互联网巡回犬 Vol.20：机器人在等的那批数据，清华00后先挖到了；AI Agent 需要工牌，旧金山三人组在发 (2026)

今天叼回两个项目，一个国内一个海外，都在做「前面那层」——机器人本体学习动作需要的数据，Agent 跑业务系统需要的身份凭证。这两个位置，一旦站稳，整条产业链都要绕着它们走。

OriginFlow（渊澈太初）：用肌电信号给机器人补课

具身智能这条赛道，这两年一直在吵一件事：机器人数据从哪来。视觉数据有了，语言指令有了，但机器人在真实场景里抓、拧、推、压的那批力触觉数据，一直是个黑洞。

5 月 21 日宣布完成天使轮、战略轮、Pre-A1 轮系列融资的渊澈太初（OriginFlow），切的就是这个洞1。累计融资超 5 亿元人民币，投资方包括蓝驰创投（天使+战略轮领投+超额追投）、绿洲资本、Monolith 砺思资本（Pre-A1 轮独家领投）、58 战投、普华资本、元禾璞华、元禾原点、水木清华种子校友基金等。公司正式运营时间：5 个月。

创始人秦深涛，2001 年出生，哈尔滨工业大学机电工程本科，清华大学车辆学院在读博士，25 岁。哈工大期间带队拿下几乎所有能拿的机器人竞赛冠军，先后进入李泽湘教授发起的深圳科创学院和陆奇的奇绩创坛孵化。2025 年在清华判断出「数据基础设施」这个卡位，OriginFlow 随即成立。

产品是什么

主流的具身智能数据采集路线叫「EgoScale」——通过视觉和空间计算捕捉人类动作，再拿这批数据去训机器人。路线本身没问题，但有个物理限制：视角遮挡，以及最根本的——它采不到「力」和「触觉」。人类抓一个鸡蛋和抓一个铁块，手腕发力完全不同，视觉摄像头看不出来，机器人当然也学不会。

OriginFlow 的路径叫「NeuroScale」2。核心硬件是自研的肌电采集套件，贴在皮肤表面，采集神经肌电信号（sEMG）——也就是肌肉在发力之前、大脑向肌肉传递指令时产生的电信号。这批信号经由自研基础模型 PULSE 编码，可以重构出手部连续姿态、发力大小、触觉反馈等多维数据。

换句话说，EgoScale 采的是「人做了什么」，NeuroScale 采的是「人准备怎么做」。采集入口从动作结果往前移了一步，到了神经意图层。

OriginFlow NeuroScale技术范式示意图，神经肌电信号捕捉与机器人动作学习 — NeuroScale 范式：从皮肤表面捕捉神经肌电信号，重构手部姿态与发力数据 2

价格是这套路线的另一张牌：通过优化硬件结构和整合供应链，整套采集设备已把售价压到千元级别。这个成本区间意味着，它可以规模化部署，跨人群、跨场景大量采集——这是 EgoScale 路线的固有短板。

团队为什么能融这么快

蓝驰创投聊完当天下午发了意向书，绿洲资本第二天回复，Monolith 砺思资本创始合伙人曹曦见过秦深涛之后说了一句「你等等我」。按照投资界的叙述，Pre-A1 轮也是砺思在具身智能方向迄今最大的一笔出手。

这种速度不只是团队故事讲得好。秦深涛的简历打了一个很难被质疑的组合拳：清华博士的基础模型能力 + 哈工大机电工程的硬件部署能力 + 赛场验证的工程执行力 + 奇绩创坛的产业视野。具身智能是 AI+硬件的交叉地带，投资机构一直在找能同时跨越「算法前沿」和「机械工程」两端的人，这类人本来就少。

战略轮引入 58 战投的逻辑也很直白：家政机器人未来最需要的技能数据库，正好要在真实家政场景里采集。58 是这批数据最好的采集入口之一。产业资本给场景、财务资本给估值，这套组合在国内头部机构里相当罕见——Pre-A1 轮同时汇聚了元禾璞华、元禾原点这种市场化机构，说明估值逻辑已经得到了二次确认。

为什么值得关注

机器人本体公司（宇树、1X、Figure 等）在推进商业化时普遍碰到同一道墙：机械臂在新任务、新场景里泛化能力不够，根源是高质量物理操作数据的匮乏。大语言模型背后有整个互联网，自动驾驶背后有车队在不停回传；机器人这端，过去几乎没有人专门采集「人操作物理对象时的力触觉数据」。

