清华00后博士秦深涛：用一条腕带把肌肉反应炼成机器可学的「Token」

具身智能领域长期面临的高质量物理交互数据匮乏问题，正在被一种新路线尝试破解。OriginFlow（渊澈太初）创始人兼 CEO 秦深涛提出以神经肌电（sEMG）作为数据采集入口，把人类肌肉反应转化为机器可学习的「Human Tokens」，为机器人训练提供一套与具体本体解耦的共享动作表征。

这家公司的核心团队来自清华，成立于 2024 年 8 月。据公开信息，截至 2025 年 5 月，公司已连续完成天使轮、战略轮和 Pre-A1 轮融资，累计金额超过 5 亿元人民币，投资方包括蓝驰创投、绿洲资本、Monolith 等。秦深涛本人为 2001 年出生，目前在清华大学车辆与运载学院攻读博士学位。

为什么押注神经肌电

当前具身智能的主流数据采集方式包括真机遥操作、无本体便携采集（UMI/Ego）、仿真合成数据以及互联网视频蒸馏。秦深涛认为，这些方式各有局限，但有一个共同短板：都难以捕获人在真实操作中的细微肌肉反馈与发力意图。

神经肌电方案采集的是外周运动神经相关的体表电信号，避开脑机接口的高侵入与脑区对应难题。这项技术过去长期局限于高校实验室，近年来随着无线传感、干式电极与 AI 算法迭代，开始走向康复医学、运动分析和假肢控制等消费与工业场景。2019 年，Meta 旗下 Reality Labs 收购 CTRL-Labs，将 16 通道肌电腕带作为 AR 交互的神经入口，后续推出的 Meta Neural Band 已集成进第三代智能眼镜。

秦深涛的思路与 Meta 不同：他不只是想让人更方便地点击或滑动，而是关注物理 AGI 缺失的底层条件——把人类在真实任务中的接触、摩擦、重量和稳定性判断完整记录下来，补充具身智能最缺的那一类数据。

NeuroScale 体系：从一条腕带到 Human Tokens

OriginFlow 提出的技术体系叫做 NeuroScale，并非简单加挂一条肌电腕带，而是一套覆盖信号采集、物理量重建、动作表征到跨本体迁移的完整链路。

硬件层，团队发布了 OriginKit Gen 1.0 腕带，外形略宽于 Apple Watch 表带但更轻便，通过 16 通道采集佩戴者发出的微伏级表面肌电信号，信息码流约为每秒 96 KB。信号随后与第一视角视觉、IMU 等多模态信息融合，进入自研基座模型 PULSE，由其重建手部姿态、运动轨迹、接触力与肌腱发力四类线索。

团队把一次物理操作拆解为三个相互关联的空间：

• Motion Space：描述手部姿态与运动轨迹
• Tactile Space：描述法向力、切向力与接触反馈
• Tendon Space：描述肌肉、肌腱驱动力与关节力矩

三者构成「驱动力产生运动，运动带来接触，接触最终形成作用力」的物理因果链，Human Tokens 正建立在这三类物理量之上。

为了让原始信号真正变成可训练的数据资产，OriginFlow 还搭建了 Data Infra。其中 ORACLE 利用多模态模型完成动作、力、语义与任务片段的自动化标注，全模态统一基座 CHORD 负责神经肌电、视觉、IMU、语言及机器人状态之间的时序与表征对齐。数据还需经过物理有效性、任务有效性、标注有效性、模型价值与真机评测等多层筛选。

万亿小时数据的三阶段路线

在 WAIC 期间，团队展示了 PULSE 0.2 版本 demo：腕带采集 16 通道肌电信号后，PULSE 对手部运动进行连续建模，可实时观测对指动作中的发力变化。正在研发的 PULSE 0.3 将进一步探索肌腱发力与手部前向运动学之间的关系。

秦深涛把公司的演进划分为三个阶段：

• From Human：先把人怎么动尽量采下来，把人在物理世界中的操作经验系统性地蒸馏、转化为机器可学习的数据与表征
• With Human：构建包括机器人在内的新一代 AI 硬件，以 Always-on 形态融入日常工作与生活
• Enhance Human：面向未来 10 到 30 年，让更轻、更自然、更接近消费品的眼镜、手表或手环在日常生活中持续对人建模

OriginFlow 的判断是，当采集设备足够无感、覆盖人群足够广时，具身智能领域目前遥不可及的「万亿小时数据」只需将全人类行为记录十天左右即可达成。国内已有强脑科技、章鱼动力、SnowOrigin、念象科技、无界脉络、手亿科技等创业公司在神经肌电方向探索具身数据采集，OriginFlow 的加入让这条路线进一步升温。