华人 AI／机器人
新世代领军者

导言：二十一个人的同一道题

把二十一篇传略并排读完，最先浮现的不是差异，而是重复。二十一个人在完全不同的行业里，反复说著同一批词：克制、专注、长期、密度、标准、事实。汪滔说好的东西都是中庸的；梁文锋说人工智能这件事太大，独占一定会被历史抛弃；王兴兴说创办人若不清楚技术路线，团队效率差距至少五倍；彭志辉说「选择性放弃」和坚持同样重要；亚历山大·王说你必须建立起一套没有人认同的信念；陈天石说芯片行业要拿推土机沿大路推；杨钊把公司价值观收成八个字——极致效率、实事求是。

这些句子出自不同的语境，指向的却是同一个动作：主动放弃一部分看起来很好的机会，把资源集中到一件真正重要的事情上。汪滔放弃造车，梁文锋放弃三维、视频与世界模型，彭志辉放弃华为二百零一万元的年薪，郭文景放弃通用人工智能这面旗帜，张昌武在朱雀一号失败后放弃不可重复使用的固体火箭。五次放弃，发生在五条完全不同的链条上，却共享同一种算术：把边界缩小，换取深度。它们都不轻松，因为全都发生在公司最不缺机会的时候；而事后回看，正是这些「不做」，定义了他们各自变成了什么样的公司。

差别也同样清楚，而且往往比共同点更诚实。同一个开放权重的阵营里，深度求索把 API 价格压到一元／百万 token，月之暗面却把旗舰定价放在国内最高价档；为具身智能供数据的两家头部公司，一家说九成九的数据可以靠合成，一家说几乎全部必须来自真机。所以这一页的做法是：先把七个反复出现的特质拆开，再把六组真实的对立摆在旁边，最后指出哪些部分可以学、哪些部分根本学不了。换句话说，这里不打算给出一份「成功者的共同点清单」——共同点与分歧同样重要，只读前者会得到一份失真的画像。

一、非共识的信念：别人不同意时才值得下注

亚历山大·王把这一条说得最直白：你必须建立起一套没有人认同的信念。他十九岁从麻省理工辍学，原本想做医生聊天机器人，很快发现真正稀缺的不是模型而是喂养模型的数据，于是掉头去做「淘金热里卖铲子的人」。创业头几年，投资人没有亲手训练过模型，不相信数据会是瓶颈，他却没有跟风改做终端产品，而是守住「数据加工厂」的定位，让客户变成依赖他的上下游。后来那些当年拒绝他的机构，开始写文章论证数据多么关键。在矽谷普遍回避国防合约的年代，他把为美军做人工智能上升为一种道德义务，这同样是一笔没有共识的下注。

这种「非共识」不是刻意唱反调，而是对时机的判断。梁文锋在二〇二一年把量化交易赚来的钱砸进约一万张 A100 的萤火二号时，大模型在中国还不是一个热词；汪滔在别人做整机的时候坚持做飞控，在别人做飞控的时候又转去做一体化无人机，靠的是同一句判断——尚未突破的技术、还未出现的设计、仍需培育的市场，才是创业真正的捷径。陈天石与兄长从二〇一〇年起做人工智能与处理器架构的交叉，比 AlphaGo 早六年、比这一轮大模型浪潮早十三年，当时这个方向被称为「无经费、无论文、无人问津」的三无研究，一份二十万元的课题经费都没批下来。

同样的下注方式，在更年轻的人身上重复出现。王鹤在行业普遍依赖遥操采集数据的时候，一次次公开宣讲合成数据策略，笃定具身智能所需的数据有九成九可以靠高质量合成完成，只有百分之一需要真机采集；杨钊选择了全高温超导托卡马克这条此前从未被完整验证的路线，并公开评价美国同行的路线科学风险很高；王兴兴在二〇一五年做出低成本电驱四足机器人 XDog，比波士顿动力公开电驱方案早了约一年；张鹏与清华知识工程实验室的班底没有跟随主流的自回归路线，轴在自研的 GLM 架构上；闫俊杰则在二〇二三年下半年力排众议，让 MiniMax 全面转向混合专家架构，奠定了后来的成本与延迟优势。代价是显而易见的——在一段不确定的时间里，你会显得固执，甚至愚蠢。可以学习的部分是如何独立判断，不可学习的部分是判断恰好对了。

二、克制：不做什么，比做什么更难

如果说这二十一个人有一个共同的关键词，那就是克制。梁文锋把它写进了定价策略：API 只赚「十个月回本」的合理利润，不追求利润最大化，降价那天公司群里在欢呼；他也把它写进了研发边界——只做通用人工智能主线，三维、视频、世界模型都不在主线上便不做，敢于对赚钱的机会说「不」。汪滔把它写进了战略选择：大疆放弃造车，理由是「这个世界有一些规则是惩罚过大的东西」。彭志辉把它写进了路线图：「选择性放弃」和坚持同样重要，智元每半年评估一次技术路径，某个模组若长期无法闭环就果断砍掉。

克制之所以难，是因为它要求你在资源最充裕、选择最多的时候主动缩小边界。汪滔对此有一个精确的说法——好的东西都是中庸的，「中庸不是妥协的选择，而是精密的能力，弓箭射中靶心才是最高水平」。王兴兴的克制则直接指向钱与人：在人工智能与机器人的抢人大战里，宇树出奇地不烧钱堆人，他相信近年的许多突破反而是中小企业做出来的，「这完全不是钱的问题」。陈天石把克制的对象换成了产业链位置：寒武纪专注底层硬件与工具链，避免做应用，因为一旦做应用就会触及客户的核心利益——他把自己比作一个墩子，专业长胖，欢迎大家踩在我们身上做应用。

更少被谈论的一种克制，是对市场情绪的克制。二〇二六年六月三十日，寒武纪盘中总市值首次突破一万亿元，当晚公司主动发布风险提示公告，指出滚动市盈率三百六十八倍显著高于行业均值，两天内市值蒸发超过一千四百亿元。高继扬对资本也有一套清醒的账本逻辑：「融资路径和支出路径，这是两件事。」郭文景则把克制写进了公司定位——明确表态不做通用人工智能，只做服务创作者的产品，让十几个人的公司避开与巨头的正面对撞。杨钊面对美国同行更高的科学想像力，选择只做已被科学验证过的托卡马克，把风险留在工程里。这些克制都不是道德选择，而是资源约束下的理性：前提是你真的算过帐。

三、极致的标准：做不到世界最好，就不做

这批人对「产品标准」的偏执程度惊人地一致。汪滔的表述最激烈：「我们不会去做二三流产品，靠便宜取胜——便宜，是自己没本事，拿不出好货来。」他从卖飞控的阶段就拒绝容易赚的钱，并主张「平均智慧不值钱，只有比行业平均水平高的 delta 才值钱」，不满足于行业共识、鄙视「皇帝新衣」式的创新；这套标准让大疆在高端市场长期拿到九成以上利润。陈天石的版本更短：技术一定要是最好的。他二〇一〇年本科成绩平平却被破格招进中科院计算所，靠的不是分数，而是对计算机的热爱和工作的狠劲——他也从不给自己打分，既不给自己打分，也不轻易给别人打分。

这种标准不是一句口号，而是一套可执行的筛选机制。彭志辉在智元推的是「工程闭环」：发现问题、定位问题、复现实验、迭代方案、再回到场景验证，把失败还原成一个具体问题，而不是一种情绪；产品发布前一周他就带团队住进发布场馆，直到直播前二十分钟还在调试。陈建宇则把标准压在自研比例上：星动纪元从创业第一天就坚持软硬一体，硬件自研比例超过九成五，从核心电机、驱动器到整机全部自己来，理由是没有大脑的机器人是一堆废铁，而没有身体的大脑也称不上机器人。姚顺雨把标准放在评测上：他反对刷榜，主张构造真实的评测环境，用真实电商、真实代码库、真实客服场景检验模型，而不是玩具基准。

把这一条翻译成现代管理的语言：他们都在用「产品标准」替代「KPI」。王兴兴说得直接——如果创办人自己不清楚技术路线，团队的效率差距至少五倍；标准是创办人必须亲自定义、且无法外包的那件事。杨钊把它压缩成一句可量化的话：「度电成本就是金标准。」在一个充满宏大叙事的行业里，这句话的价值在于它不接受任何模糊的表达。姜哲源则把定价本身当成标准的一部分：三点九九万元的 N2 与九千九百九十八元的小布米，都是从设计之初就拿价格倒推研发进度——在硬件行业，敢报出一个价格，等于先替整个团队签下一张军令状。

四、人才密度：把股权和舞台让出去

亚历山大·王把「人才密度」当成押注的核心：「人才密度是我押注的核心，它会自然地自我复利。」进入 Meta 之后，他做的第一杠杆不是算力，而是密度——优秀的人越多，更优秀的人越想加入。他也是这批人里对「过度」评价最高的一个：过度乐观就是乐观，过度沟通就是沟通，过度交付就是交付；领导者是全公司在乎程度的上限。这种信念的具体形态，是他亲自审阅 Scale 的每一笔招聘与重要产品产出。他也愿意为理念承担争议：二〇二四年他推动以「优才、卓越、智慧」为首位的招聘政策，公开与另一条路线切割；在国防合约备受批评时，他毫不退让地为公司辩护，把争议转化为使命叙事。

有意思的是，他们对「留人」的态度都相当反直觉。汪滔的大疆被称为硬件行业的黄埔军校，送走了大批创业者——王兴兴就是其中之一，二〇一六年被大疆提前录用，试用期还没结束就决定辞职创业；汪滔的回应是想通「人才是属于社会的」，只要招得比挖得快，留人问题就从零和博弈变成良性共生。梁文锋则把整个组织压成两个层级：他，以及研究员；不打卡、不设 KPI、不做年度计划，新人可以直接调用顶级训练集群，留人靠两条——高薪与算力管够。他的说法是：「管理靠的不是规章制度，靠的是愿景。」

把舞台让出去，还包括分利与归功。沈亦晨的用人标准是一道排序题：人品正直、能力互补、团队合作；他最初从麻省理工的篮球场上挑合伙人，也在招人时给美国四十多位半导体专家群发邮件，最后请到一位愿意降薪约五成的行业老兵。谈到团队薪酬时他说了一句：「当然，他们的薪酬肯定都远远高过我。」夏立雪把最亮眼的成果归功给一位年仅二十四岁的实习生，并在公司设立专门面向年轻人的奖项，用「涌现型组织」定义公司的组织目标。姜哲源的表述最锋利：「我们只支付能力溢价，不支付学历溢价」——他要的是能贴地干活的人，松延各部门负责人几乎没有空降案例。张昌武的版本则是「向上找」：三十一岁创业时，他找的是六十岁的航天老兵与五十岁的归国学者，把技术决策交给比他更懂行的人。彭志辉把这种转变总结成一句话：从自己把事情做好，转变为让一群人持续把复杂的事情做对。

五、长期主义：愿意用十年换一次拐点

这批人对时间的耐心，在一个奖励速成的行业里格外突兀。陈天石与兄长从二〇一〇年开始做人工智能芯片，到二〇二五年全年营收六十四点九七亿元、同比增长百分之四百五十三，上市以来首次全年盈利——中间隔了十五年，其间股价一度从高点跌去九成以上。汪滔用八年时间把管理水平从三十分爬到六十五分，并自创「管理第一宇宙速度」来说明五十分到七十分之间那道九成九公司跨不过去的鸿沟。梁文锋从二〇〇八年的量化实验、二〇一五年的幻方量化、二〇二一年的万卡集群，走到二〇二三年七月创办深度求索，走了十五年。公众记住的是「一夜爆红」，时间轴上却是一条十五年的线。

硬件与能源的耐心更长。张昌武从二〇一五年注册蓝箭航天到二〇二三年朱雀二号入轨，用了八年；那一年他说「商业航天要赚钱，不是短跑，而是一场需要长期战略定力与耐心资本支持的马拉松」，七年之后，公司一年研发费用九点二二亿元、一年净亏十七点一一亿元，累计未分配利润为负五十九点五五亿元。杨钊的团队用四个人在两年内建成洪荒 70，预算一点五亿元、最后花了约一点二亿；到二〇二六年二月二日，第五千七百五十五次实验实现一千三百三十七秒稳态长脉冲等离子体运行。沈亦晨等了七年才有第一条真正产生现金流的业务，二〇二三年全年收入只有三千八百余万元——但他守著一条纪律：帐上从来不少于两年的现金储备，因此每次都做融资的主动方，也从没签过对赌条约。

长期主义在这里不是情怀，而是被反复验证的判断。王兴兴的表述带著清醒的节制：人形机器人的「ChatGPT 时刻」可能还需要两到十年；在春晚机器人拿到百亿级传播量的时候，他选择不急著卖，理由是泛化能力还没到八成，拐点前是展品，拐点后才是劳动力。彭志辉把同样的判断讲成路线图：先工厂、后家庭，机器人大规模进家庭还要三到五年——工厂里最多做坏一个零件，家庭里出事故可能伤到人。杨植麟则宁可牺牲短期增速，也要守住技术与组织的长期质量，他相信「技术是这个时代唯一的新变量」。愿意等的人，才有机会在拐点来到时手上有现成的东西。

六、亲下一线：工程师底色与细节偏执

这二十一个人里，绝大多数是第一线工程师出身。汪滔的偏执到近乎本能——一颗螺丝拧到什么松紧都有严格规定，连产品发布会的每一帧画面都要亲自过问；有下属回忆，他会在半夜突然打电话来谈想法，不管当时几点，有人干脆下班后把手机放进铁盒子。彭志辉的苦行更直接：产品发布前一周住进场馆，平时为了省时间一天只吃一顿晚饭。王兴兴从 XDog 到 G1 一路自己写论文、画图、调参，既是首席执行官也是首席技术官，技术判断权高度集中。罗福莉对自己的要求是「把每一篇论文做扎实、把每一行代码调对」。

亲下一线的价值，在于判断的颗粒度。彭志辉从失败中提炼出的方法论，是把它还原成一个具体问题：是技术路线错了，还是工程实现不稳？是产品定义不清楚，还是场景价值不成立？——这种拆解只能从现场来，不能从报表来。高继扬坚持几乎全部使用真机数据，宁可承受每小时一百至一百五十元的采集成本，理由是「仿真可以模拟物理规律，却模拟不了真实世界的随机与意外」；他的团队把预训练全部压在真实数据上，让世界模型与真机数据一起迭代。姜哲源的办公室里始终放著一块白板，工程师可以随时推门进来讨论；公司搬到昌平之后，他一天要去厂房两三次，亲自查看组装与交付进度；偏技术与研发的核心岗位，他会亲自面试一次。

所以「亲力亲为」不是事必躬亲，而是保持对细节的直接手感。陈建宇在学生眼中是「会在凌晨四点给学生改代码」的老师，自己每天骑电动车上班；他承认自己的缺点恰恰是优点的反面——有时会想得太多、做事不够干脆，是创业逼著他变得果断。刘松铭的降噪方式更特别：他长期冥想十余年，创业之后依然几乎每天留出时间，理由是当公司要极致提高斜率时，他首先要把「首席执行官路线判断错误」这个因素排除出去，然后才能判断问题到底出在硬件、模型还是数据。他用「每逢大事有静气」形容这种状态，把判断力当成一种需要保养的资源。

七、反思：把「我」当成需要修正的对象

如果说前六条都还算常见，这一条最不常见：这批人里有相当一部分，公开地把「过去的自己」当成反面教材。汪滔说自己前半辈子都是靠「我要赢、拿第一」的 ego 驱动的，但后来发现那个「我」字是毒药；他把这种转变总结为从孙悟空到唐僧——从一棒子扫清妖怪，转向给妖怪念念经，并且承认「孙悟空本身就是一个更大的妖怪」。沈亦晨在二〇二二年底那场关于是否继续投入五亿元的争论里，没有用创办人的权威直接拍板，而是把支持和反对的人分成红队、黑队，各自用两个月时间论证，最终选择叫停，理由只有「活下去」三个字。

反思能力之所以关键，是因为它决定了创办人能否在正确的时间推翻自己。刘松铭的成名作 RDT-2 地基是 UMI 夹爪数据，创业后他却转向人类数据手套与二十个自由度的五指灵巧手，亲手放弃刚刚验证成功的打法；他解释说，技术路线是一整个系统，硬件、数采与模型彼此紧密相连，一旦要变，设计、生产、供应链都要推倒重来，所以必须选得准——因为改不起。杨植麟在二〇二四至二〇二五年果断从「预训练加微调」转向「预训练加强化学习」，并拥抱智能体范式。彭志辉则用「七成信心、三成开放」描述自己对技术路线的态度：正确性不来自死磕到底，而来自能在关键时刻冷静判断、快速转向。

更难的是把反思做成机制，而不只是一次顿悟。汪滔花了八年把大疆从集权推向机制，目标是「让组织不依赖个人」。陈建宇的自评是「做事稳重、理性，看问题会想得更深，也不容易被情绪影响」，缺点则是想得太多；他把在不确定下敢于押注的能力，列为创业带给自己最大的改变。姜哲源在估值从五亿涨到二十亿时提醒团队警惕热度之下的技术实力，也直白地承认自己在最难的日子里每天把自己关进会议室打电话，「那会儿真的是超级焦虑」。杨钊面对失败的答案更朴素：看你摔到哪，接著再往上去爬，「菜就多练」。

分歧：六组对照

共同点之外，这二十一个人在六个维度上明显分成两派。第一组是「把价格打穿」与「用价格确认水位」。梁文锋的深度求索在二〇二四年五月发布 V2 时，把 API 价格压到一元／百万 token，只有同期顶级闭源模型的百分之一，直接点燃了中国大模型的价格战，「便宜」从此成了这家公司的公开标签；杨植麟的月之暗面则走另一条路，二〇二六年七月的 K3 输入每百万 token 二十元、输出百元，位居国内最高价档，却仍只有海外同类模型的三成。硬件端的对照同样清楚：宇树把 G1 压到九点九万元起，松延动力把双足人形推到九千九百九十八元，而彭志辉的智元走全栈自研、高举高打，主张交付的是「结果」而不是一台机器。同一个「便宜」与「贵」的岔路口，他们给出了四种不同的答案。

第二组是数据从哪里来。王鹤的银河通用押注合成仿真，自建百亿级仿真数据基建与五级数据金字塔，主张具身智能所需的数据有九成九可以靠高质量合成完成；高继扬的星海图则坚持几乎全部使用真机数据，宁可承受每小时一百至一百五十元的采集成本，理由是「仿真可以模拟物理规律，却模拟不了真实世界的随机与意外」。两条路线在二〇二五年同时拿到百亿级估值，也都宣称自己的模型登顶榜单，但谁的数据飞轮先转起来，市场还没有给出答案。

第三组是「投行出身」与「实验室出身」。张昌武学的是金融，在汇丰银行与桑坦德银行做过投资，二〇一五年注册蓝箭航天时公司的工号〇〇一是他自己，但他从第一天就没打算做技术，而是把技术决策交给航天体系出身的人；张鹏则是另一种样本，他在清华知识工程实验室待了十余年，从首席技术官被「推」到首席执行官的位置上，用企业家纪律把学院资产翻译成产业资产。第四组是「创办人」与「企业内科学家」。梁文锋、杨植麟、彭志辉各自是公司的第一决策者，战略、路线与人事都压在他们身上；姚顺雨与罗福莉则选择在大平台的内部重建一支队伍——前者出任腾讯首席人工智能科学家，统领基础模型与人工智能基础设施，后者执掌小米 MiMo 大模型团队。两者的差别不在能力，而在可调用的资源边界与被允许犯错的时间。

第五组是「软件速度」与「硬件耐心」。郭文景的产品几乎不做长期路线图式的规划，而是靠模型能力反推界面，自家产品的交互界面只花了一个月；杨植麟把模型的参数从一点零四万亿推到约二点八万亿，靠的是按月计的迭代节奏。另一边，张昌武从注册到入轨用了八年，杨钊从四个人的「零维代码」到一千三百三十七秒的等离子体用了五年，陈天石则说芯片行业「不抄小道，不搞奇袭，而是拿个推土机在那推」——就算有了好想法，每一步走塌了都会出大问题。第六组是「沉默」与「高调」。汪滔在二〇一六年留下一句「世界蠢得不可思议」之后，几乎十年不接受采访，直到二〇二六年四月才以一场十九小时的对谈回归；梁文锋几乎从不露面，深度求索的每一次发布都只有技术报告与开源权重。亚历山大·王却频频出现在华盛顿的论坛与播客上，主动塑造叙事；姜哲源在马拉松终点戴著红色发带大喊口号，在直播镜头前当场带货。两者都有效，取决于生意的性质——前者面对的是消费者与供应链，后者面对的是资本与政策。

可复制的，与不可复制的

把可复制的部分列出来，其实不多，但都很硬。一是主动缩小边界的能力：梁文锋只做通用人工智能主线，汪滔不造车，彭志辉每半年砍一次无法闭环的模组，这些决定与行业无关，任何团队今天就能做。二是把产品标准当成第一杠杆：陈天石说技术一定要是最好的，杨钊说度电成本就是金标准——标准是创办人唯一不能外包的东西。三是对人才密度的押注：亚历山大·王把密度当成第一杠杆，梁文锋用愿景取代考核，沈亦晨把报酬让出去。四是保持对细节的直接手感：姜哲源一天去厂房三次，陈建宇凌晨四点改代码。五是能在关键时刻推翻自己：刘松铭放弃刚刚验证成功的路线，沈亦晨把红队黑队摆上桌。

不可复制的部分同样清楚，而且比可复制的那五条更大。第一是时代窗口：这批人踩中的是移动互联网、中国供应链成熟、生成式人工智能爆发三重叠加的十几年——二〇一四年国务院文件首次明确鼓励民间资本参与国家民用空间基础设施建设，二〇一五至二〇一七年前后的国产芯片起步与算力积累，二〇二二年底 ChatGPT 引爆需求，这些时间点无法重来。第二是师承与出身：清华知识工程实验室走出了张鹏与杨植麟两家头部模型公司，交叉信息研究院走出了陈建宇与姜哲源这对师生，姚班走出了姚顺雨；张昌武的岳父是西昌卫星发射中心初期建设者之一，郭文景在硅谷出生、在杭州的竞赛体系里受训。第三是家境与资源：不是所有想读史丹福、麻省理工的人都能去，也不是所有人都能在十九岁辍学之后还有退路。

第四，也是最不该被忽略的一条，是「非共识恰好对了」的运气。陈天石的营收曲线，很大程度上是被海外高端算力卡供应收缩划出来的；银河通用与将闲科技这类公司，恰好在二〇二四至二〇二六年这一段一级市场对具身智能最慷慨的窗口里融到钱。判断力可以练，但正确的结果无法保证。夏立雪自己的总结最坦白：「我们生逢其时。」所以更诚实的结论是：这二十一个人展示了「如果条件具备，一个人可以把事情做到什么程度」，而不是「照著做就能成功」。把可复制的部分用来改进自己的方法，把不可复制的部分用来校正自己的期待——这大概是这份材料最合理的用法。

比较表：二十一人一览（风格 · 秘诀 · 一句话）

下表把二十一个人的领导风格关键词、成功秘诀核心与一句话索引并列，并按六条赛道分栏，供读者快速横向对照。表格资料由生成程式另行注入，此节不再重复叙述，只保留一句提醒：任何关键词都只是入口，不是结论。

结语：给读者的三句话

第一句：先想清楚「不做什么」。这二十一个人没有一个是靠「全都做」成功的。汪滔不造车，梁文锋不做三维与世界模型，彭志辉砍掉长期无法闭环的模组，郭文景明确表态不做通用人工智能，张昌武在朱雀一号失败后放弃固体火箭路线。克制的反面不是贪婪，是没有判断——他们砍掉的每一块，都对应著一次具体的算帐，而不是一句漂亮的宣言。值得注意的是，这五个决定没有一个是为了省钱，它们省下的是注意力：放弃意味著把有限的高管带宽、工程人力与现金流，全部压在一条主线上，而事后回看，那条主线才是他们真正的产品。

第二句：标准高于指标。他们管公司的方式各不相同——梁文锋没有 KPI，闫俊杰摒弃 OKR 与 KPI 转以效率与工程能力为导向，王兴兴把技术判断权集中在自己手上，张鹏把 C 位让给科学家——但都在用「产品标准」替代考核指标。标准是创办人唯一不能外包的东西，也是最难交给别人的东西。陈天石说技术一定要是最好的，杨钊说度电成本就是金标准，这两句话里没有一个字谈管理，却比多数管理手册更管用。闫俊杰甚至选择在二〇二五年十二月不再领取薪酬，把资源优先投入模型与产品能力的长期建设——这是一种用个人利益表态的标准。

第三句：把「我」放进要被修正的对象里。汪滔用了八年，彭志辉用了一次次砍模组，沈亦晨用了一场红队黑队的辩论，刘松铭用了一次亲手推翻自己成名作的决定，亚历山大·王用了一次掉头——从医生聊天机器人转去做数据标注。这批人里最年轻的刘松铭生于二〇〇〇年，公司注册至今不到一年，仍然零营收、零公开订单；最年长的汪滔已经做了二十年的硬件。两个人的共同点是：真正稀缺的不是天赋，而是在最自信的时候还能问一句「是不是我错了」的能力。二十一个人的样本依然很小，这一页提供的是观察，不是配方。

一、六条赛道，六种时间表

二十一个人被编者分进六条赛道：空中机器人、语言与智能、具身智能、算力与芯、太空与能源、创作与智能。这个分法本身是粗糙的——汪滔的无人机同时是硬件、是自动化，也是最早被地缘政治卷入的消费电子产品；罗福莉既属于语言与智能，也因为 MiMo 要装进手机与 IoT 设备而靠近算力。但六条赛道的用处在于，它让每一条线的时间表变得可见：同一张图上，有人以月为单位迭代模型，有人以十年为单位等一次入轨。

语言与智能是最拥挤的一条，八个人在这里相遇：梁文锋、杨植麟、闫俊杰、张鹏四人做基座模型，罗福莉与姚顺雨在大厂里带队，Alexandr Wang 供给训练数据，郭文景往视频生成走。这条线的时间表以月计——二〇二三年四月月之暗面成立，二〇二六年一月智谱与 MiniMax 先后上市，中间不到三年；二〇二六年七月 Kimi K3 发布，七十二小时内美股人工智能板块合计蒸发约四千七百亿美元。具身智能是第二密集的一条，七个人分布在整机、模型与数据三个位置，它的时间表以出货量计：智元在十五个月里从一千台推到一万台，宇树把 G1 压到九点九万元起，松延动力则把双足人形推到万元以内。

另外三条赛道的人数少得多，时间表也长得多。算力与芯只有三个人，但他们的位置决定了所有人能跑多快：寒武纪从二〇一〇年的三无研究走到二〇二五年全年盈利，用了十五年，其间股价一度从高点跌去九成以上；曦智科技等了七年才有第一条真正产生现金流的业务，二〇二三年全年收入只有三千八百余万元；无问芯穹解决的是国产算力散成孤岛的问题，把不同品牌、不同代际的芯片接成一张网。太空与能源只有两个人，周期以十年计——蓝箭航天从注册到液氧甲烷火箭入轨用了八年，能量奇点从四个人在上海注册到「洪荒 70」放电用了三年，而它的第二台装置要到二〇二七年前后才建成。创作与智能只有郭文景一个人，她代表的是这一轮浪潮里最容易被忽略的一条支线：不改变世界，只让更多人有能力表达。

二、中美的两端

这张图里只有两个人把总部放在中国境外：Alexandr Wang 与郭文景。他们同在旧金山湾区，一个做数据标注，一个做视频生成。这个事实本身构成了图上最重要的一组对照——其余十九个人的公司全部注册在中国境内，而这两个人的存在，让整张图无法被读成一份纯粹的中国样本清单。

两端之间的张力，可以从三组关系里看出来。第一组是名单与合约：大疆在二〇二〇年十二月被美国列入实体清单，其产品在华盛顿的听证会上被反复讨论；而 Scale AI 的另一条主线，是为美国国防部与国家安全项目提供人工智能能力，Alexandr Wang 把这件事称为一种道德义务。第二组是芯片与模型：寒武纪把二〇二五年营收暴增百分之四百五十三的推力，归因于海外高端算力卡供应受限后，国内大模型与智算中心集中释放的资本开支——也就是说，这家芯片公司的营收曲线，是被管制划出来的。第三组是流向的反转：Pika 在二〇二六年八月推出 API Club，把 Kimi K3、DeepSeek V4 Pro 等中国模型一并纳入模型目录卖给全球开发者；黄仁勋则公开表态，美国公司「绝对应该」被允许使用中国模型。

还有一组数据值得放在一起看：据第三方平台统计，二〇二六年八月三十一日至九月六日这一周，中国大模型的周调用量达五十六点七二万亿 token，连续十九周超过美国，全球前五名中四款为中国模型。技术的流动方向已经不再由单一国家单向决定——这是这张图上最需要读者自己判断的一句话，编者只能提供数据，不能提供结论。

三、同城与地缘

把二十一个人按总部所在城市排开，会看到一个极不均匀的分布：北京十人，上海五人，杭州两人，深圳两人，美国湾区两人。部分人的行政区未在公开信息中明确，因此按可查证的范围归类，不强行细分。北京一城的密度几乎等于其余四地之和，这与这座城市同时掌握高校、科研院所与政策资源有关。

更有意思的是城市内部的分层。北京 · 海淀集中了寒武纪、智谱、小米、银河通用与将闲科技，这一区的关键词是「实验室与基座模型」；亦庄放著蓝箭航天与星海图，关键词是「工厂与产线」，荣华南路一带聚集了全国约四分之三的商业航天公司，被称为火箭一条街；昌平则是松延动力的厂房所在，人形机器人的价格战有一条前线就在那里。上海的分工同样清晰：徐汇的模速空间把 MiniMax 与无问芯穹放在同一栋楼里，浦东的张江与临港则装著曦智科技、能量奇点与智元的示范工厂。

杭州与深圳各只有两人，却各自代表一种土壤。杭州提供的是「同城不必同行」：深度求索做语言，宇树做身体，两家公司气质相近、赛道相反，却被同一座城市同时托起。深圳提供的是两种完全不同的规模能力：大疆是硬件供应链的起点，腾讯是互联网产品矩阵的起点，汪滔与姚顺雨站在同一个城市的两端，一个靠供应链把成本打下来，一个靠产品与场景把调用量做上去。

四、两代人：九〇后做语言模型，〇〇后做物理人工智能

把出生年份排成一条线，二十一个人横跨一九八〇到二〇〇〇年，正好二十年。编者把它切成四层，每层都至少有四个人。第一层是前人工智能世代：汪滔、张鹏、张昌武、梁文锋、陈天石。他们创业时大模型还不存在，起点是飞控板、实验室、火箭与芯片，而五人的大转向都发生在三十岁之后。第二层在三十岁上下创业，共同点是先在大厂或名校把技术做深，再自己出来：闫俊杰、沈亦晨、王兴兴、夏立雪。

人数最多的是第三层，一九九一至一九九五年出生的八个人。他们几乎都在大模型已经存在的前提下选择赛道，履历高度依赖具体的实验室与导师——斯坦福、麻省理工、普林斯顿、卡内基梅隆、清华、北大、电子科技大学。这一层的内部差异也最大：杨植麟与罗福莉做语言模型，彭志辉、王鹤、高继扬、陈建宇把模型接到机器人身上，杨钊把方向指向人工智能的最上游——电力。也就是说，同一批年龄相近的人，分布在从模型到能源的整条链条上。

最年轻的一层只有四个人，却最能说明这一代人的分化。Alexandr Wang 十九岁辍学创业、二十八岁出任 Meta 首席人工智能官；姚顺雨二十七岁成为腾讯首席人工智能科学家；姜哲源从幼儿园到博士几乎没离开清华园，却在博士三年级退学，用约一百万元做出第一台人形机器人，四十三天把原型机从概念推进到双足行走；刘松铭二〇〇〇年生，二〇二五年十二月才注册公司，把全部筹码压在「人类数据是具身智能的石油」这个判断上，到二〇二六年年中仍然零营收、零公开订单，而公司已经走完五轮融资、累计接近十亿元。所谓「〇〇后做物理人工智能」并不是一句修辞：这一层的人里，已经有两个把职业生涯押在机器人与其最上游。

