華人 AI／機器人
新世代領軍者

導言：二十一個人的同一道題

把二十一篇傳略並排讀完，最先浮現的不是差異，而是重複。二十一個人在完全不同的行業裡，反覆說著同一批詞：克制、專注、長期、密度、標準、事實。汪滔說好的東西都是中庸的；梁文鋒說人工智能這件事太大，獨佔一定會被歷史拋棄；王興興說創辦人若不清楚技術路線，團隊效率差距至少五倍；彭志輝說「選擇性放棄」和堅持同樣重要；亞歷山大·王說你必須建立起一套沒有人認同的信念；陳天石說芯片行業要拿推土機沿大路推；楊釗把公司價值觀收成八個字——極致效率、實事求是。

這些句子出自不同的語境，指向的卻是同一個動作：主動放棄一部分看起來很好的機會，把資源集中到一件真正重要的事情上。汪滔放棄造車，梁文鋒放棄三維、視頻與世界模型，彭志輝放棄華為二百零一萬元的年薪，郭文景放棄通用人工智能這面旗幟，張昌武在朱雀一號失敗後放棄不可重複使用的固體火箭。五次放棄，發生在五條完全不同的鏈條上，卻共享同一種算術：把邊界縮小，換取深度。它們都不輕鬆，因為全都發生在公司最不缺機會的時候；而事後回看，正是這些「不做」，定義了他們各自變成了什麼樣的公司。

差別也同樣清楚，而且往往比共同點更誠實。同一個開放權重的陣營裡，深度求索把 API 價格壓到一元／百萬 token，月之暗面卻把旗艦定價放在國內最高價檔；為具身智能供數據的兩家頭部公司，一家說九成九的數據可以靠合成，一家說幾乎全部必須來自真機。所以這一頁的做法是：先把七個反覆出現的特質拆開，再把六組真實的對立擺在旁邊，最後指出哪些部分可以學、哪些部分根本學不了。換句話說，這裡不打算給出一份「成功者的共同點清單」——共同點與分歧同樣重要，只讀前者會得到一份失真的畫像。

一、非共識的信念：別人不同意時才值得下注

亞歷山大·王把這一條說得最直白：你必須建立起一套沒有人認同的信念。他十九歲從麻省理工輟學，原本想做醫生聊天機器人，很快發現真正稀缺的不是模型而是餵養模型的數據，於是掉頭去做「淘金熱裡賣鏟子的人」。創業頭幾年，投資人沒有親手訓練過模型，不相信數據會是瓶頸，他卻沒有跟風改做終端產品，而是守住「數據加工廠」的定位，讓客戶變成依賴他的上下游。後來那些當年拒絕他的機構，開始寫文章論證數據多麼關鍵。在矽谷普遍迴避國防合約的年代，他把為美軍做人工智能上升為一種道德義務，這同樣是一筆沒有共識的下注。

這種「非共識」不是刻意唱反調，而是對時機的判斷。梁文鋒在二〇二一年把量化交易賺來的錢砸進約一萬張 A100 的螢火二號時，大模型在中國還不是一個熱詞；汪滔在別人做整機的時候堅持做飛控，在別人做飛控的時候又轉去做一體化無人機，靠的是同一句判斷——尚未突破的技術、還未出現的設計、仍需培育的市場，才是創業真正的捷徑。陳天石與兄長從二〇一〇年起做人工智能與處理器架構的交叉，比 AlphaGo 早六年、比這一輪大模型浪潮早十三年，當時這個方向被稱為「無經費、無論文、無人問津」的三無研究，一份二十萬元的課題經費都沒批下來。

同樣的下注方式，在更年輕的人身上重複出現。王鶴在行業普遍依賴遙操採集數據的時候，一次次公開宣講合成數據策略，篤定具身智能所需的數據有九成九可以靠高質量合成完成，只有百分之一需要真機採集；楊釗選擇了全高溫超導託卡馬克這條此前從未被完整驗證的路線，並公開評價美國同行的路線科學風險很高；王興興在二〇一五年做出低成本電驅四足機器人 XDog，比波士頓動力公開電驅方案早了約一年；張鵬與清華知識工程實驗室的班底沒有跟隨主流的自回歸路線，軸在自研的 GLM 架構上；閆俊傑則在二〇二三年下半年力排眾議，讓 MiniMax 全面轉向混合專家架構，奠定了後來的成本與延遲優勢。代價是顯而易見的——在一段不確定的時間裡，你會顯得固執，甚至愚蠢。可以學習的部分是如何獨立判斷，不可學習的部分是判斷恰好對了。

二、克制：不做什麼，比做什麼更難

如果說這二十一個人有一個共同的關鍵詞，那就是克制。梁文鋒把它寫進了定價策略：API 只賺「十個月回本」的合理利潤，不追求利潤最大化，降價那天公司群裡在歡呼；他也把它寫進了研發邊界——只做通用人工智能主線，三維、視頻、世界模型都不在主線上便不做，敢於對賺錢的機會說「不」。汪滔把它寫進了戰略選擇：大疆放棄造車，理由是「這個世界有一些規則是懲罰過大的東西」。彭志輝把它寫進了路線圖：「選擇性放棄」和堅持同樣重要，智元每半年評估一次技術路徑，某個模組若長期無法閉環就果斷砍掉。

克制之所以難，是因為它要求你在資源最充裕、選擇最多的時候主動縮小邊界。汪滔對此有一個精確的說法——好的東西都是中庸的，「中庸不是妥協的選擇，而是精密的能力，弓箭射中靶心才是最高水平」。王興興的克制則直接指向錢與人：在人工智能與機器人的搶人大戰裡，宇樹出奇地不燒錢堆人，他相信近年的許多突破反而是中小企業做出來的，「這完全不是錢的問題」。陳天石把克制的對象換成了產業鏈位置：寒武紀專注底層硬件與工具鏈，避免做應用，因為一旦做應用就會觸及客戶的核心利益——他把自己比作一個墩子，專業長胖，歡迎大家踩在我們身上做應用。

更少被談論的一種克制，是對市場情緒的克制。二〇二六年六月三十日，寒武紀盤中總市值首次突破一萬億元，當晚公司主動發布風險提示公告，指出滾動市盈率三百六十八倍顯著高於行業均值，兩天內市值蒸發超過一千四百億元。高繼揚對資本也有一套清醒的賬本邏輯：「融資路徑和支出路徑，這是兩件事。」郭文景則把克制寫進了公司定位——明確表態不做通用人工智能，只做服務創作者的產品，讓十幾個人的公司避開與巨頭的正面對撞。楊釗面對美國同行更高的科學想像力，選擇只做已被科學驗證過的託卡馬克，把風險留在工程裡。這些克制都不是道德選擇，而是資源約束下的理性：前提是你真的算過帳。

三、極致的標準：做不到世界最好，就不做

這批人對「產品標準」的偏執程度驚人地一致。汪滔的表述最激烈：「我們不會去做二三流產品，靠便宜取勝——便宜，是自己沒本事，拿不出好貨來。」他從賣飛控的階段就拒絕容易賺的錢，並主張「平均智慧不值錢，只有比行業平均水平高的 delta 才值錢」，不滿足於行業共識、鄙視「皇帝新衣」式的創新；這套標準讓大疆在高端市場長期拿到九成以上利潤。陳天石的版本更短：技術一定要是最好的。他二〇一〇年本科成績平平卻被破格招進中科院計算所，靠的不是分數，而是對計算機的熱愛和工作的狠勁——他也從不給自己打分，既不給自己打分，也不輕易給別人打分。

這種標準不是一句口號，而是一套可執行的篩選機制。彭志輝在智元推的是「工程閉環」：發現問題、定位問題、復現實驗、迭代方案、再回到場景驗證，把失敗還原成一個具體問題，而不是一種情緒；產品發布前一週他就帶團隊住進發布場館，直到直播前二十分鐘還在調試。陳建宇則把標準壓在自研比例上：星動紀元從創業第一天就堅持軟硬一體，硬件自研比例超過九成五，從核心電機、驅動器到整機全部自己來，理由是沒有大腦的機器人是一堆廢鐵，而沒有身體的大腦也稱不上機器人。姚順雨把標準放在評測上：他反對刷榜，主張構造真實的評測環境，用真實電商、真實代碼庫、真實客服場景檢驗模型，而不是玩具基準。

把這一條翻譯成現代管理的語言：他們都在用「產品標準」替代「KPI」。王興興說得直接——如果創辦人自己不清楚技術路線，團隊的效率差距至少五倍；標準是創辦人必須親自定義、且無法外包的那件事。楊釗把它壓縮成一句可量化的話：「度電成本就是金標準。」在一個充滿宏大敘事的行業裡，這句話的價值在於它不接受任何模糊的表達。姜哲源則把定價本身當成標準的一部分：三點九九萬元的 N2 與九千九百九十八元的小布米，都是從設計之初就拿價格倒推研發進度——在硬件行業，敢報出一個價格，等於先替整個團隊簽下一張軍令狀。

四、人才密度：把股權和舞台讓出去

亞歷山大·王把「人才密度」當成押注的核心：「人才密度是我押注的核心，它會自然地自我複利。」進入 Meta 之後，他做的第一槓桿不是算力，而是密度——優秀的人越多，更優秀的人越想加入。他也是這批人裡對「過度」評價最高的一個：過度樂觀就是樂觀，過度溝通就是溝通，過度交付就是交付；領導者是全公司在乎程度的上限。這種信念的具體形態，是他親自審閱 Scale 的每一筆招聘與重要產品產出。他也願意為理念承擔爭議：二〇二四年他推動以「優才、卓越、智慧」為首位的招聘政策，公開與另一條路線切割；在國防合約備受批評時，他毫不退讓地為公司辯護，把爭議轉化為使命敘事。

有意思的是，他們對「留人」的態度都相當反直覺。汪滔的大疆被稱為硬件行業的黃埔軍校，送走了大批創業者——王興興就是其中之一，二〇一六年被大疆提前錄用，試用期還沒結束就決定辭職創業；汪滔的回應是想通「人才是屬於社會的」，只要招得比挖得快，留人問題就從零和博弈變成良性共生。梁文鋒則把整個組織壓成兩個層級：他，以及研究員；不打卡、不設 KPI、不做年度計劃，新人可以直接調用頂級訓練集群，留人靠兩條——高薪與算力管夠。他的說法是：「管理靠的不是規章制度，靠的是願景。」

把舞台讓出去，還包括分利與歸功。沈亦晨的用人標準是一道排序題：人品正直、能力互補、團隊合作；他最初從麻省理工的籃球場上挑合夥人，也在招人時給美國四十多位半導體專家群發郵件，最後請到一位願意降薪約五成的行業老兵。談到團隊薪酬時他說了一句：「當然，他們的薪酬肯定都遠遠高過我。」夏立雪把最亮眼的成果歸功給一位年僅二十四歲的實習生，並在公司設立專門面向年輕人的獎項，用「湧現型組織」定義公司的組織目標。姜哲源的表述最鋒利：「我們只支付能力溢價，不支付學歷溢價」——他要的是能貼地幹活的人，松延各部門負責人幾乎沒有空降案例。張昌武的版本則是「向上找」：三十一歲創業時，他找的是六十歲的航天老兵與五十歲的歸國學者，把技術決策交給比他更懂行的人。彭志輝把這種轉變總結成一句話：從自己把事情做好，轉變為讓一群人持續把複雜的事情做對。

五、長期主義：願意用十年換一次拐點

這批人對時間的耐心，在一個獎勵速成的行業裡格外突兀。陳天石與兄長從二〇一〇年開始做人工智能芯片，到二〇二五年全年營收六十四點九七億元、同比增長百分之四百五十三，上市以來首次全年盈利——中間隔了十五年，其間股價一度從高點跌去九成以上。汪滔用八年時間把管理水平從三十分爬到六十五分，並自創「管理第一宇宙速度」來說明五十分到七十分之間那道九成九公司跨不過去的鴻溝。梁文鋒從二〇〇八年的量化實驗、二〇一五年的幻方量化、二〇二一年的萬卡集群，走到二〇二三年七月創辦深度求索，走了十五年。公眾記住的是「一夜爆紅」，時間軸上卻是一條十五年的線。

硬件與能源的耐心更長。張昌武從二〇一五年註冊藍箭航天到二〇二三年朱雀二號入軌，用了八年；那一年他說「商業航天要賺錢，不是短跑，而是一場需要長期戰略定力與耐心資本支持的馬拉松」，七年之後，公司一年研發費用九點二二億元、一年淨虧十七點一一億元，累計未分配利潤為負五十九點五五億元。楊釗的團隊用四個人在兩年內建成洪荒 70，預算一點五億元、最後花了約一點二億；到二〇二六年二月二日，第五千七百五十五次實驗實現一千三百三十七秒穩態長脈衝等離子體運行。沈亦晨等了七年才有第一條真正產生現金流的業務，二〇二三年全年收入只有三千八百餘萬元——但他守著一條紀律：帳上從來不少於兩年的現金儲備，因此每次都做融資的主動方，也從沒簽過對賭條約。

長期主義在這裡不是情懷，而是被反覆驗證的判斷。王興興的表述帶著清醒的節制：人形機器人的「ChatGPT 時刻」可能還需要兩到十年；在春晚機器人拿到百億級傳播量的時候，他選擇不急著賣，理由是泛化能力還沒到八成，拐點前是展品，拐點後才是勞動力。彭志輝把同樣的判斷講成路線圖：先工廠、後家庭，機器人大規模進家庭還要三到五年——工廠裡最多做壞一個零件，家庭裡出事故可能傷到人。楊植麟則寧可犧牲短期增速，也要守住技術與組織的長期質量，他相信「技術是這個時代唯一的新變量」。願意等的人，才有機會在拐點來到時手上有現成的東西。

六、親下一線：工程師底色與細節偏執

這二十一個人裡，絕大多數是第一線工程師出身。汪滔的偏執到近乎本能——一顆螺絲擰到什麼鬆緊都有嚴格規定，連產品發布會的每一幀畫面都要親自過問；有下屬回憶，他會在半夜突然打電話來談想法，不管當時幾點，有人乾脆下班後把手機放進鐵盒子。彭志輝的苦行更直接：產品發布前一週住進場館，平時為了省時間一天只吃一頓晚飯。王興興從 XDog 到 G1 一路自己寫論文、畫圖、調參，既是首席執行官也是首席技術官，技術判斷權高度集中。羅福莉對自己的要求是「把每一篇論文做紮實、把每一行代碼調對」。

親下一線的價值，在於判斷的顆粒度。彭志輝從失敗中提煉出的方法論，是把它還原成一個具體問題：是技術路線錯了，還是工程實現不穩？是產品定義不清楚，還是場景價值不成立？——這種拆解只能從現場來，不能從報表來。高繼揚堅持幾乎全部使用真機數據，寧可承受每小時一百至一百五十元的採集成本，理由是「仿真可以模擬物理規律，卻模擬不了真實世界的隨機與意外」；他的團隊把預訓練全部壓在真實數據上，讓世界模型與真機數據一起迭代。姜哲源的辦公室裡始終放著一塊白板，工程師可以隨時推門進來討論；公司搬到昌平之後，他一天要去廠房兩三次，親自查看組裝與交付進度；偏技術與研發的核心崗位，他會親自面試一次。

所以「親力親為」不是事必躬親，而是保持對細節的直接手感。陳建宇在學生眼中是「會在凌晨四點給學生改代碼」的老師，自己每天騎電動車上班；他承認自己的缺點恰恰是優點的反面——有時會想得太多、做事不夠乾脆，是創業逼著他變得果斷。劉松銘的降噪方式更特別：他長期冥想十餘年，創業之後依然幾乎每天留出時間，理由是當公司要極致提高斜率時，他首先要把「首席執行官路線判斷錯誤」這個因素排除出去，然後才能判斷問題到底出在硬件、模型還是數據。他用「每逢大事有靜氣」形容這種狀態，把判斷力當成一種需要保養的資源。

七、反思：把「我」當成需要修正的對象

如果說前六條都還算常見，這一條最不常見：這批人裡有相當一部分，公開地把「過去的自己」當成反面教材。汪滔說自己前半輩子都是靠「我要贏、拿第一」的 ego 驅動的，但後來發現那個「我」字是毒藥；他把這種轉變總結為從孫悟空到唐僧——從一棒子掃清妖怪，轉向給妖怪念念經，並且承認「孫悟空本身就是一個更大的妖怪」。沈亦晨在二〇二二年底那場關於是否繼續投入五億元的爭論裡，沒有用創辦人的權威直接拍板，而是把支持和反對的人分成紅隊、黑隊，各自用兩個月時間論證，最終選擇叫停，理由只有「活下去」三個字。

反思能力之所以關鍵，是因為它決定了創辦人能否在正確的時間推翻自己。劉松銘的成名作 RDT-2 地基是 UMI 夾爪數據，創業後他卻轉向人類數據手套與二十個自由度的五指靈巧手，親手放棄剛剛驗證成功的打法；他解釋說，技術路線是一整個系統，硬件、數採與模型彼此緊密相連，一旦要變，設計、生產、供應鏈都要推倒重來，所以必須選得準——因為改不起。楊植麟在二〇二四至二〇二五年果斷從「預訓練加微調」轉向「預訓練加強化學習」，並擁抱智能體範式。彭志輝則用「七成信心、三成開放」描述自己對技術路線的態度：正確性不來自死磕到底，而來自能在關鍵時刻冷靜判斷、快速轉向。

更難的是把反思做成機制，而不只是一次頓悟。汪滔花了八年把大疆從集權推向機制，目標是「讓組織不依賴個人」。陳建宇的自評是「做事穩重、理性，看問題會想得更深，也不容易被情緒影響」，缺點則是想得太多；他把在不確定下敢於押注的能力，列為創業帶給自己最大的改變。姜哲源在估值從五億漲到二十億時提醒團隊警惕熱度之下的技術實力，也直白地承認自己在最難的日子裡每天把自己關進會議室打電話，「那會兒真的是超級焦慮」。楊釗面對失敗的答案更樸素：看你摔到哪，接著再往上去爬，「菜就多練」。

分歧：六組對照

共同點之外，這二十一個人在六個維度上明顯分成兩派。第一組是「把價格打穿」與「用價格確認水位」。梁文鋒的深度求索在二〇二四年五月發布 V2 時，把 API 價格壓到一元／百萬 token，只有同期頂級閉源模型的百分之一，直接點燃了中國大模型的價格戰，「便宜」從此成了這家公司的公開標籤；楊植麟的月之暗面則走另一條路，二〇二六年七月的 K3 輸入每百萬 token 二十元、輸出百元，位居國內最高價檔，卻仍只有海外同類模型的三成。硬件端的對照同樣清楚：宇樹把 G1 壓到九點九萬元起，松延動力把雙足人形推到九千九百九十八元，而彭志輝的智元走全棧自研、高舉高打，主張交付的是「結果」而不是一台機器。同一個「便宜」與「貴」的岔路口，他們給出了四種不同的答案。

第二組是數據從哪裡來。王鶴的銀河通用押注合成仿真，自建百億級仿真數據基建與五級數據金字塔，主張具身智能所需的數據有九成九可以靠高質量合成完成；高繼揚的星海圖則堅持幾乎全部使用真機數據，寧可承受每小時一百至一百五十元的採集成本，理由是「仿真可以模擬物理規律，卻模擬不了真實世界的隨機與意外」。兩條路線在二〇二五年同時拿到百億級估值，也都宣稱自己的模型登頂榜單，但誰的數據飛輪先轉起來，市場還沒有給出答案。

第三組是「投行出身」與「實驗室出身」。張昌武學的是金融，在匯豐銀行與桑坦德銀行做過投資，二〇一五年註冊藍箭航天時公司的工號〇〇一是他自己，但他從第一天就沒打算做技術，而是把技術決策交給航天體系出身的人；張鵬則是另一種樣本，他在清華知識工程實驗室待了十餘年，從首席技術官被「推」到首席執行官的位置上，用企業家紀律把學院資產翻譯成產業資產。第四組是「創辦人」與「企業內科學家」。梁文鋒、楊植麟、彭志輝各自是公司的第一決策者，戰略、路線與人事都壓在他們身上；姚順雨與羅福莉則選擇在大平台的內部重建一支隊伍——前者出任騰訊首席人工智能科學家，統領基礎模型與人工智能基礎設施，後者執掌小米 MiMo 大模型團隊。兩者的差別不在能力，而在可調用的資源邊界與被允許犯錯的時間。

第五組是「軟件速度」與「硬件耐心」。郭文景的產品幾乎不做長期路線圖式的規劃，而是靠模型能力反推界面，自家產品的交互界面只花了一個月；楊植麟把模型的參數從一點零四萬億推到約二點八萬億，靠的是按月計的迭代節奏。另一邊，張昌武從註冊到入軌用了八年，楊釗從四個人的「零維代碼」到一千三百三十七秒的等離子體用了五年，陳天石則說芯片行業「不抄小道，不搞奇襲，而是拿個推土機在那推」——就算有了好想法，每一步走塌了都會出大問題。第六組是「沉默」與「高調」。汪滔在二〇一六年留下一句「世界蠢得不可思議」之後，幾乎十年不接受採訪，直到二〇二六年四月才以一場十九小時的對談回歸；梁文鋒幾乎從不露面，深度求索的每一次發布都只有技術報告與開源權重。亞歷山大·王卻頻頻出現在華盛頓的論壇與播客上，主動塑造敘事；姜哲源在馬拉松終點戴著紅色發帶大喊口號，在直播鏡頭前當場帶貨。兩者都有效，取決於生意的性質——前者面對的是消費者與供應鏈，後者面對的是資本與政策。

可複製的，與不可複製的

把可複製的部分列出來，其實不多，但都很硬。一是主動縮小邊界的能力：梁文鋒只做通用人工智能主線，汪滔不造車，彭志輝每半年砍一次無法閉環的模組，這些決定與行業無關，任何團隊今天就能做。二是把產品標準當成第一槓桿：陳天石說技術一定要是最好的，楊釗說度電成本就是金標準——標準是創辦人唯一不能外包的東西。三是對人才密度的押注：亞歷山大·王把密度當成第一槓桿，梁文鋒用願景取代考核，沈亦晨把報酬讓出去。四是保持對細節的直接手感：姜哲源一天去廠房三次，陳建宇凌晨四點改代碼。五是能在關鍵時刻推翻自己：劉松銘放棄剛剛驗證成功的路線，沈亦晨把紅隊黑隊擺上桌。

不可複製的部分同樣清楚，而且比可複製的那五條更大。第一是時代窗口：這批人踩中的是移動互聯網、中國供應鏈成熟、生成式人工智能爆發三重疊加的十幾年——二〇一四年國務院文件首次明確鼓勵民間資本參與國家民用空間基礎設施建設，二〇一五至二〇一七年前後的國產芯片起步與算力積累，二〇二二年底 ChatGPT 引爆需求，這些時間點無法重來。第二是師承與出身：清華知識工程實驗室走出了張鵬與楊植麟兩家頭部模型公司，交叉信息研究院走出了陳建宇與姜哲源這對師生，姚班走出了姚順雨；張昌武的岳父是西昌衛星發射中心初期建設者之一，郭文景在硅谷出生、在杭州的競賽體系裡受訓。第三是家境與資源：不是所有想讀史丹福、麻省理工的人都能去，也不是所有人都能在十九歲輟學之後還有退路。

第四，也是最不該被忽略的一條，是「非共識恰好對了」的運氣。陳天石的營收曲線，很大程度上是被海外高端算力卡供應收縮劃出來的；銀河通用與將閑科技這類公司，恰好在二〇二四至二〇二六年這一段一級市場對具身智能最慷慨的窗口裡融到錢。判斷力可以練，但正確的結果無法保證。夏立雪自己的總結最坦白：「我們生逢其時。」所以更誠實的結論是：這二十一個人展示了「如果條件具備，一個人可以把事情做到什麼程度」，而不是「照著做就能成功」。把可複製的部分用來改進自己的方法，把不可複製的部分用來校正自己的期待——這大概是這份材料最合理的用法。

比較表：二十一人一覽（風格 · 秘訣 · 一句話）

下表把二十一個人的領導風格關鍵詞、成功秘訣核心與一句話索引並列，並按六條賽道分欄，供讀者快速橫向對照。表格資料由生成程式另行注入，此節不再重複敘述，只保留一句提醒：任何關鍵詞都只是入口，不是結論。

結語：給讀者的三句話

第一句：先想清楚「不做什麼」。這二十一個人沒有一個是靠「全都做」成功的。汪滔不造車，梁文鋒不做三維與世界模型，彭志輝砍掉長期無法閉環的模組，郭文景明確表態不做通用人工智能，張昌武在朱雀一號失敗後放棄固體火箭路線。克制的反面不是貪婪，是沒有判斷——他們砍掉的每一塊，都對應著一次具體的算帳，而不是一句漂亮的宣言。值得注意的是，這五個決定沒有一個是為了省錢，它們省下的是注意力：放棄意味著把有限的高管帶寬、工程人力與現金流，全部壓在一條主線上，而事後回看，那條主線才是他們真正的產品。

第二句：標準高於指標。他們管公司的方式各不相同——梁文鋒沒有 KPI，閆俊傑摒棄 OKR 與 KPI 轉以效率與工程能力為導向，王興興把技術判斷權集中在自己手上，張鵬把 C 位讓給科學家——但都在用「產品標準」替代考核指標。標準是創辦人唯一不能外包的東西，也是最難交給別人的東西。陳天石說技術一定要是最好的，楊釗說度電成本就是金標準，這兩句話裡沒有一個字談管理，卻比多數管理手冊更管用。閆俊傑甚至選擇在二〇二五年十二月不再領取薪酬，把資源優先投入模型與產品能力的長期建設——這是一種用個人利益表態的標準。

第三句：把「我」放進要被修正的對象裡。汪滔用了八年，彭志輝用了一次次砍模組，沈亦晨用了一場紅隊黑隊的辯論，劉松銘用了一次親手推翻自己成名作的決定，亞歷山大·王用了一次掉頭——從醫生聊天機器人轉去做數據標註。這批人裡最年輕的劉松銘生於二〇〇〇年，公司註冊至今不到一年，仍然零營收、零公開訂單；最年長的汪滔已經做了二十年的硬件。兩個人的共同點是：真正稀缺的不是天賦，而是在最自信的時候還能問一句「是不是我錯了」的能力。二十一個人的樣本依然很小，這一頁提供的是觀察，不是配方。

一、六條賽道，六種時間表

二十一個人被編者分進六條賽道：空中機器人、語言與智能、具身智能、算力與芯、太空與能源、創作與智能。這個分法本身是粗糙的——汪滔的無人機同時是硬件、是自動化，也是最早被地緣政治捲入的消費電子產品；羅福莉既屬於語言與智能，也因為 MiMo 要裝進手機與 IoT 設備而靠近算力。但六條賽道的用處在於，它讓每一條線的時間表變得可見：同一張圖上，有人以月為單位迭代模型，有人以十年為單位等一次入軌。

語言與智能是最擁擠的一條，八個人在這裡相遇：梁文鋒、楊植麟、閆俊傑、張鵬四人做基座模型，羅福莉與姚順雨在大廠裡帶隊，Alexandr Wang 供給訓練數據，郭文景往視頻生成走。這條線的時間表以月計——二〇二三年四月月之暗面成立，二〇二六年一月智譜與 MiniMax 先後上市，中間不到三年；二〇二六年七月 Kimi K3 發布，七十二小時內美股人工智能板塊合計蒸發約四千七百億美元。具身智能是第二密集的一條，七個人分布在整機、模型與數據三個位置，它的時間表以出貨量計：智元在十五個月裡從一千台推到一萬台，宇樹把 G1 壓到九點九萬元起，松延動力則把雙足人形推到萬元以內。

另外三條賽道的人數少得多，時間表也長得多。算力與芯只有三個人，但他們的位置決定了所有人能跑多快：寒武紀從二〇一〇年的三無研究走到二〇二五年全年盈利，用了十五年，其間股價一度從高點跌去九成以上；曦智科技等了七年才有第一條真正產生現金流的業務，二〇二三年全年收入只有三千八百餘萬元；無問芯穹解決的是國產算力散成孤島的問題，把不同品牌、不同代際的芯片接成一張網。太空與能源只有兩個人，週期以十年計——藍箭航天從註冊到液氧甲烷火箭入軌用了八年，能量奇點從四個人在上海註冊到「洪荒 70」放電用了三年，而它的第二台裝置要到二〇二七年前後才建成。創作與智能只有郭文景一個人，她代表的是這一輪浪潮裡最容易被忽略的一條支線：不改變世界，只讓更多人有能力表達。

二、中美的兩端

這張圖裡只有兩個人把總部放在中國境外：Alexandr Wang 與郭文景。他們同在舊金山灣區，一個做數據標註，一個做視頻生成。這個事實本身構成了圖上最重要的一組對照——其餘十九個人的公司全部註冊在中國境內，而這兩個人的存在，讓整張圖無法被讀成一份純粹的中國樣本清單。

兩端之間的張力，可以從三組關係裡看出來。第一組是名單與合約：大疆在二〇二〇年十二月被美國列入實體清單，其產品在華盛頓的聽證會上被反覆討論；而 Scale AI 的另一條主線，是為美國國防部與國家安全項目提供人工智能能力，Alexandr Wang 把這件事稱為一種道德義務。第二組是芯片與模型：寒武紀把二〇二五年營收暴增百分之四百五十三的推力，歸因於海外高端算力卡供應受限後，國內大模型與智算中心集中釋放的資本開支——也就是說，這家芯片公司的營收曲線，是被管制劃出來的。第三組是流向的反轉：Pika 在二〇二六年八月推出 API Club，把 Kimi K3、DeepSeek V4 Pro 等中國模型一併納入模型目錄賣給全球開發者；黃仁勳則公開表態，美國公司「絕對應該」被允許使用中國模型。

還有一組數據值得放在一起看：據第三方平台統計，二〇二六年八月三十一日至九月六日這一週，中國大模型的週調用量達五十六點七二萬億 token，連續十九週超過美國，全球前五名中四款為中國模型。技術的流動方向已經不再由單一國家單向決定——這是這張圖上最需要讀者自己判斷的一句話，編者只能提供數據，不能提供結論。

三、同城與地緣

把二十一個人按總部所在城市排開，會看到一個極不均勻的分布：北京十人，上海五人，杭州兩人，深圳兩人，美國灣區兩人。部分人的行政區未在公開信息中明確，因此按可查證的範圍歸類，不強行細分。北京一城的密度幾乎等於其餘四地之和，這與這座城市同時掌握高校、科研院所與政策資源有關。

更有意思的是城市內部的分層。北京 · 海澱集中了寒武紀、智譜、小米、銀河通用與將閑科技，這一區的關鍵詞是「實驗室與基座模型」；亦莊放著藍箭航天與星海圖，關鍵詞是「工廠與產線」，榮華南路一帶聚集了全國約四分之三的商業航天公司，被稱為火箭一條街；昌平則是松延動力的廠房所在，人形機器人的價格戰有一條前線就在那裡。上海的分工同樣清晰：徐匯的模速空間把 MiniMax 與無問芯穹放在同一棟樓裡，浦東的張江與臨港則裝著曦智科技、能量奇點與智元的示範工廠。

杭州與深圳各只有兩人，卻各自代表一種土壤。杭州提供的是「同城不必同行」：深度求索做語言，宇樹做身體，兩家公司氣質相近、賽道相反，卻被同一座城市同時托起。深圳提供的是兩種完全不同的規模能力：大疆是硬件供應鏈的起點，騰訊是互聯網產品矩陣的起點，汪滔與姚順雨站在同一個城市的兩端，一個靠供應鏈把成本打下來，一個靠產品與場景把調用量做上去。

四、兩代人：九〇後做語言模型，〇〇後做物理人工智能

把出生年份排成一條線，二十一個人橫跨一九八〇到二〇〇〇年，正好二十年。編者把它切成四層，每層都至少有四個人。第一層是前人工智能世代：汪滔、張鵬、張昌武、梁文鋒、陳天石。他們創業時大模型還不存在，起點是飛控板、實驗室、火箭與芯片，而五人的大轉向都發生在三十歲之後。第二層在三十歲上下創業，共同點是先在大廠或名校把技術做深，再自己出來：閆俊傑、沈亦晨、王興興、夏立雪。

人數最多的是第三層，一九九一至一九九五年出生的八個人。他們幾乎都在大模型已經存在的前提下選擇賽道，履歷高度依賴具體的實驗室與導師——斯坦福、麻省理工、普林斯頓、卡內基梅隆、清華、北大、電子科技大學。這一層的內部差異也最大：楊植麟與羅福莉做語言模型，彭志輝、王鶴、高繼揚、陳建宇把模型接到機器人身上，楊釗把方向指向人工智能的最上游——電力。也就是說，同一批年齡相近的人，分布在從模型到能源的整條鏈條上。

最年輕的一層只有四個人，卻最能說明這一代人的分化。Alexandr Wang 十九歲輟學創業、二十八歲出任 Meta 首席人工智能官；姚順雨二十七歲成為騰訊首席人工智能科學家；姜哲源從幼兒園到博士幾乎沒離開清華園，卻在博士三年級退學，用約一百萬元做出第一台人形機器人，四十三天把原型機從概念推進到雙足行走；劉松銘二〇〇〇年生，二〇二五年十二月才註冊公司，把全部籌碼壓在「人類數據是具身智能的石油」這個判斷上，到二〇二六年年中仍然零營收、零公開訂單，而公司已經走完五輪融資、累計接近十億元。所謂「〇〇後做物理人工智能」並不是一句修辭：這一層的人裡，已經有兩個把職業生涯押在機器人與其最上游。

五、競爭與共生

二十二條連線裡，競爭關係佔了將近一半，但這張圖上沒有一條連線是純粹的敵意。宇樹與智元爭奪出貨第一，彭志輝卻在公開場合說這不是存量市場，並稱宇樹深耕十年、在本體降本與量產效率上處於第一梯隊，很值得學習；松延動力把 N2 定在三點九九萬元，姜哲源強調這不是價格戰而是價格帶，理由是別人賣二十萬、自己賣三萬就不叫內卷，而是找到了一片藍海。競爭在這裡的實際功能，是把整條賽道的成本曲線往下拉。

共生關係同樣具體。宇樹與松延把價格打穿，反過來逼著所有人重新算帳；寒武紀的芯片被無問芯穹適配進異構混訓平台，芯片賣出去只是第一步、被用起來才是；星動紀元的 XHAND 靈巧手被斯坦福、卡內基梅隆等院校選作研究設備，而劉松銘的 LiberAI 正在同一條路上押注二十個自由度的靈巧手。上下游、對手與同行這三種身份，常常長在同一個人的身上——同一家公司既可能是另一家的供應商，也可能是它在榜單上的直接競爭者。

最容易被忽略的是「同門」這一類連線。清華大學知識工程實驗室走出了張鵬與楊植麟兩家頭部大模型公司；交叉信息研究院走出了陳建宇與姜哲源這對師生；姚班走出了姚順雨。這些連線不是商業往來，卻解釋了為什麼這一輪創業潮的人才密度會如此集中。最後要提醒的是，這二十二條線是編者依公開信息整理的閱讀工具，其中不少連線帶有明顯的後見之明，也有些關係因為查不到可靠依據而沒有被畫上去——把他們連成一張網，是為了閱讀方便，不是說他們構成一個圈子。

六、學歷是入場券：一張幾乎沒有例外的名單

把二十一個人的母校排成一張表，會看到一個在上一代企業家身上並不明顯的規律：這張圖上沒有一個人是「沒有學歷」的創業者。十二人畢業於中國大陸的頂尖高校或國家級科研院所，五人在美國完成學業，三人橫跨中美兩地，還有一人在香港。如果說「讀過一所頂尖高校」是入場條件，那麼二十一人的差別只在於有沒有讀完——Alexandr Wang 從麻省理工輟學，姜哲源從清華博士輟學，郭文景從斯坦福博士輟學，但他們都先考了進去。

這與上一代形成鮮明對照。任正非畢業於重慶建築工程學院，馬雲畢業於杭州師範學院，宗慶後初中學歷，董明珠讀的是職業技術學校——這些學校在他們的年代都算不上頂尖學府，而他們創辦的公司卻定義了中國製造與互聯網的第一個三十年。也就是說，在上一輪創業潮裡，學歷是加分項；在這一輪 AI 與機器人創業潮裡，它更接近於入場券：沒有它，連接觸到那批實驗室、導師與算力的機會都很難拿到。

更值得注意的是分布的不均勻。清華大學一所學校就關聯了九個人，佔全圖百分之四十三；若只看人數最多的那一層，斯坦福、麻省理工、普林斯頓、卡內基梅隆、清華、北京大學幾乎覆蓋了所有人的履歷。這種密度在上一代企業家中從未出現過。它反映的不是這一群人特別聰明，而是這一輪技術變革的知識生產高度依賴少數幾個實驗室——大模型與具身智能的關鍵訓練方法、算力組織方式與人才網絡，都集中在那幾個地方。

但編者要提醒一句：學歷只是入場券，不是解釋。清華同期畢業生每年數千人，最終創辦出頭部公司的仍是極少數；美國名校的中國學生同樣如此。把這些人的成功歸因於「讀了清華」，是把相關當成因果——真正的差別發生在離開學校之後的那些選擇裡：梁文鋒把量化交易賺來的錢換成 GPU，閆俊傑在商湯上市前夕選擇離開，汪滔在別人都做整機時堅持做飛控。學歷決定了他們能站在哪一條起跑線上，卻不決定他們往哪個方向跑。

一、三段浪潮的接力：硬件、模型、具身

把二十一條線放在同一張圖上，最先浮現的是三段幾乎首尾相接的浪潮。第一段是硬件與供應鏈的浪潮，起點在二〇〇六年的大疆。汪滔與兩位同學湊了約二百萬港幣，在深圳車公廟一間不足二十平方米的倉庫裡開始賣飛控板與零配件，最困難的時候公司賬上只剩兩萬元；七年之後，一體化、開箱即飛的「精靈」把「會飛的相機」變成一個獨立品類，到二〇一三年底大疆已拿下全球消費級無人機市場約七成份額，當年營收約八億元人民幣。這一輪浪潮真正教會中國硬件創業者的，不只是怎麼做一台好產品，還有怎麼在深圳把一張圖紙在幾週之內變成量產件。

第二段是模型與算力的浪潮。梁文鋒二〇〇八年開始帶著一支小團隊用機器學習分析證券數據，二〇一五年與徐進成立幻方量化，二〇二一年建成約一萬張 A100 的「螢火二號」——這批顯卡後來成了深度求索的起點。幾乎同時，陳天石與兄長陳雲霽在中科院計算所的一間玻璃房裡做一件當時被稱為「無經費、無論文、無人問津」的三無研究：直接做一顆專門服務人工智能的芯片。二〇一四年 DianNao 拿下 ASPLOS 最佳論文，二〇一六年三月寒武紀註冊成立，二〇一七年九月華為麒麟 970 搭載寒武紀 1A 出貨。硬件與算法在這一階段第一次真正交匯：模型要算力，算力要芯片，而芯片要有人肯在無人問津的時候先做。

第三段是具身智能的浪潮。王興興二〇一五年在上海大學獨立開發出全自由度四足機器人 XDog，二〇一六年八月註冊宇樹科技，二〇一七年發布首款對外零售的四足機器人 Laikago。二〇二三年則幾乎是人形機器人的「註冊年」：二月智元成立，五月銀河通用與無問芯穹相繼出現，八月星動紀元、宇樹發布人形機器人 H1，九月星海圖與松延動力先後註冊；同一年楊植麟創辦月之暗面，把小樣本訓練變成公開的方法論。這一段之所以來得如此密集，是因為它同時吃到了前兩段的紅利——便宜的供應鏈來自第一段，能聽懂指令的模型來自第二段。二十一個人裡有七個人落在具身智能賽道上，不是巧合，而是兩次積累終於合流。

二、從五個人到二十一個人：世代軸上的四個變化

這條時間軸的上一版只站著五個人，共同點是「已經證明過自己」：公司成立、產品上市、模型發布。擴到二十一個人之後，第一個變化是年齡分布被拉開了。出生年份從一九八〇年的汪滔、張鵬，一直排到二〇〇〇年前後的劉松銘，整整二十年的跨度，相當於一代半人的距離。姜哲源與姚順雨都生於一九九八年，劉松銘多數報道記為二〇〇〇年；他們博士退學創業或走上關鍵崗位的那一年，汪滔已經在做大疆的第十六個年頭。

第二個變化是「起點」的定義被改寫。老一代的起點往往是一間民房、一張營業執照：大疆最早在車公廟的倉庫，藍箭航天二〇一五年註冊時辦公室只有七十平方米、啟動資金約五十萬元，幻方最初也不過是幾個人加幾台機器。新一代的起點常常是一篇論文或一個項目——亞歷山大·王十九歲從麻省理工輟學去做數據標註，姚順雨在普林斯頓提出讓語言模型推理與行動的範式，沈亦晨二十五歲時以第一作者在《科學》上發表光子計算相關研究。論文能不能變成公司，成了這一代人共同的考題。

第三個變化是路徑被大幅縮短。老一代從入學到創業多半要走十年以上，而新一代常常讀到博士二年級、三年級就退了出來：姜哲源博士三年級退學創辦松延動力，郭文景自史丹福輟學與孟晨琳創辦 Pika，彭志輝在華為做到「天才少年」最高檔年薪之後，也在二〇二二年底宣布離開，並於次年創辦智元。這不是因為他們更急，而是窗口更短——二〇二三到二〇二六年這三年，大模型與人形機器人同時從實驗室走向量產，慢一步就可能錯過一整個週期。

第四個變化不容易被一眼看出：面孔的多樣性。羅福莉從四川宜賓的村落一路走到阿里達摩院，再成為小米 MiMo 大模型負責人；郭文景在硅谷出生、杭州長大，在哈佛與史丹福之間往返；亞歷山大·王則是在美國體系裡成長、十九歲就在舊金山創業的華人。這條時間軸不再只講「中國公司」，而是在畫一張跨太平洋的華人技術網絡——他們在不同的制度與市場裡，回應著同一批技術問題。

三、時間表為什麼重要：把「一夜」還原成十年

單看一個人的傳記，很容易讀成勵志故事；把二十一個人疊在同一條橫坐標上，故事就變成了結構。比如二〇一六年：三月寒武紀註冊，八月宇樹科技成立，同一年 Scale AI 與循環智能先後成立——四家公司落在同一個年份裡。再比如二〇二三年：月之暗面、智元、星海圖、銀河通用、星動紀元、松延動力，六家公司在一年之內密集註冊。這種密度不是偶然，它說明某些外部條件在某一年同時成熟了：供應鏈便宜了，模型能用了，資本願意下注了。

時間表還能校準直覺。公眾記住的是「深度求索一夜爆紅」，但時間軸上，從二〇〇八年的量化實驗、二〇一五年的幻方量化、二〇二一年的萬卡集群，到二〇二三年七月創辦深度求索，梁文鋒走了十五年。公眾記住的是「宇樹的機器狗很會跳舞」，但從二〇一三年那篇《一種 BLDC 控制器的研製》畢業論文、二〇一五年的 XDog，到二〇二五年的人形機器人批量出貨，王興興走了十年。把年份標出來，是為了讓「一夜」這兩個字回到它應有的長度。

第三，時間表能把「賽道」和「世代」這兩種切法疊在一起看。按賽道分，六條線各有人守著；按世代分，八〇後在做供應鏈與芯片，九〇後在做模型與本體，九五後與〇〇後在做新的產品形態。同一個人往往同時屬於兩個坐標——彭志輝既是具身智能的創業者，也是九〇後工程師文化的代表；羅福莉既是語言模型的研究者，也是從縣城走到頭部實驗室的樣本。時間軸的用處，就是讓這兩種坐標在同一個平面上相遇。

最後，時間表是一種誠實。這裡的每一條記錄都標了年份，也標了它屬於誰；遇到公開資料彼此不一致的地方就寫「約」，遇到只有單一來源的說法就保留原樣。這樣做的代價是有些格子會空著，好處是讀者可以自己判斷：哪一年是真正的起點，哪一年只是被媒體照亮的瞬間。一條不肯留白的時間軸看上去完整，實際上比留白更容易騙人。

01家世與早年：廣東海邊的教師之子

梁文鋒生於一九八五年，家在廣東省湛江市吳川縣（今吳川市）覃巴鎮米歷嶺村。那是一處靠近南海的嶺南村莊，父親與母親都在鎮上的小學擔任教師，家庭談不上富裕，卻有著讀書人家特有的安靜與規矩。上世紀八九十年代的粵西鄉鎮，不少人篤信「讀書無用」——廣東遍地是賺錢的機會，讀書似乎不如早些下海。梁文鋒的父母卻用身教反駁了這種論調：他們守著三尺講台，把對知識的敬重一點一滴傳給了兒子。正是在這種環境裡，梁文鋒從小對世界保持著一種溫和而頑強的好奇。

求學路上，他展現出早慧的數學天賦。小學就讀吳川市梅菉小學，六年級時憑考試被吳川一中錄取，並在這所縣城重點中學讀完了初中與高中。據公開報道，他在中學時期便開始自學大學程度的數學課程，對邏輯與推演有著超乎年齡的執著。二〇〇二年，十七歲的梁文鋒以吳川一中「高考狀元」、也是該校理科第一名的成績考入浙江大學，主修電子信息工程專業，隸屬電子工程系的人工智能方向——這一年，他離開了嶺南的村莊，走向了更遠的智力世界。

大學期間，梁文鋒並非死讀書的類型。二〇〇五年，他與同學組隊參加「全國大學生電子設計競賽」，摘得一等獎，顯露出動手與工程實踐的氣質。二〇〇七年，他考上浙江大學信息與通信工程專業的研究生，研究方向漸漸收攏到機器視覺。二〇一〇年，他拿到碩士學位，畢業論文的題目是《基於低成本PTZ攝像機的目標跟蹤算法研究》——用廉價的雲台攝像機做目標追蹤，本質上已是一篇關於「用最少資源撬動智能」的早期習作，與他日後「以算法抵消算力劣勢」的路數隱隱相通。

02創業原點：從金融危機裡的量化實驗到幻方量化

梁文鋒與金融市場的緣分，始於讀研期間。二〇〇八年全球金融危機席捲之際，他帶著一支小團隊，嘗試用機器學習與統計模型分析證券市場數據，探索全自動的量化交易。彼時深度學習尚未普及，A股也遠未進入算法時代，這群浙大學生的實驗更像是少數人的信仰之舉。據部分早期資料記載，梁文鋒早年帶隊做量化，資金規模在數年間由數十萬元級增長到數億元級別；這一數字僅見於單一來源，未經全面核證，但足以說明他在畢業前便已於實盤中磨礪出對「技術驅動型創新」的信心。

取得碩士學位後，梁文鋒並未走上傳統工程師之路。他先後在成都等地多次嘗試創業，題目都與量化投資相關；二〇〇九年，他還曾以實習生身份進入上海艾麒信息，後獲薦出任新技術部經理。二〇一三年，他與浙大同窗徐進共同創立杭州雅克比投資管理有限公司，初涉資產管理業務。徐進是浙江大學信號與信息處理方向的博士，曾就職華為技術有限公司上海研究所，二人的組合讓這家草創公司兼具學界視野與工程落地能力。

真正的轉捩點在二〇一五年。梁文鋒與徐進正式成立杭州幻方科技有限公司（後更名為浙江九章資產管理有限公司），立志成為世界頂級的量化對沖基金。幻方以深度學習模型驅動投資策略為核心，逐步取代傳統量化方法。在當年的市場波動中，幻方依靠先進的高頻量化策略取得不錯的成績；為了構建AI投資策略，他們早早在研究室裡囤積了不少顯卡。這筆「算力儲備」，後來竟成為梁文鋒二次創業、投身大模型的關鍵彈藥。

03最艱難的關：二〇二一年的千億之巔與回撤之痛

幻方的擴張快得驚人。二〇一九年，其資金管理規模突破百億元人民幣；同年，梁文鋒在金牛獎頒獎典禮上發表主題演講《一名程序員眼裡中國量化投資的未來》，拋出一句頗具他個人色彩的判斷：量化公司沒有基金經理，基金經理就是一堆伺服器。這句話背後，是幻方把投資決策徹底交給算法與算力的雄心。也是這一年，他帶隊自主研發「螢火一號」訓練平台，總投資近兩億元，搭載一千一百塊GPU；二〇二〇年，佔地相當一個籃球場的螢火一號正式投入運作，號稱可匹敵四萬台個人電腦的算力。

二〇二一年，幻方迎來高光，也迎來最痛的一擊。這一年，「螢火二號」的投入加碼到十億元，搭載約一萬張英偉達A100顯卡；資產管理規模一舉突破千億元大關，躋身國內量化私募「四大天王」之列。然而同年市場風格劇變，AI決策在買賣時點上沒有做好，風格切換劇烈時模型傾向冒更大風險去博取收益，反而放大了回撤。二〇二一年十二月底，幻方發布致投資者公開信致歉，坦言「業績的回撤達到歷史最大值，我們對此深感愧疚」，並關閉了全部募集通道。

這是梁文鋒職業生涯中最公開、也最狼狽的一次挫折。幻方此後主動收縮，逐步降低資金管理規模；到二〇二四年十月，公司甚至公告計劃將對沖產品的投資倉位逐步降至零。這一關讓他看清一件事：單靠金融市場裡的AI策略是有邊界的，行情與風格的天花板遲早會到。真正值得押注的、能容納無限算力的戰場，不在K線圖上，而在更底層的智能本身。這個念頭，為日後的轉身埋下了伏筆。

04翻盤的一役：押注算力，螢火二號與 AGI 的種子

梁文鋒的「翻盤」，並不在於修復基金業績，而在於把籌碼押到一場更大的賭局——算力與通用人工智能。早在二〇二〇至二〇二一年，幻方已是中國持有高性能GPU最多的機構之一。據《財經》二〇二三年報道，當年中國擁有一萬張以上GPU的企業不超過五家，而其中只有幻方不是科技「大廠」。螢火二號約一萬張A100的儲備，在出口管制收緊前搶到了寶貴的算力窗口，日後成為大模型創業最硬的底氣。

二〇二二年底，OpenAI的ChatGPT橫空出世，短短數日突破百萬用戶。這場震動讓已積累多年的梁文鋒下了決心：做通用人工智能。他後來解釋，幻方班底裡很多人本就是做人工智能的，而通用人工智能可能是下一個最難的事，「對我們來說，這是怎麼做的問題，而不是為什麼做的問題」。二〇二三年五月，他對外宣布進軍AGI；同年七月，獨立實體「深度求索（DeepSeek）」呱呱墜地。

關鍵的取捨在於：他不追C端流量，不搶超級App，而是從語言大模型開始，把資源集中在AGI主線上。這種「克制」與「聚焦」，後來成為DeepSeek對抗巨頭的核心戰法。幻方多年把營收的大部分投入AI基礎設施，自有算力與工程師團隊，是梁文鋒敢於二次創業的籌碼。他沒有在回撤後退場，而是把金融戰場上賺到的錢與卡，全部轉化為通向另一座山峰的糧草——這一役，翻的不是業績，而是賽道。

05公司發展史（一）幻方量化：AI 量化私募的崛起（二〇一五–二〇二一）

把鏡頭拉回公司編年。二〇一五年幻方量化成立後，真正意義上的轉型發生在二〇一六年十月二十一日：幻方推出第一個AI模型，第一份由深度學習生成的交易倉位上線執行，使用GPU進行計算。到二〇一七年底，幾乎所有量化策略都改用AI模型運算，完成了策略的全面AI化。二〇一八年，幻方正式確立以AI為核心的發展戰略，把機器學習從輔助工具升格為公司的主引擎。

二〇一九年是規模與聲望齊飛的一年：資金管理規模突破百億元，梁文鋒在金牛獎演講中系統闡述他對量化投資未來的看法；同年螢火一號研發落地，近兩億元、一千一百塊GPU，於二〇二〇年正式運作，號稱可匹敵四萬台個人電腦。這套自研訓練平台，讓幻方在同行還在租用算力的階段，已握有自己的「發電廠」。

二〇二一年，幻方把籌碼推到極致：螢火二號投入十億元，搭載約一萬張英偉達A100顯卡，資產管理規模突破千億元，成為國內量化私募「四大天王」之一。這段歷史的重要性，遠不止於金融業的排名——它為日後的DeepSeek預先修建了算力基礎設施、磨練了大規模並行訓練的工程能力，也積累了不受外部資本掣肘的利潤池。金融，成了通往智能的跳板。

06公司發展史（二）轉身大模型：DeepSeek 的誕生與早期模型（二〇二三–二〇二四）

二〇二三年四月，幻方量化發布公告，稱將集中資源與力量，全力投身服務於全人類共同利益的人工智能技術，成立新的獨立研究組織探索AGI的本質，並將其命名為「深度求索（DeepSeek）」。二〇二三年七月十七日，杭州深度求索人工智能基礎技術研究有限公司正式註冊成立，由幻方孵化，梁文鋒出任創辦人兼首席執行官；股權結構上，寧波程恩企業管理諮詢合夥企業持股約百分之九十九，梁文鋒持股約百分之一。幻方CEO陸政哲曾明言：探索AGI不是用來炒股的，是做語言大模型，與金融無關。

成立僅數月，DeepSeek便以開源姿態亮相。二〇二三年十一月二日，首個開源大模型DeepSeek Coder問世，支持多種程式語言、調試與數據分析，免費商用、完全開源，其代碼智能基礎由此奠定，經指令調優後更超越GPT-3.5-Turbo。同年十一月二十九日，DeepSeek LLM（即後來所稱的V1）發布，梁文鋒表示「人的思維可能就是一個語言的過程」，性能已接近GPT-4，正式拉開通往AGI的序幕。

二〇二四年是性價比震撼的起點。五月，DeepSeek-V2發布，採用混合專家（MoE）與多頭潛在注意力（MLA）架構；其API定價為每百萬tokens輸入一元、輸出二元，僅為GPT-4 Turbo的約百分之一，直接點燃大模型價格戰。十二月二十六日（業界多標註為二十七日開源上線），DeepSeek-V3面世，伴隨長達五十三頁的訓練與技術細節報告：總參數六千七百一十億、每次僅激活三百七十億，使用兩千零四十八塊H800、耗時二百七十八點八萬GPU小時，上下文擴展至十二萬八千，被矽谷同行譽為「來自東方的神秘力量」。

07公司發展史（三）R1 震動全球與訓練成本的爭議（二〇二五）

二〇二五年一月二十日，DeepSeek正式發布R1模型。它在數學、代碼、自然語言推理等任務上比肩OpenAI o1正式版，且完全開源（MIT協議）。同日，梁文鋒參加了由中共中央政治局常委、國務院總理李強主持的專家與企業家座談會並發言。R1以極低成本震動全球，被媒體稱為「AI界的拼多多時刻」；據報道，消息一出，英偉達單日市值蒸發創下歷史紀錄（約五千八百九十億美元），華爾街第一次認真追問：昂貴的AI軍備競賽是否真的必要。

隨之而來的是訓練成本的激烈爭議。V3技術報告寫明：模型耗費二百七十八點八萬H800 GPU小時，按每GPU小時兩美元估算，總訓練成本僅五百五十七點六萬美元。但半導體分析機構SemiAnalysis指出，這個數字只覆蓋「最後一次成功訓練跑」，並未計入數年實驗、失敗嘗試、研發人員與硬體採購；該機構估算DeepSeek累計GPU與基礎設施資本開支約十六點三億美元，持有約五萬張Hopper世代GPU（含一萬張H100、一萬張H800、三萬張H20、一萬張A100）。爭議的核心不在於「有沒有省錢」，而在於「省了多少」——即便以數十億美元計，仍較西方實驗室低約七成，算法與架構創新（MLA、MoE、GRPO、DualPipe、FP8）是真功夫。

這一年，梁文鋒與DeepSeek頻頻登上國內外舞台。二月十七日，習近平出席民營企業座談會，梁文鋒坐於第一排，是場上年紀最輕的企業家之一，象徵民營科技新勢力獲國家認可。二月十八日，論文《Native Sparse Attention》發表（袁景陽、梁文鋒等）。四月十七日，據《金融時報》報道，英偉達CEO黃仁勳訪北京會見梁文鋒，討論為中國設計下一代芯片。五月，團隊發表《Insights into DeepSeek-V3》回顧性論文。九月，梁文鋒以通訊作者身份，讓DeepSeek-R1推理模型研究論文登上《自然》封面。財富方面，三月二十七日胡潤全球富豪榜顯示其財富三百三十億元人民幣首次上榜；六月二十四日新財富五百創富榜，其資產達一千八百四十六點二億元、位列第十。

08公司發展史（四）二〇二五–二〇二六：融資、V4 與今日版圖

面對外界對其商業化能力的質疑，DeepSeek於二〇二五年三月一日在知乎開設帳號並首次發帖，披露V3/R1推理系統的理論日利潤高達三百四十六萬元人民幣、成本利潤率約百分之五百四十五。這與其一貫的「十個月回本」定價哲學相互印證：API不按利潤最大化定價，而按設備成本回收邊界定價，既凝聚團隊，也與社會雙贏。開源加低價，成為DeepSeek獨特的護城河。

二〇二六年一月，DeepSeek與北京大學合著論文《Conditional Memory via Scalable Lookup》，梁文鋒再度列名作者；同月他入選《企業家》雜誌「二〇二五年度企業家」。模型層面，二〇二六年四月發布並開源V4預覽版，分V4-Pro與V4-Flash兩檔：V4-Pro總參數約一點六萬億、激活約四百九十億；V4-Flash總參數約二千八百四十億、激活約一百三十億；兩者均支持一百萬token上下文，強化Agentic Coding與工具調用。其訓練路徑頗具象徵意義——早期基於英偉達，後完成向華為昇騰的深度適配與推理優化。七月三十一日，V4-Flash正式版上線API公測。

資本層面，二〇二六年六月，DeepSeek完成成立以來首輪外部融資，據報道規模約五百一十億元人民幣（約七十四億美元），投後估值約三千三百八十億至四千億元人民幣（約五百二十億至五百九十億美元），創國內AI單輪融資紀錄。梁文鋒個人出資約二百億元，為最大單一出資方；騰訊約一百億、寧德時代約五十億、京東／網易／IDG各約三十億、國家人工智能產業投資基金約十億參與。七月十四日，其身價據報道達三百六十億美元，為全球AI創業公司創辦人首富（不含含AI業務的大型集團）。據稱資金將投入內蒙古烏蘭察布的數據中心及更大模型。上述金額各來源略有出入，宜視為估算區間。

09領導風格與性格：沒有 KPI 的工程師式管理

梁文鋒的管理風格，像極了一個大號實驗室而非公司。DeepSeek不打卡、不設KPI、不做年度計劃，員工下午六點多準時下班——這套放在任何一家科技大廠都顯「反常識」的做法，在DeepSeek卻是日常。全公司基本只有兩個層級：梁文鋒，以及研究員。新人可以直接調用頂級訓練集群，自由組隊。這呼應他自己的金句：「管理靠的不是規章制度，靠的是願景。」沒有考核，願景也不寫成標語掛在牆上，而是藏在每個人做事的方法與對世界的態度裡。

用人標準上，他重潛力、輕資歷。據合作獵頭轉述，DeepSeek偏愛沒有工作經驗的年輕人，明言不要資深人士——工作經驗三到五年已是上限，超過八年基本不予考慮。團隊以九〇後為主，佔比超過七成五，九五後佔一半以上，平均年齡約二十八歲；據領英樣本，八成五以上擁有碩士學位、四成以上有博士學位，多畢業於北大、清華、中科大，亦有少數來自麻省理工、卡內基梅隆。留住人才靠兩條：高薪與算力管夠。據報道，其薪資可對標業內任何頂尖機構，姚班實習生日薪據傳達五千五百元（頂級天才的特供價，普通實習生為五百至一千元／日），應屆工程師薪酬等同業內總監或經理。

他對技術的偏執，體現在「授權」而非「控制」。據公開敘述，催生R1的技術思路源自一名年輕員工「突發奇想」，梁文鋒為他搭配團隊，花數月才跑通路線。他不採用網廠常見的「賽馬」機制，減少內耗；算力調配不設上限，只要有潛力的思路，便撥出足夠資源嘗試。公開形象上，他極度低調，幾乎不露面、不接受採訪，公眾只透過模型與論文認識他；而私下對技術細節的熱忱，與台前的沉默形成強烈落差。他反覆強調，團隊穩定性是唯一不能退讓的核心利益——錢與資源都不是問題，只要人不走，遇到挫折也能繼續。

10成功秘訣：克制、聚焦與開源的五條法則

梁文鋒的成功，可以歸納為幾條可辨識的法則。其一，克制與讓利：API定價按「十個月回本」（約六倍利潤）而非利潤最大化，降價那天公司群裡在歡呼；開源不僅不影響收入，還換來員工成就感與外部善意。其二，聚焦主線：只做AGI主線，三D、視頻、世界模型都不在主線上便不做，敢於對賺錢的機會說「不」，把力量騰給後面更大的西瓜。這兩條，讓一家資源有限的公司避開了無數誘惑。

其三，自有算力與資金底氣：幻方量化提供的穩定利潤與GPU彈藥庫，使DeepSeek不受外部資本掣肘，能長期投入基礎研究，而非被融資節奏綁架。其四，年輕高潛人才：輕經驗、重潛力，扁平化加算力管夠，用年輕人對前沿技術路徑的敏感，換來架構上的後發先至。其五，以架構創新取代堆算力：MLA、MoE、GRPO、DualPipe、FP8，在受限的互聯帶寬下榨乾H800的效能，把「成本」與「時間」變成核心競爭力，而非短板。

其六，開源即戰略：以MIT完全開源換取生態與善意，倒逼閉源巨頭降價，讓基礎模型走向商品化。總結而言，他的成功有多大程度可複製？克制與聚焦人人可學，但自有算力的資金底氣、出口管制前搶購H800的時代窗口、以及對AGI的早押注，很大程度是時代與運氣的產物。換句話說，方法可學，時勢難複製——這正是梁文鋒故事裡最誠實的一面。

11個人、價值觀與生活：低調、極客與金錢之外的執念

金錢觀上，梁文鋒始終帶著一種務實的理想主義。他說，出發時幾十個人沒想上市、沒想賺多少錢，只想做對人類有用的事；「懷著對這個世界非常大的善意，做一點金錢以外的事」，是日後一切克制與開源的邏輯原點。他判斷，AI未來可能佔人類GDP的百分之十，誰想獨吞就一定做不成，因此克制不是道德選擇，而是符合客觀規律的生存前提。這種把商業讓利講成「物理必然性」的思維，貫穿他的所有決策。

生活與形象方面，他極度低調，鮮少公開露面與接受採訪，公眾幾乎只透過模型、論文與少數座談會發言認識他。二〇二六年八月，網友扒出一個名為「程序小王子」的早年微博帳號，頭像與其正在使用的微信一致，動態自述曾困於無人區一週、愛車永遠遺留在高山雪原，隨後該帳號動態被清空。這一插曲側面印證了他技術人兼戶外愛好者的氣質——一個能在雪原裡迷路又脫險、卻把算力與算法算得極清醒的人。

價值觀的底色，是「既能仰望AGI、又能算清十個月回本」的雙重性格。他說，組織形式不是學Bell Labs，是這個時代的產物；可以有遠大使命，但歸根結底是一家要活下去的公司，只是在賺哪些錢、什麼時候賺錢上有取捨。這種不唱高調、卻始終把「對人類有用」放在利潤之前的姿態，讓他在狂熱的AI浪潮中顯得格外冷靜，也格外耐看。

12國家與時代意義：中國 AGI 路線與地緣算力博弈

在中國AI版圖上，梁文鋒與DeepSeek的意義超出了一家公司的成敗。他們以開源、低成本證明：在美國出口管制之下，中國團隊仍可用算法創新抵消算力劣勢，縮小與美國前沿模型的差距。梁文鋒被視為中國AGI路線的代表人物——二〇二五年，他兩度登上國家級座談會（一月李強總理座談會發言、二月習近平主持的民營企業座談會坐第一排），象徵民營科技新勢力獲得國家層面的認可與倚重。

地緣算力博弈是繞不開的背景。美國於二〇二二年十月將A100／H100納入出口管制，英偉達隨即推出A800／H800特供版；二〇二三年十月，管制門檻再修，A800／H800亦被禁運，英偉達改推H20；二〇二五年四月，H20亦納入許可管制。DeepSeek的V3正是基於合法窗口期購入的H800集群訓練而成。出口管制反而倒逼了架構升級——梁文鋒稱英偉達CUDA的護城河正被瓦解，國產芯片是歷史性機遇，唯一缺的是產能；V4完成華為昇騰深度適配，正是這條路線的寫照。

放在全球視野，DeepSeek以MIT開源與低於閉源巨頭九成六以上的價格，迫使OpenAI與Google降價，推動基礎模型走向商品化；其「效率階段」論，挑戰了「堆算力等於更好AI」的scaling law正統。對行業的影響在於：它證明小團隊靠算法優化亦可與巨頭競爭，為全球開源社群注入東方力量；同時也引發關於訓練成本口徑、數據蒸餾合規性的持續討論。梁文鋒與DeepSeek，已然成為這個AI時代的關鍵變量，也是中國在智能革命中遞給世界的一張新名片。

01家世與早年：原子彈之城的華裔少年

亞歷山大·王（Alexandr Wang）於一九九七年一月出生在美國新墨西哥州洛斯阿拉莫斯。這座小城因曼哈頓計劃而生，城中的洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory）是二戰期間研製原子彈的核心基地。王的父母皆是來自中國的移民，兩人都是物理學家，同在這間實驗室工作。他在原子彈誕生的地方長大，從小被科學與國防技術的氛圍包圍，家裡談論的是數學、物理與運算，而不是好萊塢或華爾街的故事。這種成長背景日後成為他反覆引用的精神原點——他把為美軍開發人工智慧視為一種「道德義務」，其根源正是這座小城的歷史。

王在學業上很早就展現出數理天賦。他就讀洛斯阿拉莫斯高中，在數學與物理競賽中屢獲佳績：二〇一三年入選美國數學奧林匹克訓練營（Math Olympiad Program），二〇一四年躋身美國物理國家隊（US Physics Team），並在二〇一二與二〇一三年連續成為美國電腦奧林匹克（USACO）決賽選手。他曾在受訪時回憶，自己從小熱愛數學，六年級為了贏得一趟免費旅行去參加 MATHCOUNTS 競賽，才真正迷上競技數學。這種從遊戲心出發、卻能持之以恆的特質，後來也體現在他創業的過程裡。少年時期，他已憑藉競賽成績收到矽谷科技公司的邀約。

十七歲那年，王從高中提前一年畢業，隻身搬到矽谷，進入財富管理大數據平台 Addepar 擔任軟體工程師。不久後他又加入問答網站 Quora，擔任技術主管，並在那裡認識了日後的創業夥伴露西·郭（Lucy Guo）。在 Quora，他第一次在大規模系統中接觸機器學習，也親眼看見一個真實的瓶頸：模型不缺，缺的是高質量、經過標註的訓練數據。這段經歷種下了日後 Scale AI 的種子。高中畢業後，他被麻省理工學院（MIT）錄取，主修數學與電腦科學。

在 MIT 的第一學年，王選修了研究生級別的機器學習與密碼學課程，據稱 GPA 達到滿分五點零。正是在宿舍裡，他動手做一個人工智慧冰箱攝像頭，想偵測室友何時偷吃了他的食物。在搭建這套系統的過程中，他獲得了一個關鍵洞見：人工智慧的進步不會被算法限制，真正的束縛是「數據的可取得性」。數據，而非代碼，才是瓶頸。這句話後來成為他創辦公司的起點。值得一提的是，他的名字「Alexandr」比常見拼法少了一個 e，因為父母依據中國傳統數字觀，認為八個字母的姓名能帶來好運與財富。

02創業原點：從醫生聊天機器人到賣鏟子的人

二〇一六年，十九歲的王做出一個在旁人眼中近乎豪賭的決定：從 MIT 輟學，全職創業。他原本的構想並不是數據標註，而是一個醫生聊天機器人——想用人工智慧回答醫療問題。但很快他發現，真正稀缺的不是「想法」，而是餵養模型的數據。於是他與露西·郭掉頭，去做「淘金熱裡賣鏟子的人」：不自己去挖金子，而是為所有挖金子的人提供標註數據的基礎設施。這一「賣鏟子」的判斷，成為 Scale AI 日後商業模式的靈魂。他後來對父母戲稱，Scale AI「只是暑假玩玩」，結果從此再沒回過校園。

二〇一六年六月，王與露西·郭帶著這個願景進入 Y Combinator 的夏季批次（Summer 2016 batch）。當時的山姆·奧特曼（Sam Altman）正擔任 YC 總裁，後來成為 OpenAI 的掌門人。YC 為 Scale AI 提供了十二萬美元、換取約百分之七的股權。兩位創辦人最初在舊金山一間狹小的公寓裡寫程式，王負責後端算法，把標註任務分發給全球人工池；郭則設計直觀、像素級精準的標註介面，盡可能降低標註者的認知負擔。他們的第一個產品是 Scale API——號稱「一行代碼就能取得人類智慧」的數據標註接口。

Scale API 上線後三天，就登上 Product Hunt 的首頁，這為早期曝光帶來關鍵助力。但真正打開局面的，是兩位創辦人揹著筆電、拿著 demo，在二〇一六年的 CVPR 電腦視覺會議上一家家展位去推銷。當時自動駕駛正興起，車廠與新創手握海量道路影片，卻沒人有足夠的人力去審查與標記。王與郭敏銳抓住這個痛點：豐田研究所（Toyota Research Institute）先簽約，接著是 Lyft、通用汽車的 Cruise、Zoox、Nuro 等。短短兩年內，Scale 成了自駕產業默認的數據基礎設施，早期客戶名單就是一張矽谷自駕勢力圖。

創業初期，王與團隊其實並不清楚該聚焦哪類數據。他們嘗試過各種方向，有的成功、有的失敗。二〇一七年，他們推出 Remotasks，以眾包方式組織肯亞、菲律賓、委內瑞拉等地的廉價海外標註人力，用低成本實現規模化營運。這套「算法預篩選、人工精準覆核」的混合體系，覆蓋圖像、文本、影片與三維感測器數據，使 Scale 能在保證質量的同時壓低價格。正是這種務實的營運設計，讓一家剛起步的公司得以服務最挑剔的技術客戶，也為後來的商業飛輪埋下伏筆。

03最艱難的關：沒人相信數據是瓶頸

Scale AI 早年收入亮眼，卻屢遭投資人拒絕。王後來把這段經歷濃縮成一句話：「你必須建立起一套沒有任何人認同的信念。」問題在於，當時多數投資人自己從未訓練過模型，根本不理解「數據」為何重要。他們看得懂炫目的算法演示，卻看不到背後那座枯燥、昂貴、勞動密集的標註工廠。於是拒絕他們的人，如今正在寫文章論證數據多麼關鍵。「隨大流，你會被徹底搞糊塗」——這是王在至暗時刻守住的判斷，也是他日後反覆強調的創業心法：在沒人同意時仍要有自己的信念。

另一道難關來自公司內部與定位的搖擺。創立之初，Scale 的設想是成為「一站式人力服務中心」，用人工完成算法做不來的任務，這在外界看來幾乎與人工智慧的方向背道而馳。團隊在產品路線上反覆試錯，許多嘗試沒有結果。更棘手的，是一八年因營運方針分歧，王解除了共同創辦人露西·郭的職務；郭後來轉向創投，創辦 Backend Capital 與 Passes，但兩人分道揚鑣的過程並不平靜。對一家年輕公司而言，聯合創辦人的離開向來是信任與方向的雙重考驗，王必須獨自扛起執行長的決策重量。

還有一重更安靜、卻更根本的焦慮：規模化之後，標註工作高度依賴外包勞力，勞工權益問題如影隨形。肯亞、菲律賓等地工人的薪資被指低至每小時一至兩美元，任務按件計酬、時長從幾秒到數小時不等，薪資難以固定，且曾有工人未經說明被「集體下線」。美國勞工部一度展開調查（後於二〇二五年五月以未有發現告終）。「Scale AI 不是人工智慧公司，只是一家廉價勞力公司」的批評始終在耳。王一方面為薪酬辯護，稱其相對當地經濟具競爭力；另一方面也推動從純人工標註轉向 AI 輔助標註，試圖讓商業模式更可持續。

04翻盤的一役：押中自駕這道數據閘門

真正讓 Scale AI 翻盤的，是它精準押中了自動駕駛這道「數據閘門」。王與郭意識到，自駕公司有海量道路影片要訓練模型，卻沒有足夠的人去審查與標記——這正是 Scale 能補上的缺口。二〇一七年，國際創投公司 Accel 的合夥人丹·列文（Dan Levine）提出為 Scale AI 提供四百五十萬美元 A 輪融資，甚至把自己的地下室借給公司當臨時總部。這一筆錢與一個屋簷，讓團隊從公寓搬進了真正意義上的辦公室，也宣告市場開始認真看待「數據標註」這門生意。

二〇一八年，Scale AI 正式進軍自動駕駛領域，完成一千八百萬美元 B 輪融資；次年，由貝寶（PayPal）創辦人彼得·泰爾（Peter Thiel）領投的創始人基金（Founders Fund）加持一億美元 C 輪，公司估值一舉突破十億美元，正式躋身獨角獸。更具戰略意義的是，Scale 成為 OpenAI 早期生成模型的標註數據供應商，並在 GPT-2 上完成了人類反饋強化學習（RLHF）的第一次實驗。從「賣鏟子」到「為前沿模型供能」，Scale 的角色被重新定義——它不再只是自駕的配角，而成為整場生成式 AI 淘金熱的基礎設施。

這一切的背後，是王對「瓶頸在哪裡」的持續下注。他相信，模型進步的腳步不會停，但世界的瓶頸在於把這項已經存在的技術擴散出去、幫世界適應它。即便模型從今天起完全停止改進，經濟層面的重構仍會持續幾十年。這種判斷讓他在競爭焦點從「造出智能」轉向「消化智能」的當口，始終站在供給側。當同行拚命追逐更大的模型，王選擇去經營那座最不起眼、卻最不可替代的標註工廠——這正是他翻盤的關鍵決策：在沒人願意做的苦活上，築起別人繞不過的護城河。