OriginFlow 的生态位是「卖铲子的人」。它不直接造机器人，而是成为整个产业的数据供给方。只要具身智能的整机厂们继续扩张，对物理交互数据的需求就只会增加。目前它同时在工业制造（与头部高端制造企业共建数采应用场景）和家庭服务（联合 58 集团）两端推进，两个方向的数据特性差异很大，反而能让数据库多样性更强，可复用性更高。

真正的技术考验还在后面：在工业现场的电磁干扰和家庭环境的极端非标准化条件下，NeuroScale 能不能保持长期稳定的信号质量，目前还没有大规模实测数据。而头部整机厂在自身数据积累到一定程度后，是否会选择自建采集方案，而非长期依赖外部供应商，是这个商业模式最核心的不确定性。

Loading link preview…

Keycard：给每个 AI Agent 发一张「任务限定工牌」

本周，Keycard 在旧金山的 AI Council 2026 大会上发布了 Keycard for Multi-Agent Apps3，把产品从单 Agent 安全扩展到多 Agent 委托链的身份管理。这是一家去年 10 月刚从隐身状态出来的旧金山公司，累计融资 $38M（$8M 种子轮由 a16z 和 boldstart ventures 领投；$30M A 轮由 Acrew Capital 领投）4。

三位联合创始人的背景刚好把这个问题的上下游全覆盖了：Ian Livingstone，连续创业者，Manifold 创始人（2021 年被 Snyk 收购），「The Infra Pod」主理人；Matt Creager，曾主导 Snyk 开发者平台从 $30M 到 $300M ARR 的规模化；Jared Hanson，Passport.js 作者，Auth0 被 Okta 收购前的首席架构师——Auth0 解决了「人的身份认证」，Hanson 在那一代基础设施里打过全程。

产品是什么

当前企业给 AI Agent 配访问权限的惯常做法：共享 API key，或者直接继承人类账户的权限。这套方式在单个 Agent 访问单个服务时勉强能用，但多个 Agent 形成委托链之后，问题立刻暴露：链条上任何一个环节的凭证泄露，会把整条链路的访问权限都拱手相让。更麻烦的是，「谁在什么时候、以什么权限做了什么」这条审计链根本不存在。

Keycard 的方案是：每个 Agent 在运行时通过证明机制获得自己的可验证身份，每个任务开始时发出一个「会话令牌」，基于 OAuth 2.0 Token Exchange（RFC 8693）在委托链的每一层收缩权限，任务结束后令牌自动过期。Agent 不会持有超出当前任务所需的权限，完整操作链路可追溯、可撤销3。

换句话说，给人用的工牌是「你是谁」，给 Agent 用的工牌是「你现在被允许做什么」——范围更小，时效更短，权限跟着任务走而不是跟着账户走。

产品原生集成 LangChain、Mastra，支持 MCP、A2A、OAuth 2.1 协议，可在 Vercel、Cloudflare、AWS、GCP、Azure 上跨平台部署。金融科技公司 Chime 是早期客户之一，反馈可在数天内完成生产部署。团队还在参与 MCP、WIMSE 等开放标准的制定，已完成 OAuth 2.1 Client ID Metadata Documents 的首个生产实现4。

为什么这个时间节点

a16z 的投资备忘录写了一个词：「Auth0 moment」。Auth0 本质上是帮开发者把「用户登录」这件事外包出去，让他们不用自己造轮子。Keycard 在做同一件事，只是对象从人换成了 Agent。

这个类比成立的前提是：Agent 的数量会爆炸式增长，而且会互相调用、互相委托，不再是一个人操作一个 Agent 的简单模型。三分之二的企业 AI 主管说他们已经在实际工作流中部署了多 Agent 协作，但只有 44% 对 Agent 能无需人工干预地自主运行有中等以上的信心5。信心缺口的直接来源之一，就是没有人知道这些 Agent 在拿着什么权限干什么事。

Keycard 的市场窗口取决于一件事：企业的 Agent 部署从「试验」转向「生产」的速度。这个转变一旦发生，身份管理就会从「可选项」变成「采购前提条件」。这也是为什么 Jared Hanson 的背景在这个组合里特别关键——Auth0 走到被 Okta 以 $6.5B 收购的路径，就是靠把一个开发者工具做成了企业级必选安全基础设施。Keycard 是否能走出相同的路径，需要看它在企业端的落地速度和协议标准里的话语权能积累到多少。

Loading link preview…

巡回手账

今天两个项目各自代表着「Agent 时代基础设施」的两种卡位逻辑：OriginFlow 在机器人学习链路的前端补数据盲区，Keycard 在 Agent 访问企业系统的时候补身份盲区。两个方向都不直接造「大炮」，都在做「火药和引信」。资本当前的出手逻辑很清晰——能被所有玩家复用的底层位置，比单一赛道里的 n+1 个解决方案更值得占。