五、竞争与共生

二十二条连线里，竞争关系占了将近一半，但这张图上没有一条连线是纯粹的敌意。宇树与智元争夺出货第一，彭志辉却在公开场合说这不是存量市场，并称宇树深耕十年、在本体降本与量产效率上处于第一梯队，很值得学习；松延动力把 N2 定在三点九九万元，姜哲源强调这不是价格战而是价格带，理由是别人卖二十万、自己卖三万就不叫内卷，而是找到了一片蓝海。竞争在这里的实际功能，是把整条赛道的成本曲线往下拉。

共生关系同样具体。宇树与松延把价格打穿，反过来逼著所有人重新算帐；寒武纪的芯片被无问芯穹适配进异构混训平台，芯片卖出去只是第一步、被用起来才是；星动纪元的 XHAND 灵巧手被斯坦福、卡内基梅隆等院校选作研究设备，而刘松铭的 LiberAI 正在同一条路上押注二十个自由度的灵巧手。上下游、对手与同行这三种身份，常常长在同一个人的身上——同一家公司既可能是另一家的供应商，也可能是它在榜单上的直接竞争者。

最容易被忽略的是「同门」这一类连线。清华大学知识工程实验室走出了张鹏与杨植麟两家头部大模型公司；交叉信息研究院走出了陈建宇与姜哲源这对师生；姚班走出了姚顺雨。这些连线不是商业往来，却解释了为什么这一轮创业潮的人才密度会如此集中。最后要提醒的是，这二十二条线是编者依公开信息整理的阅读工具，其中不少连线带有明显的后见之明，也有些关系因为查不到可靠依据而没有被画上去——把他们连成一张网，是为了阅读方便，不是说他们构成一个圈子。

六、学历是入场券：一张几乎没有例外的名单

把二十一个人的母校排成一张表，会看到一个在上一代企业家身上并不明显的规律：这张图上没有一个人是「没有学历」的创业者。十二人毕业于中国大陆的顶尖高校或国家级科研院所，五人在美国完成学业，三人横跨中美两地，还有一人在香港。如果说「读过一所顶尖高校」是入场条件，那么二十一人的差别只在于有没有读完——Alexandr Wang 从麻省理工辍学，姜哲源从清华博士辍学，郭文景从斯坦福博士辍学，但他们都先考了进去。

这与上一代形成鲜明对照。任正非毕业于重庆建筑工程学院，马云毕业于杭州师范学院，宗庆后初中学历，董明珠读的是职业技术学校——这些学校在他们的年代都算不上顶尖学府，而他们创办的公司却定义了中国制造与互联网的第一个三十年。也就是说，在上一轮创业潮里，学历是加分项；在这一轮 AI 与机器人创业潮里，它更接近于入场券：没有它，连接触到那批实验室、导师与算力的机会都很难拿到。

更值得注意的是分布的不均匀。清华大学一所学校就关联了九个人，占全图百分之四十三；若只看人数最多的那一层，斯坦福、麻省理工、普林斯顿、卡内基梅隆、清华、北京大学几乎覆盖了所有人的履历。这种密度在上一代企业家中从未出现过。它反映的不是这一群人特别聪明，而是这一轮技术变革的知识生产高度依赖少数几个实验室——大模型与具身智能的关键训练方法、算力组织方式与人才网络，都集中在那几个地方。

但编者要提醒一句：学历只是入场券，不是解释。清华同期毕业生每年数千人，最终创办出头部公司的仍是极少数；美国名校的中国学生同样如此。把这些人的成功归因于「读了清华」，是把相关当成因果——真正的差别发生在离开学校之后的那些选择里：梁文锋把量化交易赚来的钱换成 GPU，闫俊杰在商汤上市前夕选择离开，汪滔在别人都做整机时坚持做飞控。学历决定了他们能站在哪一条起跑线上，却不决定他们往哪个方向跑。

一、三段浪潮的接力：硬件、模型、具身

把二十一条线放在同一张图上，最先浮现的是三段几乎首尾相接的浪潮。第一段是硬件与供应链的浪潮，起点在二〇〇六年的大疆。汪滔与两位同学凑了约二百万港币，在深圳车公庙一间不足二十平方米的仓库里开始卖飞控板与零配件，最困难的时候公司账上只剩两万元；七年之后，一体化、开箱即飞的「精灵」把「会飞的相机」变成一个独立品类，到二〇一三年底大疆已拿下全球消费级无人机市场约七成份额，当年营收约八亿元人民币。这一轮浪潮真正教会中国硬件创业者的，不只是怎么做一台好产品，还有怎么在深圳把一张图纸在几周之内变成量产件。

第二段是模型与算力的浪潮。梁文锋二〇〇八年开始带著一支小团队用机器学习分析证券数据，二〇一五年与徐进成立幻方量化，二〇二一年建成约一万张 A100 的「萤火二号」——这批显卡后来成了深度求索的起点。几乎同时，陈天石与兄长陈云霁在中科院计算所的一间玻璃房里做一件当时被称为「无经费、无论文、无人问津」的三无研究：直接做一颗专门服务人工智能的芯片。二〇一四年 DianNao 拿下 ASPLOS 最佳论文，二〇一六年三月寒武纪注册成立，二〇一七年九月华为麒麟 970 搭载寒武纪 1A 出货。硬件与算法在这一阶段第一次真正交汇：模型要算力，算力要芯片，而芯片要有人肯在无人问津的时候先做。

第三段是具身智能的浪潮。王兴兴二〇一五年在上海大学独立开发出全自由度四足机器人 XDog，二〇一六年八月注册宇树科技，二〇一七年发布首款对外零售的四足机器人 Laikago。二〇二三年则几乎是人形机器人的「注册年」：二月智元成立，五月银河通用与无问芯穹相继出现，八月星动纪元、宇树发布人形机器人 H1，九月星海图与松延动力先后注册；同一年杨植麟创办月之暗面，把小样本训练变成公开的方法论。这一段之所以来得如此密集，是因为它同时吃到了前两段的红利——便宜的供应链来自第一段，能听懂指令的模型来自第二段。二十一个人里有七个人落在具身智能赛道上，不是巧合，而是两次积累终于合流。

二、从五个人到二十一个人：世代轴上的四个变化

这条时间轴的上一版只站著五个人，共同点是「已经证明过自己」：公司成立、产品上市、模型发布。扩到二十一个人之后，第一个变化是年龄分布被拉开了。出生年份从一九八〇年的汪滔、张鹏，一直排到二〇〇〇年前后的刘松铭，整整二十年的跨度，相当于一代半人的距离。姜哲源与姚顺雨都生于一九九八年，刘松铭多数报道记为二〇〇〇年；他们博士退学创业或走上关键岗位的那一年，汪滔已经在做大疆的第十六个年头。

第二个变化是「起点」的定义被改写。老一代的起点往往是一间民房、一张营业执照：大疆最早在车公庙的仓库，蓝箭航天二〇一五年注册时办公室只有七十平方米、启动资金约五十万元，幻方最初也不过是几个人加几台机器。新一代的起点常常是一篇论文或一个项目——亚历山大·王十九岁从麻省理工辍学去做数据标注，姚顺雨在普林斯顿提出让语言模型推理与行动的范式，沈亦晨二十五岁时以第一作者在《科学》上发表光子计算相关研究。论文能不能变成公司，成了这一代人共同的考题。

第三个变化是路径被大幅缩短。老一代从入学到创业多半要走十年以上，而新一代常常读到博士二年级、三年级就退了出来：姜哲源博士三年级退学创办松延动力，郭文景自史丹福辍学与孟晨琳创办 Pika，彭志辉在华为做到「天才少年」最高档年薪之后，也在二〇二二年底宣布离开，并于次年创办智元。这不是因为他们更急，而是窗口更短——二〇二三到二〇二六年这三年，大模型与人形机器人同时从实验室走向量产，慢一步就可能错过一整个周期。

第四个变化不容易被一眼看出：面孔的多样性。罗福莉从四川宜宾的村落一路走到阿里达摩院，再成为小米 MiMo 大模型负责人；郭文景在硅谷出生、杭州长大，在哈佛与史丹福之间往返；亚历山大·王则是在美国体系里成长、十九岁就在旧金山创业的华人。这条时间轴不再只讲「中国公司」，而是在画一张跨太平洋的华人技术网络——他们在不同的制度与市场里，回应著同一批技术问题。

三、时间表为什么重要：把「一夜」还原成十年

单看一个人的传记，很容易读成励志故事；把二十一个人叠在同一条横坐标上，故事就变成了结构。比如二〇一六年：三月寒武纪注册，八月宇树科技成立，同一年 Scale AI 与循环智能先后成立——四家公司落在同一个年份里。再比如二〇二三年：月之暗面、智元、星海图、银河通用、星动纪元、松延动力，六家公司在一年之内密集注册。这种密度不是偶然，它说明某些外部条件在某一年同时成熟了：供应链便宜了，模型能用了，资本愿意下注了。

时间表还能校准直觉。公众记住的是「深度求索一夜爆红」，但时间轴上，从二〇〇八年的量化实验、二〇一五年的幻方量化、二〇二一年的万卡集群，到二〇二三年七月创办深度求索，梁文锋走了十五年。公众记住的是「宇树的机器狗很会跳舞」，但从二〇一三年那篇《一种 BLDC 控制器的研制》毕业论文、二〇一五年的 XDog，到二〇二五年的人形机器人批量出货，王兴兴走了十年。把年份标出来，是为了让「一夜」这两个字回到它应有的长度。

第三，时间表能把「赛道」和「世代」这两种切法叠在一起看。按赛道分，六条线各有人守著；按世代分，八〇后在做供应链与芯片，九〇后在做模型与本体，九五后与〇〇后在做新的产品形态。同一个人往往同时属于两个坐标——彭志辉既是具身智能的创业者，也是九〇后工程师文化的代表；罗福莉既是语言模型的研究者，也是从县城走到头部实验室的样本。时间轴的用处，就是让这两种坐标在同一个平面上相遇。

最后，时间表是一种诚实。这里的每一条记录都标了年份，也标了它属于谁；遇到公开资料彼此不一致的地方就写「约」，遇到只有单一来源的说法就保留原样。这样做的代价是有些格子会空著，好处是读者可以自己判断：哪一年是真正的起点，哪一年只是被媒体照亮的瞬间。一条不肯留白的时间轴看上去完整，实际上比留白更容易骗人。

01家世与早年：广东海边的教师之子

梁文锋生于一九八五年，家在广东省湛江市吴川县（今吴川市）覃巴镇米历岭村。那是一处靠近南海的岭南村庄，父亲与母亲都在镇上的小学担任教师，家庭谈不上富裕，却有著读书人家特有的安静与规矩。上世纪八九十年代的粤西乡镇，不少人笃信「读书无用」——广东遍地是赚钱的机会，读书似乎不如早些下海。梁文锋的父母却用身教反驳了这种论调：他们守著三尺讲台，把对知识的敬重一点一滴传给了儿子。正是在这种环境里，梁文锋从小对世界保持著一种温和而顽强的好奇。

求学路上，他展现出早慧的数学天赋。小学就读吴川市梅菉小学，六年级时凭考试被吴川一中录取，并在这所县城重点中学读完了初中与高中。据公开报道，他在中学时期便开始自学大学程度的数学课程，对逻辑与推演有著超乎年龄的执著。二〇〇二年，十七岁的梁文锋以吴川一中「高考状元」、也是该校理科第一名的成绩考入浙江大学，主修电子信息工程专业，隶属电子工程系的人工智能方向——这一年，他离开了岭南的村庄，走向了更远的智力世界。

大学期间，梁文锋并非死读书的类型。二〇〇五年，他与同学组队参加「全国大学生电子设计竞赛」，摘得一等奖，显露出动手与工程实践的气质。二〇〇七年，他考上浙江大学信息与通信工程专业的研究生，研究方向渐渐收拢到机器视觉。二〇一〇年，他拿到硕士学位，毕业论文的题目是《基于低成本PTZ摄像机的目标跟踪算法研究》——用廉价的云台摄像机做目标追踪，本质上已是一篇关于「用最少资源撬动智能」的早期习作，与他日后「以算法抵消算力劣势」的路数隐隐相通。

02创业原点：从金融危机里的量化实验到幻方量化

梁文锋与金融市场的缘分，始于读研期间。二〇〇八年全球金融危机席卷之际，他带著一支小团队，尝试用机器学习与统计模型分析证券市场数据，探索全自动的量化交易。彼时深度学习尚未普及，A股也远未进入算法时代，这群浙大学生的实验更像是少数人的信仰之举。据部分早期资料记载，梁文锋早年带队做量化，资金规模在数年间由数十万元级增长到数亿元级别；这一数字仅见於单一来源，未经全面核证，但足以说明他在毕业前便已于实盘中磨砺出对「技术驱动型创新」的信心。

取得硕士学位后，梁文锋并未走上传统工程师之路。他先后在成都等地多次尝试创业，题目都与量化投资相关；二〇〇九年，他还曾以实习生身份进入上海艾麒信息，后获荐出任新技术部经理。二〇一三年，他与浙大同窗徐进共同创立杭州雅克比投资管理有限公司，初涉资产管理业务。徐进是浙江大学信号与信息处理方向的博士，曾就职华为技术有限公司上海研究所，二人的组合让这家草创公司兼具学界视野与工程落地能力。

真正的转捩点在二〇一五年。梁文锋与徐进正式成立杭州幻方科技有限公司（后更名为浙江九章资产管理有限公司），立志成为世界顶级的量化对冲基金。幻方以深度学习模型驱动投资策略为核心，逐步取代传统量化方法。在当年的市场波动中，幻方依靠先进的高频量化策略取得不错的成绩；为了构建AI投资策略，他们早早在研究室里囤积了不少显卡。这笔「算力储备」，后来竟成为梁文锋二次创业、投身大模型的关键弹药。

03最艰难的关：二〇二一年的千亿之巅与回撤之痛

幻方的扩张快得惊人。二〇一九年，其资金管理规模突破百亿元人民币；同年，梁文锋在金牛奖颁奖典礼上发表主题演讲《一名程序员眼里中国量化投资的未来》，抛出一句颇具他个人色彩的判断：量化公司没有基金经理，基金经理就是一堆伺服器。这句话背后，是幻方把投资决策彻底交给算法与算力的雄心。也是这一年，他带队自主研发「萤火一号」训练平台，总投资近两亿元，搭载一千一百块GPU；二〇二〇年，占地相当一个篮球场的萤火一号正式投入运作，号称可匹敌四万台个人电脑的算力。

二〇二一年，幻方迎来高光，也迎来最痛的一击。这一年，「萤火二号」的投入加码到十亿元，搭载约一万张英伟达A100显卡；资产管理规模一举突破千亿元大关，跻身国内量化私募「四大天王」之列。然而同年市场风格剧变，AI决策在买卖时点上没有做好，风格切换剧烈时模型倾向冒更大风险去博取收益，反而放大了回撤。二〇二一年十二月底，幻方发布致投资者公开信致歉，坦言「业绩的回撤达到历史最大值，我们对此深感愧疚」，并关闭了全部募集通道。

这是梁文锋职业生涯中最公开、也最狼狈的一次挫折。幻方此后主动收缩，逐步降低资金管理规模；到二〇二四年十月，公司甚至公告计划将对冲产品的投资仓位逐步降至零。这一关让他看清一件事：单靠金融市场里的AI策略是有边界的，行情与风格的天花板迟早会到。真正值得押注的、能容纳无限算力的战场，不在K线图上，而在更底层的智能本身。这个念头，为日后的转身埋下了伏笔。

04翻盘的一役：押注算力，萤火二号与 AGI 的种子

梁文锋的「翻盘」，并不在于修复基金业绩，而在于把筹码押到一场更大的赌局——算力与通用人工智能。早在二〇二〇至二〇二一年，幻方已是中国持有高性能GPU最多的机构之一。据《财经》二〇二三年报道，当年中国拥有一万张以上GPU的企业不超过五家，而其中只有幻方不是科技「大厂」。萤火二号约一万张A100的储备，在出口管制收紧前抢到了宝贵的算力窗口，日后成为大模型创业最硬的底气。

二〇二二年底，OpenAI的ChatGPT横空出世，短短数日突破百万用户。这场震动让已积累多年的梁文锋下了决心：做通用人工智能。他后来解释，幻方班底里很多人本就是做人工智能的，而通用人工智能可能是下一个最难的事，「对我们来说，这是怎么做的问题，而不是为什么做的问题」。二〇二三年五月，他对外宣布进军AGI；同年七月，独立实体「深度求索（DeepSeek）」呱呱坠地。

关键的取舍在于：他不追C端流量，不抢超级App，而是从语言大模型开始，把资源集中在AGI主线上。这种「克制」与「聚焦」，后来成为DeepSeek对抗巨头的核心战法。幻方多年把营收的大部分投入AI基础设施，自有算力与工程师团队，是梁文锋敢于二次创业的筹码。他没有在回撤后退场，而是把金融战场上赚到的钱与卡，全部转化为通向另一座山峰的粮草——这一役，翻的不是业绩，而是赛道。

05公司发展史（一）幻方量化：AI 量化私募的崛起（二〇一五–二〇二一）

把镜头拉回公司编年。二〇一五年幻方量化成立后，真正意义上的转型发生在二〇一六年十月二十一日：幻方推出第一个AI模型，第一份由深度学习生成的交易仓位上线执行，使用GPU进行计算。到二〇一七年底，几乎所有量化策略都改用AI模型运算，完成了策略的全面AI化。二〇一八年，幻方正式确立以AI为核心的发展战略，把机器学习从辅助工具升格为公司的主引擎。

二〇一九年是规模与声望齐飞的一年：资金管理规模突破百亿元，梁文锋在金牛奖演讲中系统阐述他对量化投资未来的看法；同年萤火一号研发落地，近两亿元、一千一百块GPU，于二〇二〇年正式运作，号称可匹敌四万台个人电脑。这套自研训练平台，让幻方在同行还在租用算力的阶段，已握有自己的「发电厂」。

二〇二一年，幻方把筹码推到极致：萤火二号投入十亿元，搭载约一万张英伟达A100显卡，资产管理规模突破千亿元，成为国内量化私募「四大天王」之一。这段历史的重要性，远不止于金融业的排名——它为日后的DeepSeek预先修建了算力基础设施、磨练了大规模并行训练的工程能力，也积累了不受外部资本掣肘的利润池。金融，成了通往智能的跳板。

06公司发展史（二）转身大模型：DeepSeek 的诞生与早期模型（二〇二三–二〇二四）

二〇二三年四月，幻方量化发布公告，称将集中资源与力量，全力投身服务于全人类共同利益的人工智能技术，成立新的独立研究组织探索AGI的本质，并将其命名为「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础技术研究有限公司正式注册成立，由幻方孵化，梁文锋出任创办人兼首席执行官；股权结构上，宁波程恩企业管理咨询合伙企业持股约百分之九十九，梁文锋持股约百分之一。幻方CEO陆政哲曾明言：探索AGI不是用来炒股的，是做语言大模型，与金融无关。

成立仅数月，DeepSeek便以开源姿态亮相。二〇二三年十一月二日，首个开源大模型DeepSeek Coder问世，支持多种程式语言、调试与数据分析，免费商用、完全开源，其代码智能基础由此奠定，经指令调优后更超越GPT-3.5-Turbo。同年十一月二十九日，DeepSeek LLM（即后来所称的V1）发布，梁文锋表示「人的思维可能就是一个语言的过程」，性能已接近GPT-4，正式拉开通往AGI的序幕。

二〇二四年是性价比震撼的起点。五月，DeepSeek-V2发布，采用混合专家（MoE）与多头潜在注意力（MLA）架构；其API定价为每百万tokens输入一元、输出二元，仅为GPT-4 Turbo的约百分之一，直接点燃大模型价格战。十二月二十六日（业界多标注为二十七日开源上线），DeepSeek-V3面世，伴随长达五十三页的训练与技术细节报告：总参数六千七百一十亿、每次仅激活三百七十亿，使用两千零四十八块H800、耗时二百七十八点八万GPU小时，上下文扩展至十二万八千，被矽谷同行誉为「来自东方的神秘力量」。

07公司发展史（三）R1 震动全球与训练成本的争议（二〇二五）

二〇二五年一月二十日，DeepSeek正式发布R1模型。它在数学、代码、自然语言推理等任务上比肩OpenAI o1正式版，且完全开源（MIT协议）。同日，梁文锋参加了由中共中央政治局常委、国务院总理李强主持的专家与企业家座谈会并发言。R1以极低成本震动全球，被媒体称为「AI界的拼多多时刻」；据报道，消息一出，英伟达单日市值蒸发创下历史纪录（约五千八百九十亿美元），华尔街第一次认真追问：昂贵的AI军备竞赛是否真的必要。

随之而来的是训练成本的激烈争议。V3技术报告写明：模型耗费二百七十八点八万H800 GPU小时，按每GPU小时两美元估算，总训练成本仅五百五十七点六万美元。但半导体分析机构SemiAnalysis指出，这个数字只覆盖「最后一次成功训练跑」，并未计入数年实验、失败尝试、研发人员与硬体采购；该机构估算DeepSeek累计GPU与基础设施资本开支约十六点三亿美元，持有约五万张Hopper世代GPU（含一万张H100、一万张H800、三万张H20、一万张A100）。争议的核心不在于「有没有省钱」，而在于「省了多少」——即便以数十亿美元计，仍较西方实验室低约七成，算法与架构创新（MLA、MoE、GRPO、DualPipe、FP8）是真功夫。

这一年，梁文锋与DeepSeek频频登上国内外舞台。二月十七日，习近平出席民营企业座谈会，梁文锋坐于第一排，是场上年纪最轻的企业家之一，象征民营科技新势力获国家认可。二月十八日，论文《Native Sparse Attention》发表（袁景阳、梁文锋等）。四月十七日，据《金融时报》报道，英伟达CEO黄仁勋访北京会见梁文锋，讨论为中国设计下一代芯片。五月，团队发表《Insights into DeepSeek-V3》回顾性论文。九月，梁文锋以通讯作者身份，让DeepSeek-R1推理模型研究论文登上《自然》封面。财富方面，三月二十七日胡润全球富豪榜显示其财富三百三十亿元人民币首次上榜；六月二十四日新财富五百创富榜，其资产达一千八百四十六点二亿元、位列第十。

08公司发展史（四）二〇二五–二〇二六：融资、V4 与今日版图

面对外界对其商业化能力的质疑，DeepSeek于二〇二五年三月一日在知乎开设帐号并首次发帖，披露V3/R1推理系统的理论日利润高达三百四十六万元人民币、成本利润率约百分之五百四十五。这与其一贯的「十个月回本」定价哲学相互印证：API不按利润最大化定价，而按设备成本回收边界定价，既凝聚团队，也与社会双赢。开源加低价，成为DeepSeek独特的护城河。

二〇二六年一月，DeepSeek与北京大学合著论文《Conditional Memory via Scalable Lookup》，梁文锋再度列名作者；同月他入选《企业家》杂志「二〇二五年度企业家」。模型层面，二〇二六年四月发布并开源V4预览版，分V4-Pro与V4-Flash两档：V4-Pro总参数约一点六万亿、激活约四百九十亿；V4-Flash总参数约二千八百四十亿、激活约一百三十亿；两者均支持一百万token上下文，强化Agentic Coding与工具调用。其训练路径颇具象征意义——早期基于英伟达，后完成向华为升腾的深度适配与推理优化。七月三十一日，V4-Flash正式版上线API公测。

资本层面，二〇二六年六月，DeepSeek完成成立以来首轮外部融资，据报道规模约五百一十亿元人民币（约七十四亿美元），投后估值约三千三百八十亿至四千亿元人民币（约五百二十亿至五百九十亿美元），创国内AI单轮融资纪录。梁文锋个人出资约二百亿元，为最大单一出资方；腾讯约一百亿、宁德时代约五十亿、京东／网易／IDG各约三十亿、国家人工智能产业投资基金约十亿参与。七月十四日，其身价据报道达三百六十亿美元，为全球AI创业公司创办人首富（不含含AI业务的大型集团）。据称资金将投入内蒙古乌兰察布的数据中心及更大模型。上述金额各来源略有出入，宜视为估算区间。

09领导风格与性格：没有 KPI 的工程师式管理

梁文锋的管理风格，像极了一个大号实验室而非公司。DeepSeek不打卡、不设KPI、不做年度计划，员工下午六点多准时下班——这套放在任何一家科技大厂都显「反常识」的做法，在DeepSeek却是日常。全公司基本只有两个层级：梁文锋，以及研究员。新人可以直接调用顶级训练集群，自由组队。这呼应他自己的金句：「管理靠的不是规章制度，靠的是愿景。」没有考核，愿景也不写成标语挂在墙上，而是藏在每个人做事的方法与对世界的态度里。

用人标准上，他重潜力、轻资历。据合作猎头转述，DeepSeek偏爱没有工作经验的年轻人，明言不要资深人士——工作经验三到五年已是上限，超过八年基本不予考虑。团队以九〇后为主，占比超过七成五，九五后占一半以上，平均年龄约二十八岁；据领英样本，八成五以上拥有硕士学位、四成以上有博士学位，多毕业于北大、清华、中科大，亦有少数来自麻省理工、卡内基梅隆。留住人才靠两条：高薪与算力管够。据报道，其薪资可对标业内任何顶尖机构，姚班实习生日薪据传达五千五百元（顶级天才的特供价，普通实习生为五百至一千元／日），应届工程师薪酬等同业内总监或经理。

他对技术的偏执，体现在「授权」而非「控制」。据公开叙述，催生R1的技术思路源自一名年轻员工「突发奇想」，梁文锋为他搭配团队，花数月才跑通路线。他不采用网厂常见的「赛马」机制，减少内耗；算力调配不设上限，只要有潜力的思路，便拨出足够资源尝试。公开形象上，他极度低调，几乎不露面、不接受采访，公众只透过模型与论文认识他；而私下对技术细节的热忱，与台前的沉默形成强烈落差。他反复强调，团队稳定性是唯一不能退让的核心利益——钱与资源都不是问题，只要人不走，遇到挫折也能继续。

10成功秘诀：克制、聚焦与开源的五条法则

梁文锋的成功，可以归纳为几条可辨识的法则。其一，克制与让利：API定价按「十个月回本」（约六倍利润）而非利润最大化，降价那天公司群里在欢呼；开源不仅不影响收入，还换来员工成就感与外部善意。其二，聚焦主线：只做AGI主线，三D、视频、世界模型都不在主线上便不做，敢于对赚钱的机会说「不」，把力量腾给后面更大的西瓜。这两条，让一家资源有限的公司避开了无数诱惑。

其三，自有算力与资金底气：幻方量化提供的稳定利润与GPU弹药库，使DeepSeek不受外部资本掣肘，能长期投入基础研究，而非被融资节奏绑架。其四，年轻高潜人才：轻经验、重潜力，扁平化加算力管够，用年轻人对前沿技术路径的敏感，换来架构上的后发先至。其五，以架构创新取代堆算力：MLA、MoE、GRPO、DualPipe、FP8，在受限的互联带宽下榨干H800的效能，把「成本」与「时间」变成核心竞争力，而非短板。

其六，开源即战略：以MIT完全开源换取生态与善意，倒逼闭源巨头降价，让基础模型走向商品化。总结而言，他的成功有多大程度可复制？克制与聚焦人人可学，但自有算力的资金底气、出口管制前抢购H800的时代窗口、以及对AGI的早押注，很大程度是时代与运气的产物。换句话说，方法可学，时势难复制——这正是梁文锋故事里最诚实的一面。

11个人、价值观与生活：低调、极客与金钱之外的执念

金钱观上，梁文锋始终带著一种务实的理想主义。他说，出发时几十个人没想上市、没想赚多少钱，只想做对人类有用的事；「怀著对这个世界非常大的善意，做一点金钱以外的事」，是日后一切克制与开源的逻辑原点。他判断，AI未来可能占人类GDP的百分之十，谁想独吞就一定做不成，因此克制不是道德选择，而是符合客观规律的生存前提。这种把商业让利讲成「物理必然性」的思维，贯穿他的所有决策。

生活与形象方面，他极度低调，鲜少公开露面与接受采访，公众几乎只透过模型、论文与少数座谈会发言认识他。二〇二六年八月，网友扒出一个名为「程序小王子」的早年微博帐号，头像与其正在使用的微信一致，动态自述曾困于无人区一周、爱车永远遗留在高山雪原，随后该帐号动态被清空。这一插曲侧面印证了他技术人兼户外爱好者的气质——一个能在雪原里迷路又脱险、却把算力与算法算得极清醒的人。

价值观的底色，是「既能仰望AGI、又能算清十个月回本」的双重性格。他说，组织形式不是学Bell Labs，是这个时代的产物；可以有远大使命，但归根结底是一家要活下去的公司，只是在赚哪些钱、什么时候赚钱上有取舍。这种不唱高调、却始终把「对人类有用」放在利润之前的姿态，让他在狂热的AI浪潮中显得格外冷静，也格外耐看。

12国家与时代意义：中国 AGI 路线与地缘算力博弈

在中国AI版图上，梁文锋与DeepSeek的意义超出了一家公司的成败。他们以开源、低成本证明：在美国出口管制之下，中国团队仍可用算法创新抵消算力劣势，缩小与美国前沿模型的差距。梁文锋被视为中国AGI路线的代表人物——二〇二五年，他两度登上国家级座谈会（一月李强总理座谈会发言、二月习近平主持的民营企业座谈会坐第一排），象征民营科技新势力获得国家层面的认可与倚重。

地缘算力博弈是绕不开的背景。美国于二〇二二年十月将A100／H100纳入出口管制，英伟达随即推出A800／H800特供版；二〇二三年十月，管制门槛再修，A800／H800亦被禁运，英伟达改推H20；二〇二五年四月，H20亦纳入许可管制。DeepSeek的V3正是基于合法窗口期购入的H800集群训练而成。出口管制反而倒逼了架构升级——梁文锋称英伟达CUDA的护城河正被瓦解，国产芯片是历史性机遇，唯一缺的是产能；V4完成华为升腾深度适配，正是这条路线的写照。

放在全球视野，DeepSeek以MIT开源与低于闭源巨头九成六以上的价格，迫使OpenAI与Google降价，推动基础模型走向商品化；其「效率阶段」论，挑战了「堆算力等于更好AI」的scaling law正统。对行业的影响在于：它证明小团队靠算法优化亦可与巨头竞争，为全球开源社群注入东方力量；同时也引发关于训练成本口径、数据蒸馏合规性的持续讨论。梁文锋与DeepSeek，已然成为这个AI时代的关键变量，也是中国在智能革命中递给世界的一张新名片。

01家世与早年：原子弹之城的华裔少年

亚历山大·王（Alexandr Wang）于一九九七年一月出生在美国新墨西哥州洛斯阿拉莫斯。这座小城因曼哈顿计划而生，城中的洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）是二战期间研制原子弹的核心基地。王的父母皆是来自中国的移民，两人都是物理学家，同在这间实验室工作。他在原子弹诞生的地方长大，从小被科学与国防技术的氛围包围，家里谈论的是数学、物理与运算，而不是好莱坞或华尔街的故事。这种成长背景日后成为他反复引用的精神原点——他把为美军开发人工智慧视为一种「道德义务」，其根源正是这座小城的历史。

王在学业上很早就展现出数理天赋。他就读洛斯阿拉莫斯高中，在数学与物理竞赛中屡获佳绩：二〇一三年入选美国数学奥林匹克训练营（Math Olympiad Program），二〇一四年跻身美国物理国家队（US Physics Team），并在二〇一二与二〇一三年连续成为美国电脑奥林匹克（USACO）决赛选手。他曾在受访时回忆，自己从小热爱数学，六年级为了赢得一趟免费旅行去参加 MATHCOUNTS 竞赛，才真正迷上竞技数学。这种从游戏心出发、却能持之以恒的特质，后来也体现在他创业的过程里。少年时期，他已凭借竞赛成绩收到矽谷科技公司的邀约。