05公司發展史（一）二〇一六–二〇一九：從 YC 到獨角獸

Scale AI 的頭三年，是一段從公寓實驗室走向產業基礎設施的編年史。二〇一六年進入 YC 夏季批次、同年底推出 Scale API，並在 Product Hunt 取得早期曝光；二〇一七年靠著自駕客戶與 Remotasks 的眾包體系站穩腳跟，完成 Accel 領投的四百五十萬美元 A 輪。這一階段的關鍵不在營收數字，而在於王確立了公司的定位：不做終端 AI 產品，只做所有 AI 產品都需要的「數據加工廠」。這種克制讓 Scale 避開了與客戶競爭，反而把客戶變成了依賴它的上下游。

二〇一八年是 Scale 的分水嶺。一千八百萬美元 B 輪到手，公司正式把主戰場鎖定自動駕駛；同年，因營運分歧，王解除了露西·郭的職務，獨自掌握方向盤。也是在這一年，矽谷對軍方 AI 合約的態度因谷歌退出「Maven 計劃」而轉冷，許多公司視國防業務為燙手山芋。王卻選擇反向操作——當谷歌因員工抗議退出後，Scale 接手了五角大廈 Maven 計劃的數據標註工作。這一步當時備受質疑，他後來坦言，那時的 Scale「有點像個異類」，但他相信「理性終將勝出」。

二〇一九年，Scale AI 完成一億美元 C 輪融資，由彼得·泰爾的創始人基金領投，估值超過十億美元，正式成為獨角獸。同年，公司與 OpenAI 建立早期合作，為其生成模型提供標註數據，並在 GPT-2 上完成 RLHF 的首次實驗，這筆合作後來被王視為 Scale 幾乎為每一次 AI 突破「提供動力」的起點。至此，Scale 的客戶名單已涵蓋自駕、前沿模型實驗室與政府部門，數據引擎的飛輪開始轉動：越多客戶，越多數據與經驗，標註質量與速度越領先，又反過來吸引更多客戶。

這段發展史裡還有一個常被忽略的細節：Scale 很早就布局了全球化的人力網絡。Remotasks 在二〇一七年上線後，把標註工作分散到肯亞、菲律賓、委內瑞拉等地，既壓低了成本，也讓公司具備了處理多語言、多模態數據的能力。到二〇一九年，Scale 已不再是兩個年輕人在公寓裡寫出的 API，而是一個橫跨矽谷、連接全球數十萬標註者的數據供應鏈。這套供應鏈的韌性，後來在疫情、地緣衝突與客戶流失的考驗中，一次次被證明是 Scale 最堅實的資產。

06公司發展史（二）二〇二〇–二〇二一：估值與財富的飛躍

二〇二〇年，Scale AI 迎來雙重突破。一方面，公司與美國國防部簽下價值九千一百萬美元的合同，正式把業務觸角伸進國安領域；同年，公司估值達到三十五億美元。另一方面，公司內部對政府數據引擎的投入開始開花結果——其公共部門數據引擎此後為國防部多項主要 AI 計劃提供動力。王在國防 AI 上的立場愈發鮮明，他不但沒有迴避爭議，反而把「為美軍做 AI」寫進公司的使命敘事，這在當時的矽谷屬於相當少見的鮮明姿態。

二〇二一年是王個人與 Scale 的財富里程碑。一月，公司完成一億五千萬美元 D 輪；四月再宣布三億兩千五百萬美元 E 輪。不到五年，Scale 估值飆升至七十三億美元。由於王持有約百分之十五的股權，他在二十四歲時成為全球最年輕的白手起家億萬富豪。福布斯將他列入「30 Under 30」與「Time 100 AI」等榜單，媒體開始把他與山姆·奧特曼、黃仁勳並列為 AI 時代最具影響力的創業者之一。從輟學到億萬富豪，他只用了五年。

這一階段的 Scale，客戶群從自駕擴展到幾乎所有前沿玩家：Meta、微軟、OpenAI、輝達（Nvidia）、豐田、哈佛醫學院等都在其名單之上。王把公司定位為「生成式 AI 淘金熱中的鎬與鏟」——當所有人都在挖金子，Scale 另闢蹊徑，在數據層面佔據領先。二〇二一年他還加入了 Expedia Group 董事會，顯示其公共影響力已超出創業圈。值得注意的是，隨著規模擴大，公司也首次面臨「純人工標註是否可持續」的質疑，這為日後轉向 AI 輔助標註與合成數據埋下伏筆。

07公司發展史（三）二〇二二–二〇二四：F 輪、MEI 與華盛頓布局

二〇二二年，Scale AI 在國防版圖上再下一城：一月，公司透過國防部聯合人工智慧中心（JAIC，後併入首席數位與 AI 辦公室 CDAO）取得上限達二億四千九百萬美元的空白採購協議（BPA）。這筆協議標誌著 Scale 從「自駕數據商」正式蛻變為「美軍 AI 骨幹供應商」。王在國防上的投入，源於他對洛斯阿拉莫斯與曼哈頓計劃的歷史認知，也源於他訪問中國後的震撼——他看見當地 AI 公司幾乎百分之百聚焦人臉辨識與監控，這讓他篤信美國必須在國安 AI 上保持領先。

二〇二三年，Scale 的政府業務持續加深：八月，CDAO 授予一項其他交易協議（OTA），由 Scale 提供「數據引擎」來策展與標註多模態軍事數據（影片、雷達、影像）。同年七月，王在眾議院軍事委員會一個小組委員會前作證，談論美國政府採用 AI 所面臨的挑戰與對策。八月，他對外說明 Scale 正式將「優才、卓越、智慧」（MEI，Merit、Excellence、Intelligence）列為招聘政策，公開主張「人應按其品格內涵、以及作為同事時的才幹、技能與工作倫理來評斷」，這被普遍視為與 DEI（多元、公平、包容）路線相左的鮮明表態。

二〇二四年是 Scale 的資本與政治雙豐收之年。五月，由 Accel 領投、輝達、亞馬遜、Meta、AMD、英特爾等巨頭跟投的十億美元 F 輪完成，公司估值逼近一百三十八億美元，幾乎為 AI 領域的每一次突破提供過動力。據王自己披露，公司員工超過一千五百人、累計融資至少十三億美元。同年十一月，Scale 發布基於 Llama 3 微調的國防專用大模型 Defense Llama；並推出 agent 編排平台 Scale Donovan。這些動作顯示 Scale 已從「標註工廠」升級為具備模型與編排能力的國防 AI 平台。

在資本與產品之外，二〇二四至二〇二五年間王把大量精力投入華盛頓。二〇二五年一月，他出席川普的就職典禮，並直接致信總統，宣稱「美國必須贏得 AI 之戰」，提出聯邦政府應加大 AI 投資與採用。同月在世界經濟論壇（達沃斯）上，他聚焦中美競賽，特別談到中國 DeepSeek 的能力，甚至聲稱 DeepSeek 擁有約五萬枚輝達 A100 芯片，藉此質疑美國出口管制的成效。二月，他會見英國首相施紀賢、印度總理莫迪、法國總統馬克龍等領袖，推動 AI 全球合作。從創業者到政策掮客，王的影響半徑在這兩年迅速擴張。

08公司發展史（四）二〇二五–二〇二六：Meta 世紀交易與超級智能實驗室

二〇二五年六月，一樁震撼業界的交易落地：Meta 宣布以一百四十三億美元收購 Scale AI 百分之四十九的股權（無表決權的少數投資），對 Scale AI 的整體估值超過二百九十億美元，成為史上規模最大的私企融資事件之一。作為交易的一部分，王卸下 Scale AI 執行長一職，加入 Meta 出任首位「首席 AI 官」（Chief AI Officer），並執掌新成立的「超級智能實驗室」（Meta Superintelligence Labs, MSL）。首席戰略官傑森·德羅格（Jason Droege）出任 Scale 臨時執行長，王則保留董事席位。這一安排既讓 Meta 取得數據優先權，又因屬少數股權投資而避開了對控股收購的反壟斷審查，是筆高度計算過的交易結構。

這筆交易的動機，與 Meta 自身的 AI 焦慮直接相關。二〇二五年四月發布的 Llama 4 模型反應冷淡，被使用者批評在程式任務上表現不佳；扎克伯格據報對進度深感不滿，親自主導招募與重組。他對王評價極高，在內部備忘錄中稱其為「他那一代最令人印象深刻的創辦人」，並由前 GitHub 執行長納特·弗里德曼（Nat Friedman）共同領導產品與應用研究。六月三十日，扎克伯格正式以內部備忘錄創立 MSL，把 FAIR 研究實驗室、Llama 團隊與新設的前沿模型單位整合於同一架構之下。

然而這筆「世紀交易」立刻引發利益衝突的質疑。消息公布後數小時內，Google 暫停了多個 Scale 項目；OpenAI 確認將逐步結束合作，把數據標註轉向內部與其他供應商；馬斯克的 xAI 也暫停部分合約。Scale 高層聲稱不會向 Meta 分享客戶機密，王也不會介入日常營運，但主要客戶仍舊流失。受此打擊，Scale 在二〇二五年裁撤約兩百名員工（約百分之十四人力），商業營收預期從二十五億美元下修至約十八億美元。原本想「買到競爭情報」的算盤，因客戶集體撤退而落空。

進入 Meta 後，王主導了一輪激烈的重組。二〇二五年十月，MSL 裁減約六百個職位，涵蓋 FAIR 基礎研究、產品與基礎設施團隊；他在一份內部備忘錄中寫道：「縮小團隊規模，做決定需要的對話更少，每個人會更『承重』，擁有更大的範圍與影響力。」備受矚目的精英單位 TBD Lab（王於二〇二五年另立、網羅頂尖招募人才的超級智能核心）則不受影響、甚至持續招人。裁員後 MSL 留下不到三千人。這套「精簡 legacy、重注精英」的邏輯，清晰展現了王「人才密度會自我複利」的信念。

二〇二六年，Meta 的 AI 豪賭進入更深的水域。五月，公司宣布裁撤約八千個職位（約佔全球人力一成），同時把年度資本支出指引拉高到一千一百五十億至一千三百五十億美元，幾乎全部投向 AI 基礎設施，包括俄亥俄州的 Prometheus 超級叢集與路易斯安那州、佔地兩千兩百五十英畝的 Hyperion 數據中心。由 MSL 推出的首個模型 Muse Spark 於二〇二六年四月八日問世。圖靈獎得主、執掌 Meta AI 研究十二年的楊立昆（Yann LeCun）則於二〇二五年底離開，據報轉而創辦專注世界模型的 AMI Labs。從洛斯阿拉莫斯到 Meta 的超級智能實驗室，王的故事翻開了全新的一章。

09領導風格與性格：密度、過度與親力親為

王的領導風格，可以用「密度」與「過度」兩個詞來概括。他有一句被反覆引用的話：「人才密度是我押注的核心，它會自然地自我複利。」進入 Meta 後，他做的第一槓桿不是算力，而是密度——優秀的人越多，更優秀的人越想加入。這也是他大舉招募、甚至開出業界驚人薪酬包的原因。與此同時，他重新定義了許多被批評的「過度」：過度樂觀就是樂觀，過度溝通就是溝通，過度交付就是交付。「如果你沒有做過頭，那就是做得不夠」——領導者是全公司在乎程度的上限，這套哲學貫穿他的管理實踐。

在用人上，王以親力親為著稱。據記載，他會親自審閱 Scale 的每一筆招聘與重要產品產出，這種對細節的執著既保證了標準，也帶來集權的質疑。二〇二四年他推動 MEI 招聘政策，把「優才、卓越、智慧」置於首位，公開與 DEI 路線切割，顯示他願意為信念承擔爭議。他對團隊的要求極高，卻也護短——在國防合約備受批評時，他毫不退讓地為公司辯護，把爭議轉化為使命敘事。這種「護人」與「固執」並存的特質，讓他在年輕創辦人中顯得格外鮮明。

王的公開形象與私下性格存在落差。在舞台上，他是冷靜、自信、擅長把複雜議題濃縮成金句的政策掮客；在內部，他則是追求速度、厭惡冗長流程的執行者。二〇二五年主導 MSL 裁員時，他的邏輯直白而冷峻：組織變胖了，團隊之間為算力資源內鬥，必須砍掉重疊、讓剩餘的人更「承重」。這種務實到近乎冷酷的決斷，與他對「願景與雄心」的浪漫歌頌形成對比，也讓部分觀察者質疑：一個非研究科學家出身的創業者，能否真正激勵並領導頂尖學術人才。

與同代人相比，王最突出的差異在於「供給側思維」。當多數創辦人追逐更大的模型、更炫的產品，他始終守在數據這個最樸素、也最不被看好的環節。他不寫論文、不做研究突破，而是把數據標註做成一門規模化、可複利、具戰略價值的生意。這種「賣鏟子」的克制，恰是他能在巨頭夾縫中建立起不可替代地位的關鍵。他也承認自己受山姆·奧特曼、伊隆·馬斯克等榜樣影響，但他走的路，更接近一個把基礎設施當作主權資源來經營的實業派。

10成功秘訣：從判斷、組織到敘事的閉環

回顧王的路徑，可以歸納出幾條可辨識的成功秘訣。其一，押注真正的瓶頸而非熱鬧的賽道。當所有人追逐算法與模型，他看見的是「數據可用性」這道無聲的閘門，並把公司建在閘門之上。其二，在沒人同意時堅持自己的信念。早年投資人看不懂數據，他沒有跟風改做終端產品，而是守住「數據加工廠」的定位，讓客戶變成依賴他的上下游。其三，賣鏟子而非挖金子。他拒絕直接去做醫生聊天機器人，轉而為所有淘金者供給基礎設施，從而避開與客戶競爭、又能從每場熱潮中收穫。

其四，人才密度會自我複利。他相信優秀的人吸引更優秀的人，因此把招募與標準當成最核心的槓桿，寧可精簡組織也要維持密度。其五，把危機當成道德使命。在矽谷迴避國防合約的當口，他把為美軍做 AI 上升為「道德義務」，反向布局，最終讓 Scale 成為美軍 AI 骨幹。其六，用文明級的視野思考。他習慣把 AI 浪潮看成比上一波大十倍、且「千載難逢」的機會，這種宏大敘事既激勵團隊，也說服了資本與華盛頓。其七，數據是飛輪而非石油。他修正「AI 是新石油」的比喻，指出 AI 會自我遞增，這讓他在戰略上敢於長期下注。

其八，親力親為、對標準零妥協。從親自審閱招聘到推動 MEI、從寫部落格「DO TOO MUCH」到主導裁員重組，王始終把自己視為全公司在乎程度的上限。他相信在公司裡真正會複利的，是「在乎」與「高標準」——這比任何方法論都更根本。這些秘訣彼此呼應，構成一個從判斷、組織到敘事的完整閉環：看準瓶頸、守住信念、築起密度、講好使命。值得一提的是，王並非天生研究型天才，他的優勢在於把別人忽視的苦活做成戰略資產，這種務實的取捨，比任何天賦都更難被複製，也更能解釋他為何能在巨頭夾縫中立足。

但必須誠實地說，王的成功兼具可複製與不可複製的兩面。可複製的是方法：押注瓶頸、賣鏟子、經營密度、把爭議轉化為使命——這些任何創業者都能學習。不可複製的是時代與運氣：他趕上了自駕與生成式 AI 兩波史詩級熱潮，又恰好站在美中科技競賽與國防 AI 化的歷史轉折上；洛斯阿拉莫斯的出身、MIT 的跳板、YC 的入場券，以及與奧特曼等人的網絡，都不是努力能保證的。他的故事證明，時代給了鏟子生意一個罕見的窗口，而他恰好把鏟子磨得最利。

11個人、價值觀與生活：低調、科幻與腦機好奇

在私人生活層面，王刻意保持低調。他至今單身，鮮少在社群媒體上分享個人情感，更願意談論編碼、AI 戰略與科幻閱讀。據記載，新冠疫情最嚴重時，他與 OpenAI 執行長山姆·奧特曼同住當室友，兩位 AI 時代的關鍵人物在隔離中近距離相處。他據稱飲食極簡以換取專注與思維清晰，並把科幻與未來主義書籍當作放鬆與汲取洞察的方式。這種近乎苦行、卻高度自我驅動的生活節奏，與他「過度投入」的領導哲學一脈相承。

金錢觀上，王並未把財富本身當成終點。成為億萬富豪後，他更頻繁地出現在董事會（如 Expedia Group）、政策場合與公開信中，把影響力指向產業與國家層面。他對腦機介面的態度尤其耐人尋味：他甚至願意給自己植入晶片，前提是對網絡安全有絕對信心，且大量先行者數據證明它不會根本改變意識；他進一步把腦機介面視為「數位永生」的初級階段，也視其為人類不被 AI 甩開的唯一方式。這種對技術邊界的坦率好奇，顯示他的價值觀始終圍繞「人類如何與更強的 AI 共存」。

家庭與身世，是他敘事裡反覆回到的錨點。父母皆為洛斯阿拉莫斯國家實驗室的物理學家，這份家世既給了他科學的底色，也塑造了他對國家安全問題的獨特責任感。作為華裔美國人，他的身份是事實性的：父母來自中國、他在美國出生長大、是美籍華人。他對中美 AI 競賽的發言，既源於商業利益，也源於親身觀察——訪中期間見證中國 AI 公司聚焦監控的震撼，是他日後力推美國 AI 領先與「國家數據儲備」的重要情感來源。名字「Alexandr」少一個 e，則是父母依中國數字觀取的八字母「好運」之名。

在公開形象上，王善於把個人故事嵌進更大的時代敘事。他不諱言自己的野心，也樂於承認「最好的 AI 產品根本還沒被做出來」；他既歌頌願景，也冷靜談論算力、電力與土地這些最笨重的約束。他對 AI 的態度並非無限樂觀：他提醒宣傳操縱的能力會從一到兩分躍升至九到十分，意識本身可能成為可設計、可備份的工程系統，因此呼籲「人類必須保持主權」。呼籲主權的人，恰恰是最深度下注的人——這種張力，構成了他個人形象最真實的層次。

12國家與時代意義：數據即主權的縮影

把王放回他所處的時代，會發現他恰好站在幾條歷史線的交會點上。其一是生成式 AI 的爆發，使「高質量訓練數據」從幕後工序變成戰略資源；其二是美中科技競賽升溫，數據、算力、算法被重新理解為類似石油與電力的國力要素；其三是國防 AI 化，五角大廈從懷疑到擁抱 agent 化的作戰規劃。王所經營的，正是這三條線共同需要的「基礎設施」——誰能持續供給高質量、帶語境的數據，誰就扼住了模型的喉嚨。這讓 Scale AI 從一家標註公司，躍升為產業與地緣的交叉節點。

在美中競賽的框架裡，王提出了清晰的三欄對照：美國在算力上領先，中國在數據上領先，算法上則不相上下。他最焦慮的是數據那一欄——中國有規模化的政府計劃去「贏得數據」，而美國的高價值數據至今碎片化散落各處。為此，他在華盛頓力推「國家數據儲備」（National AI Data Reserve），主張像對待石油一樣對待數據，且第一優先級留給國家安全數據。這個想法在二〇二五年六月 AI+ Expo 與眾議院能源暨商業委員會聽證中被反覆提出，雖尚未成為法律，卻已進入政策討論的核心。

王的國防立場，則把一名華裔美國創業者的個人身世，與美國的國安敘事緊緊綁定。他在 CSIS（二〇二五年五月）與 AI+ Expo 上直言，偉大的 AI 技術必須應用於國家安全問題，這對他是一種「道德義務」，根源正是洛斯阿拉莫斯與曼哈頓計劃對世界秩序的影響。Scale 因此拿下 Thunderforge 等旗艦計劃——二〇二五年三月，國防創新單元（DIU）授予 Scale 原型合同，由它聯手 Anduril 與微軟，把 AI agent 用於印太與歐洲戰區的作戰規劃。從標註工廠到五角大廈的 AI 作戰室，王的影響力已直達國防核心。

二〇二五年那筆 Meta 交易，則把王推向了另一個量級的舞台：他不再只是某家獨角獸的創辦人，而是全球最大社交平台之一的 AI 掌舵者，主導超級智能實驗室、牽動數百億美元的資本支出與頂尖人才流向。這既彰顯數據基礎設施的戰略價值，也暴露了「中立供應商」在巨頭入場後的脆弱——客戶的集體撤退，提醒業界數據與研究多麼被嚴密守護。王的意義，因而超越個人財富：他是這個時代如何理解「數據即主權」、以及 AI 如何同時成為產業引擎與國家博弈籌碼的一個縮影。

01家世與早年：

楊植麟一九九三年生於廣東汕頭（另有媒體記載為一九九二年，見下方備註），成長於一個普通家庭。汕頭地處嶺南沿海，崇商重學的潮汕文化在他身上留下兩道印記：一是敢闖敢拼的實用主義，二是對家鄉始終不渝的情感。他就讀於當地名校金山中學，彼時尚無任何編程基礎，卻因邏輯思維出眾被選入信息學奧林匹克競賽培訓班。僅用一年苦學，他便在是全國青少年信息學奧林匹克聯賽中奪得廣東賽區一等獎，直接拿到清華大學保送資格。耐人尋味的是，他隨後仍照常參加高考，以六百六十七分的成績拿下汕頭理科狀元，被網友戲稱「三次被清華錄取」——保送、自主招生、高考，三張入場券盡數到手。

二〇一一年，楊植麟進入清華大學熱能工程系，這與他後來的軌跡看似南轅北轍。轉折發生在大二：他讀到村上春樹小說中程序員深夜寫代碼、讓技術落地的情節，深受觸動，毅然轉入競爭激烈的計算機系。在清華計算機系知識工程實驗室（KEG），他師從唐杰教授，成績常年保持年級第一，程序設計課程以滿分通過。課業之外，他組建校園搖滾樂隊 Splay（隊名取自數據結構「伸展樹」），擔任鼓手與詞曲作者，還曾晉級清華校園歌手大賽原創決賽。理性的代碼世界與浪漫的音樂靈魂，在他身上並行不悖。

二〇一五年，楊植麟赴美國卡內基梅隆大學（CMU）語言技術研究所（LTI）攻讀博士，這裡是全球自然語言處理的頂尖殿堂。他師從蘋果公司首任人工智能總監 Ruslan Salakhutdinov 與谷歌首席科學家 William W. Cohen，在深度學習與大語言模型的核心地帶潛心鑽研。從潮汕小鎮到匹茲堡的實驗室，這段求學路為他後來「長上下文」與「無損壓縮」的技術信仰埋下種子——多年後他回憶，正是在谷歌用數千張卡訓練語言模型的日子，讓他確信 scaling law 這條路值得一直走下去。

02創業原點：

楊植麟的第一次創業早在博士期間就已啟動。二〇一六年，尚在 CMU 讀博二的他聯合創辦循環智能（Recurrent AI），主攻企業銷售科技，運用自然語言處理、語音與多模態技術打造「銷售大模型」方案，先後獲金沙江創投、真格基金、紅杉中國等投資，一路走到 C 輪。這段經歷讓他吃透技術落地、團隊管理與資本運作，也與華為合作研發初代盤古大模型。此後他又參與北京智源研究院悟道大模型的研發，從學術象牙塔一步步貼近真實產業。

學術上，楊植麟的天賦更為耀眼。他僅用不到四年便完成一般需六年的博士課程，以第一作者發表 XLNet（廣義自回歸預訓練模型），入選 NeurIPS 2019 Oral，在二十個標準任務上超越谷歌 BERT，十八個任務取得歷史最佳；又以共同第一作者提出 Transformer-XL，在多項序列建模數據集上刷下紀錄。兩篇論文成為現代大語言模型的理論基石，谷歌學術引用量極高（各來源說法出入甚大，見備註）。他還是二〇一八年英偉達學者、西貝爾學者，曾在谷歌大腦與 Meta 人工智能研究院實習。

真正的創業觸發點是 ChatGPT 在二〇二二年底引爆的全球浪潮。楊植麟判斷，通用人工智能的窗口期已經打開。二〇二三年四月十七日，他創辦北京月之暗面科技有限公司（Moonshot AI），個人持股約百分之七十八點九七，擁有絕對控制權。公司英文名 Moonshot、中文名「月之暗面」皆取自他鍾愛的搖滾樂隊平克·弗洛伊德（Pink Floyd）專輯《The Dark Side of the Moon》，寓意探索人工智能未知而神秘的那一面。他集結清華老同學（如周昕宇、吳育昕）與海外頂尖工程師，迅速組建起初始團隊。

03最艱難的關：

二〇二四年四月，據界面新聞報道，楊植麟通過售出個人持股套現數千萬美元。消息一出，輿論嘩然，質疑這位標榜長期主義的創始人是否急於變現。月之暗面當月回應新京報，稱上述消息不實，強調公司此前已公布員工激勵計劃。這場風波雖然平息於一紙公告，卻在公眾心中留下揮之不去的問號：當技術理想遇上資本回報，年輕創始人究竟該如何自處？事後來看，這更像是一堂公關課——在聚光燈下，創始人的每一筆個人財務動作，都會被放大成對公司信念的審判。

更棘手的是與第一次創業的糾葛。二〇二四年十一月，五位來自循環智能的老股東在香港提起仲裁，聲稱當年楊植麟離職創辦月之暗面時未獲得他們簽署的豁免（waivers）。金沙江創投朱嘯虎側面提及「尚未理清的責任」（uncleared liability），楊植麟則回應「已辦妥所有必要手續」。截至本文撰寫，雙方仍未和解。這筆「創業原罪」般的爭議，成為懸在月之暗面頭頂的長期變數，也提醒市場：明星創始人的光環之下，往往藏著尚未清算的舊帳。

比外部糾紛更難熬的，是二〇二五年初的輿論逆風。在 DeepSeek 聲名大噪之前，外界對月之暗面的論調一度是「Kimi 為何掉隊了」——算力緊缺、同代競品環伺、短期商業化壓力陡增。楊植麟後來坦承，最艱難的關，是在「長期 AGI 信仰」與「短期生存與融資節奏」之間找平衡：既要堅持不急於找 PMF（產品市場契合），又要確保公司活到技術兌現的那一天。這道關，靠的是對技術路線的篤定，而非帳面數字；也正因如此，他頂住了誘惑，沒有在低谷期倉促轉向應用層。

04翻盤的一役：

翻盤的關鍵，是二〇二五年七月發布的 Kimi K2。這款模型擁有約一點零四萬億參數、三百二十億激活參數、三百八十四個專家、十五點五萬億預訓練 token，訓練過程零 loss 突刺（loss spike），在 LMSYS Arena 登頂開源模型第一。K2 證明了一件事：中國團隊不只能做應用層的跟隨者，也能訓練出全球頂級的開源基礎模型，且以開放權重贏得開發者生態。更關鍵的是，K2 的訓練穩定性打破了「開源等於次一等」的偏見，讓月之暗面第一次在技術指標上與閉源巨頭平起平坐。

二〇二六年一月，Kimi K2.5 在 Hugging Face 開源模型榜單登頂第一。三月，在英偉達 GTC 2026 大會上，黃仁勳將 K2.5 作為展示下一代芯片能力的基準模型；楊植麟獲邀 solo 四十分鐘技術分享，成為現場唯一來自獨立大模型創業公司的代表，並將 Kimi 的進化邏輯歸納為「Token 效率、長上下文、智能體集群（Agent Swarms）」三維共振。學術與工程雙重認可，讓月之暗面重回聚光燈中央，也讓資本市場重新評估這家曾被質疑掉隊的公司。

真正讓「掉隊」敘事逆轉的，是一場意外。AI 編程應用 Cursor 發布自研模型 Composer 2，開發者卻發現其底層基座正是 K2.5；馬斯克火速在社交平台評論「Yeah, it's Kimi 2.5」，Cursor 聯合創始人最終公開致歉、承認未提及 K2.5。這一事件連同 Hugging Face 首席執行官克萊門特的點評，標誌著中國開源模型已成為全球 AI 應用層的「地基」。從被質疑掉隊，到被競品默默套殼，楊植麟用一年時間打了翻身仗，也為「開源即影響力」寫下了最生動的註腳。更關鍵的是，它證明模型的價值不再由誰訓練決定，而由誰被依賴決定——當全球開發者默默構建在 K2.5 之上，影響力便已悄然落地。

05公司發展史（一）：

月之暗面的早期生存，靠的是精準的技術判斷而非應用堆砌。二〇二三年四月公司成立，僅兩個月便獲紅杉中國與真格基金兩億美元天使輪融資，投後估值即達三億美元。同年十月，Kimi Chat 上線，支持二十萬漢字無損輸入，是全球消費級大模型產品中最長的上下文窗口。楊植麟把這一判斷濃縮成一句話：「Lossless long context is everything（無損長上下文就是一切）。」在當時多數同業還在比拼參數規模時，他選擇繞開正面戰場，用「更長」撕開一道缺口。

二〇二四年二月，月之暗面完成超過十億美元的新一輪融資，投資方包括紅杉中國、小紅書、美團、阿里等老股東與新貴，投後估值約二十五億美元（約合人民幣一百八十億元）。這是 ChatGPT 掀起全球浪潮以來，國內大模型公司獲得的單輪最大金額融資。公司就此躋身國內大模型第一梯隊，成為「大模型六小龍」中最受資本追捧的一家。也正是這筆錢，讓月之暗面有底氣在算力昂貴的寒冬裡持續投入長上下文研發，而非急著變現。

同年五月，Kimi 的上下文窗口從二十萬字擴展到兩百萬字，完成十倍跳升。憑藉「長上下文」這一差異化武器，月之暗面在與 OpenAI 的競爭中找到側翼突破口——用戶可以把五十份簡歷一起丟給 Kimi 做篩選，或上傳整本書讓模型還原細節並推理。早期生存的法門由此確立：不與巨頭在通用對話上硬碰，而在「更長、更準」的無損上下文上構築護城河。這一選擇後來被證明極具前瞻性，因為長上下文恰恰成為二〇二六年 Agent 浪潮的基礎設施。

06公司發展史（二）：

二〇二四至二〇二五年，月之暗面經歷了第一次真正的範式轉型：研發重心從「預訓練加監督微調（SFT）」轉向「預訓練加強化學習（RL）」。楊植麟後來復盤，這一年最重要的決策，是儲備強化學習人才、並改變整個研發工作方式。K1.5 模型主要用於驗證強化學習技術路線（追趕 o1），團隊在實踐中發現，只需端到端獎勵信號即可訓練得很好，過程獎勵或價值函數甚至帶來副作用。這一認知讓公司少走了彎路，也為 K2 的穩定訓練埋下伏筆。

與此同步發生的，是從「對話」到「智能體（Agent）」的範式變化，這極大影響了團隊的實際工作流。二〇二五年，月之暗面接連發布 K1.5 與 K2，其中 K2 成為旗艦開源模型。隨著產品從聊天工具轉向智能體平台，團隊規模持續擴張，清華系校友與海歸工程師構成核心班底，組織形態也從小而美的科研隊伍，演變為能支撐萬億參數訓練的工業化機器。這一轉身並非一帆風順，內部一度要在「對話體驗」與「自主性任務」之間分配稀缺的算力與注意力。

資本層面同樣水漲船高。據二〇二六年四月騰訊新聞報道，月之暗面於二〇二五年底完成五億美元 C 輪融資，投後估值四十三億美元（約合人民幣三百一十億元），帳上現金儲備超過一百億元人民幣。楊植麟在內部信中明確表態「短期內不着急上市」，並將公司目標設定為「超越 Anthropic 等前沿公司，成為世界領先的 AGI 公司」。這一表態既是雄心，也是對長期主義的再次確認，等於公開向市場宣告：月之暗面要走的，是一條不同於短期變現者的路。

07公司發展史（三）：

進入二〇二六年，月之暗面的估值迎來跳升式重估。據多個來源梳理：二〇二五年十二月公司價值約四十億美元；二〇二六年五月，由美團領投的一輪融資將估值推高至二百億美元；七月進一步升至約三百五十億美元；pre-IPO 階段的目標則指向五百億美元。短短七個月七倍重估，資本市場用真金白銀下注「長上下文」這一技術論題（各源數字出入較大，見備註）。這種跳升既反映技術突破，也夾雜著對中國大模型整體預期的情緒修復。

與估值跳升並行的，是資本市場化進程。二〇二六年四月十日，國務院總理李強主持經濟形勢專家和企業家座談會，楊植麟作為八位發言代表之一、且是唯一的大模型創業者出席，半個月內第二次亮相《新聞聯播》。李強在講話中強調「深化拓展人工智能加，加快製造業數智化轉型」，信號意義不言自明。月之暗面推進港股 IPO 的傳聞，自此從坊間走向檯面，也被視為新質生產力獲得國家層面認可的縮影。

估值從來是情緒與技術的雙重定價。二〇二六年七月 Kimi K3 發布後，美股人工智能板塊劇烈震盪，港股市場智譜股價單日下跌百分之二十八點四九、MiniMax 下跌百分之十五點六二，研究機構將之部分歸因於 K3 的衝擊。對月之暗面而言，資本市場既是助推器，也是放大鏡——每一項技術突破與每一則爭議，都會被迅速折算成股價與估值。這一階段的關鍵詞，是「上市前夜的狂歡與審視」，榮耀與壓力同時被放大。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年七月十六日，月之暗面在 WAIC 前夕突襲發布 Kimi K3：約二點八萬億參數、百萬 token 上下文窗口、開放權重，在多項主流基準上超越 GPT-5.6 與 Fable 5，是全球首個萬億級開源大模型。定價上，K3 輸入每百萬 token 二十元、輸出一百萬 token 一百元，位居國內模型最高價檔，卻仍僅為海外同類模型的三成。高盛在研究報告中給出定性結論：這標誌中國模型邁向「定價權」的全新里程碑，意味著中國公司開始有能力為頂級智能定價。

K3 的衝擊波遠及華爾街與華盛頓。據中新網報道，發布七十二小時內美股人工智能板塊合計蒸發約四千七百億美元；馬斯克先在相關報道下留言「令人印象深刻」，後官宣 Grok 4.5，稱「有可能超越 Kimi」；黃仁勳則明確表態，美國公司「絕對應該」被允許使用中國模型。與此同時，美國封禁中國開源 AI 模型的呼聲再起，月之暗面被推上地緣科技博弈的風口浪尖，一家中國創業公司首次讓矽谷與華盛頓同時認真對待。

需求過旺也帶來甜蜜的煩惱。K3 上線不到四十八小時，Kimi 便宣布「暫停對新用戶開放訂閱」，以應對算力瓶頸。在另一條戰線，Kimi K2.5 在 OpenClaw 智能體調用榜單穩居首位，據報道自一月以來創下二十天收入超越二〇二五年全年總收入的紀錄。二〇二六年八月二十七日，楊植麟入選全球 AI 領域最具影響力一百人榜單。今天的月之暗面，已是一家員工激勵完善、技術全球矚目、港股 IPO 在即的頭部玩家，完成從「掉隊疑雲」到「領跑者」的跨越。

09領導風格與性格：

楊植麟的管理哲學可以概括為「頂層願景加湧現式組織」。他反覆強調，大模型創新很難用規劃的方式實現，必須在一個好的系統裡讓基層單元自由組合、自下而上湧現——正如當年 Transformer 誕生於谷歌提供的環境。作為一號位，他的角色是做出技術判斷並拍板執行（tech vision），為整個組織提供框架與節奏，而非事必躬親。他常用鼓手自喻：鼓手不彈旋律，卻掌握節奏，為樂隊提供演奏的骨架。這種「定框架、放手讓人湧現」的風格，讓月之暗面在高速擴張中仍保持技術方向的一致。

他是徹底的長期主義者，相信「技術是這個時代唯一的新變量」。在訪談中他直言，若只急著找 PMF，很可能被更高維的技術「降維打擊」。這種耐心體現在用人上：他追求極高的人才密度與共同的願景，願意為頂尖研究者提供湧現的環境而非硬性 KPI。他護人、信人，把組織創新視為通往 AGI 的「必經之路」，甚至比細枝末節的技術更為底層。與許多追求快速規模化的創始人不同，他寧可犧牲短期增速，也要守住技術與組織的長期質量。

公開形象上，楊植麟低調、學術、近乎書生氣；私下卻留有浪漫的一面——搖滾樂隊鼓手、詞曲作者，談吐間偶爾引述村上春樹。他對技術有近乎偏執的標準：以「無損壓縮」對抗 hallucination（幻覺），認為只要模型足夠準確，解釋本身都不再必要。與同代許多商業型創始人不同，他是學者型創業者——論文即是產品的地基，這讓他在資本與技術之間，始終更信任後者。這種性格底色，解釋了為何他能在套現誘惑與輿論風波中守住長期主義。

10成功秘訣：

歸納楊植麟的成功，至少有七條可印證的脈絡。其一，技術品味與學術底蘊：作為 Transformer-XL 與 XLNet 的第一作者，他的研究本就是行業基石，這種「從論文作者變成產品締造者」的縱深極為罕見。其二，押注長上下文：從二十萬到兩百萬漢字無損窗口，他把一個技術判斷做成了差異化護城河。其三，長期主義：拒絕急於上市、拒絕被短期 PMF 綁架，寧可慢一步也要賭對方向。這三條加起來，構成了一個清晰的方法論：用學術判斷定方向，用時間換空間。

其四，組織創新：他堅信要從零建造新組織，用湧現式機制取代傳統規劃，這讓月之暗面能反覆攻克長文本、智能體、多模態等不同難題。其五，範式轉向的勇氣：在二〇二四至二〇二五年果斷從預訓練加 SFT 轉向預訓練加強化學習，並擁抱 Agent 範式。其六，開源開放換生態：以開放權重讓 K2、K2.5 成為全球應用地基，Cursor 套殼事件反證其影響力。其七，敢於取捨：兩次創業、離開循環智能 all in 通用人工智能，每一步都做減法。

然而他的成功絕非完全可複製。天賦、清華與 CMU 的頂尖訓練、ChatGPT 引爆的時代窗口，三者疊加才成就這條路；踩中「長上下文需求爆發」與「中國開源崛起」兩股浪潮，也帶有運氣成分。可學習的，是技術判斷的篤定與組織能力的打磨；不可學習的，是時代賞飯的偶然。楊植麟的標本意義正在於此：他用學術品味證明，華人研究者不只能追隨矽谷，也能定義下一個時代——這既是個人的勝利，也是一代人的可能。

11個人、價值觀與生活：

在金錢觀上，楊植麟經歷過輿論的放大鏡。二〇二四年套現傳聞中，他選擇以公司公告否認，並將焦點拉回員工激勵與長期價值。胡潤榜顯示，他於二〇二五年以七十三億元人民幣財富上榜，二〇二六年升至九十億元，但相較於頭頂的光環，他極少談論個人財富，始終保持技術人的低調。對他而言，財富更像驗證「做對行業有價值的事，商業回報自然會來」這一信念的副產品，而非驅動決策的目標。

家庭與家鄉是他鮮少提及卻始終在意的錨點。作為潮汕人，他成名後多次返回汕頭，以潮創會副會長身份為家鄉鏈接全球 AI 資源，參與潮創大會等公開活動。公開資料對其父母的著墨不多，只知出身普通家庭，這種「從海濱小城走到世界 AI 舞台」的敘事，使他成為汕頭實實在在的驕傲，也讓潮商精神在人工智能時代有了新註腳。他對家鄉的回饋不求高調，卻在每一次返鄉與產業對接中落到了實處。

興趣方面，音樂是他人生另一條主線。大學時代組建 Splay 樂隊擔任鼓手與詞曲作者，工作後仍保留對搖滾的熱愛——連公司名都取自 Pink Floyd。他能在嚴謹的算法世界與浪漫的旋律之間自如切換，同窗曾以對聯戲稱其「學術與搖滾靈活自如」。公開形象上，他是頻頻登上《新聞聯播》的九〇後領軍者，私下卻更像一個埋首技術、偶爾彈鼓的理工男，這種反差構成了他獨特的人格魅力，也讓嚴肅的 AI 敘事多了一抹人文的溫度。

12國家與時代意義：

在中國大模型版圖中，楊植麟與月之暗面是最受資本追捧的「六小龍」之一，而清華系則撐起這輪創業潮的半壁江山——王小川的百川、唐杰領銜的智譜、王慧文的光年之外，皆與水木清華有千絲萬縷的聯繫。楊植麟的特殊之處，在於他是其中少見的「學者型創始人」：既有頂會論文的硬實力，又有從零搭建公司的執行力，成為學術與產業之間最關鍵的那座橋。這種雙重身份，使他在技術路線爭論中往往更具說服力。

地緣維度上，月之暗面的崛起觸動了全球權力格局。K3 發布後，美國封禁中國開源模型的呼聲再起，黃仁勳卻公開反對，強調美企應可使用中國模型；Hugging Face 首席執行官則指出，中國開源模型已成為塑造全球 AI 技術棧的最大力量。從 DeepSeek 到 Kimi，中國基座模型正構成全球應用層的「地基」，楊植麟正是這場從「跟隨矽谷」到「並跑乃至領跑」轉身的標誌性人物，也是華人工程師群體在全球 AI 秩序中話語權上升的縮影。

從國家與時代之間看，他的意義超出一家公司的成敗。在政策層面，「人工智能加」被寫入國家推進製造業數智化轉型的主線，楊植麟登上總理座談會發言席，本身就是新質生產力受到重視的信號。對年輕一代而言，他證明了一件事：華人研究者不必留在美國教書或入職巨頭，也能回國打造出與 OpenAI、Anthropic 正面競爭的組織。這或許是他留給時代最重要的啟示——技術的歸處，可以是自己的祖國。

01家世與早年：從河南小縣城到模式識別國家重點實驗室

閆俊傑於一九八九年出生在河南商丘夏邑縣的一座小縣城。關於他的家庭背景，公開資料著墨不多，僅能確認他是從普通縣城走出來的子弟。那個年代的中原小城，課外資源遠不如一線城市，但他很早就顯露出對數學與邏輯的興趣。這種自小縣城起步、靠考試與鑽研改變命運的路徑，與同代許多中國頂尖技術創業者極為相似，也讓他在日後談及「人工智能要服務普通人」時，帶著一種樸素的平等意識。

二〇〇六年，十七歲的閆俊傑考入東南大學數學學院，二〇一〇年六月取得理學學士學位。紮實的數學訓練，尤其是對優化與概率的理解，後來成為他拆解大模型技術問題的底層工具——他日後屢次強調「人工智能不是玄學，可以用第一性原理來拆解」，這套思維其實早在數學系就已成形。本科畢業後，他進入中國科學院自動化研究所模式識別國家重點實驗室碩博連讀。

二〇一四年，他在百度研究院實習；二〇一五年，閆俊傑取得中國科學院自動化研究所博士學位，研究領域涵蓋電腦視覺與深度學習，隨後又在清華大學電腦系從事博士後研究。截至二〇二五年六月，他在深度學習與電腦視覺領域發表頂級會議與期刊論文一百餘篇，Google Scholar 引用次數累計超過一萬次。這段學術履歷，為他日後既能做底層算法、又能統領產品工程的雙重能力打下了根基。

02創業原點：離開商湯與「與所有人共創智能」

博士期間，閆俊傑以實習生身份加入商湯科技，一路做到副總裁、研究院副院長及智慧城市事業群首席技術官，主導構建通用電腦視覺模型、深度學習工具鏈，以及智慧城市與人臉識別相關的技術體系。彼時人工智能的兩大代表性應用是人臉識別與「阿爾法狗」，距離普通人的生活仍很遠，這讓身在一線的他產生困惑：我們花這麼大力氣研究人工智能，到底為了什麼？

真正觸發創業的，是一段私人經驗。他的外公想寫一本回憶錄，卻因缺乏語言組織能力、又不會打字而難以完成。閆俊傑意識到，唯一的辦法是把人工智能變得更加通用，成為普通人生活中的一部分。二〇二一年底，在商湯科技港股上市前夕，他選擇離開，一度還做好了去當老師的準備。

二〇二二年初，閆俊傑在上海創立 MiniMax（上海稀宇極智科技有限公司，後以「稀宇科技」對外）。公司名字源於博弈論中的「minimax（極小化極大）」算法，代表在有限條件下尋求最優解。創業第一天，他就定下三條原則：一定要直接服務用戶、一定要做國際化、一定要技術驅動，並把企業願景寫成「Intelligence with Everyone（與所有人共創智能）」。那時 ChatGPT 尚未引爆全球，他卻堅定押注文本、視頻、語音的全模態模型研發。

03最艱難的關：全模態的豪賭與早期生存

MiniMax 起步時極其艱難。二〇二二年，「大模型」尚未成為產業顯學，公司最初只有幾十個人、一百多平方米的辦公室，團隊平均年齡不到三十歲。在幾乎沒人看好的情況下，閆俊傑堅持「一邊做模型、一邊做模型驅動的產品」，同時推進文本、語音、影像、音樂、視頻五條線，這意味著遠高於同業的研發與算力開支，現金消耗極快。

早期融資環境充滿不確定。天使輪於二〇二一年十二月由高瓴創投領投，米哈遊、IDG 資本、雲啟資本參與，融資約三千一百萬美元，投後估值約兩億美元；二〇二二年三月 Pre-A 輪，明勢創投成為唯一新股東，投後估值升至五點五億美元。可即便如此，二〇二三年公司收入僅約兩百多萬美元（不同口徑分別列為二百四十六萬與三百四十六萬美元），虧損卻以億美元計，毛利率為負，外界對「多模態路線」與「年輕團隊」的質疑從未停過。

最艱難的關，在於路線爭議與生存壓力同時壓頂：一邊是同業紛紛押注更穩的稠密模型，一邊是投資人與市場對這支「人均九五後」團隊的懷疑。閆俊傑後來回憶，公司最早幾年「搬了很多次家」，最後才落定上海市徐匯區。能否在現金燒完前證明全模態路線成立，是當時懸在頭頂的唯一問題。

04翻盤的一役：All-in MoE 與 abab 6.5

翻盤的關鍵決策出現在二〇二三年下半年。當時中國多數同行仍在迭代稠密模型（dense model），閆俊傑卻把幾乎全部研發與算力資源轉向一件更不確定的事——混合專家系統（MoE）。他的判斷很直接：如果未來要服務千萬級乃至億級用戶，必須做 MoE，否則「生成 token 的成本和延時我接受不了，很快會崩潰」。這是一場押上公司前途的技術賭注。

這一決策迅速轉化為產品力。二〇二四年一月，MiniMax 發布國內首個 MoE 大模型；同年四月，開創將 MoE 架構用於大規模商業化部署的先河。二〇二四年上半年，公司推出商用萬億參數 MoE 架構大模型 abab 6.5，並同步發布開源模型 MiniMax-01 系列。成本與性能的同時突破，讓 MiniMax 在與同業的競速中第一次站到前排。

這一役之所以稱為翻盤，是因為它把早期的質疑轉化為壁壘：MoE 帶來的低成本、低延遲，正好支撐了億級用戶規模下的商業化，也讓「全模態」不再只是燒錢的故事，而有了可驗證的單位經濟。日後 MiniMax 能在海外市場與巨頭搏殺，根基正是這次 All-in 留下的架構優勢。

05公司發展史（一）：從模型工作室到產品矩陣

二〇二二年十月，MiniMax 第一款人工智能產品上線。隨後公司沿著「模型驅動產品」的思路，陸續推出 Glow、星野與 Talkie、海螺 AI 等 C 端產品，覆蓋內容創作、智能助手與娛樂應用。其中 Talkie 面向海外、星野面向國內，讓用戶與 AI 虛擬角色建立情緒連接；海螺 AI（Hailuo AI）則能實時生成高質量圖像與視頻。

監管與生態層面亦同步推進：二〇二三年七月，公司與上海徐匯區簽約 MiniMax 大語言模型開放平台項目；同年八月，自研的「MiniMax-abab」大模型通過國家首批備案。這讓 MiniMax 在國內大模型監管框架確立之初，就拿到合規入場券，為後續 B 端開放平台與企業服務鋪路。

融資節奏也隨產品落地加快。二〇二三年五月 A 輪，騰訊投資、順為資本、小米、小紅書等入局，融資約兩點六億美元，投後估值約十一點六億美元；兩個月後的 A+ 輪由紅杉中國領投，投後估值升至十六億美元。從天使到 A+，MiniMax 用約一年半時間完成四輪融資，資本方陣開始從早期 VC 擴展到互聯網巨頭與產業資本。

06公司發展史（二）：融資狂飆與產業資本方陣

二〇二四年三月，MiniMax 完成 Pre-B 輪融資，由阿里巴巴領投出資約四億美元，經緯中國、中國人壽、盈科拓展、柏睿資本等共同參與，總融資約六點五四億美元，投後估值二十五點五億美元；同年十二月 Pre-B+ 輪，中金資本、基石資本等加入，投後估值達三十一點二億美元。二〇二五年八月，公司完成上市前最後一輪 Pre-B++ 融資，Aspex、Janchor、正大集團、社保基金等參與，投後估值突破四十二點四億美元。

至此 MiniMax 成立四年間累計完成七輪融資，融資總額約十五點五六億美元（約一百一十億人民幣）。股權結構呈現鮮明的「產業資本＋知名創投＋國際資本」三重矩陣：上市前阿里巴巴間接持股約百分之十三點六六，為最大產業股東；高瓴持股約百分之七點一四，為第一大財務投資人；紅杉中國持股約百分之三點八一；明勢資本累計參與六輪，是投資輪次最多的機構。

米哈遊的角色尤為特殊：IPO 前持有 MiniMax 約百分之六點四股份，並在董事會佔有非執行董事席位。它既是投資人、也是客戶，早在一開始便使用 MiniMax 的模型服務，這種「既投又用」的關係在 AI 領域並不多見，也被公司列為「領航資深獨立投資者」。二〇二五年七月，MiniMax 還完成近三億美元 C 輪融資，資本熱度持續升溫。

07公司發展史（三）：出海、訴訟與「黃閆會」

MiniMax 從一開始就帶著「生而全球」的視角，出海成效顯著。截至二〇二五年九月三十日，公司累計個人用戶逾兩點一二億、企業客戶十三萬家，產品覆蓋二百多個國家與地區，海外收入佔比超過七成。二〇二五年前三季度，海外收入佔比達百分之七十三點一（約三千九百萬美元），新加坡佔百分之二十四點三、美國佔百分之二十點四，成為國產 AI 模型出海標杆。其海外角色產品 Talkie 日活一度接近兩百萬。

二〇二五年七月十八日，輝達（NVIDIA）執行長黃仁勳在北京與閆俊傑進行近兩小時會談，外界稱之為「黃閆會」，解讀為 MiniMax 在 AI 基礎模型與算力生態中戰略價值的體現。同年八月，閆俊傑入選《財富》中國四十位四十歲以下商界精英榜。這一年，MiniMax 從默默無聞的創業公司，迅速成為與智譜、DeepSeek 並列的「中國大模型代表」。

但出海也帶來風險。二〇二五年九月，美國迪士尼、環球影業、華納兄弟探索公司聯合向加州聯邦法院提起訴訟，指控 MiniMax 及其海外運營主體 Nanonoble Pte Ltd（新加坡）侵犯著作權。對收入超七成來自海外的 MiniMax 而言，這構成重大不確定性，也折射出中國 AI 企業在全球化過程中必然面對的合規與地緣挑戰。

08公司發展史（四）二〇二六：今天的版圖

二〇二五年十二月十七日，MiniMax 通過港交所上市聆訊，衝刺「多模態模型第一股」。二〇二六年一月九日，公司以股票代碼 0100.HK 正式掛牌，發行價每股一百六十五港元，全球發售約兩千五百多萬股（計超額配股權約兩千九百多萬股），募資總額約五十五點四億港元，發行估值介於四百六十一億至五百零四億港元之間。首日股價高開超五成，盤中漲幅一度達九成以上，市值一度逼近九百億港元。

公開發售部分獲一千八百三十七倍超額認購，吸引約四十一點七六萬份有效申請，一手申購獲配比例僅約百分之二點八一；國際發售亦獲三十七倍認購。公司引入十四家基石投資者，包括 Aspex、Eastspring、未來資產、阿布扎比投資局（ADIA）、阿里巴巴、易方達、英國保誠旗下 Eastspring、博裕資本、匯添富香港、泰康人壽等，合計認購約二十七點二三億港元，佔全球發售規模近七成。二〇二六年三月十八日起，股份簡稱由 MINIMAX-WP 變更為 MINIMAX-W，標誌其獲准轉為已商業化公司。

二〇二六年 MiniMax 繼續擴張版圖：發布 MiniMax M3 模型，七月推出開源多模態模型 MiniMax H3，八月推出 MiniMax Design；八月二十六日發布中期業績，上半年總收入一點一七億美元，同比增長百分之二百八十三點一，B 端收入佔比升至百分之六十三點四，年度經常性收入（ARR）超過八億美元。五月二十九日，公司與中信證券簽署輔導協議，啟動 A 股 IPO 進程。股權上，開曼主體 MiniMax Group Inc. 採雙重股權（B 類普通股十票表決權），由閆俊傑控制的 Alpha EXP Limited 持有約百分之十九點九六股權、合計約百分之五十九點九八表決權，為控股股東；截至招股書，公司共有三百八十五名全職員工，平均年齡約二十九歲，研發人員佔比超七成。

09領導風格與性格：低調、第一性原理與年輕化組織

在公眾視野裡，閆俊傑向來低調。羅永浩《十字路口》四小時對談中，他語調平和、面帶笑容，習慣在回答前先說「這個問題的本質是」，像是在爭取思考的時間。這種不搶話、先拆解本質的習慣，與他「人工智能可用第一性原理拆解」的主張一致，也讓他在技術爭議中不急於站隊，而是用指標說話。

組織管理上，他摒棄 OKR、KPI 等傳統管理方式，轉而以效率與工程能力為導向。MiniMax 內部 AI 已深度融入工作流，約百分之八十的編程代碼由 AI 完成。他用人標準鮮明地年輕化：招股書披露 CEO 三十六歲、COO 贠燁祎三十一歲、大語言模型負責人趙鵬宇二十九歲、視覺模型負責人周彧聰三十二歲，董事會成員多在三十歲左右。明勢資本連投六輪的長期陪伴，也側面說明他護人、重視長期同路人的一面。

對錢的態度同樣特別。二〇二五年十二月，他在播客中透露將不再領取薪酬，把資源優先投入模型與產品能力的長期建設。公開場合他話術熟練，被問盈利預期時往往不直接回答，而是把話題引向行業加速發展；但私下對技術與產品細節偏執，從模型架構到單一產品的千萬日活目標，都親自參與設定。這種公開克制、私下較真的反差，構成他的領導肖像。

10成功秘訣：從全模態賭注到長期主義

歸納閆俊傑與 MiniMax 的崛起，至少有八條可證據支撐的關鍵。其一，全模態押注：在文本、語音、影像、音樂、視頻五條線並進，而非單點突破，這讓公司成為「全球唯四全模態進入第一梯隊」的企業。其二，早定 MoE 路線：二〇二三年下半年力排眾議 All-in MoE，奠定成本與延遲優勢，abab 6.5、MiniMax-01 即其果實。

其三，生而全球：創業第一天就立下國際化原則，海外收入佔比超七成，新加坡、美國為主要市場。其四，直接服務用戶：C 端（Talkie、星野、海螺 AI）與 B 端（開放平台）雙輪驅動，二點一二億個人用戶與十三萬企業客戶並存。其五，技術驅動加效率工程：以 scaling law 為信仰，內部八成代碼由 AI 完成，去 KPI 提效。

其六，年輕組織：平均二十九歲的團隊更懂 C 端社交娛樂需求，決策鏈短。其七，資本運作：四年七輪、累計約十五點五六億美元融資，並迅速登陸港股。其八，長期主義與 AGI 信仰：從「與所有人共創智能」到堅守普惠。總結而言，他的成功有一部分可複製——路線選擇、組織設計、資本節奏都可學；但更大一部分是時代的產物：政策把 AI 列為增長引擎、資本熱捧、ChatGPT 引爆需求的三重紅利，疊加上他個人恰好卡在商湯上市前夕離職的窗口，運氣與判斷缺一不可。

11個人、價值觀與生活：普惠、克制與不領薪的選擇

閆俊傑的價值觀核心是一句樸素的話：人工智能要變成普通人生活中的一部分。這既源自外公寫不出回憶錄的私人觸動，也體現在他反覆強調「AI 價值在於服務普通人，因為社會大多數都是普通人」。他相信 AI 是更基礎的生產力，能持續學習、變得聰明，且使用成本愈發可控、愈發普惠。

金錢觀上，他顯得克制甚至刻意低調。二〇二五年十二月，他公開表示將不再領取薪酬；二〇二六年三月胡潤榜以二百五十億人民幣將他列為全球富豪第第一千二百九十七位、U40 白手起家榜第三十位，但他極少談及個人財富。生活層面，公開資料幾乎不涉及家庭與愛好，對外形象始終是「低調的技術人」——這與許多高調的互聯網創始人形成對比，也強化了外界對他「專注把科技做好」的評價。

他對外展示的，是一種把個人隱入產品與使命的姿態：年度 AI 人物的榮譽、總理座談會的發言、國新辦見面會的亮相，都被他用來談行業而非談自己。這種把聚光燈讓給技術與團隊的性格，既符合「與所有人共創智能」的敘事，也在一定程度上解釋了為何 MiniMax 能以一支年輕團隊，在巨頭環伺中跑出最快上市紀錄。

12國家與時代意義：中國大模型出海的標杆與樣本

在中國人工智能版圖裡，閆俊傑與 MiniMax 的意義，在於提供了一條不同於國資路線的「全球化商業化」樣本。與以人民幣國資為壓艙石、收入高度依賴本地化部署的智譜不同，MiniMax 憑全球化資本背書與 C 端流量協同，成為海外收入佔比超七成的出海標杆，並被視為「全球唯四全模態進入第一梯隊」的企業之一，與 DeepSeek、智譜並列為中國大模型代表。

政策與地緣背景共同塑造了這家公司。黨的二十大報告把人工智能列為增長引擎，上海「模速空間」大模型創新生態社區為其提供落地土壤；二〇二五年四月習近平考察模速空間時，閆俊傑就智能體自主進化作主題匯報。二〇二六年一月他參加李強總理座談會，成為繼梁文鋒之後第二位參會的 AI 大模型企業代表，標誌這一代技術創業者進入國家議程。

對行業而言，MiniMax 的價值在於證明「全模態＋商業化」路線可以跑通，且能以四年時間刷新 AI 公司最快上市紀錄。但它也承載著中國 AI 出海的共同隱憂：海外收入佔比越高，面對著作權訴訟、算力管制與地緣摩擦的風險敞口就越大。閆俊傑的故事，因而既是技術創業的成功傳記，也是這個時代中國人工智能走向全球的縮影。

01家世與早年：

張鵬一九九八年考入清華大學計算機系，是該校一九九八級本科校友。公開資料對其出生年份多作「約一九八〇年」，籍貫湖北；這一年齡推算與他十八歲入學的時間線大致吻合，但確切生日與出生地至今未見權威披露，各類百科與報導亦僅以「約一九八〇」帶過。在天才扎堆的清華計算機系，他並非最耀眼的一個；同屆入學的有後來搜狗首席運營官、百川智能聯合創始人茹立雲，比他年長兩屆的王小川更是系裡風雲人物。張鵬後來回憶，剛進校時便被同儕的鋒芒震撼，給自己貼的標籤很樸素：埋頭科研。

二〇〇二年本科畢業後，他放棄出國與進大廠兩條熱門路徑，留在清華攻讀碩士，隨後進入計算機系知識工程實驗室，簡稱KEG。這間實驗室始於一九九六年，由唐傑等學者奠基，是中國最早從事自然語言處理與知識圖譜研究的機構之一。張鵬在此主導科技情報挖掘系統AMiner的工程落地；這套系統最初的啟動資金，竟是唐傑博士論文評優獲得的兩萬元獎金，團隊耗費數百天抓取下第一批兩百萬條數據，日後長成收錄數億篇論文、服務全球上千萬用戶的學術平台，也成為智譜技術的雛形。

在KEG的十餘年裡，張鵬把自己定位為「把學術想法翻譯成能跑的系統的人」。他發表十餘篇頂會文章，設計出國內首個中英文平衡的跨語言知識圖譜系統XLORE，研究領域橫跨知識圖譜與大規模預訓練模型。二〇一八年，他拿下清華大學創新領軍工程博士學位。在日後「大模型五虎」掌舵人裡，王小川、楊植麟是少年天才，而張鵬創業前長達二十年的科研經歷看似不那麼閃耀，回頭看卻構成了大模型牌桌上論資排輩最硬的資歷。師承上，他是唐傑的直系學生，這層關係日後深刻影響了智譜的分工。

02創業原點：

智譜的故事，起點是清華園裡一間掛著「知識工程實驗室」牌子的屋子，與一道中國科研體制的「玻璃門」。早在二〇一六年，唐傑與張鵬便開始討論把實驗室成果轉化為產品，但橫亙其間的是一連串制度難題：在職人員能否用研究成果創業？收益分配比例如何定？成果價值如何評估？張鵬後來用一句話概括那段摸索：「國家給了一扇窗戶，並不是開了一個很敞開的門。」他與清華花了約一年半，才摸索出第一套操作細節，把科技成果轉化的路徑打通。

二〇一九年六月十一日，北京智譜華章科技有限公司正式註冊成立，註冊資本一千萬元。公司由唐傑與清華校友劉德兵、張鵬、李涓子、許斌等聯合創辦，技術源於清華KEG實驗室。創始結構本身即是新聞：中科院院士張鈸出任首席顧問，劉德兵任董事長，唐傑任首席科學家，張鵬帶隊經營，職位是首席技術官。這套「院士做顧問、教授做科學家、工程師做首席技術官」的安排，被外界視為「王選模式」的復刻，目標是讓最懂技術的人留在技術裡，讓最懂經營的人去經營。

起初張鵬並不屬於核心創始團隊的台前人物，他是在公司發展中逐漸走向前台的。當時實驗室其實已經在賺錢——一年橫向科研經費接近兩千萬元，服務谷歌、IBM等國際客戶，做科技情報預測。張鵬回憶，谷歌問的問題很簡單：「告訴我未來三到五年某個領域哪些技術會成為熱點。」這正是認知智能的典型應用：理解、推理、預測。但張鵬與團隊要的更多。彼時GPT-3尚未發布，「百模大戰」尚未開始，沒人知道大模型會在三年後引爆整個行業，他們卻已決定下場，把論文變成公司。

03最艱難的關：

智譜真正的至暗時刻，落在二〇二二年的分水嶺前後。團隊耗費約四百萬元算力、總成本約一千萬元，訓練出對標GPT-3的GLM-130B；同一時期OpenAI訓練同類模型的成本高達兩千萬美元，智譜只用了約十四分之一。張鵬帶著這份成果去融資，卻撞上資本市場的冷臉。投資人直截了當：「這東西能變成錢嗎？大環境這麼差，要不把估值降一半？」那是一段連智譜自己都承認「比較困難的時期」——一隻眼盯著訓練數據量輸入越來越少，另一隻眼盯著銀行帳戶上的儲備現金輸出越來越多。

更深層的艱難，是路線選擇的孤立感。二〇二〇年GPT-3發布後，業界幾乎全數跟隨自回歸路線，智譜卻選了自研的GLM「自回歸空白填充」架構。這個帶著「科研潔癖」的決定意味著沒有現成範式可循，訓練過程極不穩定，一旦出意外，成本與風險都額外疊加。張鵬日後坦言，創業前在學校做科研憑興趣與熱情，很少看錢；到了公司才學會精打細算，所有成本投入轉化為收益的帳都要算清。算力、數據、算法三大支柱中，壓力最大的是「太貴」的算力，這道成本關幾乎壓垮早期現金流。

轉機在三個月後降臨，卻險些擦肩而過。二〇二二年十一月，ChatGPT橫空出世，整個市場的提問從「這是什麼東西」變成「什麼時候能做出來」。但對彼時的智譜而言，這既是曙光也是倒逼：它必須在春節後迅速拿出對標產品，同時證明自研路線沒有走錯。那段日子裡，唐傑和張鵬每天最重要的事就是盯著兩個窗口——訓練進度與銀行帳戶。極限生存逼出了工程能力：智譜工程師為省顯存，重寫底層通信協議。這道最艱難的關，最終靠技術上的「摳細節、降成本」硬生生闖了過去。

04翻盤的一役：

翻盤的關鍵一役，是二〇二三年三月ChatGLM與輕量版ChatGLM-6B的開源。當ChatGPT點燃市場，智譜沒有閉門憋大模型，而是先把一張家用顯卡就能跑起來的六B小模型推上開源社區。這是國內第一款在開源社區爆火的大模型：全球下載量迅速突破百萬，成為無數開發者與高校的第一個中文大模型入口。張鵬在中國AIGC產業峰會上說，訓練千億模型至少面臨三大挑戰——成本、人力、算法，因此「我們應該多給國產從業者多一點耐心」。這一役讓智譜從「被追問估值」變成「被追問進度」。

緊接著是產品化的連貫出擊。二〇二三年八月三十一日，「智譜清言」通過《生成式人工智能服務管理暫行辦法》備案並正式上線，具備對話、代碼生成、創意寫作等能力。半年後的二〇二四年一月，新一代基座大模型GLM-4發布，支持一百二十八K上下文，並推出可自主調用網頁瀏覽器、代碼解釋器等工具的「All Tools」。張鵬在央視網《望海對談》中把通用基座模型定義為「一種新型基礎設施」，強調基於這樣的基礎設施探索不同應用形態，才能幫企業產生商業價值。這一連串動作，把論文裡的架構變成了用戶手裡的產品。

翻盤的財務印記同樣清晰。二〇二三年，智譜簽單客戶約數百家，全年有億級簽單額；機構客戶從二〇二二年四十八家，增至二〇二四年三千一百五十六家。張鵬早年在訪談中點破商業化本質：「開源不等於免費，客戶要的不是參數文件，是商業化服務。」這句話成了智譜「開源加商業化」雙輪驅動的註腳。從被建議砍半估值，到訂單紛至沓來、政府與企業排隊送錢，智譜用不到一年完成身份逆轉，成為「六小龍」中最早跑通收入的一家。

05公司發展史（一）：

智譜的技術血脈，可追溯至一九九六年成立的清華KEG實驗室，與二〇〇六年唐傑開發的AMiner平台。二〇一九年六月公司註冊，當即啟動通用語言模型開發；二〇二〇年啟動自研預訓練框架GLM，這一年GPT-3發布，智譜逆勢選擇空白填充路線。二〇二一年三月預訓練大模型GLM問世，九月推出GLM-10B，並上線MaaS商業化平台bigmodel.cn。這一階段是「從零到一」的技術積累期，公司靠高校科研經費與創投輸血存活，尚未形成規模收入，卻確立了日後區別於所有追隨者的自主架構之根。

二〇二二年是里程碑之年。八月，智譜聯合清華開源中英雙語千億級基座模型GLM-130B；十一月，該模型入選史丹福大學基礎模型中心評測，是亞洲唯一整體躋身前列的大模型，魯棒性、校正誤差、無偏性等指標比肩GPT-3。它同時是中國首個開源千億規模大模型，全球下載量超三千萬。同年九月代碼模型CodeGeeX、十一月WebGLM相繼推出。這一年智譜營收僅五千七百四十萬元，淨虧損一點四四億元，但技術聲望已悄然立住，為後來的融資狂奔埋下伏筆。

二〇二三年的轉折在於「對話」與「開源」雙引爆。三月ChatGLM與ChatGLM-6B開源，五月視覺模型VisualGLM，六月ChatGLM2，八月智譜清言上線，十月CogVLM與ChatGLM3。這一年智譜營收跳升至一點二四五億元，機構客戶快速累積。更關鍵的是資本側：隨著ChatGPT帶火大模型，二〇二三年當年智譜累計融資超二十五億元，投資方囊括社保基金中關村自主創新基金、美團、螞蟻、阿里、騰訊、小米、金山、紅杉、高瓴等，一線機構與大廠幾乎全數入局。

06公司發展史（二）：

二〇二四年是智譜的「模型矩陣」之年，也是估值躍升之年。一月基座模型GLM-4發布；六月GLM-4-9B、GLM-4V-9B；七月視頻模型「清影」(CogVideoX)、代碼模型CodeGeeX4上線；八月GLM-4-Plus與國內首個AI視頻通話功能；十月語音模型GLM-4-Voice與手機智能體AutoGLM；十一月GLM-PC；十二月推理模型GLM-Z1。多模態能力從文字、圖片延伸到視頻與語音，智譜完成從語言到全模態的跨越，模型矩陣初具規模，被OpenAI列為全球主要競爭對手。

資本層面，二〇二四年五月，沙特阿美旗下風投基金Prosperity7向智譜注入四億美元，助推估值達約三十億美元，成為國內估值最高的創業大模型公司之一；十二月，智譜宣布完成一輪三十億元融資，引入多家戰投與國資，老股東跟投。據招股書，IPO前智譜完成八輪融資、規模超八十三億元。研發投入也同步飆漲：二〇二四年研發開支二十一點九五四億元，是同年營收三點一二四億元的約七倍，研發人員佔比達百分之七十四。

財務的另一面是高增長伴隨高虧損。二〇二四年智譜營收三點一二四億元，在中國獨立通用大模型開發商中營收第一；但淨虧損擴大至二十九點五八億元。收入結構上，本地化部署是核心支柱，面向政府、金融、能源等對數據安全有嚴格要求的B端客戶，毛利率長期超過五成；雲端部署則因競爭激烈、單價下行，毛利率從二〇二二年百分之七十六驟降至負值。張鵬對「國資色彩漸濃」的曲線並不回避，反而視作長期主義的印證。

07公司發展史（三）：

二〇二五年是智譜衝刺資本市場與技術頂峰的年份。一月實時語音模型GLM-Realtime；三月沉思模型GLM-Z1-Rumination；四月GLM-Z1-32B與GLM-4-32B；六月企業級智能體CoCo；七月開源SOTA模型GLM-4.5，參數規模達三千五百五十億；八月GLM-4.5V與AutoGLM 2.0；九月代碼能力對齊Claude Sonnet 4的GLM-4.6；十二月GLM-4.7、GLM-4.6V等密集發布，並開源AutoGLM。全年智譜完成約五輪融資，估值被推至約四百億元檔位，為上市鋪平道路。

這一年智譜也迎來地緣與合規的考驗。一月，美國商務部將智譜列入實體清單，指其推動軍事現代化；智譜表示強烈反對，稱掌握全鏈路大模型核心技術，列入清單不會對業務產生實質影響，將繼續參與全球競爭。同月，張鵬獲增補為北京市政協第十四屆委員會委員，並入選「中國AI盛典年度AI人物」。九月，他推出智能體產品AutoGLM沉思；年底，智譜通過港交所上市聆訊，距敲鐘只差臨門一腳。

二〇二五年全年營收七點二四億元，同比增長百分之一百三十二；毛利二點九七億元，同比增加百分之六十八點七；經調整年內淨虧損三十一點八二億元（另一口徑全年淨虧損四十七點一八億元）。機構客戶在九月突破一點二萬家。張鵬在年底把增長極歸結為MaaS平台全面爆發——平台年度經常性收入約十七億元，十二個月提升約六十倍。這組數字既證明商業化跑通，也揭示「高增長、高投入、高虧損」並存的現實。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年一月八日，智譜(02513.HK)正式在香港聯合交易所掛牌，被譽為「全球大模型第一股」——全球首家以通用人工智能基座模型為核心業務的上市公司。發行價每股一百一十六點二港元，香港公開發售獲一千一百五十九點四六倍超額認購，國際發售獲十五點二八倍；IPO募資總額超四十三億港元（綠鞋前），十一一家基石投資者合計認購二十九點八億港元。敲鑼的是董事長劉德兵與首席執行官張鵬，首席科學家唐傑則低調站在團隊行列，把C位讓了出來。

上市首日收盤價一百三十一點五港元，較發行價漲百分之一十三點一七，市值約五百七十九億港元；盤中一度逼近六百億。此後股價坐上過山車：二月GLM-5發布後單日暴漲超百分之二十四，市值衝上三千二百三十二億港元，超越京東、快手；六月GLM-5.2發布並開源，市值突破一萬億港元，被媒體稱為「中國版Anthropic」的估值樣本。至九月，股價回落至約一千零三十三港元，市值回到約四千八百億港元，市場熱度降溫但仍是港股TMT第一梯隊。

今天的智譜，已是中國最大的獨立大模型廠商。GLM架構實現全國產化突破，適配四十餘款國產芯片；產品矩陣覆蓋基座、反思、多模態與智能體。二〇二六年一季度，API調用定價提升百分之八十三，即便漲價，調用量仍同比增長百分之四百。張鵬回應GLM-5-Turbo漲價時表示，漲價是成本變化的自然結果。八月，他入選美國《時代》雜誌二〇二六全球AI百大影響力人物。從五道口實驗室到中環交易大廳，智譜用七年走完從論文到年報的路。

09領導風格與性格：

熟悉張鵬的人，常給他貼一個標籤：「反天才」的工程師氣質。他不搶鏡、不立人設，習慣用數據而不是情緒說話。在智譜內部，他常被評價為「穩健長線」，恰好與唐傑的「技術原教旨」互補。一個願意在實驗室熬二十年冷板凳的人，往往也最有耐心陪一家公司走過從零到上市。這種耐心，在普遍追求「百天估值翻十倍」的AI創投圈裡，反而成為稀缺品。他不像梁文鋒拒資本，也不像楊植麟綁定個人IP，而是用「企業家紀律」把學院資產翻譯成產業資產。

張鵬的分工極清晰：公司經營、融資、政企大客戶、GLM工程落地、上市統籌，一個學術與產業複合的「雙棲」角色。他從首席技術官走向首席執行官，是被GLM架構堅持「推」到前台的。二〇二六年三月業績會上，他拋出一個被媒體廣泛引用的公式：AGI時代的商業價值等於智能上界乘以Token消耗規模。智能上界決定定價權，Token消耗規模決定價值體量。這套從實驗室長出的商業語言，正是他最獨特的本領——把宏大敘事落回樸素比喻。

