圆桌论坛：比共识更早一步 AI 创投的真实棋局 | 2026WAVES

AI不是一阵风，它正在变成地平线。而地平线的意思是——你看不到它的尽头，但它一直在那里。

当下AI热潮涌动，行业共识尚未形成，但真正的机遇往往诞生在共识之前。接下来就让我们进入比共识更早一步 AI 创投的真实棋局圆桌论坛 !

以下为圆桌对话内容，经36氪整理编辑：

巴芮｜暗涌副主编（主持人）

朱天宇｜蓝驰创投 管理合伙人

秦深涛｜OriginFlow创始人&CEO

巴芮：大家好！我们这场对谈的主题是比共识更早一步，刚才上一场收尾在说一些非共识的内容，我们这一场是说比共识更早一步的事情。

现场这两位，一位是在投资上出手非常早，蓝驰创投管理合伙人朱天宇。另外一位是创业比较早的OriginFlow的创始人秦深涛，这两位是敢于比共识更早一步的行动，其实这是基于非常笃定的判断，我们今天想聊聊这件事情。

介绍一下，天宇总是在2009年加入蓝驰创投，在天宇总的带领下，蓝驰投了理想汽车、月之暗面、智元机器人，还有Genspark这些明星公司。而且天宇总非常早的时候说过，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，也在2017年判定AI不是风口，是标签。另一位是非常年轻，出身于2001年的清华博士秦深涛，他在去年的时候创立OriginFlow，是一家用非侵入式运动神经接口为具身智能机器人提供物理世界交互基础设施的公司。说起来有点复杂，一会儿深涛可以给大家具体解释一下到底是做什么的。听说这家公司在正式运营5个月之内就完成了从天使轮到Pre—A1的投资，累计超过5亿人民币，非常大额，蓝驰也是他们天使轮的联合领投方，并连续加码三轮，据说蓝驰在上午沟通完，下午就给出了投资意向书。我刚才确定了这件事，他说下午给完全是因为中间有一些流程上的东西要走，他自己真正下定决心要投其实只用了30分钟，所以想问一下天宇总，为什么您敢这么快拍板要投这位年轻人？

朱天宇：首先咱们的标题是“比共识更早”，这其实是太高的要求，过誉，很难轻易接受这样的视角。但确实跟深涛聊的时候，不到三十分钟，我就决定要投资这个项目。在我过往的投资经历当中，只有极少数几个项目有类似的感觉，像Genspark，同样沟通了约半个小时的时间，包括之前投的理想汽车，KIMI等等都有类似的感受。

回到你的问题，为什么我能如此快速的做出投资决策？核心原因主要有三点：第一，早期投资的不是简单的根据项目本身呈现的信息和特点做判断，而是更早的对当下全球所面临的挑战、需要解决的问题，有一些相对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”，“三浪”可以理解为坐标系上有三个曲线不断叠加在一起，对应了三个驱动要素。第一个驱动要素是业内都熟知的AGI。第二个是机器人，覆盖所有相关具身和这些物理层面驱动的领域。第三个叫3D交互。我觉得AGI加Robotics、加3D交互，定义了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上持续叠加各种各样下注的机会。我觉得深涛所研究的业务，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承重点，所以这个方向非常有吸引力。

第二，深涛作为创始人，我甚至不会将年龄作为评判他的参考维度。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、充满了解题的热情的创业者。回顾他二十余年的人生经历，过往所有积累都在为当下的事业铺路蓄力，恰逢当下节点，多领域积淀融会贯通，他正全身心投入自己最热爱的技术攻坚工作，倾尽全部心力推进问题落地解决。这样纯粹专注的创业者十分难得少见。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。

第三点，也是我认为至关重要的一点是，这一方向很充分地发挥了中国的比较优势。这与我们基金充分去布局具身智能领域的多家公司的底层驱动逻辑是一样的。因为中国不仅在人工智能上有人才密度的优势，同时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，这里头不光是数据的底层层面，它上面可以构建的商业空间非常promising。

正如之前所提及的，我们已成功投资于KIMI、Genspark、智元等项目。我们可能是国内唯一，或者说极少数，同时投中了基础大模型、具身还有应用的早期机构，在早期就能抓到机会。所以这也是在30分钟的时候就击中我的那些所有的思考框架，我决定出手的背后原因。

