Investoren kämpfen um einen Nachwuchs aus der Klasse der 2000er von Tsinghua-Universität.

Ein Gründer aus der Generation der 00er beginnt, stark in Erscheinung zu treten.

Der Investmentbranche ist bekannt geworden, dass der aufstrebende Star im Bereich der Embodied Intelligence OriginFlow kürzlich die Abschlüsse von Angel-, Strategie- und Pre-A1-Runden von Finanzierungen bekannt gegeben hat. Die Gesamtfinanzierungssumme übersteigt 500 Millionen Yuan. Unter den Investoren befinden sich namhafte Institutionen wie BlueRun Ventures, Oasis Capital, 58 Strategic Investment, Puhua Capital, Tsinghua Alumni Seed Fund, Monolith Capital, Yuanhe Puhua, Yuanhe Origin und Guofang Venture Capital.

Hinter ihm steht der 25-jährige Gründer Qin Shentao. Er hat an der Harbin Institute of Technology studiert und ist derzeit Doktorand an der Tsinghua-Universität. Im Jahr 2025 gründete er sein Unternehmen und war der Erste, der das NeuroScale-Datenakquisitionsmodell vorgeschlagen und umgesetzt hat. Mit dem nicht-invasiven motorischen Nerveninterface als Kernzugangspunkt sammelt er für Roboter die seit langem fehlenden Daten über physikalische Interaktionen.

In nur fünf Monaten hat das Unternehmen drei Runden von Finanzierungen abgeschlossen. In letzter Zeit haben sich deutlich mehr Investoren an Qin Shentao gewandt. In einer Pause führte die Investmentbranche ein tiefgreifendes Gespräch mit Qin Shentao. "Die Leute senken nicht ihre Erwartungen, nur weil wir aus der Generation der 00er stammen." So beginnt eine aufregende Unternehmensgründungsgeschichte im Bereich der Embodied Data.

Von der Harbin Institute of Technology zur Tsinghua-Universität: Ein Gründer aus der Generation der 00er betritt den Bereich der Embodied Data

Qin Shentao wurde 2001 in Jincheng, Shanxi geboren. Er studierte an der Fakultät für Mechanische und Elektrotechnische Engineering der Harbin Institute of Technology. Während seiner Studienzeit hatte er einen fast zwanghaften Gedanken: Wenn die Roboter der Harbin Institute of Technology an einem Wettbewerb teilnehmen, müssen sie den ersten Platz belegen.

"Strenge Standards, perfekte Leistung." Er hat fast seine gesamte Zeit dem Labor und den Wettbewerben gewidmet. In diesem Prozess hat er über die Beziehung zwischen Menschen, Maschinen und Daten nachgedacht und sich gefragt, wie man eine effektive Datenbrücke aufbauen kann, um die Interaktionsbandbreite zwischen Menschen und Maschinen stark zu erhöhen und so die echte Mensch-Maschine-Kooperation zu erreichen. Das Nerveninterface ist allmählich in seinen Blickfeld geraten und hat sich allmählich zu einer der Kerntechnologien des Teams entwickelt.

Danach hat er sein Team geleitet und fast alle Roboterwettbewerbe gewonnen. Er hat auch die Präsidentenmedaille und die May 4th Youth Medaille der Harbin Institute of Technology erhalten und ist der erste dritte Studiengangstudent, der diese Ehrungen gleichzeitig erhielt. Bei Rückschau auf diese Zeit hat Qin Shentao ein Wort verwendet: RockFlow Magma - Die Technologie ist solide genug, um unter hohem Druck zu fließen und sich in Veränderungen vorwärts zu bewegen.

Auch an der Harbin Institute of Technology hat Qin Shentao erstmals mit Unternehmensgründung zu tun gehabt. Im vierten Studienjahr hat er nacheinander an der Shenzhen Institute of Technology und Innovation, die von Professor Li Zexiang initiiert wurde, und an der Qiji Startup Incubator von Lu Qi teilgenommen, um sein Geschäftsidee zu entwickeln. Das war eine andere Welt, in der Variablen wie Benutzer, Markt, Produkt und Einsicht - neben der Technologie - plötzlich in den Vordergrund traten.