上市前夕，張鵬摔斷跟腱，拄著拐杖來到訪談現場，還引了一句西方諺語「Break a leg」自嘲好運。這個細節透露出他公開形象與私下性格的一致：低調、幽默、不端著。面對資本狂熱，他態度坦蕩：「不管智譜融了多少錢、拿了多少收益，其實都是通往AGI道路上的盤纏。」下屬回憶，他對技術偏執但不苛人，決策偏慢而穩，願意把C位讓給科學家。這種「教授創業」的中國式分工，在智譜身上被演繹到極致。

10成功秘訣：

其一，押注自主架構而非跟風。當所有人都追GPT的自回歸路線，智譜軸在自研GLM「空白填充」架構，日後被證明是區別於所有追隨者的根。其二，技術與商業「雙棲」。張鵬既懂科研也懂經營，把論文變成收入、客戶與現金流，是四家頭部模型廠中唯一把「非共識」變成「財報共識」的人。其三，長期主義與耐心。他拒絕百天估值翻倍的誘惑，用企業家紀律陪公司走長路，把融資視作通往AGI的「盤纏」而非目的。

其四，開源加商業化雙輪。張鵬早言「客戶要的不是參數文件，是商業化服務」，用開源建立生態與信任，用本地化部署與MaaS變現。其五，綁定國家與產業場景。智譜是少數同時滿足「政治安全、技術底座、產業落地」三項的AI創企，政府訂單成為早期造血來源。其六，極致摳成本。中國團隊會摳細節、降成本，GLM-130B成本僅OpenAI同期的十四分之一，極限生存練出工程能力。其七，善用學院資產，把院士、教授班底轉化為技術護城河。

他的成功在多大程度上可複製？自主架構的判斷、清華KEG二十年底蘊、唐傑等科學家班底，這些是時代與運氣共同饋贈的稀缺條件，難以照搬。但「長期主義、摳成本、把論文翻譯成產品」的方法論，對任何技術創業都有參考價值。張鵬的勝利，一半是認知與紀律的產物，一半是踩中國產大模型自主可控的時代窗口——這扇「窗戶」，恰好在他準備好的時候被打開。

11個人、價值觀與生活：

張鵬的履歷簡單到只有一個關鍵詞：清華。一九九八年入學，而後本碩博、工作、創業，二十餘年未曾真正離開這片園子。他公開談及金錢觀時頗為坦然：錢不是目的，只是走到AGI終點的干糧。二〇二五年他的薪酬合計達六千八百四十三萬元（含大額股份支付），董事長劉德兵年度酬金一點五七億元，公司總薪酬成本含股份支付達十三點六三億元——這組數字引發過外界對「公司虧損、高管高薪」的議論，他未過多辯解。

價值觀上，他反覆強調「科技服務於人」。在清華「貫天、接地、通心、樹人」理念影響下，他看重技術解決實際問題：北京冬奧的手語播報數字人、製造業流水線效率提升超百分之三十、教育AI助教，都是這一理念的註腳。他對AI安全有明確底線：智能個體必須理解人類意圖，且要有「安全」的限制與枷鎖，培養正確的價值觀與世界觀。二〇二五年他作為北京市政協委員，提案健全產學研用協同育人體系，呼籲打造人工智能人才「特區」。

生活層面，外界對張鵬的私人細節著墨不多。他不是熱衷曝光的人，公開形象低調、理性，像一位仍在實驗室的學者。上市敲鐘前一刻拄拐的自嘲，顯出他私下不失幽默。與同代人王小川（百川智能）、楊植麟（月之暗面）相比，他走的不是搜索老兵轉身、也不是少年天才路線，而是「實驗室原住民」出發。五道口的同一棟搜狐網絡大廈，一邊是張朝陽的物理課直播，一邊是張鵬衝刺萬億市值，門戶餘暉與AI第一縷光在此交疊。

12國家與時代意義：

張鵬與智譜的意義，首先在於證明「教授創業」在中國可以落地為可被財報驗證的重量。在國產大模型自主可控的時代命題下，智譜是「六小龍」中唯一以To B本地化部署為主線、最早跑通收入的一家，填補了中國在基座模型原創路線上與全球頂尖同步的空白。被列入美國實體清單，反面印證了其全鏈路技術的戰略分量。從政策與地緣背景看，它恰好卡在「人工智能加」行動與國產算力替代的交匯點。

在全球產業坐標裡，智譜被稱為「中國版OpenAI」「中國版Anthropic」，是全球首家上市的大模型基座公司，為資本市場定義了一類新資產。海澱這片土地集聚人工智能企業一千九百餘家、備案大模型一百二十二款，智譜是其中最具標誌性的一株。張鵬與唐傑，一個往後退定義「智能上界」，一個往前站把論文變成鐘聲，合起來才是一家「全球大模型第一股」完整的樣子。

更寬的意義在於人才與範式。智譜把「學術血統」轉化為產業資產，讓清華KEG二十年底蘊走出實驗室、走上資本市場，為中國AI提供了不同於純互聯網創業的樣本。張鵬的故事告訴我們：在AI這場馬拉松裡，跑得最穩的人未必起跑最快。當市場還在爭論「中國能不能有自己的OpenAI」時，他和唐傑已用一間實驗室、一套自研架構、一份年報，給出一個屬於清華、屬於五道口的答案。

01家世與早年：合肥少年的信息學啟蒙

姚順雨生於一九九八年，家在安徽合肥。與許多後來投身人工智能的華人科學家不同，他的起點不是一線城市的國際學校，而是合肥本地的普通升學路徑。中學就讀合肥市第四十五中，後升入安徽省重點的合肥市第一中學，在這裡開啟了系統的信息學訓練。上世紀九十年代以來，安徽的競賽氛圍濃厚，合肥一中更是信息學奧林匹克的傳統強校，他正是在這樣的環境裡，把對電腦與程式的好奇，磨成了可上賽場的硬實力。

二〇一四年，尚在高中階段的姚順雨，站上了被譽為「信息學奧林匹克皇冠上的明珠」的全國青少年信息學奧林匹克競賽（NOI）賽場，憑藉紮實的算法功底、敏銳的邏輯與出色的問題解決能力，一舉拿下銀牌。這枚銀牌不只是一座獎盃，更是他叩開頂尖學府大門的敲門磚——它證明這個少年已經在算法設計、系統優化與高壓解題上，具備了遠超同齡人的成熟度。競賽累積的編程經驗與邏輯素養，日後貫穿了他的整個本科與研究生生涯。

二〇一五年，他以安徽省理科第三名（探花）、高考七百零四分的成績，考入清華大學計算機科學實驗班，也就是聞名學界的「姚班」。姚班由圖靈獎得主姚期智創辦，向來只收最頂尖的計算機天才，課程以理論深度與數學強度著稱。進入姚班，意味著姚順雨正式踏入華人計算機科學的「第一方陣」；而他在班內並不滿足於只是成績好——他後來擔任姚班聯席會主席（學生會主席），還是清華饒舌社的共同創辦人，顯露出技術之外組織與表達的另一面。

02創業原點：從姚班到普林斯頓，語言智能體的提出

在姚班的四年（二〇一五–二〇一九），姚順雨打下的是「第一性原理」式的計算機底子。姚班的訓練重理論、重數學、重從根本理解問題，這與他後來做研究「先定義問題、再想方法」的習慣一脈相承。本科期間他沒有急著創業或進大廠，而是把精力放在紮實的算法與系統訓練上；畢業時，他沒有像多數同儕那樣直接就業，而是選擇赴美深造，於二〇一九年進入普林斯頓大學計算機科學系，直接攻讀博士。這一步，把他從「競賽少年」推向了「研究員」的身份。

普林斯頓的博士歲月，是他學術原點的真正所在。他的導師是 Karthik Narasimhan——這位學者更廣為人知的身分，是 GPT-1 的第二作者。在 Narasimhan 指導下，姚順雨把研究方向收攏到一個當時還很邊緣、卻極具前瞻的題目：如何讓大語言模型不只是「生成文字」，而是能像人一樣推理、行動、學習。他後來獲普林斯頓 Harold W. Dodds Fellow 榮譽，這是表彰學術卓越與領導潛力的獎項。也正是在這段時間，他提出了後來貫穿整個 agent 領域的核心概念——「語言智能體」（language agents）。

所謂「創業原點」，對姚順雨而言不是一家公司，而是一個研究願景的誕生。在二〇一九年前後，他意識到一個關鍵問題：人類之所以能泛化，是因為人會「思考」——推理這種行為本身不改變外部世界，卻擁有開放而無限的組合空間。他把這個洞察寫進最早的 CALM 工作（基於預訓練語言模型構建、用於文字遊戲的智能體），雖然當時還要耗費上百萬步強化學習、且難以遷移，卻種下了「把推理當作一種行動」的種子。這顆種子，後來長成了 ReAct、Reflexion 與 Tree of Thoughts。

03最艱難的關：博士期的兩次頓悟與 ReAct 的誕生

姚順雨的學術路並非一路順風。他自己在《The Second Half》中回憶，最早做 CALM 時，一個基於預訓練語言模型的智能體，要花上百萬步強化學習，才能在單一文字遊戲裡取得進展，而且完全無法遷移到其他遊戲。對一名強化學習研究者來說，這種「泛化失敗」並不意外，卻也極其令人挫折——它逼問一個根本問題：語言模型的先驗知識（priors），到底該如何在決策裡被用起來？這是他博士期第一個、也最漫長的關。

轉機來自二〇一九年 GPT-2 發布後的領悟。他發現，缺失的一環不是算法，而是先驗：必須先做大規模預訓練，把常識與語言知識蒸餾進模型，再透過微調讓它成為能上網、能聊天的智能體。一旦把「推理」放進強化學習的動作空間（action space），語言模型預訓練獲得的先驗就能被喚醒，讓智能體在不同決策間靈活分配思考。這第二次頓悟，直接催生了二〇二二年的 ReAct——讓模型交替生成「思考」與「行動」，每推理一步就伴隨一次搜尋、計算或調用工具，再把它們的結果帶回下一輪推理。

ReAct 之難，難在它要同時說服學界「推理與行動該合一」，也要在工程上證明這比純思維鏈更好。論文《ReAct: Synergizing Reasoning and Acting in Language Models》（arXiv 2210.03629，二〇二二）後來被接收為 ICLR 二〇二三的口頭報告（oral），這在頂會裡是極高的認可。對姚順雨而言，這一關的意義不在於一篇論文，而在於他確立了自己畢生研究的主軸：連接語言模型推理與自主智能體三大支柱——行動（ReAct）、學習（Reflexion）、規劃（Tree of Thoughts）。

04翻盤的一役：從學術明星到 OpenAI，再把願景變成產品

博士後期的姚順雨，已是不折不扣的學術新星。繼 ReAct 之後，他在二〇二三年接連推出 Tree of Thoughts（ToT，讓模型在「部分解」之樹上比較、評估、回溯，克服線性思維鏈的「路徑依賴」）與 Reflexion（用語言回饋做「語言式強化學習」，不需更新權重就能從經驗改進）；同年他又主導 SWE-bench，用真實 GitHub 議題評測模型的軟件工程能力。這些工作橫跨「方法」與「評測」，讓「語言智能體」從概念變成可複現、可衡量的研究領域，也讓他的名字頻頻出現在頂會口頭報告名單上。

真正的「翻盤」，發生在他決定走出學院、把研究願景交給產業規模去驗證。二〇二四年八月一日，他在 X（Twitter）上輕鬆寫下：「差點忘了宣布：我已經加入 OpenAI！是時候把研究願景變成現實。」這條貼文標誌他結束普林斯頓博士、轉入當時全球最強的 AI 實驗室，擔任研究科學家。在 OpenAI，他不再只是發論文，而是參與真正面向用戶的產品：Computer-Using Agent（後來的 Operator）與 Deep Research，把 agent 從基準測試推進到「能在電腦與網絡上替人辦事」的實用形態。

這一役翻的不是某次實驗的成敗，而是他對「研究該往哪去」的答案。在 OpenAI 的產品化經驗，讓他親眼看見《The Second Half》裡的判斷如何落地：當預訓練與後訓練的「配方」成熟，瓶頸從「怎麼訓」轉向「該解什麼問題、如何評估」。他也因此更篤定「評測勝於訓練、環境與上下文勝於算法」的主張。一年四個月後，他帶著這套從學術走到產品的視野，做出了另一個更出人意料的選擇——離開 OpenAI，加入騰訊。

05公司發展史（一）：普林斯頓歲月與 agent 範式的奠基（二〇一九–二〇二四）

把鏡頭拉回機構編年。姚順雨的「機構史」第一部，是普林斯頓大學（二〇一九–二〇二四）。這五年裡，他從一名直博生，成長為語言智能體方向的旗幟人物。博士早期他先做 CALM 與 WebShop（二〇二二，用可控的電商環境系統性評測 agent 能力），逐步把「讓模型在真實數字環境裡行動」變成可研究的主題；中期以 ReAct（二〇二二）確立「推理—行動」合一的方法論；後期則以 ToT、Reflexion（二〇二三）與 SWE-bench 擴充「規劃—學習—評測」三塊拼圖。

這段時間他同時在 Google、Microsoft、MIT 等頂級機構做過研究實習與訪問，視野不局限於一所學校。二〇二四年，他完成博士論文《Language Agents: From Next-Token Prediction to Digital Automation》（語言智能體：從下一個標記預測到數字自動化），系統總結這條研究主線；同年他獲普林斯頓 Harold W. Dodds Fellow 榮譽，並以多篇口頭報告級論文（ReAct 入選 ICLR、ToT 入選 NeurIPS）站上領域高點。此外，他與人合著的 LATS（Language Agent Tree Search，把蒙特卡洛樹搜尋與 ReAct 框架結合，ICML 二〇二四）與 CoALA（語言智能體認知架構框架）進一步把「語言智能體」學派化。

從影響力口徑看，這一階段的產出極其稠密：ReAct 後來成為全球 tool-use 與 agent 系統的事實標準，被引次數在他的作品中居首；ToT 開啟了「深思熟慮式推理」的研究熱潮；SWE-bench 則成了代碼智能體評測的通用基準；τ-bench（二〇二四，與 Noah Shinn、Karthik Narasimhan 等合著）專門評測工具—智能體—用戶在真實場景的協作。據二〇二六年媒體報道，其個人總引用已逾一萬五千次。這些數字背後，是一個清晰的判斷：與其事倍功半地堆模型規模，不如重新定義「智能體該如何思考與行動」。

06公司發展史（二）：OpenAI 時期與產品化嘗試（二〇二四–二〇二五）

第二部是 OpenAI（二〇二四八月至二〇二五年底）。博士畢業後他直接入職，職稱是研究科學家，隸屬語言智能體相關方向，地點在舊金山。與學院不同，這裡的目標是把論文裡的 agent，變成數以億計用戶能用的產品。他先後參與兩個標誌性項目：Computer-Using Agent（讓模型像人一樣操作電腦與瀏覽器，後來以 Operator 之名對外）與 Deep Research（讓模型自主檢索、綜整、產出研究報告）。這是他第一次面對「真實提示詞分布」與「長程、含人類在環」的任務。

在 OpenAI 的日子，讓他的研究視角完成最後一塊拼圖。學院裡他關心「agent 能不能工作、該怎麼工作」；產業裡他被迫追問「該讓 agent 做什麼、如何衡量它真的有用」。二〇二五年，他寫下長文《The Second Half》，把這個轉折講成一套世界觀：AI 進入「下半場」，強化學習終於能泛化，稀缺能力從「發明方法」變成「定義問題與評估」。這篇文章在 agent 與 RL 圈廣為流傳，被評論者類比為 Sutton 的〈The Bitter Lesson〉（苦澀的教訓）。

不過，OpenAI 雖強，卻未必是他的終點。據他二〇二六年自述，離開的原因並非待遇，而是「文化」與「場景」——這兩點，恰恰指向另一家他更想長期做事的機構。在 OpenAI 約一年四個月的經歷，給了他「用腳投票」的籌碼：一個既寫過奠基性論文、又做過前沿產品的研究者，在全球 AI 人才爭奪中是極稀缺的。也正因如此，當他轉身，立刻成為中美的焦點。

07公司發展史（三）：轉投騰訊與大模型架構重組（二〇二五下半年–二〇二六）

第三部是騰訊（二〇二五年下半年起）。二〇二五年十二月十七日，騰訊宣布升級大模型研發架構，新設 AI Infra 部、AI Data 部等部門，並任命這位前 OpenAI 高級研究員為首席 AI 科學家。他的頭銜掛在「CEO／總裁辦公室」，直接向騰訊總裁劉熾平匯報；同時兼任 AI Infra 部與大語言模型部（混元）負責人。這個安排非同尋常——一位二十七歲的科學家，被放到距離決策核心最近的位置，統領基礎模型與基礎設施兩條主線。

上任後，他的第一刀落在基礎設施。據二〇二六年六月對談，他「重建了混元的預訓練與強化學習基礎設施」，並大幅改造數據與評測（Eval）體系：強調定義更真實的問題、豐富數據的分類體系、提升數據質量，反對為榜單過擬合。二〇二六年上半年，團隊推出 Hy3 Preview（混元3預覽版），這被外界視為他在騰訊的「首秀」。他的方法論很清晰：算法反而是簡單的一環，難的是把 Infrastructure 與數據做紮實。

二〇二六年七月二十四日，騰訊再進行一次架構整合，把原大語言模型部門與多模態模型部門合併為「基礎模型部」，由姚順雨統一領導；九月，前 OpenAI 研究員田永龍被任命為「混元多模態負責人」，直接向他匯報。這一系列動作，顯示騰訊把多模態與全模態底座，放到了離總裁最近的位置。從學院到 OpenAI 再到騰訊，姚順雨的「機構史」完成了一次從方法、到產品、再到組織的躍遷。

08公司發展史（四）二〇二六：今天的版圖（混元4與全球調用量登頂）

截至二〇二六年中，姚順雨治下的騰訊大模型版圖已現輪廓。模型層面，團隊在二〇二六年八月二十八日發布並開源新一代 MoE 旗艦「混元4」（Hy4 preview），總參數七百七十B、激活參數四十九B，支持一百萬 Token 上下文，強化工具調用與 agent 能力。這一規格，直接對標國際前沿的長上下文、稀疏化路線，也是他「把基礎設施與數據做紮實」主張的產物。

產品與調用量層面，據第三方平台 OpenRouter 數據，在二〇二六年八月三十一日至九月六日這一週，騰訊混元 Hy4 preview 的週調用量達十四點七萬億 Token，位居全球第一；同期中國大模型週調用量達五十六點七二萬億 Token，連續十九週超過美國，全球前五名中四款為中國模型。這組數字（口徑為第三方平台、統計期已註明）說明，在基礎模型方法論趨同後，擁有真實場景與用戶矩陣的機構，正在把「上下文優勢」兌現為實際調用量。

組織層面，他主張構建「基礎—產品—前沿」三者均衡的三角形組織：基礎要有充足資源與正確做事方式，產品要有好的產品感，前沿要注入更多探索精神。在他看來，AI 是長期遊戲，下半場才剛開始；中國需要一個長期的、基於 AGI 的組織。這套敘事，既是他給騰訊的藍圖，也是他個人從姚班、普林斯頓、OpenAI 一路走來，對「研究該往哪去」給出的最終答案。

09領導風格與性格：誠實、信任與 low ego 的研究文化

姚順雨的領導風格，帶著鮮明的「研究者氣質」而非「管理者架子」。在二〇二六年六月五日騰訊雲大會上，他與湯道生的對談被擠得水洩不通，卻全程沒有居高臨下的宣講，反而多次主動提問、承認「更難了」。他對團隊與組織的第一要求，是誠實：他公開說，選擇騰訊最重要的原因就是文化——第一次和總辦老闆聊天，大家「哪裡做得好、哪裡做得不好，非常直白，不會掩蓋」。這種把「直面短板」當作第一資產的態度，貫穿他的公開發言。

用人與決策上，他強調「基於信任而非基於指標（metric）」的運轉方式，並自述騰訊文化有「非常 low ego、非常 solid」的一面。在技術取捨上，他不怕說反直覺的話：當業界追逐參數規模與榜單排名，他反覆講「今天做大模型比較 trivial，算法反而是簡單的一環」，把功勞歸給基礎設施與數據；在評測上，他反對刷榜、主張構造真實 Eval。這些判斷不需要權威背書，而是來自他做過奠基性論文、也做過產品的雙重經驗。

公開形象與私下性格的落差不大——他本就低調、務實，不愛造神。與梁文鋒式的「幾乎不露面」不同，姚順雨願意走上對談台，卻始終把話題拉回問題本身而非個人。他會在演講裡坦承 CALM 當年的泛化失敗，也會在對談裡把「誠實」排在「場景」之前。對年輕人，他常被拿來做「二十七歲首席科學家」的勵志樣本，但他本人的敘事重心從不在年齡，而在「你今天為接住機會準備了什麼」。

10成功秘訣：定義問題、真實評測與長期主義

歸納姚順雨的成功，第一條是「先定義問題，再想方法」。從 CALM 的泛化失敗，到《The Second Half》的系統論述，他始終認為下半場的稀缺能力是「決定什麼值得被衡量」，而非發明更強的模型。第二條是「評測勝於訓練、環境勝於算法」：他早早看見，先驗（預訓練帶來的常識）才是 RL 真正缺的一環，因此把語言模型的推理當作行動，喚醒跨任務泛化。

第三條是「用真實數字勞動評測 agent」：WebShop、SWE-bench、τ-bench 一脈相承，都用真實電商、真實 GitHub、真實客服場景檢驗模型，而非玩具基準。第四條是「從學院走到產品」——他不滿足於發論文，主動進 OpenAI 做 Operator、Deep Research，讓願景接受億級用戶的檢驗。第五條是「基礎設施與數據優先」：他直言算法簡單，真正難的是把 Infra 與數據做紮實，這也是他重建混元的根。

第六條是「文化與長期主義」：他選騰訊不是為錢，而是為誠實、信任與 low ego 的組織氛圍，相信 AI 是長期遊戲。總結來看，他的成功有多大可複製？「定義問題、重視評測、做紮實基礎設施」人人可學；但趕上語言模型預訓練爆發的時代窗口、在頂會口頭報告級產出、被最強實驗室與最大平台同時爭搶，很大程度是時代與運氣的產物。方法可學，時勢難複製。

11個人、價值觀與生活：低調的「產品經理式」研究者

金錢與聲望觀上，姚順雨表現得相當淡。他沒有像創業者那樣談估值與上市，而是把「加入騰訊」解釋為文化與場景的選擇；在對談中，他甚至把「誠實」排在「產品矩陣」之前。這種把組織誠信當作第一資產的價值觀，與他反覆強調的長期主義一致：AI 是長期遊戲，短期窗口不重要，重要的是能不能在中國建立一個長期、基於 AGI 的組織。

生活與形象方面，他低調而不神隱。本科時他是清華饒舌社共同創辦人，顯示出技術之外的表達欲與幽默感；博士與 OpenAI 時期，他習慣用 X 貼文輕鬆宣布大事（如「差點忘了宣布：我已經加入 OpenAI」）。二〇二六年六月那場擠爆會場的對談，是他入職半年後的首次大型公開露面，面對「騰訊 AI 是不是慢了」的尖銳提問，他不迴避、不誇口，而是把話題導回方法論。

價值觀的底色，是一種「產品經理式的研究者」自我定位。他主張研究員在下半場要更像產品經理：懂用戶、懂場景、懂什麼問題真的值得解。這並不意味他放棄學術嚴謹——恰恰相反，他要求後訓練設立「正確的 Eval」、反對刷榜，是把產品經理的務實與研究員的誠實揉在一起。對年輕人，他常被塑造成「天才少年」符號，但他自己的訊息始終是：黃金時代屬於那些早早就為接住機會做好了準備的人。

12國家與時代意義：中國 agent 路線與全球人才爭奪

在中國 AI 版圖上，姚順雨的意義超出個人成就。他是少數同時具備「奠基性論文作者」與「頂級實驗室產品經驗」的華人科學家，而他選擇從 OpenAI 轉投騰訊，被外界視為中國大模型實力與組織文化吸引力上升的標誌性事件。在他之前，全球最強 AI 人才多流向美國巨頭；他的「用腳投票」，為「中國能否留住並吸引頂尖研究員」提供了一個具體而正面的樣本。

地緣與產業背景是繞不開的座標。在美國出口管制收緊、算力成為戰略資源的背景下，姚順雨的判斷恰好呼應中國路線：當基礎模型方法論趨同，真正的競爭壁壘不再是模型本身，而是「最原始的輸入」——也就是 context，包括企業信息與個人場景數據。騰訊擁有微信、元寶、ima、CodeBuddy、WorkBuddy 等豐富產品矩陣，正是他把「上下文優勢」兌現為 agent 能力的天然環境。

放在全球視野，姚順雨與 ReAct、ToT 所開創的「語言智能體」一支，已經成為 agent 研究的世界主流範式，影響從學術延展到 OpenAI、Google 等巨頭的產品。對行業的影響在於：他證明「重新定義問題與評測」比「單純堆規模」更具槓桿，也讓「下半場」成為二〇二五年以來整個領域的共用語言。他與騰訊的故事，是中國在智能革命中，從「跟隨者」轉向「定義問題者」的一個縮影。

01家世與早年：四川宜賓的農村書屋少女

羅福莉生於一九九五年，四川宜賓一個普通村落。父親是電工，母親是教師，妹妹後來成了醫生。與許多投身人工智能的同代人不同，她成長的環境既無科技圈背景，也無少年班的光環，上大學前幾乎沒碰過電腦。村裡有一位從宜賓市機關退休的羅鵬遠老人，辦了一間免費的農村書屋，提供書籍與課業輔導，直到二〇二〇年辭世。羅福莉後來回憶，那間書屋是她的「第二課堂」，讓她從小相信「書能帶我去更遠的地方」；這份對知識的樸素信仰，日後成了她一路向上的隱形燃料，也解釋了她為何始終不被頭銜與熱度左右。

她就讀於四川省宜賓市第一中學「清北班」，是二〇一三屆畢業生。這所學校走出過不少考上頂尖學府的學生，但羅福莉並非其中最拔尖的一個；班主任李波評價，她成績足夠優秀，卻也足夠刻苦。高中畢業前她對「計算機」三字毫無概念，二〇一三年考入北京師範大學，卻「誤打誤撞」進了計算機專業。這一步看似隨機，卻把她推上一段與人工智能深度糾纏的旅程。當時誰也沒想到，這個來自小村、幾乎零基礎的女孩，十年後會執掌一家消費電子巨頭的基座大模型團隊，站在中國 AI 產業的最前線。

進大學前幾乎零基礎，使她在起點上明顯落後。這份「低起點」的體感，後來反覆出現在她的自述裡，也成了她拒絕「天才少女」標籤最真實的底氣：她一再強調，自己從來不是靠天賦，而是靠環境與投入一步步走到的。比起「天生的神童」，她更像是被一本本書、一間農村書屋、一群認真對待研究的人，慢慢托起來的普通女孩。理解這一點，才能理解她後來為何如此執著地想把聚光燈讓回模型與團隊——她要的從來不是被仰望，而是一張能安靜寫代碼的書桌。

02創業原點：從北大實驗室到達摩院的第一份研究

北京師範大學期間，她並非一路順遂。大一期末排名靠後，大二才專注學業、成績躋身前百分之五；大三到北京大學語言計算實驗室實習，受研究員萬小軍啟蒙，三個月自學 Python，投出人生第一篇頂會論文（非一作）。保研北大後，她正式踏入自然語言處理，二〇一七年保送北京大學計算語言學研究所，師從萬小軍、穗志方等學者，研究方向落在詞義消歧、文本風格轉換、雙關生成等細分課題。這些看似冷門的題目，後來都被大模型的「下一個詞預測」範式統一收編，成為她理解語言概率分布的早期訓練。

真正意義上的「創業原點」，是她放棄學術路線、轉向工業界的決定。碩士兩年她發表超過二十篇頂會論文，達到博士生畢業標準，卻沒有申請名校博士，而是二〇二〇年通過阿里最高級別校招項目「阿里星」進入阿里達摩院機器智能實驗室。她在自述中寫道：「在讀書的時候，周圍的評價機制都非常在意論文數量；但到工業界，我追求的是這份工作是否真的有落地價值。」這一轉向，標誌她從「寫論文的人」變成「把模型做出來的人」，也讓她避開了純學術圈對「複雜度」的盲目崇拜，轉而欣賞一眼能看懂還有效的簡潔方案。

在達摩院，她主導開發跨語言預訓練模型 VECO，並挑起 AliceMind 集體開源的大梁。VECO 論文以第一作者 Fuli Luo 名列 ACL 2021，模型掌握逾百種語言，直接服務阿里跨境電商翻譯，內部平台日均調用數十億次。這份經歷，是她職涯的第一塊基石：從此她不再只是論文作者，而是能讓技術在真實業務裡跑起來的工程負責人。它也確立了她日後「便宜、好用、能落地」的技術信仰——這條線一路延伸到 DeepSeek 的價格戰，再延伸到小米手機與 IoT 設備上的端側大模型，始終沒有偏離。

03最艱難的關：被神化的風口與安靜的書桌

羅福莉並非一路「開掛」。她自己多次說，大一排名靠後、被批「沒有科研天賦」、大四一度想轉行做產品經理，是整段人生裡最差的開局。她在公眾號寫過：大三為保研開啟學術生涯，卻收到「你沒有天賦做科研」的打擊；大四掉頭逃離苦悶的學術，曾認真考慮轉產品。這種「跌倒、爬起、再跌倒、再爬起」的節奏，是她早年的真實底色，也解釋了她為何如此排斥「天才」敘事——因為那套光環敘事，恰恰抹去了她最在意的努力、環境與運氣，把複雜的成長壓縮成一句輕飄飄的「天賦」。

更艱難的一關發生在二〇二四年底到二〇二五年初。DeepSeek 爆紅，身為 DeepSeek-V2 關鍵開發者之一的她被推上風口，網傳雷軍以千萬年薪招攬，話題頻頻登上熱搜。媒體與自媒體湧入她的生活，甚至騷擾到家人、朋友、同學與初高中班主任；她後來形容，那些充滿事實錯誤的 AI 風自媒體文章「low 到爆」。這一關的難，不在技術，而在如何守住一張安靜的書桌——當一個人被迫在自家客廳裡反覆澄清「我不是天才」，工作的尊嚴已被流量侵蝕，連最普通的親情都被捲進公共喧囂。

二〇二五年二月十八日凌晨，她在朋友圈發聲：「請互聯網還我一片安安靜靜做事的氛圍吧！幾年前就說過我並非什麼天才少女，神化一個人的結果就是捧得多高摔得多重！」她同時呼籲自媒體「收手」，不要再無差別打擾身邊人。這段話被視為她對「被神化」最直白的拒絕，也讓公眾第一次看見：這位年輕研究員最在意的，從來不是頭銜與身價，而是一張能專心做事的桌子，以及一個不被消費的普通人生。她用最樸素的句子，劃出了技術與流量之間的界線。

04翻盤的一役：從話題人物回到產品的人

她的第一次「翻盤」，發生在保研北大之後。研二是她最忙的一年，除了寫代碼、上課幾乎什麼都不想。二〇一九年，尚在碩士階段的她一口氣在頂會 ACL 發表八篇論文（兩篇一作），登上知乎熱搜，被網友冠以「AI 才女」之稱。她在知乎「親自答」澄清：自己只是投中一長一短兩篇，其餘是參與實驗室同學的研究，「我付出了足夠的努力，當然也有運氣成分加持」。這一年，把她從「低起點者」推到了中文 NLP 圈的前排，也讓她第一次體會到被看見與被誤讀同時降臨的滋味。

第二次翻盤，是二〇二五年下半年的公開亮相。十一月十二日，她在朋友圈官宣加入小米：「智能終將從語言邁向物理世界。我正在 Xiaomi MiMo，和一群富有創造力、才華橫溢且真誠熱愛的研究員，致力於構建這樣的未來，全力奔赴我們心目中的 AGI。」這是她首次正面回應傳聞。十二月十七日，她在小米「人車家全生態」合作夥伴大會登台，發表《Xiaomi MiMo：小米基座大模型》演講，完成加入小米後的首次公開首秀，也把過去一年的喧囂收束成一句產品宣言，重新奪回敘事的主導權。

首秀的主角是 MiMo-V2-Flash：總參數三百零九 B、激活參數十五 B，在代碼與智能體評測上躋身全球開源模型前二，多數基準超越 DeepSeek V3.2 與 K2-Thinking，而參數量僅為其二分之一到三分之二。她坦言「我都不願意稱它是一個非常大的模型」。這一役，讓她從「被神化的話題人物」重新變回「拿出產品的人」——用模型說話，而非用熱搜說話。這恰好是她一貫的翻盤方式：把喧囂還給世界，把工作台還給自己，讓技術成果替沉默的努力發聲。

05公司發展史（一）：阿里達摩院與 VECO 的跨語言時代

羅福莉職涯的第一站是阿里巴巴達摩院深度語言模型實驗室（MinD Lab）。達摩院自二〇一八年起布局預訓練語言模型，到二〇二一年三月集體開源「AliceMind」體系——全稱 ALIbaba's Collection of Encoder-decoders from MinD Lab，包含 StructBERT、PALM、VECO、StructVBERT、StructuralLM、LatticeBERT 等八大模型，先後登頂 GLUE、CLUE、XTREME、VQA Challenge、DocVQA、MS MARCO 等權威榜單，是當時中文 NLP 圈最完整的深度語言模型家族，也為後來的千億大模型時代埋下工程與數據的種子，讓羅福莉在入行之初便看見「模型即產品」的完整鏈路——從論文、開源到業務落地，這套視野日後貫穿她的整個職涯。

VECO 是其中的跨語言模型，論文題為《VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation》，由羅福莉（Fuli Luo）等發表於 ACL 2021。它的創新在於把「交叉注意力模塊」插入 Transformer 編碼器，顯式建立語言之間的相互依賴，並讓同一模型同時服務語言理解（NLU）與生成（NLG）。在 XTREME 跨語言理解與 WMT14 翻譯任務上，VECO 取得當時最佳成績，掌握逾百種語言——這是二〇二〇年前後中文圈對「多語言預訓練」最早的工程化嘗試之一，比 GPT-4o 等閉源模型內化類似思路早了數年，使「跨語言」從學術指標真正變成阿里的計費跨境服務。

對阿里而言，VECO 不是實驗室玩具。它直接支撐國際事業部（ICBU）、全球速賣通（AliExpress）等跨境電商的多語言理解與翻譯，內部基於 AliceMind 的翻譯平台日調用約十億次，創造數億美元的跨境貿易價值；AliceMind 整體在阿里數十個核心業務落地，日均調用達五十億次，活躍場景超過兩百個。羅福莉在這裡學到最重要的一課：在工業界，「一眼能看懂還有效」的模型，比複雜花哨的模型更珍貴，因為它能被真實業務反覆使用，而不是停在論文附錄裡供人仰望。

06公司發展史（二）：從幻方量化到 DeepSeek 的工程轉向

二〇二二年，羅福莉做出一個讓圈內意外的決定：離開達摩院，加入量化私募「四大天王」之一的幻方量化，從事深度學習策略建模與算法研究，隨後轉入幻方孵化的深度求索（DeepSeek）任深度學習研究員。從「阿里星」流向私募，在當年是反向流動；但她看中的是幻方手裡的算力與 AI 工程落地能力——幻方早在一九年搭建「螢火一號」（約一千一百塊 GPU），二一年建成「螢火二號」（上萬張 A100），這是當時國內民間最雄厚的一張算力網，也是後來 DeepSeek 敢打價格戰的物質底氣。

幻方以 AI 驅動量化交易起家，二三年起加碼大模型、成立 DeepSeek。羅福莉成為核心研究員之一，參與 MoE（混合專家）大模型的研發。需要說明的是，外界對她的具體角色披露不多：從公開技術報告與論文署名判斷，她參與的並非最引人注目的架構創新（如 MLA 注意力或路由機制本身），而是工程化落地中最「髒」最「累」的部分——專家路由與激活稀疏性的深度優化，決定模型能否在數千張 GPU 上穩定跑起來，把漂亮的論文變成能上線的服務。

這段經歷塑造了她的工程哲學：在大模型時代，「讓幾千億參數在幾千張顯卡上穩定工作」比「想出一個漂亮想法」更值錢。學術圈未必青睞這類不能發頂會的工程活，但工業界願意為它付千萬年薪。她後來在知乎寫道，DeepSeek-V2 的中文水平「真實處在國內外閉源模型的第一梯隊」，定價「只有 GPT-4 價格的百分之一，性價比之王」。這句話，預示了她與「便宜而好用」路線的終身綁定，也埋下日後執掌小米 MiMo、把模型塞進手機的伏筆。

07公司發展史（三）：DeepSeek-V2 與一場價格戰

二〇二四年五月，DeepSeek 發布 V2，這是羅福莉參與研發的關鍵作品。V2 採用 MoE 架構，把每個 token 激活的參數量從傳統稠密模型的數千億降到數百億，大幅壓低推理成本；API 價格低至一元／百萬 token，僅為 GPT-4 的百分之一。這一定價直接點燃中國大模型行業的「價格戰」，頭部公司被迫把 API 價格降到原有的十分之一到二十分之一，等於用一場降本，重塑了整個市場的定價邏輯，也讓中小開發者第一次用得起頂級水準的中文模型。

羅福莉不是站在發布會聚光燈下的那位「明星」，卻是讓 V2 真正能用的工程落地者之一。她反覆強調，自己所有的成果都建立在團隊與工程能力之上，「離開 DeepSeek 團隊，我什麼都做不了」。這種「把自己放小、把團隊放大」的姿態，後來被解讀為雷軍願意千萬年薪挖她的真正原因——小米要的從不是一個「天才少女」標籤，而是一個在頂尖團隊裡扛得住 MoE 關鍵模塊、能把成本打下去的人。她拒絕神化，卻也因此更被需要。

V2 之後，羅福莉從 DeepSeek 離職。二〇二四年十二月底，網傳雷軍已開出千萬年薪招攬她領導小米 AI 大模型團隊；十二月三十一日，她的高中班主任向紅星新聞證實，她「還在考慮」。二〇二五年二月，親屬稱她已到新崗位上班但未公開公司名。直到同年十一月十二日，她才在朋友圈正式確認：加入小米，執掌 MiMo。這近一年的懸念，把「羅福莉去哪」變成了公眾事件，也讓她的每一次現身都被放大檢視，連沉默本身都成了新聞。

08公司發展史（四）二〇二六：今天的版圖

小米的大模型布局早於羅福莉加盟。二三年四月，小米組建 AI 實驗室大模型團隊；二四年十一月成立專門的 AI 平台部，由清華出身的張鐸負責；同時搭建 GPU 萬卡集群，雷軍親自領導。二五年四月三十日，小米大模型 Core 團隊開源首個推理大模型「Xiaomi MiMo」（MiMo-7B）：七 B 參數、三十二 K 上下文、引入多 token 預測（MTP），預訓練累計約二十五 T tokens，在 AIME 24-25 與 LiveCodeBench v5 上以七 B 規模超越 OpenAI o1-mini 與阿里 QwQ-32B-Preview，證明小參數也能打大仗，為小米「輕量化、本地部署」的 AI 路線定下基調。

羅福莉官宣加入後，MiMo 進入加速通道。二五年十一月，小米攜手北京大學聯合發表聚焦 MoE 與強化學習的論文，羅福莉以通訊作者身份連接小米與北大團隊；十二月十七日開源 MiMo-V2-Flash（總參數三百零九 B、激活十五 B，支持長上下文），代碼與智能體能力進入全球開源模型前二。根據盧偉冰公布的路線圖，小米已推出 MiMo-7B、視覺推理 MiMo-VL、端到端音頻 MiMo-Audio、端側視覺語言 MiMo-VL-Miloco 與具身大模型 MiMo-Embodied，形成多模態矩陣，顯示小米正把基座能力快速攤到各條產品線。

進入二六年，MiMo 持續迭代：四月開源 MiMo-V2.5 系列（Pro 支持百萬級上下文、Omni 全模態、TTS 語音），五月 API 定價永久降至一美元／百萬輸入 token；六月推出開源終端編碼智能體 MiMo Code。今天的小米 MiMo，已從單一七 B 推理模型，擴展為涵蓋語言、視覺、音頻、具身與智能體的家族，並明確指向「空間智能」與「人、車、家全生態」的落地願景——把模型從雲端拉到數十億台設備的現場，讓人工智能真正住進用戶的日常，而非停留在發布會的簡報裡。

09領導風格與性格：低調、務實與把團隊放大

羅福莉最鮮明的性格標籤是「低調」與「拒絕被神化」。當全網把她捧成「天才少女」時，她第一時間在朋友圈與知乎駁回，強調自己只是「踩對了方向」「把每一篇論文做紮實、把每一行代碼調對」。在小米首秀的演講中，她表現稍顯緊張，內容以技術解讀為主，而非個人宣傳——這種「把自己隱到模型後面」的習慣，貫穿她的職涯，也讓她在喧鬧的 AI 圈顯得格格不入卻格外可信。她不經營人設，人設便自然長了出來。

她的領導方式偏向「工程落地導向」與「授權團隊」。在達摩院，她挑起 AliceMind 開源大梁，卻把功勞歸給整個實驗室；在 DeepSeek，她甘做讓明星架構真正跑起來的「工程落地者」。她在一次訪談中說，「這類標籤是為了吸引注意力而創造的刻板印象，它粉飾了科研過程中真正的努力、堅韌和全心投入」。把團隊放大、把個人放小，是她與同代「明星研究員」最不同的地方，也是她能被雷軍看中、被團隊信服的關鍵。

她對技術有近乎固執的務實：在工業界追求「落地價值」而非論文數量；在小米堅持「便宜、快、能部署」的路線。她判斷智能體需要高效的溝通語言（代碼與工具調用）、極致的推理效率，以及全新的後訓練範式。私下裡，她喜歡讀書、重視家庭，公開形象與私下性格落差不大——都是那個「只想安安靜靜做難而正確的事」的研究員，拒絕把人生過成一場被圍觀的表演。她的穩，來自早把虛名看輕。

10成功秘訣：八條可印證的方法

歸納羅福莉的軌跡，可得到幾條可印證的「成功秘訣」。其一，抓住環境紅利：保研北大後進入 NLP 重鎮，被一群認真對待研究的人推著跑。她說「很多時候不是你沒有天賦，而是你還沒找到那個能讓你全力以赴的環境」。其二，把論文做紮實：碩士兩年二十餘篇頂會論文，靠的是「目標拆解加死磕」，而非靈感式的一蹴而就。這兩條說明，她的起點雖低，卻把環境用到了極致，低開高走正是她的寫照。

其三，敢於轉向：大四想轉產品、最終回歸技術；二〇年放棄讀博進工業界；二二年離開達摩院去幻方。每次轉向都更接近「把東西做出來」。其四，押注算力與工程：在幻方看中的是 A100 集群與落地能力，而非 title。其五，拒絕神化、守住專注：用「安安靜靜做事」擋開流量，保住一張書桌。這五條的共同點，是把自己放到能發力的最小單元，而不是追逐最大的光環，寧可做對的事，不做響的事，把精力放在模型與團隊，而非鎂光燈。

其六，選對生態：小米「人、車、家全生態」與她「把便宜的 AI 放到便宜的設備」一脈相承。其七，相信開源：她稱「開源是實現 AGI 普惠化、確保所有人類智慧共同進化的唯一路徑」。其八，把失敗當常態：「把失敗排除掉，剩下的就是運氣」。歸根結底，她的成功一半靠時代（中國大模型起飛），一半靠把自己放到能發力的最小單元裡——可複製的是方法，難複製的是那份安靜與清醒，以及對流量的免疫，這正是她能穿越喧囂、守住主線的原因。

11個人、價值觀與生活：做難而正確的事

羅福莉出生在宜賓某村普通家庭，父親是電工、母親是教師、妹妹是醫生。父母給她「不設限」的教育觀：鼓勵設高目標、勇於挑戰，這讓她在科研深水區擁有比常人更強的耐受力。村裡羅鵬遠老人的免費書屋，是她童年的「第二課堂」，也種下「書能帶我去更遠的地方」的信念。她曾說，小時候以為世界只有村子大，直到書帶她去了更遠的地方——這句話，是她價值觀最原始的註腳，也是她日後不懼起點低的根本原因。

金錢與頭銜並非她的驅動力。面對千萬年薪的傳聞，她始終低調，直到確認才鬆口。她研究生畢業工作約一年後結婚，丈夫研究領域與她相同、只是細分項目不同，兩人在杭州買了房。親屬透露，丈夫春節期間忙著開發新產品，夫妻倆連春節都沒回老家。技術是這個家庭共同的語言，也是日常生活最自然的主題，讓她在聚光燈外有一處安穩的落點，不被外界的喧囂牽著走。

她的價值觀可以用一句話概括：「做難而正確的事」。這既是科研邏輯的基石，也是對「失敗」的哲學——早期探索充滿在理論與現實間掙扎的窒息感，但她選擇直面。公開形象上，她不追逐風口、不迷信天賦，只在通往智能真理的寂寞道路上，以一個普通人的執著向前。這份樸素，反而成了她最稀缺的號召力：在一個人人搶著被神化的時代，她主動退後一步，反而讓人看見了更清晰的輪廓。

12國家與時代意義：性價比路線與中國大模型崛起

羅福莉的意義，首先在於她是中國大模型「性價比路線」的代表人物之一。從 DeepSeek-V2 的「一元／百萬 token」到小米 MiMo 的「端側、便宜、快」，她始終站在「把昂貴的 AI 變便宜」的一側。這條路線與中國產業對算力成本的高度敏感深度吻合，也讓先進模型得以落到數十億台手機與 IoT 設備上，而非停在雲端 demo——這正是「人工智能普惠」最樸素的實現方式，讓技術紅利走出實驗室、走進尋常百姓家，而非被鎖在少數巨頭的付費高牆之後。

其次，她是「工程能力被低估」這一命題的活樣本。二四年中國 AI 圈最響亮的聲音是「我的模型超過 GPT-4」「我的參數做到幾萬億」，但真正決定 AI 能否用起來的，是讓幾千億參數穩定跑起來的工程能力。她的千萬年薪，買的正是一線的工程落地力。這也折射出中國 AI 人才爭奪的殘酷：頂尖研究員已成戰略資源，被巨頭與創業公司反覆爭搶，身價隨模型能力水漲船高，也預示人才將與算力、數據並列為核心資產。

從更宏觀的視角，她連接了學界與產業：北大計算語言學的訓練、達摩院的工業洗禮、DeepSeek 的極致工程、小米「人車家全生態」的場景，恰好是中國大模型從實驗室走向千行百業的縮影。她在高一屆演講中說，中國開源模型與世界頂尖閉源的代差「可能只有數月了」。這句話背後，是一整代人把論文變成產品、把模型開源給世界的時代敘事，而她正是其中沉穩而關鍵的一環，連接起語言與物理、學術與生活。

01家世與早年：餘姚農村的機器人痴

王興興生於一九九〇年三月，浙江寧波餘姚市一個普通家庭。餘姚是寧波下轄的縣級市，也是全國百強縣之一。與後來鎂光燈下的科技新星形象不同，童年的他極度內向，幾乎不與同學說話，初中班主任曾說「在整個班級裡感覺不到你的存在」。他喜歡放學後看電視紀錄片，十歲前把航空、航天、生物類節目看了個遍，腦袋裡裝滿奇思妙想：動物為什麼不會說話？把豬的腦子移植到人身上會怎樣？這種對萬事萬物的好奇，後來轉化成動手做的衝動，成為他性格底色的第一塊拼圖。

偏科與自學電子，構成他早年的第二條線。他的英語成績極差，初中一次家長會上英語老師當面對父母說「這小孩有點笨」；高中幾百場英語考試「大概只及格過三次」，中考時因英語拖後腿險些上不了普通高中。但理化成績驚人地好，總分仍能排年級前列。與此同時，他的雙手從沒停過：小學做過風力小車，初中手工組裝遙控車、模型船、航模飛機，甚至一架顯微鏡；高中在家做可充電電池、做電解水實驗。動手能力成為他最早的護城河，也讓他在「幾乎不開口」的歲月裡，找到與世界對話的方式。

二〇〇九年，十九歲的王興興考入浙江理工大學機械與自動控制學院機電專業。這所學校並非頂尖名校，他後來坦言，因英語單科落差，原本嚮往的浙江大學去不成，這段「落差」日後被他反覆提起，卻從未被視為失敗。大一期間他幾乎不玩遊戲，多數時間泡在圖書館，目標明確、動手力強，給老師留下深刻印象。二〇〇九年冬天，他用零花錢買了一塊幾十元的 Arduino 單片機，大一寒假又買了十幾個九克舵機，純手工繪圖、切割、打磨，只花兩百元做出一隻十四自由度的雙足機器人；他還向學校申請到一萬元大學生科研經費，把這份熱愛變成正式項目。

真正改變認知的是二〇一〇年。大一下學期，他讀計算機基礎課交了一份自由選題作業，主題是「大規模人工智能與神經網絡」——那時神經網絡正處低谷，是極冷門的領域，他卻幾乎把圖書館相關書籍看了一遍，並在作業裡判斷：擴大神經網絡規模，AI 能力就會越強。同年暑假，他不做任何電動工具，純手工做出多自由度力回饋手套與三維虛擬實境力交互軟體；大二時主動帶著作品找老師，要進實驗室。老師評價他「有自驅力」。從極度內向、自我懷疑的偏科生，到大學裡主動向外求索，機器人與 AI 成了他性格蛻變的支點，也預示了往後十六年同一條主線。

02創業原點：從 XDog 到大疆辭職

二〇一三年，二十三歲的王興興從浙江理工大學畢業，畢業論文是《一種 BLDC 控制器的研製》。他原本報考浙江大學機械碩士，卻再次因英語單科未過線，總分過線仍被調劑到上海大學。研一期間，他在導師賈文川支持下先開發出一條高動態機械腿，拿到一兩萬元科研經助。真正的突破發生在一五年：他在理解國外文獻基礎上，全球開創性地獨立開發出用低成本外轉子無刷電機驅動的全自由度高性能四足機器人 XDog。X 寓意神秘，這隻機器狗後來拿到上海機器人設計比賽二等獎與八萬元獎金，成為他第一桶金，也早於波士頓動力公開電驅方案約一年——王興興比巨頭更早押注「電驅加低成本」路線。

二〇一六年是轉折年。尚未畢業，他就被深圳大疆公司提前錄用，五月入職。碩士論文《新型電驅式四足機器人研製與測試》提出的機狗雛形，以及畢業答辯前後放出的測試影片，被海內外媒體報導；XDog 不僅有人想買，還有投資人想投他。僅在大疆工作兩個多月、尚在試用期，二十六歲的他決定辭職創業。二〇一六年八月二十六日，他在杭州創辦杭州宇樹科技有限公司（Unitree Robotics），拿著尹方鳴個人二百萬元天使投資，自己身兼創辦人、執行長與技術長。最早的「公司」是一間工作室，他既是唯一的工程師，也是產品經理、募資人與清潔工——一個人，一間房，一隻機器狗的起點。

他給公司起名「宇樹」，網友調侃諧音「語數」——恰好對應他英語奇差、數理見長的人生。但王興興做機狗的初心從一開始就與波士頓動力不同：對方技術無疑頂尖，卻走科研與液壓路線、不對外開源；他要做的是消費級、價格低、允許買家二次開發的產品。這一套「低成本、高性能、開源」的方法論，從 XDog 延續到日後每一代機器人，也決定了宇樹後來能從實驗室走向千萬普通開發者與家庭。創業沒有退路：從大疆辭職意味放棄穩定高薪，天使輪的兩百萬要撐起研發、樣機與招聘，他必須在最短時間內把概念變成能賣的機器。

03最艱難的關：二〇一八年的現金流缺口

創業前兩年遠比光鮮的發布會殘酷。二〇一七年十月，宇樹發布首款產品 Laikago（萊卡狗，取名自第一隻上太空的犬 Laika，也呼應 AlphaGo），售價九點九萬元，是中國國內首個正式對外零售的高運動性能四足機器人；次年推出 AlienGo，定位行業功能型。但產品有了，錢與訂單卻沒那麼快來。二〇一八年，公司在融資上經歷一輪波折，王興興一度停發自己的工資，用積蓄給員工發薪，撐過最難的現金流缺口。他在同年極客公園創新大會上演講《一個關於四條腿機器人的故事》，對外講故事的底氣，來自對內咬牙不裁人、不降薪的硬撐。

真正的市場驗證遲到來。二〇一八年下半年，宇樹才開始接到機器狗訂單並發貨，國內外客戶都有；同年拿到安創科技投資、變量資本的天使輪融資。在此之前，團隊單薄、資金匱乏，每一顆外轉子無刷電機、每一塊驅動板都要自己設計驗證，任何一個供應鏈環節出錯都可能讓公司斷糧。王興興後來回憶，這段「前路未知、沒有經驗」的日子，是創業最大困難所在；他也說，若能對二〇一六年的自己說話，最想說的是「勇敢、大膽，堅持你的熱愛」。艱難的不是技術本身，而是技術還沒變現時，如何用信念說服投資人、用積蓄養住團隊。

04翻盤的一役：二〇二一年的春晚與 Go1

翻盤發生在二〇二一年。六月，宇樹發布伴隨仿生機器人 Go1，以突破行業極限的超低價格與優秀感知運動能力，成為人類科技史上首款真正走入大眾生活的移動機器人：最高奔跑速度達每秒四點七米（時速十七公里），標配自研 ISS 智能伴隨系統、超感知視角與十六核 CPU 加 GPU 算力。兩個月前，二〇二一年二月牛年春晚，二十四台 A1 機器狗化身小牛「犇犇」，與劉德華、王一博、關曉彤同台演出《牛起來》，宇樹第一次以全民級曝光躍入大眾視野。從展廳裡的昂貴樣機，到春晚舞台上的國民機器牛，宇樹完成了從「能跑」到「被看見」的關鍵一躍。

資本隨之跟進。二〇二一年七月，雷軍旗下的順為資本領投宇樹一千萬美元 A 輪融資；此前三月，宇樹與上海大學合作的「引領全球四足機器人市場化」項目，摘得第七屆中國國際「互聯網加」大學生創新創業大賽總決賽金獎，實現上海大學該項國賽金獎零的突破。同年底，馬斯克與萊克斯·弗里德曼的播客訪談桌上，便趴著一隻宇樹機狗。從二〇一八年的停發己薪，到二〇二一年的春晚出圈與美元融資，宇樹用三年證明：低成本高性能路線不只能活，還能跑進千家萬戶、跑進全球極客的書房。這一役，讓公司正式走出生存線，轉向規模化。

05公司發展史（一）二〇一六–二〇二一：創立與早期生存

把時間拉回起點。二〇一六年八月二十六日，杭州宇樹科技有限公司在濱江區一間辦公室註冊，最初只是王興興一人加幾台電腦的工作室。產品路線異常清晰：用自研外轉子無刷電機、減速器、控制器與運動控制算法，把四足機器人從實驗室天價打到消費級可負擔。二〇一七年十月 Laikago 問世，獨立研發電機、驅動、主控與全新控制系統，尺寸比例與動力性能較原型機更合理；二〇一八年發布 Laikago Pro，二〇一九年推出 AlienGo，定位行業功能型，一體化機身、輕量集成，國際同類產品中已達世界先進水平。這一階段宇樹完成了「從零到一」——證明中國團隊能從零打造波士頓動力級產品，且更便宜、更開源。

出海與教育市場同步打開。二〇二〇年一月，宇樹在拉斯維加斯 CES 2020 發布教育酷玩四足機器人 A1，最大持續室外奔跑速度三點三米每秒，是國內近似規格最快最穩的中小型四足機器人，一經推出即受高校實驗室好評；同年公司陸續拿到安創科技投資、德迅投資、紅杉中國種子基金等投資。二〇二一年六月 Go1 發布後，宇樹又把產品線拆成消費研究（Go）、重工業（B）、野外部署（A）三條線；九月推出超高負載工業級 B1，應用於安防巡檢、物流運輸、災難救援；十二月推出靈巧機械臂 Z1，讓機器狗能開門、抓取。至此宇樹從「一隻狗」長成一個機器人平台家族，為日後人形與具身智能埋下全棧技術地基。

06公司發展史（二）二〇二二–二〇二三：從四足到人形

二〇二二年是宇樹的「國家級曝光年」。二月四日北京冬奧開幕式，一百零九台 Go1 機器狗排成「冬奧會」字樣，作為杭州城市代表亮相；同月央視元宵晚會，兩台 B1 穿虎殼與冰墩墩同台獻藝。四月，宇樹把機器人關節力控技術延伸出 Unitree PUMP 健身泵，推智能健身進入日常。二〇二三年二月十三日美國超級碗賽前表演，八隻 Go1 與巨星 Jason Derulo 同台，驚豔全球；同年杭州亞運會，宇樹機狗首次在體育賽事運輸鐵餅與標槍，被網友叫「顯眼包」，亞殘運會火炬傳遞中 B1 更首度作為智能導盲犬應用。技術從炫技走向真實場景，宇樹在全球刷出「中國機器狗」的集體認知。

真正的戰略轉折在二〇二三年。七月十二日，宇樹推出新一代消費級四足機器人 Go2，標配四維超廣角雷達、AI 大模型賦能；八月十五日正式發布首款通用人形機器人 H1，被譽為國內第一台能跑的全尺寸通用人形機器人，具備全球近似規格最高動力性能；十一月三日再發工業四足 B2，速度六米每秒、持續負載四十公斤、續航五小時，綜合性能達全球現有四足機器人二到三倍。值得注意的是，王興興早年曾堅決反對做人形——二〇〇九年他就試過、認為太複雜無法駕馭，大學全心鑽四足；是 AI 大模型出現後技術迭代遠超預期，才讓他在二〇二三年初轉向人形。這一轉身，改寫了宇樹的賽道天花板。

出海也邁出實質一步。二〇二三年十一月，宇樹選擇亞馬遜作為跨境電商出海第一站，創辦人表示亞馬遜匯聚全球海量用戶，能高效實現貨通全球；過往以 B 端客戶為主，但讓機器人走進千家萬戶才是目標，透過亞馬遜快速延伸 to C 業務，能更好理解終端用戶。與此同時，宇樹累計申請國內外專利一百八十餘項、授權一百五十餘項，成為國家高新技術企業、國家級專精特新「小巨人」。從四足到人形、從國內到全球、從科研到消費，二〇二二至二〇二三的兩年，宇樹完成了產品矩陣與戰略版圖的雙重擴張。

07公司發展史（三）二〇二四–二〇二五：人形爆款與資本化

二〇二四年五月十三日，宇樹發布 G1 人形智能體，售價僅九點九萬元起，擁有二十三到四十三個關節、超大關節運動空間、力控靈巧手，標榜「AI 化身、操作萬物」。這一定價把全尺寸人形機器人第一次壓到多數實驗室與發燒友夠得著的區間，G1 後來被稱為全球最暢銷的人形機器人。十二月二十三日，宇樹放出 B2-W 行業級機器狗演示影片，在全球引爆關注，特斯拉與 Spacex 創辦人馬斯克轉發並評論「未來的戰爭是無人機的戰爭」。據宇樹披露，二〇二四年度營收突破十億元人民幣；同年二月公司完成近十億元 B2 輪融資，投資方包括美團、金石投資、源碼資本，老股東深創投等跟投。

二〇二五年是宇樹與王興興的「國家敘事年」。一月二十八日蛇年春晚，宇樹人形機器人登台表演創意融合舞蹈《秧BOT》，轉手絹、扭秧歌；據工程師介紹，登台機器人擁十九個關節，為轉手絹每臂再加三個，靈活度與精準度接近人類。二月十七日，王興興在北京參加民營企業座談會，與任正非、王傳福、劉永好、虞榮、雷軍等六位民營企業家代表之一發言，獲勉勵「你是這裡面最年輕的。國家的創新需要年輕一代貢獻力量」。九月，他在「2025 Inclusion·外灘大會」談 AI 時代的公平；同月十二日獲聘福耀科技大學「福耀大講堂」首講嘉賓，向年輕人講 AI 是最好的平權工具。民營經濟的最高規格座談會，把這位九〇後推到時代前台。

資本化緊鑼密鼓。二〇二五年七月十八日，估值超百億的宇樹在浙江證監局備案 IPO 輔導，輔導券商中信證券；備案報告顯示控股股東、實際控制人均為王興興，直接持股百分之二十三點八二一六，透過上海宇翼間接控制約一成，合計控制約百分之三十四點七六。六月公司完成約七億元 C 輪融資，由中移動旗下基金、騰訊、錦秋、阿里、螞蟻、吉利資本等領投，投後估值升至約一百二十億元。十月二十三日，杭州宇樹科技股份有限公司更名為宇樹科技股份有限公司，王興興由執行公司董事變更為董事長。十一月，工信部公示其人形機器人標準化技術委員會副主任委員人選。從創業到衝刺上市，宇樹只用了九年。

08公司發展史（四）二〇二六：科創板上市與今天

二〇二六年是宇樹的資本市場元年。三月二十日，上交所受理宇樹科創板 IPO 申請；六月一日過會，從受理到過會僅七十三天，遠快於科創板平均審核週期；七月一日證監會同意註冊；八月六日確定發行價每股一百五十點八元，發行市值約六百零九億元；八月十日啟動網下與網上申購，發行後總股本約四點零四五億股；八月十九日正式登陸上海證券交易所科創板，股票代碼六八八八三六。上市首日股價收報每股八百四十五元，漲幅達百分之四百六十，市值突破三千四百億元。王興興發行前直接與間接合計持股約百分之三十三點三六，按首日收盤估算身家超過千三百億元——一位九〇後，把機器狗跑成了資本市場的龐然大物。

這一年宇樹也在技術與品牌上連續破圈。二月十六日馬年春晚，人形機器人表演武術《武BOT》，機器人在快速奔跑中完成穿插變陣與武術動作，王興興稱這種高動態、高協同的集群控制技術為全球首次亮相；其中打醉拳「摔倒」再起身，他解釋是劇情與醉拳意境所需。五月十二日，宇樹發布全球首款量產版載人機甲 GD01，體重約五百公斤（載人後）、售價三百九十萬元起；七月二十三日，他與 GD01 登上《時代》雜誌封面，標題《機器人時代來臨》，距上一位中國企業家登該刊封面已八年。四月二十九日，宇樹北京王府井銀泰 in88 全國首家直營店啟幕；西部創新營運中心在重慶投用；日本市場也透過 GMO 授權經銷商正式鋪開。

賽場成績為技術背書。在首屆世界人形機器人運動會（二〇二五年八月，北京國家速滑館），宇樹 H1 奪得一千五百米、四百米、一百米障礙與四乘一百米接力四枚金牌，其中一千五百米成績六分三十四秒四十，已達普通成年人水平；王興興稱「普通老百姓無法追趕人形機器人一千五百米的速度了」，並表示下次比賽將採自主模式、進一步挖掘速度潛力。及至二〇二六年第二屆運動會，宇樹列獎牌榜第三（三金四銀三銅）。另據王興興二〇二五年披露，宇樹四足機器人全球出貨佔比逾六成，另有媒體稱接近七成（口徑不一，列為估算）。從春晚到時代封面、從運動會金牌到科創板敲鑼，二〇二六年的宇樹已站在全球具身智能的最前排。

09領導風格與性格：想清楚、克制、開源

王興興的管理風格，第一個關鍵詞是「創辦人想清楚」。他多次強調，若自己對技術路線非常清楚明確，再去安排團隊，效率差距至少有五倍；這是創始人不可推卸的工作——先自己想透，再讓團隊動手。管理層對路線不清晰，創業公司繞彎路的概率就大，而初創企業耗不起彎路。這種「親自定方向」的習慣，源自他從 XDog 到 G1 一路自己寫論文、畫圖、調參的底色：他既是執行長也是技術長，技術判斷權高度集中，決策快、不拖泥帶水，但也意味著公司最硬的腦力始終壓在他一人肩上。

第二個關鍵詞是「克制」。在 AI 與機器人搶人大戰裡，宇樹出奇地不燒錢堆人。王興興認為近年許多 AI 突破反而是中小企業做出來的，「這完全不是錢的問題」；人才要挖掘也要培養，不能幻想砸夠資金就一定能找到合適的人。他坦言公司兩大挑戰是缺頂尖人才與組織管理，人多了效率反而低、活兒推來推去，未來想在管理上投入更多時間。這種克制的另一面，是公開場合護著團隊：二〇一八年最難時他停發自己工資、用積蓄給員工發薪，把現金流壓力扛在創辦人身上，而非轉嫁給同事。

第三個關鍵詞是「開源與偏執」。他做機狗的初心就是消費級、低價、允許二次開發，不像波士頓動力設限；產品定價一次次把行業天花板往下壓（Laikago 九點九萬、G1 九點九萬起）。他對「快速迭代」有近乎信仰的堅持：硬體優勢沒有保質期，優勢在於迭代速度，自己鬆懈一天就可能變平庸公司。公開形象上，那個「初中感覺不到存在」的內向少年，已能面對央視與全球媒體侃侃而談，談技術、談教育、談 AI 平權；但熟悉他的人知道，那份冷靜的工程師氣質沒變——他對 AI 倫理的樂觀，始終帶著「智能像人，越理性越能克制欲望」的冷靜，而非煽情。

10成功秘訣：七條可複製與不可複製

歸納王興興的成功，至少有七條可證據支撐。其一，方向清晰勝過資源充足：他很早認定「電驅加低成本加開源」路線，早於波士頓動力公開電驅方案約一年，方向對了，後面所有資源才有效率。其二，快速迭代是護城河：從 Laikago 到 G1、從四足到人形，產品節奏極快，他認為硬體優勢不在硬體本身而在迭代速度。其三，把價格打穿：九點九萬的 Laikago 與 G1，讓機器人第一次便宜到被用起來，這是宇樹與同代競品最大的差異化。其四，自驅與熱愛：大一兩百元做雙足、研發 XDog 拿八萬獎金創業，全是內在驅動，而非外部指令。

其五，敢於自我清零：四足轉人形、春晚登台、IPO 上市，每次跳躍都伴隨一次歸零，他主張對 AI 模型認知要激進，「把過去的事能忘全忘了」，太依賴經驗會影響未來決策。其六，不急著賣：儘管春晚刷屏、海外傳播百億級，他堅持泛化能力未到八成前不強推大規模商用，預判「ChatGPT 時刻」還需二到十年，拐點前是展品、拐點後才是勞動力。其七，開源養生態：允許二次開發、上亞馬遜 to C，把開發者變成免費的產品經理。歸總一句：他的成功一半是可複製的方法論（方向、迭代、定價、自驅），一半是時代的饋贈——他恰好站在 AI 與機器人拐點的中國製造與工程師紅利之上，運氣與能力疊加，才跑出這條曲線。

11個人、價值觀與生活：公平、學習與低調

王興興的價值觀裡，「公平」佔很大比重。他在福耀科技大學首講反覆強調，AI 是最好的平權工具，每個人都能很容易用 AI 自我學習、自我進步，創新創業門檻正被親手降下來；他相信 AI 時代是更公平的時代，給每個人更多機會。這種平等觀也投射到金錢與地位：身家隨 IPO 飆升，他卻在訪談中把焦點放在「讓普通人也能做出好東西」，而非個人財富。他對教育的看法具體而溫柔——激發並保持青少年對特定領域的好奇心與熱愛，他自己就是這條路的產品，因此格外願意走進校園（浙江理工、上海大學、福耀）對年輕人說「堅持做難而正確的事」。

生活一面，他低調、不炫富，公開形象幾乎全數綁在產品與技術上；英語偏科的過往被他拿來自嘲，反而成了「偏科怪才」的親和標籤。他保持高頻的親自演示：從大學期間上傳雙足調試影片，到二〇二五年三月在微信視頻號發第一條短片展示 G1 完成七百二十度迴旋踢，再到親測 GD01 載人機甲，創辦人即是公司最好的產品經理與代言人。工作之外，他談得最多的是「持續學習的能力」——技術創新週期急劇縮短，核心競爭力不再取決於現在掌握什麼，而取決於學習未來新知識的能力有多強。對他而言，學習已是基礎生存方式，而非選修。

12國家與時代意義：具身智能的杭州標誌

放在國家與時代坐標裡，王興興是中國具身智能浪潮最具標誌性的名字之一。他與梁文鋒的深度求索、馮驥的遊戲科學，被網友並稱「杭州創業三傑」，代表二〇二四年前後杭州湧現的硬科技新勢力。在政策端，二〇二五年民營企業座談會與國新辦中外記者見面會，把他與任正非、雷軍同列為民營經濟代表，反映決策層對青年科技創業者的倚重；他擔任杭州市具身智能產業聯盟首任輪值理事長、香港特首顧問團成員（二〇二五至二〇二七），並任工信部人形機器人標準化技術委員會副主任委員，參與編制我國首個覆蓋全產業鏈的《人形機器人與具身智能標準體系（二〇二六版）》，把企業影響力延伸到標準與治理層。

在產業與地緣意義上，宇樹以「低成本高性能」路線，對標並部分超越波士頓動力主導的傳統四足格局，把機器狗與人形機器人的價格與可用性重寫了一遍；據王興興二〇二五年披露，宇樹四足全球出貨佔比逾六成（另有媒體稱近七成，口徑不一），G1 成為全球最暢銷人形機器人。對行業而言，他的真正貢獻不在單一產品，而在證明「機器人可以先便宜、再變聰明」——以規模化出貨餵養數據與迭代，反過來壓低全行業門檻。從餘姚農村愛看紀錄片的內向少年，到科創板敲鑼的九〇後首富候選人，王興興的故事，是中國工程師紅利、製造供應鏈與 AI 拐點三者疊加的時代縮影，也預示具身智能正從展品走向勞動力的漫長黎明。

01家世與早年：吉安農村裡的「拆家」少年

一九九三年，彭志輝出生於江西吉安永新縣高溪鄉梅花村，一個普通的農村家庭。他的父母都是工薪階層，靠掌勺做廚師養家，父親後來與弟弟在深圳生活；母親的拿手菜是川菜與贛菜，這讓彭志輝自小對烹飪也有一份親近。家裡還有一個弟弟，後來同樣投身資訊科技行業。童年時代的彭志輝與同齡孩子很不一樣：別人打電子遊戲只琢磨怎麼通關，他卻執著於遊戲畫面如何在電視上顯示、手柄指令如何轉化為人物動作。為了弄明白這些問題，他把家裡的遊戲機、收音機、電視機統統拆開，再試著重新組裝。父母看著被拆壞的電器雖然心疼，卻沒有過多責備，默許了這個「拆家」的愛好，這份包容日後被他視為技術探索最早的土壤。

求學路上，彭志輝展現出典型的理科特長與極強動手能力。二〇一〇年他參加高考，成績過了一本線，卻為了去自己喜歡的學校與專業選擇復讀一年，次年考入位於成都的電子科技大學，就讀生物醫學工程（生命科學與技術學院生物工程系），二〇一五年本科畢業。到了研究生階段，他自學計算機課程，轉向更感興趣的信息與通信系統、人工智能方向，就讀信通學院，二〇一八年取得碩士學位。他的研究生導師陳偉建評價說，彭志輝是有強烈好奇心、又能把好奇心轉化成行動力的學生。在校期間他是名副其實的「競賽狂魔」，從校級一路拿到國際級，近四十年各類獎項，包括全國大學生電子設計競賽一等獎、飛思卡爾智能車競賽賽區一等獎、挑戰杯創新創業大賽金獎、微軟極限編程競賽一等獎等。

真正埋下創業種子的，是他在研究生二年級的一段經歷。那時彭志輝用自籌資金研發協作機械臂，不僅拿到了五百多萬元人民幣的天使輪投資，設計的雙足機器人還斬獲世界機器人大會技術創新獎。這是他第一次把興趣變成可被市場評價的產品，也第一次體會到從圖紙到實物、從實驗室到投資人之間那道漫長的鴻溝。他後來回憶，自己早年其實放棄過一些創業機會，原因是「當時還不具備把技術、產品和商業完整閉環的條件」。這句話預示了他日後最重要的判斷力：不是所有的熱愛都要立刻兌現，而是在合適的時間做合適的事。正是這種對時機的敏感，讓他在多年後能夠精準地踩中具身智能爆發的節點。

02創業原點：B站「野生鋼鐵俠」的誕生

彭志輝的另一重身份，比他的學歷更早被大眾熟知。二〇一七年，還在讀研究生的他，以「稚暉君」這個網名在嗶哩嗶哩（B站）上傳了第一支影片——用手機遙控空調開關與調溫，在智能家居剛剛起步的年代算是新鮮玩意。他最初只是想給自己的技術部落格配上影片，沒想到這一發便停不下來。二〇一九年，他開始投入更多時間精力運營這個帳號，把業餘做的硬核硬件項目一一記錄下來，科技圈從此多了一個被粉絲戲稱為「野生鋼鐵俠」的人物。

讓他火出圈的是二〇二〇年三月那台「小電視」——一支僅三分鐘的影片，記錄他設計製作不比一塊錢硬幣大多少的迷你Linux電腦，從電路設計、結構設計，到PCB手工焊接、軟件與演算法開發，全部由他一人完成。影片最終獲得五百多萬次觀看，幫他的帳號漲了二十多萬粉絲。真正封神的則是二〇二一年六月那輛自動駕駛自行車：靈感來自一場雨天騎車摔倒、臉部受傷，他盯著鏡中的紗布問「自行車既然叫自行，為什麼非要人騎」，隨後利用下班與週末耗時四個月，造出一台能自主平衡、規劃路線、轉彎避障的自行車，還配備了特斯拉都沒有的光達，硬件成本不到一萬元。影片在B站收穫逾三百三十六萬播放，相關微博話題閱讀量超過八千三百八十一萬，連「Java之父」詹姆斯·高斯林都轉發讚嘆：「我看不懂中文，但我看得懂工程。」