十七岁那年，王从高中提前一年毕业，只身搬到矽谷，进入财富管理大数据平台 Addepar 担任软体工程师。不久后他又加入问答网站 Quora，担任技术主管，并在那里认识了日后的创业伙伴露西·郭（Lucy Guo）。在 Quora，他第一次在大规模系统中接触机器学习，也亲眼看见一个真实的瓶颈：模型不缺，缺的是高质量、经过标注的训练数据。这段经历种下了日后 Scale AI 的种子。高中毕业后，他被麻省理工学院（MIT）录取，主修数学与电脑科学。

在 MIT 的第一学年，王选修了研究生级别的机器学习与密码学课程，据称 GPA 达到满分五点零。正是在宿舍里，他动手做一个人工智慧冰箱摄像头，想侦测室友何时偷吃了他的食物。在搭建这套系统的过程中，他获得了一个关键洞见：人工智慧的进步不会被算法限制，真正的束缚是「数据的可取得性」。数据，而非代码，才是瓶颈。这句话后来成为他创办公司的起点。值得一提的是，他的名字「Alexandr」比常见拼法少了一个 e，因为父母依据中国传统数字观，认为八个字母的姓名能带来好运与财富。

02创业原点：从医生聊天机器人到卖铲子的人

二〇一六年，十九岁的王做出一个在旁人眼中近乎豪赌的决定：从 MIT 辍学，全职创业。他原本的构想并不是数据标注，而是一个医生聊天机器人——想用人工智慧回答医疗问题。但很快他发现，真正稀缺的不是「想法」，而是喂养模型的数据。于是他与露西·郭掉头，去做「淘金热里卖铲子的人」：不自己去挖金子，而是为所有挖金子的人提供标注数据的基础设施。这一「卖铲子」的判断，成为 Scale AI 日后商业模式的灵魂。他后来对父母戏称，Scale AI「只是暑假玩玩」，结果从此再没回过校园。

二〇一六年六月，王与露西·郭带著这个愿景进入 Y Combinator 的夏季批次（Summer 2016 batch）。当时的山姆·奥特曼（Sam Altman）正担任 YC 总裁，后来成为 OpenAI 的掌门人。YC 为 Scale AI 提供了十二万美元、换取约百分之七的股权。两位创办人最初在旧金山一间狭小的公寓里写程式，王负责后端算法，把标注任务分发给全球人工池；郭则设计直观、像素级精准的标注介面，尽可能降低标注者的认知负担。他们的第一个产品是 Scale API——号称「一行代码就能取得人类智慧」的数据标注接口。

Scale API 上线后三天，就登上 Product Hunt 的首页，这为早期曝光带来关键助力。但真正打开局面的，是两位创办人揹著笔电、拿著 demo，在二〇一六年的 CVPR 电脑视觉会议上一家家展位去推销。当时自动驾驶正兴起，车厂与新创手握海量道路影片，却没人有足够的人力去审查与标记。王与郭敏锐抓住这个痛点：丰田研究所（Toyota Research Institute）先签约，接著是 Lyft、通用汽车的 Cruise、Zoox、Nuro 等。短短两年内，Scale 成了自驾产业默认的数据基础设施，早期客户名单就是一张矽谷自驾势力图。

创业初期，王与团队其实并不清楚该聚焦哪类数据。他们尝试过各种方向，有的成功、有的失败。二〇一七年，他们推出 Remotasks，以众包方式组织肯亚、菲律宾、委内瑞拉等地的廉价海外标注人力，用低成本实现规模化营运。这套「算法预筛选、人工精准覆核」的混合体系，覆盖图像、文本、影片与三维感测器数据，使 Scale 能在保证质量的同时压低价格。正是这种务实的营运设计，让一家刚起步的公司得以服务最挑剔的技术客户，也为后来的商业飞轮埋下伏笔。

03最艰难的关：没人相信数据是瓶颈

Scale AI 早年收入亮眼，却屡遭投资人拒绝。王后来把这段经历浓缩成一句话：「你必须建立起一套没有任何人认同的信念。」问题在于，当时多数投资人自己从未训练过模型，根本不理解「数据」为何重要。他们看得懂炫目的算法演示，却看不到背后那座枯燥、昂贵、劳动密集的标注工厂。于是拒绝他们的人，如今正在写文章论证数据多么关键。「随大流，你会被彻底搞糊涂」——这是王在至暗时刻守住的判断，也是他日后反复强调的创业心法：在没人同意时仍要有自己的信念。

另一道难关来自公司内部与定位的摇摆。创立之初，Scale 的设想是成为「一站式人力服务中心」，用人工完成算法做不来的任务，这在外界看来几乎与人工智慧的方向背道而驰。团队在产品路线上反复试错，许多尝试没有结果。更棘手的，是一八年因营运方针分歧，王解除了共同创办人露西·郭的职务；郭后来转向创投，创办 Backend Capital 与 Passes，但两人分道扬镳的过程并不平静。对一家年轻公司而言，联合创办人的离开向来是信任与方向的双重考验，王必须独自扛起执行长的决策重量。

还有一重更安静、却更根本的焦虑：规模化之后，标注工作高度依赖外包劳力，劳工权益问题如影随形。肯亚、菲律宾等地工人的薪资被指低至每小时一至两美元，任务按件计酬、时长从几秒到数小时不等，薪资难以固定，且曾有工人未经说明被「集体下线」。美国劳工部一度展开调查（后于二〇二五年五月以未有发现告终）。「Scale AI 不是人工智慧公司，只是一家廉价劳力公司」的批评始终在耳。王一方面为薪酬辩护，称其相对当地经济具竞争力；另一方面也推动从纯人工标注转向 AI 辅助标注，试图让商业模式更可持续。

04翻盘的一役：押中自驾这道数据闸门

真正让 Scale AI 翻盘的，是它精准押中了自动驾驶这道「数据闸门」。王与郭意识到，自驾公司有海量道路影片要训练模型，却没有足够的人去审查与标记——这正是 Scale 能补上的缺口。二〇一七年，国际创投公司 Accel 的合伙人丹·列文（Dan Levine）提出为 Scale AI 提供四百五十万美元 A 轮融资，甚至把自己的地下室借给公司当临时总部。这一笔钱与一个屋簷，让团队从公寓搬进了真正意义上的办公室，也宣告市场开始认真看待「数据标注」这门生意。

二〇一八年，Scale AI 正式进军自动驾驶领域，完成一千八百万美元 B 轮融资；次年，由贝宝（PayPal）创办人彼得·泰尔（Peter Thiel）领投的创始人基金（Founders Fund）加持一亿美元 C 轮，公司估值一举突破十亿美元，正式跻身独角兽。更具战略意义的是，Scale 成为 OpenAI 早期生成模型的标注数据供应商，并在 GPT-2 上完成了人类反馈强化学习（RLHF）的第一次实验。从「卖铲子」到「为前沿模型供能」，Scale 的角色被重新定义——它不再只是自驾的配角，而成为整场生成式 AI 淘金热的基础设施。

这一切的背后，是王对「瓶颈在哪里」的持续下注。他相信，模型进步的脚步不会停，但世界的瓶颈在于把这项已经存在的技术扩散出去、帮世界适应它。即便模型从今天起完全停止改进，经济层面的重构仍会持续几十年。这种判断让他在竞争焦点从「造出智能」转向「消化智能」的当口，始终站在供给侧。当同行拚命追逐更大的模型，王选择去经营那座最不起眼、却最不可替代的标注工厂——这正是他翻盘的关键决策：在没人愿意做的苦活上，筑起别人绕不过的护城河。

05公司发展史（一）二〇一六–二〇一九：从 YC 到独角兽

Scale AI 的头三年，是一段从公寓实验室走向产业基础设施的编年史。二〇一六年进入 YC 夏季批次、同年底推出 Scale API，并在 Product Hunt 取得早期曝光；二〇一七年靠著自驾客户与 Remotasks 的众包体系站稳脚跟，完成 Accel 领投的四百五十万美元 A 轮。这一阶段的关键不在营收数字，而在于王确立了公司的定位：不做终端 AI 产品，只做所有 AI 产品都需要的「数据加工厂」。这种克制让 Scale 避开了与客户竞争，反而把客户变成了依赖它的上下游。

二〇一八年是 Scale 的分水岭。一千八百万美元 B 轮到手，公司正式把主战场锁定自动驾驶；同年，因营运分歧，王解除了露西·郭的职务，独自掌握方向盘。也是在这一年，矽谷对军方 AI 合约的态度因谷歌退出「Maven 计划」而转冷，许多公司视国防业务为烫手山芋。王却选择反向操作——当谷歌因员工抗议退出后，Scale 接手了五角大厦 Maven 计划的数据标注工作。这一步当时备受质疑，他后来坦言，那时的 Scale「有点像个异类」，但他相信「理性终将胜出」。

二〇一九年，Scale AI 完成一亿美元 C 轮融资，由彼得·泰尔的创始人基金领投，估值超过十亿美元，正式成为独角兽。同年，公司与 OpenAI 建立早期合作，为其生成模型提供标注数据，并在 GPT-2 上完成 RLHF 的首次实验，这笔合作后来被王视为 Scale 几乎为每一次 AI 突破「提供动力」的起点。至此，Scale 的客户名单已涵盖自驾、前沿模型实验室与政府部门，数据引擎的飞轮开始转动：越多客户，越多数据与经验，标注质量与速度越领先，又反过来吸引更多客户。

这段发展史里还有一个常被忽略的细节：Scale 很早就布局了全球化的人力网络。Remotasks 在二〇一七年上线后，把标注工作分散到肯亚、菲律宾、委内瑞拉等地，既压低了成本，也让公司具备了处理多语言、多模态数据的能力。到二〇一九年，Scale 已不再是两个年轻人在公寓里写出的 API，而是一个横跨矽谷、连接全球数十万标注者的数据供应链。这套供应链的韧性，后来在疫情、地缘冲突与客户流失的考验中，一次次被证明是 Scale 最坚实的资产。

06公司发展史（二）二〇二〇–二〇二一：估值与财富的飞跃

二〇二〇年，Scale AI 迎来双重突破。一方面，公司与美国国防部签下价值九千一百万美元的合同，正式把业务触角伸进国安领域；同年，公司估值达到三十五亿美元。另一方面，公司内部对政府数据引擎的投入开始开花结果——其公共部门数据引擎此后为国防部多项主要 AI 计划提供动力。王在国防 AI 上的立场愈发鲜明，他不但没有回避争议，反而把「为美军做 AI」写进公司的使命叙事，这在当时的矽谷属于相当少见的鲜明姿态。

二〇二一年是王个人与 Scale 的财富里程碑。一月，公司完成一亿五千万美元 D 轮；四月再宣布三亿两千五百万美元 E 轮。不到五年，Scale 估值飙升至七十三亿美元。由于王持有约百分之十五的股权，他在二十四岁时成为全球最年轻的白手起家亿万富豪。福布斯将他列入「30 Under 30」与「Time 100 AI」等榜单，媒体开始把他与山姆·奥特曼、黄仁勋并列为 AI 时代最具影响力的创业者之一。从辍学到亿万富豪，他只用了五年。

这一阶段的 Scale，客户群从自驾扩展到几乎所有前沿玩家：Meta、微软、OpenAI、辉达（Nvidia）、丰田、哈佛医学院等都在其名单之上。王把公司定位为「生成式 AI 淘金热中的镐与铲」——当所有人都在挖金子，Scale 另辟蹊径，在数据层面占据领先。二〇二一年他还加入了 Expedia Group 董事会，显示其公共影响力已超出创业圈。值得注意的是，随著规模扩大，公司也首次面临「纯人工标注是否可持续」的质疑，这为日后转向 AI 辅助标注与合成数据埋下伏笔。

07公司发展史（三）二〇二二–二〇二四：F 轮、MEI 与华盛顿布局

二〇二二年，Scale AI 在国防版图上再下一城：一月，公司透过国防部联合人工智慧中心（JAIC，后并入首席数位与 AI 办公室 CDAO）取得上限达二亿四千九百万美元的空白采购协议（BPA）。这笔协议标志著 Scale 从「自驾数据商」正式蜕变为「美军 AI 骨干供应商」。王在国防上的投入，源于他对洛斯阿拉莫斯与曼哈顿计划的历史认知，也源于他访问中国后的震撼——他看见当地 AI 公司几乎百分之百聚焦人脸辨识与监控，这让他笃信美国必须在国安 AI 上保持领先。

二〇二三年，Scale 的政府业务持续加深：八月，CDAO 授予一项其他交易协议（OTA），由 Scale 提供「数据引擎」来策展与标注多模态军事数据（影片、雷达、影像）。同年七月，王在众议院军事委员会一个小组委员会前作证，谈论美国政府采用 AI 所面临的挑战与对策。八月，他对外说明 Scale 正式将「优才、卓越、智慧」（MEI，Merit、Excellence、Intelligence）列为招聘政策，公开主张「人应按其品格内涵、以及作为同事时的才干、技能与工作伦理来评断」，这被普遍视为与 DEI（多元、公平、包容）路线相左的鲜明表态。

二〇二四年是 Scale 的资本与政治双丰收之年。五月，由 Accel 领投、辉达、亚马逊、Meta、AMD、英特尔等巨头跟投的十亿美元 F 轮完成，公司估值逼近一百三十八亿美元，几乎为 AI 领域的每一次突破提供过动力。据王自己披露，公司员工超过一千五百人、累计融资至少十三亿美元。同年十一月，Scale 发布基于 Llama 3 微调的国防专用大模型 Defense Llama；并推出 agent 编排平台 Scale Donovan。这些动作显示 Scale 已从「标注工厂」升级为具备模型与编排能力的国防 AI 平台。

在资本与产品之外，二〇二四至二〇二五年间王把大量精力投入华盛顿。二〇二五年一月，他出席川普的就职典礼，并直接致信总统，宣称「美国必须赢得 AI 之战」，提出联邦政府应加大 AI 投资与采用。同月在世界经济论坛（达沃斯）上，他聚焦中美竞赛，特别谈到中国 DeepSeek 的能力，甚至声称 DeepSeek 拥有约五万枚辉达 A100 芯片，借此质疑美国出口管制的成效。二月，他会见英国首相施纪贤、印度总理莫迪、法国总统马克龙等领袖，推动 AI 全球合作。从创业者到政策掮客，王的影响半径在这两年迅速扩张。

08公司发展史（四）二〇二五–二〇二六：Meta 世纪交易与超级智能实验室

二〇二五年六月，一桩震撼业界的交易落地：Meta 宣布以一百四十三亿美元收购 Scale AI 百分之四十九的股权（无表决权的少数投资），对 Scale AI 的整体估值超过二百九十亿美元，成为史上规模最大的私企融资事件之一。作为交易的一部分，王卸下 Scale AI 执行长一职，加入 Meta 出任首位「首席 AI 官」（Chief AI Officer），并执掌新成立的「超级智能实验室」（Meta Superintelligence Labs, MSL）。首席战略官杰森·德罗格（Jason Droege）出任 Scale 临时执行长，王则保留董事席位。这一安排既让 Meta 取得数据优先权，又因属少数股权投资而避开了对控股收购的反垄断审查，是笔高度计算过的交易结构。

这笔交易的动机，与 Meta 自身的 AI 焦虑直接相关。二〇二五年四月发布的 Llama 4 模型反应冷淡，被使用者批评在程式任务上表现不佳；扎克伯格据报对进度深感不满，亲自主导招募与重组。他对王评价极高，在内部备忘录中称其为「他那一代最令人印象深刻的创办人」，并由前 GitHub 执行长纳特·弗里德曼（Nat Friedman）共同领导产品与应用研究。六月三十日，扎克伯格正式以内部备忘录创立 MSL，把 FAIR 研究实验室、Llama 团队与新设的前沿模型单位整合于同一架构之下。

然而这笔「世纪交易」立刻引发利益冲突的质疑。消息公布后数小时内，Google 暂停了多个 Scale 项目；OpenAI 确认将逐步结束合作，把数据标注转向内部与其他供应商；马斯克的 xAI 也暂停部分合约。Scale 高层声称不会向 Meta 分享客户机密，王也不会介入日常营运，但主要客户仍旧流失。受此打击，Scale 在二〇二五年裁撤约两百名员工（约百分之十四人力），商业营收预期从二十五亿美元下修至约十八亿美元。原本想「买到竞争情报」的算盘，因客户集体撤退而落空。

进入 Meta 后，王主导了一轮激烈的重组。二〇二五年十月，MSL 裁减约六百个职位，涵盖 FAIR 基础研究、产品与基础设施团队；他在一份内部备忘录中写道：「缩小团队规模，做决定需要的对话更少，每个人会更『承重』，拥有更大的范围与影响力。」备受瞩目的精英单位 TBD Lab（王于二〇二五年另立、网罗顶尖招募人才的超级智能核心）则不受影响、甚至持续招人。裁员后 MSL 留下不到三千人。这套「精简 legacy、重注精英」的逻辑，清晰展现了王「人才密度会自我复利」的信念。

二〇二六年，Meta 的 AI 豪赌进入更深的水域。五月，公司宣布裁撤约八千个职位（约占全球人力一成），同时把年度资本支出指引拉高到一千一百五十亿至一千三百五十亿美元，几乎全部投向 AI 基础设施，包括俄亥俄州的 Prometheus 超级丛集与路易斯安那州、占地两千两百五十英亩的 Hyperion 数据中心。由 MSL 推出的首个模型 Muse Spark 于二〇二六年四月八日问世。图灵奖得主、执掌 Meta AI 研究十二年的杨立昆（Yann LeCun）则于二〇二五年底离开，据报转而创办专注世界模型的 AMI Labs。从洛斯阿拉莫斯到 Meta 的超级智能实验室，王的故事翻开了全新的一章。

09领导风格与性格：密度、过度与亲力亲为

王的领导风格，可以用「密度」与「过度」两个词来概括。他有一句被反复引用的话：「人才密度是我押注的核心，它会自然地自我复利。」进入 Meta 后，他做的第一杠杆不是算力，而是密度——优秀的人越多，更优秀的人越想加入。这也是他大举招募、甚至开出业界惊人薪酬包的原因。与此同时，他重新定义了许多被批评的「过度」：过度乐观就是乐观，过度沟通就是沟通，过度交付就是交付。「如果你没有做过头，那就是做得不够」——领导者是全公司在乎程度的上限，这套哲学贯穿他的管理实践。

在用人上，王以亲力亲为著称。据记载，他会亲自审阅 Scale 的每一笔招聘与重要产品产出，这种对细节的执著既保证了标准，也带来集权的质疑。二〇二四年他推动 MEI 招聘政策，把「优才、卓越、智慧」置于首位，公开与 DEI 路线切割，显示他愿意为信念承担争议。他对团队的要求极高，却也护短——在国防合约备受批评时，他毫不退让地为公司辩护，把争议转化为使命叙事。这种「护人」与「固执」并存的特质，让他在年轻创办人中显得格外鲜明。

王的公开形象与私下性格存在落差。在舞台上，他是冷静、自信、擅长把复杂议题浓缩成金句的政策掮客；在内部，他则是追求速度、厌恶冗长流程的执行者。二〇二五年主导 MSL 裁员时，他的逻辑直白而冷峻：组织变胖了，团队之间为算力资源内斗，必须砍掉重叠、让剩余的人更「承重」。这种务实到近乎冷酷的决断，与他对「愿景与雄心」的浪漫歌颂形成对比，也让部分观察者质疑：一个非研究科学家出身的创业者，能否真正激励并领导顶尖学术人才。

与同代人相比，王最突出的差异在于「供给侧思维」。当多数创办人追逐更大的模型、更炫的产品，他始终守在数据这个最朴素、也最不被看好的环节。他不写论文、不做研究突破，而是把数据标注做成一门规模化、可复利、具战略价值的生意。这种「卖铲子」的克制，恰是他能在巨头夹缝中建立起不可替代地位的关键。他也承认自己受山姆·奥特曼、伊隆·马斯克等榜样影响，但他走的路，更接近一个把基础设施当作主权资源来经营的实业派。

10成功秘诀：从判断、组织到叙事的闭环

回顾王的路径，可以归纳出几条可辨识的成功秘诀。其一，押注真正的瓶颈而非热闹的赛道。当所有人追逐算法与模型，他看见的是「数据可用性」这道无声的闸门，并把公司建在闸门之上。其二，在没人同意时坚持自己的信念。早年投资人看不懂数据，他没有跟风改做终端产品，而是守住「数据加工厂」的定位，让客户变成依赖他的上下游。其三，卖铲子而非挖金子。他拒绝直接去做医生聊天机器人，转而为所有淘金者供给基础设施，从而避开与客户竞争、又能从每场热潮中收获。

其四，人才密度会自我复利。他相信优秀的人吸引更优秀的人，因此把招募与标准当成最核心的杠杆，宁可精简组织也要维持密度。其五，把危机当成道德使命。在矽谷回避国防合约的当口，他把为美军做 AI 上升为「道德义务」，反向布局，最终让 Scale 成为美军 AI 骨干。其六，用文明级的视野思考。他习惯把 AI 浪潮看成比上一波大十倍、且「千载难逢」的机会，这种宏大叙事既激励团队，也说服了资本与华盛顿。其七，数据是飞轮而非石油。他修正「AI 是新石油」的比喻，指出 AI 会自我递增，这让他在战略上敢于长期下注。

其八，亲力亲为、对标准零妥协。从亲自审阅招聘到推动 MEI、从写部落格「DO TOO MUCH」到主导裁员重组，王始终把自己视为全公司在乎程度的上限。他相信在公司里真正会复利的，是「在乎」与「高标准」——这比任何方法论都更根本。这些秘诀彼此呼应，构成一个从判断、组织到叙事的完整闭环：看准瓶颈、守住信念、筑起密度、讲好使命。值得一提的是，王并非天生研究型天才，他的优势在于把别人忽视的苦活做成战略资产，这种务实的取舍，比任何天赋都更难被复制，也更能解释他为何能在巨头夹缝中立足。

但必须诚实地说，王的成功兼具可复制与不可复制的两面。可复制的是方法：押注瓶颈、卖铲子、经营密度、把争议转化为使命——这些任何创业者都能学习。不可复制的是时代与运气：他赶上了自驾与生成式 AI 两波史诗级热潮，又恰好站在美中科技竞赛与国防 AI 化的历史转折上；洛斯阿拉莫斯的出身、MIT 的跳板、YC 的入场券，以及与奥特曼等人的网络，都不是努力能保证的。他的故事证明，时代给了铲子生意一个罕见的窗口，而他恰好把铲子磨得最利。

11个人、价值观与生活：低调、科幻与脑机好奇

在私人生活层面，王刻意保持低调。他至今单身，鲜少在社群媒体上分享个人情感，更愿意谈论编码、AI 战略与科幻阅读。据记载，新冠疫情最严重时，他与 OpenAI 执行长山姆·奥特曼同住当室友，两位 AI 时代的关键人物在隔离中近距离相处。他据称饮食极简以换取专注与思维清晰，并把科幻与未来主义书籍当作放松与汲取洞察的方式。这种近乎苦行、却高度自我驱动的生活节奏，与他「过度投入」的领导哲学一脉相承。

金钱观上，王并未把财富本身当成终点。成为亿万富豪后，他更频繁地出现在董事会（如 Expedia Group）、政策场合与公开信中，把影响力指向产业与国家层面。他对脑机介面的态度尤其耐人寻味：他甚至愿意给自己植入晶片，前提是对网络安全有绝对信心，且大量先行者数据证明它不会根本改变意识；他进一步把脑机介面视为「数位永生」的初级阶段，也视其为人类不被 AI 甩开的唯一方式。这种对技术边界的坦率好奇，显示他的价值观始终围绕「人类如何与更强的 AI 共存」。

家庭与身世，是他叙事里反复回到的锚点。父母皆为洛斯阿拉莫斯国家实验室的物理学家，这份家世既给了他科学的底色，也塑造了他对国家安全问题的独特责任感。作为华裔美国人，他的身份是事实性的：父母来自中国、他在美国出生长大、是美籍华人。他对中美 AI 竞赛的发言，既源于商业利益，也源于亲身观察——访中期间见证中国 AI 公司聚焦监控的震撼，是他日后力推美国 AI 领先与「国家数据储备」的重要情感来源。名字「Alexandr」少一个 e，则是父母依中国数字观取的八字母「好运」之名。

在公开形象上，王善于把个人故事嵌进更大的时代叙事。他不讳言自己的野心，也乐于承认「最好的 AI 产品根本还没被做出来」；他既歌颂愿景，也冷静谈论算力、电力与土地这些最笨重的约束。他对 AI 的态度并非无限乐观：他提醒宣传操纵的能力会从一到两分跃升至九到十分，意识本身可能成为可设计、可备份的工程系统，因此呼吁「人类必须保持主权」。呼吁主权的人，恰恰是最深度下注的人——这种张力，构成了他个人形象最真实的层次。

12国家与时代意义：数据即主权的缩影

把王放回他所处的时代，会发现他恰好站在几条历史线的交会点上。其一是生成式 AI 的爆发，使「高质量训练数据」从幕后工序变成战略资源；其二是美中科技竞赛升温，数据、算力、算法被重新理解为类似石油与电力的国力要素；其三是国防 AI 化，五角大厦从怀疑到拥抱 agent 化的作战规划。王所经营的，正是这三条线共同需要的「基础设施」——谁能持续供给高质量、带语境的数据，谁就扼住了模型的喉咙。这让 Scale AI 从一家标注公司，跃升为产业与地缘的交叉节点。

在美中竞赛的框架里，王提出了清晰的三栏对照：美国在算力上领先，中国在数据上领先，算法上则不相上下。他最焦虑的是数据那一栏——中国有规模化的政府计划去「赢得数据」，而美国的高价值数据至今碎片化散落各处。为此，他在华盛顿力推「国家数据储备」（National AI Data Reserve），主张像对待石油一样对待数据，且第一优先级留给国家安全数据。这个想法在二〇二五年六月 AI+ Expo 与众议院能源暨商业委员会听证中被反复提出，虽尚未成为法律，却已进入政策讨论的核心。

王的国防立场，则把一名华裔美国创业者的个人身世，与美国的国安叙事紧紧绑定。他在 CSIS（二〇二五年五月）与 AI+ Expo 上直言，伟大的 AI 技术必须应用于国家安全问题，这对他是一种「道德义务」，根源正是洛斯阿拉莫斯与曼哈顿计划对世界秩序的影响。Scale 因此拿下 Thunderforge 等旗舰计划——二〇二五年三月，国防创新单元（DIU）授予 Scale 原型合同，由它联手 Anduril 与微软，把 AI agent 用于印太与欧洲战区的作战规划。从标注工厂到五角大厦的 AI 作战室，王的影响力已直达国防核心。

二〇二五年那笔 Meta 交易，则把王推向了另一个量级的舞台：他不再只是某家独角兽的创办人，而是全球最大社交平台之一的 AI 掌舵者，主导超级智能实验室、牵动数百亿美元的资本支出与顶尖人才流向。这既彰显数据基础设施的战略价值，也暴露了「中立供应商」在巨头入场后的脆弱——客户的集体撤退，提醒业界数据与研究多么被严密守护。王的意义，因而超越个人财富：他是这个时代如何理解「数据即主权」、以及 AI 如何同时成为产业引擎与国家博弈筹码的一个缩影。

01家世与早年：

杨植麟一九九三年生于广东汕头（另有媒体记载为一九九二年，见下方备注），成长于一个普通家庭。汕头地处岭南沿海，崇商重学的潮汕文化在他身上留下两道印记：一是敢闯敢拼的实用主义，二是对家乡始终不渝的情感。他就读于当地名校金山中学，彼时尚无任何编程基础，却因逻辑思维出众被选入信息学奥林匹克竞赛培训班。仅用一年苦学，他便在是全国青少年信息学奥林匹克联赛中夺得广东赛区一等奖，直接拿到清华大学保送资格。耐人寻味的是，他随后仍照常参加高考，以六百六十七分的成绩拿下汕头理科状元，被网友戏称「三次被清华录取」——保送、自主招生、高考，三张入场券尽数到手。

二〇一一年，杨植麟进入清华大学热能工程系，这与他后来的轨迹看似南辕北辙。转折发生在大二：他读到村上春树小说中程序员深夜写代码、让技术落地的情节，深受触动，毅然转入竞争激烈的计算机系。在清华计算机系知识工程实验室（KEG），他师从唐杰教授，成绩常年保持年级第一，程序设计课程以满分通过。课业之外，他组建校园摇滚乐队 Splay（队名取自数据结构「伸展树」），担任鼓手与词曲作者，还曾晋级清华校园歌手大赛原创决赛。理性的代码世界与浪漫的音乐灵魂，在他身上并行不悖。

二〇一五年，杨植麟赴美国卡内基梅隆大学（CMU）语言技术研究所（LTI）攻读博士，这里是全球自然语言处理的顶尖殿堂。他师从苹果公司首任人工智能总监 Ruslan Salakhutdinov 与谷歌首席科学家 William W. Cohen，在深度学习与大语言模型的核心地带潜心钻研。从潮汕小镇到匹兹堡的实验室，这段求学路为他后来「长上下文」与「无损压缩」的技术信仰埋下种子——多年后他回忆，正是在谷歌用数千张卡训练语言模型的日子，让他确信 scaling law 这条路值得一直走下去。

02创业原点：

杨植麟的第一次创业早在博士期间就已启动。二〇一六年，尚在 CMU 读博二的他联合创办循环智能（Recurrent AI），主攻企业销售科技，运用自然语言处理、语音与多模态技术打造「销售大模型」方案，先后获金沙江创投、真格基金、红杉中国等投资，一路走到 C 轮。这段经历让他吃透技术落地、团队管理与资本运作，也与华为合作研发初代盘古大模型。此后他又参与北京智源研究院悟道大模型的研发，从学术象牙塔一步步贴近真实产业。

学术上，杨植麟的天赋更为耀眼。他仅用不到四年便完成一般需六年的博士课程，以第一作者发表 XLNet（广义自回归预训练模型），入选 NeurIPS 2019 Oral，在二十个标准任务上超越谷歌 BERT，十八个任务取得历史最佳；又以共同第一作者提出 Transformer-XL，在多项序列建模数据集上刷下纪录。两篇论文成为现代大语言模型的理论基石，谷歌学术引用量极高（各来源说法出入甚大，见备注）。他还是二〇一八年英伟达学者、西贝尔学者，曾在谷歌大脑与 Meta 人工智能研究院实习。

真正的创业触发点是 ChatGPT 在二〇二二年底引爆的全球浪潮。杨植麟判断，通用人工智能的窗口期已经打开。二〇二三年四月十七日，他创办北京月之暗面科技有限公司（Moonshot AI），个人持股约百分之七十八点九七，拥有绝对控制权。公司英文名 Moonshot、中文名「月之暗面」皆取自他钟爱的摇滚乐队平克·弗洛伊德（Pink Floyd）专辑《The Dark Side of the Moon》，寓意探索人工智能未知而神秘的那一面。他集结清华老同学（如周昕宇、吴育昕）与海外顶尖工程师，迅速组建起初始团队。

03最艰难的关：

二〇二四年四月，据界面新闻报道，杨植麟通过售出个人持股套现数千万美元。消息一出，舆论哗然，质疑这位标榜长期主义的创始人是否急于变现。月之暗面当月回应新京报，称上述消息不实，强调公司此前已公布员工激励计划。这场风波虽然平息于一纸公告，却在公众心中留下挥之不去的问号：当技术理想遇上资本回报，年轻创始人究竟该如何自处？事后来看，这更像是一堂公关课——在聚光灯下，创始人的每一笔个人财务动作，都会被放大成对公司信念的审判。

更棘手的是与第一次创业的纠葛。二〇二四年十一月，五位来自循环智能的老股东在香港提起仲裁，声称当年杨植麟离职创办月之暗面时未获得他们签署的豁免（waivers）。金沙江创投朱啸虎侧面提及「尚未理清的责任」（uncleared liability），杨植麟则回应「已办妥所有必要手续」。截至本文撰写，双方仍未和解。这笔「创业原罪」般的争议，成为悬在月之暗面头顶的长期变数，也提醒市场：明星创始人的光环之下，往往藏著尚未清算的旧帐。

