数字化转型正在重塑全球产业格局，而AI创业公司则站在这一波浪潮的最前沿。然而，真正的投资机会往往诞生在共识形成之前。当多数人还在观望时，蓝驰创投管理合伙人朱天宇只用了30分钟就决定投资OriginFlow——一家由2001年出生的清华博士秦深涛创立的具身智能基础设施公司。这不仅是比共识更早一步的行动，更是对AI创投真实棋局的深刻洞察。在这场对话中，我们将看到投资人与创业者如何以超越市场的结构化认知，捕捉到下一个时代的脉搏。
比共识更早：30分钟背后的投资哲学
“比共识更早”不仅仅是一个标题，更是一种在不确定性中寻找确定性的能力。朱天宇在圆桌论坛中坦言，这个视角“过誉”，但他确实在不到30分钟的交流中便决定投资秦深涛。回顾他的投资经历，只有极少数项目能触发这种直觉——Genspark、理想汽车、KIMI（月之暗面）等明星公司都曾让他产生类似感受。
这种快速决策并非冲动行事，而是源于多年积累的结构化认知框架。在ChatGPT问世前后，朱天宇就已经形成了“三浪叠加”的投资视角：AGI（通用人工智能）、机器人（包括具身智能和物理世界驱动）、3D交互。这三个驱动要素像三条曲线一样相互叠加，定义了他未来十年甚至三十年的下注方向。OriginFlow所从事的非侵入式运动神经接口技术，恰好精准落在这三个浪的交汇点。
值得注意的是，这种“比共识更早”的决策能力，在当下焦灼的资本市场中显得尤为珍贵。许多投资机构在热门项目上拼速度、拼金额，但朱天宇强调，真正的机会不在于跟风的速度，而在于能否比别人更早看清结构性的变化。这背后是对技术趋势、商业逻辑和创始人潜力的深度理解。对于正在经历数字化转型的科技公司而言，这种前瞻布局能力决定了它们能否在下一个周期中占据先机。
三浪叠加：早期投资的结构化框架
“三浪叠加”是朱天宇投资方法论的核心。他认为，AGI、机器人、3D交互这三个驱动要素正在重塑未来十年到三十年的投资版图。OriginFlow所聚焦的物理世界交互数据基础设施，恰好完美契合这三个要素的核心需求。
具体来说，AGI的发展已经经历了文本模态（如ChatGPT）和视频模态（如自动驾驶）两大阶段。但当前面临第三大模态——让智能体能够与真实物理世界进行具身交互。这一阶段的核心难点在于数据：如何高效、低成本地采集人类的物理交互数据。秦深涛在对话中分享了一个震撼的数据：全球80亿人口，每人每天清醒时间超过12小时，如果能采集全人类的物理交互数据，每天能产生近千亿小时的数据量；而当前生成式AI模型训练用的真实交互数据可能只有数十万小时，二者存在数量级差距。
OriginFlow的解决方案是通过非侵入式运动神经接口，直接“下载”人的大脑意识流，精准采集人体运动底层控制逻辑。这种方法不仅可以在生产生活中自然完成数据采集（“一边赚钱一边赚数据”），还能充分利用中国的比较优势——人才密度和制造业产业链积淀。朱天宇指出，蓝驰创投是国内极少数同时投中了基础大模型（如KIMI）、具身智能（如智元机器人）和应用（如Genspark）的早期机构，这正是“三浪叠加”框架指导下的系统布局。
在这种框架下，早期投资不再是无序的押注，而是基于对技术演进脉络的结构化认知。对于正在寻找下一个突破点的AI创业公司来说，理解这种框架有助于找准自己的技术定位。同时，企业可以借助AI工具箱来加速自身的技术验证和产品迭代。
创始人潜力：从“知道错”到“改得快”的迭代能力
朱天宇在判断创始人时，有一套独特的“三段论”标准：知道错、愿意改、改得快。他认为，这三个阶梯分别对应了十亿美元、百亿美元和千亿美元创始人潜力。这虽然是玩笑式的说法，但确实反映了创始人自我迭代能力的重要性。
在仅有的30分钟交流中，朱天宇感受到秦深涛身上最重要的特质是“从问题出发”。秦深涛描述创业方向时，不是在说“我要做中国的谁谁谁”，而是聚焦于行业面临的实际问题——物理世界交互数据采集的困局。这种解决问题的心态，带来的行为模式、决策方式与追逐标签的创始人截然不同。
此外，秦深涛过去的经历和人生选择也映射了他的品质。从清华博士到创业，他过往二十余年的人生积累都在为当下的事业铺路。朱天宇在后续连续三轮加注投资的过程中，更验证了自己的判断：秦深涛在找人和转化人才方面的能力极其出众，他推荐的人才很快就能被招揽入队，甚至近期还有重磅大将加入。
这种快速迭代的能力，对于一个早期创业公司至关重要。OriginFlow在正式运营5个月内就完成了从天使轮到Pre-A1轮的融资，累计超过5亿人民币，其中蓝驰创投不仅是天使轮联合领投方，还连续加码三轮。这种资本层面的高度认可，背后是对创始人潜力的深度信任。对于正在融资的AI创业公司来说，创始人自身的成长逻辑比商业计划书上的数字更能打动优秀的投资人。
具身智能的数据困局：非侵入式神经接口的破局之道