同年十月，他發布迷你六軸機械臂Dummy，耗時四個月，在影片中展示如何用機械臂對一顆葡萄進行穿針引線般的「縫合手術」，獲得逾五十六萬點讚。除此之外，他的帳號裡還陸續出現用螃蟹殼做的火星車、能打遊戲的充電寶、模組化機械鍵盤、帶電子墨水屏幕的智慧門禁卡等天馬行空的項目。二〇二二年一月，他拿下嗶哩嗶哩「二〇二一年度百大UP主」稱號。截至二〇二六年，他的B站帳號粉絲已達約二百八十三萬、微博粉絲逾一百萬。這些業餘創作看似只是興趣，卻在無形中為他累積了巨大的公眾影響力與人才、資本的關注，成為日後創業最意外的起跑助推器。

03最艱難的關：從二百零一萬年薪到辭職

走出校園後，彭志輝幾乎沒費心投履歷，反而是手裡的錄取通知太多需要挑選。他最終接受OPPO的SSP（超級特別報價），進入OPPO研究院AI實驗室擔任演算法工程師，幹了約兩年。二〇二〇年底，他正式與華為接洽，經過前後七輪面試，於九月三十日拿到錄取通知，以「天才少年」計畫最高檔年薪二百零一萬元人民幣加盟華為，從事昇騰AI晶片與AI演算法相關研究，對外頭銜是華為昇騰AI邊緣計算專家。在美國制裁華為、眾多頂級外企拋來橄欖枝之際，他選擇加入這家中國企業，被外界視為一種立場的表態。在華為工作的兩年多裡，他不僅部門績效多次拿到全A，還拿下總裁獎、明日之星、金牌團隊等獎項，就連任正非也在演講中公開稱讚他是「華為創新的動力」，希望這些天才少年像泥鰍一樣鑽活組織、激活隊伍。

然而正是在華為的頂峰時刻，彭志輝面臨了他職業生涯最艱難的一道關。一邊是所有人眼中的「金飯碗」：二十七歲、百萬年薪、老闆公開點名、績效全優；另一邊是他始終放不下的機器人夢想，以及業餘時間在B站持續輸出的硬核創作。白天在華為寫代碼，晚上回家剪影片，這種「白天上班、晚上剪片」的雙軌生活持續了兩年多。真正的轉捩點來自大模型的突破——OpenAI等通用人工智慧技術的飛躍，讓他意識到具身智能將是AI下一個最重要的落地場景，而過去那種「技術、產品、商業無法完整閉環」的條件，此刻正在成熟。二〇二二年十二月二十七日，他在微博宣布離職創業，寫下那句被無數人引用、略帶中二卻真誠的話：「接下來我會開啟一段新的事業……不是因為我們已經有把握把它做好，而是因為，這件事是我一直以來的熱愛和夢想。年輕熱血、不知天高地厚，也許就是我最後的倔強吧。」

04翻盤的一役：智元的成立與遠征A1

放棄二百零一萬元年薪，在旁人看來是瘋狂的選擇，卻正是彭志輝口中「選擇性放棄」的實踐——他放棄的是一條人人稱好的軌道，換來的是自己定義賽道的可能。二〇二三年二月二十七日，他與前華為副總裁、計算產品線總裁鄧泰華共同創立智元機器人（上海智元新創技術有限公司，後更名智元創新（上海）科技股份有限公司）。鄧泰華主導過鯤鵬、昇騰計算生態建設，擅長戰略、資本與量產；彭志輝則負責技術與產品定義，二人形成「彭管技術、鄧管全局」的互補。公司取名「智元」，「智」代表具身智能，「元」代表人形機器人的兩條腿。從一開始，彭志輝就確定走「全棧自研、高舉高打」的路線，要把本體、模型、數據、場景四個環節全部打通。

創業僅半年，二〇二三年八月十八日，智元便在上海發布首款通用具身智能人形機器人「遠征A1」：身高一百七十五公分、體重約五十三公斤、配備四十九個自由度、步速可達每小時七公里，售價控制在二十萬元人民幣以內。對一家成立才半年的公司而言，這幾乎是不可思議的速度。彭志輝後來透露，首場發布會前兩週，他和同事直接住進發布場館，直到直播前二十分鐘還在緊張調試程式。這一役之所以關鍵，是因為它證明了「從零到一」的可行性——在大模型突破、本體跨過可靠性門檻、數據飛輪啟動三件事尚未被行業普遍驗證之前，智元率先把概念變成了站上發布台的實物。遠征A1的亮相，讓資本與市場相信：這個「野生鋼鐵俠」不是只會做玩具的網紅，而是真能造機器人的工程師。

05公司發展史（一）二〇二三：從圖紙到首款人形

二〇二三年是智元的「研發元年」，也是從圖紙走向首款人形的起步之年。公司成立僅一個月，三月便完成天使輪融資，由高瓴創投、奇績創壇率先押注，看重的是團隊在AI與機器人硬件上的全棧研發能力。隨後短短數月內，A輪、A+輪、A++輪密集落地：高瓴創投領投A輪，鼎暉投資、高榕資本、臨港新片區基金入局；百度風投、經緯創投加入A+輪；比亞迪則作為重量級產業資本在A++輪入局，把汽車製造的供應鏈與量產經驗帶進人形機器人。同年八月首款雙足人形機器人遠征A1發布進一步推高熱度；十二月A+++輪融資超過六億元人民幣，藍馳創投、中科創星、三花控股、長飛基金等大批機構跟進。成立不到半年，智元估值便突破十億美元，成為全球成長最快的具身智能獨角獸之一，而當年營收僅約三十萬元人民幣——錢幾乎全部燒進了研發與產線驗證。

06公司發展史（二）二〇二四：商用啟航與全棧開源

二〇二四年是智元的「商用啟航」之年。八月十八日，在「智元遠征 商用啟航」年度新品發布會上，彭志輝一口氣發布「遠征」與「靈犀」兩大家族共五款商用人形機器人：交互服務機器人遠征A2、柔性智造機器人遠征A2-W、重載特種機器人遠征A2-Max、全棧開源機器人靈犀X1，以及專業數採機器人靈犀X1-W，覆蓋交互服務、柔性製造、特種作業、科研教育、數據採集等場景。同場他還首次定義了具身智能G1到G5技術路線圖——從基礎自動化（G1）到通用原子技能（G2），再到端到端通用大模型（G5），為行業提供了清晰的演進框架；並展示AIDEA具身智能數據系統。尤其值得注意的是靈犀X1以「零元」售價對外開源，這裡的零元並非促銷，而是將本體設計圖紙、軟件框架、中間件源碼與基礎運控演算法全面開放，體現了彭志輝「把場景跑通、讓飛輪轉起來」的開源思路。

這一年智元在技術與商業兩端同步沉澱。十二月三十日，公司宣布將其數據集Agibot World開源，全球所有人形機器人公司都能用這些數據訓練模型，而回饋後的數據又會反哺充實數據集，形成行業級的數據公共品。全年智元申請專利一百八十九項，營收從前一年的三十萬元躍升至超過六千萬元人民幣——雖然距離規模化仍有距離，但增長曲線已經畫出第一道陡坡。更重要的是，這一年智元完成了從「展品」到「商品」的關鍵一躍：產品不再是實驗室裡單台定製的樣機，而是開始具備可複製、可交付的工程形態，為次年真正的量產爬坡鋪平了道路。

07公司發展史（三）二〇二五：量產爬坡與萬台前夕

二〇二五年是智元的「商用元年」與量產爬坡之年，節點一個接一個。一月六日，第1000台通用具身機器人量產下線，刷新行業紀錄；三月十日，公司發布全球首個通用具身基座大模型GO-1（啟元大模型），提出Vision-Language-Latent-Action（ViLLA）架構，可利用人類影片學習、小樣本快速泛化，降低具身智能門檻；三月十一日，彭志輝在B站發布靈犀X2原型機，這台輪式雙臂機器人會跳舞、騎自行車、回答問題，引發科技圈熱議。四月九日，他受邀在國務院總理李強主持的經濟形勢專家與企業家座談會上發言；四月二十九日，習近平總書記來到上海「模速空間」大模型創新生態社區調研，彭志輝現場展示靈犀X2，介紹前沿實用的具身智能技術——這被他視為團隊極大的鼓舞。

下半年智元動作更密。八月二十一日首屆合作夥伴大會上，彭志輝發布專為「作業智能」打造的輪式雙臂機器人原型靈犀X2-W，以及機器人動作與表達創作平台「靈創平台（LinkCraft）」，聲稱可把二次開發難度降到零門檻；九月入選上海證交所科技創新諮詢委員會候選人名單並獲聘任；十一月二十五日，他當選上緯新材第四屆董事會董事長，智元此前已透過要約收購持有該公司約六成三股權，為後續資本運作埋下伏筆。十二月八日，第5000台機器人量產下線。據第三方機構Omdia統計，二〇二五年智元通用人形機器人出貨量超過5100台，佔據全球約百分之三十九市場份額、位居第一；全年營收突破十點五億元人民幣，較二〇二四年的零點六億增長近二十倍，遠征A2更以連續行走一百零六點二八六公里獲吉尼斯世界紀錄認證。

08公司發展史（四）二〇二三–二〇二六：今天的版圖

二〇二六年被彭志輝定義為具身智能的「部署態元年」，也是智元從研發態、創作態邁向真正部署的轉折之年。三月二十八日，第10000台通用具身機器人「遠征A3」在張江通用示範工廠下線，距第5000台僅過三個多月，距首台千台下線則是十五個月——十五個月內完成從千台到萬台的十倍級跨越，創下全球人形機器人量產速度新紀錄。彭志輝表示，這說明本體製造能力已完成從「手工坊」到「工業級標準」的整體躍升，「一萬台」不是結果，而是能力本身。六月，第15000台通用具身機器人下線；公司累計申請專利超過九百項，其中發明專利佔比約七成，並開源AGIBOT WORLD 2026數據集與自研機器人作業系統「靈渠OS」，在成都建成西南具身智能產業基地。

資本市場同步提速。四月十七日，智元合作夥伴大會在上海舉行，來自三十多個國家與地區的兩千五百餘名產業鏈從業者參會；董事長鄧泰華首次提出具身智能發展的XYZ曲線與生產力實現框架，把二〇二二至二〇二五年定為「開發嘗鮮期」（X曲線）、二〇二六至二〇三〇年定為「部署成長期」（Y曲線）、二〇三〇年後定為「部署普及期」（Z曲線），正式把二〇二六年定為部署態元年。彭志輝則從Token經濟視角闡述：具身智能體的任務空間橫跨數字與物理世界，一個持續運行的機器人每時每刻都在消耗Token，誰率先跑通閉環，誰就有機會定義下一代生產力平台。四月二十七日，他榮獲二〇二六年度中國青年五四獎章；七月二十四日，智元啟動赴港上市流程，據投資人透露，基石投資者給出的目標估值區間為四百至五百億港元（此為估算，尚待最終發行定價）。公司同時啟動「元苼」生態發展計畫，擬未來五年投入二十億元用於生態建設。

09領導風格與性格：工程師底色與中二浪漫

與許多善於演講的創始人不同，彭志輝的領導風格帶著鮮明的工程師底色：尊重事實、直面問題、信奉長期主義。他常說，成長不是靠被動等待，而是靠主動承擔問題；越是複雜、越是不確定的問題，越可能孕育真正突破。面對失敗，他有一套近乎冷靜的方法論——不要把失敗抽象成一種情緒，而要還原成一個具體問題：是技術路線錯了，還是工程實現不穩？是產品定義不清楚，還是場景價值不成立？只要問題能被拆解，就有繼續迭代的可能。他把失敗看作一次「Debug（除錯）」，強調「選擇性放棄同樣重要」。在智元內部，他推動「工程閉環」：發現問題、定位問題、復現實驗、迭代方案、再回到場景驗證，很多能力不是一次性突破出來的，而是在大量真實問題中磨出來的。

他的工作習慣近乎苦行。據他在一檔播客中透露，產品發布前一週他就帶團隊住進發布場館，直到直播前二十分鐘還在調試；平時為了省時間，他一天只吃一頓晚飯，餓了靠零食充飢，幾乎不睡午覺。這種「習慣了，不影響活著，吃飯比較浪費時間」的說法，讓人看到他對效率的偏執。與之形成反差的，是他保留下來的「中二」一面：自動駕駛自行車叫「軒軒」，因為希望它像一條忠誠的狗；機械臂縫葡萄時配的樂曲是《普魯斯特效應》；連迷你電腦的PCB板都被他畫成藍色星球。技術是骨架，那些命名、色調、故事與節奏是他自己的血肉。公開場合他是坐擁近三百萬粉絲的「稚暉君」，私下同事卻叫他「志輝總」；他鮮少接受專訪，把精力主要放在產品、技術與團隊管理上，這種公開形象與私下性格的落差，讓他既保有網紅的號召力，又不至於淪為只會表演的網紅。

10成功秘訣：五條可複製的方法論

歸納彭志輝的崛起，第一條秘訣是全棧自研、打通飛輪。他不滿足於做供應商替代，而是把本體、模型、數據、場景四位一體串起來：真實世界採數據、數據迭代模型、模型反推本體，讓飛輪轉起來。從遠征A1到靈犀X2，從GO-1基座大模型到靈渠OS開源作業系統，智元幾乎在每個關鍵環節都選擇自己掌握，這雖然艱難，卻讓它在量產與迭代上跑出同行難以複製的速度。

第二條是路徑選擇的清醒：「先工廠，後家庭；先簡單場景裡的複雜任務，後更高風險的親密交互。」工廠裡最多做壞一個零件，家庭裡出事故可能傷到人，因此他判斷機器人進工廠是現在，大規模進家庭還要三到五年，甚至可能以「按需叫機器人上門」的訂閱制先行。這種「在簡單場景做複雜任務」的方法論，與自動駕駛「在複雜環境做簡單任務」相反，卻能在結構化工廠裡先磨出高自由度操作的可靠性。

第三條是「選擇性放棄」與時機判斷。他放棄華為二百零一萬年薪、放棄過早創業的誘惑，等到具身智能路徑清晰、自己對工程複雜度有掌控才邁步。智元每半年評估一次技術路徑，某個模組若長期無法閉環就果斷砍掉，這種「實事求是」的彈性，構成他穿越早期市場的方法論。第四條是把具身智能視為基礎設施而非單點產品的遠見——從Token貨幣論出發，他認為具身智能體將是AI時代最大的Token消費者，誰跑通「持續運行」的閉環，誰就定義下一代生產力平台。

第五條是與鄧泰華的互補分工，以及個人影響力帶來的「非對稱優勢」。彭管技術與產品定義，鄧管戰略、資本與量產，一個像泥鰍鑽活組織、一個像工程師打磨細節，使智元在三年內走完同行數年的路；而他在B站累積的近三百萬粉絲，則讓公司在創業之初就獲得資本青睞與人才吸引的額外紅利。總結來說，他的成功既是個人工程能力、時機判斷與苦行般投入的結果，也高度依賴中國完善的供應鏈、豐富的真實場景數據，以及「十五五」前瞻產業的政策窗口——可複製的是方法論，不可完全複製的是時代與運氣的疊加。

11個人、價值觀與生活：清醒的金錢觀與不改的工程師本色

在金錢與生活上，彭志輝顯得格外清醒。面對外界對融資與估值的關注，他多次表示公司「不是很缺錢」，一方面商業化進展好、能自我造血，另一方面運營節奏有規劃；他更在意的是「缺時間、缺數據」——相比融資本身，他看重自我造血與商業化能力的提升，並已將核心模組拆分成可獨立融資的子公司。這種態度與他早年的成長背景呼應：父母是工薪廚師，家庭並不富裕，卻給了他包容探索的空間。他拿手川菜與贛菜，源於父母耳濡目染；興趣廣泛，喜歡繪畫（小學起自學，讓作品設計格外精緻）、彈吉他、下廚、攝影、打乒乓球、看電影聽音樂。小時候他曾夢想成為天文學家，覺得探索星辰大海是人類最浪漫的事，後來把這份對未知邊界的好奇，轉移到了機器人身上。

他自詡「野生鋼鐵俠」，B站簽名寫著「保持熱愛，奔赴星海」，最常被引用的一句話是：「如果程序設計師是數字世界的上帝，那親手給機器人身形、再用AI賦其靈魂，這就是真極客的浪漫啊。」他的生日與國慶同日（十月一日），二〇二五年生日他在微博寫道：「又是小小成長的一年，有幸與祖國同頻共振。不疾不徐，與時代同行不息。」他幾乎不主動曝光私生活，把多數精力留給產品與團隊；即便成為上市公司董事長、五四獎章得主，他仍會在B站更新影片、給每個項目起中二的名字，影片結尾照樣說「我是稚暉君，下次再見」。從「稚暉君」到「志輝總」，稱呼變了，人沒變——他始終認為自己首先是一名工程師，榮譽只是階段性節點，提醒自己未來要承擔更多。

12國家與時代意義：具身智能浪潮裡的中國樣本

把彭志輝放在更大的坐標系裡，他的意義遠超出一家公司的創辦人。具身智能被寫入「十五五」前瞻布局的未來產業，而智元，而智元正是這條賽道上中國企業衝到全球前列的代表。二〇二五年四月二十九日向習近平總書記展示靈犀X2，標誌著具身智能與國家科技創新、產業升級和新質生產力發展緊密相連；同年他當選工業和信息化部人形機器人與具身智能標準化技術委員會副主任委員，與宇樹科技創始人王興興一同履職，呼籲共建標準、共享數據治理與評測體系。二〇二六年榮獲中國青年五四獎章，他將其視為「提醒過去被看見、未來要承擔更多」的節點，也讓技術工作與國家產業發展、社會真實需求連在一起。

在行業格局上，智元與宇樹常被並稱為中國人形機器人雙雄，但彭志輝始終強調這不是存量市場：「宇樹是一家非常了不起的公司，深耕十年，在本體降本、量產效率上處於第一梯隊，很值得我們學習。」他更願意呼籲同行共建生態、相互欣賞。據Omdia與SAG等機構統計，智元二〇二五年以約百分之三十九全球市佔位居人形機器人出貨第一，二〇二六年上半年更以約百分之四十四份額登頂，同比暴增逾五倍。隨著二〇二六年啟動赴港上市、目標估值區間達四百至五百億港元（估算），以及「元苼」生態計畫五年投入二十億元，智元正試圖把中國最完善、最具競爭力的人形機器人產業生態，推向全球資本市場與真實場景的縱深。彭志輝用三年時間證明：當工程能力、真實場景與時代窗口疊加，一個來自江西農村的「拆家」少年，也能為人類延展能力邊界做出具體而堅實的貢獻。

01家世與早年：北京海澱的布依族少年

王鶴，男，布依族，一九九二年二月生於北京海澱，是自小長在這座城市的本地孩子。本科就讀清華大學電子相關科系（多家媒體寫為電子工程系，百度百科則記為微電子與納電子學系），二〇一四年獲學士學位。少年時期他對物理與半導體元器件格外著迷，這份對硬體與世界運作原理的好奇，後來成了他跨入人工智能與機器人研究的底色。海澱的中關村氛圍、清華的工科訓練，讓他在還沒聽過「具身智能」這個詞之前，便已習慣用工程師的眼光拆解真實世界。

二〇一四年，王鶴赴美進入史丹福大學，先取得電機工程碩士，繼而攻讀博士，師從美國三院院士李歐尼達斯·吉巴斯（Leonidas J. Guibas）教授。吉巴斯是計算機視覺與幾何深度學習領域的權威，這段師徒緣分讓王鶴得以站在三維視覺與形狀理解研究的最前線。讀博期間，他從半導體元器件研究轉向計算機視覺，並在二〇一六年左右鎖定了一個當時尚無名字的方向——讓人工智能看懂世界、與世界交互、並建模仿真世界，這便是後來被稱為「具身智能」的領域。他的博士工作聚焦類別級六維姿態估計（NOCS），為日後機器人理解物體空間位置埋下伏筆。

博士階段打下的學術底子，後來全部傾注到創業裡。他在計算機視覺、機器人學與人工智能頂會頂刊發表五十餘篇工作，代表作包括類別級六維姿態估計 NOCS，該系列研究獲二〇二二年世界人工智能大會青年優秀論文獎；另有 ICCV 2023 最佳論文候選、ICRA 2023 最佳操縱論文候選、Eurographics 2019 最佳論文提名等榮譽。這些積累讓他在具身感知與交互這條當時尚冷的研究線上，比絕大多數同齡人更早摸到了問題的核心。

02創業原點：從北大實驗室到銀河通用

王鶴的創業並非一場預謀已久的出走。二〇二一年博士畢業後，他第一時間選擇回國，於九月加入北京大學前沿計算研究中心，擔任助理教授、博士生導師，並創立領導北京大學具身感知與交互實驗室（EPIC Lab）。他是國內最早系統推進具身智能的學者之一，二〇二二年起兼任北京智源人工智能研究院具身智能研究中心主任，同時執掌北大—銀河通用具身智能聯合實驗室。學術與產業的雙重身份，讓他比純學者更早看清技術走向產線的距離。

真正點燃創業念頭的，是二〇二三年具身智能在大模型浪潮下驟然升溫。不少投資人主動找上這位年輕學者，希望由他主導創業。王鶴後來回憶，自己本科之後才赴美，博士畢業時美國具身智能研究熱度雖高，卻缺少完整硬體生態、現實場景數據供給嚴重不足、也缺乏產業落地土壤；而中國擁有全球最完備的硬體供應鏈，是具身智能創業的「天選之地」。二〇二三年五月，他在北京海澱聯合曾任 ABB 上海機器人研發中心、師從北航王田苗教授的另一位聯合創始人姚騰洲，創辦北京銀河通用機器人有限公司，自任創始人兼首席技術官。

王鶴給 Galbot 寫下的宣傳語是「銀河起航，通用無疆」。這八個字既是公司名的拆字遊戲，也濃縮了他的野心：不在某一項技能上做到極致，而是讓機器人具備跨場景、跨物體的通用作業能力。他常自稱「智源學者」，強調學界與產業的身分從不互斥；北大以知識產權入股銀河通用，更讓這層關係有了制度化的載體。對一位剛過三十歲的助理教授而言，同時背起實驗室與公司兩副重擔，本身就是一場高難度的時間與精力分配實驗。

03最艱難的關：逆主流的合成數據賭注

創業最初的關，不在資金，而在路線之爭。當時業界主流如特斯拉、Google 都選擇用真人遙操作採集數據來訓練機器人，這條路直觀卻昂貴，且受真人示範的天然限制——多指之間的精細配合根本無法靠遙操完整採集。王鶴偏偏押注一條冷門路線：以合成仿真數據為主、真機數據為輔，先在仿真裡造出無窮場景，再遷移到真機（Sim-to-Real）。他選擇繞開真機採集的瓶頸，把數據匱乏這道行業難題，當成自己的主戰場。

這是一場與常識為敵的賭博。質疑者認為，仿真再精細也彌合不了真實世界的雜訊與摩擦，合成數據訓出的模型一到現場就會崩。更大的壓力來自商業節奏：成立短短一個月就拿到了種子輪，資本市場期待立竿見影的產品，而王鶴堅持先花數年築牢數據基礎設施。那段時間，他要同時說服投資人、說服團隊、也說服自己——當所有人都在秀舞蹈機器人時，他執意讓機器人去「幹活」。這種逆主流的篤定，正是銀河通用日後技術標籤的源頭，卻也是創業早期最孤獨的一道關。

最難的還不是外界質疑，而是內部的耐心管理。種子輪的錢進來得快，投資人自然要問「產品何時見」；而王鶴堅持先把合成數據管線、物理渲染與自動動作合成基礎設施築好，這些投入短期看不到演示影片。他曾坦言，行業普遍依賴人力遙操採集數據時，自己多次公開宣講「合成數據策略」，本質上是在逆共識而下注。能扛住這道關，靠的是他對「數據決定能力下限」這句話近乎信仰般的篤定，以及一開始就把公司錨定在可批量複製的產業場景、而非表演秀的戰略定力。

04翻盤的一役：透明物體抓取與 G1 發布

翻盤的關鍵，是把「合成數據」從口號變成可驗證的奇蹟。王鶴團隊依託物理渲染，自主構建了號稱全球最大的百億級仿真合成數據基建「銀河星坊」（AstraSynth），並在透明、高光、吸光等挑戰材質的抓取上取得突破——機器人對從未見過的隨機堆疊透明物體，抓取成功率首次穩定在百分之九十五以上，甚至能抓取隨機散落的透明玻璃碎片。這一戰，直接攻克了困擾機器人界數十年的難題，也讓「合成數據路線」第一次有了硬指標。

真正的轉捩點發生在二〇二四年六月十四日。銀河通用發布第一代產品 Galbot G1——輪式底盤、雙臂、身體可折疊的人形機器人，並在同日宣布完成七億元人民幣天使輪融資，美團、北汽、商湯、啟明、藍馳、經緯、源碼、IDG 等十餘家機構集體入場。這一役讓銀河通用從「學者創業」蛻變為資本與產業競相下注的標的，也證明「合成數據路線」不是空談。此後五個月，戰略輪再進五億元；二〇二五年六月，由寧德時代領投的十一億元融資，刷新了國內具身智能單筆最大融資紀錄。

支撐 G1 的，是銀河通用陸續發布的模型族。基於視覺語言大模型的 GraspVLA，實現了零樣本抓取規劃，讓機器人對沒見過的物體也能理解並操作；在二〇二五年智源大會現場，王鶴發出「Galbot，我又熱又餓，幫我拿點吃的」的指令，機器人無須遙操作，便在 1:1 還原的商超場景中自主規劃路徑、從貨架識別並抓取餅乾飲料送達。這一幕把「合成數據到真機泛化」的閉環具象化，也讓外界第一次直觀看到：銀河的機器人不是被預錄腳本控制的演員，而是能聽懂自然語言、在陌生環境自主幹活的工人。

05公司發展史（一）：成立與早期融資節奏

銀河通用成立於二〇二三年五月，註冊地在北京市海澱區，是一家專注具身多模態大模型通用機器人研發的創新企業。公司成立的邏輯很清晰：不與「本體派」死磕雙足行走，而是走「大腦優先、身體務實」的路線——以輪式底盤加折疊腿的設計，在商超、藥店等平整地面環境取得移動穩定性與成本優勢，把研發重心傾向最核心的泛化抓取與邏輯推理。這一定位，讓銀河在產品定義上與多數死磕雙足的廠商拉開距離。

融資節奏幾乎與產品研發同步推進。成立僅一個月，公司便獲得經緯創投、藍馳創投的種子輪投資；二〇二四年六月產品發布當日，七億元天使輪落槌，引入美團、北汽等戰略方，以及啟明、藍馳、經緯、IDG 等頭部機構；同年十一月，五億元 A 輪戰略融資進場，新增上汽集團、香港投資公司 HKIC、深創投、上海人工智能基金等投資人，老股東 IDG、經緯等大幅追加。至此，成立不到兩年的銀河通用累計融資已超過二十四億元人民幣，成為具身智能賽道融資速度最快的公司之一。

06公司發展史（二）：二〇二五從融資明星到產業標兵

二〇二五年是銀河通用從「融資明星」走向「產業標兵」的一年。六月，公司在北京智源大會發布產品級端到端導航大模型 TrackVLA，具備純視覺環境感知、語言指令驅動、自主推理與零樣本泛化能力；同月，與零售場景相關的 GroceryVLA 也相繼亮相，實現對零售全品類商品的零樣本泛化抓取。六月二十三日，公司宣布完成超十一億元新一輪融資，由寧德時代及溥泉資本領投，國開科創、北京機器人產業基金、紀源資本等參與，光源資本擔任獨家財務顧問。

這輪融資被多家媒體稱為「國內具身智能單筆最大融資」。與此同時，銀河通用的落地場景開始從實驗室走向街頭：二〇二五年三月，公司發布人形機器人智慧零售解決方案，在北京近十家店實現部署與常態化運營；六月十七日，與博世旗下博原資本成立合資公司，推動具身智能機器人在工業場景的商業化探索與全球落地。截至當年底，公司已在北上廣深等城市推進近百家藥店的機器人部署，累計揀藥超過一百萬盒，智慧零售與無人藥店成為最先跑通的兩個場景。

07公司發展史（三）：C 輪融資與估值飛躍

二〇二五年十二月的 C 輪融資，是銀河通用估值飛躍的關鍵節點。公司宣布完成超三億美元（約二十一億人民幣）的新一輪融資，由中國移動鏈長基金領投，中金資本、中科院基金、蘇創投、央視融媒體基金、天奇股份等聯合注資，並獲新加坡、中東國際投資機構及老股東加注。至此，公司累計融資約達八億美元，據多家媒體與業內人士估算，估值攀升至三十億美元、折合人民幣超過兩百億元，成為當時人形機器人領域估值最高的未上市企業。

進入二〇二六年，銀河通用的版圖繼續外擴。三月，團隊實現機器人全自主打網球，能全程維持身體平衡、精準控制腕部動作，還能通過戰術調動人類對手；八月，在第二屆世界人形機器運動會（北京「冰絲帶」）上，銀河通用在家庭、餐飲、商超三項最難場景賽以全自主模式包攬全部金牌，開幕式上其全自主網球機器人更與網球名將鄭潔、演員李昀銳完成全球首場人機混雙對打，單打對拉上百拍不停歇，被業界稱為「AstraTennis 時刻」。

08公司發展史（四）二〇二六：今天的版圖——全棧布局

來到二〇二六年，銀河通用已從單一產品公司，成長為覆蓋「數據—模型—本體—場景」全棧的具身智能標杆。技術底座上，公司打造了全球最全面的具身智能數據基礎設施「銀河星數 AstraData」——一套涵蓋互聯網數據、人類操作數據、仿真合成數據、真機遙操數據、真機回流數據的五級金字塔數據體系，其中真機自主回流數據超八萬小時、全物理合成大數據達百億規模、人類動作數據超十萬小時。這套數據體系，是王鶴「數據決定能力下限」信念的工程化呈現。

產品矩陣同步擴張：既有輪式的 G1（輕載雙臂靈巧手）、S1（重載雙臂，可握持百斤重物，已在寧德時代電池工廠、北汽奔馳實現全自主作業）兩款已落地機型，也有二〇二六年八月世界機器人大會發布的雙足人形機器人 Galbot ET1，搭載 AstraBrain-Agent，無需動捕與動作影片即可通過與人實時交互掌握新動作。模型層面，全球首個集成「大腦—腦橋—小腦」於一模的端到端具身大模型「銀河星腦 AstraBrain」、以及被英偉達譽為「機器人終局範式」的 WAM（世界—動作模型）已成為公司技術護城河。王鶴預計，到二〇二八年將訓練數據規模從一百萬小時擴充至一千萬小時，衝刺具身智能的「ChatGPT 時刻」。

09領導風格與性格：固執的技術判官

王鶴給外界的標籤是「學者型創始人」，但他更像一位固執的技術判官。在行業普遍依賴遙操採數據的時候，他一次次公開宣講「合成數據策略」，哪怕這意味著短期內拿不出炫技影片。一位接近團隊的人士形容，他對技術路線的篤定近乎「九十九比一」——他曾反覆強調，具身智能所依靠的數據，百分之九十九可借助高質量合成數據完成，只有在合成數據處理不了的極端情形，才需要針對性採集百分之一的真實數據。這份定力，來自他對數據物理學的長期信仰，而非一時風口。

這種篤定並非獨斷。他樂於在學術會議與公開論壇「攤開」自己的判斷，與同行辯論 VLA、WAM 的邊界，也坦承模型「還沒完全成熟，但夠用了，真正決定性的變量是數據」。在春晚後台那場無彩排、無 NG 的拍攝中，他對甲子光年坦言，整個過程「一氣呵成」，因為團隊相信通用的模型與訓練範式足以應對不可控場景。下屬對他的評價多集中在「護技術、放權給工程師」——他負責定方向與守底線，把具體實現交給團隊。公開場合沉穩克制，私下的他則是那位會為一雙靈巧手「超出場景需要」而興奮的技術人，也會為打網球這類動態對抗能否驗證「小腦」能力而反覆琢磨。

與同代創業者相比，王鶴最鮮明的標籤是「大腦派」而非「本體派」。當不少廠商把研發資源砸進雙足平衡與關節硬件時，他主張先把泛化抓取與推理這顆「大腦」做強，本體則務實地用輪式折疊底盤。他也不諱言自己學者的固執：在公開演講中敢於直接聲明 WAM 論文「第一篇就是我們掛到 arXiv 上的」，這種搶佔定義權的進取，與傳統學者低調含蓄的形象形成反差。下屬描述他「護技術、放權給工程師」——定方向、守底線，把實現交給團隊，這讓銀河既能保持學術尖銳度，又不至於陷入教授帶學生的慢節奏。

10成功秘訣：七條可佐證的線索

歸納王鶴與銀河通用的成功，至少有七條可佐證的線索。其一，路線定力：在眾人追逐遙操與舞蹈機器人時，他押注合成數據與 Sim-to-Real，把數據瓶頸當成主戰場。其二，大腦優先：以輪式務實本體換取算力與研發資源，集中攻克泛化抓取與推理。其三，數據基建先行：百億級「銀河星坊」與五級數據金字塔，是他敢言「零樣本泛化」的底氣。其四，場景穿透：鎖定無人藥店、工業搬運等可批量複製的苦活，而非停留在表演。

其五，學產研閉環：北大以知識產權入股，校企共建聯合實驗室，讓學術突破直達產線。其六，資本運用：精準引入寧德時代、中國移動等產業方與國家隊，把融資轉化為場景賦能。其七，全球視野：WAM 論文率先掛上 arXiv，主動接入國際技術社區，贏得英偉達、馬斯克等關注。最後要誠實地說：他的成功既來自技術判斷，也高度依賴時代紅利——具身智能被納入國家科技戰略、中國完備的硬體供應鏈、以及資本對「下一個 ChatGPT」的渴求，三者疊加才成就這家成立三年的獨角獸。路線可以學，運氣與時點難以複製；可複製的，是他把「長期主義」落到數據與場景的執行紀律。

公允地說，這七條經驗裡，「路線定力」與「數據基建先行」最難複製，因為它們要求創始人甘願在短期無法變現的基礎設施上燒錢、並承受逆共識的孤獨；其餘如場景穿透、學產研閉環、資本運用，則是可被後來者學習的方法論。王鶴的成功，是技術判斷、時代紅利與個人特質的三重疊加：具身智能被納入國家戰略、中國完備的硬件供應鏈、資本對「下一個 ChatGPT」的渴求，共同托起了這家成立僅三年的獨角獸。可複製的是紀律，難複製的是時點與運氣。

11個人、價值觀與生活：務實的科技報國者

王鶴是位年輕的「90 後」教授創業者，公開資料中鮮少談及私人生活，更多時候以「北大研究員」與「首席技術官」雙重身份出現。他價值觀裡最鮮明的一條，是「科技報國」——北京黨員教育平台的介紹寫道，他於史丹福獲博士後「第一時間選擇回國效力」。他多次強調，機器人已過了炫技表演的階段，真正的目標是進廠幹活、服務千家萬戶，最終走進家庭。這種把技術成就與國家需求綁定的敘事，貫穿他的公開發言。

他的金錢觀相當務實。面對 Galbot 數十萬元的定價，他曾給出明確的產品—市場契合邏輯：機器人的成本目前遠低於雇用一個人工作三年企業需付出的成本，只要能連續工作一個月零故障，就值這個價。在興趣上，他顯然是個標準的技術人——會為靈巧手轉筆、盤核桃這類「超過場景需要」的技能興奮，也把打網球這種動態對抗視為檢驗「小腦」通用運動控制的試金石。他亦投入具身智能科普教育，與國內頭部中學共建實驗室，相信這是未來二三十年高速增長、全球銷量有望上億台的產業。

外界的肯定也接踵而至。王鶴入選國家海外高層次人才計劃，獲二〇二四年度北京大學—中國光谷成果轉化獎、螞蟻 InTech 科技獎，並被《麻省理工科技評論》評為「35 歲以下科技創新 35 人」（TR35 中國區，二〇二五年）；二〇二五年又獲世界互聯網大會領先科技獎。二〇二六年，他榮獲第三十六屆「北京青年五四獎章」、入選「2026 北京榜樣」月榜與《2025 胡潤 U35 中國創業先鋒》，並當選中國科學技術協會第十一屆全國委員會委員。這一串榮譽，標記著學界與官方對一位年輕科學家創業者的雙重認可。

12國家與時代意義：站在定義技術範式的前排

把王鶴放回更大的坐標，他處在中國「新質生產力」敘事與全球具身智能競賽的交匯點。在國內，具身智能已升級為國家戰略，國家人工智能基金、國開行、北京機器人產業基金等「國家隊」的入局，既背書了銀河通用的技術實力，也標定其在首都核心產業的戰略位置。他本人當選中國科協第十一屆全國委員會委員、擔任具身智能大模型北京市重點實驗室主任，正是這一位置的寫照。

在全球維度，銀河通用與美國 Physical Intelligence、Skild AI，以及國內宇樹、智元等同台競速。王鶴提出的 WAM 路線被英偉達譽為「機器人終局範式」，春晚「蓋博特」與 AstraTennis 時刻則讓中國具身智能的技術領先與科技溫度被億萬觀眾觸碰到。他預言，到二〇二八年具身智能將迎來屬於自己的「ChatGPT 時刻」，而人形機器人賽道有機會誕生萬億美元市值的中國企業。無論這一預言能否如期兌現，王鶴與銀河通用都已證明：在這條從數字世界走向物理世界的長路上，中國年輕科學家可以站在定義技術範式的前排。

在制度層面，王鶴也逐步成為行業規則的參與者：他擔任工業和信息化部人工智能標準化技術委員會具身智能組副組長、上海證券交易所第三屆科技創新諮詢委員會委員，並執掌具身智能大模型北京市重點實驗室。這些身分讓他的技術判斷不只影響一家公司，更能通過標準與政策話語權外溢到整個賽道。從海澱的實驗室到國家級的標準桌，王鶴的軌跡濃縮了一代中國 AI 青年科學家的典型路徑——以學術原創立身，以產業落地證明，再以國家戰略坐標定位自身。

01家世與早年：物理競賽保送清華的九〇後

高繼揚，一九九二年出生於河北石家莊。高中時期，他憑藉物理競賽的出色成績被保送至清華大學電子工程系，開啟了此後與人工智能密不可分的求學路。在清華，他先後就讀電子工程與微納電子方向，埋頭於電路、信號與算法課業之間，逐漸意識到傳統硬件設計對剛畢業的新人而言門檻極高。據其後來回憶，真正點燃他對人工智能熱情的，是大四下學期前往「AI四小龍」之一商湯科技的實習經歷——第一次接觸到深度學習後，他意識到機器學習或許能讓編程變得像「軟件2.0」一樣簡單，從而解決傳統規則編程難以處理的複雜問題。

二〇一五年，高繼揚從清華本科畢業，隨即赴美攻讀博士。在南加州大學（USC）IRIS計算機視覺實驗室，他師從計算機視覺領域專家拉姆·內瓦蒂亞（Ram Nevatia）教授，研究方向聚焦計算機視覺與自動駕駛感知。他給自己定下兩個目標：堅持做計算機視覺研究，並爭取四年內完成學業、加速創業。結果他僅用三年半便取得博士學位，成為該實驗室歷史上畢業用時最短的學生，其間發表的VectorNet、TNT等一系列論文，後來被業界廣泛採用。這段經歷奠定了他「相信數據、相信算力、不要相信人工偏見規則」的方法論底色。

02創業原點：從Waymo感知到Momenta量產的降維積累

二〇一八年博士畢業後，高繼揚沒有立即創業。他判斷學術積累尚不足以支撐一家硬科技公司，決定先到自動駕駛企業歷練——在他看來，自動駕駛是以人工智能為核心、且最接近機器人形態的產業，也是通往具身智能的橋樑。二〇一九年一月至二〇二一年一月，他加入谷歌旗下無人車公司Waymo，參與感知、預測與在線建圖等多個重要模組，並與同事共同提出行為預測模型VectorNet，用向量化方式簡潔表達地圖與移動物體，相關論文被CVPR等頂會接收，成為自動駕駛規劃預測領域的經典工作。

二〇二一年一月，高繼揚回國加入國內自動駕駛獨角獸Momenta，從視覺感知起步，逐步擴展至定位、規控、泊車及NOA等產品領域，最終擔任執行總監，帶領規模逾百人的團隊，主導智己、比亞迪、吉利路特斯等多款車型的算法研發與量產交付。四年多的一線打磨，讓他攢足了工程化能力，也形成了一套關於「具身智能Scaling Law」的獨到見解。二〇二三年，他放棄約合一千萬美元的股票期權離職，與趙行、許華哲、李天威組隊，正式邁入具身智能創業的賽道。

關於創業的觸發點，高繼揚後來在開發者大會上回憶：二〇二三年八月，他與趙行、李天威三人拜訪上海一家投資機構，雖然對方最終沒有投資，但那張合影成為「一切的原點和開始」。彼時「具身智能」一詞尚未普及，行業更熱衷於人形機器人，團隊心情「激昂與迷茫同時交織」。但有兩件事從一開始就想得很清楚：其一，具身智能未來會呈現「一腦多形」形態，雙足人形只是其中之一；其二，長期壁壘在於物理世界數據閉環，而「整機加智能」是搭建閉環的關鍵路徑。這兩條信念，日後成為星海圖不可替代的發展主線。

03最艱難的關：放棄千萬美元期權與不被理解的孤獨

對高繼揚而言，職業生涯最艱難的一道關，並非某次驚險的瀕死時刻，而是二〇二三年離開Momenta時的那個決定。彼時他已是執行總監，手握約合一千萬美元的股票期權，處在自動駕駛量產的上升軌道。放棄這份「金飯碗」去押注一個連名字都還未普及的賽道，意味著要與確定的名利告別，去承擔技術、產品、商業全未閉環的巨大不確定。他後來與今日資本徐新對話時坦言，自己讀博士時學到最重要的一課，就是「相信深度學習、相信數據、相信算力，不要相信人為偏見設計出的規則」——正是這份信念，讓他在眾人猶疑時敢於孤注一擲。

創業初期更現實的艱難，則來自路線選擇上的「孤獨」。二〇二四年，行業幾乎一邊倒地追捧雙足人形機器人，資本與輿論都在問「你們為什麼不做人形」。星海圖卻反其道而行，從輪式雙臂切入，並堅持「真機數據驅動」而非仿真路線。這種不被理解的堅持，讓公司在相當長一段時間裡既要證明硬件能交付，又要證明模型能進化，還要頂住「有身無腦」或「有腦無身」的質疑。高繼揚用「整機加智能」一體化頂層戰略回應：先以可靠硬件搶佔開發者生態、構建數據飛輪，再拓展高難度場景——這道關，考驗的不是勇氣，而是對時點與路徑的清醒判斷。

04翻盤的一役：二〇二五年的模型與生態雙突破

真正讓星海圖從「被質疑」翻轉為「被追隨」的一役，發生在二〇二五年。這一年，公司先後完成五輪A系列融資，資金總額約十五億元人民幣；更關鍵的是八月，星海圖對外發布全球首個開放場景高質量真機數據集GOD，以及初代具身基礎模型G0——後者一舉突破當時行業SOTA，帶動國內具身大模型開源浪潮。GOD數據集容量約五百小時、十TB，上線一個月全球下載量即逼近六十萬次，幾乎實現全球機構開發者「人手一份」，星海圖由此成為輪臂賽道的開創者與引領者。

產品側的翻盤同樣乾脆。二〇二四年十月，首批R1交付給斯坦福大學李飛飛團隊；憑藉客戶反饋快速迭代，二〇二五年第一季度推出R1 Pro與R1 Lite兩款主力輪臂產品，覆蓋全球超過九成頂級開發者，成為斯坦福李飛飛團隊、Physical Intelligence、英偉達等頂尖實驗室的核心開發平台。到二〇二六年二月，星海圖完成十億元B輪融資、估值突破百億，成為繼宇樹、智元、銀河通用之後的國內第四家具身智能百億獨角獸。這一連串動作證明：在「做人形」的喧囂之外，一條以模型與數據為核心的務實路線，同樣能跑通從研發到交付的閉環。

05公司發展史（一）：二〇二三至二〇二四的創立與早期生存

星海圖的起點是二〇二三年九月五日，初名星海圖（蘇州）人工智能科技有限公司，註冊於蘇州——高繼揚看中當地既有的製造業底盤與日益壯大的AI生態，可同時觸達「軟」與「硬」。創業首月即確立「一腦多形、物理世界數據閉環」核心理念，並於二〇二三年十月拿到第一筆融資，天使輪由IDG資本與百度風投領投。此後公司迅速落地研發路線，避開行業扎堆雙足的主流選擇，率先切入輪式雙臂整機賽道，依靠自研硬件完成產品落地，並獲得斯坦福李飛飛實驗室這一標杆客戶的早期驗證。

二〇二四年是星海圖的「研發元年」。二月，公司啟動輪式雙臂R1的全棧自研，確立「智能定義本體」的研發邏輯——圍繞智能需求設計硬件，而非盲目跟風做人形。資本層面，一月完成天使輪第二輪數千萬美元交割（IDG領投，百度風投、無限基金SEE FUND、金沙江創投、七熹投資跟投），七月獲北京機器人產業發展投資基金天使加輪，八月再完成超兩億元Pre-A輪，由高瓴創投、螞蟻集團領投，米哈遊、無錫創投、同歌創投、Funplus等跟投。技術側則先後研發矢量控制底盤X1與準直驅電機超輕型機械臂A1，並提出全球首個機器人Real2Sim2Real空間智能引擎範式。

06公司發展史（二）：二〇二五的A系列融資與G0模型

二〇二五年是星海圖的「融資與模型雙爆發之年」。上半年，公司連續完成五輪A系列融資，總金額約十五億元：A1輪三億元由螞蟻集團獨家領投；A2、A3輪合計超三億元，由凱輝基金領投，聯想創投、海爾資本等產業資本參投；A4輪由今日資本、美團龍珠聯合領投，中金保時捷基金、襄禾資本及老股東跟投；A5輪由美團龍珠、美團戰投聯合領投，北京機器人產業基金超額加注，亦莊國投跟投。螞蟻、今日資本、美團、高瓴、凱輝、亦莊國投等機構相繼成為股東，老股東持續加注的比例與頻次在行業內少見。

智能側的突破更為關鍵。二〇二五年八月，星海圖發布GOD數據集與初代G0基礎模型，G0採用「慢思考、快執行」快—慢雙系統架構，疊加五百小時高一致性全身動作數據與三階段學習訓練策略，實現從視覺、語言指令到二十三自由度全身控制的長程任務執行，評測數據壓過當時業界標桿。依託客戶反饋，公司當年出貨量達數千台，客戶涵蓋高校實驗室、大廠研究院及頭部產業集團，華為、比亞迪等均在列；R1平台更覆蓋超九成全球頂級開發者，成為具身智能領域最具影響力的開發底座之一。

07公司發展史（三）：二〇二六年上半年股改與B、B+輪

二〇二六年上半年，星海圖迎來資本與治理的雙重躍升。年初，公司完成股份制改造，由有限責任公司變更為「股份有限公司（外商投資、未上市）」，更名星海圖（北京）人工智能科技股份有限公司，成為當年首家完成股改的具身智能企業，為對接資本市場掃清主體資格障礙。二月十一日，公司宣布完成十億元B輪融資，由金鼎資本、北汽產投、碧鴻投資（吉利系）、正心谷資本、前海方舟、毅峰資本等領投，凱輝、美團龍珠、今日資本、襄禾、高瓴創投等老股東超額追加，累計融資近三十億元，估值破百億。

僅五十一天後的二〇二六年四月二日，星海圖再完成近二十億元B+輪融資，估值突破二百億元人民幣，躋身一級市場估值最高的具身智能企業，累計融資逼近五十億元。本輪投資方陣容橫跨產業資本、互聯網巨頭、一線PE與國家隊：華登科技、藍思科技、航發基金，螞蟻、美團、百度系，中金資本、普華資本、洪泰基金，以及金融街資本、北京科創、亦莊國投等。兩輪合計約三十億元、估值兩個月內近乎翻倍的節奏，讓星海圖成為春節後估值漲幅最快的具身智能企業，也令其站上賽道融資速度的風口浪尖。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年六月十六日，星海圖在北京亦莊舉辦首屆全球具身智能開發者大會（Galaxea WDC 2026），以「Build with Galaxea」為主題，釋放戰略全貌。大會上，公司開源新一代VLA基礎模型G0.5，實現從任務後訓練到零樣本泛化的跨越，在全球六大權威榜單取得第一、穩居國際第一梯隊；同步公布世界模型Fast-WAM（單步推理延遲壓縮至一百九十毫秒，較傳統架構提速四倍以上）與全身控制基礎模型，並讓自研雙足人形機器人Kengo（行客）完成首秀。隨Kengo發布，星海圖成為國內唯一同時擁有頂尖模型與頂尖本體的具身智能企業，「整機加智能」戰略正式閉環。

八月十九至二十三日，星海圖亮相二〇二六世界機器人大會（WRC），拿下全場最大的五百平方米展位，現場搭成「生產力測試場」。CEO高繼揚發布Lemo（雙臂桌面操作平台）、Nexo（旗艦輪臂人形，全身三十自由度）等新硬件；與京東合作搭建的前置倉演示系統，在展前完成一百多單真實履約，訂單執行成功率達九成九，精密裝配精度一毫米，禮品盒封裝準確率九九點九。截至二〇二六年，星海圖已服務全球約兩百家客戶，覆蓋高校、大廠研究院與頭部產業集團；公司明確二〇二六年目標出貨一萬台，並啟動「亦數智能」百萬小時真機數據計劃（未來三年邁向千萬小時）與聯合凱輝基金的「星途計劃」孵化生態。

09領導風格與性格：工程師底色的冷靜務實

高繼揚的領導風格帶著鮮明的工程師底色：尊重事實、信奉規模、抵禦短期喧囂。他最常被引用的一句話是「機器人學得越多越聰明，而非造得越多越便宜」——這句話既是對公司定位的概括，也是他管理哲學的寫照：他把自己定義為人工智能企業的掌舵者，而非傳統機器人製造商，相信數據與算力的規模效應會重構競爭規則。在路線選擇上，他展現出近乎冷靜的務實：當全行業追逐雙足人形，他堅持輪臂切入；當行業依賴仿真數據，他堅持百分之百真機數據，認為「仿真可以模擬物理規律，卻模擬不了真實世界的隨機與意外」。

他對人的方式低調而克制。創業初期，首批R1交付給李飛飛實驗室時產品尚不完善，他沒有掩飾缺陷，而是與客戶一同迭代；他多次強調「以客戶為中心並非順從客戶，而是深耕其潛在需求」。對資本，他有一套清醒的賬本邏輯：「融資路徑和支出路徑，這是兩件事。」他判斷具身智能會遵循AI的Scaling Law，頭部進一步集中，因此主張預留冗餘資金。公開形象上，他不像某些創始人善於表演，而是把精力放在產品、模型與團隊；他與徐新對話時坦承，讀博時學到最重要的是「相信數據、相信算力，不要相信人為偏見設計的規則」，這份理性貫穿了星海圖的每一個決策。

10成功秘訣：可複製的七條方法論

歸納高繼揚的崛起，第一條秘訣是「一腦多形」的戰略定力。他從創業第一天就判斷雙足人形只是具身智能的一種形態，長期壁壘在於物理世界數據閉環，因此選擇「整機加智能」一體化路線，用同一套智能體系適配輪臂R1與雙足Kengo，打破「一種形態對應一套控制系統」的慣例。這一定力讓星海圖在行業喧囂中避開同質化競爭，走出軟硬一體的差異化路徑，也讓其在資本與輿論反覆追問「為何不做人形」時，始終能穩住節奏、不被風口帶偏。

第二條是「真機數據優先」的技術信仰。他堅持預訓練全部用真實數據、基本不用仿真，即便真機數據成本高達每小時一百至一百五十元、百萬小時總投入約一至兩億元，仍視其為模型能力的堅實底座。第三條是「智能定義本體」的研發邏輯：先定義對大腦友好的硬件規格再發育身體，動力單元已有八成自研或產業鏈共研，避免「先造身再補腦」的返工。第四條是開發者生態先行——以可靠硬件搶佔全球九成頂級開發者，構建數據飛輪。

第五條是「快慢雙系統」的模型創新：G0系列以慢思考VLM負責語言理解與規劃、快執行VLA負責高頻動作，異步運行兼顧智能性與響應性，並以G0.5登頂全球六大榜單。第六條是資本運作的高效：二十八個月估值增長超百倍，靠的是老股東持續超額追投與清晰的產品—數據閉環敘事。第七條是「清華九〇後＋自動駕駛降維天團」的團隊組合：高繼揚管戰略融資、趙行管技術模型、李天威管硬件本體，分工明確、執行迅猛。總結而言，他的成功既是個人方法論、時點判斷與苦行投入的結果，也高度依賴中國完善的供應鏈與豐富真實場景——可複製的是路線，難完全複製的是時代窗口。

11個人、價值觀與生活：清醒的金錢觀與低調底色

在金錢與生活上，高繼揚顯得格外清醒。他放棄Momenta約合一千萬美元期權創業，足見其對「值得走的路」的取捨；面對資本市場給出的高估值，他又理性提醒「幾乎所有科技行業在早期，資本市場給出的估值都無法簡單套用傳統產業邏輯」。他主張預留冗餘資金以應對研發指數級攀升，把「融資路徑」與「支出路徑」嚴格區分。這種克制，與其「相信規模、相信數據」的AI思維一脈相承：不賺快錢，而是把資源壓在基礎模型這一長期變量上。

他極少曝光私生活，幾乎不主動談家庭與興趣，把多數精力留給產品、模型與團隊。公開場合，他更像一名冷靜的算法科學家，而非善於表演的網紅；他自陳「我們不是研發製造機器人的企業，我們是人工智能企業」，將自己定位為基礎模型預訓練的長跑者。有趣的是，他對行業始終保有謙遜與開放：在開發者大會結尾，他向全場發出邀請「Build with Galaxea，讓新世界來得更快一些」，強調沒有任何一家公司能夠獨自定義具身智能，唯有全球開發者與產業夥伴攜手，才能創造未來。

12國家與時代意義：大模型原生一代的具身智能樣本

把高繼揚放在更大的坐標系，他代表著中國具身智能「大模型原生」一代創業者的典型樣本。不同於從硬件起家的機器人公司，星海圖自誕生便以具身基礎模型為核心，把自動駕駛時代積累的感知、規控與量產經驗「降維」遷移到機器人，提出「一腦多形」與「本能智能—作業智能—進化智能」三重躍遷框架。在高繼揚看來，中國擁有全球最豐富的製造業場景、最密集的供應鏈網絡與最便利的數據採集條件，未來兩到三年，國內具身基礎模型能力有望領跑全球。

在行業格局上，星海圖與宇樹、智元、銀河通用並稱國內具身智能頭部，卻走出了「機器人公司自己做大腦」的獨特路徑——既造本體也造模型，既是R1、Kengo的硬件供給者，也是G0、Fast-WAM的算法輸出者。二〇二五年八月，高繼揚入選《財富》中國四十歲以下最具潛力商界精英榜；二〇二六年三月，他登上央視財經《對話》節目，與格力電器董事長董明珠探討具身智能賦能製造業。他用兩年九個月將星海圖做成估值二百億級、累計融資約五十億元的頭部企業，證明當工程能力、真實場景與時代窗口疊加，「清華九〇後」也能為人類延展能力邊界做出具體而堅實的貢獻。

01家世與早年：清華園裡長大的「別人家的孩子」

姜哲源一九九八年出生於北京，籍貫山東龍口。他的父親姜開利是清華大學物理系教授，曾為長江學者特聘教授，也是第二批「萬人計劃」領軍人才，二〇〇二年讀博期間便以第一作者身分在《自然》（Nature）發表論文；母親則在北京大學任教。用他自己的話說，母親是北大的、父親是清華的，「我爸是本科、碩士、博士，還有教職都在清華」。從幼兒園、小學、初中、高中、本科一路讀到博士，他幾乎沒有離開過清華園，在這個家庭裡反而是「學歷最低的那個人」。

清華園的童年給了他兩樣東西。一是對「從零定義一件產品」的原始渴望——小學時讀到一本《喬布斯的秘密日記》，他第一次覺得把一個想法做成產品、再賣給全世界，「這件事特別有意思」。二是軟硬結合的手感：從初中起他就把開源硬件平台 Arduino 玩得很熟，還帶著同學放飛近地小火箭氣球、拍下近地太空的景象；他後來回憶，那時同齡人都在打遊戲。高中階段他已動過創業的念頭，卻被父親按了下來——「至少先讀完本科」。二〇一七年高考，他以北京市第二十八名的成績考入清華大學電子工程系；這個選擇並非偶然，因為電子系的培養方案「既要會做算法又要會做硬件」，正好對上他軟硬通吃的路子。

二〇二一年九月，姜哲源進入清華大學交叉信息研究院攻讀博士，研究深度強化學習在足式機器人運動控制上的應用。這所由圖靈獎得主姚期智領導的學院，日後成為中國具身智能創業者最密集的搖籃之一，星動紀元創辦人陳建宇正是他讀博時的導師，他亦曾參與星動紀元的早期工作。入學不久，實驗室開箱了一台宇樹機器狗，他第一次見到四條腿往前跑的機器，「確實挺震撼的」——此前他熟悉的只有輪式平台與平衡車。父親給過他兩條忠告：「你要做那種有深度的研究，且只需要發兩類論文，第一類是一個領域的第一篇論文，第二類是一個領域的最後一篇論文。」這句話成了他日後判斷賽道的尺子：四足已被宇樹佔住，那就去做當時國內還沒有人做的力控人形機器人硬件。

02創業原點：一百萬元、六個人與四十三天

在導師支持下，姜哲源讀博期間就組隊造出了一台人形機器人，並為此申請專利——二〇二二年九月提交、與陳建宇共同署名的「人形機器人的腿部結構和具有其的人形機器人」，是這條線索最早的公開記錄。真正讓他下決心的是時間感。他後來反覆說自己「輟學得晚了」：「我覺得這波機會從二〇二二年就開始了。如果我二二年成立公司的話，我覺得今天的格局會非常不一樣。」在他看來，「天時地利人和」之中天時最重要，在一個合適的時間出來，可能比準備好再出來更重要；他打過一個不恰當的比方，這有點像當年買房，很多人覺得把錢攢夠了再買，那就已經晚了。

二〇二三年，博士三年級的姜哲源決定退學。父母是反對的，或者說更多是擔心——他們請了幾位企業家朋友組了一場飯局，名義上是「叔叔阿姨指導指導」，實際上是想讓長輩勸他別創業。他把這場勸退局變成了一場路演：講完要做什麼、團隊是什麼樣，第二天對方就打電話說要投。他當時「特別高興，以為是我策反了我爸的朋友」，直到二〇二五年開車帶父母去張家口，才在酒店裡聽到實情——父母早已備好一筆錢，打算以朋友的名義投給他，怕直接給錢會讓他「動作變形」。最後那筆錢沒有出成，因為硬件很快造了出來，清華系基金與市場化機構主動上門。二〇二三年九月十五日，松延動力（北京）科技有限公司在北京註冊成立，啟動資金約一百萬元，團隊六個人，辦公地點是一間租來的民房。

這支「學生軍」交出的第一份答卷是速度。成立僅四十三天，第一代人形機器人原型機 N1 就從概念設計推進到加工製造、裝配與測試，並完成雙足行走穩定性測試，在草地、雪地、柏油馬路、斜坡、台階與雜物堆等多種地形上完成階段性測試。憑這台機器，公司拿到了七百六十萬元種子輪融資；調通能走路的 demo 之後，第二輪投資隨之到位，前兩輪合計三千多萬元湧入這個平均年齡不足三十歲的團隊。當時的松延動力更像一個課題組而非企業：老手帶新手，算法、結構設計、多模態與人臉設計、電路設計各守一攤；早期成員多半是姜哲源在網上認識的「網友」，用他的話說，是一幫「目標一致的人」。

03最艱難的關：賬上只剩幾千塊與「多器官衰竭」

錢來得比能力快，麻煩也就來得快。二〇二四年年初，松延動力陷入創業以來最危險的一段：團隊迅速臃腫，開銷失控，卻遲遲交不出新的演示原型；更致命的是，原先的技術路徑被證明走不通。姜哲源形容當時公司的狀態像「多器官衰竭」。他事後把最大的問題歸到自己身上——「年輕、沒有經驗」。他回憶，二〇二三年十月的時候賬面上還有約三千萬元現金，「我沒見過那麼多錢，當可以自由支配的錢變多時，人是會瘋狂的」，於是他瘋狂招人、花錢沒有節制，「甚至我們股東都給我發微信說創業要省錢」；另有報導稱，二〇二四年春節前公司賬上僅剩三十萬元，首款原型機也頻繁故障。

「最窮的時候，賬戶上只剩幾千塊。」這是他日後反覆提起的一句。為了把錢找回來，他把自己關在會議室裡，連續幾個月每天打電話，一遍遍講同一套故事。用他在央視《面對面》裡的比喻：牌桌是圓的，他只有「一個指甲蓋摳在桌邊上」，稍微來一陣風就能把他吹掉。危局之中他做了兩個決定。第一是把技術路線推倒重來，從零重建一支做深度強化學習的算法團隊。第二是換一套用人標準：既然招不到自帶光環的頂尖選手，那就自己培養高潛力的成長型人才。他親自出了一道難度極高的筆試題——給一段開源代碼，要求候選人把四足行走改成雙足站立，涉及改參數、改描述文件、補寫算法整套流程。

他的邏輯很直白：願意花錢買算力、花時間做這道題的人，一定熱愛這個行業；能做出來的，悟性和代碼能力一定不差。靠這套題，他撈到了後來被稱為「小胖子」的算法工程師——以那人的學歷背景，在任何大廠都過不了簡歷關，而如今松延機器人那些高動態的空翻與奔跑動作，基本上都由他訓練出來。這道題後來成了松延新員工培訓的標準測試。轉機的一部分來自產品：二〇二四年三月底，團隊的仿生人臉機器人打動了北京市機器人產業發展投資基金，松延動力成為該基金首批投資的重點項目之一，老股東也跟著追投，公司才算緩過氣。另一部分來自運氣——二〇二四年下半年，一位上門看機器人的客戶在辦公室裡和他聊到半夜，最後領投了那一輪融資，並在之後幾年一直是公司最堅定的支持者。

04翻盤的一役：亦莊半馬與那條紅色發帶

翻盤的伏筆埋在一台機器人身上。二〇二五年三月十四日，松延動力發布 N2——身高約一點二米、體重約三十公斤、全身十八個自由度、膝關節最大扭矩一百五十牛·米、實測最高奔跑速度三點五米每秒，能完成連續後空翻、側手翻、單雙腳跳躍與舞蹈，是全球首個實現多場景連續空翻的機器人，空翻成功率超過九成。同年八月，N2 在國家速滑館「冰絲帶」開幕的世界人形機器人運動會上擔任護旗手，並拿下自由體操冠軍與單機舞蹈亞軍；十月，N2 登上《時代周刊》。更引起行業震動的是價格：三點九九萬元起，比宇樹 G1 基礎款九點九萬元的售價低了近六成。

二〇二五年四月十九日，全球首個人形機器人半程馬拉松在北京亦莊開跑。松延動力派出兩台 N2，分別取名「小頑童」與「旋風小子」。當天賽道氣溫偏高，持續高負荷運轉的機器人關節溫度可達八十度以上，多支隊伍因此觸發自動保護而「罷工」，工程師們跟著機器人一路噴冷卻劑。「小頑童」最終以三小時三十七分五十秒的總成績完賽，拿下亞軍；「旋風小子」獲得第四名——同一款機器人，在一場比賽裡佔住了兩個前排位置。姜哲源在賽前把腳踝電機與連桿的連接處加了三枚定位銷，因為第一次測試跑到十五公里時那裡斷過。在終點區，他頭戴紅色「必勝」發帶，揮著手臂為自家機器人吶喊，還當場帶起貨來：「五千定金鎖單，三點九九萬帶走 N2。」

這一役改變了公司的座標。賽後一個月，松延動力收到超過兩千台意向訂單、合同額超過一億元，團隊從六七十人擴到兩百八十人。二〇二五年五月十一日，公司召開生態戰略啟動大會，現場簽約五千多萬元訂單，售出一千多台人形機器人、二十多台仿生機器人，N2 大定突破一千台。資本的反應更直接：公司估值從賽前的五億元漲到二十億元左右，投資人紛至沓來。姜哲源對此保持著一種奇怪的清醒，他後來承認「我覺得我們接得不好」——不是名次接得不好，而是那波流量來的時候，公司連產線都還沒有，只能接單、無法交付，白白錯過了一個倍增的機會。同一時間，朱嘯虎的退出被外界反覆追問，他的回應是：我從來沒見過朱嘯虎，那位合夥人是在公司估值最低的時候投進來的，「現在我們的估值是二十億，朱總賣在了低點」。

05公司發展史（一）：從 N1 到 N2，產品線的從無到有

松延動力的產品編年可以從二〇二三年十月算起。四十三天做出原型機 N1 之後，團隊在同年十一月完成 N1 的雙足行走與多地形測試，並在年底推出仿生機器人頭 Hobbs——這是國內首款高自由度、可沉浸式交互的仿生機器人頭，搭載自研多模態大模型，能實現超低延時的人機對話，在標準人頭尺寸內塞進了二十九個自由度。二〇二四年是產品線鋪開的一年：通用型人形機器人 Dora 問世，實現直腿行走等步態，配備多自由度仿生機械臂；N1 則在九月實現自主導航避障。二〇二四年十二月，利亞德旗下虛擬動點與松延動力成立「具身智能機器人聯合實驗室」，光學動作捕捉技術被引入仿生機器人的表情與動作訓練。

真正的爆點是 N2。二〇二五年三月十四日，松延動力發布雙足人形機器人 NOETIX N2，並與江蘇常州天寧經開區達成項目合作，推動人形機器人產業化落地汽車零部件產業園，原計劃當年六月量產。N2 提供深空灰、皓月白、流光紫三色，發布即開放預售。姜哲源對定價的解釋不是「價格戰」而是「價格帶」：如果別人賣二十萬、自己賣十九萬九，這叫無意義內卷；別人賣二十萬、自己賣三萬，就不叫內卷了，其實是找到了一個「藍海價格帶」。他同時透露，N2 售價三點九九萬元旨在通過價格維度避開競爭，且尚有盈利，約有百分之十五左右毛利；至於別家為何沒有跟進低價，「可能和每家競爭策略有關係」。

另一條腿是 E1。這台身高約一點三六至一點四米、全身自由度二十三至二十九個的家用與通用型平台，被姜哲源稱為行業首個「一度電」的人形機器人——電池容量一千瓦時，續航可達三到四小時、約二十公里，在當時的人形機器人裡屬於最頂尖的一檔；N2 的續航則在一小時三四十分鐘左右。交付口徑上，公司直到二〇二五年七月才迎來第一個像樣的量產月：當月交付一百零五台人形機器人，其中 N2 九十二台、E1 十三台，交付總量環比增長百分之一百七十六，創下成立以來的最高紀錄。對一家兩個月前才剛搬進廠房的公司而言，這既是里程碑，也是它「偏科」的證明——運控算法是明確的長板，生產、交付、銷售與公司治理則明顯落後。

06公司發展史（二）：萬元級「小布米」與價格倒推研發

二〇二五年十月二十二日，松延動力官宣將發布行業首款萬元以內的雙足人形機器人；十月二十三日晚八點，「小布米」（Bumi）開啟預售，定價九千九百九十八元。它身高約九十四厘米、體重約十二公斤、身體自由度不少於二十一個，兩條腿各六個、兩條胳膊各四個、腰上一個，支援倒地起身、行走、奔跑、跳舞，並可由用戶實現圖形化編程等二次開發，主打家庭情感陪伴與教育啟蒙。預售三小時銷量突破兩百台，首發一小時訂單破一百台，首批五百台在兩天內售罄。姜哲源的解釋是「我們是拿著價格倒推研發進程的，每個人都領了一部分成本回去」；成本靠的是大量使用複合材料、自研域控制器與核心板、國產芯片，以及電路負責人提前囤積存儲芯片規避漲價風險。

低價不是賠本賺吆喝，而是一道算過的帳。他公開過毛利口徑：N2 定價三點九九萬尚有盈利，約有百分之十五左右毛利，另有報導稱毛利率約兩成；壓低毛利的目的是用一個有話題性的價格打開知名度，最後以價換量「換出了一個億」——如果賣十萬或更高，是換不出這麼高的收入規模的。他對市場的判斷也與同行不同：多數公司聚焦 B 端進廠，他認為行業真正的核心機遇在 C 端。受模型泛化能力限制，機器人暫時端不了茶、倒不了水，但可以先提供情緒價值，孩子透過編程讓它說話、跳舞，同樣是剛需。他甚至把學習機拿來類比：一台教數學、語文、英語的學習機可以賣到萬元級，那麼一台融合陪伴與編程教育的新品類，當然也賣得動。

場景上，松延動力在教育、科研、文旅與商業演出四條線同時鋪開。教育端與編程貓簽下千台小布米定向訂單、共建人形機器人編程教育實驗室，並與清華附中、北京一零一中學等學校合作；文旅端與風語築共建場景方案；政企端與盛視科技、首程控股合作，把機器人放進口岸巡檢與首都機場停車樓。渠道端，姜哲源在二〇二五年表示代理商有幾十家，集中在江浙滬、大灣區與河南，當年目標是擴到上百家。海外市場則從二〇二六年初的 CES 起步，規劃在第二季度完成首批千台規模的海外訂單交付，覆蓋北美、歐洲、中東、東南亞與日韓。仿生人臉那條線被他定義為「有功能的奇觀」——既能做導覽、對話、迎賓，本身又是吸引客流的流量入口。

07公司發展史（三）：九輪融資、股改與兩條產品線

資本之路比產品之路更曲折。二〇二三年底拿到七百六十萬元種子輪之後，松延動力在二〇二四年與二〇二五年間接連完成四輪融資，並成為首家獲得北京市機器人產業發展投資基金支持的企業。二〇二五年是融資密度最高的一年：一年內完成五輪，八月完成數億元 A++ 輪融資，累計融資達六輪；十月完成近三億元 Pre-B 輪，由方廣資本領投；十一月完成近兩億元 Pre-B+ 輪，由中金資本領投——兩輪間隔不足一個月。到二〇二五年十月，姜哲源在鳳凰網訪談中給出的數字是七輪、大概六到七個億，股東已達四十六個，距離有限責任公司五十個股東的上限只剩四個席位。他對融資的態度很誠實：融的輪次多並不代表公司發展就好，而是代表公司需要錢。

二〇二六年二月六日，松延動力宣布完成股份制改革，主體由「松延動力（北京）科技有限公司」更名為「北京松延動力科技集團股份有限公司」，為後續資本化鋪路。三月二日，公司宣布完成 B 輪融資，規模累計近十億元人民幣，由寧德時代系產業投資平台晨道資本領投，國科投資、京國盛基金、九合創投等跟投。至此，成立僅兩年半的松延動力累計完成九輪融資，披露口徑約十五億元，估值約二十億元（另有一口徑作二十至三十五億元，本文標為估算）。晨道資本的入局被解讀為產業邏輯：人形機器人是固態電池最早實現高價值商業化應用的場景之一，電池廠商藉資本提前鎖定未來的早期用戶。

公司對這筆錢的說法是：集結產業資本、市場化資金與國有資本，深耕家庭消費場景，加速技術產業化落地，並稱這標誌著人形機器人行業正式從技術驗證階段邁入消費端商業化閉環。治理層面，松延動力的管理團隊與技術團隊以九十五後為主，姜哲源為法定代表人與實際控制人；工商口徑顯示，公司註冊資本約四百五十九點六萬元、實繳約三百二十四點六萬元，二〇二五年度參保人數約二百零一人，預計二〇二六年超過四百人。截至二〇二六年三月，公司尚未正式啟動上市輔導，也未披露明確的 IPO 時間表，但股改這一步被普遍視為資本化的前置動作。財務上，公司二〇二五年的口徑是營收破億、仍處虧損，計劃二〇二六年第四季度實現正向現金流。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年二月十六日晚，中央廣播電視總台春節聯歡晚會上，蔡明、王天放與數台機器人共同出演小品《奶奶的最愛》。松延動力的 N2、E1、小布米與一台定制仿生人形機器人全部登台，這是春晚歷史上人形機器人第一次走進語言類節目，也是「蔡明推出了蔡明」——那台一比一復刻蔡明面容的仿生機器人頭部有四十個自由度，臉部植入三十二個驅動電機、僅嘴部就有十二個，靠自研 D2P 技術把虛擬世界裡數字人的口型映射到真實機器人的電機轉角上。姜哲源在央視揭秘節目中向總台記者解釋：「我們在仿生機器人裡面運用了最新研發的 D2P 技術，能夠將虛擬世界中數字人映射到真實機器人的電機轉角上，模擬人的任意口型，實現語音和口型的一比一對應同步。」

這場亮相的代價不小。姜哲源把它比作「空軍轟炸」：先用國民級曝光做品牌覆蓋，產品、產能、銷售這些「地面部隊」才好推進，因此「春晚不能簡單計算 ROI」。為此公司投入超過四十人，對一家兩百多人的公司而言，意味著一部分研發進度被迫放緩；團隊在一個月內為小布米完成二十一次舞蹈動作訓練，準備了超三百個算法策略、二十一版舞蹈，並把春晚道具買回公司、一比一復刻舞台排練。回報同樣直接：開播兩小時內，京東平台機器人搜索量環比增長超百分之三百、訂單量增長百分之一百五十；九千九百九十八元的小布米首發一小時訂單破一百台、首批五百台兩天售罄，春晚後累計訂單達數千台，其中約九成五來自個人消費者，縣域市場訂單佔比一度達到三成。

二〇二六年四月十九日，第二屆人形機器人半程馬拉松在北京亦莊開跑，超過一百支隊伍、三百餘台機器人同場競技。松延動力這一次沒有再派小個子上場，而是拿出了一台全尺寸機器人；N2「小頑童」則以全自主導航模式參賽。姜哲源的反應很平靜：大家都以為松延動力只能做小機器人，這次拿出了一台性能非常強的全尺寸機器人；他也不執著名次，「我們心態很好，我並不追求有多少名次。我覺得今年馬拉松更多是一個我們向自己證明自己的秀場」。同年八月，公司在世界機器人大會上以人形加仿生雙產品線全矩陣參展，發布四款全新妝造的仿生機器人與升級後的小布米 OTA；京東「六一八」期間，小布米拿下人形機器人品類多項第一。全年目標被定為「萬台交付」，海外市場則計劃完成首批千台訂單交付。

