 是人类文明史上最后一次工业革命，那就必须走完一段扎实的底层基建过程：把数据采集的漏斗放大，通过高效的方式将人类生产生活中的物理交互数据完成上载。"**这是秦深涛的决心。

朱天宇在职业生涯早期曾说："早期投资人要做创业者第一个投资人，而且是要最不确定的时候就要拿出真金白银的人。"他也一直在这样做。

朱天宇敢于"早、准、狠"地出手，支撑他的是这样一种认知——

"早期投资不能简单根据项目本身的信息做判断，需要的是投资人对当下全球面临的挑战、待解决的问题，形成自己的结构化判断框架。"框架有了，只要对的信号出现，不必犹豫。

朱天宇对人的判断，除了方法论，也有直觉性的部分。

有一次，他和秦深涛的闲谈，这位履历优异的创始人展现了人生的另一面：从小对应试教育整个体系感到虚无，高三干脆休学思考人生。那一年，秦深涛看周易、看马斯克的至暗时刻、看《海上钢琴师》，像大模型那样多维度广泛摄入信息。

《海上钢琴师》给了他一个反向的启发。在秦深涛的理解里，钢琴的琴键是有限的，但钢琴师可以作出无限的选择，弹奏出无限的乐曲；陆地却像一架拥有无限琴键的钢琴，正因为无从选择，1900始终不愿踏上陆地。

秦深涛的选择恰恰相反。

"看完《海上钢琴师》，我很受启发，于是决定走向陆地。"他说，"我觉得无限的钢琴也很有意思。"

他不是海上钢琴师。他选择走向陆地，为自己设计新的reward机制。

"你想像秦始皇一样，开国就是最强盛的国家，还是更愿意像朱元璋一样，开局一个碗？很多人会选择前者，但从gaming角度看，我觉得最爽的是后者。"朱天宇对秦深涛这句话印象深刻。

如今，秦深涛正在物理世界玩一场无限游戏。这位年轻创业者赶上前所未有的时间节点，融资没有实质困难。面对那些蜂拥而至的热钱，他需要做的是慎重地选择一个对的同行者。

"选择与谁同行时，你能明显感受到对方动机的不同。"谁是真的懂且有足够的耐心，谁又是在热潮中怕错过而盲目冲进来——这成了 founder 秦深涛在每一轮融资里反复掂量的事。恰好，蓝驰对于Physical AGI，有足够的决心、耐心和好奇心。

这场大会圆桌现场，朱天宇分享自己识事和识人的结构性方法论，秦深涛分享在具身产业一线的洞察。这些最终指向的是：蓝驰与被投公司，如何依靠长期稳定的价值观，识别出彼此的价值。

以下是这场对话精选。

主持人：听说蓝驰在上午沟通完，下午就给出了投资意向书，而且其实天宇总真正下定决心要投只用了30分钟。您为什么敢这么快拍板投这位年轻人？

朱天宇：为什么我如此快速做出投资决策？

第一，早期投资不是简单根据项目本身呈现的信息和特点做判断，而是要求投资人对当下全球所面临的挑战、需要解决的问题，有一些自己的结构化的看法。

大约在三、四年前，也就是在ChatGPT问世前后，我们就对未来几个大周期内的投资内容有一个表达，叫"三浪叠加"，三个曲线不断叠加在一起，对应了三个驱动要素：AGI、机器人、3D交互。

我们作为一个早期投资机构，未来十年甚至三十年，可以在这三个驱动因素持续叠加下持续下注。

深涛所研究的业务恰好契合这三大驱动要素。机电控制与具身智能存在明显区别，具身主要观察人体手部的运动，通过反解语言来判断怎么控制。深涛他们是通过机电系统去解析大脑下行的数据，来人体运动的底层控制逻辑。这些角度无论是从机器人，从交互以及AI智能角度，它都完美匹配我们想看的关键点，所以这个方向非常有吸引力。

第二，和深涛短短三十分钟的交流中，我完全忽略了他的年纪。我看到的是一位对自身奋斗方向充满了passion、充满了解题热情的创业者。除此之外，他对行业业务的阐述、对人与事物的判断，心智成熟度也远超出自身年龄。