巴芮： 那在现场的时候，聊完30分钟，你展现出自己要投的意向了吗

朱天宇：当时我和同事在微信上悄悄说了一句：这个人一定要拿下。

巴芮：深涛你发现了天宇总的小动作吗？当时聊完之后你有没有觉得当天那么快就能拿到TS？你是什么反应？

秦深涛：交流过程中会有眼神的互动，能真切感受到那种信念感。坦白说我们是幸运的，当下 AI 正处在前所未有的产业节点，所以融资过程中遇到的实质性困难并不算多。但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。蓝驰给我的感觉很不一样。印象里在正式交流之前，他们就已经对这个方向有了多年的深度思考，一直在寻找真正的解法。所以当我们的解决方案，和他们长期求索的状态碰撞到一起的瞬间，你会觉得，无论未来行业出现什么样的波动，这都是值得并肩同行的人。

巴芮：深涛要不要介绍一下自己这家公司在做什么，因为我们刚刚的定义太长了。

秦深涛：我们今天谈 AGI，它此前的发展主要围绕两大模态展开。第一个是文本模态：OpenAI、Anthropic 能实现大语言模型的能力突破，背后有一个核心基础，我们可以称之为人类知识上载。这是互联网从上世纪 90 年代至今三十多年间逐步完成的：全人类在使用互联网产品的过程中，大量逻辑类的人类知识数据，以 Token 的形式被沉淀、固化下来。

第二大模态实践是视频模态，典型代表就是自动驾驶。人们在驾驶过程中，通过车上的数据采集设备，以相对较低的成本积累了海量自动驾驶垂类场景的视频数据，支撑了 Robotaxi 对视觉模态的理解与建模。这场知识上载的背后，是至少 30 万辆用户车辆以较高频次在真实道路中持续运行、持续贡献数据。

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。

巴芮：说回投资，想问一下天宇总。

当下的一级市场，出手快已经不算什么新鲜事了，尤其是一些热门项目、明星创业者，当场出TS、像您这样当场拍板的情况也不少见。但您之前说过，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，它五个月融了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：刚才其实也提到了一些，“三浪叠加”这个框架。再稍微解释一下，这个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。

我们关注AI的时间很长了，你刚才也提到，“AI风口标签之争”。2014、2015年那一波是以计算机视觉为主的判别式AI，跟这一轮生成式AI有本质区别。当时说“不是风口是标签”，是想区分它对价值影响的程度——但这一轮的影响，已经不需要再去争论了。

另外一方面，回到AI本身，你想知道它产生价值的深度，以及具身方向上我们到底怎么去认知和训练这个物理世界，对数据的要求其实非常高。所以我们一直在找这样的解法。我之前有一个很重要的表述：任何一个技术周期里，最好的状态就是“一边赚钱，一边赚数据”。不管是大数据时代、上一个AI时代，还是这一轮AI时代，都是一样的逻辑。深涛的方案非常漂亮地回应了这个问题——“一边赚钱一边赚数据”。因为它很自然的在人的过程当中，虽然也有很多其他方式，但是他是直接下载人的大脑的意识流。这是一个很有意思的视角。

从另外一个角度，刚才台下也在讨论，从仿生的视角。因为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。在这么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。

所以结构性的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。因为很多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。

回到你刚才说的，除了在事的结构化层面之外，其实在人的角度，我们对创始人的初心，对他未来的潜力其实是有自己的一些判断。潜力这一块我经常会说，一个创始人的自我迭代速度其实是决定创始人潜力上限最大的一个变化。经常有一个说法，看创始人的段位，“知道错，愿意改，改得快，”这三个词基本上对应了三个阶梯，知道错，知道自己在哪里错了，很多学霸其实卡在这个关卡。第二个愿意改，就是你走出了自己的舒适区，即使你知道错，能不能走出舒适区也不容易。第三个改得快，改的快其实要求你有极强的成就动机和高度的自律。这三个阶段基本上可以粗略识别十亿美金创始人、百亿美金创始人和千亿美金创始人。当��这是一个玩笑，但确实它代表了一个创始人自我迭代的天花板，这也是一个结构。所以在事上和人上的结构都形成判断之后，早期阶段往往就在电光火石之间，目光一对就知道这是我们想要找的人，他们也希望我们是他们一起同行的投资机构，所以在最底层更深入的结构化认知和连接上决定了更快的缘分的产生。