比外部纠纷更难熬的，是二〇二五年初的舆论逆风。在 DeepSeek 声名大噪之前，外界对月之暗面的论调一度是「Kimi 为何掉队了」——算力紧缺、同代竞品环伺、短期商业化压力陡增。杨植麟后来坦承，最艰难的关，是在「长期 AGI 信仰」与「短期生存与融资节奏」之间找平衡：既要坚持不急于找 PMF（产品市场契合），又要确保公司活到技术兑现的那一天。这道关，靠的是对技术路线的笃定，而非帐面数字；也正因如此，他顶住了诱惑，没有在低谷期仓促转向应用层。

04翻盘的一役：

翻盘的关键，是二〇二五年七月发布的 Kimi K2。这款模型拥有约一点零四万亿参数、三百二十亿激活参数、三百八十四个专家、十五点五万亿预训练 token，训练过程零 loss 突刺（loss spike），在 LMSYS Arena 登顶开源模型第一。K2 证明了一件事：中国团队不只能做应用层的跟随者，也能训练出全球顶级的开源基础模型，且以开放权重赢得开发者生态。更关键的是，K2 的训练稳定性打破了「开源等于次一等」的偏见，让月之暗面第一次在技术指标上与闭源巨头平起平坐。

二〇二六年一月，Kimi K2.5 在 Hugging Face 开源模型榜单登顶第一。三月，在英伟达 GTC 2026 大会上，黄仁勋将 K2.5 作为展示下一代芯片能力的基准模型；杨植麟获邀 solo 四十分钟技术分享，成为现场唯一来自独立大模型创业公司的代表，并将 Kimi 的进化逻辑归纳为「Token 效率、长上下文、智能体集群（Agent Swarms）」三维共振。学术与工程双重认可，让月之暗面重回聚光灯中央，也让资本市场重新评估这家曾被质疑掉队的公司。

真正让「掉队」叙事逆转的，是一场意外。AI 编程应用 Cursor 发布自研模型 Composer 2，开发者却发现其底层基座正是 K2.5；马斯克火速在社交平台评论「Yeah, it's Kimi 2.5」，Cursor 联合创始人最终公开致歉、承认未提及 K2.5。这一事件连同 Hugging Face 首席执行官克莱门特的点评，标志著中国开源模型已成为全球 AI 应用层的「地基」。从被质疑掉队，到被竞品默默套壳，杨植麟用一年时间打了翻身仗，也为「开源即影响力」写下了最生动的注脚。更关键的是，它证明模型的价值不再由谁训练决定，而由谁被依赖决定——当全球开发者默默构建在 K2.5 之上，影响力便已悄然落地。

05公司发展史（一）：

月之暗面的早期生存，靠的是精准的技术判断而非应用堆砌。二〇二三年四月公司成立，仅两个月便获红杉中国与真格基金两亿美元天使轮融资，投后估值即达三亿美元。同年十月，Kimi Chat 上线，支持二十万汉字无损输入，是全球消费级大模型产品中最长的上下文窗口。杨植麟把这一判断浓缩成一句话：「Lossless long context is everything（无损长上下文就是一切）。」在当时多数同业还在比拼参数规模时，他选择绕开正面战场，用「更长」撕开一道缺口。

二〇二四年二月，月之暗面完成超过十亿美元的新一轮融资，投资方包括红杉中国、小红书、美团、阿里等老股东与新贵，投后估值约二十五亿美元（约合人民币一百八十亿元）。这是 ChatGPT 掀起全球浪潮以来，国内大模型公司获得的单轮最大金额融资。公司就此跻身国内大模型第一梯队，成为「大模型六小龙」中最受资本追捧的一家。也正是这笔钱，让月之暗面有底气在算力昂贵的寒冬里持续投入长上下文研发，而非急著变现。

同年五月，Kimi 的上下文窗口从二十万字扩展到两百万字，完成十倍跳升。凭借「长上下文」这一差异化武器，月之暗面在与 OpenAI 的竞争中找到侧翼突破口——用户可以把五十份简历一起丢给 Kimi 做筛选，或上传整本书让模型还原细节并推理。早期生存的法门由此确立：不与巨头在通用对话上硬碰，而在「更长、更准」的无损上下文上构筑护城河。这一选择后来被证明极具前瞻性，因为长上下文恰恰成为二〇二六年 Agent 浪潮的基础设施。

06公司发展史（二）：

二〇二四至二〇二五年，月之暗面经历了第一次真正的范式转型：研发重心从「预训练加监督微调（SFT）」转向「预训练加强化学习（RL）」。杨植麟后来复盘，这一年最重要的决策，是储备强化学习人才、并改变整个研发工作方式。K1.5 模型主要用于验证强化学习技术路线（追赶 o1），团队在实践中发现，只需端到端奖励信号即可训练得很好，过程奖励或价值函数甚至带来副作用。这一认知让公司少走了弯路，也为 K2 的稳定训练埋下伏笔。

与此同步发生的，是从「对话」到「智能体（Agent）」的范式变化，这极大影响了团队的实际工作流。二〇二五年，月之暗面接连发布 K1.5 与 K2，其中 K2 成为旗舰开源模型。随著产品从聊天工具转向智能体平台，团队规模持续扩张，清华系校友与海归工程师构成核心班底，组织形态也从小而美的科研队伍，演变为能支撑万亿参数训练的工业化机器。这一转身并非一帆风顺，内部一度要在「对话体验」与「自主性任务」之间分配稀缺的算力与注意力。

资本层面同样水涨船高。据二〇二六年四月腾讯新闻报道，月之暗面于二〇二五年底完成五亿美元 C 轮融资，投后估值四十三亿美元（约合人民币三百一十亿元），帐上现金储备超过一百亿元人民币。杨植麟在内部信中明确表态「短期内不着急上市」，并将公司目标设定为「超越 Anthropic 等前沿公司，成为世界领先的 AGI 公司」。这一表态既是雄心，也是对长期主义的再次确认，等于公开向市场宣告：月之暗面要走的，是一条不同于短期变现者的路。

07公司发展史（三）：

进入二〇二六年，月之暗面的估值迎来跳升式重估。据多个来源梳理：二〇二五年十二月公司价值约四十亿美元；二〇二六年五月，由美团领投的一轮融资将估值推高至二百亿美元；七月进一步升至约三百五十亿美元；pre-IPO 阶段的目标则指向五百亿美元。短短七个月七倍重估，资本市场用真金白银下注「长上下文」这一技术论题（各源数字出入较大，见备注）。这种跳升既反映技术突破，也夹杂著对中国大模型整体预期的情绪修复。

与估值跳升并行的，是资本市场化进程。二〇二六年四月十日，国务院总理李强主持经济形势专家和企业家座谈会，杨植麟作为八位发言代表之一、且是唯一的大模型创业者出席，半个月内第二次亮相《新闻联播》。李强在讲话中强调「深化拓展人工智能加，加快制造业数智化转型」，信号意义不言自明。月之暗面推进港股 IPO 的传闻，自此从坊间走向台面，也被视为新质生产力获得国家层面认可的缩影。

估值从来是情绪与技术的双重定价。二〇二六年七月 Kimi K3 发布后，美股人工智能板块剧烈震荡，港股市场智谱股价单日下跌百分之二十八点四九、MiniMax 下跌百分之十五点六二，研究机构将之部分归因于 K3 的冲击。对月之暗面而言，资本市场既是助推器，也是放大镜——每一项技术突破与每一则争议，都会被迅速折算成股价与估值。这一阶段的关键词，是「上市前夜的狂欢与审视」，荣耀与压力同时被放大。

08公司发展史（四）二〇二六：今天的版图

二〇二六年七月十六日，月之暗面在 WAIC 前夕突袭发布 Kimi K3：约二点八万亿参数、百万 token 上下文窗口、开放权重，在多项主流基准上超越 GPT-5.6 与 Fable 5，是全球首个万亿级开源大模型。定价上，K3 输入每百万 token 二十元、输出一百万 token 一百元，位居国内模型最高价档，却仍仅为海外同类模型的三成。高盛在研究报告中给出定性结论：这标志中国模型迈向「定价权」的全新里程碑，意味著中国公司开始有能力为顶级智能定价。

K3 的冲击波远及华尔街与华盛顿。据中新网报道，发布七十二小时内美股人工智能板块合计蒸发约四千七百亿美元；马斯克先在相关报道下留言「令人印象深刻」，后官宣 Grok 4.5，称「有可能超越 Kimi」；黄仁勋则明确表态，美国公司「绝对应该」被允许使用中国模型。与此同时，美国封禁中国开源 AI 模型的呼声再起，月之暗面被推上地缘科技博弈的风口浪尖，一家中国创业公司首次让矽谷与华盛顿同时认真对待。

需求过旺也带来甜蜜的烦恼。K3 上线不到四十八小时，Kimi 便宣布「暂停对新用户开放订阅」，以应对算力瓶颈。在另一条战线，Kimi K2.5 在 OpenClaw 智能体调用榜单稳居首位，据报道自一月以来创下二十天收入超越二〇二五年全年总收入的纪录。二〇二六年八月二十七日，杨植麟入选全球 AI 领域最具影响力一百人榜单。今天的月之暗面，已是一家员工激励完善、技术全球瞩目、港股 IPO 在即的头部玩家，完成从「掉队疑云」到「领跑者」的跨越。

09领导风格与性格：

杨植麟的管理哲学可以概括为「顶层愿景加涌现式组织」。他反复强调，大模型创新很难用规划的方式实现，必须在一个好的系统里让基层单元自由组合、自下而上涌现——正如当年 Transformer 诞生于谷歌提供的环境。作为一号位，他的角色是做出技术判断并拍板执行（tech vision），为整个组织提供框架与节奏，而非事必躬亲。他常用鼓手自喻：鼓手不弹旋律，却掌握节奏，为乐队提供演奏的骨架。这种「定框架、放手让人涌现」的风格，让月之暗面在高速扩张中仍保持技术方向的一致。

他是彻底的长期主义者，相信「技术是这个时代唯一的新变量」。在访谈中他直言，若只急著找 PMF，很可能被更高维的技术「降维打击」。这种耐心体现在用人上：他追求极高的人才密度与共同的愿景，愿意为顶尖研究者提供涌现的环境而非硬性 KPI。他护人、信人，把组织创新视为通往 AGI 的「必经之路」，甚至比细枝末节的技术更为底层。与许多追求快速规模化的创始人不同，他宁可牺牲短期增速，也要守住技术与组织的长期质量。

公开形象上，杨植麟低调、学术、近乎书生气；私下却留有浪漫的一面——摇滚乐队鼓手、词曲作者，谈吐间偶尔引述村上春树。他对技术有近乎偏执的标准：以「无损压缩」对抗 hallucination（幻觉），认为只要模型足够准确，解释本身都不再必要。与同代许多商业型创始人不同，他是学者型创业者——论文即是产品的地基，这让他在资本与技术之间，始终更信任后者。这种性格底色，解释了为何他能在套现诱惑与舆论风波中守住长期主义。

10成功秘诀：

归纳杨植麟的成功，至少有七条可印证的脉络。其一，技术品味与学术底蕴：作为 Transformer-XL 与 XLNet 的第一作者，他的研究本就是行业基石，这种「从论文作者变成产品缔造者」的纵深极为罕见。其二，押注长上下文：从二十万到两百万汉字无损窗口，他把一个技术判断做成了差异化护城河。其三，长期主义：拒绝急于上市、拒绝被短期 PMF 绑架，宁可慢一步也要赌对方向。这三条加起来，构成了一个清晰的方法论：用学术判断定方向，用时间换空间。

其四，组织创新：他坚信要从零建造新组织，用涌现式机制取代传统规划，这让月之暗面能反复攻克长文本、智能体、多模态等不同难题。其五，范式转向的勇气：在二〇二四至二〇二五年果断从预训练加 SFT 转向预训练加强化学习，并拥抱 Agent 范式。其六，开源开放换生态：以开放权重让 K2、K2.5 成为全球应用地基，Cursor 套壳事件反证其影响力。其七，敢于取舍：两次创业、离开循环智能 all in 通用人工智能，每一步都做减法。

然而他的成功绝非完全可复制。天赋、清华与 CMU 的顶尖训练、ChatGPT 引爆的时代窗口，三者叠加才成就这条路；踩中「长上下文需求爆发」与「中国开源崛起」两股浪潮，也带有运气成分。可学习的，是技术判断的笃定与组织能力的打磨；不可学习的，是时代赏饭的偶然。杨植麟的标本意义正在于此：他用学术品味证明，华人研究者不只能追随矽谷，也能定义下一个时代——这既是个人的胜利，也是一代人的可能。

11个人、价值观与生活：

在金钱观上，杨植麟经历过舆论的放大镜。二〇二四年套现传闻中，他选择以公司公告否认，并将焦点拉回员工激励与长期价值。胡润榜显示，他于二〇二五年以七十三亿元人民币财富上榜，二〇二六年升至九十亿元，但相较于头顶的光环，他极少谈论个人财富，始终保持技术人的低调。对他而言，财富更像验证「做对行业有价值的事，商业回报自然会来」这一信念的副产品，而非驱动决策的目标。

家庭与家乡是他鲜少提及却始终在意的锚点。作为潮汕人，他成名后多次返回汕头，以潮创会副会长身份为家乡链接全球 AI 资源，参与潮创大会等公开活动。公开资料对其父母的著墨不多，只知出身普通家庭，这种「从海滨小城走到世界 AI 舞台」的叙事，使他成为汕头实实在在的骄傲，也让潮商精神在人工智能时代有了新注脚。他对家乡的回馈不求高调，却在每一次返乡与产业对接中落到了实处。

兴趣方面，音乐是他人生另一条主线。大学时代组建 Splay 乐队担任鼓手与词曲作者，工作后仍保留对摇滚的热爱——连公司名都取自 Pink Floyd。他能在严谨的算法世界与浪漫的旋律之间自如切换，同窗曾以对联戏称其「学术与摇滚灵活自如」。公开形象上，他是频频登上《新闻联播》的九〇后领军者，私下却更像一个埋首技术、偶尔弹鼓的理工男，这种反差构成了他独特的人格魅力，也让严肃的 AI 叙事多了一抹人文的温度。

12国家与时代意义：

在中国大模型版图中，杨植麟与月之暗面是最受资本追捧的「六小龙」之一，而清华系则撑起这轮创业潮的半壁江山——王小川的百川、唐杰领衔的智谱、王慧文的光年之外，皆与水木清华有千丝万缕的联系。杨植麟的特殊之处，在于他是其中少见的「学者型创始人」：既有顶会论文的硬实力，又有从零搭建公司的执行力，成为学术与产业之间最关键的那座桥。这种双重身份，使他在技术路线争论中往往更具说服力。

地缘维度上，月之暗面的崛起触动了全球权力格局。K3 发布后，美国封禁中国开源模型的呼声再起，黄仁勋却公开反对，强调美企应可使用中国模型；Hugging Face 首席执行官则指出，中国开源模型已成为塑造全球 AI 技术栈的最大力量。从 DeepSeek 到 Kimi，中国基座模型正构成全球应用层的「地基」，杨植麟正是这场从「跟随矽谷」到「并跑乃至领跑」转身的标志性人物，也是华人工程师群体在全球 AI 秩序中话语权上升的缩影。

从国家与时代之间看，他的意义超出一家公司的成败。在政策层面，「人工智能加」被写入国家推进制造业数智化转型的主线，杨植麟登上总理座谈会发言席，本身就是新质生产力受到重视的信号。对年轻一代而言，他证明了一件事：华人研究者不必留在美国教书或入职巨头，也能回国打造出与 OpenAI、Anthropic 正面竞争的组织。这或许是他留给时代最重要的启示——技术的归处，可以是自己的祖国。

01家世与早年：从河南小县城到模式识别国家重点实验室

闫俊杰于一九八九年出生在河南商丘夏邑县的一座小县城。关于他的家庭背景，公开资料著墨不多，仅能确认他是从普通县城走出来的子弟。那个年代的中原小城，课外资源远不如一线城市，但他很早就显露出对数学与逻辑的兴趣。这种自小县城起步、靠考试与钻研改变命运的路径，与同代许多中国顶尖技术创业者极为相似，也让他在日后谈及「人工智能要服务普通人」时，带著一种朴素的平等意识。

二〇〇六年，十七岁的闫俊杰考入东南大学数学学院，二〇一〇年六月取得理学学士学位。扎实的数学训练，尤其是对优化与概率的理解，后来成为他拆解大模型技术问题的底层工具——他日后屡次强调「人工智能不是玄学，可以用第一性原理来拆解」，这套思维其实早在数学系就已成形。本科毕业后，他进入中国科学院自动化研究所模式识别国家重点实验室硕博连读。

二〇一四年，他在百度研究院实习；二〇一五年，闫俊杰取得中国科学院自动化研究所博士学位，研究领域涵盖电脑视觉与深度学习，随后又在清华大学电脑系从事博士后研究。截至二〇二五年六月，他在深度学习与电脑视觉领域发表顶级会议与期刊论文一百余篇，Google Scholar 引用次数累计超过一万次。这段学术履历，为他日后既能做底层算法、又能统领产品工程的双重能力打下了根基。

02创业原点：离开商汤与「与所有人共创智能」

博士期间，闫俊杰以实习生身份加入商汤科技，一路做到副总裁、研究院副院长及智慧城市事业群首席技术官，主导构建通用电脑视觉模型、深度学习工具链，以及智慧城市与人脸识别相关的技术体系。彼时人工智能的两大代表性应用是人脸识别与「阿尔法狗」，距离普通人的生活仍很远，这让身在一线的他产生困惑：我们花这么大力气研究人工智能，到底为了什么？

真正触发创业的，是一段私人经验。他的外公想写一本回忆录，却因缺乏语言组织能力、又不会打字而难以完成。闫俊杰意识到，唯一的办法是把人工智能变得更加通用，成为普通人生活中的一部分。二〇二一年底，在商汤科技港股上市前夕，他选择离开，一度还做好了去当老师的准备。

二〇二二年初，闫俊杰在上海创立 MiniMax（上海稀宇极智科技有限公司，后以「稀宇科技」对外）。公司名字源于博弈论中的「minimax（极小化极大）」算法，代表在有限条件下寻求最优解。创业第一天，他就定下三条原则：一定要直接服务用户、一定要做国际化、一定要技术驱动，并把企业愿景写成「Intelligence with Everyone（与所有人共创智能）」。那时 ChatGPT 尚未引爆全球，他却坚定押注文本、视频、语音的全模态模型研发。

03最艰难的关：全模态的豪赌与早期生存

MiniMax 起步时极其艰难。二〇二二年，「大模型」尚未成为产业显学，公司最初只有几十个人、一百多平方米的办公室，团队平均年龄不到三十岁。在几乎没人看好的情况下，闫俊杰坚持「一边做模型、一边做模型驱动的产品」，同时推进文本、语音、影像、音乐、视频五条线，这意味著远高于同业的研发与算力开支，现金消耗极快。

早期融资环境充满不确定。天使轮于二〇二一年十二月由高瓴创投领投，米哈游、IDG 资本、云启资本参与，融资约三千一百万美元，投后估值约两亿美元；二〇二二年三月 Pre-A 轮，明势创投成为唯一新股东，投后估值升至五点五亿美元。可即便如此，二〇二三年公司收入仅约两百多万美元（不同口径分别列为二百四十六万与三百四十六万美元），亏损却以亿美元计，毛利率为负，外界对「多模态路线」与「年轻团队」的质疑从未停过。

最艰难的关，在于路线争议与生存压力同时压顶：一边是同业纷纷押注更稳的稠密模型，一边是投资人与市场对这支「人均九五后」团队的怀疑。闫俊杰后来回忆，公司最早几年「搬了很多次家」，最后才落定上海市徐汇区。能否在现金烧完前证明全模态路线成立，是当时悬在头顶的唯一问题。

04翻盘的一役：All-in MoE 与 abab 6.5

翻盘的关键决策出现在二〇二三年下半年。当时中国多数同行仍在迭代稠密模型（dense model），闫俊杰却把几乎全部研发与算力资源转向一件更不确定的事——混合专家系统（MoE）。他的判断很直接：如果未来要服务千万级乃至亿级用户，必须做 MoE，否则「生成 token 的成本和延时我接受不了，很快会崩溃」。这是一场押上公司前途的技术赌注。

这一决策迅速转化为产品力。二〇二四年一月，MiniMax 发布国内首个 MoE 大模型；同年四月，开创将 MoE 架构用于大规模商业化部署的先河。二〇二四年上半年，公司推出商用万亿参数 MoE 架构大模型 abab 6.5，并同步发布开源模型 MiniMax-01 系列。成本与性能的同时突破，让 MiniMax 在与同业的竞速中第一次站到前排。

这一役之所以称为翻盘，是因为它把早期的质疑转化为壁垒：MoE 带来的低成本、低延迟，正好支撑了亿级用户规模下的商业化，也让「全模态」不再只是烧钱的故事，而有了可验证的单位经济。日后 MiniMax 能在海外市场与巨头搏杀，根基正是这次 All-in 留下的架构优势。

05公司发展史（一）：从模型工作室到产品矩阵

二〇二二年十月，MiniMax 第一款人工智能产品上线。随后公司沿著「模型驱动产品」的思路，陆续推出 Glow、星野与 Talkie、海螺 AI 等 C 端产品，覆盖内容创作、智能助手与娱乐应用。其中 Talkie 面向海外、星野面向国内，让用户与 AI 虚拟角色建立情绪连接；海螺 AI（Hailuo AI）则能实时生成高质量图像与视频。

监管与生态层面亦同步推进：二〇二三年七月，公司与上海徐汇区签约 MiniMax 大语言模型开放平台项目；同年八月，自研的「MiniMax-abab」大模型通过国家首批备案。这让 MiniMax 在国内大模型监管框架确立之初，就拿到合规入场券，为后续 B 端开放平台与企业服务铺路。

融资节奏也随产品落地加快。二〇二三年五月 A 轮，腾讯投资、顺为资本、小米、小红书等入局，融资约两点六亿美元，投后估值约十一点六亿美元；两个月后的 A+ 轮由红杉中国领投，投后估值升至十六亿美元。从天使到 A+，MiniMax 用约一年半时间完成四轮融资，资本方阵开始从早期 VC 扩展到互联网巨头与产业资本。

06公司发展史（二）：融资狂飙与产业资本方阵

二〇二四年三月，MiniMax 完成 Pre-B 轮融资，由阿里巴巴领投出资约四亿美元，经纬中国、中国人寿、盈科拓展、柏睿资本等共同参与，总融资约六点五四亿美元，投后估值二十五点五亿美元；同年十二月 Pre-B+ 轮，中金资本、基石资本等加入，投后估值达三十一点二亿美元。二〇二五年八月，公司完成上市前最后一轮 Pre-B++ 融资，Aspex、Janchor、正大集团、社保基金等参与，投后估值突破四十二点四亿美元。

至此 MiniMax 成立四年间累计完成七轮融资，融资总额约十五点五六亿美元（约一百一十亿人民币）。股权结构呈现鲜明的「产业资本＋知名创投＋国际资本」三重矩阵：上市前阿里巴巴间接持股约百分之十三点六六，为最大产业股东；高瓴持股约百分之七点一四，为第一大财务投资人；红杉中国持股约百分之三点八一；明势资本累计参与六轮，是投资轮次最多的机构。

米哈游的角色尤为特殊：IPO 前持有 MiniMax 约百分之六点四股份，并在董事会占有非执行董事席位。它既是投资人、也是客户，早在一开始便使用 MiniMax 的模型服务，这种「既投又用」的关系在 AI 领域并不多见，也被公司列为「领航资深独立投资者」。二〇二五年七月，MiniMax 还完成近三亿美元 C 轮融资，资本热度持续升温。

07公司发展史（三）：出海、诉讼与「黄闫会」

MiniMax 从一开始就带著「生而全球」的视角，出海成效显著。截至二〇二五年九月三十日，公司累计个人用户逾两点一二亿、企业客户十三万家，产品覆盖二百多个国家与地区，海外收入占比超过七成。二〇二五年前三季度，海外收入占比达百分之七十三点一（约三千九百万美元），新加坡占百分之二十四点三、美国占百分之二十点四，成为国产 AI 模型出海标杆。其海外角色产品 Talkie 日活一度接近两百万。

二〇二五年七月十八日，辉达（NVIDIA）执行长黄仁勋在北京与闫俊杰进行近两小时会谈，外界称之为「黄闫会」，解读为 MiniMax 在 AI 基础模型与算力生态中战略价值的体现。同年八月，闫俊杰入选《财富》中国四十位四十岁以下商界精英榜。这一年，MiniMax 从默默无闻的创业公司，迅速成为与智谱、DeepSeek 并列的「中国大模型代表」。

但出海也带来风险。二〇二五年九月，美国迪士尼、环球影业、华纳兄弟探索公司联合向加州联邦法院提起诉讼，指控 MiniMax 及其海外运营主体 Nanonoble Pte Ltd（新加坡）侵犯著作权。对收入超七成来自海外的 MiniMax 而言，这构成重大不确定性，也折射出中国 AI 企业在全球化过程中必然面对的合规与地缘挑战。

08公司发展史（四）二〇二六：今天的版图

二〇二五年十二月十七日，MiniMax 通过港交所上市聆讯，冲刺「多模态模型第一股」。二〇二六年一月九日，公司以股票代码 0100.HK 正式挂牌，发行价每股一百六十五港元，全球发售约两千五百多万股（计超额配股权约两千九百多万股），募资总额约五十五点四亿港元，发行估值介于四百六十一亿至五百零四亿港元之间。首日股价高开超五成，盘中涨幅一度达九成以上，市值一度逼近九百亿港元。

公开发售部分获一千八百三十七倍超额认购，吸引约四十一点七六万份有效申请，一手申购获配比例仅约百分之二点八一；国际发售亦获三十七倍认购。公司引入十四家基石投资者，包括 Aspex、Eastspring、未来资产、阿布扎比投资局（ADIA）、阿里巴巴、易方达、英国保诚旗下 Eastspring、博裕资本、汇添富香港、泰康人寿等，合计认购约二十七点二三亿港元，占全球发售规模近七成。二〇二六年三月十八日起，股份简称由 MINIMAX-WP 变更为 MINIMAX-W，标志其获准转为已商业化公司。

二〇二六年 MiniMax 继续扩张版图：发布 MiniMax M3 模型，七月推出开源多模态模型 MiniMax H3，八月推出 MiniMax Design；八月二十六日发布中期业绩，上半年总收入一点一七亿美元，同比增长百分之二百八十三点一，B 端收入占比升至百分之六十三点四，年度经常性收入（ARR）超过八亿美元。五月二十九日，公司与中信证券签署辅导协议，启动 A 股 IPO 进程。股权上，开曼主体 MiniMax Group Inc. 采双重股权（B 类普通股十票表决权），由闫俊杰控制的 Alpha EXP Limited 持有约百分之十九点九六股权、合计约百分之五十九点九八表决权，为控股股东；截至招股书，公司共有三百八十五名全职员工，平均年龄约二十九岁，研发人员占比超七成。

09领导风格与性格：低调、第一性原理与年轻化组织

在公众视野里，闫俊杰向来低调。罗永浩《十字路口》四小时对谈中，他语调平和、面带笑容，习惯在回答前先说「这个问题的本质是」，像是在争取思考的时间。这种不抢话、先拆解本质的习惯，与他「人工智能可用第一性原理拆解」的主张一致，也让他在技术争议中不急于站队，而是用指标说话。

组织管理上，他摒弃 OKR、KPI 等传统管理方式，转而以效率与工程能力为导向。MiniMax 内部 AI 已深度融入工作流，约百分之八十的编程代码由 AI 完成。他用人标准鲜明地年轻化：招股书披露 CEO 三十六岁、COO 贠烨祎三十一岁、大语言模型负责人赵鹏宇二十九岁、视觉模型负责人周彧聪三十二岁，董事会成员多在三十岁左右。明势资本连投六轮的长期陪伴，也侧面说明他护人、重视长期同路人的一面。

对钱的态度同样特别。二〇二五年十二月，他在播客中透露将不再领取薪酬，把资源优先投入模型与产品能力的长期建设。公开场合他话术熟练，被问盈利预期时往往不直接回答，而是把话题引向行业加速发展；但私下对技术与产品细节偏执，从模型架构到单一产品的千万日活目标，都亲自参与设定。这种公开克制、私下较真的反差，构成他的领导肖像。

10成功秘诀：从全模态赌注到长期主义

归纳闫俊杰与 MiniMax 的崛起，至少有八条可证据支撑的关键。其一，全模态押注：在文本、语音、影像、音乐、视频五条线并进，而非单点突破，这让公司成为「全球唯四全模态进入第一梯队」的企业。其二，早定 MoE 路线：二〇二三年下半年力排众议 All-in MoE，奠定成本与延迟优势，abab 6.5、MiniMax-01 即其果实。

其三，生而全球：创业第一天就立下国际化原则，海外收入占比超七成，新加坡、美国为主要市场。其四，直接服务用户：C 端（Talkie、星野、海螺 AI）与 B 端（开放平台）双轮驱动，二点一二亿个人用户与十三万企业客户并存。其五，技术驱动加效率工程：以 scaling law 为信仰，内部八成代码由 AI 完成，去 KPI 提效。

其六，年轻组织：平均二十九岁的团队更懂 C 端社交娱乐需求，决策链短。其七，资本运作：四年七轮、累计约十五点五六亿美元融资，并迅速登陆港股。其八，长期主义与 AGI 信仰：从「与所有人共创智能」到坚守普惠。总结而言，他的成功有一部分可复制——路线选择、组织设计、资本节奏都可学；但更大一部分是时代的产物：政策把 AI 列为增长引擎、资本热捧、ChatGPT 引爆需求的三重红利，叠加上他个人恰好卡在商汤上市前夕离职的窗口，运气与判断缺一不可。

11个人、价值观与生活：普惠、克制与不领薪的选择

闫俊杰的价值观核心是一句朴素的话：人工智能要变成普通人生活中的一部分。这既源自外公写不出回忆录的私人触动，也体现在他反复强调「AI 价值在于服务普通人，因为社会大多数都是普通人」。他相信 AI 是更基础的生产力，能持续学习、变得聪明，且使用成本愈发可控、愈发普惠。

金钱观上，他显得克制甚至刻意低调。二〇二五年十二月，他公开表示将不再领取薪酬；二〇二六年三月胡润榜以二百五十亿人民币将他列为全球富豪第第一千二百九十七位、U40 白手起家榜第三十位，但他极少谈及个人财富。生活层面，公开资料几乎不涉及家庭与爱好，对外形象始终是「低调的技术人」——这与许多高调的互联网创始人形成对比，也强化了外界对他「专注把科技做好」的评价。

他对外展示的，是一种把个人隐入产品与使命的姿态：年度 AI 人物的荣誉、总理座谈会的发言、国新办见面会的亮相，都被他用来谈行业而非谈自己。这种把聚光灯让给技术与团队的性格，既符合「与所有人共创智能」的叙事，也在一定程度上解释了为何 MiniMax 能以一支年轻团队，在巨头环伺中跑出最快上市纪录。

12国家与时代意义：中国大模型出海的标杆与样本

在中国人工智能版图里，闫俊杰与 MiniMax 的意义，在于提供了一条不同于国资路线的「全球化商业化」样本。与以人民币国资为压舱石、收入高度依赖本地化部署的智谱不同，MiniMax 凭全球化资本背书与 C 端流量协同，成为海外收入占比超七成的出海标杆，并被视为「全球唯四全模态进入第一梯队」的企业之一，与 DeepSeek、智谱并列为中国大模型代表。

政策与地缘背景共同塑造了这家公司。党的二十大报告把人工智能列为增长引擎，上海「模速空间」大模型创新生态社区为其提供落地土壤；二〇二五年四月习近平考察模速空间时，闫俊杰就智能体自主进化作主题汇报。二〇二六年一月他参加李强总理座谈会，成为继梁文锋之后第二位参会的 AI 大模型企业代表，标志这一代技术创业者进入国家议程。