深涛在那 30 分钟内至少让我感受到两件事：他描述要解决的问题时是从问题出发，而不是冲着"我要做谁谁谁的第一"，整个表达酣畅淋漓，思考非常充分；另外，我们更多交流的是他过去人生的各种选择，这些选择背后极大程度上映射了他是个什么样的人。

后来我们连投三轮、大手笔超额投资，因为投资之后发现深涛在找人和转化人才上的能力极强，而且最近有大将加入，这些都是很重要的征兆。

投资深涛的公司，对事的解构和对人的解构，跟之前蓝驰投理想、月之暗面其实是同一套逻辑。理想那时我们看到电动化和智能化方向，发现第三方 ADAS 工厂无法闭环、主机厂才能真正闭环，所以从智能数据落地角度去看；KIMI 是因为我们关注 AI 已超过 10 年，在 ChatGPT（3.5）出来之前、从 1.0 就在关注模型公司，在事的结构上一直在很深、很前沿的层面持续关注。当这个人、这个事出现在面前，确实有一种被击中的感觉，击中的时候就很爽。

第三，深涛创业方向很充分地发挥了中国的比较优势。这与我们基金充分布局具身智能领域的多家公司的底层驱动逻辑是一样的。中国不仅在人工智能上有人才密度的优势，在制造业领域的综合能力与产业链积淀更是不言自明。所以从这个角度，从具身、数据和智能的角度，我们用软硬结合的方式去拿到数据、反解数据，去理解这个世界，我觉得这个是一个极其promising的方向。

主持人：当下一级市场，出手快已经不算什么新鲜事了。您之前说过，真正的机会不在于跟风的速度，而在于能不能比别人更早看清结构性的变化。这两年具身智能这么热，OriginFlow也处在浪尖上，5个月融了5亿。您投深涛的这笔决策，怎么判断自己是看清了结构性变化，而不是被热潮带着走的？

朱天宇：刚才提到的"三浪叠加"框架让我们不断追问自己：这些驱动因素会催生出怎样的新机会？

比如说我们在具身方向看了很长时间，数据问题一直是个普遍存在的难点，就像深涛刚才说的，大家都在找一种更好的方式去采集数据。

深涛的方案能很自然地在人活动时直接下载大脑的意识流，能非常漂亮地实现"一边赚钱一边赚数据"。

从另外一个角度，仿生的视角看，人是非常完美的机器，整个大脑处理这么多复杂的问题，可能也就是10到20瓦的功耗，整个人体也就100多瓦的功耗。在极其节省的情况下能完成这么复杂的工作，其实仿生里面有非常多的视角能够为我们所用，去思考我们咱们实现人工智能的价值。

所以结构性思考既源于我们刚才说的大的框架，也是带着问题去思考的习惯。

创始人在我看来大致分为几类，一类是带着标签来的，就是我想做中国的谁谁谁，我想做某某赛道的第一名，我想做1000亿市值公司。另外一类创始人往往是说我发现了一个问题，我觉得有一类用户的需求没有被满足，他是带着解决问题的视角来创造，而不是为了一个标签去追赶。我觉得这两类创始人初心不同，带来一系列的行为、选择都会不一样的，我其实更看好的是后者。

主持人：深涛，从你的角度看，投资人的"快"具体是什么样的，你有没有哪一个瞬间觉得连你自己都觉得太快了？同时，你怎么分辨谁是真的看懂了，谁怕错过了冲进来的？

秦深涛：AGI scaling law 在 2026 年表现很强劲，我们意识到它不仅是一个坚定的信念，将来还可能把市场上所有现金流非常强的行业完全重塑、把桌子整个掀翻，所以像我这样的人都获得了非常多关注。我们比较幸运，现在AI正处在一个前所未有的时间节点，所以在融资过程中遇到的实质性困难并不算多。

但这里有个问题——如果带着"physical AGI 短期内有类似AGI的增长曲线"的预期，把钱涌进来，结果进来后才发现正处在一个比预期更长的平台期、拐点要晚一些到，期望和现实错配，高增长预期掉到地上之后会怎么样？