巴芮：您跟深涛交流中，他的哪些行为让您看到他身上有潜力，比如说知道错，还能改得快。有这种比如您说的非常大市值的这种创始人的潜质。

朱天宇：这个问题要回答不好了就打脸了，30分钟怎么解决这个问题？其实很重要的一点，我觉得当时30分钟至少能感受到至少两件事。

第一在描述他要解决这个问题的时候那个状态，他不是冲着“我要做谁谁谁的第一”，他是从问题出发的，就像我刚才说的，这就是行业面临的问题，没有更好的视角。有一些其他开源项目，它提供了一些零件，怎么把这些组装起来。但是整个描述的方式听得是非常酣畅淋漓的，因为他很结构化，思考的非常充分。

第二往往在这个时候更多能交流的是深涛过去的经历，人生的各种选择，因为这些选择背后其实极大程度上映射了他是一个什么样的人。虽然我现在还没有看到他未来的成长，但他的选择，以及选择背后带来什么样的影响、人生的走向，我觉得这是很重要的基础。

因为我们连续投三轮，第一轮很快，后面连续三轮也很快，而且是大手笔，超额投资，为什么？因为我们在投资之后发现深涛在找人和转化人才这一块的能力极其强，我们给深涛介绍的一些人，马上就有新人加入。而且我知道最近有重磅大将加入，这些都是很重要的征兆。

巴芮：深涛，你正好处在这波热潮里。你从融资桌的对面看，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？你刚刚回答的第一个问题有带到一点点，你可以再详细说说。

秦深涛：确实是这样，风口期热钱会大规模涌入赛道。其中有很核心的结构性驱动：AGI scaling law 在2026 年的表现非常强劲，我们越来越确信，它不止是我们坚信的技术方向，更有可能彻底重构整个行业的底层格局。也正因此，2026 年前后我们这类深耕底层技术的团队获得了极高的市场关注。 但这里有一个绕不开的问题，就是大家常说的“周期”。如果市场带着 Physical AGI 短期内会有类似 AGI 赛道增长效果的预期涌入，进场后才发现行业可能处于比预期更长的平台期，技术拐点的到来可能会更晚一些，就会出现预期与现实的错配。这时候带来的高增长预期掉落到地上之后会怎么样？站在创始人的角度，面对蜂拥而至的资本 —— 其中不乏极具影响力的机构都希望争取份额 —— 我们每一轮融资都会反复反问自己：如果有一天发现行业周期比预想的更长，牌桌对面的同行者是否有足够的耐心，是否有对技术本质的好奇心，甚至不用我多做解释，就能通透理解整个产业的演进逻辑与我们的决策。这就是我们多轮融资中选择同行者的关键。

我印象特别深，最开始蓝驰给了我们第一笔贷款，当时我提出要拿出两三百万买卡（数据中心算力卡） —— 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，把所有资金全部砸进了存储与算力设施里，后来这笔投入的商业回报固然可观，但对我们而言，真正核心的收获是在 AGI 方向拿到了实打实的技术进展。

不到半年时间里，两个来自行业一线的参照，让我们更加确认了自己的路径。第一个来自硅谷裁员潮中，多位曾深度参与百亿美金级神经运动接口项目的 Reality Labs 顶级科学家，交流中他们坦言：放眼全球同赛道，能与 Meta 站在同一技术维度、探讨底层方向的团队屈指可数，OriginFlow 是其中之一。更让他们认可的是，我们没有把自己框定在特定交互终端的商业化里，而是直指更难、也更根本的目标——做真正通用的底层基础模型。

第二个参照来自 Meta 的核心代工伙伴，他们曾在这个方向深耕了五六年，后来因业务合作安排暂停了相关自研。他们的技术团队和我们交流后，对我们不到半年取得的进展非常震撼 —— 按他们的经验判断，做到同等程度通常需要好几年的研发周期。

所以对我们来说，真正的同行者，是那些愿意支持我们把每一分钱，都高效投入到拉高技术成长斜率、加快研发加速度的伙伴。

巴芮：我们把这个事再放大一层，这种“快”和“强”到底是说当下整个市场更成熟了，能识别更快了，还是说大家更焦虑了？而且尽调的窗口期可能压缩非常短了，这本身会不会就是一个泡沫的先兆？

秦深涛：我确实看到了两类投资人，一类投资人会说，他一直在思考这个方向的问题，当看到真正的解法时，整个人像被闪电击中一样 —— 这是他整个投资生涯里最有成就感的瞬间之一，从业几十年就是在寻找这样的时刻，一旦找到就会不惜代价把握住。 第二类就像刚才聊到的，当赛道出现结构性窗口期，所有人都往里冲的时候，如果自己的基金没布局，就会陷入焦虑。