09領導風格與性格：游擊隊、「斜率比截距」與那塊白板

松延動力辦公室一進門的牆上貼著五條價值觀，是姜哲源自己寫的：客戶比老闆重要、結果比過程重要、集體比個體重要、執行比想法重要、斜率比截距重要。他說自己最看重最後一條，「其實就是成長，成長的速度比我當下有多好更重要」。與此配套的是一套極簡的管理形態：他的辦公室裡始終放著一塊白板，項目推進中遇到任何問題，工程師可以隨時推門進來討論；偏技術與研發的核心崗位他會親自面試一次；公司搬到昌平之後，他一天要去廠房兩三次，親自查看組裝與交付進度。這種貼身管理的另一面，是他把公司形容成一支三百多人的「游擊隊」——幾個人坐在一起，事情定了就幹，決策鏈路短到極致，並認為這正是大廠短期內無法企及的地方。

用人上他不看學歷看熱愛。「我們只支付能力溢價，不支付學歷溢價。」這句話在清華圈子裡引起過不小的震動。他解釋過自己的偏好：見過一些履歷極其光鮮的創業者，「他們眼光太高了，很難貼地幹活」；松延各部門負責人幾乎沒有空降案例，基本都是一線幹出來的工程師。「我們找的不是站在上面去坐鎮指揮的人，我們找的是能貼地幹活的人。」他也不介意公司被當跳板：「松延有點像陽澄湖，來我們這『過水』的員工出去工資都翻了好幾倍。」在他的人才評判體系裡，熱愛排第一位，其次是個人的商業化能力——資源用完就沒了，能持續變現的能力才是「魚」與「漁」的差別。

對外他是一個沒有「CEO 形象包袱」的人：在馬拉松終點戴著紅色發帶大喊口號，在直播鏡頭前當場帶貨，在春晚後給公司定下成為消費級機器人市場第一的年度目標。對內則是另一副面孔。估值從五億漲到二十億時，他提醒團隊要警惕在熱度之下，公司是否具備撐起高估值的技術實力；談到成績，他說「我們跟成功其實差太遠了，才兩三年……創業絕對是一場馬拉松，我覺得談成功太早了」。他也會直白地承認自己的脆弱：二〇二四年最難的日子裡，他每天上班就把自己關進會議室打電話，持續了好幾個月，「那會兒真的是超級焦慮」。這種對外張揚、對內清醒的反差，是他在同代創業者中最鮮明的辨識度。

10成功秘訣：可複製的與不可複製的

覆盤松延動力三年走過的路，可以歸納出幾條有證據支撐的關鍵動作。其一，選對一個沒人做的窄門：讀博時看到四足已被宇樹佔住、國內還沒有人做力控人形機器人硬件，他就把「四足加強化學習」的邏輯搬到人形上，並在讀博期間先造出一台機器人、申請了腿部結構專利。其二，把定價當產品策略而非銷售策略：三點九九萬的 N2 是為了「讓我們的機器人成為小圈子裡的社交話題」，小布米九千九百九十八元則是從設計之初就奔著萬元以內去、拿著價格倒推研發進程。其三，用賽事與舞台換品牌：亦莊半馬與央視春晚兩場大考，讓一家沒有市場團隊的公司完成了國民級曝光。其四，組織年輕化：核心團隊平均年齡約二十五歲，靠一道筆試題篩出真正能用的人。

其五，資本節奏感。從清華系基金的天使輪，到北京市機器人產業發展投資基金，再到 A++、Pre-B、Pre-B+ 與寧德時代系晨道資本領投的 B 輪，他在關鍵節點總能拿到「對的錢」；朱嘯虎退出時他沒有糾纏，只說「朱總賣在了低點」。其六，對失敗的容忍。「Celebrate failure（慶祝失敗）」是他掛在牆上的企業文化，他的理由很簡單：任何一家科技企業都應該貫徹這種文化，包容失敗的本質就是在鼓勵創新。這六條裡，路線判斷、價格策略與資本節奏有一定可複製性；但從幼兒園到博士都在清華園、父親是清華物理系教授、導師是星動紀元創辦人陳建宇的起點，以及二〇二三年 ChatGPT 點燃具身智能風口的時間窗，則是時代與運氣的饋贈。他自己也承認，高考那次應該是他人生中考得最好的一次，「主要是命好」。

更值得記錄的是他對「成功」二字的抗拒。在央視《面對面》裡，他把全球具身智能產業比作一場剛跑了十米的馬拉松；在界面新聞的訪談裡，他把團隊稱為「游擊隊」，認為大廠短期內無法企及的不是資本而是速度。這種自我定位決定了他對複製的看法：方法論可以被學走，四十三天做出原型機的速度也可以被追趕，但一九九八年出生、二〇二三年輟學、二〇二五年撞上一場半馬與一台春晚的組合，很難再出現第二次。他給自己提的兩個要求也說明了他的時間刻度：十年之後做成一家像蘋果、Google 那樣的公司，短期內先讓松延動力成為一家商業上健康的公司，快速實現現金流轉正、實現自我造血。

11個人、價值觀與生活：五條價值觀、一次沒回家的春節

姜哲源對錢的態度，一半來自教訓，一半來自家庭。教訓是二〇二四年那次失控的擴張——二十五歲手上突然握著約三千萬元現金，「我沒見過那麼多錢……在創業之前，我手頭最多的錢就是每個月兩千元的生活費」，於是他瘋狂招人、花錢沒有節制，直到股東發微信提醒他創業要省錢。他後來定下節儉作風，據二〇二六年二月的報導，公司連五百元以上的報銷都要經他審批。家庭那一半則帶著溫度：父母兩次想投他都被他拒絕，一次是創業初期，母親後來念叨「當時賣房都能投你，當時要投我也是千萬富翁了」；一次是二〇二四年融資困難，他怕虧了父母的錢。直到今天，他創業這件事，父母一分錢沒掙著，還倒虧進去不少。他也坦言，父母其實是擔心，但如果他真的做了決定，他們也支持。

生活層面的公開信息不多，但幾個細節足夠勾勒輪廓。他小時候最喜歡的其實是汽車，讀博才轉向機器人；他把 Arduino 從初中玩到大學，習慣把代碼部署到機器上、用遙控器直接操控，「跟正常玩機器人是一樣的」。他自認不是極客，更願意把自己定義為「懂技術的產品經理」——為了補上產品這一課，二〇二四年底專門去聽了泡泡瑪特創辦人王寧的一堂分享課，也把段永平「敢為天下後」的說法記在心裡。二〇二六年春節，因為籌備春晚與公司事務太忙，他沒有回家過年。在公開場合，他反覆強調的一句話是「成長的速度比我當下有多好更重要」；而在非公開的那一面，他承認創業是一場要忘掉自己所有光環、把自己低到塵埃裡、再重新站起來的過程。

他對家鄉的態度也很明確。籍貫山東龍口的他多次表示，山東既有沿海優勢、也有人才密度優勢，作為山東人希望未來能回饋家鄉，比如建立研發中心、做生產與數據採集。這並非空話：松延動力已與山東大學建立實質性產學研合作，雙方聯合研發的越障算法在二〇二五年世界人形機器人運動會一百米障礙賽中成功應用，讓山東大學成為該賽事唯一完成全部賽程的高校隊伍。在公益與科普一側，公司與清華附中合作，讓機器人在校園裡擔任領跑員、領操員；二〇二五年九月開學季，松延動力的機器人走進包括清華附中在內的八所中小學，展示人形機器人在 K12 領域應用的可能性。

12國家與時代意義：把機器人拉下神壇

姜哲源與松延動力的意義，首先要放在中國人形機器人產業的座標裡看。在他創業的二〇二三年，人形機器人還是實驗室裡的昂貴玩具；到他登上春晚的二〇二六年，這個行業已經有了上市輔導、百億估值與萬台交付的口號。松延動力選擇的位置很特別：不是技術最炫的全尺寸旗艦，也不是利潤最厚的工業場景，而是便宜、量產、能賣的消費級與教育市場。姜哲源說過一句很直白的話：不管從哪一個方向進入，最後一定會在某個地方相遇——做本體的公司會去做大腦，做本體的公司最終都會變成具身智能公司；而在那一天到來之前，誰能把規模與數據先跑出來，誰就有資格留在牌桌上。

這條路線的底色是國產供應鏈。松延動力的核心零部件國產化率超過八成，主控芯片用的是國產瑞芯微系列，供應商從結構件、標準件到電路板、關節幾乎全在國內；公司自己不做任何加工，全部靠外協。這套體系讓一台雙足人形機器人的價格從數十萬元級被打到萬元以內，也讓「人形機器人論斤賣」從一句玩笑變成可以被推算的工程命題——姜哲源直接引用馬斯克的「傻瓜指數（Idiot Index）」來解釋這套邏輯：把鋁、鐵、銅、芯片、磁鋼按毛重和期貨價格算一遍，高出這條線的部分，就是設計、工藝與規模還有優化空間的部分。在他看來，人形機器人不該貴，貴的部分恰恰是工程師還沒做好的部分。

更有時代意味的是團隊的年齡結構。松延動力的管理與技術團隊以九十五後為主，平均年齡不足三十歲，姜哲源本人二十七歲時就帶著兩百多人打了一場春晚的硬仗。在他看來，中國在人形機器人領域的專利申請量已連續多年居世界首位，運動控制層面與國外沒有太大差異，真正的差距在具身大模型，而最終拉開距離的變量是數據——「數據是需要生產的，生產這件事全世界沒有人比中國人更懂」。從清華園到亦莊賽道，再到春晚舞台，這個出生於一九九八年的年輕人用不到三年時間證明了一件事：把技術從神壇上拉下來，讓它便宜到普通人買得起，本身就是一種極難的技術能力。

01家世與早年：樂山少年，從物理競賽到清華精儀

陳建宇一九九二年四月出生於四川樂山，家世沒有什麼戲劇性。他自述生在一個普通中產家庭，生活不算富裕，但也沒有經濟壓力，從小沒被嬌慣。父母以鼓勵式教育為主，很少批評他；他上學成績一直不錯，不斷收穫正向反饋，慢慢養成一種不需要別人督促的自驅力。他母親在大學工作，常帶著年幼的他到物理實驗室裡走動，那些零星的記憶碎片，加上《鋼鐵俠》《三體》一類科幻作品，讓「做一個很高端、很智能的機器人」成了他少年時代隱約的方向感。他後來回憶，自己顯然不是偏愛文藝的人，看的電影與書基本都偏向科幻與科技，算是天生就喜歡這些。

中學階段，他從初中開始就主動鑽研學科競賽，走的是一條典型的「好學生」路徑：考第一、在競賽裡拿好成績，會讓他覺得比較牛，也總想守住這份優勢。他坦承那時候更多是競爭心與好勝心在驅動，但也由此得出一條對他往後很有效的經驗——很多人會區分熱愛和擅長，其實二者很難劃清界限；當你把一件事做好、不斷得到認可，慢慢就會真正喜歡上它。他當時最感興趣的是物理，一路參加物理競賽，但他真正想做的不是純物理理論，而是依託物理原理打造出厲害的設備和產品，這與機器人方向其實高度契合。當地幾乎沒有科技類課外活動，物理競賽就是他當時能接觸到的、離機器人最近的選擇。

二〇一一年，他靠學科競賽保送清華大學精密儀器系。當時計算機雖然熱門，但最吃香的是建築與金融；他中學一直學物理，又偏愛看得見、摸得著的實物，希望方向帶硬件屬性卻不只是純機械製造，還想結合智能科技。清華精密儀器與機械學系規模很大，涵蓋傳感器、航天設備、機械與機器人，校內不少機器人團隊、機器人足球隊與雙足機器人核心實驗室都設在這裡，於是他選了這裡。二〇一五年本科畢業，畢業設計做的就是雙足機器人步態規劃，並拿到北京市優秀畢業生等榮譽。他曾在清華精密儀器系付成龍老師課題組做本科畢設——付成龍治學嚴謹，善於從生活現象出發做科研，研究機器人行走時會去看自己剛出生的孩子怎麼走路。清華精儀系是國內最早從事雙足人形機器人研究的單位之一，這段經歷「隱隱地為我現在做雙足人形機器人埋下了伏筆」。

02創業原點：柏克萊的六年，與一盤被阿爾法狗改寫的棋

本科畢業後，陳建宇直博加州大學柏克萊分校，師從美國國家工程院院士、機電控制學科先驅 Masayoshi Tomizuka（富塚誠義）教授。Tomizuka 是模型預測控制（MPC）算法理論的奠基人之一，陳建宇後來常說，可以認為現在的機器人系統就是機電控制系統的延伸。讀博初期，他用的還不是人工智能技術，而是計算建模與數值優化，處在人工設定規則的階段：給機器人建立精準模型，再手寫代碼一步步求解控制量，全程沒有用到神經網絡。他提出的一套「非線性系統、非凸約束條件下的實時軌跡優化算法」成功應用在無人車實車上。那種坐在自己算法驅動的車裡、車一邊亂晃自己一邊調試找原因的經歷，他形容為「非常刺激」。

二〇一六年阿爾法狗問世是一個轉折點。它背後的深度強化學習能解決高維度的複雜決策問題，而機器人恰恰需要實時處理大量高維複雜指令、完成動態決策，這套技術很快被引入機器人領域。柏克萊當時有不少學者察覺到這個趨勢，陳建宇正在此處求學，可以說是最早接觸這類技術的一批人之一。研發範式由此從人工規則轉為數據驅動——通過訓練神經網絡來解決機器人的各類問題。讀博期間，他還到自動駕駛公司 Waymo 與 Nutonomy 實習過，研究橫跨機器人控制、強化學習與無人車，二〇二〇年取得博士學位。

畢業時，谷歌無人車等單位向他拋出優厚邀約，但他選擇回國，關鍵人物是圖靈獎得主姚期智——姚期智親自出面溝通，把他引進清華大學交叉信息研究院任教。那一年他二十八歲，成為交叉信息研究院助理教授、博士生導師，是當時清華最年輕的博導之一，並組建智能系統與機器人實驗室、出任主任；二〇二一年七月起兼任上海期智研究院 PI，同年入選福布斯中國三十位三十歲以下精英（科學榜）。他後來回望這段時間，認為自己「兩波浪潮都趕上了」：第一波是讀博時深度強化學習進入機器人，第二波是 ChatGPT 之後大模型帶來的通用具身模型。

創業的念頭來自兩重擠壓。一是現實條件的限制：高校難以支撐重投入的研發，他希望機器人能真正落地、創造實際價值。二是同行的刺激：二〇二二年他看到特斯拉推出機器人產品，產生了強烈的緊迫感。早在那一年的春天，機器人「小星」就已在他的實驗室裡開始研究。二〇二二年下半年，他下定決心創業；二〇二三年八月四日，北京星動紀元科技有限公司正式註冊成立，由清華大學交叉信息研究院與上海期智研究院孵化。他在訪談中把時間線說得很清楚：「正式成立是二〇二三年八月，但實際上二〇二二年我們就開始做了。」

03最艱難的關：從雪地到倉庫，一家被當成「做靈巧手」的公司

星動紀元的技術起點並不平坦。二〇二三年六月，團隊推出具備行走能力的第二代人形機器人本體，「機器人硬件剛裝出來，我們調了一天就能走起來了」。二〇二三年底，第四代人形機器人「小星」在全球範圍內首次實現人形機器人端到端強化學習的野外雪地行走，包括雪地上下坡與上下樓梯；整個過程不依賴預先編程的行走模式，而是完全由 AI 自主學習，使機器人能夠自主適應不同地面條件。相關論文獲得機器人領域頂會 RSS 2024 最佳論文提名（Outstanding Paper Award Finalists），全球僅三篇入選，也是 RSS 歷史上第一次有中國團隊拿到這個獎項。

但技術上的領先，並沒有立刻換來資本上的從容。他事後回憶，早期融資要難得多：「在前兩三輪融資的時候，融到的資金不多，融資節奏也很慢，那段時間壓力確實挺大的。」那時他還要不停向投資人講解行業理念，很多人對這個領域了解不深、顧慮也多，做決定總是猶豫不決。二〇二三年十月，種子輪只拿到世紀金源與圖靈創投的數千萬元；三個月後的天使輪，聯想創投領投逾一億元，才算站穩第一步。二〇二三年公司也曾與紅杉接觸，但那時候太早了，對方內部也還沒想清楚該怎麼布局這條賽道，最後不了了之。

另一重難關來自「被誤讀」。靈巧手是團隊最早推向市場、真正實現商業化的產品，雖然公司沒怎麼大力宣傳，但市場反饋很好、銷量也不錯；於是「很長一段時間，外界認為我們是做靈巧手的公司」，二〇二四年上半年不少投資人甚至按靈巧手公司的邏輯給他們估值。可在他看來，靈巧手只是業務的一部分，機器人本體與智能大腦才是更核心的技術，等到整套機器人系統形成完整閉環，這些核心優勢才慢慢被外界知道。供應鏈也是空白：人形機器人缺乏為其設計的標準核心零部件，產業鏈極不成熟，他們只能從關節模組、電機、減速器、控制器一路自研。這家把最難的部分放在最前面的公司，必須先熬過一段沒有掌聲、也被看輕的時期。

04翻盤的一役：ERA-42 與物流倉庫裡的「真幹活」

真正的轉折發生在二〇二四年十二月二十三日。星動紀元發布國內首個具備五指靈巧手的端到端原生機器人大模型 ERA-42（「紀元原生機器人大模型」），它與自研五指靈巧手星動 XHAND1 結合後，學會了使用不同工具完成一百多種複雜靈巧的操作任務——拿起桌上隨機擺放的螺釘鑽並鑽緊螺釘、用錘子敲打釘子、把倒放的水杯扶正再往杯中倒水。這些操作不需要任何預編程技能，完全依靠模型的泛化與自適應力，能在不到兩小時內通過收集少量數據學會執行新任務，並且持續在同一個模型下學習新技能。這是業界首次僅以同一個具身大模型，就讓五指靈巧手像人手一樣使用形態各異的工具完成上百種任務，也是世界範圍內首個真正的五指靈巧手具身大模型。

ERA-42 的關鍵設計，是不去模仿視頻裡的人怎麼做，而是學習行動之後會產生什麼結果。這種策略讓學習效果不受數據質量限制，大幅降低了數據收集成本，解決了行業裡數據消耗量大、對高質量數據依賴高的難題。團隊還把世界模型融入模型之中，使它不僅能行動，也能理解物理世界、預測未來軌跡，並在受到外部干擾時迅速回應、在執行過程中持續自適應優化行為。研究結果還初步顯示出「Scaling 效應」：隨模型規模擴大，任務成功率明顯提升，呈現出與大語言模型訓練類似的正相關。

技術之外，翻盤真正落地在倉庫裡。公司把主要資源投向物流場景，與順豐集團、中國郵政等深度合作，機器人批量進駐華北、華東、華南十多個物流中心；二〇二六年五月，央視鏡頭記錄下星動 M7 在中國郵政廣州郵區中心上崗：自主識別包裹位置、精準抓取、平穩翻轉包裹確保面單朝上，每小時最高供件量達一千兩百件，作業效率達人工的百分之八十五以上，內部極限測試可達每小時兩千件。部分高溫、潮濕等惡劣環境下，機器人性能已接近人類水平，並能二十四小時穩定運行。他對這個拐點的判斷很直白：「很多時候，不是我們在推銷機器人，而是客戶在催著我們交付。」

05公司發展史（一）：二〇二三–二〇二四，六代本體與第一筆錢

把鏡頭拉成編年。二〇二二年春，「小星」在清華實驗室裡開始孕育；二〇二三年八月四日，北京星動紀元科技有限公司註冊成立，由清華大學交叉信息研究院與上海期智研究院孵化。公司成立初期，基於交叉信息研究院的科研成果推出了首款人形機器人小星（XBot-S）：身高一點二米、體重二十八公斤、全身三十四個自由度，可完成室內外跑跳與搬運，上肢負載十公斤、全身負載一百公斤。硬件迭代是這家公司的第一批作品：二〇二三年六月第二代具備行走能力，同年年底第四代「小星」在野外雪地完成端到端強化學習行走，不需要任何提前建模或編程。

資本的第一筆錢來得比公司還早。學校友、聯合創始人席悅回憶：「公司都還沒有的時候，投資人就搶著投。」二〇二三年十月，種子輪由世紀金源與圖靈創投投入數千萬元；二〇二四年一月，天使輪由聯想創投領投，金額超過一億元。二〇二四年是產品密集落地的一年：五月，全尺寸的小星 XBot-L 成為全球首個登上長城的人形機器人，身高一點六五米、體重五十七公斤，搭載靈巧手，能在複雜地形穩定行走、上下樓梯、舉重跳躍，並採用感知強化學習算法實現非預編程的自主移動；六月，公司開源人形機器人強化學習訓練框架 Humanoid-Gym，結合 NVIDIA Isaac Gym 優化仿真到真實環境的遷移效率。

二〇二四年八月十九日，公司發布首款產品級人形機器人——第六代星動 STAR1。它的自由度提升到五十五個（雙腿十二、雙臂十四、腰部三、頸部二，另加單手十二個主動自由度的全驅靈巧手），關節扭矩達四百牛頓米、轉速二十五弧度每秒，最大奔跑速度高於六米每秒、室外真實場景達三點六米每秒，最大負載一百六十公斤，身高一百七十一厘米、體重六十五公斤。十月，STAR1 腳穿運動鞋在河西走廊丹霞地貌參加了一場跑步比賽，成為人形機器人首次參與戶外奔跑運動。十二月，公司發布全直驅五指靈巧手 XHAND1，十二個主動自由度，單手最大握力八十牛頓、負載可達二十五公斤，指尖觸覺傳感器精度達零點一牛頓。

06公司發展史（二）：二〇二四–二〇二五，阿里入局與 A 輪的錢

二〇二四年十月，公司完成近三億元人民幣 Pre-A 輪融資，由清流資本、元璟資本與阿里巴巴聯合領投，策源資本跟投，老股東聯想創投、世紀金源、金鼎資本、澤羽資本、清控天誠持續追投——這是星動紀元成立以來的第三輪融資，也是阿里巴巴第一次進入這家清華系機器人公司的股東名冊。二〇二五年一月，公司完成新一輪增資，新股東包括阿里巴巴等，註冊資本由約八百七十四點八萬元增至一千零九十五點九萬元。工商變更之後，清華方面的持股被稀釋，但仍保持重要股東地位。

二〇二五年繼續加速。六月，公司推出輪式服務機器人星動 Q5，把「通用大腦加不同構型」的平台思路延展到商業服務場景；同月，華映資本參與投資星動紀元 A 輪融資，其創始管理合夥人季薇的評價是，星動紀元是世界範圍內非常稀缺的「既有大腦算法架構級創新能力，又有硬件底層研發實力」的團隊。七月，公司宣布完成近五億元人民幣 A 輪融資，由鼎暉 VGC 與海爾資本聯合領投，厚雪資本、華映資本、襄禾資本、豐利智能等跟投，老股東清流資本、清控基金繼續追加投資。七月二十二日，全尺寸雙足人形機器人星動 L7 發布，搭載 ERA-42 與 XHAND1，成為公司面向工業與物流的主力機型。

這一年，星動紀元在行業裡的辨識度迅速提高。二〇二五年一月，英偉達創始人黃仁勳把星動紀元評為「全球機器人十四強」之一；同年八月，星動 L7 在世界人形機器人運動會田徑賽原地跳高項目中以九十五點六四一厘米刷新世界紀錄；十一月，公司獲認定為全球首個端到端 VLA 倉儲物流解決方案提供商。技術上，公司也把「世界模型」這條線走成了自己的招牌：二〇二四年十一月發布 PAD，十二月推出全球首個具身領域世界模型 VPP，二〇二五年一月推出 UP-VLA，把語言推理與視覺預測同時納入決策。

07公司發展史（三）：二〇二五–二〇二六，產業資本與國資接力

二〇二五年十一月二十日，星動紀元宣布完成近十億元人民幣 A+ 輪融資，由李書福旗下的吉利資本領投，北汽產投戰略投資，北京市人工智能產業投資基金與首程控股旗下北京機器人產業發展投資基金聯合注資，另有多家國際產業巨頭加持。這筆融資創下汽車產業資本對具身智能企業單筆最大投資的紀錄；在星動紀元之前，吉利只投過宇樹科技一家機器人公司。截至二〇二五年，公司累計訂單總額已突破五億元，其中物流行業最大單筆訂單近五千萬元，海外業務佔比約五成。

二〇二六年是融資節奏最密的一年。三月五日，公司完成十億元戰略輪融資，估值突破一百億元人民幣：由三星、高成投資、新加坡電信等新機構聯合投資，鼎暉 VGC、清控天誠等老股東超額追加；至此累計吸引十六家國內外產業投資方，涵蓋科技、汽車、物流、3C、半導體、新能源、新材料、電信等行業。四月二十七日，公司再完成超兩億美元（約十四億元人民幣）融資，由順豐集團領投，紅杉中國、IDG 資本、中金資本、京銘資本、朝希資本、魯信創投等聯合注資，科捷智能、東風產投、工銀資本、聯通旗下基金等產業方共同參與，老股東清控天誠、鴻瑞達持續加碼，市場投資意向遠超原定募資目標。

七月六日，公司宣布完成新一輪十億元融資，由國務院國資委旗下國有資本運營公司誠通基金領投，江西國控、國元股權、渝富中新基金、杭州資本等多家大型國資共同參與，中金雷諾、九坤創投、弘毅投資等財務機構跟投，老股東厚雪資本、清控天誠、千山資本追加。至此，公司在兩個月內累計完成近二十五億元融資，建立起「國家級資本引領、頂級財務賦能、產業生態協同」的三重資本矩陣。對這套節奏，陳建宇的解釋是：「融資融的不只是錢，也是融資源。很好的戰略合作夥伴，可以通過融資綁定到一個陣營裡，未來我們競爭會擁有更好的生態位。」

08公司發展史（四）二〇二六：今天的版圖

到二〇二六年，星動紀元的產品矩陣已經清晰：全尺寸雙足人形機器人星動 L7、輪式服務機器人星動 Q5、新生代全尺寸半身人形機器人星動 M7，以及星動 XHAND 1／1 Lite／1 PRO 全直驅五指靈巧手系列。硬件自研比例超過百分之九十五，覆蓋關節模組、電機、減速器、控制器與整機；公司稱已具備大腦、運控、本體、關節模組、靈巧手全棧自研能力。靈巧手被認為是決定操作上限的部件，XHAND 系列已被史丹福、卡內基梅隆、哥倫比亞等頂尖學府與 Skild AI、Rainbow Robotics 等廠商選作研究設備。

模型是這家公司最想被看見的部分。二〇二六年一月，公司與史丹福大學 Chelsea Finn 團隊推出 VLAW，讓世界模型不僅看起來對，也能做到物理上對；此前二〇二五年十月已與該團隊合作推出把世界模型當作數據仿真器的 Ctrl-World。二月，在世界模型權威測評榜 WorldArena 上，星動紀元拿下具身任務全球第一、世界模型綜合第二；四月，在真機賽事 Benjie's Olympics 中包攬剝橘子、開鎖、翻襪子三項全球第一，刷新 Physical Intelligence 保持的世界紀錄，是唯一上榜的中國具身企業。八月二十日，他在世界機器人大會上以《大腦、本體與場景的共生進化》為題演講，提出世界動作模型（WAM）可能不只是 VLA 的增強模塊，而可能成為下一代具身智能的核心範式。

商業化與資本的數字也同步抬升。二〇二六年第二季度，公司開啟千台級機器人批量交付，增速達百分之三百；與中國郵政、順豐集團等合作，批量進駐十多個物流中心，部分物流中心機器人效率已超過人類水平的百分之八十五，且能二十四小時穩定運行；全球市值排名前十的科技公司中，有九家是其客戶。三月估值突破一百億元人民幣，胡潤研究院六月發布的《二〇二六全球獨角獸榜》以一百億元估值將其列於第八百七十五名。八月十七日，彭博社援引知情人士稱公司正籌劃赴港 IPO，擬募資八億至十億美元；公司相關人士對媒體口頭回覆「消息不實」，其後未再就此公開置評。

09領導風格與性格：務實、凌晨四點的代碼與一輛電動車

與他接觸過的投資人，用得最多的一個詞是務實，甚至有人說他有些過於務實，不像一個善於演說、善於運作自己的 CEO。和他交流的感受是：沒有戲劇性的內容，沒有太多情緒流露，講話的頻率穩定到近乎單調。他自己把這歸結為出身：「務實本來就是清華人的底色。我本科在清華就讀，現在也還在那裡任教，長期處在這樣的環境裡，這種做事風格也被不斷強化。」但他同時強調，務實不代表不做營銷：「在我看來，營銷不是誇大吹噓、製造噱頭，核心是把產品真正的價值傳遞出去。」

對錢的態度，最能說明這種性格。二〇二五年七月，他給團隊找新辦公室，挑中的是一家在線教育公司騰退的場地，理由是「裝修看起來還不錯，辦公桌椅能繼續用，能省下一筆費用」。他每天騎電動車上班，住的房子也不夠人形機器人施展。這種節省與他在技術上敢下重注形成強烈反差：公司同時推進 VLA 與世界模型的多條研究分支，投入雙足、靈巧手、核心零部件的全棧自研。他的解釋是，這才是最大的務實——「先把最難、適配範圍最廣的部分做了，商業化的可能性就多了」。

在學生眼中，他是另一副樣子：「儒雅、和藹，總是鼓勵為主」，是一位「會在凌晨四點給學生改代碼」的老師。他組建智能系統與機器人實驗室並任主任，帶團隊在國際頂會與期刊累計發表七十多篇論文，多次入圍 RSS、L4DC、IEEE IV、IFAC MECC 等會議的優秀論文獎。他自評優點是做事穩重、理性，看問題會想得更深，習慣用系統化思維分析，也不容易被情緒影響；缺點則是優點的反面——有時候會想得太多，做事不夠乾脆。創業之後，繁雜事務與明確的時間要求逼著他變得果斷，這種在不確定下敢於押注的能力，是他認為創業帶給自己最大的改變。

10成功秘訣：六條可辨識的法則，與一個不可複製的窗口

第一條是第一天就定下的全棧自研。星動紀元從創業起堅持具身大腦與人形本體軟硬一體、AI Native，硬件自研比例超過百分之九十五，從零件（核心電機、驅動器、減速器）到部件、整機全部自己來。他的判斷很直接：機器人沒有大腦就是一堆廢鐵，而沒有身體的大腦也稱不上機器人，「聰明的大腦、好的本體、靈巧的手，缺一不可」。第二條是技術路線上的第一性原理選擇——從傳統的模塊化控制，到二〇二三年起押注端到端 VLA，再到二〇二四年起率先做面向機器人的世界模型，每一步都比同行早半步。

第三條是原創成果與公開榜單的相互印證。從二〇二四年十一月的 PAD、十二月的 VPP（全球首個具身領域世界模型），到二〇二五年一月的 UP-VLA、十月的 Ctrl-World、二〇二六年一月的 VLAW，公司持續把世界模型寫成論文、發布成果，再拿上 WorldArena 與 Benjie's Olympics 這類公開榜單檢驗。第四條是「沿途下蛋」：把每一個可用的部件做成獨立產品先賣出去——靈巧手、輪式底盤、關節模組——既能回收成本、緩解資金壓力，又能在真實場景中收集數據回饋研究。靈巧手正是這樣成了公司最早的商業化產品，也一度讓外界誤以為他們只是一家做手的公司。

第五條是把產業資本變成場景與訂單。順豐、阿里巴巴、吉利、北汽、東風、三星、聯想、海爾、世紀金源、新加坡電信、韓國友利金融、中國聯通旗下基金等產業方，不只是財務投資人，各自都帶著真實場景與採購需求，讓公司能在物流、汽車製造、3C 電子等場景快速驗證並複製。第六條是清華的孵化與背書：公司由清華大學交叉信息研究院與上海期智研究院孵化，是清華大學唯一直接持股的具身智能企業（透過華控技術轉移有限公司持股，比例各時點不同），這重身份在人才、信任與政企資源上都是稀缺的。

這些方法有多少可複製？路線判斷、全棧自研、沿途下蛋與產業資本綁定，都是可以學的。但另一半難以複製：他恰好趕上兩波浪潮——讀博時趕上深度強化學習進入機器人，創業後趕上大模型帶來通用具身模型的可能；他本人又恰好是既做過硬件、又做過人工智能的稀缺複合背景；再加上北京市對機器人產業的政策扶持、中國製造業供應鏈的密度，以及具身智能在二〇二五至二〇二六年突然成為一級市場最熱賽道的資本窗口。他對自己的位置倒是清醒：「不是說你在哪一塊技術做到了最前，你就會獲得最多的關注度、更高的估值。」

11個人、價值觀與生活：中產家庭、鼓勵式教育與「成為自己」

陳建宇的家庭與成長，幾乎沒有可供渲染的素材。他生在一個普通中產家庭，生活不算富裕，也沒有經濟壓力，從小沒被嬌慣；父母以鼓勵式教育為主，很少批評他。這種教育方式的結果，是一個自驅力極強、對正向反饋敏感的「好學生」：上學成績一直不錯，學習從不用別人督促，初中起主動鑽研競賽。他並不諱言其中含有競爭心與好勝心，但也由此得出一條對自己有效的經驗——擅長與熱愛往往互相塑造，「當你把一件事做好，不斷得到認可，慢慢就會真正喜歡上它」。

生活上，他呈現的是一個不太像創始人的創始人：每天騎電動車上班，挑別人騰退的辦公室以省錢，講話頻率穩定到單調，衣著偏愛沉穩內斂的深色系。他的興趣也相當集中——科幻與科技。《鋼鐵俠》這類作品是他少年時代的養分，看的電影、書籍基本偏向科幻和科技，這一點他自認「天生就喜歡」。至於為什麼讀計算機沒有成為他的選擇，他的解釋很具體：那時計算機基本純做軟件，與硬件結合得很少，而他更偏愛帶硬件屬性、又不只是純機械製造的方向。

價值觀裡最清楚的一條，是「成為自己」。他在訪談中說過：「我覺得每個人最重要的是成為自己，把自己的底色發揮到最好。沒有什麼是更好的底色，沒有什麼是更差的底色，重要的是把自己最容易發揮的優勢給發揮出來，構建更適合自己的一套行為方式或者系統，實現自己想要達到的目標。」另一條是對開放的信念：公司開源了人形機器人強化學習框架 Humanoid-Gym 與生成式模型 VPP，他認為「AI 領域的高速發展離不開開源……別人改進我們的工作並再次開源，最終我們也會受益」。二〇二五年，當被問到四年前立志「做出世界級成果」是否已經實現，他的回答只有一句：「以我的標準，還未達到。」

12國家與時代意義：中國具身智能的「清華樣本」與世界盃

在中國具身智能的版圖裡，星動紀元的位置相當特殊：它是清華大學唯一直接持股的具身智能企業，由交叉信息研究院與上海期智研究院孵化，創辦人又是清華的助理教授、博士生導師。這重身份讓它從一開始就被貼上「清華系」的標籤，也讓它在早期就獲得高校科研成果、人才與政策資源的輸送；團隊百分之八十以上成員來自清華大學、北京大學、加州大學柏克萊分校、新加坡國立大學及知名企業。與此同時，它也必須承受「高校孵化企業能不能做生意」的持續質疑，而它給出的回答是物流倉庫裡的千台級交付。

政策與地緣背景是繞不開的變量。北京市先後出台機器人產業創新發展行動方案與若干措施，明確提出加緊布局人形機器人；北京市人工智能產業投資基金、北京機器人產業發展投資基金在多輪融資中注資，國務院國資委旗下誠通基金則在二〇二六年的最後一輪領投。他本人在博鰲亞洲論壇二〇二六年年會上表示，人形機器人領域中美已站在同一代，中國發展機器人產業非常有優勢。這段話並不只是客套：中國製造業的供應鏈密度、工程師規模與場景豐富度，確實是這一輪具身智能競賽中最實在的底牌。

但真實的短板同樣清楚。高自由度靈巧手在工業連續工況下的平均無故障時間仍遠低於傳統工業機器人的基準，諧波減速器柔輪材料、微型無框電機的自動化繞線設備都仍受制於人，「展廳好用、產線失靈」是行業普遍瓶頸；北京智源人工智能研究院二〇二五年的行業評估，把星動紀元列在人形機器人第二梯隊，而非第一。對行業而言，星動紀元的意義也許正在於它選了一條更難的路：既做本體與靈巧手，也做具身大模型與世界模型，並試圖用「大腦—本體—場景」的飛輪把三者鎖在一起。他所說的「通用機器人未來一定是萬億級賽道」，究竟是判斷還是願望，只能由接下來幾年的交付、復購與故障率來回答。

01家世與早年：從化學競賽生到計算機系年級第一

劉松銘出生於二〇〇〇年。多數公開報道把他的出生年份記為二〇〇〇年，也有個別媒體寫作二〇〇一年，兩個口徑相差一年，本書採用與本人簡歷、清華校友資料較一致的「二〇〇〇年」。他不是那種從小被稱為神童的類型。二〇二二年拿到清華特等獎學金後，他在一篇面向高中生的分享裡這樣描述自己：二線城市的一名普通高中生，沒有傲人的天賦——至少當時還看不出來，平時的成績也並不突出。把他推向頂尖學府的，是一條不太尋常的路。他沒有走高考，而是成為一名化學競賽生。經過許多個日夜的奮戰，他在高三那年拿到全國金牌。中國化學奧林匹克競賽的金牌資格，讓他第一次近距離接觸到全國最高學府，而這是他原本想都不曾想過的事情。

選學校的時候，他在北大與清華之間猶豫過。他把理由講得很直白：想選北大，因為據說北大有「自由之思想，獨立之精神」，有各種浪漫的愛情故事；想選清華，因為清華有「行勝於言、嚴謹求實」的學風，有世界一流的學科體系與科研力量，又不乏文藝、體育各方面的豐富活動。真正讓他下定決心的是一位計算機系的學長。學長聲情並茂地向他描述清華的生活——硬核卻超級酷的專業課，自己動手寫操作系統、造計算機；有意思的選修課，射擊、跳水、流行舞蹈；還有充滿驚險刺激的科技創新項目。他因此毫不猶豫選了清華，並以化學競賽金牌保送生的身份進入化工系。但大一結束時，他做了一個讓所有人意外的決定：轉系，去計算機。多年後被問起，他的解釋並不傳奇——比起在試管前重複已知的反應，他更想搞清楚智能這件事本身是怎麼發生的。

轉系之後的三年，他成了清華計算機系最扎眼的那一類學生。他是計算機系 91 班的學生，導師是朱軍教授，班主任是鄭寧漢老師。從大一到大三，他的年級排名始終保持第一；二〇二三年本科畢業時，他在全系二百一十五名學生中排名第一，GPA 達到 3.99（滿分 4.00），超過三分之一的課程拿到 A+ 成績。競賽履歷同樣密集：第五屆「龍芯杯」全國總決賽特等獎、二〇二一年美國數學建模競賽 Finalist（特等獎提名獎）、第六屆「互聯網+」創業大賽三等獎、第三十六屆全國大學生物理競賽一等獎。

二〇二二年十二月，清華大學公布當年特等獎學金評選結果，他與研究生周煊赫一同獲獎——這項一九八九年設立、每年只獎勵本科生與研究生各十名的榮譽，是清華授予在校學生的最高獎項。課業之外，他還是清華學習發展中心答疑坊的總負責人，本科期間個人答疑近六百次、累計答疑時間約八百小時，志願工時達到八百七十一小時，被評為紫荊五星級志願者、北京市三星級志願者。二〇二三年畢業時，他又拿到清華大學優秀畢業生與優秀畢業論文兩項榮譽。

02創業原點：一篇求解 PDE 的論文，與 GPT-3.5 出現的那一刻

在成為機器人公司的創辦人之前，劉松銘的學術起點是 AI for Physics。他本科階段深耕的是 AI for Science，人生第一篇論文研究的是如何用人工智能求解偏微分方程。他後來在訪談裡解釋這條線的意義：這本質上是在用 AI 替代計算物理仿真，和做世界模型的哲學有點異曲同工。二〇二三年的本科畢業論文延續了同一主題。在計算機系，他的導師朱軍是清華大學人工智能研究院副院長、機器學習領域的代表性學者，也是視頻大模型公司生數科技的創始人兼首席科學家；他讀博期間的另一位導師是蘇杭。這條「物理建模加機器學習」的雙線訓練，日後成了他判斷技術路線的底層工具。

真正的轉折點是 GPT-3.5。他自述本科參與過很多創業活動，但一直沒定下方向，直到 GPT-3.5 出來。面對幾個可能的方向，他做了一輪冷靜的排除法：AI for Physics 的數據太稀缺，GPT 時刻離得太遠；圖像和視頻領域的數據極大豐富，GPT 時刻反而會來得太快，那不是屬於他的賽道；而具身智能的數據雖然少，卻存在快速擴增的潛力。還有一個更私人的信號——他有物理和機械的基礎，入門具身讀論文時靈感很多。他把這件事看得很重，稱之為「非常重要的 Signal」，並坦率承認：捫心自問，具身智能更像是屬於他的 Calling。回頭看這段選擇，他給出的總結是：人生選擇往往是在稟賦、熱愛與行業前景之間求交集。

在真正出來創業之前，他給自己設定了兩個前置條件。第一是下苦功夫，扎在實驗室裡，選有代表性的技術路線親自跑一遍。第二是積累行業認可度，用他的話說，是把 citation 和朋友搞得多多的。這兩個條件他確實執行了：讀博期間他發表十二篇論文，總引用超過一千三百次；RDT 系列在 GitHub 上累積超過一千六百顆星；二〇二六年一月，他獲得首屆騰訊青雲獎學金——該獎學金面向全球頂尖高校選拔計算機科學基礎研究領域的博士生，全球只選十五人，每人五十萬元。他在訪談裡解釋過為什麼要先把學術信用做厚：要成為這個領域的 CEO，一定要真的感受到內心澎湃的技術信仰，知道公司到底在 bet 什麼、勝率在哪裡。

03最艱難的關：兩年只寫兩篇論文，與靈巧手那段沒人看得見的沉默期

外界看到的是他兩次搶在矽谷前面，看不到的是中間那一年有多難。RDT-1B 成功之後，他選擇做 RDT-2。當時整個行業面臨的問題就是沒有數據，多數團隊用遙操作數據，而遙操的問題是成本很高。他的方案是 scale up 無本體的 UMI 夾爪數據——不再需要一台機器人，人類自己戴上夾爪就可以到處去採數據，效率自然就高了。這個想法非常簡單直接，真正的難點在於它很麻煩、很 dirty，必須做大量工程才能把想法變成現實。二〇二四年底開始做，二〇二五年發布，前後一共做了一年。他算過一筆帳：一般厲害的同學幾個月就可以做一篇文章，而他兩年時間只做了兩篇文章，從投入產出的角度看，這並不是一個特別划算的選擇。這一仗的代價是具體的——團隊造了一百台 UMI 設備，在一百多個真實家庭裡採集了一萬多小時的人類操作數據，最終訓出一個七十億參數的模型，能夠零樣本跨本體部署，甚至能端到端打乒乓球。

創業之後，他遇到的關比讀博時更難。LiberAI 一成立就放棄了自己剛剛驗證成功的 UMI 夾爪路線，轉向人類數據手套與二十個自由度的五指靈巧手。這個轉向等於親手推翻自己的成名作。夾爪本質上是簡化版的抓取器，能張能合、能抓能放，早期一百小時、一千小時的數據就能出不錯的 demo，每一步都能用；靈巧手是另一回事，自由度每多一個，控制空間就指數級膨脹，採樣難、感知難、決策難三個難度疊在一起。他自己把風險說得毫不留情：在復現人類智能之前，這條路會有一段沉默期，模型可能長期出不了能看的 demo，資本看不到進展，同行開始懷疑。一個創辦人如果只講 upside，聰明錢反而要打個問號；他願意把「沉默期」三個字說出口，意味著他知道難，只是算過帳之後仍然選難的那條。

外部條件的嚴苛同樣真實。到二〇二六年年中，LiberAI 仍然零營收、零公開訂單，而同賽道的對照組已經跑出千台級規模——銀河通用拿下寧德時代千台級訂單，智元累計下線一萬台。公司的估值從未公開，市場無法給它定價。行業裡的冷水也不少：李飛飛稱世界模型是當下最重要、也被濫用最嚴重的概念，楊立昆也在預警概念泡沫，耀途資本的白宗義則說過，現在不講世界模型融資難度比較大，但一講世界模型估值都是幾億美元起。更大的結構性壓力在於，資本的週期比產業的週期短得多，八個月五輪的節奏越快，後面的退出壓力就越早到來。劉松銘對這一切的回應是路線自信加時間預算：他把靈巧手看成一次高風險、高 upside 的押注，一旦爬上去，就能鏈接所有人類數據和互聯網視頻。

04翻盤的一役：四個月做出靈巧手 Demo，八個月走完五輪融資

二〇二六年四月，LiberAI 在成立僅四個月時發布了首個技術 Demo，宣稱是全球首個高自由度靈巧操作的具身基礎模型。示範裡，搭載五指靈巧手的機器人完成了雙手剝香蕉、雙手擰瓶蓋、持鍋顛勺等精細操作與長程序列任務。這些動作對人類稀鬆平常，對機器人卻接近地獄級難度：擰瓶蓋需要同時協調手指的彎曲、力度、接觸點與時序，顛勺更是對力度與動態預判的連續考驗。這次 Demo 的意義不只在於動作好看，而在於它第一次公開驗證了「人類數據手套加物理世界模型」這條路線在真實硬件上是跑得通的。到二〇二六年年中，公司在高自由度靈巧手上從模型訓練到部署的整個環節都已跑通，自研的人類數據手套進入量產，自研的仿人本體也啟動量產。

資本的反應比技術進展更早、更密集。二〇二五年十二月八日北京將閒科技有限公司註冊成立，同月即獲得真格基金獨家投資的種子輪。二〇二六年二至三月，紅杉中國進入天使輪。五月十五日，公司宣布已連續完成種子輪、天使輪、天使+輪融資，累計金額近五億元人民幣，投資方包括真格基金、紅杉中國、美團龍珠、順為資本。六月十一日，數億元 Pre-A 輪落地，由順為資本領投，凱輝基金、元禾原點、慕華科創跟投，老股東紅杉中國與真格基金持續追加。七月三十一日，數億元 Pre-A+ 輪完成，投資方擴展到三六零戰投、國開金融、創新工場、CMC 資本、彬復資本。從成立到此時滿打滿算八個月，公司走完五輪融資，累計融資規模接近十億元人民幣，紅杉中國自天使輪起連續追加四輪，真格基金同樣一路跟投。

翻盤的實質，是資本結構的一次升級。順為資本背後是雷軍，美團龍珠背後是王興，這兩位在同一個項目上聯手押注，是一級市場少見的組合，小米在智能製造與機器人領域的布局、美團對能在物理世界中自主操作的機器人的需求，都讓這筆投資的產業邏輯清晰可辨。Pre-A+ 輪更引入了國開金融這樣的國家隊與三六零、創新工場等產業與老牌基金，投資人類型從純財務投資者擴展到產業資本與國家級資金。同一時期，凱輝基金同時出現在 LiberAI 的 Pre-A 輪與楊立昆的 AMI Labs 種子輪裡，一家中國基金在東西方兩堵世界模型的牆上都下了注。技術側也有一個具體注腳：二〇二六年三月加入的力控負責人，把剝香蕉這件事的標準化成功率從百分之六十二抬到百分之七十五——這仍是實驗室條件下的數字，卻說明工程化的人確實進場了。

05公司發展史（一）：二〇二五年十二月，海澱註冊的將閒科技

公司的法律主體是北京將閒科技有限公司，註冊成立於二〇二五年十二月八日，法定代表人劉松銘，企業類型為有限責任公司（港澳台投資、非獨資），統一社會信用代碼 91110108MAK1YGEX22，註冊地在北京海澱，經營範圍覆蓋智能機器人的研發與銷售、人工智能理論與算法軟件開發、人工智能應用軟件開發、人工智能基礎軟件開發、數據處理和存儲支持服務等。資本金經過多次增資：早期公開信息顯示為一百一十七萬八千一百元與一百五十四萬三千一百元兩個口徑，到二〇二六年八月增至一百六十一萬三千五百二十元。治理結構上，劉松銘任董事長、經理、財務負責人，張涵、鄧佩瓊任董事，他同時是公司的實際控制人。公司全資控股兩家子公司，分別是北京將閒邦瑞科技有限公司與蘇州銘啟森榮科技有限公司。二〇二六年三月二十五日起，公司密集提交「LIBER」「LIBERAI」等商標申請，到二〇二六年八月共有十條商標信息。

起手牌是一支從清華實驗室裡長出來的團隊。公司的技術底子來自清華大學 TSAIL 實驗室的 RDT 系列模型研發，核心成員多為 RDT 核心團隊出身，軟硬件全棧，橫跨清華頂尖實驗室與一線大廠硬件團隊。聯合創始人林凡淇同樣來自清華，師從清華大學交叉信息研究院助理教授高陽——高陽同時是千尋智能首席科學家，而其時千尋智能已是具身智能領域的頭部公司之一。林凡淇的一作論文《Data Scaling Laws in Imitation Learning for Robotic Manipulation》首次在具身智能領域揭示「模型泛化性隨數據多樣性顯著提升」的規律，先後獲得 ICLR Oral 與 CoRL X-Embodiment Workshop Best Paper 等榮譽。公司的願景寫得很直白：打造物理世界模型，驅動真正理解物理世界的智能體，實現物理 AGI；內部倡導的文化只有兩個詞——Simple、實事求是。

06公司發展史（二）：八個月五輪，紅杉中國的四次追加

把 LiberAI 的融資時間軸攤開，是一條對早期創投而言相當罕見的曲線。二〇二五年十二月，種子輪，真格基金獨家投資，金額在億元級。二〇二六年三月，天使輪，紅杉中國首次進入。五月十五日，公司宣布連續完成種子輪、天使輪、天使+輪，媒體口徑累計近五億元人民幣，投資方為真格基金、紅杉中國、順為資本、美團龍珠。六月十一日，數億元 Pre-A 輪，順為資本領投，凱輝基金、元禾原點、慕華科創跟投，紅杉中國與真格基金繼續追加。七月三十一日，數億元 Pre-A+ 輪，三六零戰投、國開金融、創新工場、CMC 資本、彬復資本聯合入局，紅杉中國自天使輪起連續追加四輪。整個過程由多維資本擔任多輪獨家財務顧問。融資用途公司口徑一致：技術迭代、團隊擴充、算力升級與商業化落地，具體指向模型、數據、硬件全棧系統的搭建，提升 Scaling 曲線斜率，降低高質量數據採集的邊際成本。

估值口徑是這個故事裡最模糊的一段，需要標明為估算。公開渠道能查到的唯一說法是「成立不到半年估值翻了五倍」，有媒體據此把它放進十億至二十億元人民幣的區間，但絕對數字從未由公司或投資方披露，本書不代它編一個數。股權方面，工商信息顯示劉松銘直接持股百分之二十八點三七三六，是公司的第一大股東；另有信源把直接持股記為約百分之二十六點八五、最終受益股份約百分之三十五點五一。這些數字的差異常見於各輪增資之後的登記時點不同，讀者取趨勢即可——創辦人始終保持第一大股東與實際控制人地位。值得留意的是，投資人類型在這八個月裡發生了明顯遷移：從純財務型 VC，擴展到雷軍的順為、王興的美團龍珠這類產業資本，再到國開金融這類國家級資金。這種遷移本身就是一個信號：世界模型從論文課題變成了一條被認真的賽道。

07公司發展史（三）：不造整機，做人類數據的基礎設施

LiberAI 在技術路線上做了一個明確的取捨：不做視覺—語言—動作模型，而做物理世界模型。劉松銘對世界模型的定義分兩層。狹義上，世界模型是建模「在動作的影響下，世界的狀態如何發生轉移」的模型；但在公司的框架裡，它更是一套系統方法論，包含大規模數據採集、模型架構、訓練策略，甚至包括硬件本體設計，每一部分緊密相連。落成結果指標，就是他所說的——以物理智能為縱軸，做 Scaling 邊際成本最低、速度最快的世界模型。模型層面有兩個核心差異點。其一是模態對齊：把物理模態（力、接觸）與視頻模態（運動狀態）在因果層面對齊，用視頻的強泛化性撬動稀缺的物理數據。其二是歸納偏置：把物理規律作為人類先驗注入模型，縮小搜索空間，加速收斂，同時盡量避免生成違反物理規律的結果。支撐這套判斷的，是他對當前行業瓶頸的診斷——具身模型泛化性不足的核心原因在於缺少因果建模，模型無法理解「力是因、運動狀態是果」。

數據端，公司提出的是一個「數據金字塔」。塔基是互聯網上的人類視頻，規模比手套數據高出一到兩個數量級；中間層是自研人類數據手套採到的人類操作數據；塔尖才是真機數據，最少也最貴。這個排序的邏輯是成本：視頻與手套數據最容易規模化，真機遙操作既貴又少。為此公司在硬件上做了不少髒活。自研的人類數據手套聲稱攻克了精度、穿戴舒適性、抗電磁干擾與抗遮擋幾個難題，已進入量產與規模化實地採集階段；

數據管線的自動化率超過百分之九十，公司進一步把管線交給 agent 監控——發現疊衣服這類任務表現強、收垃圾弱，就自動下發任務去補相應數據，自己總結覆蓋不到的問題並迭代模型，劉松銘稱之為「AI for AI 的自改進系統」。末端形態上，公司選擇二十個自由度的五指靈巧手而非夾爪，理由是人的操作本來就是五指完成的，形態越接近，遷移損耗越小。他在訪談裡說得也很清楚：系統思維不等於全棧自研，公司的核心是產品定義——像蘋果一樣，定義世界模型時代的數據採集方式、機器人本體形態，以及最重要的評價標準。

08公司發展史（四）二〇二六：今天的版圖

到二〇二六年年中，LiberAI 的團隊規模在三十至五十人之間浮動，不同報道給出的口徑不一，其中成立約半年時的說法是團隊不足三十人。清華系成員佔比超過七成，公司同時吸納了優必選、大疆、特斯拉 Optimus 背景的前工程師來補硬件落地能力。二〇二六年一月，劉松銘本人獲得首屆騰訊青雲獎學金。六月二日，公司入選「二〇二六中國世界模型技術突破 TOP20」；六月六日，入選「二〇二六中國人形機器人企業活力榜 TOP100」與「二〇二六中國物理 AI 創新創業十強」。這些榜單不構成財務證明，但反映了行業在二〇二六年上半年對這條路線的關注度。需要注意的是，二〇二五年工商年報顯示公司在註冊當年員工申報人數為零，這是成立時序造成的登記現象，不能理解為公司沒有團隊。

公司對二〇二六年下半年的規劃，公開口徑集中在兩件事上。第一，把人類數據這件事徹底跑通，跑出人類數據的預訓練 Scaling Law，在泛化性上實現湧現，由此可以不再依賴仿真與真機數據，讓人類數據成為最核心的支柱。第二，在模型架構上做兼具推理 agent 能力的世界模型——不再是單點任務模型，而是能做推理、能在真實世界中進行任務規劃、執行與糾錯的模型，劉松銘對它的比喻是「physical 版的 Claude」。商業化方面，公司計劃在未來一年內與頭部機器人企業、自動駕駛公司開展場景化聯合驗證，探索物理世界模型在複雜操控、路徑規劃與環境預測中的實際效能。這也意味著，到目前為止，它的商業化還沒有真正發生。

把版圖拉遠一點看，這家公司處在一個特殊的位置上。論規模，它遠小於同行；論融資速度，它在一級市場屬於前列；論技術路線，它是國內少數把 UMI 硬件、數據採集與大模型訓練全流程閉環跑通、並且死磕靈巧手的團隊。劉松銘對先發者有一句不太留情的描述：一批先發者目前主要任務也許更多是衝刺上市，第一性角度的目標和我們不一致。言下之意，有人在搶上市窗口，他在搶技術範式。他也承認體量更大的公司往往同時跑多條路線，難以押注在某一條，而他把籌碼全部壓在一條被普遍認為更難的路上。這是一個典型的早期賭注：如果人類數據真是具身智能的石油，那麼今天的三十到五十人，就是這個判斷的全部成本。

09領導風格與性格：把路線判斷放在努力之前

劉松銘身上最鮮明的管理特徵，是對「選路」近乎偏執的重視。他有過一段很具體的表述：這不是一個可以邊做邊改的領域，技術路線是一整個系統，硬件、數採和模型彼此像血肉一般緊密相連，一旦要變，設計、生產、供應鏈、運營都要推倒重來，切換代價極其巨大。因為改不起，所以他必須選得準。他把這件事類比成婚姻——你得先花時間看清楚哪個人才是值得你託付終身的，才能去領證。這套邏輯解釋了他為什麼在讀博期間要先把代表性路線親自跑一遍，也解釋了他創業後為什麼敢於推翻自己剛驗證成功的 UMI 夾爪路線：在他看來，那不是戰術調整，而是對第一性目標的重新對齊。

組織管理上，他給自己總結過一套「三點論」。利益上講同心圓，分配要 fair；信息上主張寫 memo，因為寫作比說話更深刻；價值觀上要求放下 ego、反對山頭文化、不刻意篩掉沒有光鮮履歷的人，一切看直接證據。公司沒有打卡，團隊花了很多力氣去推倒部門牆，讓大家一起定義 Scaling 的範式。討論有時候會很激烈，但每個人知道當天聚在一起是為了同一件事，同事關係會很簡單，拿事實說話。用人標準上他對來源相當開放，招過其他專業或行業背景的工程師，也認為這些人進公司後成長很快；信仰層面則只要求一件事——認同路線、實事求是。他喜歡的人才畫像是：有創造力，或者非常有 talent、有 taste。他自己的總結只有一句：事實勝於一切 cheap talk。

性格層面，最反直覺的一點是他長期冥想。這個習慣據他自述已持續十餘年，創業之後依然幾乎每天留出時間。他解釋冥想的作用是給自己降噪：當公司要極致地提高 Scaling 斜率，他首先要把「CEO 路線判斷錯誤」這個因素排除出去，然後才能去判斷問題到底出在硬件、模型還是數據。他用「每逢大事有靜氣」來形容這種狀態，也承認保持清醒很難、堅持做長期正確的事很難。他並不迴避風險，反而願意把最鋒利的自我否定擺到檯面上——主動說出靈巧手會有一段沉默期，主動承認兩年只寫兩篇文章從投入產出看並不划算。他也說自己不擅長寫漂亮的論文去評獎，做的是具身的主線任務，探索並推動 Scaling Law。這種坦白在一級市場裡反而成了一種信用。

10成功秘訣：七條可驗證的經驗，與一條不可複製的運氣

第一條是把選題放在努力之前。他在 GPT-3.5 出現後同時排除了 AI for Physics 與圖像視頻兩個方向，理由分別是「GPT 時刻太遠」與「GPT 時刻來得太快」，選中了數據少但擴增潛力大的具身智能。第二條是學術信用前置。讀博期間十二篇論文、引用超過一千三百次、RDT 系列一千六百多顆 GitHub 星、二〇二二年清華特等獎學金、二〇二六年首屆騰訊青雲獎學金——這些不是裝飾，而是他融第一筆錢時唯一可驗證的資產。第三條是敢於推翻自己。RDT-2 是他的成名作，地基是 UMI 夾爪數據；創業後他卻轉向人類數據手套與二十自由度靈巧手，親手放棄剛剛驗證成功的打法。這個決定在當時看起來是自我否定，事後看卻讓公司與全球最前沿的隊伍站到了同一條起跑線上。

第四條是時間差。二〇二四年十月，他主導的 RDT-1B 發布，是全球首個使用大規模預訓練加擴散 Transformer 範式的機器人操作基座模型；舊金山 Physical Intelligence 的 π0 在當月月底才出現。按 arXiv 二四一〇·〇七八六四 的提交日期計算，兩者相隔約三週，中文媒體多把這個差距概括為「領先一個月」。二〇二五年他又推出 RDT-2，是首個使用大規模 UMI 人類數據預訓練的具身模型，而美國 Generalist AI 的 GEN-0 發布於二〇二五年十一月四日，時間差同樣在一個月左右。兩次搶先，矽谷那邊是成建制的明星團隊與數億美元融資，清華這邊是一個還在讀博的年輕人帶著學生軍。第五條是把組織當成路線的一部分來設計——軟硬協同、模型與數採同步迭代，讓每一環都為同一條 Scaling 曲線服務。

第六條是資本節奏的管理。八個月五輪、紅杉中國連續追加四輪、真格從種子輪一路跟投、順為從天使+輪首投到 Pre-A 直接升任領投，這種密度通常只出現在兩種公司身上：要麼故事講得太好，要麼進展實在太硬。第七條是長期主義與降噪。冥想十餘年、寫 memo、要求自己先把「CEO 判斷錯誤」排除掉，本質上都是在為一個長週期的賭注保存判斷力。最後必須說清楚的是不可複製的部分：他趕上了二〇二四至二〇二六這一段中國具身智能融資最密集的窗口，趕上了世界模型成為 OpenAI、英偉達、Figure 共同下注方向的時點，也趕上了一級市場對「00 後清華天才」這一敘事的高度偏好。這七條經驗可以學，那一層時運學不了。

11個人、價值觀與生活：一個把自由寫進公司名的人

理解劉松銘，繞不開「自由」這個詞。公司名 LiberAI 取自 Liberty，他在訪談裡把理由講得很完整：人生最終的結局都是注定的，所以過程非常重要，而過程裡自主選擇的權利就成了本質。那是什麼阻礙了自由選擇？他的答案是金錢之外，還有太多瑣碎的事情要做。但現實世界有客觀規律，世上的勞作不會憑空消失，那些沒人願意做的髒活累活總要有人承接；從整個社會的視角看，一部分人能夠清閒自由、隨心生活，就必然意味著另一部分人被瑣事束縛。於是他從第一性原理往前推，得出的結論幾乎只有一個：創造一種新的載體，替人類承接這些繁雜的工作。這個事物就是機器人。面對「機器人取代工作」的追問，他給出的類比是人力車夫——汽車普及之後，人力車夫這個職業慢慢消失了，但社會整體的就業崗位並沒有因此減少，生產力進步的過程中一定會源源不斷產生新的崗位。

生活層面，他保留了一些與創業者刻板印象不符的細節。他熱愛化學與物理，對自然科學有一種融會貫通的理解；他幾乎每天冥想，這個習慣從少年時期延續至今；他喜歡用寫作整理思路，認為寫作比說話更深刻，也把這一點寫進了公司的信息原則。公司的 logo 是一個 L 型的海灘躺椅，靈感來自二〇二三年他在夏威夷參加 ICML 的經歷——他每天躺在沙灘椅上看著翡翠一般的海浪直到日落，反而獲得了很多科研靈感，於是把沙灘椅當成了自由、愉悅與創造力的象徵。他原本還想加一把太陽傘，後來覺得那樣看起來像一家旅遊公司，就放棄了。本科四年他做過近六百次答疑、八百七十一小時志願服務。被問到創業之外最喜歡做什麼，他的回答是冥想；被問到用一句話總結自己，他的回答是「真誠才是必殺技」。

12國家與時代意義：世界模型賽道上的中國 00 後

把劉松銘放回產業座標系，他處在三個交叉點上。第一是代際交叉：二〇二六年上半年，中國具身智能與世界模型賽道同時湧現出多家新公司，既有極佳視界、流形空間、智在無界這類資深科學家創辦的團隊，也有 LiberAI、逆矩陣科技這樣由 00 後領銜的「小天才」團隊，前阿里巴巴千問大模型負責人林俊暘也入局世界模型。LiberAI 是這一批裡融資節奏最快、也最受資本追捧的一家。第二是路線交叉：多數國內公司選擇更省力的夾爪加視覺—語言—動作模型路線，LiberAI 選擇了難度更高的物理世界模型加二十自由度靈巧手，與美國的 Physical Intelligence、Generalist AI、Figure、Google DeepMind 處在同一個技術討論框架裡。第三是資本交叉：從真格、紅杉、順為、美團龍珠到國開金融、三六零，財務資本、產業資本與國家隊在同一家公司上完成了接力。

時代意義要放在更冷的框架裡看。世界模型正在成為全球 AI 的下一個主戰場，OpenAI、英偉達、Figure 與馬斯克的 Optimus 都在集體下注，而這一輪競爭的關鍵詞從算力轉向了數據——尤其是最接近人類操作的真實物理數據。劉松銘把這件事概括為「人類數據是具身智能的石油」，並把公司的全部籌碼壓在這個判斷上。這個判斷在太平洋對岸得到了驗證：美國 Generalist AI 在二〇二六年四月放出的 GEN-1 使用了超過五十萬小時的真實世界數據，同樣依賴數據手套採集、同樣追求靈巧操作。

與此同時，泡沫的風險也真實存在：公司零營收、零公開訂單，靈巧手在真實家庭與工業長尾場景的成功率與續航遠未到商用線，世界模型的架構尚未收斂。行業裡連楊立昆都在預警概念泡沫。對中國而言，這條賽道的價值在於它同時牽動人工智能與實體製造業——物理 AI 打通的是軟件與硬件、算法與產線，市場空間比純軟件大模型更寬。對劉松銘個人而言，他拿到的是這條長跑的一張起點票，而不是終局票。二十五歲的他已經把「自由」寫進了公司名字，剩下要回答的問題，是這條沉默期究竟有多長。

01家世與早年：南昌書架上的兩個孩子

一九八五年六月，陳天石出生在江西南昌。父親是江西省電力試驗研究所的工程師，母親是南昌市一所中學的歷史老師——這個「工程加歷史」的家庭組合後來被反覆引用，因為它恰好對應了兄弟兩人日後的技術氣質：既有工程上的嚴謹，也有對長時段演化的想像力。哥哥陳雲霽比他大兩歲，一九八三年生。家中書架上是工程、科學、歷史混雜的藏書，父母的管教方式是引導而非強制，陳雲霽後來用四個字總結：放水養魚。一套《十萬個為什麼》點燃了兄弟倆的好奇心。陳天石五歲就讀南昌市城北學校的小學，一路讀到中學。兄弟倆的成長軌跡在南昌當地一直是被談論的樣本：哥哥十四歲考進中國科學技術大學少年班，弟弟十六歲跟上。這個家庭沒有給孩子報過競賽班，卻給了他們一整個書架和不必被追問的自由。

二〇〇一年，十六歲的陳天石考入中國科學技術大學少年班。他後來從不諱言自己並不是傳統意義上的好學生：本科四年逃課、打遊戲，二〇〇三年非典期間還翻牆去過網吧，大二整整一個學期沒怎麼上課，期末靠補考七十多分過關。他考少年班的動機之一相當樸素——哥哥告訴他，上了大學父母就管不著了，玩遊戲更方便。本科階段他讀的是數學與應用數學，據說選專業時還用過抓鬮的辦法。真正的轉折發生在大四：同學紛紛出國或進名企，他才意識到自己需要一份拿得出手的履歷。二〇〇五年考研，政治考了八十七分。少年班裡高手雲集，他的成績只在中下游，但這段經歷被他視為一生受用：「和真正的學霸在一起，會養成謙虛低調的品格。」

二〇〇五年至二〇一〇年，陳天石在中國科學技術大學計算機學院攻讀博士，專業是計算機軟件與理論，導師是陳國良院士與姚新教授，研究方向是人工智能。九年之內拿下博士學位，這個速度在少年班出身的學生裡並不算快。二〇一〇年博士畢業，他到北京見了在中科院計算技術研究所工作的哥哥，這次見面決定了他的後半生。當時陳雲霽正跟隨胡偉武做「龍芯」項目，每天被繁重枯燥的芯片測試工作弄得焦頭爛額，兄弟倆閒聊時冒出一個念頭：能不能用人工智能去替代人工做芯片測試？陳天石研究算法，陳雲霽做芯片，兩條原本平行的路在此刻出現了一個交叉點。他隨後追隨哥哥進入中科院計算所，成為「龍芯」團隊的一員。據陳雲霽回憶，在此之前，計算所還從來沒有招過本科成績這麼差的學生；打動胡偉武的，是兄弟倆對計算機的熱愛和工作的狠勁。

02創業原點：小黑屋裡的一顆「電腦」

二〇〇八年，中科院計算所組建了一個只有十人的學術團隊，方向定為「探索處理器架構與人工智能的交叉領域」，這是寒武紀最原始的雛形。真正的推動力來自二〇一〇年那次見面之後：兄弟倆一開始想做的是用人工智能輔助處理器設計，隨著思路打開，設想升級為更前衛的版本——直接做一顆專門服務人工智能的芯片。在那個人工智能尚未普及、業界普遍靠中央處理器與圖形處理器跑神經網絡的年代，這個念頭近乎荒唐。二〇一〇年底，兩人在計算所的一場內部會議上匯報了構想，所長李國傑院士力排眾議批了項目，並組建專門的研發團隊，任命陳雲霽為課題組負責人。但支持也就到此為止：一份二十萬元的課題經費申請沒能批下來，有人半開玩笑地把這個方向稱為無經費、無論文、無人問津的「三無研究」。

他們的應對方式，是陳雲霽後來反覆引用的一句總結——白天求生存，晚上求發展。白天各自做崗位上的活，晚上與週末才回到自己的題目上。二〇一三年，時任計算所所長、計算機體系結構國家重點實驗室主任孫凝暉把陳雲霽叫到辦公室，提出由他擔任智能處理器團隊的負責人，專注基礎研究。孫凝暉對他說，只有專注才能拔尖，一個人不可能同時做好學術研究、技術開發、產品研製這幾件事，只能分階段來做。這次談話改變了陳雲霽的職業軌跡。團隊被安置在實驗室一間不足三十平方米的玻璃房裡，桌子只有一米五長，一張桌子前要坐兩個人，工位邊放著行軍床，通宵達旦是常態。大家把這間玻璃房叫作「小黑屋」。

DianNao 系列論文是這段冷板凳歲月結出的第一批果實。這套架構取名自「電腦」的漢語拼音，合作方是法國國家信息與自動化研究所的 Olivier Temam 教授。二〇一四年三月，陳天石為第一作者的《DianNao：一種小尺度的高吞吐率機器學習加速器》在 ASPLOS 上獲得最佳論文獎，這是中國乃至亞洲科研機構首次在計算機系統與高性能計算領域的頂級會議上拿到最佳論文；同年，陳雲霽領銜的 DaDianNao 又在 MICRO 上拿下最佳論文。此後還有 ShiDianNao 與 PuDianNao 兩篇。二〇一五年，團隊完成了國際上第一顆深度學習處理器原型芯片的一次流片，測試結果在「小黑屋」的屏幕上跳出來的那個晚上，陳雲霽隨手抓起拖把，和學生們表演了一段舞槍弄棒。二〇二四年四月，ASPLOS 宣布 DianNao 獲得最具影響力論文獎，這是中國機構首次獲此獎項。

二〇一六年三月十五日，中科寒武紀科技股份有限公司在北京註冊成立，註冊資本九十萬元。陳天石認繳六十三萬元，持股百分之七十；中科院計算所旗下的投資平台中科算源認繳二十七萬元，持股百分之三十。天使輪由元禾原點領投，科大訊飛創始人劉慶峰出資一千萬元跟投。這一年春天，谷歌的 AlphaGo 以四比一擊敗李世石，人工智能第一次以如此直觀的方式進入大眾視野。同年，寒武紀推出第一款終端智能處理器原型寒武紀 1A。公司與芯片同名，取自地質史上生命形態突然爆發的那個紀元。陳天石說，他們想做的，是未來無處不在的人工智能應用背後的墊腳石，也是希望通過這一代人的努力，讓人類社會迎來一次同樣的智能大爆發。

03最艱難的關：被華為「拋棄」，又被列入實體清單

二〇一七年九月，華為在德國柏林國際消費電子展上發布麒麟 970，其中的神經網絡處理單元來自寒武紀 1A 處理器，搭載在當年的旗艦機 Mate 10 上，全球出貨以千萬台計。這是寒武紀的第一個高光時刻。據招股書披露，寒武紀與華為簽署了四個技術許可合同，單價在一千九百萬到二千八百萬元之間。財務上的依賴也隨之暴露：二〇一七年，華為為寒武紀帶來七百七十一萬二千七百元收入，佔當年營業收入的百分之九十八點三四；二〇一八年貢獻一億一千餘萬元，佔比百分之九十七點六三。那兩年，寒武紀的知識產權授權業務幾乎就等於華為一個客戶。

二〇一八年，華為海思轉向自研人工智能芯片，並在二〇一九年推出搭載自研達芬奇架構的麒麟 810。合作戛然而止。寒武紀終端智能處理器知識產權授權業務收入從二〇一八年的約一億一千七百萬元跌到二〇一九年的六千八百七十七萬元，同比下滑百分之四十一點二三；二〇二〇年再跌到一千一百七十一萬七千六百元，同比減少百分之八十二點九六。上交所在問詢函中要求公司說明這塊收入大幅下滑的原因及持續性，寒武紀的回覆是：公司與華為海思未達成新的合作，短期內難以開發同等業務體量的大客戶。陳天石當時對媒體說的一句話是，我們的收入增長很快，未來希望有機會向大家公開披露我們的財報。

這家公司被迫換一條路走。陳天石做出的決定是：從單一終端芯片向雲、邊、端全場景延伸，並大幅拓展政務與智能計算集群項目。二〇一九年起，智能計算集群系統成為寒武紀的營收主力，在二〇一九年與二〇二〇年的營收佔比分別約為百分之六十七與百分之七十一。二〇二〇年七月二十日，寒武紀登陸科創板，發行價每股六十四元三角九分。上市首日開盤大漲約百分之二百八十八，盤中最高漲幅達百分之三百五十八，市值一度突破一千億元，收盤回落至八百四十九億八千一百萬元，漲幅仍達百分之二百二十九點八六。從遞交招股書到敲鐘，寒武紀只用了約一百一十六天，「人工智能芯片第一股」的名號由此而來。但招股書同時攤開了殘酷的另一面：三年累計虧損約十六億元，客戶集中度高，授權業務難以持續。

