重点摘要：
- 巨额融资： 具身智能初创公司 OriginFlow 在运营仅五个月内便筹集了超过 5 亿元人民币（0.69 亿美元），由 Monolith、蓝驰创投和绿洲资本领投。
- 创新数据方案： 该公司的“NeuroScale”技术利用表面肌电（sEMG）信号为机器人创建更高保真度的训练数据，旨在解决限制当前纯视觉系统的“数据荒”问题。
- 战略转型： 此次投资标志着 AI 机器人领域的资本转向，即优先考虑基础数据设施（即“卖水者”逻辑）而非仅仅关注机器人硬件制造。
返回
中国 AI 初创公司 OriginFlow 在五个月内融资 5 亿元人民币
一位 25 岁创始人针对机器人行业“数据荒”提出的解决方案吸引了重量级投资者的目光，这标志着行业重心正从制造机器人向获取训练数据转移。
中国具身智能初创公司 OriginFlow 在五个月内融资超过 5 亿元人民币（0.69 亿美元）。该公司押注其捕捉人类动作数据的创新方法能够解决阻碍通用机器人在家庭和工厂部署的关键瓶颈。
公司在融资公告中指出：“行业正面临普遍的‘数据荒’。机械臂的泛化能力一直无法突破瓶颈，本质上是因为高质量物理操作数据的供应缺失。”
此次融资涵盖天使轮、战略轮和 Pre-A1 轮，由 Monolith、蓝驰创投和绿洲资本领投，58 同城进行了战略投资。OriginFlow 的“NeuroScale”技术使用表面肌电（sEMG）传感器来捕捉人类肌肉运动背后的神经信号。这有别于行业通用的、基于视觉的“EgoScale”标准，后者往往无法捕捉力量和触觉反馈。
通过提供更高质量的训练数据，OriginFlow 旨在解锁非标准化环境下的巨大机器人市场，将其自身定位为打造真正智能机器竞赛中的关键基础设施供应商（即“卖水者”）。这笔 5 亿元人民币的投资表明，资本对这种以数据为中心的方法的看重已超过了对机器人硬件本身的关注。
新的数据范式
OriginFlow 技术的核心是由 25 岁的清华大学博士生秦申涛开发的“NeuroScale”范式。它绕过了纯视觉数据采集的局限性。纯视觉方案在物体遮挡时表现乏力，且无法直接测量对复杂操作任务至关重要的力量或触觉反馈。通过直接接入神经信号，该系统可以捕捉用户的意图以及与物体的物理交互。
这种方法有潜力大幅提高机器人的灵巧性，这是近期更广泛的物流自动化领域所凸显的一项挑战。正如最近的一份报告所指出的，虽然像 Locus Robotics 这样的公司正在通过收购来增强抓取能力，但 OriginFlow 则是从数据源头解决问题。该公司声称已将其 sEMG 数据采集硬件的成本降低至千元级别（约 140 美元），这是大规模应用和海量数据采集的关键前提。
从实验室到市场
OriginFlow 的定位并非波士顿动力（Boston Dynamics）或 Figure AI 等机器人制造商的竞争对手，而是整个行业的关键赋能者。其投资者阵容反映了明确的上市战略。来自本地生活服务大型平台 58 同城的战略入股，指向了其在家庭场景中的直接应用。OriginFlow 可以利用 58 同城的网络采集大量关于清洁、烹饪和分拣等高频、非标任务的数据，从而为家庭服务机器人构建宝贵的技能数据库。
对一家以数据为中心的公司进行如此大规模的注资，反映了人工智能领域的更广泛趋势：获取高质量、专有数据正成为核心竞争壁垒。企业级 AI 平台 Unframe 最近因企业希望将 AI 项目投入生产的强劲需求而融资 5000 万美元，这凸显了市场对能够弥合 AI 愿景与现实执行之间鸿沟的解决方案的渴求。
然而，作为一家成立仅五个月的公司，OriginFlow 仍面临巨大障碍。其技术的稳健性必须在具有电磁干扰的工厂车间等复杂的现实环境中得到验证。此外，它必须建立一种可持续的商业模式，避免沦为一次性的硬件供应商，确保其数据和模型在长期内对大型机器人制造商而言依然不可或缺。
本文仅供参考，不构成投资建议。