两类人同时出现的时候，核心区别很明显：第一类人在决策和判断的过程中，能精准识别左侧信号 —— 你不用跟他讲产品化、商业化未来有多大空间，他一定比你想得更早、更远。他看到的终局不是未来一到三年的短期营收爆发，而是连续多年的陡峭增长；他能想明白整个过程的底层演进路径，也能理解 general 的 infra（通用基础设施），尤其是 physical infra (物理层基础设施) 的价值 —— 它不止是当前行业稀缺的结构性机会，更会深度契合人类最底层的三大核心需求：health、interaction、control（健康、交互、控制），拥有极大的想象空间。他甚至能看到更远的格局：中国有机会在全新基座模型上实现领先，以此为节点，中国科技产业的竞争将进入全新阶段。和这样的投资人交流，你会被深深触动。

巴芮：天宇总有什么想补充？

朱天宇：行业的泡沫总是在周期性地出现，更核心的是在泡沫当中识别和找到自己想找的那个人，或者他们想找到那笔钱。我觉得泡沫能润滑一些行业，能把这个行业人才的密度调动起来，把资源调动起来，给整个行业创造一些成功的契机和土壤。但是作为投资结构来讲，恰恰就是在这里头要有一些自己的分辨，有人组赛道，但是我们希望在赛道里面挑到赛道里面最好的选手。还是刚才说的有一些结构性的思考，实际上是在风口起来之前，就在识别问题和寻求答案的过程，因此用这种方式去找你刚才说的，而不是风口起来根据温度决定自己的布局，我确实是每个机构起始的基因不一样，就像我们刚才在表达我们在寻找什么样的创业者一样，这可能也代表了我们自己思考的一些特点，但确实行业永远都有这样周期性的泡沫。

巴芮：现在大家发现钱越来越向头部集中，这种集中您觉得对于中国AI的创新新生态意味着什么？当大钱和注意力都在往头部抱团的时候，留给新进场、刚起步，比如像深涛这样的创业者的空间是变大了，还是挤压了？

朱天宇：作为经历过周期的投资人，我做投资差不多20多年，市场总是起起伏伏。在市场很火热的时候，确实会出现你刚才说的头部集中的情况。但并不是拿到头部资源的公司就一定能成功，往往不是这样的。同时，市场在起伏过程中，往下行的阶段里，真正带着问题去求解的那些创始人，他不一定跟着市场起伏走。他只是在自己的节奏里、在寻求问题的过程中，觉得要解决这个问题，他要找资源、找方案。这种更坚定的创业动机，不是看着市场上有没有钱才出现的。反而在市场down turning的时候，这样的创始人出来是更有价值的。

所以对投资人来讲，最重要的是找到跟我们同频的创始人，不管处在周期的哪一个部分，穿越周期的可能性才存在。

所以回到你的问题，头部集中之后其实只是阶段性的挑战，但是对于真正有决心、有热情、有能力的创始人来讲，这个周期都不是问题，因为一直有我们这样的投资机构在。

巴芮：想问问深涛，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。但是你在5个月里就跟58集团做了家政场景数据，跟全球头部制造企业共建了工业数据场景，已经落地了两个真实场景，但很多人会说数据采集是最难、最苦的事情，我不知道你是不是认同这个说法，以及你是如何判断这件事的？你选择要走这条路线，自己看到了什么别人没看到的东西，让你如此笃定下注？

秦深涛：分几个方面。第一个它不能完全定义数据的事情，今天我们可能有一个想法，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boundary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。

既然要以ego-centric(第一视角)、无干扰地从真实生产生活中获取数据，就必须找到最自然无感的采集方式，同时通过多模态完成信息的抽象与表征。初期投入可以从轻量方案切入，但从within space (感知表征空间)的演进路径看，从简单 2D 视觉，到 2.5D 深度感知，再到 3D 空间乃至加入时间轴的 4D 时空表征，输入模态会持续丰富；而在像素空间与 latent space 中做的各类几何特征探索，本质都是在 within space 内做极致打磨，试图降低对action space(真实动作空间)的依赖。