更重的打擊在二〇二二年。三月，公司公告核心技術骨幹、首席技術官梁軍因與公司在未來發展方向上存在分歧而離職，公司方面的解釋是：公司希望聚焦產品廣泛落地、搶抓機遇期，而梁軍希望在技術上做更多投入與鑽研。同年十二月，美國商務部工業和安全局將寒武紀等三十六個實體列入出口管制實體清單，其中近三分之一是寒武紀及其下屬公司。海外先進製程設備與核心零部件供應中斷，直接影響了晶圓代工與封裝測試。二〇二三年，智能駕駛子公司寒武紀行歌被曝出裁員與業務調整；截至二〇二三年六月末，母公司研發人員從上年同期的約一千二百零七人減至九百八十人，一年少了二百二十七人。二〇二二年八月二十九日，公司收盤價為五十八元七角，此後一度跌進四十六元區間，市值蒸發超過九成。二〇二〇年至二〇二四年，寒武紀歸母淨虧損分別為四億三千五百萬元、八億二千五百萬元、十二億五千七百萬元、八億四千八百萬元、四億五千二百萬元，五年合計約三十八億元，而同期的營業收入合計也不過約三十八億元。

04翻盤的一役：從思元 590 到 A 股「股王」

轉折的種子埋在產品裡。二〇二三年底，採用七納米工藝的思元 590 芯片上市，推理場景的能效比已可比肩國際巨頭，更關鍵的是它幾乎支持國內所有主流大模型。二〇二四年，這款芯片開始規模化放量，同年公司營業收入達到十一億七千四百萬元，同比增長約百分之六十五，虧損收窄到四億五千二百萬元。二〇二四年第四季度，寒武紀實現上市以來首次單季盈利：單季營收約九億八千九百萬元，歸母淨利潤約二億七千二百萬元。真正的引爆點來自外部環境的疊加——大模型訓練與推理的算力需求暴增，而海外高端算力卡的供應持續受限，國產替代從一個補位概念變成了剛性缺口。

二〇二五年上半年，寒武紀營業收入達到二十八億八千一百萬元，同比增長約四十三倍，歸母淨利潤十億三千八百萬元，上年同期為虧損五億三千萬元，經營活動產生的現金流量淨額由負轉正至九億一千一百萬元。八月二十六日晚財報發布，次日八月二十七日盤中股價摸高一千四百六十四元九角八分，短暫超越貴州茅台成為 A 股股價最高的個股；八月二十八日收盤報一千五百八十七元九角一分，正式問鼎 A 股第一高價股，總市值約六千六百四十三億元。從七月十日的五百二十三元五角算起，不到兩個月漲幅超過百分之二百。市場給它起了個綽號：「寒王」。

二〇二六年三月十二日，寒武紀發布二〇二五年年報：全年營業收入六十四億九千七百萬元，同比增長百分之四百五十三點二一；歸母淨利潤二十億五千九百萬元，上年同期為虧損四億五千二百萬元；扣除非經常性損益後的淨利潤十七億七千萬元，毛利率百分之五十五點一五。這是公司上市以來首次實現全年盈利。雲端產品線貢獻收入六十四億七千七百萬元，佔比超過百分之九十九；邊緣產品線與授權及軟件業務已萎縮至百萬元量級。研發投入十一億六千九百萬元，佔營業收入的比例從上年的百分之九十一點三降至百分之十七點九九。三月十六日，股票簡稱取消「U」標識並調出科創成長層，這是資本市場對一家未盈利科創企業「轉正」的技術性確認。

二〇二六年上半年的數據進一步提速。營業收入五十九億九千六百萬元，同比增長百分之一百零八點一三；歸母淨利潤二十三億一千一百萬元，同比增長百分之一百二十二點六一；扣非淨利潤二十一億六千六百萬元。六月三十日，股價盤中觸及一千六百二十元，總市值首次突破一萬億元，成為科創板開板以來首家僅憑 A 股市值破萬億的公司。但當晚，寒武紀自己發布了一份股票交易風險提示公告，逐一列出風險：滾動市盈率三百六十八倍，而行業均值約七十四倍；供應鏈受實體清單影響；市場競爭加劇，大廠紛紛自研芯片。公告一出，股價連跌兩日，四十八小時內市值蒸發超過一千四百億元。據二〇二六年九月十六日收盤行情，公司股價報一千一百三十六元零一分，總市值約七千一百四十四億元，較六月高點回落明顯。

05公司發展史（一）：從授權生意到雲邊端全線鋪開

寒武紀的第一個商業模式是知識產權授權——不自己賣芯片，而是把設計好的處理器知識產權授權給手機廠商，由對方集成進自家芯片。這是一條起步最快、也最脆弱的路。二〇一六年推出寒武紀 1A 處理器，二〇一七年推出 1H，二〇一八年推出 1M，三代終端產品依次迭代，先後被集成進華為麒麟 970 與麒麟 980，過億台手機的出貨為這家初創公司帶來了第一筆真實收入。二〇一七年十月十六日，麒麟 970 發布後不久，陳天石在朋友圈發了一句龔自珍的詩：一事平生無齮齕，但開風氣不為師。

資本開始湧入。二〇一七年，公司完成 A 輪融資，國科投資等機構參與，聯想創投連續投了 A 輪、B 輪與 B+ 輪，越秀產業基金連續兩輪投資。有報道稱寒武紀成立初期估值不過一億美元，一年後達到十億美元，成為全球人工智能芯片領域第一家獨角獸公司；另有報道稱二〇一八年六月 B 輪融資後估值已達二十五億美元。兩個口徑不完全一致，方向卻很明確：這是一家在幾乎沒有規模收入的時候，就被資本定價為賽道第一的公司。陳天石後來對融資的順利程度有個解釋，聽說很多同行融資時都會被問一句，你跟寒武紀怎麼比。

產品線在同一時間橫向展開。二〇一八年五月，寒武紀在上海發布中國首款雲端人工智能芯片；同年推出思元 100（MLU100）芯片及雲端智能加速卡，正式從手機走進數據中心。二〇一九年推出思元 270（MLU270）雲端芯片及加速卡，以及邊緣智能芯片思元 220（MLU220）及 M.2 加速卡。至此，雲、邊、端的完整產品布局初步成形——這是陳天石在失去華為之後反覆強調的戰略轉向：不做單顆芯片的供應商，要做產品體系。二〇一八年九月，寒武紀承辦世界人工智能大會智能芯片全球峰會，陳天石在會上發表演講；二〇一九年十一月二十九日，公司整體變更為股份有限公司，控股股東與實際控制人均為陳天石。

06公司發展史（二）：上市、集群業務與四代雲端芯片

集群業務是這幾年的過渡性支柱。所謂智能計算集群系統，是把自研的雲端芯片與加速卡，搭配合作夥伴的服務器、網絡與存儲設備，再加一套集群管理軟件，作為整體方案交付。它技術含量不如芯片本身，卻能在終端授權訂單坍塌之後迅速填補收入缺口。二〇一九年與二〇二〇年，這塊業務在營收中的佔比分別約為百分之六十七與百分之七十一。它同時帶來了一個後遺症：客戶變成地方政府平台與科研機構，項目制、週期長、集中度極高。二〇二一年與二〇二二年，寒武紀的第一大客戶分別是江蘇昆山高新技術產業投資發展有限公司與南京市科技創新投資有限責任公司，都是地方平台公司而非產業客戶。

二〇二〇年七月二十日，公司在科創板上市，發行價每股六十四元三角九分，保薦機構為中信證券。上市首日開盤報二百五十元，較發行價上漲約百分之二百八十八，盤中最高觸及二百九十五元，市值一度突破一千億元，收盤報二百一十二元四角，總市值八百四十九億八千一百萬元。陳天石作為實際控制人，發行後個人持股比例約為百分之二十九點八七，按當日收盤價計算持股市值已達約二百五十四億元。上市募資投向新一代雲端訓練芯片及系統、新一代雲端推理芯片及系統、新一代邊緣端人工智能芯片及系統等項目。

同期產品梯隊繼續推進。二〇二〇年推出思元 290（MLU290）雲端芯片及加速卡，以及訓練整機玄思 1000 智能加速器；二〇二一年推出思元 370（MLU370）芯片及加速卡；二〇二二年推出玄思 1001 智能加速器，並在三月發布搭載雙芯片四芯粒思元 370 的訓練加速卡 MLU370-X8。這款產品用上了芯粒思路，通過靈活組合滿足不同規格需求，把更多市場需求塞進同一筆研發費用裡，也是後來制裁環境下那條技術分岔最早埋下的伏筆。

財務上，這幾年是持續失血。二〇二〇年至二〇二四年，營業收入分別為四億五千九百萬元、七億二千一百萬元、七億二千九百萬元、七億零九百萬元、十一億七千四百萬元；歸母淨虧損分別為四億三千五百萬元、八億二千五百萬元、十二億五千七百萬元、八億四千八百萬元、四億五千二百萬元。研發投入長期高於營收，二〇二一年至二〇二四年分別為十一億三千六百萬元、十五億二千三百萬元、十一億一千八百萬元、十億七千二百萬元。也正是在這段時間，客戶結構的問題被反覆追問：二〇二〇年至二〇二四年，前五大客戶貢獻的營收佔比分別為百分之八十二點一一、百分之八十八點六〇、百分之八十四點九四、百分之九十二點三六、百分之九十四點六三，其中第一大客戶佔比分別達百分之五十七點八六、百分之六十二點四六、百分之六十點八一、百分之六十五點八八、百分之七十九點一五。

07公司發展史（三）：實體清單、虧損低谷與兩次定增

二〇二二年的兩件事決定了接下來兩年的走向。三月，首席技術官梁軍離職，這是一場路線之爭；十二月，寒武紀及其部分子公司被列入美國出口管制實體清單，這是一次地緣之變。公司在年報中稱，該事項對研發的影響尚在有限範圍內，核心技術來自自主研發、擁有自主知識產權，不會對產品的核心競爭力產生重大不利影響。陳天石在業績說明會上說得更直白：供應鏈有影響，但核心技術是我們自己的，不會垮。

二〇二三年是寒武紀上市後最難看的一年。營業收入下滑到七億零九百萬元，歸母淨虧損八億四千八百萬元；研發人員從上年的約一千二百零七人減至九百八十人；智能駕駛子公司寒武紀行歌被曝裁員與調整。這家二〇二一年一月成立、法定代表人為陳天石、拉來上汽、蔚來、寧德時代、博世創投等戰略投資者的公司，自成立以來一直沒有收入。股價在二〇二二年一度跌進四十六元區間，較上市後的高點蒸發超過九成。陳天石後來把這段時間稱為冷板凳時刻。據媒體報道，他在內部會上反覆說的一句話是：寒武紀不能做曇花一現的公司，要為十年後的產業做準備。

融資是這個階段維持研發的關鍵。二〇二三年四月，公司完成第一次定向增發，發行一千三百八十萬六千零四十二股，發行價每股一百二十一元一角，募集資金總額十六億七千一百九十一萬元，淨額十六億四千九百二十九萬元，資金投向先進工藝平台芯片項目、穩定工藝平台芯片項目及面向新興應用場景的通用智能處理器技術研發項目，發行對象包括財通基金、諾德基金、中金公司等十八家機構。二〇二五年，公司又啟動第二次定增：五月披露預案擬募資不超過四十九億八千萬元，用於面向大模型的芯片平台項目、面向大模型的軟件平台項目及補充流動資金；六月獲上交所受理；七月因股權激勵導致總股本增加，發行數量微調，募資規模調減至不超過三十九億八千五百萬元；八月十五日獲上交所審核通過，九月獲證監會同意註冊。最終發行三百三十三萬四千九百四十六股，發行價每股一千一百九十五元零二分，募集資金總額三十九億八千五百三十二萬元，淨額三十九億五千三百萬元，已於二〇二五年九月二十六日到賬。

這期間的技術路線選擇也值得記下。在先進製程受限之後，寒武紀把籌碼壓在架構與封裝上——通過芯粒技術把大芯片拆成若干小芯粒，分別用不同工藝製造再封裝在一起，用架構設計與互聯技術去換取被製程封鎖掉的那部分性能。公司自主的處理器指令集與微架構、多芯互聯技術 MLU-Link、以及名為 NeuWare 的基礎軟件平台，構成了它與客戶談判時的全部底牌。到二〇二五年，公司累計申請專利約兩千八百餘項，累計獲授權專利超過一千五百項。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年是寒武紀真正意義上的收穫年。三月十二日年報發布後，公司股票於三月十六日取消「U」標識。上半年營業收入五十九億九千六百萬元，同比增長百分之一百零八點一三；歸母淨利潤二十三億一千一百萬元，同比增長百分之一百二十二點六一；綜合毛利率百分之五十五點二五。其中雲端產品線收入五十九億九千四百萬元，佔營業收入的百分之九十九點九八；邊緣產品線收入八十七萬七千二百元，其他業務收入四十七萬七千九百元。這意味著公司已經完全是一家雲端人工智能芯片公司，早年那個靠手機授權生意起家的寒武紀，業務結構上已經消失。

產品端的主角是思元 690。二〇二六年年初，這款新一代旗艦雲端人工智能芯片實現量產，採用雙晶粒封裝設計，半精度浮點算力超過七百萬億次每秒，配備一百九十六吉字節高帶寬內存，實測互連帶寬超過八百九十吉比特每秒；對比上一代思元 590 的約三百四十五萬億次每秒與九十六吉字節內存，性能接近翻倍。二〇二五年，公司智能芯片及板卡產量十二萬七千七百套、銷量十一萬七千四百套，同比分別增長約百分之四百零九點八四與百分之二百零一點五七。客戶端，字節跳動已累計部署超過十萬張思元 590 與思元 690，阿里雲、騰訊雲、百度等互聯網大廠開始批量採購，三大運營商的智算集採也陸續納入。前五大客戶佔營收的比例，從二〇二四年的百分之九十四點六三降至二〇二五年的百分之八十八點六六，二〇二六年上半年為百分之八十八點六七，略有分散，但仍高度集中。

隱憂同樣真實。截至二〇二六年六月末，存貨帳面價值八十二億四千八百萬元，較上年末增長百分之六十六點八三，佔期末總資產的百分之四十五點三二；預付款項二十九億一千四百萬元，同比增長百分之二百九十一點三七；上半年經營活動產生的現金流量淨額三億一千一百萬元，同比下降百分之六十五點八三。五月，公司董事會通過議案，公司及全資、控股子公司擬向銀行申請不超過一百二十億元綜合授信額度。公司還發布了二〇二六年限制性股票激勵計劃草案，授予價格每股七百五十元，覆蓋九百四十五名激勵對象，考核目標是二〇二六年營業收入不低於一百三十五億元、二〇二六至二〇二七年累計不低於四百零五億元、二〇二六至二〇二八年累計不低於一千億元。按上半年五十九億九千六百萬元計算，考核進度為百分之四十四點四一，下半年需要做到七十五億元以上。

行業座標上，寒武紀是國內唯一不依附大廠、完全對外供貨的第三方人工智能芯片設計企業。據國際數據公司統計，二〇二五年中國人工智能加速卡出貨中，華為昇騰以約八十一萬張居首，寒武紀與百度崑崙芯並列國產第三，出貨量約十一萬六千張；國產廠商合計份額首次突破百分之四十一，英偉達降至約百分之五十五。據二〇二六年九月十六日收盤行情，公司股價報一千一百三十六元零一分，總市值約七千一百四十四億元。這是一個既被地緣政治托起、又被地緣政治勒住的版圖：市場空間從天而降，先進製程與高帶寬內存供應仍然受限，而客戶高度集中、存貨高企，任何一環的鬆動都會直接傳導到收入與毛利率。

09領導風格與性格：推土機、墩子與不打分

陳天石的決策風格，最準確的自我描述來自二〇二〇年的一次訪談：我們沿大路而行，不抄小道，不搞奇襲，而是拿個推土機在那推。他接著解釋了原因：互聯網公司強調決斷力和爆發力，可以有靈光一閃立刻付諸執行的時刻；但在芯片行業，就算有了好的想法，實踐前還需要思前想後，每一步如果走塌了都會出現大問題——一個不穩健的公司是做不了芯片的。這段話幾乎解釋了他所有的重大選擇：不追風口、不做應用、上市前不給市場講故事，甚至在股價最高的時候主動發公告降溫。

對組織，他反覆克制個人色彩的濃度。他說過，不希望年會搞成訓話會，希望寒武紀不要變成一個具有太多個人色彩的公司，希望大家可以記住寒武紀、記住寒武紀的產品。他對競爭邊界的劃分同樣清楚：寒武紀專注底層硬件與工具鏈，避免做應用，因為一旦做應用，就會觸及客戶核心利益。他把公司的位置比作一個墩子，專業長胖，歡迎大家踩在我們身上做應用。在一個習慣用全棧、閉環自我描述的行業裡，這種主動把自己限定在產業鏈中段的表述並不常見。

他對人的態度體現在幾件具體的事上。一是護人：他多次公開說自己只是個普通的科研人員，把公司的位置放低；二〇二五年三月三十日的中關村論壇上，他專門談前浪的自我修養，說資深科研人員的經驗有時可能成為創新的阻礙，主張克制對年輕人想法的價值判斷，慷慨給資源，在小範圍內營造自由的探索環境。二是用人標準：據報道，二〇一〇年他本科成績平平卻被破格招進計算所，是因為對計算機的熱愛和工作的狠勁。他在另一處的表述更簡單：技術一定要是最好的。

對錢的態度，有一個具體到數字的注腳。二〇二五年，陳天石從公司領取的稅前薪酬為一百四十六萬四千二百元，在寒武紀九位董事與高管中是最低的一位；當年高管薪酬總額為一千二百萬二千八百元，平均約一百七十一萬四千七百元。同期他持有的一億一千九百五十三萬零六百五十股，在二〇二五年度的分紅方案下可獲稅前現金紅利約一億七千九百萬元。他名下沒有多元化的資產故事，公開報道中他反覆強調的話是自己是個普通科研人員、個人也沒什麼遠大目標，同時又在另一處說不諱言寒武紀想當這個將軍。這種低姿態與高企圖心的並存，是理解他的一把鑰匙。他說自己上大學時成績不好、考了好多六十分，被問到給自己打多少分時，他的回答是不打分——既不給自己打分，也不輕易給別人打分。

10成功秘訣：把冷板凳坐熱的八件事

第一，選一個足夠難、也足夠長的問題。陳天石與陳雲霽從二〇一〇年起做人工智能與處理器架構的交叉，比 AlphaGo 早六年，比大模型浪潮早十三年。他們在二〇一〇年申請二十萬元經費都沒批下來，被人稱作無經費、無論文、無人問津的三無研究，卻沒有換方向。第二，在冷門裡堅持發論文，把學術聲望變成行業座標。DianNao 與 DaDianNao 連續拿下兩大頂級會議最佳論文，二〇二四年又獲 ASPLOS 最具影響力論文獎，這套學術積累後來直接轉化為招人、融資和客戶信任的憑證。

第三，抓住一次巨人的肩膀。二〇一七年的麒麟 970 讓一家成立一年的公司一夜成名，這一步是運氣也是判斷力——他們選擇了授權這種見效最快的路，而不是立刻自己造芯片。第四，敢在最大客戶離開時換賽道。二〇一九年華為自研之後，陳天石把重心轉向雲、邊、端與智能計算集群，二〇二〇年上市時已具備軟硬件全棧能力。這次轉型讓公司活了下來，也留下一批政府與科研機構客戶。第五，在封鎖中把資源壓到架構與封裝上。二〇二二年被列入實體清單之後，公司沒有收縮研發，反而把籌碼押在芯粒、自研指令集與多芯互聯上，思元 590 與思元 690 是這條路線的產物。

第六，用軟件生態鎖住客戶。NeuWare 基礎軟件平台、推理引擎與算子庫全部自研，目標是讓主流開源模型上線當天就能完成適配，降低雲廠商切換芯片的改造成本。第七，長線的資本安排。二〇二三年四月完成十六億七千二百萬元定增，二〇二五年九月完成三十九億八千五百萬元定增，兩次都在週期的關鍵節點上把錢拿到手；二〇二六年又申請不超過一百二十億元綜合授信。第八，對市場情緒保持距離。二〇二六年六月三十日市值剛破萬億，當晚公司主動發布風險提示公告，指出滾動市盈率三百六十八倍顯著高於行業均值，兩天內市值蒸發超過一千四百億元。

這八件事裡，有多少可以複製？選方向、坐冷板凳、把學術變成信任、在封鎖中找技術變道，這些是可以學的方法論，但前提是極少數人才有的組合：一個由血緣與專業互補綁定的二人核心、一個願意力排眾議給資源的中科院計算所、以及一條由地緣政治強行讓出的市場空間。二〇二五年淨利潤從虧損四億五千二百萬元翻轉為盈利二十億五千九百萬元，其中固然有產品週期與規模效應的貢獻，但更直接的推力是：海外高端算力卡供應收縮，而國內大模型與智算中心的資本開支在同一時間集中釋放。陳天石自己的表述更克制：寒武紀和行業前輩比起來還只是個孩子，羅馬並非一天建成，前輩標杆也都是篳路藍縷走過來的，我們有遠大的志向，但長跑才剛剛開始。

11個人、價值觀與生活：遊戲、長跑與墊腳石

少年時代的陳天石與天才這個標籤並不完全相容。他五歲讀小學，十六歲考上少年班，卻在本科四年裡逃課打遊戲，大二整學期沒上課，期末補考七十多分過關，非典期間還翻牆去過網吧。他考大學的動力之一，是哥哥告訴他上大學後玩遊戲更方便。他說自己上大學成績不好，考了好多六十分，並從不諱言選計算機專業時甚至用過抓鬮的辦法。真正改變他的不是某次頓悟，而是大四時看到同學紛紛出國、進名企之後的那陣慌。二〇〇五年考研，政治考了八十七分，之後九年拿下博士。他對少年班生涯的總結是：和真正的學霸在一起，會養成謙虛低調的品格。

他的價值觀裡有一組看起來矛盾的座標。一方面，他反覆把自己定義為普通的科研人員，說個人也沒什麼遠大目標，沒想過自己一定要成為一個多麼傑出的人，只想做好本職工作；另一方面，他在談行業格局時又非常直接——如果智能時代真的到來，難以想像智能芯片不誕生新巨頭，他不諱言寒武紀想當這個將軍。他也會說我們單做芯片的其實比較乾巴，芯片就是個硅疙瘩，然後再變成電路板，然後把公司的志向放在更低的位置：做未來無處不在的人工智能應用背後的墊腳石，希望大家有一天不需要知道我們，只要我們能夠支持好下游的應用，這就是貢獻。

日常細節上，關於他生活方式的公開信息很少，這本身就是一種信號。他不愛開發布會——二〇二〇年時他說公司四年一共開過兩次發布會，一七年、一八年各一次，之後用新聞代替了發布會，理由是自己有點懶，開發布會要穿得正式、找個高大上的地方、各種準備。他偏好的溝通方式是：我做了個芯片，你要不要試試？客戶說好，團隊就衝過去。他把長跑當作最常用的比喻：英特爾五十二歲，超微五十一歲，英偉達二十七歲，寒武紀只有四歲。二〇二三年他當選全國政協委員，二〇二五年七月獲優秀中國特色社會主義事業建設者稱號。據二〇二六年胡潤全球富豪榜，四十一歲的他以一千七百五十億元財富位列中國前二十、世界第九十五位，並連續多年蟬聯江西首富。他的財富幾乎全部來自寒武紀的股權，沒有多元化投資故事。

12國家與時代意義：一顆芯片與一個時代的互相成就

寒武紀的意義，首先在於它是中國第一家在人工智能芯片架構上做出原創性突破的公司，而不是跟隨者。DianNao 論文發表於二〇一四年，中科院計算所的官方表述是它開創了深度學習處理器方向，並推動了國際工業界對智能芯片的研發，包括谷歌的張量處理單元、英偉達的張量核心與華為系列智能芯片。二〇二四年 ASPLOS 最具影響力論文獎授予這篇論文時特別提到，這是中國機構首次獲得該獎，也是中國機構首次在體系結構領域獲得此類獎項。一個由十人學術團隊起步的冷門方向，最終成為全球算力競賽的主賽道之一。

第二層意義在於產業結構。寒武紀是國內唯一不依附任何一家大廠、對外開放供貨的第三方雲端人工智能芯片設計企業——華為昇騰綁定華為雲與政企體系，海光靠兼容路線承接平滑遷移需求，百度崑崙芯服務自家雲，字節、阿里、騰訊都在自研。這個中立位置既是它的護城河，也是它的天花板：客戶買它的芯片，本質上是在為自己的算力供應鏈買一份冗餘。正因如此，客戶集中度成為它最持續被追問的風險——二〇二五年前五大客戶佔營收百分之八十八點六六，第一大客戶佔比超過四分之一。

第三層意義是國產替代的具體形狀。二〇二二年十二月被列入實體清單，意味著海外先進製程代工通道與部分設計工具受限；寒武紀的應對方式，是把產品押在國產先進製程與芯粒封裝上，並把軟件生態做厚，讓主流開源大模型在自家平台上盡快完成適配。據國際數據公司統計，二〇二五年中國人工智能加速卡市場中國廠商份額已達約百分之四十一，英偉達降至約百分之五十五；工業和信息化部披露，二〇二六年上半年全國智能算力規模達二千一百八十五百億億次每秒，同比增長百分之一百七十七。寒武紀的營收從二〇二二年的七億二千九百萬元漲到二〇二五年的六十四億九千七百萬元，本質上是這條曲線的一個截面。

第四層意義關乎一個更長的判斷。陳天石把寒武紀放進長跑的敘事裡，並非謙辭：英偉達用二十七年建起軟件生態的護城河，寒武紀的工具鏈仍在起步階段；二〇二五年寒武紀研發投入十一億六千九百萬元，而同期英偉達的研發投入在百億美元量級。它的市值裡有真實的技術積累與商業化突破，也有對未來的貼現與地緣政治的溢價。二〇二六年六月三十日那晚的風險提示公告，某種程度上是他對這個判斷的公開表態：一家公司可以靠時代的風起來，但要在風停之後還站在那裡，靠的只能是十年尺度的技術積累。寒武紀的名字取自五億年前生命形態的突然爆發，而陳天石真正想證明的，是爆發之後能不能活下來。

01家世與早年：一個「90 後」與清華園的九年

夏立雪的出生年份，公開資料裡有兩說。清華大學官網轉載《科技日報》的報道、百度百科、21 世紀經濟報道等多數中文媒體寫「生於 1991 年」；而站內既有的詞條資料記為 1990 年。公開資料中，他本人從未主動談過家世，父母職業、出生地、中學就讀學校均未見官方或一線媒體披露。唯一與地域有關的線索，是 2023 年 11 月他在人工智能黃河論壇上獲評「寧夏算力樞紐·人工智能領域領軍人才」，側面顯示他與寧夏算力樞紐之間存在淵源，但這並不足以證明其籍貫或出生地。因此本文的家世部分只能從簡：一個在公開敘事裡被刻意留白的開頭，也符合他一貫只談技術、不談個人的表達習慣。

可考的求學起點是 2009 年。那一年他 18 歲，考入清華大學電子工程系，屬於俗稱的「9 字班」。他所進入的具體學術單元，是汪玉教授負責的「納米集成電路與系統實驗室高能效計算組」（NICS-EFC）。這個課題組自 2008 年起就扎在軟硬協同與 AI 算力系統的前沿，研究面向人工智能場景的節能電路與系統設計方法，涉及多智能體強化學習算法、高效穩定深度學習系統、領域專用加速等方向。他後來反覆強調的「十餘年技術積累」，起點就在這裡。他後來在捐贈母校的致辭裡說，自己人生裡「最青春、最折騰、也最重要的那些年」，都是在清華園裡度過的。

他在清華待了九年，從本科一路讀到博士，師從汪玉，是汪玉的第一位博士畢業生。讀博期間，他的研究落點在深度學習系統的設計方法學：憶阻器（RRAM）存內計算的仿真平台、容錯訓練，以及面向語音合成的定製化硬件。2016 至 2017 年間，他以第一作者在 DAC、IEEE TCAD 等會議與期刊連續發表多篇論文，其中 2017 年 DAC 的最佳論文提名（本人一作）排在當年總投稿的前 2%，被「憶阻器之父」、IEEE Fellow Leon O. Chua 等學者引用。他後來在混沌學園的分享裡回憶，自己博士階段的第一個課題最終沒有解決——「因為後來它已經不再是一個問題了」。這句話裡藏著他日後面對不確定性的基本態度。

畢業那年，他的履歷上疊著一串榮譽：清華大學優秀博士學位論文、清華大學優秀博士畢業生、北京市優秀畢業生、ICFC 優秀博士生，以及微軟亞洲研究院「明日之星」。這些頭銜裡，真正影響他日後路徑的是最後一項——它意味著他並非只被當作純學術苗子培養。不過當時的他，看上去更像是要走一條標準的技術科學家路線：出論文、進實驗室，在一個很窄的方向上拱出一個小小的尖。他後來把這條路徑總結為「在人類知識邊界上拱一個尖」，並且認為今天的科研幾乎都是在複雜約束下進行的，「做軟件優化，既要懂硬件、還要懂算法」——這種跨層的訓練，日後成了他創業的底子。

02創業原點：從阿里雲到模速空間的 50 平方米

博士畢業後，夏立雪沒有留在學術界。他以「阿里星」身份進入阿里雲，擔任用戶增長產品技術負責人，所負責的產品服務 30 餘家客戶並穩定獲得規模化年營收；據《華夏時報》報道，他還負責過阿里雲大語言模型的壓縮加速、生成式 AI 模型芯片等戰略項目。他後來形容這段經歷是「站在巨人肩膀上」——在大廠裡做技術，資源、算力、流量都是現成的。2022 年底 ChatGPT 出現時，他正在產業界做雲計算研發，用他自己的話說，當時「心潮澎湃」。

真正的觸發點有兩個。一個是技術判斷：Scaling Law（規模定律）被驗證之後，「更強算力、更大參數、更多數據可以帶來更好的模型」成為共識，他認為這不只是一波創業浪潮，而是「一場生產力範式革命的起點」。另一個是導師的推動：汪玉鼓勵他創業。他自己的說法是「在別人看來，創業充滿了不確定性，但對我而言，這是厚積薄發的自然結果」，又說「多年的技術儲備迎來了前所未有的機會，就像一把磨了十幾年的利刃終於出鞘」。2023 年 5 月 31 日，無問芯穹完成工商註冊；同年 9 月，它成為上海徐匯「模速空間」的首批入駐企業之一。

關於他正式出任 CEO 的時間，資料有出入。百度百科寫「2024 年初，夏立雪以聯合創始人身份出任無問芯穹首席執行官」；但 2023 年 10 月起，他已以「聯合創始人兼 CEO」的身份帶隊發布技術成果。較合理的解釋是：公司 2023 年成立時他已掛帥，但從阿里雲完全過渡到全職創業、並在公司治理層面正式就位，發生在 2023 年底至 2024 年初之間。還有一種可能是，公司早期對外統一使用「聯合創始人兼 CEO」的頭銜，而工商登記與治理層面的職務變更稍晚才完成——這兩件事在初創公司裡往往並不同步。無論採哪一種解釋，他在 2023 年就已經是這家公司的實際負責人。此點在 notes 中另作說明。

初創團隊的規模小得具體：他帶著 6 名成員擠進模速空間 A 區一間不足 50 平方米的格子間。公司名稱一開始想叫「無問星穹」，「意思是別去管智慧的邊界在哪裡，儘管探索便是」，後來為了讓人一眼看懂公司做什麼，把「星」改成了「芯」——「芯穹，意指把芯片價值發揮到無窮」。團隊平均年齡 32 歲，帶上實習生降到 28 歲。多位核心成員來自同一條師門：發起人是汪玉，聯合創始人兼首席科學家戴國浩、硬件設計負責人曾書霖都出自 NICS-EFC 課題組。這是一支由清華電子系推動集結起來的隊伍，也是它日後被資本追捧的重要原因之一。

03最艱難的關：把論文變成產品的那兩年

他後來把創業的難歸納為三個核心問題，其中第一條最要命：從技術到產品的跨越。他用三個詞拆解這條路——論文、工程、產品。論文只在特定實驗環境下驗證一個技術點的極限價值，「能帶來最純粹的興奮感」，但問題在於它「大多只在特定的實驗環境下成立，離真正的用起來還很遠」；對科學家而言，論文發表往往意味著這個探索週期的終結，「世界級難題既已攻克，後續便交給工程師」。而創業要面對的是真實業務流量下的係數調整、兼容性優化、並發性優化。他在演講裡放了一張開源項目的截圖：尚有 93 個 bug 待解決，已修復 76 個。一項技術要被真正用起來，需要先經歷成百上千個 bug 的修復。

第二條是從供給側思維轉到需求側思維。他自陳，科學家創業容易陷入「拿著錘子找釘子」的狀態——「我們的錘子是很多優秀的技術能力……但沒人會為這張圖買單，因為客戶無法從這張圖裡知道你究竟能幫他們解決什麼問題」。他舉了一個很具體的例子：團隊在特定模型的推理速度上做到全球第一，可客戶真正需要知道的是「同等算力下，產出能夠翻倍」，或者「原本用戶等待 3 秒便會流失，如今 2 秒的響應能夠使其願意留存」。他自己的總結是：很多科學家創業沒能邁過去的一道坎，正是這個轉變——從「我有什麼」到「你要什麼」。

第三條是理想與現實的雙向奔赴。他很直白地承認，高毛利、大規模、高增速三者兼備的商業模式幾乎不存在，「我們所能做的往往是先搶佔市場、站穩腳跟」。如果一開始只做有獨特價值的事，或是不屑於做短期價值不明顯的事，「那可能永遠找不到產品的落腳點」。因此他給出的策略是：先提供大家都有的價值，再慢慢找到自己獨特價值的落腳點——「既要活在當下，又要看見遠方」。這段表述沒有任何勵志修辭，反而像一份對創業現實的冷靜讓步清單。

技術層面的關同樣具體。異構混訓不是把芯片插在一起就完事，背後是通信機制、任務分配與數據同步。他坦言，異構情況下確實出現過「相同數量的國產芯片加上英偉達芯片，訓練表現不如單獨英偉達芯片」的情況。而行業的底色更冷：他引用過的數字是，國內千卡集群的算力利用率一度不足 35%，全國智算中心平均利用率曾低於 60%——一邊是頭部企業高價搶購 GPU，一邊是大量算力被閒置。他把這種局面概括為六個字：「優質算力不夠用、普通算力不好用。」這正是他必須翻過去的那道關。

04翻盤的一役：二〇二四年七月的千卡異構混訓

翻盤的節點是 2024 年 7 月的世界人工智能大會。在這次大會的 AI 基礎設施論壇上，無問芯穹發布了業內首個千卡規模異構芯片混訓平台：單任務、千卡規模、支持華為昇騰、天數智芯、沐曦、摩爾線程、AMD、英偉達六種芯片交叉混合訓練，集群算力利用率最高達到 97.6%，具備萬卡擴展性，平均高出基準方案約 30%——這意味著在同樣的多元芯片機房條件或集群條件下，可將訓練總時長壓縮約 30%。同期，公司與清華大學、上海交通大學聯合研究團隊發布了異構分布式混合訓練系統 HETHUB。

這套東西的分量，要放回 2024 年的語境裡看。當時國內宣稱擁有千卡規模的算力集群不少於 100 個，但普遍存在難以有效整合與利用的問題，這是行業「算力荒」的一個重要成因。能讓 6 種不同品牌的芯片在同一個任務裡「說同一種語言」並跑滿，是產業裡公認的硬骨頭。他給出的技術解釋很樸素：和人一樣，芯片之間「溝通」也需要「語言」，不同架構芯片的「語種」不同；清華時期他的團隊主要研究不同芯片間的高效通信，為異構芯片發明了一種「世界語」。他的比喻是：「打開水龍頭時，我們不需要知道水是從哪條河裡來的。」

這一役同時解決了「有人願意用」的問題。發布前四個月，Infini-AI 大模型開發與服務雲平台首次公開測試；發布時，智譜 AI、月之暗面、生數科技等大模型企業已在平台上穩定使用異構算力，另有 20 餘家大模型應用創業公司持續調用預置模型 API，使用公司提供的工具鏈開發應用產品。此後，異構混合訓練的效率數字被反覆引用，成為公司最硬的技術名片：97.6% 的千卡混訓利用率、跨域異構混訓約 90% 的效率，以及後來披露的 97.5% 異構算力協同效率。

值得記下的是，這一役的技術源頭並不在 2024 年。早在 2023 年 10 月，公司就發布了大模型推理加速方案 FlashDecoding++，透過異步方法實現注意力計算的真正並行，在主流 GPU 上實現 2 至 4 倍的推理提速，取得行業最優加速效果，並完成在 AMD、華為昇騰、壁仞、寒武紀、燧原、海光、天數智芯、沐曦、摩爾線程、NVIDIA 等 10 餘種計算卡上的適配，部分計算卡上做到行業第一，還與 AMD 簽下戰略合作。而在 2025 年 2 月，公司又率先完成 DeepSeek-R1、V3 在壁仞、海光、摩爾線程等七家國產硬件平台的適配優化。一個 24 歲實習生主導的工作把 AI 算法在硬件上的計算效率提升了 3 倍以上——這件事他後來在不止一個場合講起。

05公司發展史（一）：二〇二三，技術立身的頭一年

公司 2023 年 5 月 31 日成立，註冊地上海徐匯。他自己把三年切成三段：第一年錨定技術，力爭把核心技術做到全球領先，「產出了很多篇高含金量的論文、發布了很多創新成果，拿到了很多『全球首次』『世界第一』的成績，構築起堅實的技術護城河」；第二年重心從技術突破遷移到價值驗證，把領先技術封裝成標準化產品，推動商業化落地；第三年讓商業飛輪轉起來，用市場的方式去定義 AI 基礎設施的標準與範式。這條曲線，恰好也是多數硬科技公司的必經階段——先鍛造硬核技術，再將技術重塑為普適產品，最後透過規模化開啟商業飛輪。

資本市場幾乎沒有猶豫。2023 年 8 月，成立僅三個月，公司完成天使輪融資，金額未披露，投資方包括紅杉中國、北極光創投、金沙江創投、SEE Fund 無限基金、徐匯資本；有報道稱這輪從啟動到完成只用了一個月，且資方清一色是一線市場化機構。2023 年 12 月完成 Pre-A 輪融資，金額同樣未披露，名單卻長得驚人：百度、騰訊投資、紅杉中國、智譜 AI、歌爾股份、真格基金、啟明創投、南山資本、綠洲資本、七維投資、光源資本、星連資本、惠隆資本。一個成立半年的公司能同時拿到互聯網巨頭與產業方的錢，靠的是「清華系」團隊的技術履歷。

產品節奏也很快。2023 年 10 月是 FlashDecoding++；2024 年 1 月發布首個大模型定製推理 IP FlightLLM，首次在單塊 FPGA 上實現大模型的高效推理，在低端工藝 FPGA 上相比高端工藝 GPU 取得約 6 倍的能效提升；2024 年 7 月在世界人工智能大會上發布 Infini-AI 異構雲平台與千卡混訓平台，宣布支持一鍵發起 700 億參數規模的大模型訓練；同年 12 月，全球第一款端側全模態理解模型 Megrez-3B-Omni 開源，實現端上圖像、音頻、文本的全模態理解。從實驗室成果到可被調用的雲端服務，這一年是關鍵的翻譯年。

06公司發展史（二）：二〇二四，規模化與第一次轉型

A 輪是 2024 年這條線裡最重的一筆。公司於 2024 年 8 月至 9 月間宣布完成近 5 億元 A 輪融資，聯合領投方為社保基金中關村自主創新專項基金、啟明創投和洪泰基金，跟投方包括聯想創投、小米、軟通高科等戰略投資方，國開科創、上海人工智能產業投資基金、徐匯科創投等國資基金，以及順為資本、達晨財智、德同資本、尚勢資本、申萬宏源、正景資本等財務機構。此時距公司成立一年四個月，累計融資已近 10 億元；投資方名單裡同時出現了互聯網巨頭、手機廠商、國資平台與老牌創投，陣容被媒體形容為「囊括國內所有知名的產業資本和國有基金」。

規模的擴張體現在物理空間與人的數量上。2023 年 9 月進駐模速空間時只有六七人、不足 50 平方米；一年多後，格子間擴展成模速空間內獨立兩層辦公室，員工規模突破 200 人。他把這一年的重心定義為「價值驗證」——把技術封裝成產品，積累一批標杆案例，在真實業務場景中不斷打磨。這一時期，公司接入並高效運營 10 種以上異構算力，服務全國 20 餘省市的 40 餘個異構算力集群，總的混合算力超過 7000P。他反覆提到模速空間的生態紅利：「上下樓就是上下游」「鄰居就是合夥人」，散步聊天時就可能得到一個好創意或一位潛在客戶。

也正是在這一年，公司的技術敘事從一句「軟硬協同」擴展成一個公式：芯片算力 × 優化係數（軟硬協同）× 集群規模（多元異構）＝ AI 模型算力。這個公式的商業含義是：可用算力不只取決於芯片的理論算力，還可以被軟件優化係數放大、被集群規模放大。他把自己要做的事定義為 AI 模型算力的「超級放大器」，也就是後來被反覆提起的那個位置——不做 GPU、不自研大模型，只在「模型」與「芯片」之間建一層柔性中間層。

07公司發展史（三）：二〇二五，從「遞鏟子」到 Token 工廠

2025 年是無問芯穹商業化真正起量的一年。年初春節，DeepSeek 引爆行業，他在多個場合提到自己「這兩年大模型人都沒好好過年」。2 月，公司率先完成 DeepSeek-R1、V3 在壁仞、海光、摩爾線程等七家國產硬件平台的適配優化，開發者可在雲端一鍵調用「模型＋算力」包。3 月，與模速空間共同推出國內首個「算力生態超市」——模速空間算力生態平台，並攜手浙江算力科技發布杭州市算力資源調度服務平台。7 月，發布 AI 全規模效能躍升方案以及三大核心產品。9 月，推出基礎設施智能體蜂群 Infra Agents。12 月，企業級智能體服務平台（Agentic MaaS）正式發布，為企業提供智能體定製優化、部署託管到商業化變現的全鏈路服務。

融資與估值在這一年的年末集中落地。2025 年 11 月 27 日，公司宣布完成近 5 億元 A+ 輪融資，由珠海科技集團、孚騰資本（元創未來基金）領投，惠遠資本、尚頎資本、弘暉基金跟投，老股東洪泰基金、達晨財智、尚勢資本與海棠基金、聯想創投、君聯資本、申萬宏源、徐匯科創投、元智未來持續追投。成立兩年半，累計融資近 15 億元。公司同時提出新定位：從 AI 加速、所謂的「遞鏟子」，轉向打造「最高效的 Token 工廠」，做 Token 經濟的樞紐。他把這個轉變說得很平實：技術內核沒有變，變的是業務形態與商業模式。

關於這一年的財務口徑，不同來源有明顯出入。一份 2025 年 12 月的私募基金投後報告顯示，無問芯穹 2025 年全年實現營業收入 3.48 億元，同比增長 303%，全年毛利率 15.7%，剔除股權激勵後虧損約 4 億元；該報告同時記載珠海盛弘基金於 2025 年 12 月跟投 A+ 輪，投資 1059.8 萬元、持股 0.36%，對應投後估值 29.44 億元。另有媒體在 2025 年 11 月底報道稱公司「估值超過百億」。兩者相差甚大，本文並列存疑。公司自己在 2025 年的一次公開分享中，只說「目前收入已經過億」。

08公司發展史（四）二〇二六：今天的版圖

2026 年 3 月 24 日，公司完成股份制改造，更名為「上海無問芯穹智能科技股份有限公司」，企業類型變更為非上市股份有限公司，並設立了員工持股平台；同期，公司引入首家境外投資者——香港的 AEF NextGen 基金。5 月 7 日，宣布完成超 7 億元新一輪融資，由杭州高新金投集團、惠遠資本聯合領投，國興資本、秦淮數據、廣發乾和、力合清瞳、中保投資、AEF NextGen、騰瑞資本、卡萊特、中信建投資本、寬德智能學習實驗室跟投，老股東君聯資本、上海國投孚騰、元智未來追加投資。累計公開融資超 22 億元，持續位居中國 AI 原生基礎設施公司融資規模榜首。

關於上市，公司未發布正式公告。一份 2025 年 12 月的私募基金投後報告記載：公司正積極籌備並推進港股 IPO，股改已基本完成，目標是按照 18C 規則的要求、在 2026 年 9 月 30 日前遞交 A1 申請。市場普遍把 2026 年 3 月的股改與 5 月的融資解讀為 IPO 衝刺的前奏，但截至本文寫作時，公開渠道尚未見招股文件的正式披露，此點須視為一項計劃而非既成事實。18C 是港交所為特專科技公司開設的上市通道，允許尚未盈利的硬科技企業上市，這恰好對應無問芯穹的現實處境——2025 年它仍處於虧損狀態。因此上市對它而言既是融資渠道，也是一次對估值口徑的公開檢驗：一級市場上那個相差甚遠的估值區間，最終要由公開市場給出答案。

業務版圖則在 2026 年 7 月的世界人工智能大會上被完整攤開，主題是「前店後廠一中心」。「一中心」是算力集散中心：面向異構集群的大模型跨域訓練系統，在全國部署觸達超過 37000P（3.7 萬 P）算力、覆蓋 16 種主流芯片；「後廠」是 Token 工廠：截至 7 月，Agentic MaaS 平台日均 Token 調用量較年初增長約 40 倍，過去一年透過全棧技術推動推理成本下降 10 倍（另有報道寫「推理成本減少 90%」）；「前店」是 AI 生產力商店：面向醫療、能源、法律、影視、遊戲等垂直領域輸出解決方案，把 Token 轉化為行業能用的 AI 生產力。同期，公司首次把 AI 基礎設施從數字世界延伸到物理世界，發布面向具身智能的「雲—邊—端」一體化大規模管理與調度平台，並聯合上海移動發布「天問計劃生態聯盟」。

跨域訓練是這一年的技術關鍵詞。公司聯合中國電信完成國內首例超過 4000 公里的大模型跨域混合訓練，在新疆哈密與廣東深圳兩地集群之間實現聯合訓練性能提升 165%；打通 4 個不同代際、不同型號的 GPU 集群聯合訓練近百億參數大模型，四集群協同性能提升 41%；在混合雲場景實現本地私有集群與公有雲算力的安全互通混訓，整體性能提升 68%。端側則形成「無穹天權（Infini-Megrez）端模型＋無穹開陽（Infini-Mizar）推理加速引擎＋無穹天璇（Infini-Merak）LPU IP」的組合，其中開陽賦能聯想 AI 筆記本，聯想在 1000 萬台筆記本上安裝了該產品。他給出的下一步目標也很明確：把跨域計算資源的支撐規模，持續拓展至十萬卡級以上。

09領導風格與性格：I 人 CEO 的兩副面孔

他在公開場合的形象，記者寫得很準確：「穿著西裝略顯拘謹，說起技術才滔滔不絕。」他在混沌學園的分享裡自己點破：「我發現我們班有一個很有意思的特點：博士特別多，而且大多都是 I 人，雖然平時不怎麼說話，但你一跟他聊起他的工作，他就會滔滔不絕，能跟你聊上兩個小時。」這是一種自我描述，也是一種自知。他的公開表達因此有兩個特徵：一是幾乎不談個人、只談技術與行業；二是喜歡用生活化的比喻把硬技術講軟——用水龍頭、水電煤、電網、發電廠、煉化廠、Windows、安卓、淘寶、套餐來解釋異構算力、調度與中間層。這套比喻系統不是修辭愛好，而是他反覆練習過的客戶界面。

他對人的方式，有具體痕跡可循。2023 年那項把 AI 算法硬件計算效率提升 3 倍以上的成果，第一作者是位年僅 24 歲的實習生；他反覆在不同場合提起這件事，並在公司設立了專門面向年輕人和實習生的獎項，每週辦技術分享會讓青年工程師暢所欲言。他給出的理由不是姿態而是邏輯：「正如 AI 模型擁有強大湧現能力，AI 時代的科技公司也應該成為『湧現型組織』，每個人不僅擁有不俗的個人能力，更是被共同的價值觀維繫，可以自主驅動、自發協作，從而迸發出集體創新的火花。」他自己的說法是，公司所有的技術突破，「都是靠衝在一線的年輕人實現的」——而他本人只比團隊平均年齡長兩歲。

對事的方式上，他明顯是「先定義問題、再談解決」的類型。他在清華待了九年、發表 30 餘篇論文，卻反覆強調博士訓練給他的不是某項具體技術，而是三樣東西：解決極其複雜問題的系統化思維、批判性思維，以及「心力」。他把「心力」描述為讀博五年撐下來的東西——「我自己博士的第一個課題，我自己並沒有解決，因為後來它已經不再是一個問題了……你唯一能做的，就是堅持往前走。」這種經驗直接影響了他的創業節奏判斷：他能接受階段性產品不完美，只要方向能被驗證。

他對錢與規模的態度值得單列。面對 2026 年 Token 漲價與成本下降同時發生的局面，他的表述是「這是一個盈虧平衡線的問題」；面對行業競爭，他說「現在可能還談不上競爭。蛋糕足夠大，隨便圈一塊地，都可以先蓋起一座自己的城市」；面對行業地位，他給出的判斷是「不是最有錢的人就能佔據最高的行業地位，而是最懂得做好優化的人」。這幾句話放在一起看，是一個技術出身的 CEO 對資本的態度：承認資本必要，但不認為資本是決定性變項。

他也自認為「是個浪漫主義者」。這句話出現在他講批判性思維與心力之前，是那場分享裡少見的自我評價。而他對公眾敘事的偏好同樣清晰——幾乎所有演講都以「讓算力像水電煤一樣」開頭，以「中國第一次有機會成為領跑者」收尾，中間填的是具體的芯片型號、效率數字與客戶故事。這種「宏大願景＋硬核細節」的組合，是他這一代表科技創業者相當典型的表達方式；差別在於，他的細節通常可被驗證。

10成功秘訣：八條可驗證的算法

第一條，選了一個「不需要自己造硬件」的位置。「不建算力、不造芯片、不做模型」——公司從第一天就清醒地把自己放在模型與芯片之間的柔性中間層，核心範式是 M 種模型 × N 種芯片。證據是：當同代創業者忙著做模型或做芯片時，它做的是通信原語、調度、算子優化與統一交付，因此不必承擔製造與模型訓練的資本開支，也不必與客戶正面競爭。輕資產的中間層定位，換來的是三年內幾乎沒有斷過的融資節奏。第二條，選了一個由國家級矛盾定義的問題。他反覆引用三個結構性事實：芯片與全球頂尖水平至少兩代差距；軟件生態已形成壁壘；國產算力資源零散、各款芯片缺少適配，散成一座座孤島。這三個事實同時是痛點、是壁壘，也是政策與國資青睞的理由。

第三條，把一個學術命題做成了一個可量化的產品指標。他提出的 AI 生產力公式是：AI 生產力 ＝ 智能規模 × Token 生產效率 × Token 價值轉化；公司內部則把目標收束到單一北極星指標——Token/秒。他明確說過：「一句話描述：讓中國所有能被用起來的芯片，都能以最高的效率去產生 Token。」把複雜的軟硬協同工作壓縮成一個可測量、可對客戶承諾的數字——例如跨集群異構 PD 分離架構將首 Token 響應時間降低 51.5%、單 Token 成本降低 37.5%——是他把技術賣出去的關鍵一步。第四條，用「說人話」的比喻重建了產品的客戶界面。把異構算力講成水龍頭、水電煤、電網與發電廠，把中間層講成 Windows 或安卓，把平台講成算力「淘寶」與「套餐」。這聽起來只是修辭，實際上卻是需求側思維的產物——他知道客戶不想學 CUDA 那一套，只想「開箱即用」。

第五條，先做驗證、再談理想。他自己的總結是：先把技術封裝成標準化產品、積累標杆案例，再把商業飛輪轉起來；對「高毛利、大規模、高增速」三者不可兼得這一點，他選擇先搶佔市場、站穩腳跟，再兌現獨特價值。聯想 1000 萬台筆記本安裝其推理引擎、服務 20 餘家頭部模型企業與百餘家企業及科研機構、2026 年日均 Token 調用量增長約 40 倍，都是這條路徑的結果。第六條，把人才與組織本身當作技術資產。團隊平均年齡 32 歲（含實習生 28 歲），他公開把最亮眼的成果歸功給 24 歲的實習生，並以「湧現型組織」定義公司的組織目標。在一個人才極度稀缺的行業裡，這種歸因方式本身就是最有說服力的招聘廣告。

第七條，與生態做正和博弈。他特意說明，許多芯片廠商願意主動對接與適配，是因為公司能把算法的最新變化回饋到硬件上，「幫我們提出下一代芯片的迭代策略，也會給出具體建議」——這等於把自己嵌進了芯片廠的產品路線圖，而不是只做一個下游客戶。第八條，也就是最後一點，是時機。必須說清楚：他的成功有相當一部分不可複製，因為它依賴一個極特殊的時間窗口。他本科入學的清華電子系課題組從 2008 年起就在做軟硬協同，十餘年積累剛好遇上 2022 年底 ChatGPT 帶來的算力爆發；2023 至 2026 年，國產芯片替代成為國家級議題，國資與產業資本急需一個「整合異構算力」的標的；上海徐匯把緊鄰黃浦江最好的辦公場域留給 AI 開發者，模速空間讓上下游變成鄰居。他自己也承認這層運氣：「我們生逢其時。」可複製的是方法——選定位、定量化指標、先驗證後理想；不可複製的，是那條從 2008 年延伸到 2026 年的技術與政策紅利曲線。

11個人、價值觀與生活：把「燃燒」換成「點燃」

公開資料裡，他的私人生活幾乎是空白：家庭、婚姻、子女、業餘愛好均未見披露，這更像是他的選擇而非資料缺失。可觀察到的生活痕跡有三處：一是工時——2025 年 5 月新民晚報記者約他採訪，只能排到傍晚 6 時的晚飯檔期，那段時間他「特別忙」；二是「過年」——他每年春節都睡不踏實，因為 AI 領域總在春節出大事：「2023 年春節後 GPT-4 發布了；2024 年春節是 Sora；2025 年春節，DeepSeek 出來了。」三是他的自我比喻——他把自己比作修路、修橋的人，在虛擬世界的算法與物理世界的芯片之間「搭建起一條高效運轉的高速通路」。

他的價值觀裡有一條清楚的主線：科技普惠。公司的使命是「釋放無穹智能，讓 AGI 觸手可及」，他反覆使用的目標是「讓算力像水電煤一樣流入千行百業、千家萬戶」，並強調「我們遵循『科技為人民服務』的價值觀，貼近 AI 對科技普惠的價值追求」。這條線也解釋了他為什麼對中小企業與科研機構的場景特別上心：他在訪談裡專門提到，要投入一部分精力幫助那些「對 Token 還用得沒有最高效，但有很好的創意和產品能力的」中小創業者，讓他們把全部精力花在推出自己的產品上。

另一條線是對「燃燒」的重新定義。他在 2025 年 11 月的先進事跡報告會上說：「為了實現夢想燃燒自己，這不是消耗，而是點燃，點燃團隊的熱血，點燃產業的信心。」這句話與他對讀博「心力」的強調互為註腳——他不把長期高強度投入理解為損耗，而理解為一種可以傳遞的能量。他也坦率承認轉型的代價：創業之後才發現「除了技術外，還有市場、商務……不管從壓力應對上還是從機遇把握上來說，挑戰都很大」。

他對自我的定位有過一次罕見的公開修正。在混沌學園的分享裡他說：「我在清華待了 9 年，發表了 30 多篇論文，總引用量 3000 多次……這些經歷，讓我尚且能自稱為一個科學家。」而後又說「創業對我來說，是一個找回自我的過程」——他認為自己在其中學到的不是管理技巧，而是把做科學家的理想與使命感重新接回商業實踐。這種「科學家認同」始終高於「企業家認同」的自我敘事，在他的公開表達裡一以貫之，也構成他區別於同代創業者的一個側面。

12國家與時代意義：站在算力供需缺口上的一代

要理解夏立雪的位置，得先理解他所處的結構性缺口。他把中國算力的困境概括為三層：芯片與全球頂尖水平至少兩代差距；軟件生態已經形成壁壘，芯片和算力離不開尖端軟件配合；產業層面國產算力資源分布零散、各款芯片缺少適配，「讓我們本就寶貴的算力資源散落成為一座座孤島，讓千千萬萬中小企業和普通人，難以盡情擁抱 AI 時代」。無問芯穹的價值，就是把這些孤島用技術連成一張網——用他的話說，是「為分布在不同地域、不同行業，基於不同芯片、不同集群的算力，搭建一座立交橋」，讓它們互聯互通，成為整個網絡的一部分。

他給出的路線圖是「三步走」：第一步基於現有主流芯片追求極致的軟硬件協同優化，以有限的算力推動國產模型能力快速迭代；第二步推動國產芯片開放底層生態，構建強大的異構人工智能系統，透過智能調度與資源整合彌合算力缺口，實現模型能力的全面超越；第三步構建國產同構系統，打造「國產模型—國產芯片—國產系統」的閉環生態，實現更高水平的自主可控。他同時強調「自主之路絕非閉門造車」——「產業的自主可控與開放包容，從業者的技術報國情懷與擁抱世界的全球視野，並行不悖。」

他對國家的判斷更進一步：中國是下一代 AGI 基礎設施最合適的試驗場和發源地。理由有三條：體制上能迅速凝聚戰略決心與資源；市場上有最豐富的應用場景與最強勁的潛力，「只要在中國把場景跑通，就可以形成一個向全球複製的最佳實踐」；價值上遵循「科技為人民服務」。由此推導出的產業定位是：把中國的能源結構優勢轉化為高質量的 Token，「過去 Made in China 是製造業，現在是 AI Made in China」——「這一次，我們將成為世界的 Token 工廠」。

把視野再拉遠一點：在 AI 產業的五層結構（能源、芯片、基礎設施、模型、應用）裡，他選擇了中間那一層。這一層過去在中國最不受關注——它既不掌握最稀缺的芯片，也不生產最耀眼的大模型。但當算力供需缺口成為產業的主要矛盾，當國產芯片的出路從「造出來」變成「用起來」，這一層的價值就被重新定價。他在 2025 年 11 月的那句話，或許最能概括他這一代人的自我認知：「今天，中國的技術人，第一次有機會成為世界下一次產業變革的基石。這是過去幾百年來，我們從未有機會書寫的宏大命題。」

01家世與早年：杭州、一位電力工程師的父親，與被叫作「書呆子」的少年

沈亦晨 1989 年生於浙江杭州，籍貫浙江杭州。關於他的家世，公開資料著墨極少，唯一被反覆提及的人物是他的父親——一名電力工程師。父親對他的教育方式相當具體：鼓勵他把家裡的廢舊電器拆了裝、裝了拆，就為了讓他認識裡面的零部件，瞭解錄音機、冰箱等電器的工作原理。在父親潛移默化的影響下，他特別喜歡看《有趣的科學實驗》，甚至會翻父親書桌上那些布滿電路圖的專業書。「剛開始也覺得晦澀難懂，爸爸就會告訴我一些入門知識，還帶我做各種物理小實驗。漸漸地，我對物理和科學知識越來越有興趣了。」這段話是他少見的、帶著溫度的自述，也是理解他日後為何執著於「把技術變成產品」的第一把鑰匙。

父親的職業還給他留下了一個更深的坐標。2026 年他接受訪談時說，父親親歷了中國電力行業從「裝機量僅為美國 1%」到「超越並是美國 5 倍」的過程；他從小耳濡目染，雖然學的是理論物理，內心卻一直希望把技術轉化為實質的影響力。他把這種信念說得更直白：再好的學術成果，如果不能變成產品、產生實際價值，終究只是停留在紙面上的東西。他與父親兩代人的分工，也在 2026 年被他自己概括成一句很乾淨的話——「他是電力，我們是算力。」這句話後來被反覆引用，因為它幾乎精確地描述了中國兩代工程師的接力方式：上一代解決電力的生產與搬運，這一代解決算力的生產與搬運。

他的中學是杭州外國語學校。初一時他就鼓搗出「電動小輪船」「自動澆花器」等小發明，初二代表學校參加物理競賽拿了二等獎。比賽結束後他沒有沉浸在成績裡，而是反覆「複盤」自己在賽場上的表現，一遍遍重做題目、還原實驗細節——媒體把這種習慣稱為「迭代思維」。他初中畢業時已提前預習完高中物理課程，並在父親輔導下開始鑽研大學物理。但他並不是傳統意義上的模範生：他自己說「我中學時不算標準的『學霸』，甚至偏科嚴重，只對感興趣的數學、物理花時間比較多」；也有報道寫他不喜歡和同學去「K 歌」、不會打網遊，顯得不太合群，被同學叫作「書呆子」。2022 年 9 月，他回到母校開講「校友論壇」第一課，並在同一年獲評「杭州市傑出青年人才」。

02創業原點：Lux Labs、一篇封面論文，與四十封沒有回音的冷郵件

他高中畢業後考入新加坡南洋理工大學物理系，其後赴美國約翰霍普金斯大學。這裡有一個需要說清楚的口徑差異：多數中文媒體寫他在霍普金斯「獲得碩士學位」，而招股書寫的是「2011 年 5 月獲美國約翰霍普金斯大學學士學位，主修物理與數學雙學位」。兩種說法未必衝突——他的本科經歷確實橫跨新加坡與美國兩地，媒體所稱的「碩士」很可能是對跳級與轉學過程的誤記。可確定的是：2011 年 5 月他拿到學位，同年以 22 歲之齡進入麻省理工學院（MIT）物理系攻讀博士，研究方向為納米光子學與集成光學，2016 年 6 月取得應用物理博士學位。

在大眾敘事裡，他的博士導師常被寫成「諾貝爾物理學獎得主」。這一點必須準確表述：一手與權威來源指向的是另外兩位。財聯社《科創板日報》2026 年的報道寫他「師從納米光學領域權威、美國科學院院士 John Joannopoulos 和『天才獎』得主 Marin Soljačić」；《Physics World》2022 年的訪談由聯合創始人 Spencer Powers 明確說「Yichen 的博士工作是跟著 Marin Soljačić 做的，Soljačić 本人也是 Lightelligence 的聯合創始人」；麻省理工背景的工程媒體也記載他的博士工作在物理系，指導教授為 Marin Soljačić 與 John Joannopoulos。這兩位都不是諾貝爾獎得主：Soljačić 是麥克阿瑟基金會「天才獎」得主、無線充電公司 WiTricity 的創辦人；Joannopoulos 是美國國家科學院院士，被中文媒體稱為「納米光學教父」。百度百科與部分中文媒體記為「師從諾貝爾物理學獎得主 Frank Wilczek」，此說法未見一手來源佐證，本文不予採用。

他的科研起點是一項關於「光的方向」的工作。2014 年，25 歲的他以第一作者身份在《科學》雜誌發表《寬波段光學的角度選擇》（Optical Broadband Angular Selectivity），首次在材料尺度上實現對光傳播方向的控制——光在特定角度下對整個可見光譜透明，在其他角度則被反射。這項成果同年被《Discover》雜誌評為全球年度前 50 項重要科學研究；此後他又發表三篇相關論文，申請到兩項美國專利。2016 年，基於這項研究，他創辦了人生第一家公司 Lux Labs，把角度選擇光學膜用在移動電子顯示（屏幕防窺的同時降低亮度、節省電量）與太陽能發電上；Lux Labs 入圍了 2016 年 MIT $100K 創業大賽決賽，累計融資超過 300 萬美元。這段經歷讓他比同齡的博士生多了一個身份：他已經知道把技術變成生意，比把技術做漂亮要難得多。

真正把他推到舞台中央的是另一項工作。他注意到深度學習神經網絡的大部分計算時間都花在矩陣乘法上，而矩陣乘法恰好是光學最擅長的運算——「這可能是光學計算有史以來最大的機會」，他後來這樣回憶。2017 年 6 月，他與 Nicholas C. Harris 作為共同第一作者在《自然·光子學》發表《Deep learning with coherent nanophotonic circuits》（中譯多作《由納米光學回路實現的深度學習》或《利用相干納米光子電路進行深度學習》），用一組 56 個級聯的馬赫-曾德爾干涉儀，演示了光子矩陣運算可以驅動神經網絡識別元音。長期停留在理論階段的「用光做計算」，第一次有了硬件原型。這篇論文成為該刊封面文章。他自述，該刊大多數文章平均引用量是 50 次左右，而「我們這篇過去幾年的平均引用超過了 500 次」。

03最艱難的關：一場關於五億元的內部辯論，與帳上只剩三億元的深夜

拿到融資不等於拿到答案。2018 年 A 輪融資時，經緯的合夥人左凌燁問他，光計算真正產業化大概要多久、多少錢。他給出了一個自認為已經很狂野的估算：3 到 5 年、3 億美元。對方聽完只回了一句：「這麼便宜？就這麼點錢？」他當時不理解這句話的意思，後來才理解：如果自己是從英特爾出來、完整做過一款 CPU，就會知道研發一款真正商業化的 GPU 本身可能就是十億美元級別，更何況是一款試圖改變計算範式的光計算產品。他是從學校出來的，過去一個項目最多花 10 萬美元就能出成果。他後來承認，正是因為全世界都沒有人做過這件事，「對於它有多難，沒有人有完整的認知」。

更麻煩的是時間差。芯片研發週期通常要兩到三年，立項時判斷的場景，等芯片真正做出來，市場關注點可能已經變了。他 2017 年設想的場景，是做一台光子計算機，用來快速識別和分析海量視頻流，解決內容安全、涉黃檢測、違規內容識別等問題——那是計算機視覺的年代。而到 PACE 系列產品落地時，行業已經整體轉向大模型。大模型對存儲帶寬與配電帶寬的要求，遠遠大於計算機視覺的計算需求，上一代產品並不兼容。他的總結很克制：我們只在一個特定場景裡證明了光芯片能比電芯片快 1000 倍，而市場要的是速度提升 10 倍、同時能在十幾個真實商用場景裡通用的芯片，這件事的挑戰難度是巨大的。

最難的一關出現在 2022 年底。公司在內部代號「Vanguard（先鋒）」的項目上已準備研發面向大模型的下一代光計算芯片，而帳上的錢只有 3 億元人民幣，這一個項目卻要花 5 億元，且公司還沒有任何真正能商業化的產品。技術團隊強烈希望繼續投入，理由是公司還能繼續融資。沈亦晨把項目叫停了。為了做出這個決定，公司專門組織了一場內部辯論，支持和反對的人分成紅隊、黑隊，各自用兩個月時間論證自己的判斷。他給出的理由只有一句：「我核心還是認為，公司活下去才是最重要的。」他後來補充：事實證明這個決定是對的，2023、2024 年資本寒冬就來了；如果真的把這筆錢花掉，下一輪融資會非常被動。而在那幾年，他親眼看著十幾位 MIT 同學創辦的公司，因為同樣的原因倒了下去。

外界容易忽略的是，這家日後市值八百億港元的公司，曾經靠泡麵和加班撐著。在光子芯片最艱難的研發期，為了節省通勤時間，沈亦晨把家安在了公司，吃住都在實驗室裡，辦公室的舊沙發就是他的床。他對媒體說過一段很不像創始人公關稿的話：「儘管有的同事知道我挺窮，表示可以先拖欠他們的工資，但大家也都要生活啊，不少人還得養家糊口，還房貸、車貸，我不能光給同事畫餅。」經濟最拮據的時候，他辦了一筆創業貸款，負債也要把工資發出去。有同事記得，一個冬夜下著雪、公司暖氣又壞了，他呵著熱氣、揉著凍僵的雙手，還在研究台前的燈下思考和演算——那位同事說，他一輩子都忘不掉那一幕。

04翻盤的一役：把最前沿的光計算收進抽屜，先賣「連接」

扭轉局面的決定，就藏在叫停 Vanguard 的同一段時間裡。2022 年底大模型爆發，他很快意識到，未來的大模型訓練不可能只靠單顆 GPU，一定要靠大規模集群；而集群越大，GPU 之間的數據傳輸就越容易成為瓶頸。只要這個瓶頸存在，光互連就有機會。曦智此前為光計算做過大量片上與片間光網絡的技術儲備——oNOC 與 oNET——正好可以抽出來單獨變成一條業務線。於是他做了一個聽起來違背直覺的動作：把最前沿、最性感的光計算先擱下，去賣連接。他回憶這個判斷時說：「在 2023 年『超節點』概念尚未形成時，我們就意識到這是重要機會。」他也說得很清楚，公司當時的戰略定位是聚焦光互連及光芯片相關的核心技術產品創新。

成果來得比預想快。2023 年 8 月，曦智發布 Photowave——首款適用 PCIe 與 CXL 協議的數據中心光互連硬件，並現場演示記憶體擴展光互連方案；同月，它在斯坦福舉行的 Hot Chips 大會上首次公開演示 Hummingbird（OptiHummingbird），這是全球首款基於片上光網絡（oNOC）的光電混合計算加速卡，也是公司在一個月內推出的第二款新品。2024 年，Scale-up 光互連產品首次量產，當年貢獻收入 4701.9 萬元，意味著這家七年沒有產品收入的公司，終於有了第一條真正的現金流。2025 年 7 月，在世界人工智能大會（WAIC）上，曦智聯合上海儀電、壁仞科技、中興通訊發布光躍 LightSphere X——全球首個分布式光互連光交換 GPU 超節點方案，它把光交換功能集成到每一張 GPU 上，繞開傳統電交換芯片，將模型浮點運算利用率（MFU）提升超過 50%，並拿下大會最高獎 SAIL 獎；相關研究論文被國際通信網絡頂級會議 SIGCOMM 2025 收錄。

按沈亦晨自己的說法，這套方案的互連成本可以降到英偉達 NVL72 系統的 31%，每塊 GPU 的使用效率提升 3.37 倍；實測在同等規模下訓練 DeepSeek V3 671B 模型時，傳輸延遲較傳統電交換降低 90% 以上。到 2025 年底，曦智累計部署了三個千卡級 GPU 集群，服務客戶 44 家，與全球領先的 GPU 廠商及服務器製造商開展超過 15 項設計導入合作。收入結構也隨之改寫：2025 年光互連業務收入 8427.7 萬元，佔總收入 79.2%，其中 Scale-up 產品 7558.2 萬元、佔 71.0%；光計算業務收入 2209.1 萬元，佔 20.8%，同比增長 579%。翻盤的實質，是把「未來」換成了「現金流」——正如他自己所說：「我們現在已經有了可以持續產生收入的業務——光互連；上市後我們的融資渠道也變多了，安全墊就更厚了。」

還有一個容易被忽略的細節：這一役同時解決了「國產 GPU 十家十種協議」的兼容難題。曦智選擇了與英偉達截然不同的路徑——開放生態，其光交換方案兼容不同廠商的 GPU。這讓它在中國算力集群的現實處境裡找到了最硬的需求。而對客戶最大的顧慮——穩定性，他也有清醒的認識：銅導線用了很多年，足夠成熟，出了問題也知道怎麼修；光互連不一樣，用光直接連接兩個計算芯片、連接 GPU，此前沒有真正大規模做過。至於價格，他同樣不迴避：光纖本身比銅線便宜，可一旦加上兩端的光電轉換芯片，整體成本就上去了，「所以只要銅線能連，客戶一般還是會優先選銅」；但只要距離拉長——比如超過 1 米，帶寬和功耗都會撐不住，這時候就必須考慮光。

05公司發展史（一）：二〇一七至二〇二〇，從波士頓到張江

招股書對公司起源的表述只有一句冷靜的話：業務可追溯至 2017 年，沈博士在美國與中國創立了這項業務。具體節點是：2017 年 10 月，Lightelligence, Inc. 在美國註冊成立，成立時由沈亦晨 100% 持有，用來運營包括光計算研發在內的主要業務（部分中文媒體記為 2017 年 9 月正式註冊，與招股書口徑略有出入）。與此同時，中文實體落地上海。上海曦智科技有限公司成立於 2018 年 2 月 27 日，註冊於浦東張江科學城；另有媒體記載團隊最初進駐的是楊浦長陽創谷——註冊地與辦公地不同，在當時的初創公司裡很常見。公司從麻省理工技術許可辦公室獨家取得相關專利授權，導師 Marin Soljačić 與 John Joannopoulos 也一同加入。麻省理工《科技評論》給他那時的評語只有四個字：重新定義 AI 芯片。

第一筆錢來自一篇論文。2018 年 4 月，公司完成 A 輪（部分媒體稱種子輪或天使輪）融資，投資方為百度風投與真格基金，金額 1070 萬美元；也有口徑記為 1000 萬美元，並提及五源資本以 20 萬美元先行進入、美國半導體高管財團參與。招股書的數字更精確：該輪已收對價 6448 萬元人民幣，投前估值 1.877 億元，投後估值 2.56 億元，每股成本 8.50 至 9.44 元。沈亦晨多年後覆述這段經歷時說，真格基金創始合夥人方愛之在北京國貿的一家咖啡店只和他聊了 20 分鐘，就直接給了投資意向書。他對這輪融資的解釋同樣坦白：「我們只有一篇論文，團隊都還沒有。那篇論文大家算了算，值個一億多元，所以我們就按 2200 萬美元的投前估值融了 1100 萬美元。」也因為這篇論文，中科創星開始留意他——2019 年 5 月，中科創星創始合夥人米磊請他到西安交流，現場做了投資決策。