Damals hatte er bereits eine vage Idee für ein Nerveninterface-Basismodell. Die Investoren haben ihm Angebote gemacht, aber Qin Shentao war nicht beeilt, in die Unternehmensgründung einzusteigen. "Ich habe damals kein besonders gutes Anwendungsfeld als Einstieg gefunden. Ich habe eine Vorliebe für die Mensch-Maschine-Kooperation. Wenn das Projekt schließlich in eine irrelevante Richtung führt, würde ich es bedauern und es wäre auch unfair gegenüber den Investoren."

Qin Shentao, Gründer und CEO von OriginFlow

Im Alter von 22 Jahren ist Qin Shentao an die Tsinghua-Universität gekommen, um seinen Doktorandenstudium zu beginnen. Er hat sich entschieden, sich von der autonomen Fahrtechnik heranzutasten, um seine Fähigkeiten in der Künstlichen Intelligenz zu verbessern. In dieser Zeit hat er in der Branche gearbeitet und allmählich seine eigene Einschätzung entwickelt: Die Modellarchitektur wird sich schließlich einpendeln, und der eigentliche Unterschied wird von der dahinterliegenden Dateninfrastruktur bestimmt.

Im Jahr 2025 wurde OriginFlow gegründet.

OriginFlow hat das NeuroScale-Technologiemodell entwickelt. Mit dem nicht-invasiven motorischen Nerveninterface als Kernakquisitionseingang extrahiert es basierend auf einer vollständig eigenentwickelten Hardware- und Softwarearchitektur die neuro-muskulären Elektrosignale (sEMG) von der Hautoberfläche. Diese Signale werden durch das Basismodell PULSE codiert, um die ursprünglichen multimodalen kontinuierlichen Informationen wie Handhaltung, Kraftanwendung und taktile Rückmeldung präzise wiederherzustellen. Dadurch werden die Datenasynchronfehler eliminiert. Unter der Voraussetzung von Unempfindlichkeit und Nicht-Invasivität werden die technischen Einschränkungen des EgoScale-Modells bei visueller Abdeckung und fehlender Kraft- und taktiler Wahrnehmung effektiv ergänzt. So wird ein "Schattenmodell" für den Bereich der Embodied Intelligence geschaffen.

Konzeptionelle Skizze

Einfach ausgedrückt, haben Roboter in der Vergangenheit mehr die Ergebnisse menschlicher Bewegungen gelernt. Wenn ein Mensch eine Greif-, Dreh- oder Druckbewegung ausführt, hat er zuerst die Bewegungsabsicht, die über den Nervenweg an die Muskeln weitergeleitet wird, und dann werden die Finger und das Handgelenk durch die Muskeln und Sehnen angetrieben, um feine Bewegungen auszuführen. OriginFlow möchte genau die früheren und feineren Signale in dieser Kette erfassen, um die seit langem fehlenden Daten über physikalische Interaktionen von Robotern außerhalb von Text und Vision zu ergänzen.

Dies bringt auch einige Veränderungen mit sich: Nicht-invasivität, Unempfindlichkeit, Natürlichkeit, höhere Akquisitionseffizienz, leichtere Geräteinstallation, starke Vielfalt der Daten und leichtere Wiederverwendbarkeit über Personen, Umgebungen und Roboterkörper hinweg. Derzeit hat OriginFlow Fortschritte bei der kontinuierlichen Gestenerkennung und der Kraft- und taktilen Wiederherstellung erzielt. Es kann die feinen Unterschiede in der menschlichen Kraftanwendung erfassen und die Probleme wie unflexible Bewegungen und unzureichende Kraftsteuerung bei traditionellen Robotern verbessern.

Bei Rückschau auf den Weg ist es kein Zufall, dass er zu OriginFlow geführt hat. Für Qin Shentao hat jedes Training, jede Wendung und jede Pause in den letzten Jahren ihn in Richtung OriginFlow gebracht. "Das Schicksal verschwendet keine Strecke, auch wenn man das Ziel damals noch nicht sehen konnte."

500 Millionen Yuan in fünf Monaten: Die Geschichte der Finanzierungen

In nur fünf Monaten nach der Gründung hat Qin Shentao mehrere Runden von Finanzierungen erfolgreich abgeschlossen.

Zuerst haben BlueRun Ventures und Oasis Capital die Angel-Runde von OriginFlow gemeinsam angeführt. Anschließend haben in der Strategie-Runde strategische und industrielle Investoren wie 58 Strategic Investment, Puhua Capital und Tsinghua Alumni Seed Fund beigetreten. Alte Aktionäre wie BlueRun Ventures und Oasis Capital haben sogar mit mehreren Millionen Yuan über den geplanten Betrag hinaus investiert und weiterhin stark in das Unternehmen gesetzt.