所以站在 Founder 的角度，面对蜂拥而来的钱，每一轮融资选择我都用这个问题反问自己：如果有一天发现周期比想象中更长，牌桌对面的同行者，是否还有足够的耐心、足够的好奇心，甚至不需要我解释，就能通透地理解这个过程——这就是我们在多轮融资中选择同行者的关键。

当你选择与谁同行的时候，你能明显感受到对方动机的不同。

投资人也分两类。一类说"我一直在思考这个问题，看到解法之后像闪电一样被击中"，这是投资生涯里最快乐的瞬间，一旦找到就不惜代价拿下；第二类是"这里有结构性窗口，所有人都冲上去了，我的基金没在上面我会焦虑、会FOMO"。

两类同时出现时，区别在于第一类人能充分识别"左侧信号"——你不需要跟他讲产品化、商业化空间有多大，他一定比你提前想到。而且他想到的终局，不是一到三年的陡峭增长，而是连续多年的陡峭增长。他能意识到，physical infra不仅面向当下这个稀缺的结构性机会，还面向人类最本真的三件诉求——health、interaction、control；在这一点上，中国有机会领先做出全新的基础模型，并以此为节点进入一个全新的阶段。

印象中，在正式交流之前，他们（蓝驰）对这个问题已经有了多年的思考，一直在寻找解决方案。所以当那个解决方案，和对方长期求索的状态碰撞在一起的瞬间，你会觉得，无论未来发生什么样的波动，这个人就是应该同行的选择。

我印象特别深，最开始蓝驰给了第一笔贷款，我说要花两三百万去买卡—— 团队刚起步就重押算力基建，蓝驰完全没有犹豫，全程没有额外沟通成本。当时我没有钱发工资，所有资金全投进了存储和算力。所以对我们来讲，选择真正的同行者，就是那些愿意支持我们把每一分钱都高效花到"技术斜率加速度"上的人。

主持人：深涛要不要具体介绍一下自己这家公司在做什么？

秦深涛：我们今天谈 AGI，它此前的发展主要围绕文本、视频两大模态展开。

但今天我们要面对的，是第三个模态 —— 让智能体能够和真实物理世界做具身交互。真正的具身智能，核心能力发生在物理接触之后，这和自动驾驶有本质区别：自动驾驶是典型的contact free (非接触式) 场景。一旦涉及物理接触就会发现，如何精准定义与建模 "动作" 这个模态，此前并没有被行业深入探索，也没有一套成熟的设施能完成对应的上载。

给大家一个简单的数据参考：全球有 80 亿人口，每人每天清醒时间超过 12 小时。如果全人类的物理交互数据都能被采集，每天能产生近千亿小时的真实物理交互数据。而当前生成式 AI 模型训练用到的真实交互数据，可能只有数十万小时，二者存在着数量级的差距。

如果我们坚信 Physical AGI 是人类文明史上最后一次工业革命，那就必须走完一段扎实的底层基建过程：把数据采集的漏斗放大，通过高效的方式将人类生产生活中的物理交互数据完成上载。而这套采集方案一定是非侵入式的 —— 不干扰人的自然活动，不影响正常的生产工序，对采集节拍、精度，以及长期采集的一致性都有极高要求。它必须是一个真正 in the wild 的方案，而不是一个 in the lab 的方案。

主持人：今年开年到现在其实具身这个领域一直非常火，融资已经超过577亿，甚至比去年全年都多。但是钱更多涌向了机器人本体，大模型，还有算法，而你选择的是数据采集，走的是机电信号这条相对非主流的路线。很多人会说数据采集是最难、最苦的事情，你选择要走这条路线，看到了什么别人没看到的东西，让你如此笃定下注？

秦深涛：今天我们有一个想法，一个数据公司在AGI的浪潮里它的价值会被拉的越来越低，所以OriginFlow成立之后就更像一家 AI infra 公司 (AI 基础设施公司)，整个具身产业的上游一定是真实产业场景——它们有明确的柔性生产、效率提升需求，亟待新技术来重构生产方式。