拿到錢之後第一件事是補人。他給美國四十多位半導體行業的專家群發郵件，包括當時最有名的芯片架構師之一 Jim Keller。大部分人沒回，但 AMD 最高級別技術專家（Senior Fellow）Maurice Steinman（同事叫他 mo）回了——他剛做完 AMD 的芯片互連架構 Infinity Fabric，正想找一家創業公司做工程副總裁，而沈亦晨的郵件恰好邀請他做工程副總裁。從發出郵件到他真正加入，隔了約半年。2019 年 8 月，為方便融資，開曼群島成立了 LightAI Ltd.；2020 年 1 月，LightAI 註冊的公司併入 Lightelligence, Inc.，原股東按比例換股，Lightelligence, Inc. 全部股份由 LightAI Ltd. 持有。2020 年前後，公司運營重心從波士頓遷回上海（中國日報 2026 年的報道明確寫為 2020 年）。

對於為什麼回國，他給的理由是「天時地利人和」：疫情之下國內控制得好、地緣政治與技術脫鉤趨勢明顯、中國籍團隊在美國很難拿到國防部或洛克希德·馬丁這類訂單；而更深層的原因在市場。中國日報則把它總結成三條更具體的理由：能「在五公里半徑內閉環」的完整集成電路產業、強大的量產能力，以及上海願意率先採用新技術。2020 年也是融資密集的一年。4 月，公司宣布完成 2600 萬美元 A 輪融資，由經緯中國與中金資本旗下中金矽谷基金領投，祥峰投資、中科創星、招商局創投跟投，老股東百度風投與峰瑞資本繼續加碼；7 月完成數千萬美元 A+ 輪，和利資本、元亨利貞入場。招股書把這兩輪合稱 A+ 及 A2 輪：已收對價 2.67 億元，投前估值 4.69 億元，投後估值 8.838 億元。同期落地的還有區域布局：2019 年 11 月杭州光智元成立，2020 年 9 月南京光智元成立，2020 年 11 月新加坡 Lightelligence Pte. Ltd. 成立。截至 2020 年，公司累計融資 3670 萬美元，是當時全球融資額最高的光子計算創業公司。

06公司發展史（二）：二〇二一至二〇二三，兩年靜默與一次剎車

2021 年公司連續完成兩輪融資。B 輪最後協議日為 2021 年 2 月，最後支付對價日 7 月 30 日，已收對價 3.106 億元，投前估值 23.12 億元，投後估值 26.23 億元，每股成本 47.49 至 48.48 元；B+ 輪在同年 4 月完成，已收對價 9705 萬元，投後估值 32.35 億元，每股 57.92 元。兩輪合計超過 4 億元人民幣，投資方包括經緯創投、騰訊、中金資本、沂景資本等。也就是在這一年，騰訊成為公司股東——日後上市前它持有曦智約 4.19% 的股份，並在 IPO 時以基石投資者身份繼續加碼。

產品線也在這一年成型。2021 年 12 月 15 日，曦智發布高性能光子計算處理器 PACE（Photonic Arithmetic Computing Engine，光子計算引擎），單個光子芯片集成超過 10,000 個光子器件，運行 1GHz 系統時鐘，在特定循環神經網絡上，速度據公司披露可達當時高端 GPU（RTX 3080）的數百倍。公司稱這是「光電混合計算從概念驗證到產品化落地的巨大跨越」。2022 年，PACE 拿到首個客戶並開始產生收入，光計算業務自此有了商業化的起點。但翻開 2023 年的收入結構，會看到另一幅圖景：全年收入 3823.5 萬元中，技術開發服務及其他佔 3360.4 萬元、達 87.9%，真正的光計算產品銷售只有 463.1 萬元。這是一家靠技術服務養活自己的公司，也是一家還沒有找到規模化產品的公司。

2023 年是轉向之年。3 月，曦智研究院對外發布圍繞「光電混合計算新範式」的系列技術白皮書——在還沒有規模化產品的年份，他們先用白皮書定義賽道的語言。8 月，公司一個月內連推兩款新品：8 月 8 日發布 Photowave，8 月 29 日在 Hot Chips 大會上首次公開演示 Hummingbird。至此，曦智從光子矩陣計算（oMAC）、片上光網絡（oNOC）、片間光網絡（oNET）三大核心技術出發的各系列產品，都推出了首款硬件，完成了光子計算與光子網絡兩條產品線的最後一塊拼圖。2023 年 11 月至 12 月，境內四家實體——杭州光智元、上海光智元、北京光智元、南京光智元——從境外主體 Lightelligence Limited 轉讓至上海曦智名下，代價分別為 200 萬美元、人民幣 1 元、人民幣 1 元與 600 萬美元。架構重組的序幕由此拉開。

這一年他也在公開場合修正了自己早年的判斷。他後來承認，2017 年前後業內普遍認為摩爾定律在幾年後就要完蛋，7 納米之後電芯片繼續提升的空間已經不大；「但誰也沒想到摩爾定律是那麼地堅韌」，還在往 5 納米、3 奈米、2 奈米一路往前走，1 奈米也還在推進，加上 HBM、3D 堆疊、Chiplet 等新技術陸續成熟，電芯片的競爭力反而一直在提高。再加上公司在工程與光的供應鏈等環節碰到的諸多挑戰，他得到了一個不太像技術樂觀主義者的結論：「我當時認為光計算就是行業共識，但現在回頭看可能根本不是。」

07公司發展史（三）：二〇二四至二〇二五，量產、Nature 與上市前夜

2024 年是曦智第一次真正把技術變成產品收入的一年。光互連 Scale-up 產品首次量產，當年貢獻收入 4701.9 萬元；公司全年收入 6019.1 萬元，毛利 3221.3 萬元，毛利率 53.5%，研發開支 3.52 億元。資本市場同步給出定價：2024 年 3 月 C1、C2、C3 輪融資完成，已收對價 12.646 億元，投前估值 44.58 億元，投後估值 62.79 億元，每股成本 66.77 至 87.56 元，投資方包括紅杉中國、騰訊、百度、中科創星、中國移動旗下中移基金、上海浦東創投、張江集團等國資與美元基金。這一輪的股東名冊變化本身就是一個信號：早期是美元 VC，後期是「國家隊」。

同年 9 月，沈亦晨與部分股東合計向 Lightelligence Limited 購買公司 1000 萬元註冊股本，Lightelligence Limited 自 2024 年 9 月起不再是股東；同月，公司自 LightAI Ltd. 收購 Lightelligence Pte. Ltd.；12 月，Lightelligence Pte. Ltd. 收購 Lightelligence Limited。2024 年 10 月 12 日，集團完成重組，所有股東改為通過上海曦智持股。招股書對這次重組的解釋只有一句話：「鑑於我們大部分主要業務均在中國進行，並為精簡我們的持股架構」。這裡需要更正一個流傳很廣的說法：Lightelligence, Inc.（美國）與上海曦智並不是兩家彼此獨立的同名公司，也不是美國公司「分拆」出一家中國公司；它們是同一項業務在不同融資與運營階段使用的集團主體，重組的方向是「收攏」——把開曼與美國的持股鏈條收回來，讓上海的股份有限公司成為集團唯一的持股與上市平台。

2025 年是產品集中爆發的一年。3 月 25 日，曦智發布新一代光電混合計算加速卡曦智天樞（PACE 2）：光子矩陣規模擴大到 128×128，集成超過 40,000 個光子器件，首次在光電混合芯片上實現 3D 硅通孔（TSV）先進封裝，並把光源小型化內置到板卡上，使其成為一款標準全高全長 PCIe 卡、可直接插入現有服務器；公司稱其首次實現了在複雜商業模型中的應用。4 月 9 日，團隊的 PACE 相關成果登上《自然》主刊，題為《超低延遲大規模集成光子加速器》（An integrated large-scale photonic accelerator with ultralow latency）：系統集成超過 16,000 個光子組件，以 2.5D 混合先進封裝把光子集成電路與電子集成電路封在一個系統級封裝內，64×64 矩陣運算延遲低至 3 奈秒；求解 63 節點最大割問題時，平均 537 次迭代、2.7 微秒達到 92.7% 的收斂率，比英偉達 A10 快 295 倍。審稿人的評語是「壯舉」，理由是論文中的數據全部來自整個 PACE 系統的實測性能，而不是用小規模演示對大規模系統做樂觀外推。值得注意的是，公司在對外傳播中另有一個「比電計算快 800 倍」的口徑，指的是特定端到端算法，兩者衡量的對象不同，不應混用。

下半年節奏更快。7 月，光躍 LightSphere X 在 WAIC 拿下 SAIL 獎，公司同時推出國內首款 xPU-CPO 光電共封裝原型系統，把光引擎與計算芯片共封裝在同一基板上以縮短傳輸距離。8 月，上海曦智改制為股份有限公司，為 H 股上市鋪路。9 月 4 日，公司宣布完成超 15 億元人民幣 C 輪融資，中國移動、上海國投、國新基金、浦東創投等入局，老股東中科創星、沂景資本等繼續追加；招股書把整個 C 輪拆成 C1 至 C4 四筆，其中 2025 年 4 月完成的 C4 輪為 3 億元，投前估值 75 億元、投後 78 億元，每股成本 99.78 元。12 月，Scale-up OCS 投入量產，成為推動當年收入增長的主要產品。到年底，公司累計私募融資約 23.04 億元。

08公司發展史（四）二〇二六：今天的版圖——一篇論文與一個代號 01879

2025 年的財務口徑，是理解這家公司的鑰匙。全年收入 1.06368 億元，光互連業務 8427.7 萬元、佔 79.2%，光計算業務 2209.1 萬元、佔 20.8%；毛利 4146.8 萬元，毛利率 39.0%，比 2023 年的 60.7% 明顯下滑，原因是低毛利的光互連產品佔比上升、產品結構向更複雜的系統級方案傾斜。研發開支 4.79 億元，是當年收入的 4.5 倍；年內虧損 13.42 億元，其中 8.43 億元來自向投資者發行的金融工具公允價值變動，屬非現金項目。截至 2025 年 12 月 31 日，公司現金結餘 6.16 億元，員工 257 人，累計專利 410 項（超過半數同時覆蓋光互連與光計算），研發人員 174 人、佔 67.2%，主導制定 13 項行業標準。需要提醒的是，18C 章對「已商業化公司」有收入門檻，曦智 2025 年 1.06 億元的收入並未達到，因此它是以「未商業化特專科技公司」的身份上市。

2026 年 3 月 24 日，公司通過中國證監會境外發行上市備案；3 月 30 日，招股書在港交所披露（此前為保密遞表）。4 月 28 日，曦智科技以股份代號 01879 在港交所主板掛牌，成為 18C 章下首家上市的「未商業化」特專科技公司，也是全球第一家登陸資本市場的 AI 硅光芯片公司。發售價區間為每股 166.6 至 183.2 港元，最終以上限定價 183.2 港元；全球發售 13,795,215 股 H 股，每手 15 股，募資總額 25.27 億港元、淨額約 23.77 億港元。香港公開發售超額認購 5784.7 倍，國際配售超額認購 53.83 倍，一手中籤率約 6%，申購人數超過 37.8 萬。20 家基石投資者合計認購 16.44 億港元，包括阿里巴巴、新加坡政府投資公司（GIC）、貝萊德、富達國際、淡馬錫、高瓴、瑞銀資管、聯想、中興通訊、上海中移基金等。至於代號為什麼是 1879，他給了一個物理學者的答案：1879 年是愛迪生發明白熾燈的年份，光開始引領第二次工業革命；同年麥克斯韋逝世、愛因斯坦誕生，他希望以「1879」致敬這些先驅。

上市首日的表現，讓這家年收入剛過一億元的公司成為 2026 年港股最受注目的新股：開盤價 880 港元，較發行價 183.2 港元上漲 380.35%；當日各媒體給出的市值口徑在 774 億至 845 億港元之間（湖北日報記中午收盤 774.37 億港元，界面新聞英文版與財聯社記約 809 億港元，證券時報發稿時逾 845 億港元），它成為 2026 年以來港股上市首日漲幅最高的新股。按發行價計算，發行市值約 153 億至 168 億港元，對應 2025 年市銷率逾 130 倍。沈亦晨的持股與表決權安排也一併公開：上市前他直接持股 7.57%，連同員工激勵平台合計控制約 34.76% 投票權；上市後合計控制約 29.55%，仍是單一最大股東。部分媒體按其持股市值估算其身家逼近 200 億港元，這是帳面數字，未扣稅、未考慮禁售期折價與匯率波動；依招股書的禁售安排，其創始團隊股份鎖定期為 24 個月。

今天的曦智有兩條產品線。光互連是第一條：光躍 LightSphere X 全光交換模組、Scale-up EPS 板級光互連方案、已完成全鏈路驗證的 NPO 近封裝光學芯片，以及與頭部交換芯片廠商聯合開發的 xPU-CPO 原型。光計算是第二條：PACE 系列（PACE 1 的 64×64 矩陣、PACE 2 曦智天樞的 128×128 矩陣）、OptiHummingbird、光子計算評估板 Gazelle，以及配套的仿真與開發工具。市場地位上，據弗若斯特沙利文，2025 年中國 Scale-up 光互連市場僅兩家企業實現大規模商業化，曦智是其中唯一的獨立第三方供應商，按收入計份額 88.3%，也是唯一能提供端到端集成式方案的獨立廠商；其光計算芯片累計出貨量在 2024、2025 兩年連續位居全球第一，而光計算芯片在中國 AI 推理芯片中的滲透率截至 2025 年仍不足 0.5%。據 2026 年 4 月財聯社報道，下一代 PACE 3 預計 2026 年上半年流片、2027 年上半年交付工程樣品。2026 年 7 月，他對中國日報表示，公司正在上海聯合部署一個萬卡級 GPU 超節點算力集群，這是該技術在中國的首次大規模商用落地；公司全球員工接近 300 人，研發人員佔 70%。

09領導風格與性格：人品第一、球場識人，與一個「一年磨十劍」的企業家

沈亦晨的用人標準是一道排序題，他自己給出的答案是：第一永遠是人品正直，第二是能力互補，第三是 Teamwork。這三條不是抽象口號，有具體出處：他最初的創業班底來自麻省理工的籃球場——他們每週打球、打了五年，「大家在球場上打幾場球就會一清二楚，誰打球比較獨，誰比較 Teamwork」。他也不掩飾對某類人的排斥：「我不喜歡那種『個人英雄主義、為了自己得分而不顧團隊輸贏』的人，這也回到了打籃球的邏輯。」他承認，對科學家背景的創業者來說，最難找的不是技術合夥人——同學、師兄弟知根知底——而是商業合夥人；「找一個可信賴、能力互補的商業合夥人，真的就像是在相親。」他提到麻省理工商學院有一門課叫 New Enterprise，把工程學院與商學院的學生配對磨合一整年，讓人在學校裡就完成對合夥人的篩選。

他招人的方式帶著學生創業者特有的笨拙與執拗。為了找一位真正做過芯片、帶過工程團隊的行業老兵，他給美國四十多位半導體專家群發郵件，包括 Jim Keller 這樣的人物。「大部分人沒回，也有一些人回了。」他對這種低效率的解釋是：「很多人可能會覺得，這個學生怎麼這麼搞笑，但萬一有人願意回呢？反正我是 nothing to lose。」Maurice Steinman 回信後，他用半年時間幾乎每週約對方見面，講最新進展、講判斷與願景；甚至在對方加入之前，就請他幫忙面試候選人。對方最終降薪約 50% 加入——他給的是期權，以及「一個未來做到百億美元公司的想像空間」。談到團隊薪酬時他補了一句：「當然，他們的薪酬肯定都遠遠高過我。」這種把功勞與報酬讓出去、把風險留給自己的姿態，是他留住一批資深工程師的關鍵。

他的決策風格偏慢、偏重證據，而且願意用制度化的方式處理分歧。2022 年底那場關於是否繼續投 5 億元的爭論，他沒有用創始人的權威直接拍板，而是把支持和反對的人分成紅隊、黑隊，各自用兩個月時間論證。最終他選擇叫停，理由只有「活下去」三個字。這種克制也體現在現金管理上：他說公司過去融資相對順利的一個重要原因，是帳上從來不少於兩年的現金儲備，「所以每次我們都是主動的一方，也從沒簽過對賭條約」。他對自己極省——吃住在公司、以泡麵充飢；對研發極捨得——2025 年研發開支 4.79 億元，是當年收入的 4.5 倍；對同事則留了體面：經濟拮據時辦創業貸款也要把工資發出去，理由是「我不能光給同事畫餅」。

他幾乎不用「顛覆」「偉大」這類詞來描述自己。談到判斷失誤，他會直接說「我當時認為光計算就是行業共識，但現在回頭看可能根本不是」；談到低估落地難度，他歸因於自己「是從學校出來的，過去一個項目最多花個 10 萬美元就能做出成果」。他把科學家與企業家的差別概括為兩種磨劍方式：科學家追求「十年磨一劍」，要把一個技術搞得非常明白，追求極致的鋒利；企業家是「一年磨十劍」，不必每一把都極鋒利，「能用」很重要，重點是快速出產品、搶佔身位，然後在泥濘中不斷迭代。心態上，他說科學家往往習慣當「好學生」、當班裡第一，而企業家要習慣當「乙方」，放平姿態、非常務實地解決問題。公開場合的他頂著一頭有些凌亂的頭髮，受訪前剛開完技術會、受訪後又要趕下一場會議，路過的同事會提醒他「你該剪頭髮了」；他自認 MBTI 是 INTJ，但「創業逼著我在 INTJ 與 ENTJ 之間反覆橫跳」。

10成功秘訣：八條有證據的判斷，與其中不可複製的部分

第一，他懂得把學術信用兌換成資本定價權。2017 年那篇封面論文發表時，公司還沒有團隊，他卻按 2200 萬美元的投前估值融到了 1100 萬美元。他的解釋是「那篇論文大家算了算，值個一億多元」。這不是純粹的運氣：一篇被同行反覆引用的論文，替一家沒有產品、沒有團隊的公司預支了信任；國際著名光學科學家、史丹福大學教授 David Miller 曾在《自然》雜誌撰文評價該團隊的成果「極大地推動了集成光學在未來取代傳統電子計算芯片的發展」。第二，他敢在沒有產品時，用一流工程人才補齊能力。從 AMD 挖來 Maurice Steinman、從哲庫找來王瀧、從雲鋒基金與巴克萊找來張弘，補的都是「從實驗室到量產」這一段——而這一段恰恰是科學家創業最容易斷掉的地方。第三，他把「活下去」放在「改變世界」前面。2022 年底叫停 5 億元項目、轉做光互連，是這家公司最重要的一次戰略妥協，也是最難被外人複製的一次自我否證。

第四，他有嚴格的現金紀律。帳上不少於兩年現金儲備、每次都做融資的主動方、不簽對賭，這些聽起來保守的規則，讓公司在 2023、2024 年的資本寒冬裡沒有被迫接受苛刻條款。第五，他懂得把已有的技術儲備換一個賽道賣掉。光互連不是憑空長出來的業務，它是光計算配套的 oNOC 與 oNET 技術獨立成線的結果；一次及時的資產重組，讓公司在原賽道尚未成熟時先有了現金流。第六，他選了一個好生態位：做兼容各家的獨立第三方，而不是另一個封閉架構。祥峰投資執行合夥人李偉的說法是，曦智作為「獨立供應商」能夠適配不同品牌的 GPU 與 ASIC，對比其他家的封閉架構，「這種生態位的價值在算力競賽極其珍貴」。

第七，他把公司放在了產業最密的地方。他 2026 年說，上海公司的方圓 10 公里以內，集聚了全國約 70% 的 GPU 公司、80% 以上的產能，還有不少大模型應用廠商；上海 2025 年集成電路產業規模約 5800 億元，集聚超過 1200 家集成電路企業。人才、代工、客戶都在車程之內，技術迭代速度因此被拉快。第八，他願意承認自己判斷錯了，並在錯誤上調整方向——這在把技術路線當作信仰的創業者裡並不常見。至於這些經驗有多少可複製：選題的勇氣、現金紀律、用人排序、對生態位的判斷，都是可以學的；難以複製的部分同樣清楚——2017 年那個「摩爾定律即將失效」的市場預期窗口、2020 年之後中美技術脫鉤帶來的國產替代需求、AI 大模型爆發這個完全外生的變量，以及上海國資在關鍵時刻的托底。他自己也承認：創業是必然，但在 2017 年剛博士畢業就創業是偶然的。

11個人、價值觀與生活：星辰大海與麵包，以及一句「鍛煉好身體」

外界談到沈亦晨，最常引用的數字是「身價兩百億港元」。這需要標明口徑：那是以 2026 年 4 月 28 日上市首日約 800 億港元市值、按其持股比例計算的帳面浮盈，未扣稅、未考慮限售折價與匯率波動，也不代表他可立即變現。他本人對財富的表述相當輕：「現在我們有星辰大海，也有麵包了。」這是一句總結，也是一句自我提醒——在把光計算重新放回研發議程之前，公司得先有一條能產生收入的業務。談到錢的用處時，他更願意提的是安全墊：這次上市融到約 30 億元，加上帳上接近 10 億元現金，按 2025 年約 2 億多元的真實現金支出速度，「即使不考慮收入，也能支撐個二十年」。

他的興趣清單很具體。電影是《阿甘正傳》，他喜歡那種 humble（謙遜）、平和的心態；書是《三體》，他覺得它「是所有喜歡科學的人心中的 Bible」。如果不做科學家和 CEO，他的另一個夢想是當職業足球運動員——他在高中時期確實有過這個念頭；考慮到天賦，現實一點的選擇是物理老師，他大學時一直拿 Teaching Award（教學獎），也很喜歡教學。被問到如果能穿越回創業第一天、只有一句話的機會會對自己說什麼，他的答案是「鍛煉好身體，注意勞逸結合」——這不像場面話：他讀博期間一天只睡五六個小時，吃飯的速度都比別人快很多，理由是「中國的芯片發展比較落後，時不我待！」

他對年輕人的建議帶著少見的克制：「想清楚再創業。不要為了創業而創業，並不是每個科學家都需要通過創業來證明自己。」但如果決定了，他的建議是「全職跳下來」——一邊保留教職一邊創業看似降低風險，「往往不是最好的選擇」。他與母校的關係沒有斷：2022 年 9 月回杭州外國語學校開講「校友論壇」第一課，同年獲評「杭州市傑出青年人才」；他入選《麻省理工科技評論》2017 年「35 歲以下科技創新 35 人」榜單，2022 年入選世界經濟論壇全球青年領袖（當年名單共 109 位 40 歲以下人士）。至於家庭生活，包括婚姻與子女，公開資料中沒有可核實的披露，本文不作推測。

12國家與時代意義：同一篇論文的兩個去向，與一個尚未被證明的市場

在全球產業地圖上，沈亦晨有一個幾乎無法複製的對照組。同一篇 2017 年的《自然·光子學》論文，同時催生了兩家光子計算公司：共同第一作者 Nicholas Harris 留在波士頓創辦 Lightmatter，沈亦晨則在上海創辦曦智科技。兩家公司選擇了同一條馬赫-曾德爾干涉儀（MZI）技術路線，成為這個賽道最主要的一對選手。2024 年 10 月，Lightmatter 完成 4 億美元 D 輪融資，估值 44 億美元。曦智的選擇不同：它把重心放在中國，用兼容各家 GPU 的獨立第三方定位，去接國內算力自主可控的需求。沈亦晨對這個位置的描述也很有分寸：公司目前最大的競爭對手並非同賽道的創業者，而是佔據 99% 市場份額的「傳統電計算與銅導線」。

這個選擇與時代的關係很直接。2020 年之後，中美技術脫鉤趨勢明顯，硅光與先進半導體是出口管制的敏感領域；曦智把運營重心遷回國內，此後一路上移為中國的股份有限公司並在港交所上市。國家與地方政策也確實接住了這家企業：港交所 18C 章允許未商業化特專科技公司上市，這條規則的靈活性剛好契合它「研發投入巨大、商業化尚未起量」的階段；上海國投旗下孚騰資本參與 C 輪融資，浦東創投、上海科創基金則通過子基金在 A 輪階段即已布局；上海還聯合曦智、中際旭創、上海交通大學等提前布局 CPO、OCS 所需的先進封裝與硅光特種代工，並與上海交通大學聯合成立上海市集成光計算芯片與系統重點實驗室。

他對這個位置的判斷，比多數宣傳口徑更冷靜。他曾說，單顆電芯片的算力與英偉達可能還有 5 到 10 倍甚至好幾代的差距，但這恰恰給光子計算留出了機會——「因為『算力』不夠，『互聯』來湊」；在美國，光計算產品要做到 30 分才能商業化，而在中國「只要做到 3，就能去推動實現商業化」。他也直指生態落差：國內電芯片開發者可能達到 100 萬人，而光計算的開發者尚不足百人，因此公司要在高校推廣光計算課程。行業層面，他預測五年內光芯片將佔據數據中心 30% 至 50% 的份額，光將大比例替代銅互連——「好比海底電纜最早用銅線，但現在全部由光纖替代」。但把這些預測與當下的財務口徑放在一起看：2025 年收入 1.06 億元、淨虧損 13.42 億元、光計算在中國 AI 推理芯片中滲透率不足 0.5%。八百億港元的市值，是市場對未來的定價，而不是對現實的定價。他對此有過一句很誠實的話：「站在技術進步的角度，這件事就應該有公司去嘗試」——即便可能成為炮灰，「我們本來就是最早提出這條路線的人，我們不做，誰來做？」

01家世與早年：菏澤、匯豐與清華的十年

張昌武，一九八三年生於山東菏澤。菏澤在魯西南，黃河故道穿境而過，以牡丹與農業聞名，與航天沒有半點血緣。他的家庭情形，公開資料幾乎沒有交代——申報文件只寫明中國國籍、無境外永久居留權，媒體報道只零星提到他的岳父是航天人。能確定的是，他走的是改革開放後中國最典型的一條上升路徑：考出去，讀財經，進外資機構，然後在三十歲之後突然轉向一個幾乎沒人相信民營企業能做的行業。

本科階段他讀的是金融專業（據《長江商報》二〇二五年報道）。二〇〇八年四月，二十五歲的張昌武進入匯豐銀行（中國）有限公司，一待三年半，至二〇一一年九月。這段經歷在藍箭航天後來的科創板申報文件中有明確記載。據他後來對媒體的說法，在外資銀行期間他主要從事汽車金融等領域，也參與過西班牙桑坦德銀行在國內的一系列股權投資及投後管理，在國際合作與企業戰略規劃方面有相當積累。這是藍箭航天成立之前，他唯一一段有據可查的職業履歷。

二〇一一年九月，二十八歲的張昌武考入清華大學經濟管理學院，讀工商管理碩士，為二〇一一級。二〇一三年七月，他取得碩士學位。這裡需要澄清一個常見的誤讀：他是清華經管的碩士，不是本科。清華經管學院官方微信後來寫道，給他留下最深印象的課程有兩門——楊斌的「批判性思維與道德推理」，與寧向東的「管理經濟學」；前者激發了他對批判性思維的探索熱情，並長期影響他看問題的方式，後者讓他對經濟學原理與社會組織的運行有了多層次感悟。一個後來要去造火箭的人，先在課堂上學的是怎麼提問、怎麼算帳。

二〇一三年七月畢業後，張昌武進入西班牙桑坦德銀行亞太戰略投資部，至二〇一五年五月離職。也正是在清華這三年，他的人生裡出現了一個關鍵人物：他的岳父王建蒙。王建蒙一九七八年畢業於清華大學電機系，是中國衛星發射測控系統部原高級工程師、西昌衛星發射中心初期建設者之一。一九八六年中國發射第一顆實用通信衛星時，他擔任指揮調度員，是喊出「發射」口令的人之一。張昌武後來接觸並了解商業火箭領域，契機就來自這位長輩。金融與航天之間的那道門，最初是從一張家庭飯桌上打開的。

02創業原點：一份文件、一位岳父與七十平方米

二〇一四年是分水嶺。這一年，張昌武在市場調研中注意到一件事：全球低軌衛星的發射需求正在快速積聚。按當時的預判，到二〇二〇年約有六千顆衛星排隊等待發射，而市場上能夠承擔主流商業任務的中型以上運載火箭嚴重不足。他後來形容這種供需失衡像一個「堰塞湖」，並說：「那時，我們已經感到這個市場的水在變熱。」同一時期，政策開始鬆動。二〇一四年十一月，國務院印發《關於創新重點領域投融資機制鼓勵社會投資的指導意見》，首次明確提出「鼓勵民間資本參與國家民用空間基礎設施建設」。二〇一五年，《國家民用空間基礎設施中長期發展規劃（二〇一五—二〇二五年）》發布，首次明確要「發揮市場配置資源的決定性作用」。海外也在給出範例：二〇一五年，SpaceX的獵鷹九號火箭首次實現成功回收。

其實更早，二〇一三年張昌武就已著手籌備民營商業火箭公司。他要解決的第一個問題是自己不懂技術。他找的兩個合夥人，一個是岳父王建蒙，時年約六十歲，做了一輩子航天發射；另一個是王建蒙的多年好友吳樹範，南京航空航天大學博士、洪堡學者、國家「千人計劃」專家，曾在歐洲航天局工作十餘年。據《華商韜略》記載，三個人第一次坐到一起，是在北京鼓樓附近一家賓館裡。一個三十一歲的金融人、一個六十歲的航天老兵、一個五十歲的海歸學者，背景、年代、語言都不一樣，卻在幾個月裡達成了一致：低軌發射是一片真正的藍海，而他們要在市場爆發之前，先造出一枚有競爭力的火箭。

二〇一五年六月一日，張昌武從北京工商局領到營業執照。藍箭航天在北京亦莊經濟技術開發區註冊成立，辦公室只有七十平方米，初創時註冊資本五十萬元（現工商登記註冊資本為三點六億元）。分工從第一天就定下：張昌武負責資本運作與戰略規劃，王建蒙負責技術資源與團隊組建。他常說自己不是技術型創始人，「更像一個做企業的人」，在公司的工號是一號。有兩件小事值得記下。一是零壹空間的創始人舒暢，也曾短暫出現在藍箭的早期團隊中，很快離開獨立創業。二是公司成立兩個月後，在航天體制內工作了近十二年的張龍加入——浙江大學畢業，曾參與神舟六號的研製與發射。

資金是第一道真正的關卡。當時在大多數投資人眼中，民營企業造火箭近乎天方夜譚。「早期我們經常被當成騙子。」張昌武說。投資人問的問題，業內當時也沒人能回答：民營企業能不能找齊全鏈條的專業人才？國家讓不讓發射？發射場能不能用？他的辦法是「少講故事，多講進展，用實事說話」。比如他向投資人承諾三個月內組建核心團隊，就在三個月內兌現。靠這個辦法，藍箭拿到了創想天使基金的千萬元天使輪融資——創想天使的管理合夥人祝君，同時擁有十年以上航天背景與金融經驗。張昌武後來說：「團隊成型後，投資人才真的相信：原來體制內真有人願意放下鐵飯碗創業。」

03最艱難的關：朱雀一號的第三級

供應鏈是比融資更硬的牆。張昌武對媒體回憶：二〇一五年，公司嘗試過購買現成的火箭發動機，最終沒有實現，「這就倒逼我們自己解決動力問題」。當時國內工業供應鏈中絕大多數是體制內單位，民營企業的設計問題可以自己解決，但火箭怎麼造出來、誰來做配套，全是空白。從此藍箭走上自研發動機的路。二〇一七年十二月至二〇一八年三月，十噸級液氧甲烷火箭發動機先後完成燃氣發生器首輪點火試驗與推力室試車。二〇一八年七月，公司在京召開液氧甲烷火箭產品戰略發布會，提出「黃金推力區間」概念——認為六十至一百噸是商業液體火箭發動機推力的黃金區間，向下覆蓋單發小型火箭，向上覆蓋中型與大型火箭，商業價值大、研製難度適中、投入產出比最高。

在這條主線之外，藍箭還需要一枚能飛的火箭，來回答「民營企業能不能造火箭」這個問題。二〇一八年八月，固體三級運載火箭朱雀一號總裝完畢。同年十月二十七日下午四時，朱雀一號（朱雀·南太湖號）在酒泉衛星發射中心搭載「未來號」微小衛星升空。火箭一級、二級飛行與整流罩分離均正常，三級出現異常，衛星未能入軌，任務失敗。「那一刻，我們無比緊張，緊握雙手，屏息凝神。」張昌武回憶，「直到三級分離，飛行狀態穩定，所有人都以為勝利在望。」那一夜，酒泉的戈壁灘上，參與研製和發射的同事有人失聲痛哭，也有人坐在角落沉默不語。

事後他給這次失敗的評價，在往後幾年裡被反覆引用：「朱雀一號對藍箭來說，是個慘痛的教訓，也是極其寶貴的財富。只要質量控制存在漏洞，風險遲早會暴露。不是這一次，就是下一次。這是航天的風險，也是航天的魅力所在。」更現實的收穫有兩項：一是這次發射讓藍箭跑通了運載火箭從研製、試驗到發射的全流程，並拿到國內首張民營運載火箭發射許可證；二是它逼出了公司的戰略轉折。張昌武決定放棄不可重複使用的固體火箭，把資源集中投向液體火箭，而且是當時全球尚無入軌先例的液氧甲烷路線。

這是一個把公司推入更長隧洞的決定。從技術常識看，固體火箭操作簡便、響應快、維護成本低，但運力小、單位發射成本隨規模擴大不降反升、箭體一次使用；液體火箭設計與製造複雜，卻具備高比衝、推力可連續調節，更重要的是可以回收複用，有規模效應。張昌武在二〇一八年接受《界面新聞》專訪時說得很直白：「現在來看，運載火箭研製不是一個特別燒錢的事。研製工作的資金需求量是以幾十億元人民幣為上線的，這個資金投入規模與互聯網行業和汽車行業相比，只是九牛一毛。」這句話在當時顯得從容，若干年後卻成為他所有公開表述中最受檢驗的一句——二〇二五年一年，藍箭的研發費用是九點二二億元，淨虧損十七點一一億元。

04翻盤的一役：二〇二三年七月十二日

選液氧甲烷，是張昌武算過帳的決定。他向記者解釋：從火箭發射的角度看，推進劑的重量大約佔運載火箭自身重量的百分之八十，推進劑成本在發射鏈條裡佔百分之三十左右，「使用液氧甲烷可以使推進劑成本降低十倍左右」。甲烷燃燒潔淨、不積碳，發動機用後無需清洗，適合重複使用；液氧與甲烷的沸點接近，便於採用低溫推進劑共底貯箱，可以減重。但難度同樣清楚：液氧甲烷發動機雖早在上世紀六十年代就被提出，直到二〇一〇年代後期，全球仍沒有任何一枚液氧甲烷火箭成功入軌，SpaceX的猛禽發動機和藍色起源的BE-4也仍在研發階段。業界的潛台詞很明白：有成熟路徑可循，為何偏要自研？

第一個實物答案是二〇一九年五月十七日。湖州，藍箭航天發動機熱態試驗中心，「天鵲」（TQ-12）八十噸級液氧甲烷發動機完成二十秒全系統試車。這是中國民營航天大推力液體火箭發動機「零的突破」，也使天鵲成為繼SpaceX猛禽、藍色起源BE-4之後，世界上第三台完成全系統試車考核的大推力液氧甲烷火箭發動機。此後兩年，天鵲系列接連完成一百秒滿推力試車、兩百秒變推力試車、十噸級全系統試車、單次四千秒長程試車；二〇二〇年五月，朱雀二號控制系統與TQ-12匹配驗證成功，TQ-12成為全球首台通過泵後擺技術驗證的大推力液氧甲烷發動機。

但火箭要飛起來，難度才真正顯現。二〇二〇至二〇二一年間，朱雀二號屢次推遲發射。二〇二二年十二月十四日十六時三十分，朱雀二號遙一運載火箭在酒泉衛星發射中心首飛，一級、二級主機飛行正常，二級游機工作異常，未能達到入軌速度，任務失利。故障原因最終定位在游機氧輸送管與氧泵低壓殼體連接部位：剛度不匹配，低壓殼體強度裕度不足，在主機關機的水擊作用下破裂，引發游機異常關機。藍箭隨即成立專項工作組，逐幀分析遙測數據，開展上百次故障復現實驗，並於二〇二三年三月十八日通過故障歸零專家評審。對一家成立七年的民營公司而言，這套「歸零」流程本身就是能力證明。

二〇二三年七月十二日九時〇〇分，朱雀二號遙二在酒泉升空，按程序完成飛行，成為全球首枚成功入軌的液氧甲烷火箭。此前圍繞藍箭技術路線的爭議，在這一天戛然而止。同年十二月九日，朱雀二號遙三以一箭三星完成商業發射，把鴻鵠衛星、天儀三十三衛星與鴻鵠二號送入軌道，公司首次確認火箭發射服務收入二百二十八點七五萬元。從二〇一五年註冊到這一刻，八年。張昌武後來的複盤只有一句：藍箭所做的，就是把技術路線和商業模式在正確的時間節點上對齊。

05公司發展史（一）：從固體到液體，二〇一五至二〇一九

二〇一五年六月一日，藍箭航天空間科技股份有限公司在北京亦莊註冊成立，總部此後長期設在榮華南路，緊鄰中國運載火箭技術研究院，這一帶後來聚集了全國約四分之三的商業航天公司，被業內稱為「火箭一條街」。同年，公司獲得創想天使基金千萬元天使輪融資。二〇一六年，完成由永柏資本、陝西金控資本等機構參與的逾億元A輪融資，並在十二月與丹麥GomSpace衛星公司簽署發射服務合同，二〇一七年一月十三日在杭州舉行簽約儀式——這是國內民營商業航天企業簽下的第一筆國際市場商業火箭發射服務訂單。二〇一七年，公司又獲西安市高新區投資基金數千萬元A+輪融資，以及浙江省湖州市提供的逾二億元軍民融合專項綜合投資。

資本與基地幾乎同步推進。二〇一七年十二月至二〇一八年十一月，藍箭陸續完成B輪與B+輪融資，其中二〇一八年十一月宣布的B+輪為三億元，由華創資本領投，中冀投資、西電天朗創投、三十六氪基金跟投，金風科技、創想天使、中天世紀等老股東繼續追加。湖州的製造基地則在二〇一八年四月二十四日動工改擴建，同年十二月十九日一期工程通過竣工驗收並交付使用——這是國內首個民營火箭和發動機生產製造基地，也是當時亞洲最大的民營火箭製造工廠。北京與西安設兩個研發中心，火箭生產製造基地落在浙江湖州，這個格局在此後數年沒有變過。

技術側的節奏同樣密集。二〇一九年一月，天鵲十噸級液氧甲烷發動機燃氣發生器完成一千秒熱試車；二月，突破激光焊接夾層噴管技術，天鵲八十噸級發動機噴管夾層激光焊接一次成功，這是中國首個運用激光焊夾層噴管工藝的火箭發動機噴管；三月，天鵲八十噸級發動機半系統試車成功；五月十七日，TQ-12完成二十秒全系統試車；七月完成百分之百推力一百秒試車，十月完成兩百秒變推力試車；十一月，天鵲十噸級發動機全系統試車成功。二〇一九年八月，藍箭經北京市政府推薦，作為中國展團唯一民營航天企業亮相第十四屆莫斯科航展。

商業端也在布點。二〇一九年十二月，藍箭與長沙天儀空間科學研究院簽署朱雀二號首個國內搭載發射服務合同；同月宣布完成五億元C輪融資，投資方為碧桂園創投，當年累計融資六億元。二〇一九年十二月二十八日，嘉興藍箭航天中心開工，日後這裡成為朱雀系列火箭的總裝總測基地。二〇二〇年三月，天鵲十噸級發動機單次試車時長達到四千秒，單台累計試車時長突破一萬秒，發動機的設計、生產、裝配質量與工作可靠性得到充分考核。到二〇一八年前後，公司近二百名員工中，從事火箭研製工作的技術人員佔三分之二；到二〇二二年十二月，員工超過五百人，技術研發人員佔比超過百分之七十。

06公司發展史（二）：發動機、基地與資本，二〇一九至二〇二三

二〇二〇年是發動機年。五月十三日，朱雀二號火箭控制系統與天鵲TQ-12發動機匹配驗證成功，完成三次搖擺試車點火試驗，標誌著朱雀二號進入聯合匹配驗證階段。七月十四日，二級游機天鵲TQ-11完成單次三千秒熱試車，創下國內泵壓式低溫液體火箭發動機單次試車時間最高紀錄。十一月十三日至十七日，朱雀二號二級發動機聯合試車成功，這輪試車由八十噸級與十噸級天鵲液氧甲烷發動機組合而成。十二月，國內第一個通過充分熱試車驗證的液氧甲烷針栓式噴注器試車成功——這是可回收火箭的關鍵技術之一。二〇二一年二月，朱雀二號一級發動機總裝完成；六月三十日，嘉興藍箭航天中心首期竣工，即將投入使用。

資本市場對應地抬了一次價。二〇二〇年九月，藍箭宣布完成十二億元C+輪融資，由紅杉資本中國基金、碧桂園創投、經緯中國等領投，基石資本旗下上市公司聯合領投，國家中小企業發展基金、湖州賽源政府基金、光速中國、歌斐資產、延福投資、沄柏資本、湖畔國際、融創投資、魯信創投、弋盛投資、聚卓資本等跟投；投後估值五十二億元。加上當年上半年完成的C輪五億元，公司在過去十二個月共獲得投資超過十八億元。二〇二一年八月完成D輪，二〇二二年二月完成D+輪。這幾輪的共同背景，是二〇一九年天鵲八十噸級發動機試車成功——資本開始相信這家民營公司真的能把大推力液氧甲烷發動機做出來。

二〇二二年是產品線全面收口的一年。十月二十日，天鵲真空型液氧甲烷發動機（TQ-15A）完成首次全系統試車，真空推力八百三十六千牛，可實現百分之六十至百分之一百一十深度變推，取消游機、具備三次點火能力。十一月，藍箭輔助動力系統「雲鵲」（YQ-10）首台全系統試車成功。十二月十四日，朱雀二號遙一在酒泉首飛失利。半年之後的七月十二日，遙二成功入軌，拿下液氧甲烷火箭的全球首發。二〇二三年八月，公司正式為可重複使用火箭朱雀三號立項；十二月九日，朱雀二號遙三以一箭三星完成商業發射。從第一枚固體火箭失敗到液體火箭連續成功，藍箭用五年時間換來了一條可以走下去的技術路線。

07公司發展史（三）：朱雀三號與商業化，二〇二三至二〇二五

朱雀三號是藍箭迄今最大、最複雜、也最冒險的工程。二〇二三年十二月，公司對外發布朱雀三號可重複使用液氧甲烷運載火箭，計劃二〇二五年具備首飛能力，從立項到實現入軌加回收實際只用了三年，而傳統航天新型號從立項到首飛通常要五到八年。這是一款單芯級兩級串聯構型、以不鏽鋼為主結構材料的火箭，也是國內首款不鏽鋼液體運載火箭：一、二級箭體直徑四點五米，整流罩直徑五點二米，全箭長六十六點一米，起飛質量約五百六十噸，起飛推力七千五百四十二千牛。

動力系統一級採用九台天鵲十二A液氧甲烷發動機並聯，二級採用一台天鵲十五A真空型發動機；一子級安裝反作用控制系統、柵格舵與著陸支腿，設計重複使用次數不低於二十次，成熟後航區回收狀態下近地軌道運載能力不低於十八噸。公司披露，可回收的一子級箭體造價約佔整箭成本的百分之七十。在材料與工藝上，朱雀三號採用高強度不鏽鋼貯箱與激光焊接工藝，公司稱大直徑超薄壁不鏽鋼貯箱的製造成本較鋁合金大幅降低約百分之八十，生產週期縮短約百分之四十。

驗證是一步步來的。二〇二四年一月十九日十六時，朱雀三號VTVL-1可重複使用垂直起降回收驗證火箭在酒泉點火升空，飛行時間約六十秒，飛行高度約三百五十米，著陸位置精度二點四米，著陸速度零點七五米每秒，著陸姿態角約零點一四度，任務圓滿成功。同年四月十五日，十公里級垂直起降回收試驗箭完成總裝；九月十一日，VTVL-1試驗箭成功完成十公里級垂直起降返回飛行試驗，實現國內首次液體發動機空中二次點火。這是中國商業航天在可重複使用運載火箭技術上一次標誌性的突破，也為一年後的軌道級首飛鋪平了道路。

同一年，朱雀二號改進型接棒承擔商業發射。二〇二四年十一月二十七日十時，改進型遙一在東風商業航天創新試驗區首飛成功，把光傳〇一、〇二試驗星送入軌道。二〇二五年五月十四日，改進型遙五發射成功，搭載一顆兩點八噸的定製化試驗載荷。五月十七日，改進型遙二以一箭六星把天儀二十九星等六顆衛星送入預定軌道，實現火箭發射服務收入三千五百六十九萬元。但八月十五日九時十七分，改進型遙三點火升空後飛行異常——起飛後二百五十八秒出現異常，供電母線短路，任務失利。藍箭當日發布情況說明，表示將基於全部飛行數據全面開展故障歸因與技術改進。張昌武後來在採訪中把這次失敗定義為一次契機：「我們就把『歸零』當作一次系統性提升的契機。」

二〇二五年十二月三日，朱雀三號遙一運載火箭在東風商業航天創新試驗區發射升空，二級成功進入預定軌道，一子級垂直回收試驗失敗——著陸段點火後出現異常燃燒，未能在回收場坪實現軟著陸。這是中國首次進行可重複使用火箭的軌道級發射與回收驗證。事後張昌武在發布會上平靜表示，核心目標已達成，「我們完成了可重複使用火箭的工程化驗證」。二〇二六年八月，朱雀三號總指揮戴政披露了失敗細節：一子級在距地面三點三公里時進行著陸點火，點火動作完成、火也點起來了，隨後出現異常燃燒，最終墜落在著陸場坪邊緣。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年的第一件大事在資本市場。二〇二五年七月二十九日，藍箭在北京證監局完成上市輔導備案；十二月二十三日輔導狀態變更為「輔導工作完成」；十二月三十一日，上交所受理其科創板IPO申請，適用商業火箭企業科創板第五套上市標準，成為該指引發布後首家申報的民營液體火箭企業。二〇二六年一月二十二日進入問詢；三月三十一日因財務資料過有效期中止審核；六月二十九日更新招股說明書後恢復為「已問詢」。本次擬募資七十五億元，全部投向可重複使用火箭項目，其中二十七點七億元用於產能提升、四十七點三億元用於技術提升，保薦機構為中國國際金融股份有限公司。

財務口徑並不好看。招股書顯示，二〇二三年至二〇二五年，公司營業收入分別為三百九十五點二一萬元、四百二十七點八三萬元、五千二百零九點六三萬元；歸母淨利潤分別虧損十一點八八億元、八點七六億元、十七點一一億元；研發費用分別為八點三億元、六點一三億元、九點二二億元。截至二〇二五年十二月三十一日，合併報表未分配利潤為負五十九點五五億元。公司解釋，朱雀系列火箭尚處商業化發射初期，發射服務收入規模小且不穩定，難以覆蓋成本費用；航空航天裝備屬技術密集型行業，須持續保持較高研發投入以保證技術先進性。招股書同時提示，預計最早二〇二九年才能實現合併報表盈利；期權激勵計劃的業績考核要求則是二〇二六年度營業收入不低於五億元、二〇二七年度不低於十億元。

產能與訂單在同步鋪開。發動機端，湖州基地二〇二五年四月迎來第一百台液氧甲烷發動機「天鵲十二A」下線，標誌動力系統進入規模化生產階段；地方規劃口徑顯示，其二〇三〇年產能將超過一千台，直接產值六十億元，帶動產業鏈產值二百億元。火箭端，二〇二六年五月，藍箭無錫生產基地在惠山區洛社鎮投產，這是國內首個基於高強度不鏽鋼與智能化激光製造技術的火箭批量生產工廠，具備年產二十發朱雀三號的能力；嘉興藍箭航天中心則繼續承擔總裝總測。客戶端，公司已與中國衛星網絡集團、上海垣信衛星簽署正式發射服務合同，朱雀三號入選中國星網核心運載火箭供應商名單，並中標垣信衛星二〇二五年運載火箭發射服務採購項目的一箭十八星服務。

然後是八月十九日。北京時間七時三十五分，朱雀三號重複使用遙二運載火箭在東風商業航天創新試驗區發射升空；起飛約一百三十七秒，一、二級分離，二子級繼續飛行，將鴻擎科技自主研製的鴻鵠〇三星準確送入預定軌道；七時四十一分許，一子級按預定程序成功軟著陸於甘肅省民勤縣朱雀三號著陸場坪。這是中國首次實現運載火箭一子級著陸支腿方式回收，也是首次實現入軌級運載火箭一子級陸地回收；藍箭由此成為全球第四家實現軌道級一子級回收的企業。任務同時搭載了公司自主研製的非火工品堆疊壓緊釋放裝置，為後續大型星座組網的批量快速部署做準備。九月十五日十四時二十六分，朱雀二號改進型遙七又以一箭十星把千帆極軌十九組十顆衛星送入軌道，成為中國民營商業航天企業首次承擔大型衛星互聯網星座規模化組網任務。

09領導風格與性格：不做工程師的董事長

張昌武的管理風格，第一條是對自己位置的清楚。他從第一天就沒打算做技術，「始終覺得自己更像是一個『做企業的人』」，在公司的工號是〇〇一。這種自我定位帶來一種罕見的克制：他不在技術評審會上拍板氣動布局，而是把技術決策交給王建蒙、吳樹範、張龍、戴政這些航天體系出身的人，自己盯資本、戰略、政府關係與組織。二〇一八年他對《界面新聞》說得很坦白：「作為一家民營企業，面向的市場需求和技術方向，不存在和『國家隊』的競爭」，又說「和『國家隊』肯定是一個補充關係。在未來至少十年的時間裡，我們可能都是一種補充。」這種低姿態在創業者中並不常見。

第二條是用人上的「向上找」。三十一歲創業時，他找的是六十歲的王建蒙和五十歲的吳樹範——都比他年長、比他懂行。這種選擇需要相當的自信，也需要願意讓別人比自己更有權威。此後公司高管的構成也印證同一邏輯：董事、副總經理張晨來自普華永道，董事會秘書張宇蛟在金杜律師事務所工作逾七年，財務總監譚姝婷來自中國銀行。藍箭的高管層裡金融與專業服務出身者比例很高，與技術骨幹形成兩個明顯的群體。張昌武的用人標準，可以概括為——找能把事情做成的人，而不是找聽話的人。

第三條是對外溝通的方法。早期融資困難時，他的策略是「少講故事，多講進展，用實事說話」，承諾三個月組建核心團隊就三個月兌現。他私下的自我投射則完全不同：據《華商韜略》記述，他曾用一張《星球大戰》海報發朋友圈，配文是「經過戰鬥的洗禮，天行者盧克已成為一名出色的自由戰士」。這條朋友圈與他在發布會上使用的「體系」「閉環」「對齊」「歸零」等管理語言形成了明確的落差——公開場合的張昌武極少動情，二〇二五年十二月首飛回收失利後，他在發布會上只是平靜地說，核心目標已達成，我們完成了可重複使用火箭的工程化驗證。

第四條是對錢與時間的態度，這也是最受檢驗的一條。二〇一八年他說「運載火箭研製不是一個特別燒錢的事」，資金需求「以幾十億元人民幣為上線」。七年之後，公司一年研發費用九點二二億元、一年淨虧十七點一一億元、累計未分配利潤為負五十九點五五億元。他沒有迴避這個落差，而是把它重新定義為時間問題：「商業航天要『賺錢』，不是短跑，而是一場需要長期戰略定力與耐心資本支持的馬拉松。」他也反覆強調技術路線、耐心資本與清晰商業閉環三者的協同，並承認在啟動科創板進程的同時，必須構建長期資金體系，「為五到十年的持續投入做好準備」。與同代創業者相比，張昌武少見地不談速度，而談節奏。

10成功秘訣：一個外行如何做出火箭

第一，選對了時間窗。二〇一四年全球低軌衛星發射需求積聚、供給嚴重不足；同年十一月國務院文件首次明確鼓勵民間資本參與國家民用空間基礎設施建設；二〇一五年SpaceX獵鷹九號首次成功回收——政策、需求、技術範式三個變量在同一時間鬆動。張昌武不是技術突破者，但他是最早把這三件事放在一起看的人之一，並在市場真正爆發前七八年就開始下注。他自己的說法是：「那時，我們已經感到這個市場的水在變熱。」

第二，用股權解決自己不懂的事。他沒有去讀一個航天學位，而是把王建蒙、吳樹範變成了合夥人。第三，敢在關鍵節點上全押。二〇一八年朱雀一號失敗後，他放棄不可重複使用的固體火箭，把資源全部轉向當時全球尚無入軌先例的液氧甲烷路線。第四，把融資節奏綁在技術里程碑上：二〇一九年天鵲八十噸級試車成功，對應C輪五億元與二〇二〇年C+輪十二億元、投後估值五十二億元；二〇二三年七月入軌成功，對應當年十二月十二點二億元融資、投後估值一百七十七億元；二〇二四年十二月，國家製造業轉型升級基金單筆九億元。十年累計融資超過七十億元。

第五，供應鏈自建。二〇一五年買不到現成發動機，就自己造；此後湖州造發動機、嘉興做總裝總測、無錫建不鏽鋼智能工廠，三個基地分工明確。第六，借國家戰略的勢。中國星網與垣信衛星的正式發射服務合同、中國星網核心運載火箭供應商名單、科創板商業火箭第五套上市標準，這些都不是單純靠產品性能能拿到的。第七，對失敗有一套處理方法：歸零、復盤、用連續發射驗證——朱雀一號失敗後成立專項組；二〇二二年遙一失利後逐幀分析、上百次復現實驗，二〇二三年三月十八日通過歸零評審；二〇二五年八月改進型遙三失利後，強化供應鏈質量與驗證覆核機制。

第八，也是最容易被忽略的一條：他對時間的耐心。從二〇一五年註冊到二〇二三年入軌，八年；從二〇二三年朱雀三號立項到二〇二六年回收成功，三年，而傳統航天新型號從立項到首飛通常要五到八年。把他的成功拆開看，可複製的部分是方法——找對人、把融資綁在里程碑上、對失敗做歸零、把供應鏈握在自己手裡，這些任何硬科技創業者都可以學。不可複製的部分是時代：中國低軌星座的頻軌時限、國家對民營航天准入的逐步放開、科創板為未盈利硬科技企業開出的第五套標準，以及一個願意為十年不賺錢的公司連續輸血的一級市場。他自己也承認這一點的邊界，所以他說的是「把技術路線和商業模式在正確的時間節點上對齊」，而不是「我們比別人更聰明」。

11個人、價值觀與生活：擇一事，終一生

張昌武一九八三年生，二〇二六年四十三歲。他的家庭生活幾乎完全不在公開視野中，唯一被反覆提及的家庭關係是岳父王建蒙——既是長輩，也是合夥人與副董事長。這種關係在中國創業公司中相當罕見：他從岳父那裡獲得的不只是技術資源，還有一整代航天人的人脈與信任。他把公司總部放在亦莊，也延續了這種地緣上的貼近——那裡緊鄰中國運載火箭技術研究院，聚集了全國約四分之三的商業航天公司，形成一條「火箭一條街」。

他的公共身分在近幾年快速增加。二〇二五年一月，他被增補為政協北京市第十四屆委員會委員，屬於科學技術界。在二〇二六年一月二十三日市政協全會前的「我是委員」集體採訪中，他談的是北京商業航天企業數量從不足五十家增至三百餘家、產業規模突破千億級、「南箭北星」格局成型。他也以APEC中國青委會執行委員的身分參與活動，並多次回到清華作報告——二〇二四年四月在清華「新理念、新科技、新人才」論壇作《商業航天：機遇與挑戰》主題報告；二〇二六年五月八日在浙江省委黨校「共富善治大講堂」作《培育新質生產力：商業航天視角下的新興產業與未來產業》報告，線上線下十八點六一萬人次參加。

榮譽清單相當長：二〇一八年入選科技部創新創業人才，同年獲《中國科學報》「中國科學年度新聞人物」；二〇一九年獲中國經濟年度人物新銳獎，併入選《財富》中國四十位四十歲以下商界精英，排名第五；二〇二三年四月獲商業航天年度人物獎；二〇二四年十一月獲第十六屆航空航天月桂獎風雲人物獎；二〇二五年四月獲北京市勞動模範稱號。他在公開場合反覆使用的一個說法是「擇一事、終一生」。這句話放在一個從匯豐銀行出來、三十五歲才開始造火箭的人身上，與其說是天生的信念，不如說是被十年時間反覆校驗之後的自我確認。

生活細節公開得極少。他極少談個人愛好、財富或家庭，公開形象基本等同於公司形象——深色西裝、語速平緩、偏愛工程與管理詞彙。唯一一次較為外露的表達，是那條《星球大戰》的朋友圈。他在清華學到的兩門課——批判性思維與道德推理、管理經濟學——大概比任何技術課程都更貼近他真實的工作：在一個充滿不確定性的行業裡，他的日常不是解方程，而是在信息不全的條件下判斷，下一步該把錢押在哪裡。

12國家與時代意義：從補充者到主力運力

藍箭航天的十年，恰好覆蓋了中國商業航天從零到規模化的整個週期。在二〇一四年之前，中國進入太空的能力完全掌握在國有體系手中；二〇一四年政策破冰，二〇一五年被稱為中國商業航天元年。到二〇二五年，國家航天局印發《推進商業航天高質量安全發展行動計劃（二〇二五—二〇二七年）》，以五大類二十二條把商業航天全面納入國家航天發展總體布局；同年，國家航天局成立商業航天司，並宣布設立「國家商業航天發展基金」。二〇二五年十二月二十六日，上交所發布指引，商業火箭企業適用科創板第五套上市標準，為尚未盈利的硬科技企業打開資本通道。制度、資本與技術在同一年對齊。

張昌武在這個格局中的位置，十年間發生過一次根本性變化。二〇一八年他接受《界面新聞》專訪時說：「和『國家隊』肯定是一個補充關係。在未來至少十年的時間裡，我們可能都是一種補充。」到二〇二六年，朱雀三號已是由國家航天局批復立項的新一代低成本、大運力、高頻次、重複使用液氧甲烷運載火箭型號，由藍箭航天抓總研制；國家航天局組織工程全線，吸納商業航天企業參與國家重大任務。二〇二六年八月十九日，國家航天局發布消息，稱這次任務是「我國首次成功實施重複使用運載火箭一子級著陸腿方式陸地可控回收」，並明確「標誌著我國重複使用火箭技術取得重大突破」。從「補充」到「抓總」，這句話的位移，本身就是中國商業航天十年最準確的刻度。

放到全球競爭裡看，意義更清楚。據報道，二〇二五年SpaceX全年完成一百六十七次軌道發射，連續第六年打破自己的紀錄，星鏈在軌衛星超過九千三百顆；同期中國發射次數為七十八次（含朱雀三號首飛），動用了十多種不同型號的火箭。成本差距是代際的：華源證券研報顯示，二〇二四年中國商業航天的平均發射成本約為每千克七點五萬元人民幣，而SpaceX憑藉成熟的可回收技術已控制在約每千克二萬元。朱雀三號的目標是把每千克的發射費用降到兩萬元人民幣以下。與此同時，國際電信聯盟的頻軌資源遵循「先到先得」，中國在二〇二五年底向國際電信聯盟提交了新增二十點三萬顆衛星的頻譜與軌道資源申請，覆蓋十四個衛星星座。這意味著運力不再只是商業問題，而是國家在低軌的入場券。

藍箭航天的這次突破，還讓中國成為美國之外第二個同時掌握海上與陸地兩種火箭回收技術路線的國家——長征十號乙走海上網系回收，朱雀三號走著陸支腿加垂直起降。而朱雀三號的意義不止於此：它是全球第四家實現軌道級一子級回收的企業成果，也是中國首款成功入軌並實現陸地回收的運載火箭。對行業而言，它的外溢同樣具體——湖州、嘉興、無錫、杭州、南京的上百家配套企業被拉進同一條產業鏈，不鏽鋼貯箱激光焊接、柵格舵、低溫調節閥、傳感器這些原本分散的能力，被真實的飛行任務逼著升級。若藍箭此番科創板IPO順利落地，它將成為中國資本市場上的「商業航天第一股」。張昌武在二〇二六年市政協的一次發言裡，把這件事說得比任何財報都簡單：「擇一事、終一生。」

01家世與早年：西安少年、一支黑管與物理的召喚

楊釗一九九一年四月出生於陝西省西安市，漢族。關於他的家庭，公開資料極少：他本人幾乎從不談父母職業與家境，只在一篇自述裡留下一個細節——小學二年級時，父母替他在家附近報了一個課外班，他「體弱多病」，在幾樣樂器裡一眼相中了單簧管，也就是黑管。那個年代西安的少兒藝術班不少，一個瘦弱的孩子拎著長長的黑色樂器箱走進校門，成了他童年最鮮明的形象。非科班、無家世可倚，這是他人生敘事裡少見的、被他自己反覆回味的柔軟底色，也解釋了他後來為何總把「環境」而不是「天賦」掛在嘴邊：對的人與對的氛圍，能托住一個起步平平的少年。

他練了五年黑管。小班授課，老師先示範，五六個孩子各吹各的；教材上小學生只練前二十首，他自己往後翻，翻到七十多首遇到《梁祝》，「我用所學的殘破知識，一點點摸著管鍵，半通不通地演奏了出來」。小學每週一的升旗儀式需要管樂班，他便每個星期一拎著樂器箱上學，靠這件小事在整所小學裡出了名。小學四年級轉來一個同樣練黑管的女同學，程度比他高、皮箱比他的塑料箱高級，兩人放學後留在教室裡合譜、爭吵、試音，很多個黃昏就那樣過去。多年以後他把這段寫成文章，稱那是一種「會心一笑、心有靈犀」的時刻，也是他最早體會到的、把一件難事做順之後的快樂。

中學以後他不再上黑管班，只在初中偶爾練一練，高中住校便徹底放下。高中階段他隨陝西物理競賽隊外出比賽，晚上同住的人打一款音樂節奏遊戲，他和另一個學小提琴的人輕鬆取勝，沒學過音樂的同伴滿頭大汗也追不上。二〇〇九年，他考入北京大學物理系——那一年他十八歲。按他的自述，進北大之後他才第一次系統地知道物理學有哪些分支、哪些問題足以決定人類未來十年的走向；也是在那個階段，可控核聚變第一次進入他的視野，並被他當成「終身奮鬥目標」。一個喜歡音樂的陝西少年，從此把人生的主線交給了等離子體。

值得注意的是，他成長的年代恰好是中國民營科技力量開始向硬科技縱深推進的年代。與他同齡的一批人，大學四年級時看著移動互聯網起飛，畢業時撞上人工智能的第一波浪潮；而他把目光投向了一個週期更長、回報更遠、失敗率更高的方向。這種「提前十年選題」的習慣，在他還是本科生時就已顯露，日後也成為他最鮮明的行事特徵之一——他反覆說自己偏愛那類「無論是不是我做，早晚會有人做」的事，因為那是歷史的必然趨勢。

02創業原點：從黑洞與弦論，到金沙江創投的入駐企業家

在北京大學物理系，他的成績位列專業前百分之五。本科期間他關注可控核聚變技術，但彼時的中國，聚變仍是大科學裝置與國家隊的領域，一個本科生能做的事相當有限。二〇一三年，他赴美國史丹福大學物理系攻讀博士，四年完成學位，研究的是量子引力與弦論——用他的話說，「離這個世界比較遠的一些基礎物理」。他的博士工作落在量子信息與量子引力的交叉處：用隨機張量網絡刻畫全息對偶，用深度學習去預測時空的量子結構。這些題目與核聚變表面上毫無交集，卻給了他兩樣日後極重要的東西：一是把極複雜系統寫成簡潔方程的能力，二是對「用算法換算力、換成本」的直覺。

他最有名的一篇論文是二〇一六年發表的《隨機張量網絡的全息對偶性》（Holographic duality from random tensor networks），與史丹福同儕合作，谷歌學術引用逾四百次；二〇一七年他又與尤亦莊、祁曉亮合作發表《從糾纏特徵中學習空間幾何》，把「尋找最優隨機張量網絡」這個問題形式化為一個深度學習問題，被視為人工智能與弦論交叉研究的早期工作之一。百度百科把這段研究方向概括為「利用量子信息方法研究量子引力和黑洞的幾何結構問題」，並稱他「最早完成人工智能和弦論方向的交叉研究工作」。論文之外，這段經歷還給了他一個日後被同事反覆稱道的習慣——先寫「零維代碼」，把目標定義清楚，再讓所有子系統去對齊它。

二〇一七年博士畢業後，他沒有走學術路線，而是在美國待了一年。「只是覺得早晚要做成像聚變這種事，你還是要通過創業的方式去實現的。但剛畢業也不知道該幹啥，」他後來這樣解釋那段空白。二〇一八年底他回國，先做了金沙江創投的入駐企業家（EIR），同年五月在北京註冊成立元悅科技，做的是用人工智能陪孩子練鋼琴——從陪練切入，試圖讓人工智能模仿專業音樂老師的教學行為。這家公司與聚變毫無關係，卻是他刻意安排的「補課」：從產品研發、市場營銷到融資節奏，他完整走了一遍從零到一的商業化流程。據報道，元悅科技累積了數百萬用戶，二〇一九年四月十七日獲得金沙江創投一千萬元天使輪融資，後於二〇二二年一月註銷。

他對這三年的總結相當清楚：補齊從一名研究者到創業者的商業化短板。這段經歷還留下一條隱線——他第一次創業選擇音樂，並非偶然，而是回到小學那支黑管；他在自述裡寫，教育環節有那麼多破綻，只因為太普遍，所有人都默認了，而人工智能與互聯網可以幫大多數人跨過那道門檻。這種「用技術抹平門檻」的思路，日後幾乎原封不動地搬到了聚變上：把極昂貴的大科學裝置，變成一件算得清成本、可以批量交付的產品。

03最艱難的關：四個人的「零維代碼」與一件沒上裝置的磁體

二〇二一年三月，他經人引薦認識了資深投資人葉雨明——清華大學汽車工程系本科、清華經管學院技術經濟與管理碩士，曾長期在光信資本從事股權投資。葉雨明當時正想進入新能源賽道，有人向他推薦了一個「想搞可控核聚變的史丹福小天才」；在朋友的撮合下，三十三歲的葉雨明遇到了剛滿三十歲的楊釗，兩人一拍即合。當年六月二日，能量奇點能源科技（上海）有限公司在上海註冊成立，註冊資本一百九十六點八一萬元人民幣，法定代表人是楊釗。四位創始成員是楊釗、葉雨明、董閣與李柱永：楊釗與董閣是北大校友、都留學歸來讀物理，董閣有普林斯頓博士後經歷，李柱永是上海交通大學電氣工程系副研究員、高溫超導磁體領域專家。這是中國第一家以聚變能源商業化為目標的創業公司。

最難的關不在圖紙上，而在沒人相信。當時全球主流是低溫超導託卡馬克——中國的東方超環、韓國的 KSTAR、日本的 JT-60SA，以及在建的法國 ITER，全部走這條路，已有二十多年工程積累；而「全高溫超導」是一條從未被任何一台完整裝置驗證過的路線，業界權威的質疑集中在兩點：技術路徑非主流，團隊並非科班出身。楊釗後來回憶，問題從來不是「能不能幹」，而是「要解決的問題非常多，且每一個都必須自己找答案」。他的判斷很簡單：高溫超導面臨的都是工程問題，不是科學問題。

二〇二一年他做的第一件事，是寫一版「零維代碼」——把一台尚不存在的託卡馬克，拆成十個一級子系統、三十多個二級子系統，從最終想要的等離子體參數一路反推：磁場要多強、形狀是什麼樣、真空室結構怎麼長、各子系統運行溫度是多少、什麼時候往裡面加料充氣、什麼時候啟動診斷與控制。這行代碼要「像數學公式一樣盡可能簡潔」，又要精準定義項目目標。熟悉他的人說，能量奇點兩年內完成洪荒 70 的設計、研發與建造，靠的就是他從一開始就把整台裝置想清楚了。

真正折磨人的是實物階段。他記得那件環向場磁體的全尺寸工藝件：前面每一道工序都有質檢、都順利，到最後一道工序，性能掉了一截，比預期下降得不少；分析來分析去，至今也不能百分之百鎖定原因，只懷疑是製造過程中的振動造成了機械損傷。最終這件磁體沒有上裝置，被留作後續實驗的測試件，整個項目等於多造了一個。團隊隨後在全鏈路——製造、運輸、加工——都加上了防振動的工藝安排，後續所有磁體都沒有再出現同樣現象。「最難的實際上是不知道什麼出了問題，」他說，「很多東西你不能直接測，去猜測這個問題的原因，這件事是比較費勁、也比較折磨人的。」

04翻盤的一役：洪荒 70 點亮，從十八毫秒到一千三百三十七秒

二〇二二年三月，「洪荒 70」正式啟動設計。名字取自中國神話裡那個能量充沛卻混沌無序的早期狀態——正如同等離子體在裝置裡的樣子；「70」則來自它的關鍵參數，等離子體大半徑七十厘米（裝置實際等離子體大半徑為零點七五米）。二〇二三年八月十七日，直徑約三米的最大尺寸磁體 PF4 極向場線圈研製完成，是當時中國尺寸最大的高溫超導託卡馬克磁體；同年十月七日，主機系統發運，交付上海電氣核電集團；總裝施工由中國核工業第五建設有限公司承擔。二〇二四年一月，十二組環向場磁體與真空室、內冷屏成功套裝成環，裝置的骨架成形。

預算一點五億元人民幣，最後花了約一點二億。二〇二四年六月十八日，裝置成功實現等離子體放電——畫面角落的時間碼停在十八點六六八毫秒。這次實驗採用了局部螺旋磁通注入（電子槍）與離子回旋加熱兩種預電離方式，成功獲得第一等離子體。以那個瞬間為界，能量奇點成為全球率先建成運行全高溫超導託卡馬克的團隊，也是全球率先建成運行全超導託卡馬克的商業公司；「洪荒 70」成為全球四台運行中的全超導託卡馬克之一，國產化率超過百分之九十六。它選擇的路徑是先做一台完整原型機、驗證工程可行性，而不是一上來就啃最難的磁體。

楊釗為此打過一個比方：洪荒 70 相當於全世界第一艘用鋼造的完整的船。船還是靠浮力浮起來，但一旦換掉主體材料，設計、焊接、除鏽、密封全都變了——用木頭造船時你不會思考焊接工藝，也不會擔心它會沉；而在真正下水運行之前，沒有人可以百分之百確定它不會漏水。「洪荒 70」不是性能很高的裝置，但它是第一艘用新材料造的完整船，證明這種材料可以建成一台完整裝置，並且能下水、往前走、再開回來。

真正讓它翻盤的是二〇二六年年初那二十多天。此前裝置性能一直以「秒」為單位爬升；二期升級完成後，團隊改進壁處理工藝、加裝基於人工智能的等離子體反饋控制，一月六日第 5319 次實驗做到一百二十秒，一月十九日第 5609 次實驗三百三十五秒，二月二日第 5755 次實驗做到一千三百三十七秒——二十二分十七秒的穩態長脈衝等離子體運行，遠超最初設定的六百秒目標。這是全球首次由一家商業公司研發建造的核聚變裝置，實現千秒量級的等離子體電流長脈衝運行。楊釗說，這個結果驗證了高溫超導磁體及配套電源系統在長週期複雜工況下的運行穩定性，也驗證了自研射頻波電流驅動系統的性能。

05公司發展史（一）：二〇二一至二〇二二，四個人與一百二十個人

能量奇點成立之時，全球可控核聚變已走過半個多世紀，建成超過一百台裝置，其中絕大多數是以銅為磁體的託卡馬克——銅在通大電流時自身會發熱，只能做秒級、十幾秒級的短脈衝實驗。二〇〇六年後，中國的東方超環成為全球第一台全低溫超導託卡馬克，韓國 KSTAR、日本 JT-60SA 相繼跟進，全世界全低溫超導裝置就這三台；而二〇一八年前後，第二代高溫超導材料開始工程化量產，讓「用更強磁場把裝置做小」第一次具備產業條件。公司聚焦的方向寫得很具體：研製有商業發電潛力、高磁場、高參數、標準化的高溫超導託卡馬克裝置，以及其運行控制軟件系統。

二〇二二年二月二十五日，成立不到八個月的能量奇點宣布完成首輪融資，金額近四億元人民幣，由米哈遊與蔚來資本共同領投，紅杉中國種子基金與藍馳創投跟投，山景資本擔任獨家財務顧問。資金用途寫得很具體：研發並建設全球首台基於全高溫超導材料的小型託卡馬克實驗裝置，以及研發可用於下一代高性能聚變裝置的先進磁體系統。同期，公司發布「三步走」戰略：第一步做小型全高溫超導託卡馬克實驗裝置，實現長時穩態運行的科學與工程目標，二〇二四年建成運行並點亮等離子體；第二步是能量增益 Q 大於十的強磁場裝置；第三步是商業示範電站。

錢到位的同時是人。公司二〇二二年落戶上海臨港新片區，一年之內團隊從四個人擴到一百二十餘人，成員來自史丹福、普林斯頓、北京大學、清華大學、上海交通大學等院校及科研院所，涵蓋高溫超導、等離子體物理、人工智能等多個領域。他們建成了國內第一個高溫超導託卡馬克磁體廠房，自研出高溫超導環向場磁體、中心螺線管磁體與極向場磁體——每一種都是新技術從零開始的突破。二〇二三年三月，上海市未來產業先進核能專家委員會成立，五家副主任委員單位裡，能量奇點是唯一的初創企業。

這一階段的能量奇點，本質上是在為一件「沒人做過」的事建立可信度。它需要向外界證明三件事：材料買得到、人能招到、裝置造得出。二〇二一年上半年，楊釗與團隊拜訪了大量科研院所與供應商，想搞清楚一件事——如果在國內推動可控核聚變，會不會被人才、技術與原料卡住脖子。調研的結論是沒有「不去的理由」：原料與供應商基本不存在卡脖子，傳統知識大多學術公開，而高溫超導這條路全世界都很新；人才上不但不缺，中國的工程師紅利反而是優勢。「沒有一個 no go，」他說。