Bei der neuesten Pre-A1-Runde hat Monolith Capital die Führung übernommen. Der alte Aktionär Puhua Capital hat über den geplanten Betrag hinaus investiert, und führende marktorientierte Investoren wie Yuanhe Puhua, Yuanhe Origin und Guofang Venture Capital haben ebenfalls beteiligt.

Der Finanzierungsrhythmus war schneller als erwartet. Ein Verantwortlicher von BlueRun Ventures hat sich an das erste Treffen mit OriginFlow gut erinnert. An diesem Tag wurden alle Partnerbesprechungen abgesagt, und in der Investitionsentscheidungsbesprechung wurde binnen zehn Minuten die Entscheidung getroffen.

BlueRun Ventures hat über das Gründerteam von OriginFlow gesagt, dass es ein Team mit starkem industriellem und technologischem Verständnis, Fähigkeiten in der Ressourcenintegration und der Talentgewinnung ist. Das Team zeichnet sich durch hohe Durchsetzungsfähigkeit und eine sehr schnelle strategische Anpassung aus. BlueRun Ventures hofft, dass das Team in Zukunft der Anführer und Pionier in der Branche werden wird.

Nach Qin Shentao ist es schwierig, kluges Geld mit "Geschichten" zu überzeugen. Was wirklich zählt, ist die Übereinstimmung in der Einschätzung. Viele Finanzierungen von OriginFlow wurden fast direkt nach dem Gespräch festgelegt, "so natürlich wie das Atmen". Mehrere Investoren haben gesagt, dass sie bereit sind, das Unternehmen langfristig zu begleiten, um weitere Ergebnisse zu erzielen.

Die Bekanntschaft mit Oasis Capital begann bei einem heftigen Regenguss. Ein perfektes Pitch hängt selten von einer vollständigen Präsentation ab. Meistens können beide Seiten innerhalb der ersten zehn Minuten feststellen, ob es zwischen ihnen Übereinstimmungen gibt. Sobald die Übereinstimmung hergestellt ist, verläßt das Gespräch den Kontext der Finanzierung und wird zu einer natürlichen Kommunikation, ähnlich wie der Regen draußen, der immer stärker wird. Am nächsten Tag hat der Leiter von Oasis Capital schnell geantwortet: "Wir investieren in diese Runde."

"Sie haben das vorausschauende NeuroScale-Modell entwickelt, das den Datenakquisitionspunkt von den 'Bewegungsergebnissen' auf die 'Nervenabsichten' verschiebt und so einen generationalen Sprung in der Datenquelle bewirkt." Der Partner von Oasis Capital, Ivy, hat gesagt: "Wenn man in die Zukunft schaut, glauben wir, dass das Team die Art der Datenakquisition neu definieren und sogar die zugrunde liegende Logik der Mensch-Maschine-Kooperation umschreiben wird."

Diese Übereinstimmung zeigt sich auch bei den industriellen Partnern.

Bei dem ersten Gespräch mit 58 Strategic Investment hat Qin Shentao zwei Stunden lang vor einer Whiteboard von Nerveninterfaces bis zu realen Anwendungsfällen gesprochen. Er hat sich erinnert, dass er in diesem Gespräch viele Dinge gesagt hat, die er normalerweise schwer zu erklären findet. Einige Einschätzungen können nur von Menschen in der realen Branche schnell verstanden werden.

Monolith Capital ist eine andere Geschichte. Ein Investor von Monolith Capital, der als Erster mit OriginFlow in Kontakt gekommen ist, hat es wie einen Schatz gefunden. Er hat nur gesagt: "Warte auf mich."

Bald hat Qin Shentao den Gründungsmitglied von Monolith Capital, Cao Xi, getroffen. Als das Gespräch auf einen wichtigen Punkt kam, hat Cao Xi angehalten und gesagt: "Warte mal, das ist so interessant. Ich muss darüber nachdenken." Qin Shentao hat das Gespräch wie folgt beschrieben: "Es war wie ein Blitz." Später hat er erfahren, dass der andere auch fast die gleiche Bewertung verwendet hat.

"Qin Shentao ist ein natürlicher Unternehmer." Cao Xi hat gesagt, "Sein Verständnis und seine Kontrolle über die große Richtung, seine Gedanken über die Organisation und sein Wille, zu gewinnen, haben uns tief beeindruckt."