但从场景向下到模型层，中间存在一个关键的缺失环节：如何在不干扰正常生产节奏的前提下，将海量非结构化、高精度要求、细节高度复杂的物理世界信息，抽象为高质量的先验特征？这一中间层的技术供给目前是空白的，且绝非靠简单的数据采集工具加人力运营就能填补。

这里的核心问题是：在数据结构化的过程中，有没有充分保留人类作为专家的先验优越性？现在很多采集方案是人在适应机器的采集过程，这实际上对人的物理交互流畅性、娴熟度、以及完成技能的上限都做了限制。

今天我们看到很多所谓在某个场景中有落地的具身机器人，实际作业能力远不如一名普通一线工人，动作笨拙、效率低下。我们的目标是，AGI 最终要比同岗位人类的作业效率更高，且依托硅基系统的信息传输效率与带宽优势，大幅降低柔性生产的成本。因此我们不能接受为适配机器而折损人类技能上限的过渡性方案 —— 这是我们要解决的首要问题。

如果真的想从根源解决问题，而非追逐行业泡沫，我们就不能用偏 wishful thinking 的解法来缓解问题，必须直面问题本身。

直面问题，就意味着工作范畴从看似优雅的算法工程，延伸到硬件、信号处理、非标场景适配、生产节拍、精细化控制、数据一致性，还要考虑方案的可行性、完备性与可靠度 —— 这是一个极其庞杂的系统工程。这条路注定艰难，但必须走下去。

第二，这件事一定是全链路的系统性工程，单点突破无法解决根本问题。

这也决定了这家公司既不能是单纯的 AI 硬件公司，不能是运动神经接口公司，也不能是数据运营公司。它必须是一家Physical AGI (物理通用人工智能）的基础设施公司。

如果对下游的应用场景思考不够深入，中间层的技术构建就无法闭环。这和很多行业类比都不一样，它的最终形态会是像互联网、像电动汽车一样，深度融入人类生产生活的全新工具。它的产品形态未必是我们现在习以为常的终端，就像当年 iPhone 重新定义了手机一样，我们可能要跳出既有形态的框架。

整个过程中，核心要解决的只有一件事：如何通过芯片侧、基础设施侧、模型侧的全链路技术优化，持续提升系统的信噪比。我们已经验证，信噪比在基座模型的发展过程中符合scaling law，运动解析精度同样符合scaling law。在分布内的解析精度不亚于任何ground truth(基准真值)方案。而随着数据与技术的持续积累，能力会进一步向通用泛化延伸 —— 这意味着我们有可能第一次将物理世界的数据采集成本降到零，甚至实现负成本。

这就是Physical AGI的终极解法，任何想真正解决问题的团队都绕不开这条路。

既然无法绕过，我们就直面这个过程中所有繁琐、艰苦的工程细节，踏踏实实把问题从根源解决。

朱天宇：我也想补充一点，刚才说到这个非常有意思。

你会发现为什么OriginFlow悄无声息在短短几个月时间拿了5轮融资，它看起来既不是一个人形机器人，也不是一个基础大模型，也不是一个任何大家熟悉的热门标签描述的东西，但为什么大家这么喜欢这件事？任何一个大的技术周期里出来的大东西，起点一开始都长得非常有争议、非常不一样，就像我们今天说的"非共识"一样，你第一眼看不出它是什么东西。

但如果把刚才说的结构性思考放进来，把标签剥掉，只看它真正在解决什么问题，你就会发现它正好处在三浪叠加的交集上，有基础模型的事，有机器人的事，有3D交互的事。

这个恰恰是未来，所以它未来长出的可能性非常宽广，而且恰恰没有人在做这个事，只有他在做。把这个压强放在这个地方，它很有可能长出一个非常有意思的新东西，可能过十年之后大家才知道应该叫它什么。