秦深涛在对话中详细阐述了Physical AGI（物理通用人工智能）面临的底层挑战。当前人工智能在文本和视频模态已经取得了巨大突破，但要让智能体真正和物理世界交互，需要“动作”模态的精准定义与建模。自动驾驶是典型的“非接触式”场景，一旦涉及物理接触，问题就变得极为复杂。
OriginFlow的解决方案是非侵入式运动神经接口，即不干扰人的自然活动，不影响正常生产工序，以极高的节拍、精度和长期采集一致性，在真实世界（in the wild）中完成数据采集。这与实验室环境下的数据采集有本质区别。秦深涛表示，当前生成式AI模型训练用到的真实交互数据只有数十万小时，而潜在可用的人类物理交互数据每日就可达近千亿小时。
这种数据采集方式的价值不仅在于填补数量缺口，更在于其商业可行性。朱天宇强调，“一边赚钱一边赚数据”是技术周期中最理想的状态。OriginFlow的方案自然地嵌入人的生产生活中，直接下载人的大脑意识流，从而实现数据获取与价值创造同步进行。这种商业模式的设计，正是对早期投资中“如何结构化看待商业”的绝佳实践。
从仿生学的视角来看，人类大脑是一个非常完美的机器——处理复杂问题的功耗只有10到20瓦，整个人体也就100多瓦。在如此节能的条件下完成高度复杂的操作，其中蕴含了大量可以指导实现人工智能的自然规律。OriginFlow的技术路径正是从这一视角出发，通过神经接口反解人体底层控制逻辑。对于正在探索具身智能的科技公司来说，这种软硬结合的数据获取方式，可能成为打破数据瓶颈的关键钥匙。
热潮下的冷思考：如何分辨看懂与跟风
2026年前后，随着AGI scaling law的强劲表现，Physical AGI赛道获得了极高的市场关注度。秦深涛的创业公司正处在浪尖上，融资过程中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。然而，风口期热钱大规模涌入赛道也带来了一个核心风险：如果市场带着“短期内会有类似AGI赛道增长效果”的预期进场，但实际技术拐点需要更长的时间周期，预期与现实就会错配。
秦深涛表示，他和团队在每一轮融资中都会反复反问自己：如果有一天发现行业周期比预想的更长，牌桌上的同行者是否有足够的耐心？是否对技术本质有真正的好奇心？能否通透理解整个产业的演进逻辑？这种筛选同行者的过程，比融资额本身更重要。
朱天宇也分享了他判断投资机构是否“真懂”的方法：关注对方是否从问题出发，而不是从标签出发。真正看懂的机构，会在技术平台期持续加注，而不是在市场热度褪去时抽身。蓝驰创投在OriginFlow最需要算力的时候毫不犹豫支持其购买数据中心算力卡，甚至在公司没钱发工资、全员把钱砸进存储与算力设施的情况下，依然坚定信任。这种基于深度认知的信任，才是早期投资应有的品质。
对于正在经历企业数字化转型的传统企业来说，这种“看懂”与“跟风”的区分同样重要。引入AI技术不是追逐热点，而是要找到与自身业务深度结合的切入点。许多企业在转型过程中依赖AI图片生成工具来快速生成设计素材，但只有那些真正理解AI能力边界和执行流程的企业才能获得持续竞争力。
投资人与创业者的双向选择：耐心与认知匹配
在这场对话的尾声，巴芮抛出了一个尖锐的问题：深涛作为创业者，如何分辨投资人是真的看懂还是怕错过？秦深涛的回答给出了一个有价值的框架。
首先，他会观察投资人在交流前是否已经对这个方向做了多年的深度思考。蓝驰创投在他们正式交流之前，就已经对物理世界数据采集问题有了系统性的预判，一直在寻找真正解法。当双方的解决方案与长期求索的状态碰撞到一起时，那种“值得并肩同行”的确定性会瞬间浮现。
其次，他看重投资人在技术平台期的表现。如果市场快速降温，投资方是否会撤走支持？蓝驰在OriginFlow最困难的时候（没钱发工资、重仓算力）没有犹豫，这种信任不是偶然的。朱天宇补充说：“我们在投资之后发现深涛在找人和转化人才方面极其强，我们介绍的人马上就有新人加入。这些重要的征兆让我们连续三轮大手笔超额投资。”
这种双向选择的过程，实际上是对“比共识更早”这一命题的深层诠释。共识的形成需要时间，而早期投资人和创业者必须在共识到来之前，建立基于价值观和认知深度的高度信任。当市场波动时，这种信任能成为穿越周期的压舱石。
对于正在探索AI领域的科技公司而言，选择合作伙伴同样需要这种前瞻视角。无论是选择AI工具供应商还是技术解决方案，深入理解对方的技术栈和迭代能力，比看短期的市场热度更加重要。不妨尝试用文生图工具快速验证一些创意概念，但核心决策仍需基于结构化的商业判断。
未来的AI创投棋局，不会是一蹴而就的坦途。正如秦深涛所说，Physical AGI的底层基建可能需要更长的平台期，但那些敢于在共识形成前就下注、并且愿意耐心陪伴成长的参与者，最终将在数字化转型的宏大叙事中收获最丰厚的回报。