Er meint, dass viele Hersteller von Roboter in der Embodied Intelligence-Branche immer noch damit kämpfen, wie man den Greifvorgang eines Roboterarms genauer machen kann. Im Wesentlichen liegt das an der unzureichenden Datenversorgung und der mangelnden Genauigkeit an der Vorderseite. Das Technologiepaket von OriginFlow greift genau dieses Problem an. "Wir hoffen, dass das Team des Unternehmens in der Embodied Intelligence-Branche weiterhin stark arbeitet und seine Ideen umsetzt." Diese Führungsinvestition ist auch die größte Investition von Monolith Capital in der Embodied Intelligence-Branche bis jetzt.

Natürlich war der junge Unternehmer nicht immer auf glatten Wegen. Das Team hat in einigen wichtigen Entscheidungen schwierige Momente erlebt, in denen es sich wiederholt hin- und hergerissen hat. In den schwierigsten Zeiten hat er mit einem frühen Teammitglied bis spät in die Nacht gesprochen. In diesem Moment hat er zum ersten Mal so klar erkannt: "Das ist das, was ich in meinem Leben unbedingt tun muss."

Mit stetiger Anstrengung und langfristigem Engagement. Bei Rückschau hat sich diese Schwierigkeit sogar zu einer Grenze geworden. Chancen zeigen sich oft in guten Zeiten, während Entschlossenheit in schwierigen Zeiten wächst. Für Qin Shentao verschwinden alle äußeren Geräusche, sobald das Spiel beginnt, und es bleibt nur eine Antwort: Es schaffen.

Der Datenmangel: Die zweite Hälfte der Embodied Intelligence

Die Popularität der Embodied Intelligence breitet sich auf die gesamte Branchenkette aus.

In den letzten Jahren haben Modelle, Roboter und Hardware nacheinander die Bühne betreten, und die Finanzierungen und Bewertungen sind stetig gestiegen. Je näher man sich der realen Branche nähert, desto schwieriger ist es, ein grundlegendes Problem zu umgehen: Die Daten.

Qin Shentao glaubt, dass der Datenmangel in der Embodied Intelligence kein Problem ist, das in ein oder zwei Jahren gelöst werden kann. Das Large Language Model hat das Internet als Grundlage, und die autonome Fahrtechnik erhält täglich Daten von den Fahrzeugen und Straßen. Roboter haben jedoch keine solche historische Akkumulation. "Dies ist ein Vakuum. Die Steuersignale mit geschlossenem Regelkreis wie Bewegungsinteraktionen, Berührungen, Kollisionen, Gleitreibung in der realen Welt müssen Stück für Stück gewonnen werden. Die Branche wird von Null bis Unendlich evolvieren und schließlich dem Endziel der Physical AGI immer näher kommen."

Obwohl die technischen Wege unterschiedliche Werte und Grenzen haben, weisen sie alle in die gleiche Richtung: Natürlichkeit, Nicht-Invasivität und Skalierbarkeit. NeuroScale möchte genau diesen Schritt gehen - die fehlenden physikalischen Interaktionssignale, die von Text und Vision übersehen wurden, zu ergänzen, um die Dateninfrastruktur der Embodied Intelligence zu verbessern.

Die echte Prüfung beginnt jetzt in der Branche. Derzeit hat OriginFlow begonnen, die industrielle Umsetzung in zwei Szenarien voranzutreiben: der industriellen Fertigung und der haushaltsnahen Dienstleistung.

Im industriellen Szenario sind die Aufgabengrenzen klarer und die Rückmeldung direkter. Wie viele Personen weniger in einer Produktionslinie benötigt werden und wie viel die Ausbeute in einem bestimmten Schritt verbessert werden kann, sind die Ergebnisse, die die Branchenpartner am leichtesten wahrnehmen können. Laut Informationen arbeitet OriginFlow mit Partnern in der Fertigungsindustrie zusammen, um Anwendungsfälle für die Embodied Data-Akquisition zu entwickeln.

Andererseits repräsentiert die haushaltsnahe Dienstleistung einen längerfristigen Vorstellungsraum. Die Ordnung von Kleidung, die Reinigung zu Hause und die Küchenarbeit scheinen alltäglich, enthalten jedoch eine Vielzahl von nicht-standardisierten Bewegungen und können das Problem der Einfachheit der industri