对行业而言，MiniMax 的价值在于证明「全模态＋商业化」路线可以跑通，且能以四年时间刷新 AI 公司最快上市纪录。但它也承载著中国 AI 出海的共同隐忧：海外收入占比越高，面对著作权诉讼、算力管制与地缘摩擦的风险敞口就越大。闫俊杰的故事，因而既是技术创业的成功传记，也是这个时代中国人工智能走向全球的缩影。

01家世与早年：

张鹏一九九八年考入清华大学计算机系，是该校一九九八级本科校友。公开资料对其出生年份多作「约一九八〇年」，籍贯湖北；这一年龄推算与他十八岁入学的时间线大致吻合，但确切生日与出生地至今未见权威披露，各类百科与报导亦仅以「约一九八〇」带过。在天才扎堆的清华计算机系，他并非最耀眼的一个；同届入学的有后来搜狗首席运营官、百川智能联合创始人茹立云，比他年长两届的王小川更是系里风云人物。张鹏后来回忆，刚进校时便被同侪的锋芒震撼，给自己贴的标签很朴素：埋头科研。

二〇〇二年本科毕业后，他放弃出国与进大厂两条热门路径，留在清华攻读硕士，随后进入计算机系知识工程实验室，简称KEG。这间实验室始于一九九六年，由唐杰等学者奠基，是中国最早从事自然语言处理与知识图谱研究的机构之一。张鹏在此主导科技情报挖掘系统AMiner的工程落地；这套系统最初的启动资金，竟是唐杰博士论文评优获得的两万元奖金，团队耗费数百天抓取下第一批两百万条数据，日后长成收录数亿篇论文、服务全球上千万用户的学术平台，也成为智谱技术的雏形。

在KEG的十余年里，张鹏把自己定位为「把学术想法翻译成能跑的系统的人」。他发表十余篇顶会文章，设计出国内首个中英文平衡的跨语言知识图谱系统XLORE，研究领域横跨知识图谱与大规模预训练模型。二〇一八年，他拿下清华大学创新领军工程博士学位。在日后「大模型五虎」掌舵人里，王小川、杨植麟是少年天才，而张鹏创业前长达二十年的科研经历看似不那么闪耀，回头看却构成了大模型牌桌上论资排辈最硬的资历。师承上，他是唐杰的直系学生，这层关系日后深刻影响了智谱的分工。

02创业原点：

智谱的故事，起点是清华园里一间挂著「知识工程实验室」牌子的屋子，与一道中国科研体制的「玻璃门」。早在二〇一六年，唐杰与张鹏便开始讨论把实验室成果转化为产品，但横亘其间的是一连串制度难题：在职人员能否用研究成果创业？收益分配比例如何定？成果价值如何评估？张鹏后来用一句话概括那段摸索：「国家给了一扇窗户，并不是开了一个很敞开的门。」他与清华花了约一年半，才摸索出第一套操作细节，把科技成果转化的路径打通。

二〇一九年六月十一日，北京智谱华章科技有限公司正式注册成立，注册资本一千万元。公司由唐杰与清华校友刘德兵、张鹏、李涓子、许斌等联合创办，技术源于清华KEG实验室。创始结构本身即是新闻：中科院院士张钹出任首席顾问，刘德兵任董事长，唐杰任首席科学家，张鹏带队经营，职位是首席技术官。这套「院士做顾问、教授做科学家、工程师做首席技术官」的安排，被外界视为「王选模式」的复刻，目标是让最懂技术的人留在技术里，让最懂经营的人去经营。

起初张鹏并不属于核心创始团队的台前人物，他是在公司发展中逐渐走向前台的。当时实验室其实已经在赚钱——一年横向科研经费接近两千万元，服务谷歌、IBM等国际客户，做科技情报预测。张鹏回忆，谷歌问的问题很简单：「告诉我未来三到五年某个领域哪些技术会成为热点。」这正是认知智能的典型应用：理解、推理、预测。但张鹏与团队要的更多。彼时GPT-3尚未发布，「百模大战」尚未开始，没人知道大模型会在三年后引爆整个行业，他们却已决定下场，把论文变成公司。

03最艰难的关：

智谱真正的至暗时刻，落在二〇二二年的分水岭前后。团队耗费约四百万元算力、总成本约一千万元，训练出对标GPT-3的GLM-130B；同一时期OpenAI训练同类模型的成本高达两千万美元，智谱只用了约十四分之一。张鹏带著这份成果去融资，却撞上资本市场的冷脸。投资人直截了当：「这东西能变成钱吗？大环境这么差，要不把估值降一半？」那是一段连智谱自己都承认「比较困难的时期」——一只眼盯著训练数据量输入越来越少，另一只眼盯著银行帐户上的储备现金输出越来越多。

更深层的艰难，是路线选择的孤立感。二〇二〇年GPT-3发布后，业界几乎全数跟随自回归路线，智谱却选了自研的GLM「自回归空白填充」架构。这个带著「科研洁癖」的决定意味著没有现成范式可循，训练过程极不稳定，一旦出意外，成本与风险都额外叠加。张鹏日后坦言，创业前在学校做科研凭兴趣与热情，很少看钱；到了公司才学会精打细算，所有成本投入转化为收益的帐都要算清。算力、数据、算法三大支柱中，压力最大的是「太贵」的算力，这道成本关几乎压垮早期现金流。

转机在三个月后降临，却险些擦肩而过。二〇二二年十一月，ChatGPT横空出世，整个市场的提问从「这是什么东西」变成「什么时候能做出来」。但对彼时的智谱而言，这既是曙光也是倒逼：它必须在春节后迅速拿出对标产品，同时证明自研路线没有走错。那段日子里，唐杰和张鹏每天最重要的事就是盯著两个窗口——训练进度与银行帐户。极限生存逼出了工程能力：智谱工程师为省显存，重写底层通信协议。这道最艰难的关，最终靠技术上的「抠细节、降成本」硬生生闯了过去。

04翻盘的一役：

翻盘的关键一役，是二〇二三年三月ChatGLM与轻量版ChatGLM-6B的开源。当ChatGPT点燃市场，智谱没有闭门憋大模型，而是先把一张家用显卡就能跑起来的六B小模型推上开源社区。这是国内第一款在开源社区爆火的大模型：全球下载量迅速突破百万，成为无数开发者与高校的第一个中文大模型入口。张鹏在中国AIGC产业峰会上说，训练千亿模型至少面临三大挑战——成本、人力、算法，因此「我们应该多给国产从业者多一点耐心」。这一役让智谱从「被追问估值」变成「被追问进度」。

紧接著是产品化的连贯出击。二〇二三年八月三十一日，「智谱清言」通过《生成式人工智能服务管理暂行办法》备案并正式上线，具备对话、代码生成、创意写作等能力。半年后的二〇二四年一月，新一代基座大模型GLM-4发布，支持一百二十八K上下文，并推出可自主调用网页浏览器、代码解释器等工具的「All Tools」。张鹏在央视网《望海对谈》中把通用基座模型定义为「一种新型基础设施」，强调基于这样的基础设施探索不同应用形态，才能帮企业产生商业价值。这一连串动作，把论文里的架构变成了用户手里的产品。

翻盘的财务印记同样清晰。二〇二三年，智谱签单客户约数百家，全年有亿级签单额；机构客户从二〇二二年四十八家，增至二〇二四年三千一百五十六家。张鹏早年在访谈中点破商业化本质：「开源不等于免费，客户要的不是参数文件，是商业化服务。」这句话成了智谱「开源加商业化」双轮驱动的注脚。从被建议砍半估值，到订单纷至沓来、政府与企业排队送钱，智谱用不到一年完成身份逆转，成为「六小龙」中最早跑通收入的一家。

05公司发展史（一）：

智谱的技术血脉，可追溯至一九九六年成立的清华KEG实验室，与二〇〇六年唐杰开发的AMiner平台。二〇一九年六月公司注册，当即启动通用语言模型开发；二〇二〇年启动自研预训练框架GLM，这一年GPT-3发布，智谱逆势选择空白填充路线。二〇二一年三月预训练大模型GLM问世，九月推出GLM-10B，并上线MaaS商业化平台bigmodel.cn。这一阶段是「从零到一」的技术积累期，公司靠高校科研经费与创投输血存活，尚未形成规模收入，却确立了日后区别于所有追随者的自主架构之根。

二〇二二年是里程碑之年。八月，智谱联合清华开源中英双语千亿级基座模型GLM-130B；十一月，该模型入选史丹福大学基础模型中心评测，是亚洲唯一整体跻身前列的大模型，鲁棒性、校正误差、无偏性等指标比肩GPT-3。它同时是中国首个开源千亿规模大模型，全球下载量超三千万。同年九月代码模型CodeGeeX、十一月WebGLM相继推出。这一年智谱营收仅五千七百四十万元，净亏损一点四四亿元，但技术声望已悄然立住，为后来的融资狂奔埋下伏笔。

二〇二三年的转折在于「对话」与「开源」双引爆。三月ChatGLM与ChatGLM-6B开源，五月视觉模型VisualGLM，六月ChatGLM2，八月智谱清言上线，十月CogVLM与ChatGLM3。这一年智谱营收跳升至一点二四五亿元，机构客户快速累积。更关键的是资本侧：随著ChatGPT带火大模型，二〇二三年当年智谱累计融资超二十五亿元，投资方囊括社保基金中关村自主创新基金、美团、蚂蚁、阿里、腾讯、小米、金山、红杉、高瓴等，一线机构与大厂几乎全数入局。

06公司发展史（二）：

二〇二四年是智谱的「模型矩阵」之年，也是估值跃升之年。一月基座模型GLM-4发布；六月GLM-4-9B、GLM-4V-9B；七月视频模型「清影」(CogVideoX)、代码模型CodeGeeX4上线；八月GLM-4-Plus与国内首个AI视频通话功能；十月语音模型GLM-4-Voice与手机智能体AutoGLM；十一月GLM-PC；十二月推理模型GLM-Z1。多模态能力从文字、图片延伸到视频与语音，智谱完成从语言到全模态的跨越，模型矩阵初具规模，被OpenAI列为全球主要竞争对手。

资本层面，二〇二四年五月，沙特阿美旗下风投基金Prosperity7向智谱注入四亿美元，助推估值达约三十亿美元，成为国内估值最高的创业大模型公司之一；十二月，智谱宣布完成一轮三十亿元融资，引入多家战投与国资，老股东跟投。据招股书，IPO前智谱完成八轮融资、规模超八十三亿元。研发投入也同步飙涨：二〇二四年研发开支二十一点九五四亿元，是同年营收三点一二四亿元的约七倍，研发人员占比达百分之七十四。

财务的另一面是高增长伴随高亏损。二〇二四年智谱营收三点一二四亿元，在中国独立通用大模型开发商中营收第一；但净亏损扩大至二十九点五八亿元。收入结构上，本地化部署是核心支柱，面向政府、金融、能源等对数据安全有严格要求的B端客户，毛利率长期超过五成；云端部署则因竞争激烈、单价下行，毛利率从二〇二二年百分之七十六骤降至负值。张鹏对「国资色彩渐浓」的曲线并不回避，反而视作长期主义的印证。

07公司发展史（三）：

二〇二五年是智谱冲刺资本市场与技术顶峰的年份。一月实时语音模型GLM-Realtime；三月沉思模型GLM-Z1-Rumination；四月GLM-Z1-32B与GLM-4-32B；六月企业级智能体CoCo；七月开源SOTA模型GLM-4.5，参数规模达三千五百五十亿；八月GLM-4.5V与AutoGLM 2.0；九月代码能力对齐Claude Sonnet 4的GLM-4.6；十二月GLM-4.7、GLM-4.6V等密集发布，并开源AutoGLM。全年智谱完成约五轮融资，估值被推至约四百亿元档位，为上市铺平道路。

这一年智谱也迎来地缘与合规的考验。一月，美国商务部将智谱列入实体清单，指其推动军事现代化；智谱表示强烈反对，称掌握全链路大模型核心技术，列入清单不会对业务产生实质影响，将继续参与全球竞争。同月，张鹏获增补为北京市政协第十四届委员会委员，并入选「中国AI盛典年度AI人物」。九月，他推出智能体产品AutoGLM沉思；年底，智谱通过港交所上市聆讯，距敲钟只差临门一脚。

二〇二五年全年营收七点二四亿元，同比增长百分之一百三十二；毛利二点九七亿元，同比增加百分之六十八点七；经调整年内净亏损三十一点八二亿元（另一口径全年净亏损四十七点一八亿元）。机构客户在九月突破一点二万家。张鹏在年底把增长极归结为MaaS平台全面爆发——平台年度经常性收入约十七亿元，十二个月提升约六十倍。这组数字既证明商业化跑通，也揭示「高增长、高投入、高亏损」并存的现实。

08公司发展史（四）二〇二六：今天的版图

二〇二六年一月八日，智谱(02513.HK)正式在香港联合交易所挂牌，被誉为「全球大模型第一股」——全球首家以通用人工智能基座模型为核心业务的上市公司。发行价每股一百一十六点二港元，香港公开发售获一千一百五十九点四六倍超额认购，国际发售获十五点二八倍；IPO募资总额超四十三亿港元（绿鞋前），十一一家基石投资者合计认购二十九点八亿港元。敲锣的是董事长刘德兵与首席执行官张鹏，首席科学家唐杰则低调站在团队行列，把C位让了出来。

上市首日收盘价一百三十一点五港元，较发行价涨百分之一十三点一七，市值约五百七十九亿港元；盘中一度逼近六百亿。此后股价坐上过山车：二月GLM-5发布后单日暴涨超百分之二十四，市值冲上三千二百三十二亿港元，超越京东、快手；六月GLM-5.2发布并开源，市值突破一万亿港元，被媒体称为「中国版Anthropic」的估值样本。至九月，股价回落至约一千零三十三港元，市值回到约四千八百亿港元，市场热度降温但仍是港股TMT第一梯队。

今天的智谱，已是中国最大的独立大模型厂商。GLM架构实现全国产化突破，适配四十余款国产芯片；产品矩阵覆盖基座、反思、多模态与智能体。二〇二六年一季度，API调用定价提升百分之八十三，即便涨价，调用量仍同比增长百分之四百。张鹏回应GLM-5-Turbo涨价时表示，涨价是成本变化的自然结果。八月，他入选美国《时代》杂志二〇二六全球AI百大影响力人物。从五道口实验室到中环交易大厅，智谱用七年走完从论文到年报的路。

09领导风格与性格：

熟悉张鹏的人，常给他贴一个标签：「反天才」的工程师气质。他不抢镜、不立人设，习惯用数据而不是情绪说话。在智谱内部，他常被评价为「稳健长线」，恰好与唐杰的「技术原教旨」互补。一个愿意在实验室熬二十年冷板凳的人，往往也最有耐心陪一家公司走过从零到上市。这种耐心，在普遍追求「百天估值翻十倍」的AI创投圈里，反而成为稀缺品。他不像梁文锋拒资本，也不像杨植麟绑定个人IP，而是用「企业家纪律」把学院资产翻译成产业资产。

张鹏的分工极清晰：公司经营、融资、政企大客户、GLM工程落地、上市统筹，一个学术与产业复合的「双栖」角色。他从首席技术官走向首席执行官，是被GLM架构坚持「推」到前台的。二〇二六年三月业绩会上，他抛出一个被媒体广泛引用的公式：AGI时代的商业价值等于智能上界乘以Token消耗规模。智能上界决定定价权，Token消耗规模决定价值体量。这套从实验室长出的商业语言，正是他最独特的本领——把宏大叙事落回朴素比喻。

上市前夕，张鹏摔断跟腱，拄著拐杖来到访谈现场，还引了一句西方谚语「Break a leg」自嘲好运。这个细节透露出他公开形象与私下性格的一致：低调、幽默、不端著。面对资本狂热，他态度坦荡：「不管智谱融了多少钱、拿了多少收益，其实都是通往AGI道路上的盘缠。」下属回忆，他对技术偏执但不苛人，决策偏慢而稳，愿意把C位让给科学家。这种「教授创业」的中国式分工，在智谱身上被演绎到极致。

10成功秘诀：

其一，押注自主架构而非跟风。当所有人都追GPT的自回归路线，智谱轴在自研GLM「空白填充」架构，日后被证明是区别于所有追随者的根。其二，技术与商业「双栖」。张鹏既懂科研也懂经营，把论文变成收入、客户与现金流，是四家头部模型厂中唯一把「非共识」变成「财报共识」的人。其三，长期主义与耐心。他拒绝百天估值翻倍的诱惑，用企业家纪律陪公司走长路，把融资视作通往AGI的「盘缠」而非目的。

其四，开源加商业化双轮。张鹏早言「客户要的不是参数文件，是商业化服务」，用开源建立生态与信任，用本地化部署与MaaS变现。其五，绑定国家与产业场景。智谱是少数同时满足「政治安全、技术底座、产业落地」三项的AI创企，政府订单成为早期造血来源。其六，极致抠成本。中国团队会抠细节、降成本，GLM-130B成本仅OpenAI同期的十四分之一，极限生存练出工程能力。其七，善用学院资产，把院士、教授班底转化为技术护城河。

他的成功在多大程度上可复制？自主架构的判断、清华KEG二十年底蕴、唐杰等科学家班底，这些是时代与运气共同馈赠的稀缺条件，难以照搬。但「长期主义、抠成本、把论文翻译成产品」的方法论，对任何技术创业都有参考价值。张鹏的胜利，一半是认知与纪律的产物，一半是踩中国产大模型自主可控的时代窗口——这扇「窗户」，恰好在他准备好的时候被打开。

11个人、价值观与生活：

张鹏的履历简单到只有一个关键词：清华。一九九八年入学，而后本硕博、工作、创业，二十余年未曾真正离开这片园子。他公开谈及金钱观时颇为坦然：钱不是目的，只是走到AGI终点的干粮。二〇二五年他的薪酬合计达六千八百四十三万元（含大额股份支付），董事长刘德兵年度酬金一点五七亿元，公司总薪酬成本含股份支付达十三点六三亿元——这组数字引发过外界对「公司亏损、高管高薪」的议论，他未过多辩解。

价值观上，他反复强调「科技服务于人」。在清华「贯天、接地、通心、树人」理念影响下，他看重技术解决实际问题：北京冬奥的手语播报数字人、制造业流水线效率提升超百分之三十、教育AI助教，都是这一理念的注脚。他对AI安全有明确底线：智能个体必须理解人类意图，且要有「安全」的限制与枷锁，培养正确的价值观与世界观。二〇二五年他作为北京市政协委员，提案健全产学研用协同育人体系，呼吁打造人工智能人才「特区」。

生活层面，外界对张鹏的私人细节著墨不多。他不是热衷曝光的人，公开形象低调、理性，像一位仍在实验室的学者。上市敲钟前一刻拄拐的自嘲，显出他私下不失幽默。与同代人王小川（百川智能）、杨植麟（月之暗面）相比，他走的不是搜索老兵转身、也不是少年天才路线，而是「实验室原住民」出发。五道口的同一栋搜狐网络大厦，一边是张朝阳的物理课直播，一边是张鹏冲刺万亿市值，门户余晖与AI第一缕光在此交叠。

12国家与时代意义：

张鹏与智谱的意义，首先在于证明「教授创业」在中国可以落地为可被财报验证的重量。在国产大模型自主可控的时代命题下，智谱是「六小龙」中唯一以To B本地化部署为主线、最早跑通收入的一家，填补了中国在基座模型原创路线上与全球顶尖同步的空白。被列入美国实体清单，反面印证了其全链路技术的战略分量。从政策与地缘背景看，它恰好卡在「人工智能加」行动与国产算力替代的交汇点。

在全球产业坐标里，智谱被称为「中国版OpenAI」「中国版Anthropic」，是全球首家上市的大模型基座公司，为资本市场定义了一类新资产。海淀这片土地集聚人工智能企业一千九百余家、备案大模型一百二十二款，智谱是其中最具标志性的一株。张鹏与唐杰，一个往后退定义「智能上界」，一个往前站把论文变成钟声，合起来才是一家「全球大模型第一股」完整的样子。

更宽的意义在于人才与范式。智谱把「学术血统」转化为产业资产，让清华KEG二十年底蕴走出实验室、走上资本市场，为中国AI提供了不同于纯互联网创业的样本。张鹏的故事告诉我们：在AI这场马拉松里，跑得最稳的人未必起跑最快。当市场还在争论「中国能不能有自己的OpenAI」时，他和唐杰已用一间实验室、一套自研架构、一份年报，给出一个属于清华、属于五道口的答案。

01家世与早年：合肥少年的信息学启蒙

姚顺雨生于一九九八年，家在安徽合肥。与许多后来投身人工智能的华人科学家不同，他的起点不是一线城市的国际学校，而是合肥本地的普通升学路径。中学就读合肥市第四十五中，后升入安徽省重点的合肥市第一中学，在这里开启了系统的信息学训练。上世纪九十年代以来，安徽的竞赛氛围浓厚，合肥一中更是信息学奥林匹克的传统强校，他正是在这样的环境里，把对电脑与程式的好奇，磨成了可上赛场的硬实力。

二〇一四年，尚在高中阶段的姚顺雨，站上了被誉为「信息学奥林匹克皇冠上的明珠」的全国青少年信息学奥林匹克竞赛（NOI）赛场，凭借扎实的算法功底、敏锐的逻辑与出色的问题解决能力，一举拿下银牌。这枚银牌不只是一座奖杯，更是他叩开顶尖学府大门的敲门砖——它证明这个少年已经在算法设计、系统优化与高压解题上，具备了远超同龄人的成熟度。竞赛累积的编程经验与逻辑素养，日后贯穿了他的整个本科与研究生生涯。

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绩，考入清华大学计算机科学实验班，也就是闻名学界的「姚班」。姚班由图灵奖得主姚期智创办，向来只收最顶尖的计算机天才，课程以理论深度与数学强度著称。进入姚班，意味著姚顺雨正式踏入华人计算机科学的「第一方阵」；而他在班内并不满足于只是成绩好——他后来担任姚班联席会主席（学生会主席），还是清华饶舌社的共同创办人，显露出技术之外组织与表达的另一面。

02创业原点：从姚班到普林斯顿，语言智能体的提出

在姚班的四年（二〇一五–二〇一九），姚顺雨打下的是「第一性原理」式的计算机底子。姚班的训练重理论、重数学、重从根本理解问题，这与他后来做研究「先定义问题、再想方法」的习惯一脉相承。本科期间他没有急著创业或进大厂，而是把精力放在扎实的算法与系统训练上；毕业时，他没有像多数同侪那样直接就业，而是选择赴美深造，于二〇一九年进入普林斯顿大学计算机科学系，直接攻读博士。这一步，把他从「竞赛少年」推向了「研究员」的身份。

普林斯顿的博士岁月，是他学术原点的真正所在。他的导师是 Karthik Narasimhan——这位学者更广为人知的身分，是 GPT-1 的第二作者。在 Narasimhan 指导下，姚顺雨把研究方向收拢到一个当时还很边缘、却极具前瞻的题目：如何让大语言模型不只是「生成文字」，而是能像人一样推理、行动、学习。他后来获普林斯顿 Harold W. Dodds Fellow 荣誉，这是表彰学术卓越与领导潜力的奖项。也正是在这段时间，他提出了后来贯穿整个 agent 领域的核心概念——「语言智能体」（language agents）。

所谓「创业原点」，对姚顺雨而言不是一家公司，而是一个研究愿景的诞生。在二〇一九年前后，他意识到一个关键问题：人类之所以能泛化，是因为人会「思考」——推理这种行为本身不改变外部世界，却拥有开放而无限的组合空间。他把这个洞察写进最早的 CALM 工作（基于预训练语言模型构建、用于文字游戏的智能体），虽然当时还要耗费上百万步强化学习、且难以迁移，却种下了「把推理当作一种行动」的种子。这颗种子，后来长成了 ReAct、Reflexion 与 Tree of Thoughts。

03最艰难的关：博士期的两次顿悟与 ReAct 的诞生

姚顺雨的学术路并非一路顺风。他自己在《The Second Half》中回忆，最早做 CALM 时，一个基于预训练语言模型的智能体，要花上百万步强化学习，才能在单一文字游戏里取得进展，而且完全无法迁移到其他游戏。对一名强化学习研究者来说，这种「泛化失败」并不意外，却也极其令人挫折——它逼问一个根本问题：语言模型的先验知识（priors），到底该如何在决策里被用起来？这是他博士期第一个、也最漫长的关。

转机来自二〇一九年 GPT-2 发布后的领悟。他发现，缺失的一环不是算法，而是先验：必须先做大规模预训练，把常识与语言知识蒸馏进模型，再透过微调让它成为能上网、能聊天的智能体。一旦把「推理」放进强化学习的动作空间（action space），语言模型预训练获得的先验就能被唤醒，让智能体在不同决策间灵活分配思考。这第二次顿悟，直接催生了二〇二二年的 ReAct——让模型交替生成「思考」与「行动」，每推理一步就伴随一次搜寻、计算或调用工具，再把它们的结果带回下一轮推理。

ReAct 之难，难在它要同时说服学界「推理与行动该合一」，也要在工程上证明这比纯思维链更好。论文《ReAct: Synergizing Reasoning and Acting in Language Models》（arXiv 2210.03629，二〇二二）后来被接收为 ICLR 二〇二三的口头报告（oral），这在顶会里是极高的认可。对姚顺雨而言，这一关的意义不在于一篇论文，而在于他确立了自己毕生研究的主轴：连接语言模型推理与自主智能体三大支柱——行动（ReAct）、学习（Reflexion）、规划（Tree of Thoughts）。

04翻盘的一役：从学术明星到 OpenAI，再把愿景变成产品

博士后期的姚顺雨，已是不折不扣的学术新星。继 ReAct 之后，他在二〇二三年接连推出 Tree of Thoughts（ToT，让模型在「部分解」之树上比较、评估、回溯，克服线性思维链的「路径依赖」）与 Reflexion（用语言回馈做「语言式强化学习」，不需更新权重就能从经验改进）；同年他又主导 SWE-bench，用真实 GitHub 议题评测模型的软件工程能力。这些工作横跨「方法」与「评测」，让「语言智能体」从概念变成可复现、可衡量的研究领域，也让他的名字频频出现在顶会口头报告名单上。

真正的「翻盘」，发生在他决定走出学院、把研究愿景交给产业规模去验证。二〇二四年八月一日，他在 X（Twitter）上轻松写下：「差点忘了宣布：我已经加入 OpenAI！是时候把研究愿景变成现实。」这条贴文标志他结束普林斯顿博士、转入当时全球最强的 AI 实验室，担任研究科学家。在 OpenAI，他不再只是发论文，而是参与真正面向用户的产品：Computer-Using Agent（后来的 Operator）与 Deep Research，把 agent 从基准测试推进到「能在电脑与网络上替人办事」的实用形态。

这一役翻的不是某次实验的成败，而是他对「研究该往哪去」的答案。在 OpenAI 的产品化经验，让他亲眼看见《The Second Half》里的判断如何落地：当预训练与后训练的「配方」成熟，瓶颈从「怎么训」转向「该解什么问题、如何评估」。他也因此更笃定「评测胜于训练、环境与上下文胜于算法」的主张。一年四个月后，他带著这套从学术走到产品的视野，做出了另一个更出人意料的选择——离开 OpenAI，加入腾讯。

05公司发展史（一）：普林斯顿岁月与 agent 范式的奠基（二〇一九–二〇二四）

把镜头拉回机构编年。姚顺雨的「机构史」第一部，是普林斯顿大学（二〇一九–二〇二四）。这五年里，他从一名直博生，成长为语言智能体方向的旗帜人物。博士早期他先做 CALM 与 WebShop（二〇二二，用可控的电商环境系统性评测 agent 能力），逐步把「让模型在真实数字环境里行动」变成可研究的主题；中期以 ReAct（二〇二二）确立「推理—行动」合一的方法论；后期则以 ToT、Reflexion（二〇二三）与 SWE-bench 扩充「规划—学习—评测」三块拼图。

这段时间他同时在 Google、Microsoft、MIT 等顶级机构做过研究实习与访问，视野不局限于一所学校。二〇二四年，他完成博士论文《Language Agents: From Next-Token Prediction to Digital Automation》（语言智能体：从下一个标记预测到数字自动化），系统总结这条研究主线；同年他获普林斯顿 Harold W. Dodds Fellow 荣誉，并以多篇口头报告级论文（ReAct 入选 ICLR、ToT 入选 NeurIPS）站上领域高点。此外，他与人合著的 LATS（Language Agent Tree Search，把蒙特卡洛树搜寻与 ReAct 框架结合，ICML 二〇二四）与 CoALA（语言智能体认知架构框架）进一步把「语言智能体」学派化。

从影响力口径看，这一阶段的产出极其稠密：ReAct 后来成为全球 tool-use 与 agent 系统的事实标准，被引次数在他的作品中居首；ToT 开启了「深思熟虑式推理」的研究热潮；SWE-bench 则成了代码智能体评测的通用基准；τ-bench（二〇二四，与 Noah Shinn、Karthik Narasimhan 等合著）专门评测工具—智能体—用户在真实场景的协作。据二〇二六年媒体报道，其个人总引用已逾一万五千次。这些数字背后，是一个清晰的判断：与其事倍功半地堆模型规模，不如重新定义「智能体该如何思考与行动」。

06公司发展史（二）：OpenAI 时期与产品化尝试（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）。博士毕业后他直接入职，职称是研究科学家，隶属语言智能体相关方向，地点在旧金山。与学院不同，这里的目标是把论文里的 agent，变成数以亿计用户能用的产品。他先后参与两个标志性项目：Computer-Using Agent（让模型像人一样操作电脑与浏览器，后来以 Operator 之名对外）与 Deep Research（让模型自主检索、综整、产出研究报告）。这是他第一次面对「真实提示词分布」与「长程、含人类在环」的任务。

在 OpenAI 的日子，让他的研究视角完成最后一块拼图。学院里他关心「agent 能不能工作、该怎么工作」；产业里他被迫追问「该让 agent 做什么、如何衡量它真的有用」。二〇二五年，他写下长文《The Second Half》，把这个转折讲成一套世界观：AI 进入「下半场」，强化学习终于能泛化，稀缺能力从「发明方法」变成「定义问题与评估」。这篇文章在 agent 与 RL 圈广为流传，被评论者类比为 Sutton 的〈The Bitter Lesson〉（苦涩的教训）。

不过，OpenAI 虽强，却未必是他的终点。据他二〇二六年自述，离开的原因并非待遇，而是「文化」与「场景」——这两点，恰恰指向另一家他更想长期做事的机构。在 OpenAI 约一年四个月的经历，给了他「用脚投票」的筹码：一个既写过奠基性论文、又做过前沿产品的研究者，在全球 AI 人才争夺中是极稀缺的。也正因如此，当他转身，立刻成为中美的焦点。

07公司发展史（三）：转投腾讯与大模型架构重组（二〇二五下半年–二〇二六）

第三部是腾讯（二〇二五年下半年起）。二〇二五年十二月十七日，腾讯宣布升级大模型研发架构，新设 AI Infra 部、AI Data 部等部门，并任命这位前 OpenAI 高级研究员为首席 AI 科学家。他的头衔挂在「CEO／总裁办公室」，直接向腾讯总裁刘炽平汇报；同时兼任 AI Infra 部与大语言模型部（混元）负责人。这个安排非同寻常——一位二十七岁的科学家，被放到距离决策核心最近的位置，统领基础模型与基础设施两条主线。

上任后，他的第一刀落在基础设施。据二〇二六年六月对谈，他「重建了混元的预训练与强化学习基础设施」，并大幅改造数据与评测（Eval）体系：强调定义更真实的问题、丰富数据的分类体系、提升数据质量，反对为榜单过拟合。二〇二六年上半年，团队推出 Hy3 Preview（混元3预览版），这被外界视为他在腾讯的「首秀」。他的方法论很清晰：算法反而是简单的一环，难的是把 Infrastructure 与数据做扎实。