我一直认为，包括 PI 的 π 系列具身模型、包括生成式 AI 路线在内，很多团队选择重投入做线下真实数据采集，背后有其必然性。他们很清楚：具身智能如果只停留在 latent space 的表征优化，解决不了真实物理接触后的交互问题。因此他们选择了偏工程化的落地路径，用最朴素的方式补充真实数据、补全动作空间的能力。而我们走的NeuroScale路线，我们认为这是下一代的技术范式；在我们把底层问题彻底解决之前，行业选择用重落地的方式补充真实数据，把action space补回来。所以我们意识到了从场景到模型中间有这样的一个问题，而且现在没有特别好的解法。

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。 我们要在within space之外，定义一条非侵入式的信息信道，而这条信道的构建需要完整的技术体系支撑。除了前面提到的fatal system，还需要在整个Tokenizer 侧的信号处理、中间层的码本表征，以及当它形成合格的基座模型后，如何与现有语言基座模型在流形空间上实现更好的super alignment (超级对齐) —— 这些都是全新的技术命题。

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。

比如，我们可以通过第一视角智能眼镜捕捉人类的视觉输入，通过眼动追踪解析人的注意力 —— 毕竟纯视频数据的噪声极高；再通过非侵入式运动神经接口，从tendon driven 的生物逻辑维度捕获全身运动信息。一旦获取了tendon driven的信息，从主动力去倒推反驱力和运动，就是一个很简单的降维过程。

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。

巴芮：谢谢深涛。

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。

但如果把刚才说的解构思考放进来，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。

巴芮：我们现在进入相对刺激的环节，二位距离那次投资也已经小半年了，有没有一些问题想问给对方的，当然我们希望是一些我们不知道的，更有趣的真问题。天宇总先来。

朱天宇：回到刚才说的，自我的迭代速度，我想问问深涛，距离我们成为合伙人正好差不多半年的时间，你觉得过去半年你自己最大的变化是什么？

秦深涛：可能分几个维度，首先，我们最初对这条技术路线就有conviction(笃定的判断)，但真正全链路推进之后，从偏旁观的视角变成了躬身入局的实操者，也因此形成了全新的认知闭环 —— 相当于在实践中完成了一轮轮强化学习式的迭代，这些真实的信号反馈都在强烈刺激着和验证着我们的判断，让你意识到这个东西比你想得更准确，同时有一些东西之前没有被充分考虑，但今天不得不考虑。

这些问题都直指核心矛盾的第一性解法：从calibration(标定)分布内的高精度，走向真正通用的分布外泛化能力，背后是对系统信噪比的极致追求。这个过程也让我愈发确认一个底层判断：AGI 的核心本质，就是去噪。

对我个人最大的触动是，我们第一次真切地感受到，在这个核心技术方向上，中国团队完全有机会走在全球前列。硅谷的顶尖科学家、工程师与创业者，受限于硬件落地、系统工程构建、人才成本等多重因素，整体迭代效率和我们存在数量级的差距，这让我们可以以极快的速度深化对问题的理解。

半年前，Meta 的技术团队还不会关注我们在做的事；但半年后，他们已经认可了这条路线的技术价值。越来越多跨领域的人才正在向这里汇聚 —— 既有其他模态大模型的资深研究者，也有传输物理、材料力学等基础学科的专家。团队的快速成长，也带动整个行业对这个问题有全新的思考。有一些真正的问题，在看到它的第一刻，连我们自己都会产生 “居然真的可以做到” 的震撼，这种感受是非常真实的。

前段时间，新加坡国务资政李显龙在参访上海人形机器人创新孵化器期间，也专程体验了我们的技术产品，非常认可，和我们做了深入的交流。

朱天宇：这些都是公司的变化，我的问题是针对你自己的变化是什么，你自己觉得哪里有改变？

秦深涛：刚才说的是预期内的变化，在预期之外，还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：我稍微挑战一个问题，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：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：那你现在真是一个很幸福的状态，可以去反向筛选你的高管。

巴芮：我不知道现场大家有没有注意到一个点，天宇总和深涛爆了一个独家，近期有一位互联网大佬进入了深涛的公司，大家可以去猜一下。

下面深涛可以问一下天宇总。

秦深涛：我想问比如说十年、三十年对OriginFlow的图景是什么样的？

朱天宇：这可以说得很大，但其实跟我刚才的分享都是有迹可循的。我觉得你恰恰站在几个未来的技术周期关键要素的交集上，所以在哪一个方向上都有延展的可能性，这个起点已经是一个bless。但同时我觉得更重要的是，像你刚才已经意识到的，首先如果要做出这个时代最伟大的一个事、一个产品、一个solution或者一个公司，其实最大的挑战是在人身上。因为事的路径方向其实有非常多的上限、很高的方向可以去探索，像刚才说你是下一个苹果也好，还是下一个特斯拉也好，其实它都有可能，因为你既在人工智能，又在robotics，又在3D交互，我们说的3D交互就是大家设想的未来人和世界交互的另一种interface，每一次interface都会定义一个新的技术革命。这些都有可能，但最核心的还是人和组织，就像你现在已经意识到的一样，包括个人的自我迭代以及组织自我迭代。