朱天宇：我们成为合伙人差不多半年了。我想问深涛，过去这半年，你自己最大的变化是什么？

秦深涛：在预期之外，有不少我个人层面的感受。我之前更多是一个tech driven (技术驱动型)的人，公司半年时间已经有一两百人的规模。百人之前是第一阶段，无数人被这件事本身吸引，不需要额外沟通就能凝聚起来；超过百人之后，因为业务横跨很多领域，各部门之间出现了信息壁垒 —— 专业范围内的内容大家能理解，跨专业就存在认知差，但这件事本身是一个系统性工程，所以要让大家自发形成共识和配合，难度非常大。

而且这种困难不只是对事情本身的理解差异，一定程度上也关乎组织层面怎么把不同背景的人整合排布好。Anthropic 的组织模式里有一个非常经典的岗位叫 Member of Technical Staff，不管你原来是百亿美金公司的 CEO 还是 CTO，来到这里大家身份都是一样的。没有产品、项目、运营、市场、研发的明确划分，所有人都是技术专员。研发人员通过写代码开展工作，产品经理也要通过写代码完成工作，所有产出都通过代码落地。这个模式会强制所有人站在系统性的视角去看待整体效率的提升。

我们内部也做了类似的尝试，这是我在对组织与人性的洞察上，不得不去深入思考的部分。我们内部有 OriginBrain 体系，完全对标 Anthropic 的这套逻辑。另一方面，为了发挥产业化的优势，我们还有专门的产线团队，完全以交付为驱动，能在很短的时间内攻坚落地。预研团队则非常扁平灵活，可以从本质层面思考技术问题。组织搭建上，我们的人力VP也具备万人级团队的操盘经验。

朱天宇：这么多大牛加入，虽然大家都被你的想法吸引，但会不会出现消化不良的情况？

秦深涛：我觉得特别有意思的一个点，我们在引入一个大牛的时候，我们不是吸引他加入，是劝他不要加入，你反复劝他这个东西很难，周期很长、很累，它不是一个机会主义的东西。

朱天宇：（笑）感觉像反向 PUA。

秦深涛：我们招聘时始终坦诚透明，比起短期的薪酬回报，我们更在意彼此是否有一致的长期方向。很多加入的伙伴早已是 A9、A10 级别的资深专家，他们愿意把未来三四十年的职业黄金期全情投入到这里，笃定 OriginFlow 终将抵达物理 AGI 的终局—— 这就是我们要找的同行者。

朱天宇：你可以反向筛选高管，我有点更开心了。

秦深涛：我想问，十年、三十年，你对 OriginFlow 的图景是什么样的？

朱天宇：这件事可以说得很大，也有迹可循。你恰好站在几个未来技术周期的关键交集上，往哪个方向都能延展——这个起点本身就是一种 bless。下一个苹果、下一个特斯拉都有可能，因为你既在人工智能、又在 3D 交互，而每一次 interface 的更替都会重新定义一场技术革命。但路径再多，最大的挑战始终在人——真正核心的，是你自己和组织的自我迭代。

说到这儿，过去六个月，你做过最难的一次取舍，是关于人，还是关于事？

秦深涛：不谦虚地说，关于事不需要取舍，我对它的直觉很准，最难的取舍来自于人。最痛苦的是有你非常要好的朋友在整个runnig的过程中，由于组织成长发展，你不得不和他们在事上暂时分开，这一定是非常艰难的，这意味着你把个人和作为公司CEO两个角色做了一次抽离，抽离之后，你只要以CEO的方式做决策就必须得很纯粹。

朱天宇：所以 OriginFlow 上路了，刚刚开始，这就是成为下一个苹果、下一个谷歌伟大开始的必经之路。

秦深涛：This is a very long but very fun journey, and have fun—because eventually we will be a game changer.（这是一段很长、但很好玩的旅程，享受它——因为我们终将是那个改变游戏规则的人。）

蓝驰陈维广对话智源王仲远、银河通用王鹤、面壁智能李大海：大模型时代的长期价值与下一条曲线

蓝驰对话极客公园张鹏、十字路口Koji、WaytoAGI西琦AJ：AI浪潮下的"新物种"与"新生态"

蓝驰对话月之暗面、牵手科技、元理智能、大千科技——AI实战派：从技术到价值的中国路径