二〇二六年七月二十四日，腾讯再进行一次架构整合，把原大语言模型部门与多模态模型部门合并为「基础模型部」，由姚顺雨统一领导；九月，前 OpenAI 研究员田永龙被任命为「混元多模态负责人」，直接向他汇报。这一系列动作，显示腾讯把多模态与全模态底座，放到了离总裁最近的位置。从学院到 OpenAI 再到腾讯，姚顺雨的「机构史」完成了一次从方法、到产品、再到组织的跃迁。

08公司发展史（四）二〇二六：今天的版图（混元4与全球调用量登顶）

截至二〇二六年中，姚顺雨治下的腾讯大模型版图已现轮廓。模型层面，团队在二〇二六年八月二十八日发布并开源新一代 MoE 旗舰「混元4」（Hy4 preview），总参数七百七十B、激活参数四十九B，支持一百万 Token 上下文，强化工具调用与 agent 能力。这一规格，直接对标国际前沿的长上下文、稀疏化路线，也是他「把基础设施与数据做扎实」主张的产物。

产品与调用量层面，据第三方平台 OpenRouter 数据，在二〇二六年八月三十一日至九月六日这一周，腾讯混元 Hy4 preview 的周调用量达十四点七万亿 Token，位居全球第一；同期中国大模型周调用量达五十六点七二万亿 Token，连续十九周超过美国，全球前五名中四款为中国模型。这组数字（口径为第三方平台、统计期已注明）说明，在基础模型方法论趋同后，拥有真实场景与用户矩阵的机构，正在把「上下文优势」兑现为实际调用量。

组织层面，他主张构建「基础—产品—前沿」三者均衡的三角形组织：基础要有充足资源与正确做事方式，产品要有好的产品感，前沿要注入更多探索精神。在他看来，AI 是长期游戏，下半场才刚开始；中国需要一个长期的、基于 AGI 的组织。这套叙事，既是他给腾讯的蓝图，也是他个人从姚班、普林斯顿、OpenAI 一路走来，对「研究该往哪去」给出的最终答案。

09领导风格与性格：诚实、信任与 low ego 的研究文化

姚顺雨的领导风格，带著鲜明的「研究者气质」而非「管理者架子」。在二〇二六年六月五日腾讯云大会上，他与汤道生的对谈被挤得水泄不通，却全程没有居高临下的宣讲，反而多次主动提问、承认「更难了」。他对团队与组织的第一要求，是诚实：他公开说，选择腾讯最重要的原因就是文化——第一次和总办老板聊天，大家「哪里做得好、哪里做得不好，非常直白，不会掩盖」。这种把「直面短板」当作第一资产的态度，贯穿他的公开发言。

用人与决策上，他强调「基于信任而非基于指标（metric）」的运转方式，并自述腾讯文化有「非常 low ego、非常 solid」的一面。在技术取舍上，他不怕说反直觉的话：当业界追逐参数规模与榜单排名，他反复讲「今天做大模型比较 trivial，算法反而是简单的一环」，把功劳归给基础设施与数据；在评测上，他反对刷榜、主张构造真实 Eval。这些判断不需要权威背书，而是来自他做过奠基性论文、也做过产品的双重经验。

公开形象与私下性格的落差不大——他本就低调、务实，不爱造神。与梁文锋式的「几乎不露面」不同，姚顺雨愿意走上对谈台，却始终把话题拉回问题本身而非个人。他会在演讲里坦承 CALM 当年的泛化失败，也会在对谈里把「诚实」排在「场景」之前。对年轻人，他常被拿来做「二十七岁首席科学家」的励志样本，但他本人的叙事重心从不在年龄，而在「你今天为接住机会准备了什么」。

10成功秘诀：定义问题、真实评测与长期主义

归纳姚顺雨的成功，第一条是「先定义问题，再想方法」。从 CALM 的泛化失败，到《The Second Half》的系统论述，他始终认为下半场的稀缺能力是「决定什么值得被衡量」，而非发明更强的模型。第二条是「评测胜于训练、环境胜于算法」：他早早看见，先验（预训练带来的常识）才是 RL 真正缺的一环，因此把语言模型的推理当作行动，唤醒跨任务泛化。

第三条是「用真实数字劳动评测 agent」：WebShop、SWE-bench、τ-bench 一脉相承，都用真实电商、真实 GitHub、真实客服场景检验模型，而非玩具基准。第四条是「从学院走到产品」——他不满足于发论文，主动进 OpenAI 做 Operator、Deep Research，让愿景接受亿级用户的检验。第五条是「基础设施与数据优先」：他直言算法简单，真正难的是把 Infra 与数据做扎实，这也是他重建混元的根。

第六条是「文化与长期主义」：他选腾讯不是为钱，而是为诚实、信任与 low ego 的组织氛围，相信 AI 是长期游戏。总结来看，他的成功有多大可复制？「定义问题、重视评测、做扎实基础设施」人人可学；但赶上语言模型预训练爆发的时代窗口、在顶会口头报告级产出、被最强实验室与最大平台同时争抢，很大程度是时代与运气的产物。方法可学，时势难复制。

11个人、价值观与生活：低调的「产品经理式」研究者

金钱与声望观上，姚顺雨表现得相当淡。他没有像创业者那样谈估值与上市，而是把「加入腾讯」解释为文化与场景的选择；在对谈中，他甚至把「诚实」排在「产品矩阵」之前。这种把组织诚信当作第一资产的价值观，与他反复强调的长期主义一致：AI 是长期游戏，短期窗口不重要，重要的是能不能在中国建立一个长期、基于 AGI 的组织。

生活与形象方面，他低调而不神隐。本科时他是清华饶舌社共同创办人，显示出技术之外的表达欲与幽默感；博士与 OpenAI 时期，他习惯用 X 贴文轻松宣布大事（如「差点忘了宣布：我已经加入 OpenAI」）。二〇二六年六月那场挤爆会场的对谈，是他入职半年后的首次大型公开露面，面对「腾讯 AI 是不是慢了」的尖锐提问，他不回避、不夸口，而是把话题导回方法论。

价值观的底色，是一种「产品经理式的研究者」自我定位。他主张研究员在下半场要更像产品经理：懂用户、懂场景、懂什么问题真的值得解。这并不意味他放弃学术严谨——恰恰相反，他要求后训练设立「正确的 Eval」、反对刷榜，是把产品经理的务实与研究员的诚实揉在一起。对年轻人，他常被塑造成「天才少年」符号，但他自己的讯息始终是：黄金时代属于那些早早就为接住机会做好了准备的人。

12国家与时代意义：中国 agent 路线与全球人才争夺

在中国 AI 版图上，姚顺雨的意义超出个人成就。他是少数同时具备「奠基性论文作者」与「顶级实验室产品经验」的华人科学家，而他选择从 OpenAI 转投腾讯，被外界视为中国大模型实力与组织文化吸引力上升的标志性事件。在他之前，全球最强 AI 人才多流向美国巨头；他的「用脚投票」，为「中国能否留住并吸引顶尖研究员」提供了一个具体而正面的样本。

地缘与产业背景是绕不开的座标。在美国出口管制收紧、算力成为战略资源的背景下，姚顺雨的判断恰好呼应中国路线：当基础模型方法论趋同，真正的竞争壁垒不再是模型本身，而是「最原始的输入」——也就是 context，包括企业信息与个人场景数据。腾讯拥有微信、元宝、ima、CodeBuddy、WorkBuddy 等丰富产品矩阵，正是他把「上下文优势」兑现为 agent 能力的天然环境。

放在全球视野，姚顺雨与 ReAct、ToT 所开创的「语言智能体」一支，已经成为 agent 研究的世界主流范式，影响从学术延展到 OpenAI、Google 等巨头的产品。对行业的影响在于：他证明「重新定义问题与评测」比「单纯堆规模」更具杠杆，也让「下半场」成为二〇二五年以来整个领域的共用语言。他与腾讯的故事，是中国在智能革命中，从「跟随者」转向「定义问题者」的一个缩影。

01家世与早年：四川宜宾的农村书屋少女

罗福莉生于一九九五年，四川宜宾一个普通村落。父亲是电工，母亲是教师，妹妹后来成了医生。与许多投身人工智能的同代人不同，她成长的环境既无科技圈背景，也无少年班的光环，上大学前几乎没碰过电脑。村里有一位从宜宾市机关退休的罗鹏远老人，办了一间免费的农村书屋，提供书籍与课业辅导，直到二〇二〇年辞世。罗福莉后来回忆，那间书屋是她的「第二课堂」，让她从小相信「书能带我去更远的地方」；这份对知识的朴素信仰，日后成了她一路向上的隐形燃料，也解释了她为何始终不被头衔与热度左右。

她就读于四川省宜宾市第一中学「清北班」，是二〇一三届毕业生。这所学校走出过不少考上顶尖学府的学生，但罗福莉并非其中最拔尖的一个；班主任李波评价，她成绩足够优秀，却也足够刻苦。高中毕业前她对「计算机」三字毫无概念，二〇一三年考入北京师范大学，却「误打误撞」进了计算机专业。这一步看似随机，却把她推上一段与人工智能深度纠缠的旅程。当时谁也没想到，这个来自小村、几乎零基础的女孩，十年后会执掌一家消费电子巨头的基座大模型团队，站在中国 AI 产业的最前线。

进大学前几乎零基础，使她在起点上明显落后。这份「低起点」的体感，后来反复出现在她的自述里，也成了她拒绝「天才少女」标签最真实的底气：她一再强调，自己从来不是靠天赋，而是靠环境与投入一步步走到的。比起「天生的神童」，她更像是被一本本书、一间农村书屋、一群认真对待研究的人，慢慢托起来的普通女孩。理解这一点，才能理解她后来为何如此执著地想把聚光灯让回模型与团队——她要的从来不是被仰望，而是一张能安静写代码的书桌。

02创业原点：从北大实验室到达摩院的第一份研究

北京师范大学期间，她并非一路顺遂。大一期末排名靠后，大二才专注学业、成绩跻身前百分之五；大三到北京大学语言计算实验室实习，受研究员万小军启蒙，三个月自学 Python，投出人生第一篇顶会论文（非一作）。保研北大后，她正式踏入自然语言处理，二〇一七年保送北京大学计算语言学研究所，师从万小军、穗志方等学者，研究方向落在词义消歧、文本风格转换、双关生成等细分课题。这些看似冷门的题目，后来都被大模型的「下一个词预测」范式统一收编，成为她理解语言概率分布的早期训练。

真正意义上的「创业原点」，是她放弃学术路线、转向工业界的决定。硕士两年她发表超过二十篇顶会论文，达到博士生毕业标准，却没有申请名校博士，而是二〇二〇年通过阿里最高级别校招项目「阿里星」进入阿里达摩院机器智能实验室。她在自述中写道：「在读书的时候，周围的评价机制都非常在意论文数量；但到工业界，我追求的是这份工作是否真的有落地价值。」这一转向，标志她从「写论文的人」变成「把模型做出来的人」，也让她避开了纯学术圈对「复杂度」的盲目崇拜，转而欣赏一眼能看懂还有效的简洁方案。

在达摩院，她主导开发跨语言预训练模型 VECO，并挑起 AliceMind 集体开源的大梁。VECO 论文以第一作者 Fuli Luo 名列 ACL 2021，模型掌握逾百种语言，直接服务阿里跨境电商翻译，内部平台日均调用数十亿次。这份经历，是她职涯的第一块基石：从此她不再只是论文作者，而是能让技术在真实业务里跑起来的工程负责人。它也确立了她日后「便宜、好用、能落地」的技术信仰——这条线一路延伸到 DeepSeek 的价格战，再延伸到小米手机与 IoT 设备上的端侧大模型，始终没有偏离。

03最艰难的关：被神化的风口与安静的书桌

罗福莉并非一路「开挂」。她自己多次说，大一排名靠后、被批「没有科研天赋」、大四一度想转行做产品经理，是整段人生里最差的开局。她在公众号写过：大三为保研开启学术生涯，却收到「你没有天赋做科研」的打击；大四掉头逃离苦闷的学术，曾认真考虑转产品。这种「跌倒、爬起、再跌倒、再爬起」的节奏，是她早年的真实底色，也解释了她为何如此排斥「天才」叙事——因为那套光环叙事，恰恰抹去了她最在意的努力、环境与运气，把复杂的成长压缩成一句轻飘飘的「天赋」。

更艰难的一关发生在二〇二四年底到二〇二五年初。DeepSeek 爆红，身为 DeepSeek-V2 关键开发者之一的她被推上风口，网传雷军以千万年薪招揽，话题频频登上热搜。媒体与自媒体涌入她的生活，甚至骚扰到家人、朋友、同学与初高中班主任；她后来形容，那些充满事实错误的 AI 风自媒体文章「low 到爆」。这一关的难，不在技术，而在如何守住一张安静的书桌——当一个人被迫在自家客厅里反复澄清「我不是天才」，工作的尊严已被流量侵蚀，连最普通的亲情都被卷进公共喧嚣。

二〇二五年二月十八日凌晨，她在朋友圈发声：「请互联网还我一片安安静静做事的氛围吧！几年前就说过我并非什么天才少女，神化一个人的结果就是捧得多高摔得多重！」她同时呼吁自媒体「收手」，不要再无差别打扰身边人。这段话被视为她对「被神化」最直白的拒绝，也让公众第一次看见：这位年轻研究员最在意的，从来不是头衔与身价，而是一张能专心做事的桌子，以及一个不被消费的普通人生。她用最朴素的句子，划出了技术与流量之间的界线。

04翻盘的一役：从话题人物回到产品的人

她的第一次「翻盘」，发生在保研北大之后。研二是她最忙的一年，除了写代码、上课几乎什么都不想。二〇一九年，尚在硕士阶段的她一口气在顶会 ACL 发表八篇论文（两篇一作），登上知乎热搜，被网友冠以「AI 才女」之称。她在知乎「亲自答」澄清：自己只是投中一长一短两篇，其余是参与实验室同学的研究，「我付出了足够的努力，当然也有运气成分加持」。这一年，把她从「低起点者」推到了中文 NLP 圈的前排，也让她第一次体会到被看见与被误读同时降临的滋味。

第二次翻盘，是二〇二五年下半年的公开亮相。十一月十二日，她在朋友圈官宣加入小米：「智能终将从语言迈向物理世界。我正在 Xiaomi MiMo，和一群富有创造力、才华横溢且真诚热爱的研究员，致力于构建这样的未来，全力奔赴我们心目中的 AGI。」这是她首次正面回应传闻。十二月十七日，她在小米「人车家全生态」合作伙伴大会登台，发表《Xiaomi MiMo：小米基座大模型》演讲，完成加入小米后的首次公开首秀，也把过去一年的喧嚣收束成一句产品宣言，重新夺回叙事的主导权。

首秀的主角是 MiMo-V2-Flash：总参数三百零九 B、激活参数十五 B，在代码与智能体评测上跻身全球开源模型前二，多数基准超越 DeepSeek V3.2 与 K2-Thinking，而参数量仅为其二分之一到三分之二。她坦言「我都不愿意称它是一个非常大的模型」。这一役，让她从「被神化的话题人物」重新变回「拿出产品的人」——用模型说话，而非用热搜说话。这恰好是她一贯的翻盘方式：把喧嚣还给世界，把工作台还给自己，让技术成果替沉默的努力发声。

05公司发展史（一）：阿里达摩院与 VECO 的跨语言时代

罗福莉职涯的第一站是阿里巴巴达摩院深度语言模型实验室（MinD Lab）。达摩院自二〇一八年起布局预训练语言模型，到二〇二一年三月集体开源「AliceMind」体系——全称 ALIbaba's Collection of Encoder-decoders from MinD Lab，包含 StructBERT、PALM、VECO、StructVBERT、StructuralLM、LatticeBERT 等八大模型，先后登顶 GLUE、CLUE、XTREME、VQA Challenge、DocVQA、MS MARCO 等权威榜单，是当时中文 NLP 圈最完整的深度语言模型家族，也为后来的千亿大模型时代埋下工程与数据的种子，让罗福莉在入行之初便看见「模型即产品」的完整链路——从论文、开源到业务落地，这套视野日后贯穿她的整个职涯。

VECO 是其中的跨语言模型，论文题为《VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation》，由罗福莉（Fuli Luo）等发表于 ACL 2021。它的创新在于把「交叉注意力模块」插入 Transformer 编码器，显式建立语言之间的相互依赖，并让同一模型同时服务语言理解（NLU）与生成（NLG）。在 XTREME 跨语言理解与 WMT14 翻译任务上，VECO 取得当时最佳成绩，掌握逾百种语言——这是二〇二〇年前后中文圈对「多语言预训练」最早的工程化尝试之一，比 GPT-4o 等闭源模型内化类似思路早了数年，使「跨语言」从学术指标真正变成阿里的计费跨境服务。

对阿里而言，VECO 不是实验室玩具。它直接支撑国际事业部（ICBU）、全球速卖通（AliExpress）等跨境电商的多语言理解与翻译，内部基于 AliceMind 的翻译平台日调用约十亿次，创造数亿美元的跨境贸易价值；AliceMind 整体在阿里数十个核心业务落地，日均调用达五十亿次，活跃场景超过两百个。罗福莉在这里学到最重要的一课：在工业界，「一眼能看懂还有效」的模型，比复杂花哨的模型更珍贵，因为它能被真实业务反复使用，而不是停在论文附录里供人仰望。

06公司发展史（二）：从幻方量化到 DeepSeek 的工程转向

二〇二二年，罗福莉做出一个让圈内意外的决定：离开达摩院，加入量化私募「四大天王」之一的幻方量化，从事深度学习策略建模与算法研究，随后转入幻方孵化的深度求索（DeepSeek）任深度学习研究员。从「阿里星」流向私募，在当年是反向流动；但她看中的是幻方手里的算力与 AI 工程落地能力——幻方早在一九年搭建「萤火一号」（约一千一百块 GPU），二一年建成「萤火二号」（上万张 A100），这是当时国内民间最雄厚的一张算力网，也是后来 DeepSeek 敢打价格战的物质底气。

幻方以 AI 驱动量化交易起家，二三年起加码大模型、成立 DeepSeek。罗福莉成为核心研究员之一，参与 MoE（混合专家）大模型的研发。需要说明的是，外界对她的具体角色披露不多：从公开技术报告与论文署名判断，她参与的并非最引人注目的架构创新（如 MLA 注意力或路由机制本身），而是工程化落地中最「脏」最「累」的部分——专家路由与激活稀疏性的深度优化，决定模型能否在数千张 GPU 上稳定跑起来，把漂亮的论文变成能上线的服务。

这段经历塑造了她的工程哲学：在大模型时代，「让几千亿参数在几千张显卡上稳定工作」比「想出一个漂亮想法」更值钱。学术圈未必青睐这类不能发顶会的工程活，但工业界愿意为它付千万年薪。她后来在知乎写道，DeepSeek-V2 的中文水平「真实处在国内外闭源模型的第一梯队」，定价「只有 GPT-4 价格的百分之一，性价比之王」。这句话，预示了她与「便宜而好用」路线的终身绑定，也埋下日后执掌小米 MiMo、把模型塞进手机的伏笔。

07公司发展史（三）：DeepSeek-V2 与一场价格战

二〇二四年五月，DeepSeek 发布 V2，这是罗福莉参与研发的关键作品。V2 采用 MoE 架构，把每个 token 激活的参数量从传统稠密模型的数千亿降到数百亿，大幅压低推理成本；API 价格低至一元／百万 token，仅为 GPT-4 的百分之一。这一定价直接点燃中国大模型行业的「价格战」，头部公司被迫把 API 价格降到原有的十分之一到二十分之一，等于用一场降本，重塑了整个市场的定价逻辑，也让中小开发者第一次用得起顶级水准的中文模型。

罗福莉不是站在发布会聚光灯下的那位「明星」，却是让 V2 真正能用的工程落地者之一。她反复强调，自己所有的成果都建立在团队与工程能力之上，「离开 DeepSeek 团队，我什么都做不了」。这种「把自己放小、把团队放大」的姿态，后来被解读为雷军愿意千万年薪挖她的真正原因——小米要的从不是一个「天才少女」标签，而是一个在顶尖团队里扛得住 MoE 关键模块、能把成本打下去的人。她拒绝神化，却也因此更被需要。

V2 之后，罗福莉从 DeepSeek 离职。二〇二四年十二月底，网传雷军已开出千万年薪招揽她领导小米 AI 大模型团队；十二月三十一日，她的高中班主任向红星新闻证实，她「还在考虑」。二〇二五年二月，亲属称她已到新岗位上班但未公开公司名。直到同年十一月十二日，她才在朋友圈正式确认：加入小米，执掌 MiMo。这近一年的悬念，把「罗福莉去哪」变成了公众事件，也让她的每一次现身都被放大检视，连沉默本身都成了新闻。

08公司发展史（四）二〇二六：今天的版图

小米的大模型布局早于罗福莉加盟。二三年四月，小米组建 AI 实验室大模型团队；二四年十一月成立专门的 AI 平台部，由清华出身的张铎负责；同时搭建 GPU 万卡集群，雷军亲自领导。二五年四月三十日，小米大模型 Core 团队开源首个推理大模型「Xiaomi MiMo」（MiMo-7B）：七 B 参数、三十二 K 上下文、引入多 token 预测（MTP），预训练累计约二十五 T tokens，在 AIME 24-25 与 LiveCodeBench v5 上以七 B 规模超越 OpenAI o1-mini 与阿里 QwQ-32B-Preview，证明小参数也能打大仗，为小米「轻量化、本地部署」的 AI 路线定下基调。

罗福莉官宣加入后，MiMo 进入加速通道。二五年十一月，小米携手北京大学联合发表聚焦 MoE 与强化学习的论文，罗福莉以通讯作者身份连接小米与北大团队；十二月十七日开源 MiMo-V2-Flash（总参数三百零九 B、激活十五 B，支持长上下文），代码与智能体能力进入全球开源模型前二。根据卢伟冰公布的路线图，小米已推出 MiMo-7B、视觉推理 MiMo-VL、端到端音频 MiMo-Audio、端侧视觉语言 MiMo-VL-Miloco 与具身大模型 MiMo-Embodied，形成多模态矩阵，显示小米正把基座能力快速摊到各条产品线。

进入二六年，MiMo 持续迭代：四月开源 MiMo-V2.5 系列（Pro 支持百万级上下文、Omni 全模态、TTS 语音），五月 API 定价永久降至一美元／百万输入 token；六月推出开源终端编码智能体 MiMo Code。今天的小米 MiMo，已从单一七 B 推理模型，扩展为涵盖语言、视觉、音频、具身与智能体的家族，并明确指向「空间智能」与「人、车、家全生态」的落地愿景——把模型从云端拉到数十亿台设备的现场，让人工智能真正住进用户的日常，而非停留在发布会的简报里。

09领导风格与性格：低调、务实与把团队放大

罗福莉最鲜明的性格标签是「低调」与「拒绝被神化」。当全网把她捧成「天才少女」时，她第一时间在朋友圈与知乎驳回，强调自己只是「踩对了方向」「把每一篇论文做扎实、把每一行代码调对」。在小米首秀的演讲中，她表现稍显紧张，内容以技术解读为主，而非个人宣传——这种「把自己隐到模型后面」的习惯，贯穿她的职涯，也让她在喧闹的 AI 圈显得格格不入却格外可信。她不经营人设，人设便自然长了出来。

她的领导方式偏向「工程落地导向」与「授权团队」。在达摩院，她挑起 AliceMind 开源大梁，却把功劳归给整个实验室；在 DeepSeek，她甘做让明星架构真正跑起来的「工程落地者」。她在一次访谈中说，「这类标签是为了吸引注意力而创造的刻板印象，它粉饰了科研过程中真正的努力、坚韧和全心投入」。把团队放大、把个人放小，是她与同代「明星研究员」最不同的地方，也是她能被雷军看中、被团队信服的关键。

她对技术有近乎固执的务实：在工业界追求「落地价值」而非论文数量；在小米坚持「便宜、快、能部署」的路线。她判断智能体需要高效的沟通语言（代码与工具调用）、极致的推理效率，以及全新的后训练范式。私下里，她喜欢读书、重视家庭，公开形象与私下性格落差不大——都是那个「只想安安静静做难而正确的事」的研究员，拒绝把人生过成一场被围观的表演。她的稳，来自早把虚名看轻。

10成功秘诀：八条可印证的方法

归纳罗福莉的轨迹，可得到几条可印证的「成功秘诀」。其一，抓住环境红利：保研北大后进入 NLP 重镇，被一群认真对待研究的人推著跑。她说「很多时候不是你没有天赋，而是你还没找到那个能让你全力以赴的环境」。其二，把论文做扎实：硕士两年二十余篇顶会论文，靠的是「目标拆解加死磕」，而非灵感式的一蹴而就。这两条说明，她的起点虽低，却把环境用到了极致，低开高走正是她的写照。

其三，敢于转向：大四想转产品、最终回归技术；二〇年放弃读博进工业界；二二年离开达摩院去幻方。每次转向都更接近「把东西做出来」。其四，押注算力与工程：在幻方看中的是 A100 集群与落地能力，而非 title。其五，拒绝神化、守住专注：用「安安静静做事」挡开流量，保住一张书桌。这五条的共同点，是把自己放到能发力的最小单元，而不是追逐最大的光环，宁可做对的事，不做响的事，把精力放在模型与团队，而非镁光灯。

其六，选对生态：小米「人、车、家全生态」与她「把便宜的 AI 放到便宜的设备」一脉相承。其七，相信开源：她称「开源是实现 AGI 普惠化、确保所有人类智慧共同进化的唯一路径」。其八，把失败当常态：「把失败排除掉，剩下的就是运气」。归根结底，她的成功一半靠时代（中国大模型起飞），一半靠把自己放到能发力的最小单元里——可复制的是方法，难复制的是那份安静与清醒，以及对流量的免疫，这正是她能穿越喧嚣、守住主线的原因。

11个人、价值观与生活：做难而正确的事

罗福莉出生在宜宾某村普通家庭，父亲是电工、母亲是教师、妹妹是医生。父母给她「不设限」的教育观：鼓励设高目标、勇于挑战，这让她在科研深水区拥有比常人更强的耐受力。村里罗鹏远老人的免费书屋，是她童年的「第二课堂」，也种下「书能带我去更远的地方」的信念。她曾说，小时候以为世界只有村子大，直到书带她去了更远的地方——这句话，是她价值观最原始的注脚，也是她日后不惧起点低的根本原因。

金钱与头衔并非她的驱动力。面对千万年薪的传闻，她始终低调，直到确认才松口。她研究生毕业工作约一年后结婚，丈夫研究领域与她相同、只是细分项目不同，两人在杭州买了房。亲属透露，丈夫春节期间忙著开发新产品，夫妻俩连春节都没回老家。技术是这个家庭共同的语言，也是日常生活最自然的主题，让她在聚光灯外有一处安稳的落点，不被外界的喧嚣牵著走。

她的价值观可以用一句话概括：「做难而正确的事」。这既是科研逻辑的基石，也是对「失败」的哲学——早期探索充满在理论与现实间挣扎的窒息感，但她选择直面。公开形象上，她不追逐风口、不迷信天赋，只在通往智能真理的寂寞道路上，以一个普通人的执著向前。这份朴素，反而成了她最稀缺的号召力：在一个人人抢著被神化的时代，她主动退后一步，反而让人看见了更清晰的轮廓。

12国家与时代意义：性价比路线与中国大模型崛起

罗福莉的意义，首先在于她是中国大模型「性价比路线」的代表人物之一。从 DeepSeek-V2 的「一元／百万 token」到小米 MiMo 的「端侧、便宜、快」，她始终站在「把昂贵的 AI 变便宜」的一侧。这条路线与中国产业对算力成本的高度敏感深度吻合，也让先进模型得以落到数十亿台手机与 IoT 设备上，而非停在云端 demo——这正是「人工智能普惠」最朴素的实现方式，让技术红利走出实验室、走进寻常百姓家，而非被锁在少数巨头的付费高墙之后。

其次，她是「工程能力被低估」这一命题的活样本。二四年中国 AI 圈最响亮的声音是「我的模型超过 GPT-4」「我的参数做到几万亿」，但真正决定 AI 能否用起来的，是让几千亿参数稳定跑起来的工程能力。她的千万年薪，买的正是一线的工程落地力。这也折射出中国 AI 人才争夺的残酷：顶尖研究员已成战略资源，被巨头与创业公司反复争抢，身价随模型能力水涨船高，也预示人才将与算力、数据并列为核心资产。

从更宏观的视角，她连接了学界与产业：北大计算语言学的训练、达摩院的工业洗礼、DeepSeek 的极致工程、小米「人车家全生态」的场景，恰好是中国大模型从实验室走向千行百业的缩影。她在高一届演讲中说，中国开源模型与世界顶尖闭源的代差「可能只有数月了」。这句话背后，是一整代人把论文变成产品、把模型开源给世界的时代叙事，而她正是其中沉稳而关键的一环，连接起语言与物理、学术与生活。

01家世与早年：余姚农村的机器人痴

王兴兴生于一九九〇年三月，浙江宁波余姚市一个普通家庭。余姚是宁波下辖的县级市，也是全国百强县之一。与后来镁光灯下的科技新星形象不同，童年的他极度内向，几乎不与同学说话，初中班主任曾说「在整个班级里感觉不到你的存在」。他喜欢放学后看电视纪录片，十岁前把航空、航天、生物类节目看了个遍，脑袋里装满奇思妙想：动物为什么不会说话？把猪的脑子移植到人身上会怎样？这种对万事万物的好奇，后来转化成动手做的冲动，成为他性格底色的第一块拼图。

偏科与自学电子，构成他早年的第二条线。他的英语成绩极差，初中一次家长会上英语老师当面对父母说「这小孩有点笨」；高中几百场英语考试「大概只及格过三次」，中考时因英语拖后腿险些上不了普通高中。但理化成绩惊人地好，总分仍能排年级前列。与此同时，他的双手从没停过：小学做过风力小车，初中手工组装遥控车、模型船、航模飞机，甚至一架显微镜；高中在家做可充电电池、做电解水实验。动手能力成为他最早的护城河，也让他在「几乎不开口」的岁月里，找到与世界对话的方式。

二〇〇九年，十九岁的王兴兴考入浙江理工大学机械与自动控制学院机电专业。这所学校并非顶尖名校，他后来坦言，因英语单科落差，原本向往的浙江大学去不成，这段「落差」日后被他反复提起，却从未被视为失败。大一期间他几乎不玩游戏，多数时间泡在图书馆，目标明确、动手力强，给老师留下深刻印象。二〇〇九年冬天，他用零花钱买了一块几十元的 Arduino 单片机，大一寒假又买了十几个九克舵机，纯手工绘图、切割、打磨，只花两百元做出一只十四自由度的双足机器人；他还向学校申请到一万元大学生科研经费，把这份热爱变成正式项目。

真正改变认知的是二〇一〇年。大一下学期，他读计算机基础课交了一份自由选题作业，主题是「大规模人工智能与神经网络」——那时神经网络正处低谷，是极冷门的领域，他却几乎把图书馆相关书籍看了一遍，并在作业里判断：扩大神经网络规模，AI 能力就会越强。同年暑假，他不做任何电动工具，纯手工做出多自由度力回馈手套与三维虚拟实境力交互软体；大二时主动带著作品找老师，要进实验室。老师评价他「有自驱力」。从极度内向、自我怀疑的偏科生，到大学里主动向外求索，机器人与 AI 成了他性格蜕变的支点，也预示了往后十六年同一条主线。

02创业原点：从 XDog 到大疆辞职

二〇一三年，二十三岁的王兴兴从浙江理工大学毕业，毕业论文是《一种 BLDC 控制器的研制》。他原本报考浙江大学机械硕士，却再次因英语单科未过线，总分过线仍被调剂到上海大学。研一期间，他在导师贾文川支持下先开发出一条高动态机械腿，拿到一两万元科研经助。真正的突破发生在一五年：他在理解国外文献基础上，全球开创性地独立开发出用低成本外转子无刷电机驱动的全自由度高性能四足机器人 XDog。X 寓意神秘，这只机器狗后来拿到上海机器人设计比赛二等奖与八万元奖金，成为他第一桶金，也早于波士顿动力公开电驱方案约一年——王兴兴比巨头更早押注「电驱加低成本」路线。