06公司發展史（二）：二〇二三至二〇二四，兩年造一台裝置

二〇二三年四月二十八日，能量奇點完成 Pre-A 輪融資，金額同樣接近四億元人民幣，投資方包括米哈遊、黑門投資、樹海投資、雲和方圓與 ENLIGHTENMENT 等，兩輪合計近八億元。這一年，「洪荒 70」從圖紙走向車間：八月，中國目前尺寸最大的高溫超導託卡馬克磁體 PF4 極向場線圈研製完成，直徑約三米，在全部二十六個磁體中尺寸最大；同期裝置總裝正式啟動。十月七日，全球首台全高溫超導託卡馬克「洪荒 70」的主機系統發運儀式在上海電氣核電集團舉行。

二〇二四年一月，十二組環向場磁體與真空室、內冷屏成功套裝成環；三月，裝置在上海臨港新片區完成建設並取得運行許可；六月十八日，成功實現等離子體放電。從二〇二二年三月啟動設計，到建成並點亮等離子體，前後兩年——這是當時全球超導託卡馬克裝置研發建造的最快紀錄。洪荒 70 的中心場強為零點六特斯拉，等離子體大半徑零點七五米，磁體系統由二十六個高溫超導磁體構成，國產化率超過百分之九十六。同年，它入選工業和信息化部「二〇二四年未來產業創新發展優秀典型案例」，也是可控核聚變領域唯一的入選案例；並與經天磁體一起，連續入選國際原子能機構《世界聚變展望》報告，能量奇點成為唯一入選的中國民營聚變公司。

對照組很說明問題。同期，美國麻省理工學院分拆出來的聯邦聚變系統公司（CFS）與麻省理工合作，二〇二二年初開建 SPARC，對外宣稱二〇二六年建成，目標 Q 大於十；由六方共建的法國 ITER 設計定稿於九十年代、二〇〇六年動工、已投入約二百五十億歐元，建設週期仍在順延，是世界上第二貴的國際科學工程。能量奇點用一點二億元人民幣、兩年時間，做的卻是一件從未有人做過的事。楊釗事後說，這台裝置的意義不在參數高，而在於它證明了新技術路線在工程層面站得住。

對這家公司而言，這兩年還完成了另一件更重要的事：把能力留在自己手裡。從整體設計到磁體的繞製、絕緣、浸漬、組裝，從低溫系統的分配閥箱、液氦儲罐、製冷機到最後的聯調與運行，核心環節幾乎全部自研。楊釗的解釋始終圍繞成本：設計變更一點點，成本區別會非常大；只有這台裝置對團隊來說完全不是黑盒，所有東西透明，才知道要優化成本時該去動哪一個系統。這套做法日後成為公司對外融資時最硬的證據——它證明這支團隊不只會寫論文，也能把一台價值上億的裝置交付出來。

07公司發展史（三）：二〇二五，磁體突破、二期升級與自我造血

二〇二三年啟動的「經天磁體」項目在二〇二五年交出答案。這是一塊大尺寸高溫超導環向場磁體，用於為下一代裝置驗證最關鍵的核心部件。二〇二五年三月十日，它完成首輪通流實驗，成功勵磁至二十一點七特斯拉並安全退磁，創下大孔徑高溫超導 D 形磁體的最高磁場紀錄——此前這項紀錄由美國 CFS 與麻省理工在二〇二一年底研製的 TFMC 磁體保持，約二十點一特斯拉。能量奇點官網後來把它寫成「二十二特斯拉」。楊釗強調的不只是磁場強度：經天磁體同時做到了極高的工程電流密度，因為在同樣磁場下電流密度越高、截面可以越小，裝置才可能造得更小。

把磁場做高，難的不只是繞線圈。接近二十二特斯拉時，單股電流約二十多千安，一納歐的接頭電阻就能產生接近一瓦的發熱，而整塊磁體的總發熱必須壓在百瓦量級，意味著所有接頭與加工過程引入的電阻要控制在百納歐級；同時，安培力正比於磁場乘電流，導體本身承受巨大應力，加太多結構材料又會拉低工程電流密度。設計上要把力、熱、電三個約束同時推到邊界，磁體內部還得挖出製冷流道，把液氦供到預測會發熱的位置。經天磁體不會直接上「洪荒 170」，它是一個一比一的工藝驗證件——下一代裝置的十八個環向場磁體拼起來最高場約二十三特斯拉，而經天以單塊磁體逼近了這個數字。楊釗說，全世界有能力做出這種大孔徑、超過二十特斯拉磁體的團隊，只有能量奇點與美國 CFS 兩家。

另一邊，「洪荒 70」進入二期升級。改造集中在三處：耐熱輻射的第一壁部件、電流驅動與加熱系統、診斷與控制算法。二〇二五年十月，二期完成並正式啟動實驗，運行參數開始逐步爬升。與此同時，公司在商業化上做了兩件不那麼顯眼的事：把高溫超導磁體的設計、加工、測試能力做成可對外提供的產品與技術服務，開始嘗試「自我造血」；以及持續迭代那套基於人工智能的等離子體運行控制系統——「奇門系統」。二〇二五年九月二十二日，楊釗在上海浦江創新論壇·可控核聚變專題論壇發表主旨演講，把公司定位為高溫超導託卡馬克一體化解決方案的提供者。

這一年也是中國聚變產業格局劇變的一年。二〇二五年，中國聚變能源有限公司在上海掛牌成立，中核集團為控股股東，中石油崑崙資本、浙能、國家綠色發展基金等參與投資，目標是加速聚變技術從實驗室走向產業化與工程化應用，並在上海與成都兩地協同布局。國家隊、地方國資與民營創業公司第一次同時出現在同一張產業地圖上。對能量奇點而言，這既是背書，也是壓力——它必須在一個越來越擁擠的賽道裡，持續證明自己仍然是最快的那一個。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年開年，能量奇點連續放出三個數字：一百二十秒、三百三十五秒、一千三百三十七秒。二月二日，第 5755 次實驗實現一千三百三十七秒穩態長脈衝等離子體運行，二十多天內連跳三級，遠超最初設定的六百秒目標。公司稱，這得益於兩件事：一是改進裝置壁處理工藝、有效降低等離子體雜質；二是持續優化基於人工智能的等離子體診斷與反饋控制技術。實驗過程中等離子體電流保持高度穩定，未出現破裂或失控現象。這一成果被新華社、《新華每日電訊》等媒體報道，「千秒量級」自此成為商業聚變裝置的一個新基準。

資本市場同步加註。二〇二六年二月四日，公司完成 A 輪融資，投資方為北京綠色能源和低碳產業投資基金與京國瑞投資——北京國資背景的基金首次進入，但金額未披露。此前兩輪合計近八億元，加上這一輪，公司累計融資已超過十億元人民幣。團隊規模約一百五十六至一百六十餘人，平均年齡不到三十五歲，其中許多人並非聚變科班出身。公司被媒體稱為「上海聚變產業獨角獸企業」，並位列《二〇二五胡潤未來獨角獸：中國獵豹企業榜》；楊釗本人入選《二〇二五胡潤 U35 中國創業先鋒》榜單，並在二〇二六年四月被授予「二〇二六年度新時代青年先鋒」稱號。

今天的版圖由三台裝置構成。「洪荒 70」繼續做長脈衝與診斷升級，下一步目標是進一步延長穩態長脈衝運行時間，並獲取明確的溫度數據；「洪荒 170」已完成物理與概念設計、進入工程設計階段，計劃二〇二七至二〇二八年前後建成，目標是實現聚變淨能量增益，造價口徑在十五億至三十億元人民幣之間；更遠的「洪荒 380」是示範電站，規劃在二〇三〇至二〇三五年間建成，電輸出功率約五十萬千瓦，磁場從二十三特斯拉進一步提到二十九特斯拉左右，目標售價約每千瓦四萬至五萬元人民幣、整機二百億至二百五十億元。

政策與行業面同時在動。二〇二六年，核聚變作為「未來能源」核心領域，首次被寫入政府工作報告；可控核聚變已被列入中國「十五五」規劃重大工程項目。放眼全國，除能量奇點之外，安徽正在建設的 BEST 裝置、中國聚變的環流四號等也在向淨能量增益發起衝擊，形成多路線並行的產業生態。與能量奇點同城的星環聚能另闢球形託卡馬克路線，二〇二六年連續完成三輪融資；諾瓦聚變則在臨港主攻場反位形。一個過去只屬於實驗室的領域，第一次擁有了創業公司之間的競爭。

09領導風格與性格：零維代碼、極致效率與一支沒有團建的團隊

認識楊釗的人最常提到一句評價：他非常擅長寫「零維代碼」——構建複雜系統的第一行代碼，既要精準定義項目目標，又要像數學公式一樣簡潔。洪荒 70 有十個一級子系統、三十多個二級子系統，他從一開始就想清楚了整台裝置該怎麼造；這行代碼日後成了公司的底座，讓一支四個人的團隊在兩年內完成了別人十年的事。他自評的長板是「相對來說比較理性，情緒非常穩定」；短板也與情緒有關——「跟情緒相關的一些事情，我做得確實比較少。」

他的管理偏集權而務實：核心子系統全部自研，從設計、加工到測試、運行都不外包，理由不是技術民族主義，而是成本——設計變更一點點，成本區別會非常大；只有這台裝置對公司來說完全不是黑盒，所有東西透明，才會知道每一個系統的最優值在哪裡。他對團隊的激勵方式近乎吝於形式：「基本上沒有過團建，做完這個項目就馬上趕去下一個項目。」與此同時他要求極高：實驗期間通宵是常態，同事眼中的他每天都有一大堆問題要解決。這種風格看起來冷，卻與他挑人的標準自洽——他更看重一個人能否在沒有現成答案的環境裡自己找到答案。

與同代創業者相比，他幾乎不經營個人形象。拿到國家級獎項之前，他極少接受採訪，交付物是論文與裝置，而不是發布會；公司價值觀只有八個字——「極致效率、實事求是」，他把「度電成本就是金標準」這句話反覆講給團隊聽。他也有意識地把功勞往外推：談起洪荒 70，他先說團隊「膽子挺大」，而不是自己的能力；談起最大壓力，他說不是某個技術難題，而是每次做實驗、點亮等離子體之前那段調試期，「調不出來就想怎麼還調不出來，哪一步不對」，直到亮了——「亮了就亮了，這事亮了，好的。」

他並非沒有溫度。面對失敗的可能性，他列出的只有三件事——人不夠、錢不夠、事沒做成；談到自己如果摔下來怎麼辦，他的回答是「看你摔到哪，接著再往上去爬，菜就多練嘛」。這種把宏大的事業翻譯成極其樸素的語言的能力，或許正是他能在一個平均年齡不到三十五歲、很多人並非聚變科班出身的團隊裡說服眾人的原因。他不上價值觀的課，只給出一張清晰的問題清單：錢夠不夠、人夠不夠、東西有沒有做出來。

10成功秘訣：把一件「歷史上必然發生」的事，拆成三千個可解的問題

第一條是選題。北大本科時他就在想，學物理對人類未來影響最大的是什麼，答案是聚變；他偏愛那類「無論是不是我做，早晚會有人做」的事，因為那是歷史的必然趨勢，而「這類事情對我來說是吸引力最大的一件事」。第二條是讀懂材料的摺點：二〇一八年前後第二代高溫超導材料量產，讓強磁場、小體積第一次成為可能，他判斷這是一次「數量級」的變革，而非百分之十、百分之二十的漸進改良，於是二〇二一年出手。第三條是順序：他沒有直接去啃技術最難、單價最貴的磁體，而是先用一點二億做一台完整的原型機，證明團隊有系統工程能力，再去拿三十億的錢。

第四條是組織形式。他反覆解釋為何要用公司而非高校做這件事：要「用最短的時間、最小的成本實現整個聚變性價比的量級變化」，這是創業公司最擅長的事，不是科研院所最擅長的事——最短的決策流程、最高效的辦事方法，才是把一個東西從實驗室推到低成本大規模使用的關鍵。第五條是全鏈條自研、拒絕黑盒，因為成本就藏在接口與工藝裡。第六條是先手優勢邏輯：這個行業人才稀缺、知識要靠自己積累、每一代投入巨大，同一條技術路線上的第二名很難存在，「當你有了領先優勢之後，第二名基本上就沒有機會」。第七條是對標與克制：他公開評價美國 Helion 的路線「科學風險很高」——從三乘積十的十七次方外推到二十一次方，好比用零到十米的飛行數據去設計一架萬米高空的飛機——而自己的團隊只做已被科學驗證過的託卡馬克，把風險留在工程裡。

第八條是承認運氣。他的成功裡時代的成分很大：中國有完整的工業體系與工程師紅利，有上海臨港新片區從場地到審批的支持，有二〇二一年後資本願意為未來能源下重注，還有米哈遊這樣一家遊戲公司願意在天使輪與 Pre-A 輪連續兩次掏錢。可複製的是方法——選對問題、讀懂材料、排好順序、把系統拆開、讓融資節奏與里程碑對齊；難複製的是他那種近乎反常的穩定：四年讀完理論物理博士，三年做一家與專業無關的公司補課，然後用五年時間把一句「造一台人造太陽」變成一台真實運轉的裝置。

他自己把這場創業比作爬山：「它是一個持續地爬山。這個山的高度是一個指數增長的高度」，而且「什麼時候有沒有一個封頂的高度，我至少現在還沒看到」。這句話洩露了他對風險的真實態度——不是不知道會摔，而是不認為有爬不上去的理由；摔下去了，「很可惜，會非常可惜」，然後看摔到哪，接著再往上爬。這種把巨大的不確定性切成一段段可執行坡度的思維方式，貫穿了他從論文到裝置的全部路徑。

11個人、價值觀與生活：兩點一線，與那支沒吹完的黑管

楊釗的生活被他自己形容得很單調：早晨九點上班，晚上大部分時間八點左右下班，實驗期間通宵也正常，「生活上來說相對比較簡單一些，就是工作、休息，大概就是這樣——跟當年讀博士也差不多」。在臨港，他的活動範圍大致就是公司與住處兩點一線。他不談個人財富，也不在意外界對他身價的猜測；在他口中，衡量一切的尺子只有一條：度電成本。這條尺子既是他對公司的要求，也是他對自己的要求——把錢花在能降低成本的環節上，其餘一律從簡。他甚至把「公司什麼時候算成功」也交給了這條尺子：哪天把度電成本降到跟火電一樣，就叫商業化；降到比火電低一個數量級，就是能源自由。

他少有的柔軟部分留給了音樂。小學二年級開始學黑管，練了五年，翻著教材自己找《梁祝》來吹；這段經歷後來變成他創業的題材——元悅科技的 AI 鋼琴陪練，正是為了讓更多人跨過那道門檻、獲得最深層次的音樂樂趣。他在自述裡寫，音樂與兩個人貫通的那一瞬間，他感到幸福；也承認自己當年在一個程度比他高的女同學面前「囿於水平，礙於驕傲，和她多是爭吵」。一個研究量子引力與黑洞時空結構的人，用這種方式記錄自己的童年，在他的同代人裡並不常見。

價值觀上，他把「極致效率、實事求是」寫成公司的八個字。效率的意思是：一家商業公司的核心是把東西做成產品，所以他最短期的商業目標是把「洪荒 380」這台裝置賣出去，而不只是造出實驗裝置；實事求是的意思是：做不到的就說做不到，還沒驗證的就說還沒驗證。他公開承認洪荒 70「坦率說沒有」驗證更小的體積與更低的成本——那要等洪荒 170；也承認二〇三〇到二〇三五年發出第一度電是一個「比較激進」的時間表。關於家庭與私人生活，他幾乎從不公開談論，這在一個人人爭相曝光的創業年代裡，本身也是一種表態。

12國家與時代意義：第一度電，與一場文明躍遷的賭注

能量奇點是中國第一家以可控核聚變商業化為目標的創業公司。在此之前，聚變在中國一直是國家隊的領域——合肥的東方超環、成都的中國環流三號，以及二〇二五年在上海掛牌、由中核集團控股的中國聚變能源有限公司。民營公司擠進這條賽道，本身就是一個信號：大科學裝置的建造方式正在被改寫。洪荒 70 用兩年時間走完的流程，過去往往意味著十年；把「研發—建造—運行」壓進一家公司的節奏裡，讓「兩年一台」成為可能，也讓資本第一次有了可以按里程碑定價的標的。

從國家戰略看，可控核聚變已被列入「十五五」規劃重大工程項目，二〇二六年更作為「未來能源」的核心領域首次寫入政府工作報告。中國與美國構成了這條賽道的兩極：兩地都有完整的資金、人才與供應鏈，但技術彼此獨立、市場天然分割。楊釗的判斷是，中國的聚變技術不會靠美國去幫我們實現，美國也不會從中國進口這套技術，因此兩邊都會長出自己的團隊。據他引用的行業數據，全球聚變領域融資總額已接近六十億美元、美國有約四十家創業公司；中國的民營聚變公司不到十家，融資總額在百億人民幣量級——差距仍在，但窗口已經打開。

他對這件事的意義有自己的表述：能源結構一旦發生變化，文明就會跨一個數量級；當能源足夠廉價，糧食可以工業合成，星際殖民不再是能源帳上的不可能，「這個事大概率是一個文明躍遷的變化」。這也是他反覆強調氘氘路線的原因——氘在海水中取之不盡，用氘氘就繞開了氚的監管與成本，才可能把度電成本真正壓到火電以下。至於時間表，他給出的版本是：二〇二七年前後建成洪荒 170 驗證淨能量增益，二〇三〇至二〇三五年建示範電站發出第一度電，此後十年驗證發電、併網、降本。他曾說，「到 2035 年，中國或將迎來可控核聚變發出的第一度電。做成這件事，似乎只能在上海。」

把這句話放回長時段裡看，它的分量不只屬於一家公司。可控核聚變被稱為人類的終極能源，是因為它同時回答了兩個問題：能源夠不夠，以及能源乾不乾淨。而在他看來，人工智能時代把這個問題推到了前台——任何指數增長的事物都會撞上瓶頸，人工智能的下一個大瓶頸就是電力。於是，一個研究黑洞的博士去做託卡馬克，與其說是一次跨界，不如說是他把兩個時代命題接在了一起：讓算力有電可用，讓文明有能不缺。這場賭注的週期以十年計，而他把自己的位置放在最前面那一段——先把那台裝置造出來。

01家世與早年：一個「美國出生、杭州長大」的競賽少女

郭文景（Demi Guo）是美國公民、華裔，一九九〇年代中葉出生。關於出生地，媒體有兩種說法：多數中文報道稱她「出生於美國」，她本人二〇二四年接受《福布斯》視頻採訪時則說得更明確——「I was born actually in Silicon Valley, and then I spent some years in Asia and then went back for college.」出生在硅谷，幼年在亞洲度過，之後回美國讀大學。可以確定的是，她小學一年級隨父母回到杭州，此後在杭州長大，初中就讀杭州外國語學校，高中畢業於杭州二中。出生年份未見權威公開，中文媒體普遍以「九五後」稱之，本站沿此口徑；她的美國國籍則有多方記載，並在二〇一五年引發過一輪關於「美國人考美國大學更容易」的公開討論。

家庭背景是她身上被談論最多、也傳言最多的部分。其父郭華強一九五六年生，畢業於中央廣播電視大學金融專業，後獲浙江大學 MBA，曾任浙江省工商銀行科技處軟件科長、杭州新利電子副董事長兼總裁，一九九六年創辦信雅達，歷任執行董事、董事長，是這家金融科技公司的實際控制人；二〇一七年十二月，他因個人原因被有關部門要求接受調查，辭去董事長等職務，其後仍任董事。其母的履歷，據杭州網二〇二三年十二月的報道，為浙江大學計算機系本科、麻省理工學院計算機博士。至於網上流傳的「父母均為 MIT 博士」，乃至「母親是 MIT 教授」的說法，均與可查資料不符——郭華強的學歷是中央廣播電視大學與浙江大學 MBA，未見任何權威來源支持「MIT 教授」之說，本傳記不採用。

家裡的藝術氛圍同樣關鍵。她有一個姐姐、一個妹妹，姐妹三人分別走向電影、時裝設計與人工智能，家中還開著一間小小的畫廊；《華夏時報》引述知情人士稱，她的妹妹畢業於北京大學。這種「一半理工、一半藝術」的家庭結構，日後直接投射到 Pika 的產品哲學上——她反覆強調自己從小寫詩、想當作家，同時小學三、四年級就開始接觸編程。她自己的解釋是：「I grew up in a very creative family... I always grew up, you know, wanting to be a writer and really interested in poetry. But I also started programming since elementary school.」

她的中學時代近乎一份「競賽清單」。高一拿下全國青少年信息學奧林匹克聯賽浙江省賽區一等獎；受麻省理工學院邀請參加北美編程邀請賽獲第二名，成績超過絕大多數由哈佛、史丹福、卡內基梅隆學生組成的大學隊；二〇一四、二〇一五連續兩年奪得美國國家信息學奧林匹克競賽冠軍，其中二〇一四年的滿分是當年唯一一個；此外還在美國數學奧林匹克夏令營拿到最高分，並代表美國出戰歐洲女子數學奧林匹克競賽。她的高中班是競賽班，高一入學時四十九人裡只有六個女生，這種性別比例日後成為她反覆提及的話題。

二〇一五年，她入選美國國家隊出戰國際信息學奧林匹克競賽（IOI），在哈薩克斯坦阿拉木圖奪得銀牌；據媒體換算，全球三百二十二名選手中排名第四十九。同年底，哈佛提前錄取了她——她是杭州二中第一個本科階段被哈佛錄取的學生，也是浙江省第一個被哈佛本科提前錄取的學生。哈佛本科校友面試官、哈佛中國秘書長湯玫婕對《錢江晚報》說：「我在中國區面試六年，她是最優秀的學生之一。她的計算機水平，放在美國同齡的女程序員中，也是最頂尖的。」少年時的她並不只有課本：十五歲那年，她一個人飛去美國給當地的孩子上奧賽課，賺回兩千美元；高中三年，她還學帆船、學滑雪、考救生員，參加全英文辯論賽，去過伯克利的 SPARC 人文學夏令營。

02創業原點：一場沒得獎的 AI 電影節

二〇一五年入學後，郭文景在哈佛讀數學學士，並在同一所學校修完計算機科學碩士。實習履歷幾乎覆蓋了硅谷半張地圖：二〇一六至二〇一七年先後在 Quora、微軟（Bing）做軟件工程實習；二〇一八至二〇一九年她申請間隔年，加入 Facebook 人工智能研究院，據其個人簡歷，是該團隊當時最年輕的成員；其後又有谷歌大腦、Epic Games 等機構的經歷。她做過哈佛中國論壇的技術與創新負責人、哈佛—麻省理工數學競賽的總監，在哈佛共同創辦 Hacklodge，出任 WECode（女性工程師大會）聯合主席，還是 Four94 女性創業大會的創始成員，並成為 Neo Fellowship 首批學者。

二〇二一年，距離哈佛畢業僅數月，她進入史丹福大學人工智能實驗室攻讀計算機博士，方向是自然語言處理與圖形學的交叉，由 Ron Fedkiw 與 Chris Manning 共同指導——前者是兩度獲奧斯卡獎、參與過《加勒比海盜》與《星球大戰》特效製作的圖形學家，後者長期主持史丹福人工智能實驗室。這個組合恰好落在生成式視頻的技術正中心。她後來回憶，讀博期間還專門去 Epic Games 實習，認真考察過做遊戲的可能：遊戲更容易商業化，但賽道太擠；而 AI 視頻生成當時還是一片藍海，她判斷這個方向「至少可以做十年」。

真正的觸發點是一次失敗。二〇二二年冬天，她與幾位史丹福同學組隊，參加由 Runway 主辦的首屆 AI 電影節，賽前她對拿獎很有信心，結果連入圍都沒有。更讓她耿耿於懷的不是名次，而是過程：她花了幾個小時擺弄 Runway 與 Photoshop，AI 工具難用、門檻高，成效卻極其有限。據 Analytics India Magazine 的報道，她事後說：「It just didn't look that good. I was so frustrated.」一個受過完整 AI 訓練的博士生尚且如此，普通人更不必談。她由此看到機會——為什麼不做一個真正好用、門檻低到人人可用的 AI 視頻生成器？二〇二三年一月，創業的念頭成形。

二〇二三年四月，她與史丹福人工智能實驗室的同學孟晨琳（Chenlin Meng）雙雙退學，在帕洛阿爾托創辦 Pika，公司最初的名字叫 Mellis Labs。孟晨琳主攻計算機視覺與擴散模型，讀博三年間發表三十多篇論文，其中 DDIM（去噪擴散隱式模型）一文，是後來 DALL·E 2、Imagen、Stable Diffusion 都在使用的技術路線。兩人分工清晰：孟晨琳是技術錨點，郭文景負責產品、融資與生態。第三位創始成員、創始工程師陳思禹是她在杭州二中的同班同學，信息學與物理雙料國家集訓隊成員，保送北京大學，是北大圖靈班第一屆學生；第四位加入的 Matan Cohen-Grumi 是電視廣告導演，出任創意總監。

03最艱難的關：Sora 壓境、資源緊缺與「女兒概念股」

Pika 的第一批用戶不是靠官網來的，而是在 Discord 上一個服務器裡養出來的。產品先以免費 beta 形態上線，用戶在頻道里輸入提示詞排隊生成，團隊盯著滿屏的失敗案例改模型。這是一條省錢的路：不必先做完一套完整前端，就能拿到真實世界的提示詞分布。四個月內服務器漲到超過五十萬人，到二〇二三年十一月註冊用戶約五十萬，每週生成數百萬條新視頻，TikTok 上「#pikalabs」標籤的播放量接近三千萬次。但這種野生長也埋著隱患——等候名單、穩定性、版權爭議接踵而至，團隊在 Pika 1.0 開放試用時還得同步開發用於過濾受版權保護素材的模型。

更難的是資源。二〇二三年中，團隊只有三、四個人，硅谷風投對生成式視頻的熱情尚未形成共識。郭文景在與極客公園創始人張鵬的對話中坦承：「六月那會我們打算融最後一輪的時候，很多人都不知道這方面是什麼樣的情況。」她靠的是從中學競賽年代就開始積累的人脈——據 Inc. 報道，正是她在國際信息學奧林匹克競賽中認識的導師與朋友，幫她約到了 Pika 最早的那幾場投資人會面。第一、二輪由 GitHub 前首席執行官 Nat Friedman 領投，A 輪三千五百萬美元由 Lightspeed 領投。

二〇二四年二月，OpenAI 發布 Sora，六十秒連貫高清視頻一夜之間把整個賽道的技術標尺抬高了一截。對一家只有十幾個人的公司而言，這是生死級的壓力測試：算力、數據、人才、品牌，Pika 沒有一項佔優。更要命的是敘事——所有視頻生成公司都被迫進入「追趕 OpenAI」的遊戲，外界開始用 Sora 的標準審視 Pika 的每一條輸出。那段時間，團隊把融資用途全部壓到訓練自己的視頻大模型上，並著手擴充算法與工程團隊，這是它第一次真正意義上的軍備競賽。

第三重壓力來自國內輿論。二〇二三年十一月三十日，信雅達因「Pika 創始人是實控人之女」的消息開盤不久即漲停，其後連續六個交易日收於漲停，累計漲幅達百分之七十七點零九，市值衝到八十三億元。信雅達自十二月一日起連發六份公告反覆澄清：郭文景未在公司任職，公司未投資 Pika，亦無投資計劃，公司沒有 AI 視頻生成類產品或業務。她在社交平台上的回應只有一句：「言語無法表達我是多麼感激在這段旅程中得到我們的投資者、顧問、朋友和社區成員的所有支持！」一邊是父親公司的股價狂歡，一邊是與自己毫無關係的切割聲明，這是她成名初期最尷尬的一課。

04翻盤的一役：Pika 1.0 與「Sora is not hard to beat」

翻盤的第一個動作發生在二〇二三年十一月二十八日：Pika 1.0 正式發布，同步開放網頁版並啟用等候名單。這一版引入了全新模型，能生成與編輯 3D 動畫、動漫、卡通與電影等風格，支持文生視頻、圖生視頻、視頻轉風格、畫布延展、內容替換與時長延長。宣傳片裡「馬斯克穿著太空服」的幾秒畫面成了病毒式傳播的核心素材，讓 Pika 在一個月內從技術圈的小眾名字變成大眾話題。與此同時，公司宣布三輪融資合計五千五百萬美元，其中 A 輪三千五百萬美元由 Lightspeed 領投，估值在兩億至三億美元之間。

真正的翻盤在二〇二四年六月五日。Pika 宣布完成八千萬美元 B 輪融資，領投方為 Spark Capital，累計融資額達一點三五億美元，投後估值相較二〇二三年十二月翻倍至四點七億美元。這輪的意義不只是錢：在 Sora 已經「炸場」四個月之後，硅谷最挑剔的一批投資人依然選擇下注一家不到二十人的小公司，等於用真金白銀承認「小團隊也能做基礎模型」。此後二級市場對 Pika 的定價一度逼近七億美元。資金用途講得很直接：訓練自己的視頻大模型，同時招更多的人加入研究與工程團隊。

郭文景在融資敲定後接受機器之心專訪，給出了一套與主流敘事相反的判斷。她說 Sora 其實不是多新穎的東西，模型、算法、結構都是現成的，它真正告訴行業的道理是「用更多的機器、更多的數據，暴力地去 Scale up，就可以達到更好的效果」——「Sora is not hard to beat。只是說 scaling 確實很重要。」她同時強調 Pika 不做通用人工智能：「我們公司的目標並不是做 AGI，而是說做一個服務創作者的產品。這是本質的區別。」在她看來，當時整個視頻生成行業的成熟度只有六十到七十分，大家都在同一階段，橫向比較「沒有特別大的意義」。

更關鍵的差異化來自技術路線。她在同一場訪談中提出，視頻本質上是嵌在高維空間中的低維流形：每秒二十四幀的一千零八十匹畫面，每秒維度高達一點五五億，但只要找到合適的算法把它投影到低維空間，就能繞開維度詛咒；她稱這套高效架構與數據壓縮方法「能夠去掉百分之九十的冗餘信息」，在數據效率、訓練效率與推理效率上同時取勝。她也早早指出，用戶其實並不在乎是不是「文字生成視頻」，「text based 會讓我們的模型受到更多約束」，因此 Pika 要用運動先驗、圖像先驗等不同形式幫用戶表達意圖。這條「可控性優先、效率優先」的路線，日後成為 Pika 一系列特效工具的技術底盤。

05公司發展史（一）：四個人、一個 Discord 服務器與一張天使名單

二〇二三年四月成立時，Pika 的全部家當是四名全職成員。公司最早的產品形態不是網站也不是應用，而是一個 Discord 機器人：用戶在頻道里輸入提示詞，排隊等待生成幾秒鐘的短片。這種做法在當時被視為省錢的權宜之計，事後看卻是最聰明的一步——它讓團隊在沒有前端、沒有設計師的情況下，拿到源源不斷的真實提示詞，並以此迭代模型。四個月內服務器人數突破五十萬，到二〇二四初超過七十萬。社群裡最活躍的用戶每天花十個小時在頻道里做視頻，這種熱度本身就是最好的產品測試。

二〇二三年十一月二十八日是第一個分水嶺。Pika 1.0 與網頁版一同上線，公司同時披露三輪融資合計五千五百萬美元，估值兩億至三億美元。天使名單幾乎是一張後 ChatGPT 時代的硅谷名人錄：GitHub 前首席執行官 Nat Friedman、Quora 創始人兼 OpenAI 董事 Adam D'Angelo、OpenAI 創始成員 Andrej Karpathy、Hugging Face 首席執行官 Clem Delangue、Perplexity 首席執行官 Aravind Srinivas、ElevenLabs 首席執行官 Mateusz Staniszewski、大西洋唱片首席執行官 Craig Kallman。Lightspeed 合夥人、Pika 董事 Michael Mignano 的評價是：「我們相信這個團隊有能力徹底民主化視頻創作。」

資本到位後的第一件事是招人。公司從四人擴到八人，二〇二四上半年再擴到十三人，並把研究與工程的密度推到極致。據機器之心二〇二四年六月的專訪，Pika 工程團隊當時擁有六位國際信息學奧林匹克競賽金牌得主，全公司累計九塊國際奧賽金牌，其中三位是 IOI 世界第一，另有兩位 Putnam Fellow（美國大學生數學競賽最高榮譽）；郭文景本人是 IOI 銀牌，也是美國隊十幾年來唯一的女國家隊隊員。谷歌視頻大模型 Lumiere 論文的第一作者 Omer Bar-Tal 在 Sora 發布後第二週選擇加入 Pika。顧問團隊則包括史丹福人工智能實驗室主任 Chris Manning、擴散模型領域代表人物 Stefano Ermon與兩度奧斯卡得主 Ron Fedkiw。

這一階段 Pika 的自我定位也逐漸清晰：不做通用人工智能，做服務創作者的工具。郭文景在多次訪談中重複同一個判斷——真正能用 AI 做電影的專業人士永遠是少數，「Most nonprofessionals will never try to create a film using generative AI, but lots of people like to make short videos. It's really about self-expression.」把生成式視頻從「好萊塢工具」重新定義為「自我表達工具」，這個判斷決定了 Pika 之後兩年所有的產品選擇與定價策略：不做最貴的，做最多人願意打開的。

06公司發展史（二）：從一個模型到九件特效工具

二〇二四年是 Pika 的產品年。四月上線「一鍵風格生成」；十月發布 Pika 1.5，帶來名為 Pikaffects 的動態特效庫——粉碎、融化、膨脹、爆炸等超現實效果，讓普通用戶第一次能一鍵把日常片段變成社交平台上的爆款素材；十二月發布 Pika 2.0，引入「場景配料」（Scene Ingredients），允許用戶上傳並自定義角色、物體與背景，解決了生成式視頻最頭疼的角色一致性問題。這一年公司據第三方估算錄得約七百六十萬美元收入，團隊約四十八人。

二〇二五年三月，Pika 2.2 發布，把分辨率拉到一千零八十匹、原生時長提到十秒，並推出關鍵影格過渡系統 Pikaframes——用戶上傳首尾兩張靜幀，模型在中間生成全新畫面，可將成片延長至二十五秒；同月，與 ElevenLabs 合作的唇形同步功能問世。Pikadditions 可以把人或物無縫放入既有視頻，Pikaswaps 能精準替換畫面中的元素，Pikatwists 則改變角色動作而不破壞原始場景。這套組合起來共九件的特效工具箱，成為 Pika 區別於 Sora、Veo 這類「電影感引擎」的核心資產。

分發層面同樣在這一時期補齊。二〇二五年九月，Pika 作為第三方視頻模型接入 Adobe Firefly Boards，與 Runway、Luma 同框出現在 Adobe 的專業創作客戶面前；十二月，API 從邀請制改為通過 fal.ai 自助接入，開發者無需再逐個申請。品牌端也開始出現案例：據行業媒體統計，Balenciaga、Fenty、Vogue 用 Pika 做社交投放素材，搖滾樂隊 Thirty Seconds to Mars 把 Pika 生成的畫面當作巡演背景。二〇二五年十月，Pika 推出獨立的 iOS 社交應用，把生成器與信息流縫在一起——它更像 TikTok，而不是一個創作套件。上線當月，它衝上 App Store 與 Google Play 榜首。

這連串動作背後的邏輯，郭文景早在二〇二四年就講清楚了。她對張鵬說，互聯網時代做產品要精準定義需求、計算成本，而 AI 時代「三份功能是一份成本」——「就算我們做十個 feature，對我們來講沒有額外的成本，不需要提前去規劃」。因此 Pika 的策略是留白，把需求的定義權交給用戶：「AI 主打的通用性……內部更精確的需求，它是可以由用戶來定義的。」她甚至預言，未來的視頻產品不會是對話界面，也不會是傳統剪輯器，而是一個尚未被發明出來的新界面——「我不相信這個新的交互界面會是我們或者 Runway 的。」

07公司發展史（三）：估值徘徊、收入追趕與「小」的代價

二〇二四年六月 B 輪之後，Pika 的估值進入一個相對停滯的區間。此後近兩年，公司沒有再宣布新的公開融資輪次，估值在不同口徑之間游移：B 輪時 Bloomberg 報道的四點七億美元，二〇二四年夏天二級市場一度報到約七億美元；到二〇二六年初，行業分析普遍引用約九億美元，也有二級市場平台給出約六點二二億美元的偏低報價。截至二〇二六年九月，公開渠道未見新一輪融資落地，公司仍獨立運營。這種「估值靠口碑與次級交易撐著，而非靠新輪次刷新」的狀態，在中小型 AI 公司中並不罕見。

增長曲線的另一面是收入的遲滯。二〇二四年全年收入約七百六十萬美元，與四點七億美元的估值放在一起，倍數並不便宜。轉折出現在二〇二五年十月移動應用上線之後：據行業估算，Pika 的年化經常性收入已達約八千五百萬美元，二〇二六年全年收入預測超過一點三億美元，企業客戶貢獻約四成；註冊用戶從二〇二三年底的五十萬漲到二〇二五年底的一千一百萬以上，二〇二六年初累計約一千六百四十萬。第三方統計同時指出，其免費到付費的轉化率約百分之十八，月度留存約百分之七十二——對消費級產品而言算合格，但也意味著每月仍有近三成用戶流失，必須持續買量。

二〇二五年七月，市場消息稱 Meta 曾就收購 Pika 進行討論，對價約五億美元，最終未達成交易，此後數月雙方均未公開確認。這一數字的微妙之處在於：它低於當時 Pika 的私募估值，也低於二級市場報價——換句話說，一線平台公司對這家明星公司的定價，比風險投資人保守得多。對郭文景而言，這既是誘惑也是試金石：賣掉公司可以立刻變現，但 Pika 的品牌與路線會隨之消失；她選擇繼續獨立運營，用產品迭代去換取下一輪的定價權。

團隊規模是 Pika 敘事中最容易被誤讀的一環。中文媒體在二〇二三年反覆引用「四個人撐起十億估值」，但那是公司成立半年的數字；到二〇二四年底約四十八人，二〇二六年初已擴至一百零二人左右（另有來源給出一百零八人、一百一十人），總部設在帕洛阿爾托 High Street 849 號。它依然算小——OpenAI、谷歌的視頻團隊規模遠在其上——但已不是「四個人」的傳奇。郭文景當年說「明年或將團隊拓展到二十人」，事實超出了這個預期五倍；而她從未放棄「小而精」的用人標準：研究實習生的月薪據招聘信息為一萬美元，崗位一次只開一個。

08公司發展史（四）二〇二六：今天的版圖

二〇二六年的 Pika，產品線比兩年前寬得多。一月，Pika 2.5 低調上線，最先出現在應用商店的版本說明裡而非新聞稿中——這本身就是公司注意力轉移的信號。它強化紋理細節、把鏡頭運動變成第一類提示輸入、延長原生場景時長，但仍然止步於一千零八十匹、十至十五秒，核心模型不含原生音頻生成。與 Kling 的原生 4K、Veo 的聯合音視頻擴散相比，這張規格表讀起來並不激進；Pika 真正沒有對手的，仍是 Pikaffects、Pikascenes、Pikaframes 那一整套九件特效工具，以及面向智能體實時視頻的 PikaStream。

二月，Pika 推出 AI Selves：用戶可以設定數字分身的性格、偏好、聲音與外貌，甚至精確到「對花生過敏」這樣的細節，讓它替自己在群聊裡分享日常、為寵物做趣味視頻、在忙碌時給家人打電話。Pika 把這套邏輯稱為「養育而非提示」——分身會隨相處時間增長而越來越像本人。這是生成式視頻公司第一次把產品方向從「生成一段畫面」推到「持續存在的數字人格」，也立刻帶來同意、深度偽造與監管層面的爭議。同期發布的 Director's Suite（導演套件）用 AI 代理管理整個視頻項目，六月上線的 Language Swap 支持四十種語言的視頻翻譯。

八月，Pika 上線 API Club：每月十美元，通過一個接口調用七十到一百多個生成式媒體模型，覆蓋視頻、圖像、音頻與大語言模型。定價表直接對標 fal.ai 與 Runway Dev，部分模型便宜八成以上，代價是把自身毛利率壓到接近於零。郭文景的說法是，開發者得知自己一直在為生成式模型支付三倍加價時「非常震驚」（shocked）。這一步的戰略含義很明確：Pika 從「做單一視頻模型的公司」轉向「做生成式媒體的聚合入口」，直接搶中間商的生意。它同時是一個防禦動作——當基礎模型本身越來越難形成壁壘，掌握開發者入口就成了另一種護城河。

今天的版圖可以概括為三條線：消費端是「生成加社交」的移動應用，專業端是九件特效工具與 Adobe Firefly 的分發，開發者端是 API Club 與 MCP 服務器。三條線共用同一套模型與研究團隊。風險也同樣清晰：谷歌的 Veo、字節的 Kling 可以用更大的資產負債表打價格戰；Sora 與 Runway 在畫面質量上仍佔據專業心智；而 AI Selves 這類數字分身產品，隨時可能撞上各國對深度偽造的監管紅線。Pika 的體量決定了它不能每一條戰線都贏，只能選一兩條最擅長的路走到底。

09領導風格與性格：留白式產品觀與精英密度派

郭文景的決策風格可以概括為「先定方向，再快速試錯」。在產品功能上，她幾乎不做長期路線圖式的規劃，而是靠模型能力反推界面——她說自家產品的交互界面「只花了一個月時間，是基於 AI 功能性的，每一個按鈕代表 AI 能做的事，其實沒有很多設計的成分」。這在傳統產品經理看來近乎草率，但她的邏輯是：AI 的成本結構已經變了，多開三個功能的邊際成本接近於零，因此沒必要在事前把需求定義得太精準，讓用戶在使用中替公司完成定義。這種留白式產品觀，與上一代互聯網產品經理「把所有設計權握在自己手裡」的思路形成鮮明對照。

用人上，她是典型的精英密度派。Pika 的招聘長期只有一條標準——聰明，且來自頂尖實驗室；她對機器之心說：「我們目前 open to 不同背景的聰明人，base 地不限。」她引以為傲的資產從來不是算力或數據，而是人：「人才是我們重要的優勢。」這句話在 Pika 有具體的量化支撐：六位 IOI 金牌得主、九塊國際奧賽金牌、三位 IOI 世界第一、兩位 Putnam Fellow，實習生月薪一萬美元。與此同時，她對團隊規模保持克制，即使收入增長也沒有像同業那樣動輒擴到數百人——這既是財務紀律，也是一種「人少才能快」的信念。

對外，她是矽谷少見的、能把技術講到極細的創始人。在機器之心的長訪談裡，她從每秒二十四幀一千零八十匹的維度計算講到維度詛咒、低維流形與運動先驗，全程不用公關話術；她也敢在 Sora 最風光的時刻說出「Sora is not hard to beat」這樣的話。這種直白既是自信，也是一種保護色——她習慣用技術語言而不是情緒語言回應競爭壓力。私下裡，她在訪談中流露的卻是另一面：寫詩、想當作家、家裡有畫廊，談到視頻審美時說「每個人對同一段文字的想像都不一樣，所以最準確的表達可能根本不是文字」。

她對標籤的態度也值得一提。中國輿論把她捧成「天才少女」「美女學霸」「女兒概念股」，她很少正面回應這些稱呼，只是反覆把話題拉回產品與個人成長。她對《南華早報》說過一段很坦率的話：「When I was young, I was good at writing and won many awards, but I wasn't very good at maths. I thought being good at writing wasn't cool enough, and since programming and maths were male-dominated fields, excelling in maths felt more challenging.」——寫作得獎不算「酷」，數學與編程由男性主導，所以把數學學好更有挑戰性。這段自述比任何勵志故事都更能解釋她的選擇邏輯：她做的每一個決定，都帶著對「主流認為女孩該做什麼」的刻意逆反。

10成功秘訣：七條可印證的脈絡，與不可複製的部分

歸納郭文景的路徑，至少有七條可印證的脈絡。其一，長達十年的競賽與人脈複利：從高一的信息學聯賽一等獎，到二〇一五年 IOI 銀牌，再到二〇一四、二〇一五兩屆美國國家信息學奧賽冠軍，她在中學階段就建起了一個跨中美兩地的技術人脈網；Inc. 明確指出，正是這些競賽導師幫她約到了 Pika 最早的投資人會面。其二，極早的實習履歷：哈佛期間先後在 Quora、微軟、谷歌大腦、Epic Games 實習，間隔年進入 Meta 人工智能研究院，這種「在別人的前沿實驗室裡學習如何做前沿研究」的經歷，讓她二十幾歲就具備了判斷技術路線的眼力。

其三，把挫折當作需求調研。二〇二二年 Runway AI 電影節的落選，是 Pika 的真正起點——她沒有停留在抱怨工具難用，而是把它轉化為一個可驗證的產品假設：讓不懂技術的人也能在幾分鐘內生成視頻。其四，選對了側翼戰場。當所有同業都在比拼畫面質量、對標 Sora 時，她選擇了另一條路：可控性、效率與特效工具，並明確「不做 AGI，做服務創作者的產品」。這讓一家十幾個人的公司避開了與 OpenAI 的正面對撞。其五，把「小」變成武器：四人團隊、Discord 起步、模型與產品同步迭代，這種輕裝讓 Pika 在半年內走完別人家兩年的融資與產品節奏。

其六，學術判斷力。她與孟晨琳都是史丹福人工智能實驗室的博士生，孟晨琳是 DDIM 的作者之一，這意味著 Pika 從一開始就站在擴散模型的技術源頭；而她對「高維數據投影到低維空間可去掉九成冗餘」的架構判斷，是典型的博士級洞察被直接用在工程上。其七，敘事與定位能力。她把產品定義為「自我表達的工具」而非「好萊塢工具」，把公司定義為「為普通創作者服務」而非「下一個 OpenAI」——這兩句定位直接決定了融資、產品與用戶增長的方向。

不過她的成功遠非完全可以複製。這條路的起點是幾個罕見條件的疊加：出生即在美國、擁有美國國籍，卻在中國最頂尖的競賽體系裡訓練；父母提供了足以支撐國際化教育的資源；二〇二二至二〇二三年的生成式 AI 浪潮，恰好在她博士讀到一半、技術判斷最成熟時爆發。可學習的部分是方法論——早實習、押技術、選側翼、把挫折變成需求；不可學習的部分是時代與出身。她自己也承認這種偶然性，對《南華早報》說過：「Whether it's Harvard, MIT, or Stanford, it's not that important. What matters is your personal growth.」

11個人、價值觀與生活：寫詩的人，做了創作者的工具

在財富問題上，郭文景幾乎從不談錢。她二〇二五年入選《福布斯》三十歲以下三十人榜（AI 類別），這是她少數的個人榮譽之一；相較於估值、股權、身家這些創始人常被追問的數字，她公開談論的永遠是產品與團隊。這種態度既來自硅谷創業文化的薰陶，也與成長環境有關——父親是上市公司實控人，她從小看的不是財富，而是一家軟件公司如何運作。她的金錢觀也體現在公司經營上：Pika 長期保持極低的人員規模，研究實習生一次只招一個，把錢花在算力與研究上，而不是擴張。

家庭是她極少談論卻始終在場的部分。姐姐學電影、妹妹學時裝，家中開著一間小小的畫廊；這種結構解釋了她為什麼總在訪談裡強調藝術與技術的雙重背景——她不是半路出家做創意的工程師，而是在兩種語言裡同時長大的人。二〇二三年她走紅時，據《華夏時報》採訪的知情人士說，父親郭華強在微信群裡發了幾萬塊的紅包。至於她本人的感情與婚姻狀況，公開渠道沒有任何可靠信息，本傳記不做推測。

興趣上，寫作與詩歌是她最常提到的自我認同。「我從小就想當作家，對詩歌非常感興趣」，這是她在多次訪談中重複的句子。她對《南華早報》還說過，小時候寫作得過很多獎，但覺得寫得好不夠酷，因為數學與編程是男性主導的領域，把數學學好更有挑戰性——這句話幾乎可以當作她人生選擇的註腳。她曾在哈佛時代想過當一名網紅，結果幾年後，她做成了那個支撐數以千萬計創作者的工具。課外，她學帆船、滑雪、考救生員，參加全英文辯論賽，這些與其說是履歷裝飾，不如說是她一貫「什麼都試一試」的性格。

生活節奏上，她在矽谷與杭州之間保持著隱約的聯繫。她的公司在帕洛阿爾托，但中國媒體始終把她寫成「杭州姑娘」，浙江與杭州的媒體一次次把她的故事寫成地方驕傲。她本人對這層身分並不刻意經營，也從不用它做商業訴求——信雅達六份澄清公告已經說明了一切。這種刻意的疏離，或許是她對「女兒概念股」這類敘事最清醒的回應。

12國家與時代意義：兩棲身分與全球 AI 秩序的重組

在生成式 AI 的全球版圖裡，郭文景的位置相當特殊。她不是從中國大廠出走創業的工程師，也不是在美國本土長大的典型硅谷創始人；她的路徑是「美國出生、杭州長大、美國接受高等教育、矽谷創業」，兩套教育與兩種文化在她身上沒有形成斷裂，反而疊加成優勢。杭州二中的競賽訓練給了她算法底子與人脈，哈佛與史丹福給了她研究品味與資本通道，而 Pika 的產品又同時服務全球用戶。這種兩棲身分，使她成為華人技術人才在全球 AI 秩序中少見的一種樣本：既不是純粹的出海，也不是純粹的留美。

對中國產業而言，她的意義更多是象徵性的，但象徵性並不小。二〇二三年底，一家只有四個人的矽谷公司，能讓 A 股一家金融科技公司的股價連續六個交易日漲停、累計漲幅百分之七十七，這件事本身就是中國資本市場對 AI 敘事渴望程度的極端反映。券商分析師、地方媒體、投資者在她身上投射了遠超公司本身體量的期待。而她與父親公司之間六份冷靜的澄清公告，也構成了另一種示範：在概念炒作最洶湧的時刻，劃清關聯關係比蹭熱度更需要定力。

在地緣與行業層面，Pika 所處的位置正變得敏感。一方面，它的工具鏈高度依賴全球算力與前沿模型生態；另一方面，二〇二六年以來，中國公司的開源模型已成為全球應用層的地基，Pika 八月推出的 API Club 甚至把 Kimi K3、DeepSeek V4 Pro 等中國模型一併納入模型目錄。一家硅谷公司把中國模型作為標準配置賣給全球開發者，這在幾年前不可想像，也是這一輪技術秩序重組最直觀的注腳——技術的流動方向，已經不再由單一國家單向決定。

對年輕一代，尤其對女性技術從業者，她的意義或許最直接。她曾在訪談中說，寫作得獎不算酷，因為數學與編程是男性主導的領域；而如今，她是美國隊十幾年來唯一的女國家隊隊員，是一家百人規模 AI 公司的首席執行官，是《福布斯》三十歲以下三十人名單上的一員。她很少把性別議題當作個人標籤來經營，但她的存在本身，就在改變「做生成式 AI 的人長什麼樣」這個默認印象。這一點，比任何一句口號都更持久。

01家世與早年：杭州的漫畫、遙控直升機，與一個懸停的夢

一九八〇年，汪滔出生於浙江杭州一個知識分子家庭，父親是工程師，母親在學校任教。童年的汪滔與許多同齡男孩一樣，對天空懷有一種近乎本能的痴迷，而點燃這份痴迷的，是一本講述紅色直升機探險故事的漫畫書《動腦筋爺爺》。書裡那架能夠自由升降的直升機，讓當時還在讀小學的汪滔第一次意識到，飛行是可以被理解、被控制的東西。從此他把大部分課餘時間都花在航模讀物上，成績雖然只是中等，但動手拆裝、研究機械的樂趣，遠比考卷更能給他慰藉。

十六歲那年，汪滔因為考試成績不錯，得到父親獎勵的一架遙控直升機。他欣喜若狂地操縱起飛，沒想到這東西極難操控，剛升空便失控墜毀，旋翼還在他手肘上劃出一道疤。這次失敗沒有打消他的念頭，反而種下了一個執念：要做出一台能夠自動平穩懸停、不必時時刻刻靠人類手忙腳亂去扶的飛行器。少年汪滔後來反覆提起這段經歷，說自己那時的夢想，就是「自己做一台全自動的飛機」。這句話，幾乎預言了他往後二十年的全部事業。

他就讀於杭州外國語學校，求學路線卻並不平直。高中畢業後，汪滔先考入上海的華東師範大學電子系，但念到大三，他做了一個讓旁人吃驚的決定：退學。原因很簡單，他真正想鑽研的是飛行器與機器人，而當時的專業方向無法承載這個夢。他執著地嚮往能培育一流科學家的環境，曾向史丹佛、麻省理工等名校遞交申請，卻因成績只是中等偏上而接連被拒。最終，香港科技大學向這位固執的年輕人敞開了大門，而這一次轉身，成為他人生最重要的轉捩點。

02創業原點：從香港科大畢業課題到蓮花北村的一間民房

二〇〇三年，汪滔入讀香港科技大學電子及計算機工程學系。在這所崇尚科研的年輕大學裡，他如魚得水，不僅埋首實驗室，還兩度參加機器人大賽，拿下香港冠軍與亞太區並列第三名的成績。升上大三後，他終於把兒時的執念變成正式的畢業課題：研究遙控直升機的飛行控制系統，核心目標只有一個——自動懸停，讓飛機「停在空中不動，想停在哪就停在哪」。港科大給了這個項目將近兩萬港幣的資助，他找來兩位同學當助手，埋頭苦幹大半年。

成果展示那天，汪滔的直升機因為風向、氣溫等不可控因素意外墜機，成績單上留下一個大大的「C」。但這次失敗卻意外引來了他人生中的伯樂——機器人技術教授李澤湘。李澤湘看重的不是那張成績單，而是汪滔在實踐中展現出的技術理解力與領導潛質，他直接把汪滔引薦進自己的研究生班，讓這個性格倔強的學生得以繼續鑽研。日後汪滔屢次強調，沒有李澤湘，就沒有大疆；這位導師後來更拿出資金、引薦學生，成為大疆最早的支柱之一。

二〇〇六年一月，汪滔做出第一台樣品，同年在李澤湘支持下，拉上當年一起做畢業課題的兩位同學，籌集約二百萬港幣，在深圳成立大疆創新（DJI Innovations），母公司註冊在香港，以便借重香港的技術人才與稅制。最初的辦公地點是深圳車公廟一間不足二十平方米的倉庫，後來搬到福田蓮花北村的一處三居室民房。創始團隊四人——汪滔、盧致輝、陳楚強、陳金穎——之中，唯獨汪滔具備無人機技術背景，他因此身兼工程師、銷售與師傅數職，時常得手把手教別人。

03最艱難的關：樣品做不出、夥伴走光，手裡只剩兩萬塊

創業之初的大疆，與其說是一家公司，不如說是一間頑強求生的作坊。團隊四個人，只有汪滔懂飛控，產品進度慢得讓人絕望，測試時甚至險些撞到人，許多早期高層對這家小公司徹底失去信心。更糟的是股權與方向上的摩擦：汪滔是個徹頭徹尾的完美主義者，對平庸零容忍，這種性格讓合作充滿摩擦；他曾自陳「我是個完美主義者，所以和別人合作會很痛苦」。第一批產品尚未推出，兩位創始夥伴便先後離開，最困難的時候，公司賬上只剩兩萬塊錢，幾乎走到解體邊緣。

那幾年裡，大疆主要靠賣直升機飛控系統勉強維生，客戶多是國企，買去只是為了給領導做飛行演示。錢雖然好賺，汪滔卻敏銳地意識到，這種「easy money」正在毀掉公司做大事的希望——「這不符合我的方向，我是做產品的人，只想把產品做好，讓更多人用上」。他寧可放棄穩定的訂單，也要把大疆扭向真正的消費市場。這種在生死關頭拒絕妥協的偏執，後來被他歸納為大疆的「窄門」哲學：還沒被驗證的技術、還未出現的設計、仍需培育的市場，才是真正的捷徑。

轉機來自導師李澤湘的持續托舉。李澤湘不僅帶來資金，更引薦了一批自己的學生加入，讓瀕死的大疆重新有了血肉。二〇〇八年，汪滔與李澤湘在西藏完成首次無人機珠峰地區飛行測試；同年，大疆第一款較為成熟的直升機飛行控制系統XP3.1面市——裝上它，傳統直升機模型便能在無人操作下自動懸停於空中。這款產品讓大疆第一次走出了經營困境，也證明了一件事：那個懸停的夢，真的能做成人們願意買的東西。

04翻盤的一役：從賣飛控零件到做「會飛的相機」

真正讓大疆翻盤的，是一次來自市場前線的訊號。二〇一〇年，大疆在新西蘭的一位代理商回報了一個反常現象：她每月只賣出幾十套直升機飛控，卻能賣出兩百多個雲台（用來固定攝影機的支撐設備），而且九成買家都把雲台掛在多軸飛行器上。汪滔立刻意識到，多旋翼整機的市場，遠比直升機飛控要大得多。當時德國公司MikroKopter雖然做多軸，卻走DIY路線，用戶得自己找零件、下載代碼，體驗與可靠性都差。汪滔判斷，大疆應該成為第一家提供商業成品飛控的廠商。

方向既定，團隊內部仍有分歧：是繼續賣配件，還是做整機？若做整機，又該做固定翼、直升機，還是多軸？汪滔最終拍板——做多軸整機。憑藉過去幾年在飛控上積累的技術，決定作出後僅僅數月，大疆就造出了成品。二〇一二年，汪滔帶領團隊開發出全球第一款一體化四旋翼無人機「大疆精靈Phantom 1」；到二〇一二年底，大疆已經握有製造完整無人機所需的一切：軟體、螺旋槳、支架、雲台與遙控器。這一步，把大疆從零件供應商，徹底翻轉成整機品牌的定義者。

二〇一三年一月七日，大疆正式發布Phantom 1，隨後在十月推出整合飛控、攝影與圖傳系統的Phantom 2 Vision，被譽為世界首款航拍一體機，從此無人機作為普通消費品走進千家萬戶，大疆也被稱作「會飛的相機」。同年大疆進入美國市場。到了二〇一三年底，大疆已佔據全球消費級無人機市場約七成份額——而當時整個行業還在為「無人機能不能飛穩」發愁。從硅谷工程師到好萊塢攝影師，從科考隊員到極限運動愛好者，人手一台大疆，大疆不只是在做無人機，而是在定義無人機。

05公司發展史（一）二〇〇六–二〇一二：在倉庫與民居之間活下來

把時針撥回創業前六年，大疆的故事一點也不性感。二〇〇六到二〇〇八年的大疆，是深圳民房裡的一群人，圍著幾百顆螺絲反覆折騰。汪滔對細節的偏執從那時就顯露出來：飛控系統上幾百顆螺絲的契合無法精確量化，他一顆一顆按不同要求擰上去，還摸索出嚴格規定——要用幾根手指頭、擰到什麼樣的手感為止。這種看似變態的較真，日後成為大疆品質的基石。與此同時，他也在學習怎麼帶人：辦公室門口貼著一張「進門議事須知」，其中一條寫明「不要強調困難，強調解決方案」，他拒絕苦難敘事，認為攻克難關是純粹而快樂的事。

這段時期，大疆的銷售數字小得可憐。據後來披露的數據，二〇一〇年大疆銷售收入僅三百萬元人民幣，二〇一二年增長到兩億元。支撐公司前行的，是對多旋翼方向的篤定，以及幾筆關鍵的外部連結。二〇一一年，汪滔在美國印第安納州一場遙控直升機大會上結識了航拍手科林·奎恩（Colin Guinn），邀請他加入北美分公司並給予四成八股份；這讓大疆在海外有了落地支點。但這段合作後來因理念不合破裂，二〇一三年底汪滔鎖定北美員工郵箱、解散大部分團隊，把訂單全部導回中國總部——粗暴，卻也奠定了他對公司控制權毫不鬆手的風格。

二〇一二年，一位還未畢業的實習生陳逸奇，針對「精靈」系列空中懸停、畫面平穩與三百六十度無遮擋拍攝等難題，提出了自己的解決方案。汪滔破格委以重任，交給他一支上百人的技術團隊與數千萬元研發資金，兩年後這支隊伍做出第一架具備三百六十度全視角高清攝影的變形無人機。這件事透露出汪滔用人的一個特質：他可以極度挑剔，但一旦認定一個人的產品直覺，便願意押上驚人的資源。正是這種「為天才讓路」的膽識，讓大疆在技術上始終領先半個身位。

06公司發展史（二）二〇一三–二〇一五：精靈升空，定義消費級無人機

二〇一三到二〇一五年，是大疆從小眾極客玩具走向大眾消費品的爆發期。隨著Phantom系列走紅，營收曲線幾乎垂直上升：二〇一三年營收衝到八億元人民幣，是前一年的三倍有餘；二〇一四年達三十億元；二〇一五年突破六十億元。二〇一一至二〇一五年間，大疆創新的銷售額增長將近一百倍。在《Fast Company》二〇一五年消費電子創新公司評選中，大疆位列第三，是榜上唯一的中國公司。汪滔面對媒體只淡淡說了一句：「我是無人機公司研發者中優秀的一員。」

這幾年大疆的產品節奏快得讓對手喘不過氣。二〇一四年四月推出全高清數字圖傳系統Lightbridge；十一月推出全球首款自帶4K相機的無人航拍器Inspire 1（悟1）；二〇一五年第三代精靈Phantom 3系列亮相，直接推動了全球消費級無人機市場的變革。更重要的是，汪滔始終拒絕用低價換市場，他堅持「我們不會去做二三流產品，靠便宜取勝——便宜，是自己沒本事，拿不出好貨來」。這套標準從創業第一天就定下：要做就做世界最好，所有人都得習慣這個水位。

市場地位的確認伴隨著資本與聲望的到來。二〇一五年八月，《福布斯》公布全球科技界富豪榜，汪滔以約三十六億元身價成為無人機行業第一位億萬富翁；同年三月，荷蘭首相呂特到訪大疆深圳總部，汪滔向他介紹創新成果與創業故事，雙方還探討合辦國際創新賽事的可能。此時全球消費級無人機市場裡，大疆產品已佔據約七成，讓「中國製造」在高科技領域第一次如此令人側目。汪滔和他的大疆，在十年之內坐穩了消費級無人機的領跑者位置。

07公司發展史（三）二〇一六–二〇二〇：風口上的王座與第一次危機

二〇一六年是汪滔與大疆的高光與轉折之年。這一年他先後三次登上發布會舞台親自講產品：三月在紐約完整講解Phantom 4的產品理念與技術核心，九月同樣在紐約發布可塞進背包、續航二十七分鐘的折疊無人機Mavic Pro（御Pro），十一月又在洛杉磯發布專業影視航拍旗艦Inspire 2（悟2）。Mavic Pro訂單超過六位數、一機難求，競爭對手還在追趕精靈的水平，大疆已經跳到下一個世代。當年大疆營收從二〇一五年的五十九點八億元飆升至九十七點八億元，逼近百億大關，在中高端價位（一千五百元以上）無論銷量或利潤都佔九成以上。

也就是在二〇一六年，汪滔留下那句被反覆引用的話。面對《中國日報》與《中國企業家》的採訪，他說「世界蠢得不可思議」（部分報導用「笨」字）。當時的大疆正橫掃全球，這句話讓他被貼上「傲慢的天才」標籤，此後長達十年，他幾乎不再接受任何媒體正式採訪，把產品之外的自己徹底藏了起來。同年，汪滔也判斷無人機市場接近飽和，預估收入到兩百億元便會觸頂，於是大疆悄悄立項「大疆車載」，開始探索汽車業務——這顆日後被他自己叫停的種子，埋下了他對「邊界」反思的伏筆。

二〇一八到二〇二〇年，大疆迎來王座，也迎來麻煩。二〇一八年，大疆在消費級無人機領域保持超過九成市佔，在美國非專業無人機市場佔有約八成，強大到屢次被美國列入「黑名單」。同年大疆完成十億美元股權融資，採用獨特的「競價融資」方式，吸引近百家投資機構、認購超額三十倍，整體估值達一百五十億美元——這是大疆史上最大一輪融資，也讓外界一度猜測其IPO臨近，但大疆始終堅持不上市。二〇二〇年十二月，美國商務部以「國安」為由將大疆列入實體清單，大疆回應將繼續在美銷售。

08公司發展史（四）二〇二三–二〇二六：今天的版圖與千億門檻

邁入二〇二三年以後，大疆的版圖早已超出「無人機」三個字。農業無人機（Agras系列）在中國農田噴灑農藥，覆蓋超過三分之一耕地；行業無人機在電網巡檢、油氣管道、應急救援、地理測繪等領域幾乎成了基礎設施；手持雲台Osmo、Pocket系列口袋相機則打開了影像新戰場。二〇二五年，Pocket 3不到兩年賣出超過千萬部，便攜相機市佔率據汪滔自述已超過Sony、佳能、理光等傳統大廠的總和。大疆也已殺入影視，Netflix熱劇《混沌少年時》使用的正是大疆Ronin 4D攝影機。

營收口徑上，據多家媒體報導，二〇二五年大疆銷售額突破八百億元人民幣、利潤據了解達兩百多億元；汪滔在內部信中預計二〇二六年可穩定突破千億營收。若以全球消費級無人機市場約四百億元人民幣的規模估算，大疆長年獨佔其中七成上下，相當於每賣出十台消費級無人機，就有七台出自大疆。二〇二六年四月十六日，大疆成立二十週年前夕，Osmo Pocket 4正式發售，多平台瞬間售罄、現貨溢價近六百元——市場用真金白銀，為這家民房裡長出的公司投下信任票。

但千億門檻之外，焦慮同樣真實。據Statista數據，全球消費級無人機市場未來五年複合增長率預計只有百分之三點四，與過去兩位數增長形成鮮明對比。汪滔坦言，現有業務（無人機加影像）還能支撐大疆再大約五成，但「遲早會增長停滯，不可能無限長到萬億」。他嘗試掃地機器人、E-bike等新賽道：掃地機器人籌備四五年，二〇二四年八月才推出首款ROMO，卻在科沃斯、石頭、追覓殺成紅海的市場裡未能立刻突圍。更深層的挑戰在於，過去二十年大疆建立在「硬件定義體驗」之上，而AI時代「會飛的相機」正變成「會飛的智能體」，硬件壁壘被軟體與生態稀釋——這才是懸在頭頂的真正考題。

09領導風格與性格：孫悟空、唐僧，與那間貼著「勿言困難」的辦公室

汪滔的性格，最好懂也最難懂。他是一個極端的產品完美主義者，對細節的較真到了近乎本能的程度——一顆螺絲擰到什麼鬆緊都有嚴格規定，連產品發布會的每一幀畫面都要親自過問。這種偏執讓他早期與人合作充滿摩擦，也讓他在相當長時間裡「只關心產品」。有下屬回憶，汪滔會在半夜突然打電話來談想法，不管當時幾點；有人乾脆下班後把手機放進鐵盒子，讓來電顯示「無法接通」。他自己把那段歷史稱為「黎明前的黑暗」，並在辦公室門口貼出「不要強調困難，強調解決方案」的議事須知。

在對人的方式上，汪滔經歷了從「孫悟空」到「唐僧」的蛻變。他自述早年像孫悟空，看見妖怪就想一棒子打死，用強對抗追求理想的乾淨狀態；反腐危機後他才發現，「孫悟空本身就是一個更大的妖怪」。後來他轉向唐僧式的路線——給妖怪念念經，用規則與文化去感化，而不是一棒子掃清。他也不喜歡權力本身，曾說「我不喜歡權力，如果說我需要權力，是因為我想把這件事做好，我才需要它」。收拾殘局時他像商鞅變法般先立規則與秩序，卻也坦承企業家某種程度上注定孤獨。

公開形象與私下性格之間存在明顯落差。對外，他是「中國最難約到的企業家」，十年不發聲、不站發布會，神秘而高冷；對內，他會為技術直覺興奮得手舞足蹈，也會在組織崩壞時痛苦地承認自己不懂人心。他用人極看重「產品直覺」與求真的環境，認為「對優秀人才最好的激勵，錢肯定要到位，脫離錢談激勵都是PUA；然後創造一個讓他們可以求真的環境：少政治、別外行管內行、管理者別自嗨」。這種直來直去，讓大疆既吸引了一批極客，也篩掉了一批無法忍受高壓的人。

10成功秘訣：窄門、產品直覺，與把管理當成熵減

回看汪滔的成功，可以歸納出幾條可印證的經驗。第一，敢進窄門。他援引西方諺語反駁風口論：尚未突破的技術、還未出現的設計、仍需培育的市場，才是創業真正的捷徑。大疆從飛控到整機、從零件到「會飛的相機」，每一步都走在當時沒人走通的路上。第二，把產品標準鎖死在「世界最好」。從賣飛控起，他就拒絕easy money與二三流產品，這套標準讓大疆在高端市場長期拿到九成以上利潤。第三，相信delta勝於平均。他主張「平均智慧不值錢，只有比行業平均水平高的delta才值錢」，不滿足於行業共識，鄙視「皇帝新衣」式的創新。

第四，產品判斷靠直覺但直覺不憑空來。汪滔自述大腦偏圖像型、直覺型，一個設計好不好第一眼就有答案，語言都是後補的；但直覺來自大量觀看與輸入，他信奉「great artist steal」的拿來主義——很多偉大創新本質是借鑑與重組。第五，把管理當成熵減。他自創「管理第一宇宙速度」：組織能力到七十分，才進入自我驅動的良性軌道；五十分到七十分之間的鴻溝，百分之九十九點九的公司跨不過去。他自己從三十分爬到六十五分，用了整整八年。第六，邊界克制。他放棄造車、拒絕無邊界擴張，認為「這個世界有一些規則是懲罰過大的東西」，中庸不是妥協，而是射中靶心的精密能力。

然而必須誠實地說，汪滔的成功有多大程度可複製、多大程度是時代與運氣的產物？大疆趕上了數位攝影普及、鋰電池與微機電技術成熟、全球供應鏈向深圳聚集的窗口，也遇到一位願意兜底託舉的導師李澤湘，更在無人機賽道幾乎沒有像樣對手時完成了定義。他的產品天賦與偏執無疑真實，但若抽掉這些時代條件，「出道即巔峰」很難被刻意複製。汪滔自己也承認，早年那個「我要贏、拿第一」的ego是驅動力，卻也是毒藥；真正的成長，是學會反思，而非複製當年的狂妄。

11個人、價值觀與生活：軟殼蟹、不造車，與「求真品誠」

汪滔的價值觀，濃縮在大疆那句「激極盡志、求真品誠」裡。他坦承，早年自己只想著前半句——要贏、要天下第一；但今天看，後半句「求真品誠」才更重要。光有勝負欲，會把組織推向無盡的功利與內卷，人與人的關係退化成工具與交易；「求真品誠」才是壓艙石：少一點政治鬥爭，別外行管內行，管理者別自嗨。這種轉變，與他十年沉默、反覆自省密不可分。他檢討自己「以前挺驕傲的，實際上屁都不懂」，警惕把創新說成憑空造物的膨脹，認為人最寶貴的品質是「不自欺，不自我包裝、自我感動」。

二零二六年，四十六歲的汪滔把十年不發聲的自己形容為「正在脫殼的軟殼蟹」，說蛻變尚未完成，但已經開始長起來。他接受人性的弱點、管理的灰色、有人離開有人犯錯，也從子貢問孔子的對話中頓悟：不用貧富框架去評判別人，才是更高的境界。關於自由，他有一句乾脆的定義——「不被錯誤的期待給束縛，錯誤的期待是最大的不自由」。這種對外界標籤的鬆綁，解釋了為什麼他在巔峰時消失、在千億門檻前又願意開口。

在具體的取捨上，汪滔展現出難得的克制。二〇一六年他認真考慮過造車，最終評估自身能力無法駕馭而作罷，他的原話是：「連雷軍造車都是All in，手機部門直接交給高層，我當時根本沒人可甩手交託，如果二〇一六年去造車會死得很難看。」他強調，大疆的能力邊界就是管理邊界，因此近三年沒有新項目，先把已有業務做深、適當做減法，寧可穩健，把增長留給以後。他甚至說，自己創業二十年最滿意的不是造出一家世界級企業，而是學會了反思——這或許是這位硬核理工男，留給同代人最不像成功學的成功學。

12國家與時代意義：從深圳民房飛向世界之巔的中國智造

在大疆之前，消費級無人機幾乎是空白地帶，西方對「中國製造」的刻板印象是做不出好東西、只會山寨。汪滔與大疆用一款款一體化產品，把這個印象徹底掀翻——「它先進得不像一個中國企業，這是一家全世界都在追趕的中國公司」。從珠峰之巔到火山熔岩，從好萊塢大片到農田與基建，DJI的銀灰白標誌成了中國硬科技的一張名片。大疆不僅定義了消費級無人機，也帶動了深圳這座硬件之城的整條供應鏈，讓「中國智造」在高科技領域第一次如此令人側目。

但大疆的崛起，始終伴隨地緣政治的拉扯。二〇一八年美國Autel Robotics發起337調查；二〇二〇年十二月大疆被列入美國實體清單；二〇二二年三月設計軟體Figma無預警切斷大疆賬號；同年四月，面對俄烏衝突雙方都把民用無人機改裝用於作戰，大疆宣布暫停在俄羅斯與烏克蘭的所有業務，並多次公開強調產品絕不面向軍事目的。二〇二三年五月，美國德事隆以專利侵權起訴大疆，德州陪審團判賠二點七八九億美元，大疆表示不認同並上訴。二〇二四年十月，大疆更在美國哥倫比亞特區聯邦地區法院起訴國防部，挑戰將其列入「中國涉軍企業」（CMC）清單的決定。

這場跨洋訴訟在二〇二五年九月二十六日迎來一審判決：法官保羅·弗里德曼駁回了國防部「大疆由中國官方擁有或控制」的核心指控，卻仍以「技術具雙重用途」為由，維持將大疆列入CMC清單的決定；大疆隨即上訴。耐人尋味的是，儘管屢被封禁，美國消防、警察、建築與農業用戶仍大量採購大疆，因為找不到替代品——這恰恰證明了技術壁壘的實質。對中國而言，汪滔的意義不只是做了一家千億公司，更在於他證明：紮根深圳、面向全球，中國工程師也能在高端硬科技裡制定標準、定義品類，並讓全世界繞不開它的技術。這，或許才是「大疆」二字最沉的分量。