我再追问一个小问题，你在过去六个月里你最近做过最难的一次取舍，是关于人的还是事的？

秦深涛：不谦虚地说，关于事不需要取舍，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，there you go，上路了，这就是成为下一个苹果，下一个谷歌伟大开始的必经之路。

巴芮：最后再来两个问题，想问一下天宇总，你之前投理想的时候也很早，没有工厂，月之暗面的时候赛道也不是很清晰，现在你又投了在读的00后去做具身数据的公司，这个决策背后共同的东西是什么？你到底在看什么？深涛在您这一套判断逻辑里是踩中了规律，还是说是连您都得去解释的例外？

朱天宇：回到刚才说的对事的解构和对人的解构，其实深涛都击中了。理想那个时期我们看到了电动化和智能化这个方向，同时我们也在关注人工智能，当时我们发现第三方的ADAS公司都无法闭环，必须要看主机厂，主机厂才有可能真正闭环去做智驾，所以也是从智能数据落地的角度去看。

而KIMI，我们看到了AGI势不可挡的趋势，因为我们关注AI已经超过10年，甚至我们在ChatGPT出来之前，就投了一些AI模型公司。ChatGPT是3.5，但我们从1.0开始就在关注NLP这方面的进展。所以你会发现，我们在事的解构上，其实是在一个很深、很前沿的层面持续关注。当这个人、这个事出现在我面前，确实会有一种被击中的感觉，被击中的时候就很爽，你会觉得一个click。

深涛这个事也是，当我们在AI和具身的方向已经花了很长时间，行业普遍面临数据的痛苦，我们想跟人和这个世界作为一个要素，因为最终AI是需要理解这个世界的物理空间，以及人在这个物理空间里怎么互动的。这个数据从何而来？以什么优雅完美的方式实现bridge，能一边赚钱一边赚数据？以及有了这个bridge之后，在这个上面可以长出什么大东西？这也是OriginFlow 深涛在我面前出现时在事上被击中的原因。关于人的层面，刚才已经说了，这是双向的。30分钟之内觉得一定要投，这种compelling的感觉，做了二十年投资真的很少有这样的感受。

巴芮：天宇总还是很真性情的。

深涛，你自己说过，你是不靠年龄红利的，你怎么看外界给你贴的“00后”，“天才少年”这些标签？而且这些标签在现在AI创业领域特别多的，你觉得这些标签贴给你是助力，还是需要花力气去对抗的东西？

秦深涛：我觉得外界面对新事物的时候，最低成本的认知方式，就是把现成的label（标签）套到一个人或者一件事上，理解起来最省力。但回归事情本身、回归组织本身，你必须把自己从这些标签里彻底抽离出来。刚才有位嘉宾提到，市场似乎对 00 后创业者有更多包容，但我觉得还有另一个视角：在从技术到产品再到市场的全链路里，所有和你打交道的合作方，都不会把你当 “00 后” 特殊看待。

商业合作讲究真金白银的投入，这不只是融资，也包括业务层面的实质支持、愿意和你并肩推进项目；无论是职业经理人还是企业家，大家都是为了上牌桌。所以不管是合作方选择伙伴，还是人才选择加入公司，没人会因为你是 00 后就多一分包容或迁就。长远来看，这类标签是有害的。当你以创始人的身份站在赛道牌桌上，面对队友、同行和对手，出于对行业竞争本身的尊重，你应该抛开所有外在身份 —— 大家对你的期待，就是带领 OriginFlow 跑出全球最陡峭的成长斜率。

巴芮：我们最后一个问题，就说具身这件事，天宇总其实是看局的投资人，深涛是从数据这一端入局给具身打地基的人，如果让你们对具身这件事，让你在现在这个时间点留一��最想说的话，可以是一个判断，也可以是一个提醒，你会说什么？

朱天宇：关于具身，我觉得现在开始要更加重视我说的一边赚钱、一边赚数据的问题。

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

巴芮：谢谢二位，我们这场的讨论就到此结束了，谢谢大家。