二〇一六年是转折年。尚未毕业，他就被深圳大疆公司提前录用，五月入职。硕士论文《新型电驱式四足机器人研制与测试》提出的机狗雏形，以及毕业答辩前后放出的测试影片，被海内外媒体报导；XDog 不仅有人想买，还有投资人想投他。仅在大疆工作两个多月、尚在试用期，二十六岁的他决定辞职创业。二〇一六年八月二十六日，他在杭州创办杭州宇树科技有限公司（Unitree Robotics），拿著尹方鸣个人二百万元天使投资，自己身兼创办人、执行长与技术长。最早的「公司」是一间工作室，他既是唯一的工程师，也是产品经理、募资人与清洁工——一个人，一间房，一只机器狗的起点。

他给公司起名「宇树」，网友调侃谐音「语数」——恰好对应他英语奇差、数理见长的人生。但王兴兴做机狗的初心从一开始就与波士顿动力不同：对方技术无疑顶尖，却走科研与液压路线、不对外开源；他要做的是消费级、价格低、允许买家二次开发的产品。这一套「低成本、高性能、开源」的方法论，从 XDog 延续到日后每一代机器人，也决定了宇树后来能从实验室走向千万普通开发者与家庭。创业没有退路：从大疆辞职意味放弃稳定高薪，天使轮的两百万要撑起研发、样机与招聘，他必须在最短时间内把概念变成能卖的机器。

03最艰难的关：二〇一八年的现金流缺口

创业前两年远比光鲜的发布会残酷。二〇一七年十月，宇树发布首款产品 Laikago（莱卡狗，取名自第一只上太空的犬 Laika，也呼应 AlphaGo），售价九点九万元，是中国国内首个正式对外零售的高运动性能四足机器人；次年推出 AlienGo，定位行业功能型。但产品有了，钱与订单却没那么快来。二〇一八年，公司在融资上经历一轮波折，王兴兴一度停发自己的工资，用积蓄给员工发薪，撑过最难的现金流缺口。他在同年极客公园创新大会上演讲《一个关于四条腿机器人的故事》，对外讲故事的底气，来自对内咬牙不裁人、不降薪的硬撑。

真正的市场验证迟到来。二〇一八年下半年，宇树才开始接到机器狗订单并发货，国内外客户都有；同年拿到安创科技投资、变量资本的天使轮融资。在此之前，团队单薄、资金匮乏，每一颗外转子无刷电机、每一块驱动板都要自己设计验证，任何一个供应链环节出错都可能让公司断粮。王兴兴后来回忆，这段「前路未知、没有经验」的日子，是创业最大困难所在；他也说，若能对二〇一六年的自己说话，最想说的是「勇敢、大胆，坚持你的热爱」。艰难的不是技术本身，而是技术还没变现时，如何用信念说服投资人、用积蓄养住团队。

04翻盘的一役：二〇二一年的春晚与 Go1

翻盘发生在二〇二一年。六月，宇树发布伴随仿生机器人 Go1，以突破行业极限的超低价格与优秀感知运动能力，成为人类科技史上首款真正走入大众生活的移动机器人：最高奔跑速度达每秒四点七米（时速十七公里），标配自研 ISS 智能伴随系统、超感知视角与十六核 CPU 加 GPU 算力。两个月前，二〇二一年二月牛年春晚，二十四台 A1 机器狗化身小牛「犇犇」，与刘德华、王一博、关晓彤同台演出《牛起来》，宇树第一次以全民级曝光跃入大众视野。从展厅里的昂贵样机，到春晚舞台上的国民机器牛，宇树完成了从「能跑」到「被看见」的关键一跃。

资本随之跟进。二〇二一年七月，雷军旗下的顺为资本领投宇树一千万美元 A 轮融资；此前三月，宇树与上海大学合作的「引领全球四足机器人市场化」项目，摘得第七届中国国际「互联网加」大学生创新创业大赛总决赛金奖，实现上海大学该项国赛金奖零的突破。同年底，马斯克与莱克斯·弗里德曼的播客访谈桌上，便趴著一只宇树机狗。从二〇一八年的停发己薪，到二〇二一年的春晚出圈与美元融资，宇树用三年证明：低成本高性能路线不只能活，还能跑进千家万户、跑进全球极客的书房。这一役，让公司正式走出生存线，转向规模化。

05公司发展史（一）二〇一六–二〇二一：创立与早期生存

把时间拉回起点。二〇一六年八月二十六日，杭州宇树科技有限公司在滨江区一间办公室注册，最初只是王兴兴一人加几台电脑的工作室。产品路线异常清晰：用自研外转子无刷电机、减速器、控制器与运动控制算法，把四足机器人从实验室天价打到消费级可负担。二〇一七年十月 Laikago 问世，独立研发电机、驱动、主控与全新控制系统，尺寸比例与动力性能较原型机更合理；二〇一八年发布 Laikago Pro，二〇一九年推出 AlienGo，定位行业功能型，一体化机身、轻量集成，国际同类产品中已达世界先进水平。这一阶段宇树完成了「从零到一」——证明中国团队能从零打造波士顿动力级产品，且更便宜、更开源。

出海与教育市场同步打开。二〇二〇年一月，宇树在拉斯维加斯 CES 2020 发布教育酷玩四足机器人 A1，最大持续室外奔跑速度三点三米每秒，是国内近似规格最快最稳的中小型四足机器人，一经推出即受高校实验室好评；同年公司陆续拿到安创科技投资、德迅投资、红杉中国种子基金等投资。二〇二一年六月 Go1 发布后，宇树又把产品线拆成消费研究（Go）、重工业（B）、野外部署（A）三条线；九月推出超高负载工业级 B1，应用于安防巡检、物流运输、灾难救援；十二月推出灵巧机械臂 Z1，让机器狗能开门、抓取。至此宇树从「一只狗」长成一个机器人平台家族，为日后人形与具身智能埋下全栈技术地基。

06公司发展史（二）二〇二二–二〇二三：从四足到人形

二〇二二年是宇树的「国家级曝光年」。二月四日北京冬奥开幕式，一百零九台 Go1 机器狗排成「冬奥会」字样，作为杭州城市代表亮相；同月央视元宵晚会，两台 B1 穿虎壳与冰墩墩同台献艺。四月，宇树把机器人关节力控技术延伸出 Unitree PUMP 健身泵，推智能健身进入日常。二〇二三年二月十三日美国超级碗赛前表演，八只 Go1 与巨星 Jason Derulo 同台，惊艳全球；同年杭州亚运会，宇树机狗首次在体育赛事运输铁饼与标枪，被网友叫「显眼包」，亚残运会火炬传递中 B1 更首度作为智能导盲犬应用。技术从炫技走向真实场景，宇树在全球刷出「中国机器狗」的集体认知。

真正的战略转折在二〇二三年。七月十二日，宇树推出新一代消费级四足机器人 Go2，标配四维超广角雷达、AI 大模型赋能；八月十五日正式发布首款通用人形机器人 H1，被誉为国内第一台能跑的全尺寸通用人形机器人，具备全球近似规格最高动力性能；十一月三日再发工业四足 B2，速度六米每秒、持续负载四十公斤、续航五小时，综合性能达全球现有四足机器人二到三倍。值得注意的是，王兴兴早年曾坚决反对做人形——二〇〇九年他就试过、认为太复杂无法驾驭，大学全心钻四足；是 AI 大模型出现后技术迭代远超预期，才让他在二〇二三年初转向人形。这一转身，改写了宇树的赛道天花板。

出海也迈出实质一步。二〇二三年十一月，宇树选择亚马逊作为跨境电商出海第一站，创办人表示亚马逊汇聚全球海量用户，能高效实现货通全球；过往以 B 端客户为主，但让机器人走进千家万户才是目标，透过亚马逊快速延伸 to C 业务，能更好理解终端用户。与此同时，宇树累计申请国内外专利一百八十余项、授权一百五十余项，成为国家高新技术企业、国家级专精特新「小巨人」。从四足到人形、从国内到全球、从科研到消费，二〇二二至二〇二三的两年，宇树完成了产品矩阵与战略版图的双重扩张。

07公司发展史（三）二〇二四–二〇二五：人形爆款与资本化

二〇二四年五月十三日，宇树发布 G1 人形智能体，售价仅九点九万元起，拥有二十三到四十三个关节、超大关节运动空间、力控灵巧手，标榜「AI 化身、操作万物」。这一定价把全尺寸人形机器人第一次压到多数实验室与发烧友够得著的区间，G1 后来被称为全球最畅销的人形机器人。十二月二十三日，宇树放出 B2-W 行业级机器狗演示影片，在全球引爆关注，特斯拉与 Spacex 创办人马斯克转发并评论「未来的战争是无人机的战争」。据宇树披露，二〇二四年度营收突破十亿元人民币；同年二月公司完成近十亿元 B2 轮融资，投资方包括美团、金石投资、源码资本，老股东深创投等跟投。

二〇二五年是宇树与王兴兴的「国家叙事年」。一月二十八日蛇年春晚，宇树人形机器人登台表演创意融合舞蹈《秧BOT》，转手绢、扭秧歌；据工程师介绍，登台机器人拥十九个关节，为转手绢每臂再加三个，灵活度与精准度接近人类。二月十七日，王兴兴在北京参加民营企业座谈会，与任正非、王传福、刘永好、虞荣、雷军等六位民营企业家代表之一发言，获勉励「你是这里面最年轻的。国家的创新需要年轻一代贡献力量」。九月，他在「2025 Inclusion·外滩大会」谈 AI 时代的公平；同月十二日获聘福耀科技大学「福耀大讲堂」首讲嘉宾，向年轻人讲 AI 是最好的平权工具。民营经济的最高规格座谈会，把这位九〇后推到时代前台。

资本化紧锣密鼓。二〇二五年七月十八日，估值超百亿的宇树在浙江证监局备案 IPO 辅导，辅导券商中信证券；备案报告显示控股股东、实际控制人均为王兴兴，直接持股百分之二十三点八二一六，透过上海宇翼间接控制约一成，合计控制约百分之三十四点七六。六月公司完成约七亿元 C 轮融资，由中移动旗下基金、腾讯、锦秋、阿里、蚂蚁、吉利资本等领投，投后估值升至约一百二十亿元。十月二十三日，杭州宇树科技股份有限公司更名为宇树科技股份有限公司，王兴兴由执行公司董事变更为董事长。十一月，工信部公示其人形机器人标准化技术委员会副主任委员人选。从创业到冲刺上市，宇树只用了九年。

08公司发展史（四）二〇二六：科创板上市与今天

二〇二六年是宇树的资本市场元年。三月二十日，上交所受理宇树科创板 IPO 申请；六月一日过会，从受理到过会仅七十三天，远快于科创板平均审核周期；七月一日证监会同意注册；八月六日确定发行价每股一百五十点八元，发行市值约六百零九亿元；八月十日启动网下与网上申购，发行后总股本约四点零四五亿股；八月十九日正式登陆上海证券交易所科创板，股票代码六八八八三六。上市首日股价收报每股八百四十五元，涨幅达百分之四百六十，市值突破三千四百亿元。王兴兴发行前直接与间接合计持股约百分之三十三点三六，按首日收盘估算身家超过千三百亿元——一位九〇后，把机器狗跑成了资本市场的庞然大物。

这一年宇树也在技术与品牌上连续破圈。二月十六日马年春晚，人形机器人表演武术《武BOT》，机器人在快速奔跑中完成穿插变阵与武术动作，王兴兴称这种高动态、高协同的集群控制技术为全球首次亮相；其中打醉拳「摔倒」再起身，他解释是剧情与醉拳意境所需。五月十二日，宇树发布全球首款量产版载人机甲 GD01，体重约五百公斤（载人后）、售价三百九十万元起；七月二十三日，他与 GD01 登上《时代》杂志封面，标题《机器人时代来临》，距上一位中国企业家登该刊封面已八年。四月二十九日，宇树北京王府井银泰 in88 全国首家直营店启幕；西部创新营运中心在重庆投用；日本市场也透过 GMO 授权经销商正式铺开。

赛场成绩为技术背书。在首届世界人形机器人运动会（二〇二五年八月，北京国家速滑馆），宇树 H1 夺得一千五百米、四百米、一百米障碍与四乘一百米接力四枚金牌，其中一千五百米成绩六分三十四秒四十，已达普通成年人水平；王兴兴称「普通老百姓无法追赶人形机器人一千五百米的速度了」，并表示下次比赛将采自主模式、进一步挖掘速度潜力。及至二〇二六年第二届运动会，宇树列奖牌榜第三（三金四银三铜）。另据王兴兴二〇二五年披露，宇树四足机器人全球出货占比逾六成，另有媒体称接近七成（口径不一，列为估算）。从春晚到时代封面、从运动会金牌到科创板敲锣，二〇二六年的宇树已站在全球具身智能的最前排。

09领导风格与性格：想清楚、克制、开源

王兴兴的管理风格，第一个关键词是「创办人想清楚」。他多次强调，若自己对技术路线非常清楚明确，再去安排团队，效率差距至少有五倍；这是创始人不可推卸的工作——先自己想透，再让团队动手。管理层对路线不清晰，创业公司绕弯路的概率就大，而初创企业耗不起弯路。这种「亲自定方向」的习惯，源自他从 XDog 到 G1 一路自己写论文、画图、调参的底色：他既是执行长也是技术长，技术判断权高度集中，决策快、不拖泥带水，但也意味著公司最硬的脑力始终压在他一人肩上。

第二个关键词是「克制」。在 AI 与机器人抢人大战里，宇树出奇地不烧钱堆人。王兴兴认为近年许多 AI 突破反而是中小企业做出来的，「这完全不是钱的问题」；人才要挖掘也要培养，不能幻想砸够资金就一定能找到合适的人。他坦言公司两大挑战是缺顶尖人才与组织管理，人多了效率反而低、活儿推来推去，未来想在管理上投入更多时间。这种克制的另一面，是公开场合护著团队：二〇一八年最难时他停发自己工资、用积蓄给员工发薪，把现金流压力扛在创办人身上，而非转嫁给同事。

第三个关键词是「开源与偏执」。他做机狗的初心就是消费级、低价、允许二次开发，不像波士顿动力设限；产品定价一次次把行业天花板往下压（Laikago 九点九万、G1 九点九万起）。他对「快速迭代」有近乎信仰的坚持：硬体优势没有保质期，优势在于迭代速度，自己松懈一天就可能变平庸公司。公开形象上，那个「初中感觉不到存在」的内向少年，已能面对央视与全球媒体侃侃而谈，谈技术、谈教育、谈 AI 平权；但熟悉他的人知道，那份冷静的工程师气质没变——他对 AI 伦理的乐观，始终带著「智能像人，越理性越能克制欲望」的冷静，而非煽情。

10成功秘诀：七条可复制与不可复制

归纳王兴兴的成功，至少有七条可证据支撑。其一，方向清晰胜过资源充足：他很早认定「电驱加低成本加开源」路线，早于波士顿动力公开电驱方案约一年，方向对了，后面所有资源才有效率。其二，快速迭代是护城河：从 Laikago 到 G1、从四足到人形，产品节奏极快，他认为硬体优势不在硬体本身而在迭代速度。其三，把价格打穿：九点九万的 Laikago 与 G1，让机器人第一次便宜到被用起来，这是宇树与同代竞品最大的差异化。其四，自驱与热爱：大一两百元做双足、研发 XDog 拿八万奖金创业，全是内在驱动，而非外部指令。

其五，敢于自我清零：四足转人形、春晚登台、IPO 上市，每次跳跃都伴随一次归零，他主张对 AI 模型认知要激进，「把过去的事能忘全忘了」，太依赖经验会影响未来决策。其六，不急著卖：尽管春晚刷屏、海外传播百亿级，他坚持泛化能力未到八成前不强推大规模商用，预判「ChatGPT 时刻」还需二到十年，拐点前是展品、拐点后才是劳动力。其七，开源养生态：允许二次开发、上亚马逊 to C，把开发者变成免费的产品经理。归总一句：他的成功一半是可复制的方法论（方向、迭代、定价、自驱），一半是时代的馈赠——他恰好站在 AI 与机器人拐点的中国制造与工程师红利之上，运气与能力叠加，才跑出这条曲线。

11个人、价值观与生活：公平、学习与低调

王兴兴的价值观里，「公平」占很大比重。他在福耀科技大学首讲反复强调，AI 是最好的平权工具，每个人都能很容易用 AI 自我学习、自我进步，创新创业门槛正被亲手降下来；他相信 AI 时代是更公平的时代，给每个人更多机会。这种平等观也投射到金钱与地位：身家随 IPO 飙升，他却在访谈中把焦点放在「让普通人也能做出好东西」，而非个人财富。他对教育的看法具体而温柔——激发并保持青少年对特定领域的好奇心与热爱，他自己就是这条路的产品，因此格外愿意走进校园（浙江理工、上海大学、福耀）对年轻人说「坚持做难而正确的事」。

生活一面，他低调、不炫富，公开形象几乎全数绑在产品与技术上；英语偏科的过往被他拿来自嘲，反而成了「偏科怪才」的亲和标签。他保持高频的亲自演示：从大学期间上传双足调试影片，到二〇二五年三月在微信视频号发第一条短片展示 G1 完成七百二十度回旋踢，再到亲测 GD01 载人机甲，创办人即是公司最好的产品经理与代言人。工作之外，他谈得最多的是「持续学习的能力」——技术创新周期急剧缩短，核心竞争力不再取决于现在掌握什么，而取决于学习未来新知识的能力有多强。对他而言，学习已是基础生存方式，而非选修。

12国家与时代意义：具身智能的杭州标志

放在国家与时代坐标里，王兴兴是中国具身智能浪潮最具标志性的名字之一。他与梁文锋的深度求索、冯骥的游戏科学，被网友并称「杭州创业三杰」，代表二〇二四年前后杭州涌现的硬科技新势力。在政策端，二〇二五年民营企业座谈会与国新办中外记者见面会，把他与任正非、雷军同列为民营经济代表，反映决策层对青年科技创业者的倚重；他担任杭州市具身智能产业联盟首任轮值理事长、香港特首顾问团成员（二〇二五至二〇二七），并任工信部人形机器人标准化技术委员会副主任委员，参与编制我国首个覆盖全产业链的《人形机器人与具身智能标准体系（二〇二六版）》，把企业影响力延伸到标准与治理层。

在产业与地缘意义上，宇树以「低成本高性能」路线，对标并部分超越波士顿动力主导的传统四足格局，把机器狗与人形机器人的价格与可用性重写了一遍；据王兴兴二〇二五年披露，宇树四足全球出货占比逾六成（另有媒体称近七成，口径不一），G1 成为全球最畅销人形机器人。对行业而言，他的真正贡献不在单一产品，而在证明「机器人可以先便宜、再变聪明」——以规模化出货喂养数据与迭代，反过来压低全行业门槛。从余姚农村爱看纪录片的内向少年，到科创板敲锣的九〇后首富候选人，王兴兴的故事，是中国工程师红利、制造供应链与 AI 拐点三者叠加的时代缩影，也预示具身智能正从展品走向劳动力的漫长黎明。

01家世与早年：吉安农村里的「拆家」少年

一九九三年，彭志辉出生于江西吉安永新县高溪乡梅花村，一个普通的农村家庭。他的父母都是工薪阶层，靠掌勺做厨师养家，父亲后来与弟弟在深圳生活；母亲的拿手菜是川菜与赣菜，这让彭志辉自小对烹饪也有一份亲近。家里还有一个弟弟，后来同样投身资讯科技行业。童年时代的彭志辉与同龄孩子很不一样：别人打电子游戏只琢磨怎么通关，他却执著于游戏画面如何在电视上显示、手柄指令如何转化为人物动作。为了弄明白这些问题，他把家里的游戏机、收音机、电视机统统拆开，再试著重新组装。父母看著被拆坏的电器虽然心疼，却没有过多责备，默许了这个「拆家」的爱好，这份包容日后被他视为技术探索最早的土壤。

求学路上，彭志辉展现出典型的理科特长与极强动手能力。二〇一〇年他参加高考，成绩过了一本线，却为了去自己喜欢的学校与专业选择复读一年，次年考入位于成都的电子科技大学，就读生物医学工程（生命科学与技术学院生物工程系），二〇一五年本科毕业。到了研究生阶段，他自学计算机课程，转向更感兴趣的信息与通信系统、人工智能方向，就读信通学院，二〇一八年取得硕士学位。他的研究生导师陈伟建评价说，彭志辉是有强烈好奇心、又能把好奇心转化成行动力的学生。在校期间他是名副其实的「竞赛狂魔」，从校级一路拿到国际级，近四十年各类奖项，包括全国大学生电子设计竞赛一等奖、飞思卡尔智能车竞赛赛区一等奖、挑战杯创新创业大赛金奖、微软极限编程竞赛一等奖等。

真正埋下创业种子的，是他在研究生二年级的一段经历。那时彭志辉用自筹资金研发协作机械臂，不仅拿到了五百多万元人民币的天使轮投资，设计的双足机器人还斩获世界机器人大会技术创新奖。这是他第一次把兴趣变成可被市场评价的产品，也第一次体会到从图纸到实物、从实验室到投资人之间那道漫长的鸿沟。他后来回忆，自己早年其实放弃过一些创业机会，原因是「当时还不具备把技术、产品和商业完整闭环的条件」。这句话预示了他日后最重要的判断力：不是所有的热爱都要立刻兑现，而是在合适的时间做合适的事。正是这种对时机的敏感，让他在多年后能够精准地踩中具身智能爆发的节点。

02创业原点：B站「野生钢铁侠」的诞生

彭志辉的另一重身份，比他的学历更早被大众熟知。二〇一七年，还在读研究生的他，以「稚晖君」这个网名在哔哩哔哩（B站）上传了第一支影片——用手机遥控空调开关与调温，在智能家居刚刚起步的年代算是新鲜玩意。他最初只是想给自己的技术部落格配上影片，没想到这一发便停不下来。二〇一九年，他开始投入更多时间精力运营这个帐号，把业余做的硬核硬件项目一一记录下来，科技圈从此多了一个被粉丝戏称为「野生钢铁侠」的人物。

让他火出圈的是二〇二〇年三月那台「小电视」——一支仅三分钟的影片，记录他设计制作不比一块钱硬币大多少的迷你Linux电脑，从电路设计、结构设计，到PCB手工焊接、软件与演算法开发，全部由他一人完成。影片最终获得五百多万次观看，帮他的帐号涨了二十多万粉丝。真正封神的则是二〇二一年六月那辆自动驾驶自行车：灵感来自一场雨天骑车摔倒、脸部受伤，他盯著镜中的纱布问「自行车既然叫自行，为什么非要人骑」，随后利用下班与周末耗时四个月，造出一台能自主平衡、规划路线、转弯避障的自行车，还配备了特斯拉都没有的光达，硬件成本不到一万元。影片在B站收获逾三百三十六万播放，相关微博话题阅读量超过八千三百八十一万，连「Java之父」詹姆斯·高斯林都转发赞叹：「我看不懂中文，但我看得懂工程。」

同年十月，他发布迷你六轴机械臂Dummy，耗时四个月，在影片中展示如何用机械臂对一颗葡萄进行穿针引线般的「缝合手术」，获得逾五十六万点赞。除此之外，他的帐号里还陆续出现用螃蟹壳做的火星车、能打游戏的充电宝、模组化机械键盘、带电子墨水屏幕的智慧门禁卡等天马行空的项目。二〇二二年一月，他拿下哔哩哔哩「二〇二一年度百大UP主」称号。截至二〇二六年，他的B站帐号粉丝已达约二百八十三万、微博粉丝逾一百万。这些业余创作看似只是兴趣，却在无形中为他累积了巨大的公众影响力与人才、资本的关注，成为日后创业最意外的起跑助推器。

03最艰难的关：从二百零一万年薪到辞职

走出校园后，彭志辉几乎没费心投履历，反而是手里的录取通知太多需要挑选。他最终接受OPPO的SSP（超级特别报价），进入OPPO研究院AI实验室担任演算法工程师，干了约两年。二〇二〇年底，他正式与华为接洽，经过前后七轮面试，于九月三十日拿到录取通知，以「天才少年」计划最高档年薪二百零一万元人民币加盟华为，从事升腾AI晶片与AI演算法相关研究，对外头衔是华为升腾AI边缘计算专家。在美国制裁华为、众多顶级外企抛来橄榄枝之际，他选择加入这家中国企业，被外界视为一种立场的表态。在华为工作的两年多里，他不仅部门绩效多次拿到全A，还拿下总裁奖、明日之星、金牌团队等奖项，就连任正非也在演讲中公开称赞他是「华为创新的动力」，希望这些天才少年像泥鳅一样钻活组织、激活队伍。

然而正是在华为的顶峰时刻，彭志辉面临了他职业生涯最艰难的一道关。一边是所有人眼中的「金饭碗」：二十七岁、百万年薪、老板公开点名、绩效全优；另一边是他始终放不下的机器人梦想，以及业余时间在B站持续输出的硬核创作。白天在华为写代码，晚上回家剪影片，这种「白天上班、晚上剪片」的双轨生活持续了两年多。真正的转捩点来自大模型的突破——OpenAI等通用人工智慧技术的飞跃，让他意识到具身智能将是AI下一个最重要的落地场景，而过去那种「技术、产品、商业无法完整闭环」的条件，此刻正在成熟。二〇二二年十二月二十七日，他在微博宣布离职创业，写下那句被无数人引用、略带中二却真诚的话：「接下来我会开启一段新的事业……不是因为我们已经有把握把它做好，而是因为，这件事是我一直以来的热爱和梦想。年轻热血、不知天高地厚，也许就是我最后的倔强吧。」

04翻盘的一役：智元的成立与远征A1

放弃二百零一万元年薪，在旁人看来是疯狂的选择，却正是彭志辉口中「选择性放弃」的实践——他放弃的是一条人人称好的轨道，换来的是自己定义赛道的可能。二〇二三年二月二十七日，他与前华为副总裁、计算产品线总裁邓泰华共同创立智元机器人（上海智元新创技术有限公司，后更名智元创新（上海）科技股份有限公司）。邓泰华主导过鲲鹏、升腾计算生态建设，擅长战略、资本与量产；彭志辉则负责技术与产品定义，二人形成「彭管技术、邓管全局」的互补。公司取名「智元」，「智」代表具身智能，「元」代表人形机器人的两条腿。从一开始，彭志辉就确定走「全栈自研、高举高打」的路线，要把本体、模型、数据、场景四个环节全部打通。

创业仅半年，二〇二三年八月十八日，智元便在上海发布首款通用具身智能人形机器人「远征A1」：身高一百七十五公分、体重约五十三公斤、配备四十九个自由度、步速可达每小时七公里，售价控制在二十万元人民币以内。对一家成立才半年的公司而言，这几乎是不可思议的速度。彭志辉后来透露，首场发布会前两周，他和同事直接住进发布场馆，直到直播前二十分钟还在紧张调试程式。这一役之所以关键，是因为它证明了「从零到一」的可行性——在大模型突破、本体跨过可靠性门槛、数据飞轮启动三件事尚未被行业普遍验证之前，智元率先把概念变成了站上发布台的实物。远征A1的亮相，让资本与市场相信：这个「野生钢铁侠」不是只会做玩具的网红，而是真能造机器人的工程师。

05公司发展史（一）二〇二三：从图纸到首款人形

二〇二三年是智元的「研发元年」，也是从图纸走向首款人形的起步之年。公司成立仅一个月，三月便完成天使轮融资，由高瓴创投、奇绩创坛率先押注，看重的是团队在AI与机器人硬件上的全栈研发能力。随后短短数月内，A轮、A+轮、A++轮密集落地：高瓴创投领投A轮，鼎晖投资、高榕资本、临港新片区基金入局；百度风投、经纬创投加入A+轮；比亚迪则作为重量级产业资本在A++轮入局，把汽车制造的供应链与量产经验带进人形机器人。同年八月首款双足人形机器人远征A1发布进一步推高热度；十二月A+++轮融资超过六亿元人民币，蓝驰创投、中科创星、三花控股、长飞基金等大批机构跟进。成立不到半年，智元估值便突破十亿美元，成为全球成长最快的具身智能独角兽之一，而当年营收仅约三十万元人民币——钱几乎全部烧进了研发与产线验证。

06公司发展史（二）二〇二四：商用启航与全栈开源

二〇二四年是智元的「商用启航」之年。八月十八日，在「智元远征 商用启航」年度新品发布会上，彭志辉一口气发布「远征」与「灵犀」两大家族共五款商用人形机器人：交互服务机器人远征A2、柔性智造机器人远征A2-W、重载特种机器人远征A2-Max、全栈开源机器人灵犀X1，以及专业数采机器人灵犀X1-W，覆盖交互服务、柔性制造、特种作业、科研教育、数据采集等场景。同场他还首次定义了具身智能G1到G5技术路线图——从基础自动化（G1）到通用原子技能（G2），再到端到端通用大模型（G5），为行业提供了清晰的演进框架；并展示AIDEA具身智能数据系统。尤其值得注意的是灵犀X1以「零元」售价对外开源，这里的零元并非促销，而是将本体设计图纸、软件框架、中间件源码与基础运控演算法全面开放，体现了彭志辉「把场景跑通、让飞轮转起来」的开源思路。

这一年智元在技术与商业两端同步沉淀。十二月三十日，公司宣布将其数据集Agibot World开源，全球所有人形机器人公司都能用这些数据训练模型，而回馈后的数据又会反哺充实数据集，形成行业级的数据公共品。全年智元申请专利一百八十九项，营收从前一年的三十万元跃升至超过六千万元人民币——虽然距离规模化仍有距离，但增长曲线已经画出第一道陡坡。更重要的是，这一年智元完成了从「展品」到「商品」的关键一跃：产品不再是实验室里单台定制的样机，而是开始具备可复制、可交付的工程形态，为次年真正的量产爬坡铺平了道路。

07公司发展史（三）二〇二五：量产爬坡与万台前夕

二〇二五年是智元的「商用元年」与量产爬坡之年，节点一个接一个。一月六日，第1000台通用具身机器人量产下线，刷新行业纪录；三月十日，公司发布全球首个通用具身基座大模型GO-1（启元大模型），提出Vision-Language-Latent-Action（ViLLA）架构，可利用人类影片学习、小样本快速泛化，降低具身智能门槛；三月十一日，彭志辉在B站发布灵犀X2原型机，这台轮式双臂机器人会跳舞、骑自行车、回答问题，引发科技圈热议。四月九日，他受邀在国务院总理李强主持的经济形势专家与企业家座谈会上发言；四月二十九日，习近平总书记来到上海「模速空间」大模型创新生态社区调研，彭志辉现场展示灵犀X2，介绍前沿实用的具身智能技术——这被他视为团队极大的鼓舞。

下半年智元动作更密。八月二十一日首届合作伙伴大会上，彭志辉发布专为「作业智能」打造的轮式双臂机器人原型灵犀X2-W，以及机器人动作与表达创作平台「灵创平台（LinkCraft）」，声称可把二次开发难度降到零门槛；九月入选上海证交所科技创新咨询委员会候选人名单并获聘任；十一月二十五日，他当选上纬新材第四届董事会董事长，智元此前已透过要约收购持有该公司约六成三股权，为后续资本运作埋下伏笔。十二月八日，第5000台机器人量产下线。据第三方机构Omdia统计，二〇二五年智元通用人形机器人出货量超过5100台，占据全球约百分之三十九市场份额、位居第一；全年营收突破十点五亿元人民币，较二〇二四年的零点六亿增长近二十倍，远征A2更以连续行走一百零六点二八六公里获吉尼斯世界纪录认证。

08公司发展史（四）二〇二三–二〇二六：今天的版图

二〇二六年被彭志辉定义为具身智能的「部署态元年」，也是智元从研发态、创作态迈向真正部署的转折之年。三月二十八日，第10000台通用具身机器人「远征A3」在张江通用示范工厂下线，距第5000台仅过三个多月，距首台千台下线则是十五个月——十五个月内完成从千台到万台的十倍级跨越，创下全球人形机器人量产速度新纪录。彭志辉表示，这说明本体制造能力已完成从「手工坊」到「工业级标准」的整体跃升，「一万台」不是结果，而是能力本身。六月，第15000台通用具身机器人下线；公司累计申请专利超过九百项，其中发明专利占比约七成，并开源AGIBOT WORLD 2026数据集与自研机器人作业系统「灵渠OS」，在成都建成西南具身智能产业基地。

资本市场同步提速。四月十七日，智元合作伙伴大会在上海举行，来自三十多个国家与地区的两千五百余名产业链从业者参会；董事长邓泰华首次提出具身智能发展的XYZ曲线与生产力实现框架，把二〇二二至二〇二五年定为「开发尝鲜期」（X曲线）、二〇二六至二〇三〇年定为「部署成长期」（Y曲线）、二〇三〇年后定为「部署普及期」（Z曲线），正式把二〇二六年定为部署态元年。彭志辉则从Token经济视角阐述：具身智能体的任务空间横跨数字与物理世界，一个持续运行的机器人每时每刻都在消耗Token，谁率先跑通闭环，谁就有机会定义下一代生产力平台。四月二十七日，他荣获二〇二六年度中国青年五四奖章；七月二十四日，智元启动赴港上市流程，据投资人透露，基石投资者给出的目标估值区间为四百至五百亿港元（此为估算，尚待最终发行定价）。公司同时启动「元苼」生态发展计划，拟未来五年投入二十亿元用于生态建设。

09领导风格与性格：工程师底色与中二浪漫

与许多善于演讲的创始人不同，彭志辉的领导风格带著鲜明的工程师底色：尊重事实、直面问题、信奉长期主义。他常说，成长不是靠被动等待，而是靠主动承担问题；越是复杂、越是不确定的问题，越可能孕育真正突破。面对失败，他有一套近乎冷静的方法论——不要把失败抽象成一种情绪，而要还原成一个具体问题：是技术路线错了，还是工程实现不稳？是产品定义不清楚，还是场景价值不成立？只要问题能被拆解，就有继续迭代的可能。他把失败看作一次「Debug（除错）」，强调「选择性放弃同样重要」。在智元内部，他推动「工程闭环」：发现问题、定位问题、复现实验、迭代方案、再回到场景验证，很多能力不是一次性突破出来的，而是在大量真实问题中磨出来的。

他的工作习惯近乎苦行。据他在一档播客中透露，产品发布前一周他就带团队住进发布场馆，直到直播前二十分钟还在调试；平时为了省时间，他一天只吃一顿晚饭，饿了靠零食充饥，几乎不睡午觉。这种「习惯了，不影响活著，吃饭比较浪费时间」的说法，让人看到他对效率的偏执。与之形成反差的，是他保留下来的「中二」一面：自动驾驶自行车叫「轩轩」，因为希望它像一条忠诚的狗；机械臂缝葡萄时配的乐曲是《普鲁斯特效应》；连迷你电脑的PCB板都被他画成蓝色星球。技术是骨架，那些命名、色调、故事与节奏是他自己的血肉。公开场合他是坐拥近三百万粉丝的「稚晖君」，私下同事却叫他「志辉总」；他鲜少接受专访，把精力主要放在产品、技术与团队管理上，这种公开形象与私下性格的落差，让他既保有网红的号召力，又不至于沦为只会表演的网红。

10成功秘诀：五条可复制的方法论

归纳彭志辉的崛起，第一条秘诀是全栈自研、打通飞轮。他不满足于做供应商替代，而是把本体、模型、数据、场景四位一体串起来：真实世界采数据、数据迭代模型、模型反推本体，让飞轮转起来。从远征A1到灵犀X2，从GO-1基座大模型到灵渠OS开源作业系统，智元几乎在每个关键环节都选择自己掌握，这虽然艰难，却让它在量产与迭代上跑出同行难以复制的速度。

第二条是路径选择的清醒：「先工厂，后家庭；先简单场景里的复杂任务，后更高风险的亲密交互。」工厂里最多做坏一个零件，家庭里出事故可能伤到人，因此他判断机器人进工厂是现在，大规模进家庭还要三到五年，甚至可能以「按需叫机器人上门」的订阅制先行。这种「在简单场景做复杂任务」的方法论，与自动驾驶「在复杂环境做简单任务」相反，却能在结构化工厂里先磨出高自由度操作的可靠性。

第三条是「选择性放弃」与时机判断。他放弃华为二百零一万年薪、放弃过早创业的诱惑，等到具身智能路径清晰、自己对工程复杂度有掌控才迈步。智元每半年评估一次技术路径，某个模组若长期无法闭环就果断砍掉，这种「实事求是」的弹性，构成他穿越早期市场的方法论。第四条是把具身智能视为基础设施而非单点产品的远见——从Token货币论出发，他认为具身智能体将是AI时代最大的Token消费者，谁跑通「持续运行」的闭环，谁就定义下一代生产力平台。

第五条是与邓泰华的互补分工，以及个人影响力带来的「非对称优势」。彭管技术与产品定义，邓管战略、资本与量产，一个像泥鳅钻活组织、一个像工程师打磨细节，使智元在三年内走完同行数年的路；而他在B站累积的近三百万粉丝，则让公司在创业之初就获得资本青睐与人才吸引的额外红利。总结来说，他的成功既是个人工程能力、时机判断与苦行般投入的结果，也高度依赖中国完善的供应链、丰富的真实场景数据，以及「十五五」前瞻产业的政策窗口——可复制的是方法论，不可完全复制的是时代与运气的叠加。

11个人、价值观与生活：清醒的金钱观与不改的工程师本色

在金钱与生活上，彭志辉显得格外清醒。面对外界对融资与估值的关注，他多次表示公司「不是很缺钱」，一方面商业化进展好、能自我造血，另一方面运营节奏有规划；他更在意的是「缺时间、缺数据」——相比融资本身，他看重自我造血与商业化能力的提升，并已将核心模组拆分成可独立融资的子公司。这种态度与他早年的成长背景呼应：父母是工薪厨师，家庭并不富裕，却给了他包容探索的空间。他拿手川菜与赣菜，源于父母耳濡目染；兴趣广泛，喜欢绘画（小学起自学，让作品设计格外精致）、弹吉他、下厨、摄影、打乒乓球、看电影听音乐。小时候他曾梦想成为天文学家，觉得探索星辰大海是人类最浪漫的事，后来把这份对未知边界的好奇，转移到了机器人身上。

他自诩「野生钢铁侠」，B站签名写著「保持热爱，奔赴星海」，最常被引用的一句话是：「如果程序设计师是数字世界的上帝，那亲手给机器人身形、再用AI赋其灵魂，这就是真极客的浪漫啊。」他的生日与国庆同日（十月一日），二〇二五年生日他在微博写道：「又是小小成长的一年，有幸与祖国同频共振。不疾不徐，与时代同行不息。」他几乎不主动曝光私生活，把多数精力留给产品与团队；即便成为上市公司董事长、五四奖章得主，他仍会在B站更新影片、给每个项目起中二的名字，影片结尾照样说「我是稚晖君，下次再见」。从「稚晖君」到「志辉总」，称呼变了，人没变——他始终认为自己首先是一名工程师，荣誉只是阶段性节点，提醒自己未来要承担更多。

12国家与时代意义：具身智能浪潮里的中国样本

把彭志辉放在更大的坐标系里，他的意义远超出一家公司的创办人。具身智能被写入「十五五」前瞻布局的未来产业，而智元，而智元正是这条赛道上中国企业冲到全球前列的代表。二〇二五年四月二十九日向习近平总书记展示灵犀X2，标志著具身智能与国家科技创新、产业升级和新质生产力发展紧密相连；同年他当选工业和信息化部人形机器人与具身智能标准化技术委员会副主任委员，与宇树科技创始人王兴兴一同履职，呼吁共建标准、共享数据治理与评测体系。二〇二六年荣获中国青年五四奖章，他将其视为「提醒过去被看见、未来要承担更多」的节点，也让技术工作与国家产业发展、社会真实需求连在一起。

在行业格局上，智元与宇树常被并称为中国人形机器人双雄，但彭志辉始终强调这不是存量市场：「宇树是一家非常了不起的公司，深耕十年，在本体降本、量产效率上处于第一梯队，很值得我们学习。」他更愿意呼吁同行共建生态、相互欣赏。据Omdia与SAG等机构统计，智元二〇二五年以约百分之三十九全球市占位居人形机器人出货第一，二〇二六年上半年更以约百分之四十四份额登顶，同比暴增逾五倍。随著二〇二六年启动赴港上市、目标估值区间达四百至五百亿港元（估算），以及「元苼」生态计划五年投入二十亿元，智元正试图把中国最完善、最具竞争力的人形机器人产业生态，推向全球资本市场与真实场景的纵深。彭志辉用三年时间证明：当工程能力、真实场景与时代窗口叠加，一个来自江西农村的「拆家」少年，也能为人类延展能力边界做出具体而坚实的贡献。

01家世与早年：北京海淀的布依族少年

王鹤，男，布依族，一九九二年二月生于北京海淀，是自小长在这座城市的本地孩子。本科就读清华大学电子相关科系（多家媒体写为电子工程系，百度百科则记为微电子与纳电子学系），二〇一四年获学士学位。少年时期他对物理与半导体元器件格外著迷，这份对硬体与世界运作原理的好奇，后来成了他跨入人工智能与机器人研究的底色。海淀的中关村氛围、清华的工科训练，让他在还没听过「具身智能」这个词之前，便已习惯用工程师的眼光拆解真实世界。

二〇一四年，王鹤赴美进入史丹福大学，先取得电机工程硕士，继而攻读博士，师从美国三院院士李欧尼达斯·吉巴斯（Leonidas J. Guibas）教授。吉巴斯是计算机视觉与几何深度学习领域的权威，这段师徒缘分让王鹤得以站在三维视觉与形状理解研究的最前线。读博期间，他从半导体元器件研究转向计算机视觉，并在二〇一六年左右锁定了一个当时尚无名字的方向——让人工智能看懂世界、与世界交互、并建模仿真世界，这便是后来被称为「具身智能」的领域。他的博士工作聚焦类别级六维姿态估计（NOCS），为日后机器人理解物体空间位置埋下伏笔。

博士阶段打下的学术底子，后来全部倾注到创业里。他在计算机视觉、机器人学与人工智能顶会顶刊发表五十余篇工作，代表作包括类别级六维姿态估计 NOCS，该系列研究获二〇二二年世界人工智能大会青年优秀论文奖；另有 ICCV 2023 最佳论文候选、ICRA 2023 最佳操纵论文候选、Eurographics 2019 最佳论文提名等荣誉。这些积累让他在具身感知与交互这条当时尚冷的研究线上，比绝大多数同龄人更早摸到了问题的核心。

02创业原点：从北大实验室到银河通用

王鹤的创业并非一场预谋已久的出走。二〇二一年博士毕业后，他第一时间选择回国，于九月加入北京大学前沿计算研究中心，担任助理教授、博士生导师，并创立领导北京大学具身感知与交互实验室（EPIC Lab）。他是国内最早系统推进具身智能的学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，同时执掌北大—银河通用具身智能联合实验室。学术与产业的双重身份，让他比纯学者更早看清技术走向产线的距离。

真正点燃创业念头的，是二〇二三年具身智能在大模型浪潮下骤然升温。不少投资人主动找上这位年轻学者，希望由他主导创业。王鹤后来回忆，自己本科之后才赴美，博士毕业时美国具身智能研究热度虽高，却缺少完整硬体生态、现实场景数据供给严重不足、也缺乏产业落地土壤；而中国拥有全球最完备的硬体供应链，是具身智能创业的「天选之地」。二〇二三年五月，他在北京海淀联合曾任 ABB 上海机器人研发中心、师从北航王田苗教授的另一位联合创始人姚腾洲，创办北京银河通用机器人有限公司，自任创始人兼首席技术官。

王鹤给 Galbot 写下的宣传语是「银河起航，通用无疆」。这八个字既是公司名的拆字游戏，也浓缩了他的野心：不在某一项技能上做到极致，而是让机器人具备跨场景、跨物体的通用作业能力。他常自称「智源学者」，强调学界与产业的身分从不互斥；北大以知识产权入股银河通用，更让这层关系有了制度化的载体。对一位刚过三十岁的助理教授而言，同时背起实验室与公司两副重担，本身就是一场高难度的时间与精力分配实验。

03最艰难的关：逆主流的合成数据赌注

创业最初的关，不在资金，而在路线之争。当时业界主流如特斯拉、Google 都选择用真人遥操作采集数据来训练机器人，这条路直观却昂贵，且受真人示范的天然限制——多指之间的精细配合根本无法靠遥操完整采集。王鹤偏偏押注一条冷门路线：以合成仿真数据为主、真机数据为辅，先在仿真里造出无穷场景，再迁移到真机（Sim-to-Real）。他选择绕开真机采集的瓶颈，把数据匮乏这道行业难题，当成自己的主战场。

这是一场与常识为敌的赌博。质疑者认为，仿真再精细也弥合不了真实世界的杂讯与摩擦，合成数据训出的模型一到现场就会崩。更大的压力来自商业节奏：成立短短一个月就拿到了种子轮，资本市场期待立竿见影的产品，而王鹤坚持先花数年筑牢数据基础设施。那段时间，他要同时说服投资人、说服团队、也说服自己——当所有人都在秀舞蹈机器人时，他执意让机器人去「干活」。这种逆主流的笃定，正是银河通用日后技术标签的源头，却也是创业早期最孤独的一道关。

最难的还不是外界质疑，而是内部的耐心管理。种子轮的钱进来得快，投资人自然要问「产品何时见」；而王鹤坚持先把合成数据管线、物理渲染与自动动作合成基础设施筑好，这些投入短期看不到演示影片。他曾坦言，行业普遍依赖人力遥操采集数据时，自己多次公开宣讲「合成数据策略」，本质上是在逆共识而下注。能扛住这道关，靠的是他对「数据决定能力下限」这句话近乎信仰般的笃定，以及一开始就把公司锚定在可批量复制的产业场景、而非表演秀的战略定力。

04翻盘的一役：透明物体抓取与 G1 发布

翻盘的关键，是把「合成数据」从口号变成可验证的奇迹。王鹤团队依托物理渲染，自主构建了号称全球最大的百亿级仿真合成数据基建「银河星坊」（AstraSynth），并在透明、高光、吸光等挑战材质的抓取上取得突破——机器人对从未见过的随机堆叠透明物体，抓取成功率首次稳定在百分之九十五以上，甚至能抓取随机散落的透明玻璃碎片。这一战，直接攻克了困扰机器人界数十年的难题，也让「合成数据路线」第一次有了硬指标。

真正的转捩点发生在二〇二四年六月十四日。银河通用发布第一代产品 Galbot G1——轮式底盘、双臂、身体可折叠的人形机器人，并在同日宣布完成七亿元人民币天使轮融资，美团、北汽、商汤、启明、蓝驰、经纬、源码、IDG 等十余家机构集体入场。这一役让银河通用从「学者创业」蜕变为资本与产业竞相下注的标的，也证明「合成数据路线」不是空谈。此后五个月，战略轮再进五亿元；二〇二五年六月，由宁德时代领投的十一亿元融资，刷新了国内具身智能单笔最大融资纪录。

支撑 G1 的，是银河通用陆续发布的模型族。基于视觉语言大模型的 GraspVLA，实现了零样本抓取规划，让机器人对没见过的物体也能理解并操作；在二〇二五年智源大会现场，王鹤发出「Galbot，我又热又饿，帮我拿点吃的」的指令，机器人无须遥操作，便在 1:1 还原的商超场景中自主规划路径、从货架识别并抓取饼干饮料送达。这一幕把「合成数据到真机泛化」的闭环具象化，也让外界第一次直观看到：银河的机器人不是被预录脚本控制的演员，而是能听懂自然语言、在陌生环境自主干活的工人。

05公司发展史（一）：成立与早期融资节奏

银河通用成立于二〇二三年五月，注册地在北京市海淀区，是一家专注具身多模态大模型通用机器人研发的创新企业。公司成立的逻辑很清晰：不与「本体派」死磕双足行走，而是走「大脑优先、身体务实」的路线——以轮式底盘加折叠腿的设计，在商超、药店等平整地面环境取得移动稳定性与成本优势，把研发重心倾向最核心的泛化抓取与逻辑推理。这一定位，让银河在产品定义上与多数死磕双足的厂商拉开距离。

融资节奏几乎与产品研发同步推进。成立仅一个月，公司便获得经纬创投、蓝驰创投的种子轮投资；二〇二四年六月产品发布当日，七亿元天使轮落槌，引入美团、北汽等战略方，以及启明、蓝驰、经纬、IDG 等头部机构；同年十一月，五亿元 A 轮战略融资进场，新增上汽集团、香港投资公司 HKIC、深创投、上海人工智能基金等投资人，老股东 IDG、经纬等大幅追加。至此，成立不到两年的银河通用累计融资已超过二十四亿元人民币，成为具身智能赛道融资速度最快的公司之一。

06公司发展史（二）：二〇二五从融资明星到产业标兵

二〇二五年是银河通用从「融资明星」走向「产业标兵」的一年。六月，公司在北京智源大会发布产品级端到端导航大模型 TrackVLA，具备纯视觉环境感知、语言指令驱动、自主推理与零样本泛化能力；同月，与零售场景相关的 GroceryVLA 也相继亮相，实现对零售全品类商品的零样本泛化抓取。六月二十三日，公司宣布完成超十一亿元新一轮融资，由宁德时代及溥泉资本领投，国开科创、北京机器人产业基金、纪源资本等参与，光源资本担任独家财务顾问。

这轮融资被多家媒体称为「国内具身智能单笔最大融资」。与此同时，银河通用的落地场景开始从实验室走向街头：二〇二五年三月，公司发布人形机器人智慧零售解决方案，在北京近十家店实现部署与常态化运营；六月十七日，与博世旗下博原资本成立合资公司，推动具身智能机器人在工业场景的商业化探索与全球落地。截至当年底，公司已在北上广深等城市推进近百家药店的机器人部署，累计拣药超过一百万盒，智慧零售与无人药店成为最先跑通的两个场景。

07公司发展史（三）：C 轮融资与估值飞跃

二〇二五年十二月的 C 轮融资，是银河通用估值飞跃的关键节点。公司宣布完成超三亿美元（约二十一亿人民币）的新一轮融资，由中国移动链长基金领投，中金资本、中科院基金、苏创投、央视融媒体基金、天奇股份等联合注资，并获新加坡、中东国际投资机构及老股东加注。至此，公司累计融资约达八亿美元，据多家媒体与业内人士估算，估值攀升至三十亿美元、折合人民币超过两百亿元，成为当时人形机器人领域估值最高的未上市企业。

进入二〇二六年，银河通用的版图继续外扩。三月，团队实现机器人全自主打网球，能全程维持身体平衡、精准控制腕部动作，还能通过战术调动人类对手；八月，在第二届世界人形机器运动会（北京「冰丝带」）上，银河通用在家庭、餐饮、商超三项最难场景赛以全自主模式包揽全部金牌，开幕式上其全自主网球机器人更与网球名将郑洁、演员李昀锐完成全球首场人机混双对打，单打对拉上百拍不停歇，被业界称为「AstraTennis 时刻」。

08公司发展史（四）二〇二六：今天的版图——全栈布局

来到二〇二六年，银河通用已从单一产品公司，成长为覆盖「数据—模型—本体—场景」全栈的具身智能标杆。技术底座上，公司打造了全球最全面的具身智能数据基础设施「银河星数 AstraData」——一套涵盖互联网数据、人类操作数据、仿真合成数据、真机遥操数据、真机回流数据的五级金字塔数据体系，其中真机自主回流数据超八万小时、全物理合成大数据达百亿规模、人类动作数据超十万小时。这套数据体系，是王鹤「数据决定能力下限」信念的工程化呈现。

产品矩阵同步扩张：既有轮式的 G1（轻载双臂灵巧手）、S1（重载双臂，可握持百斤重物，已在宁德时代电池工厂、北汽奔驰实现全自主作业）两款已落地机型，也有二〇二六年八月世界机器人大会发布的双足人形机器人 Galbot ET1，搭载 AstraBrain-Agent，无需动捕与动作影片即可通过与人实时交互掌握新动作。模型层面，全球首个集成「大脑—脑桥—小脑」于一模的端到端具身大模型「银河星脑 AstraBrain」、以及被英伟达誉为「机器人终局范式」的 WAM（世界—动作模型）已成为公司技术护城河。王鹤预计，到二〇二八年将训练数据规模从一百万小时扩充至一千万小时，冲刺具身智能的「ChatGPT 时刻」。

09领导风格与性格：固执的技术判官

王鹤给外界的标签是「学者型创始人」，但他更像一位固执的技术判官。在行业普遍依赖遥操采数据的时候，他一次次公开宣讲「合成数据策略」，哪怕这意味著短期内拿不出炫技影片。一位接近团队的人士形容，他对技术路线的笃定近乎「九十九比一」——他曾反复强调，具身智能所依靠的数据，百分之九十九可借助高质量合成数据完成，只有在合成数据处理不了的极端情形，才需要针对性采集百分之一的真实数据。这份定力，来自他对数据物理学的长期信仰，而非一时风口。

这种笃定并非独断。他乐于在学术会议与公开论坛「摊开」自己的判断，与同行辩论 VLA、WAM 的边界，也坦承模型「还没完全成熟，但够用了，真正决定性的变量是数据」。在春晚后台那场无彩排、无 NG 的拍摄中，他对甲子光年坦言，整个过程「一气呵成」，因为团队相信通用的模型与训练范式足以应对不可控场景。下属对他的评价多集中在「护技术、放权给工程师」——他负责定方向与守底线，把具体实现交给团队。公开场合沉稳克制，私下的他则是那位会为一双灵巧手「超出场景需要」而兴奋的技术人，也会为打网球这类动态对抗能否验证「小脑」能力而反复琢磨。

与同代创业者相比，王鹤最鲜明的标签是「大脑派」而非「本体派」。当不少厂商把研发资源砸进双足平衡与关节硬件时，他主张先把泛化抓取与推理这颗「大脑」做强，本体则务实地用轮式折叠底盘。他也不讳言自己学者的固执：在公开演讲中敢于直接声明 WAM 论文「第一篇就是我们挂到 arXiv 上的」，这种抢占定义权的进取，与传统学者低调含蓄的形象形成反差。下属描述他「护技术、放权给工程师」——定方向、守底线，把实现交给团队，这让银河既能保持学术尖锐度，又不至于陷入教授带学生的慢节奏。

10成功秘诀：七条可佐证的线索

归纳王鹤与银河通用的成功，至少有七条可佐证的线索。其一，路线定力：在众人追逐遥操与舞蹈机器人时，他押注合成数据与 Sim-to-Real，把数据瓶颈当成主战场。其二，大脑优先：以轮式务实本体换取算力与研发资源，集中攻克泛化抓取与推理。其三，数据基建先行：百亿级「银河星坊」与五级数据金字塔，是他敢言「零样本泛化」的底气。其四，场景穿透：锁定无人药店、工业搬运等可批量复制的苦活，而非停留在表演。

其五，学产研闭环：北大以知识产权入股，校企共建联合实验室，让学术突破直达产线。其六，资本运用：精准引入宁德时代、中国移动等产业方与国家队，把融资转化为场景赋能。其七，全球视野：WAM 论文率先挂上 arXiv，主动接入国际技术社区，赢得英伟达、马斯克等关注。最后要诚实地说：他的成功既来自技术判断，也高度依赖时代红利——具身智能被纳入国家科技战略、中国完备的硬体供应链、以及资本对「下一个 ChatGPT」的渴求，三者叠加才成就这家成立三年的独角兽。路线可以学，运气与时点难以复制；可复制的，是他把「长期主义」落到数据与场景的执行纪律。

公允地说，这七条经验里，「路线定力」与「数据基建先行」最难复制，因为它们要求创始人甘愿在短期无法变现的基础设施上烧钱、并承受逆共识的孤独；其余如场景穿透、学产研闭环、资本运用，则是可被后来者学习的方法论。王鹤的成功，是技术判断、时代红利与个人特质的三重叠加：具身智能被纳入国家战略、中国完备的硬件供应链、资本对「下一个 ChatGPT」的渴求，共同托起了这家成立仅三年的独角兽。可复制的是纪律，难复制的是时点与运气。

11个人、价值观与生活：务实的科技报国者

王鹤是位年轻的「90 后」教授创业者，公开资料中鲜少谈及私人生活，更多时候以「北大研究员」与「首席技术官」双重身份出现。他价值观里最鲜明的一条，是「科技报国」——北京党员教育平台的介绍写道，他于史丹福获博士后「第一时间选择回国效力」。他多次强调，机器人已过了炫技表演的阶段，真正的目标是进厂干活、服务千家万户，最终走进家庭。这种把技术成就与国家需求绑定的叙事，贯穿他的公开发言。

他的金钱观相当务实。面对 Galbot 数十万元的定价，他曾给出明确的产品—市场契合逻辑：机器人的成本目前远低于雇用一个人工作三年企业需付出的成本，只要能连续工作一个月零故障，就值这个价。在兴趣上，他显然是个标准的技术人——会为灵巧手转笔、盘核桃这类「超过场景需要」的技能兴奋，也把打网球这种动态对抗视为检验「小脑」通用运动控制的试金石。他亦投入具身智能科普教育，与国内头部中学共建实验室，相信这是未来二三十年高速增长、全球销量有望上亿台的产业。

外界的肯定也接踵而至。王鹤入选国家海外高层次人才计划，获二〇二四年度北京大学—中国光谷成果转化奖、蚂蚁 InTech 科技奖，并被《麻省理工科技评论》评为「35 岁以下科技创新 35 人」（TR35 中国区，二〇二五年）；二〇二五年又获世界互联网大会领先科技奖。二〇二六年，他荣获第三十六届「北京青年五四奖章」、入选「2026 北京榜样」月榜与《2025 胡润 U35 中国创业先锋》，并当选中国科学技术协会第十一届全国委员会委员。这一串荣誉，标记著学界与官方对一位年轻科学家创业者的双重认可。

12国家与时代意义：站在定义技术范式的前排

把王鹤放回更大的坐标，他处在中国「新质生产力」叙事与全球具身智能竞赛的交汇点。在国内，具身智能已升级为国家战略，国家人工智能基金、国开行、北京机器人产业基金等「国家队」的入局，既背书了银河通用的技术实力，也标定其在首都核心产业的战略位置。他本人当选中国科协第十一届全国委员会委员、担任具身智能大模型北京市重点实验室主任，正是这一位置的写照。

在全球维度，银河通用与美国 Physical Intelligence、Skild AI，以及国内宇树、智元等同台竞速。王鹤提出的 WAM 路线被英伟达誉为「机器人终局范式」，春晚「盖博特」与 AstraTennis 时刻则让中国具身智能的技术领先与科技温度被亿万观众触碰到。他预言，到二〇二八年具身智能将迎来属于自己的「ChatGPT 时刻」，而人形机器人赛道有机会诞生万亿美元市值的中国企业。无论这一预言能否如期兑现，王鹤与银河通用都已证明：在这条从数字世界走向物理世界的长路上，中国年轻科学家可以站在定义技术范式的前排。

在制度层面，王鹤也逐步成为行业规则的参与者：他担任工业和信息化部人工智能标准化技术委员会具身智能组副组长、上海证券交易所第三届科技创新咨询委员会委员，并执掌具身智能大模型北京市重点实验室。这些身分让他的技术判断不只影响一家公司，更能通过标准与政策话语权外溢到整个赛道。从海淀的实验室到国家级的标准桌，王鹤的轨迹浓缩了一代中国 AI 青年科学家的典型路径——以学术原创立身，以产业落地证明，再以国家战略坐标定位自身。

01家世与早年：物理竞赛保送清华的九〇后

高继扬，一九九二年出生于河北石家庄。高中时期，他凭借物理竞赛的出色成绩被保送至清华大学电子工程系，开启了此后与人工智能密不可分的求学路。在清华，他先后就读电子工程与微纳电子方向，埋头于电路、信号与算法课业之间，逐渐意识到传统硬件设计对刚毕业的新人而言门槛极高。据其后来回忆，真正点燃他对人工智能热情的，是大四下学期前往「AI四小龙」之一商汤科技的实习经历——第一次接触到深度学习后，他意识到机器学习或许能让编程变得像「软件2.0」一样简单，从而解决传统规则编程难以处理的复杂问题。

二〇一五年，高继扬从清华本科毕业，随即赴美攻读博士。在南加州大学（USC）IRIS计算机视觉实验室，他师从计算机视觉领域专家拉姆·内瓦蒂亚（Ram Nevatia）教授，研究方向聚焦计算机视觉与自动驾驶感知。他给自己定下两个目标：坚持做计算机视觉研究，并争取四年内完成学业、加速创业。结果他仅用三年半便取得博士学位，成为该实验室历史上毕业用时最短的学生，其间发表的VectorNet、TNT等一系列论文，后来被业界广泛采用。这段经历奠定了他「相信数据、相信算力、不要相信人工偏见规则」的方法论底色。

02创业原点：从Waymo感知到Momenta量产的降维积累

二〇一八年博士毕业后，高继扬没有立即创业。他判断学术积累尚不足以支撑一家硬科技公司，决定先到自动驾驶企业历练——在他看来，自动驾驶是以人工智能为核心、且最接近机器人形态的产业，也是通往具身智能的桥梁。二〇一九年一月至二〇二一年一月，他加入谷歌旗下无人车公司Waymo，参与感知、预测与在线建图等多个重要模组，并与同事共同提出行为预测模型VectorNet，用向量化方式简洁表达地图与移动物体，相关论文被CVPR等顶会接收，成为自动驾驶规划预测领域的经典工作。

二〇二一年一月，高继扬回国加入国内自动驾驶独角兽Momenta，从视觉感知起步，逐步扩展至定位、规控、泊车及NOA等产品领域，最终担任执行总监，带领规模逾百人的团队，主导智己、比亚迪、吉利路特斯等多款车型的算法研发与量产交付。四年多的一线打磨，让他攒足了工程化能力，也形成了一套关于「具身智能Scaling Law」的独到见解。二〇二三年，他放弃约合一千万美元的股票期权离职，与赵行、许华哲、李天威组队，正式迈入具身智能创业的赛道。

关于创业的触发点，高继扬后来在开发者大会上回忆：二〇二三年八月，他与赵行、李天威三人拜访上海一家投资机构，虽然对方最终没有投资，但那张合影成为「一切的原点和开始」。彼时「具身智能」一词尚未普及，行业更热衷于人形机器人，团队心情「激昂与迷茫同时交织」。但有两件事从一开始就想得很清楚：其一，具身智能未来会呈现「一脑多形」形态，双足人形只是其中之一；其二，长期壁垒在于物理世界数据闭环，而「整机加智能」是搭建闭环的关键路径。这两条信念，日后成为星海图不可替代的发展主线。

03最艰难的关：放弃千万美元期权与不被理解的孤独

对高继扬而言，职业生涯最艰难的一道关，并非某次惊险的濒死时刻，而是二〇二三年离开Momenta时的那个决定。彼时他已是执行总监，手握约合一千万美元的股票期权，处在自动驾驶量产的上升轨道。放弃这份「金饭碗」去押注一个连名字都还未普及的赛道，意味著要与确定的名利告别，去承担技术、产品、商业全未闭环的巨大不确定。他后来与今日资本徐新对话时坦言，自己读博士时学到最重要的一课，就是「相信深度学习、相信数据、相信算力，不要相信人为偏见设计出的规则」——正是这份信念，让他在众人犹疑时敢于孤注一掷。

创业初期更现实的艰难，则来自路线选择上的「孤独」。二〇二四年，行业几乎一边倒地追捧双足人形机器人，资本与舆论都在问「你们为什么不做人形」。星海图却反其道而行，从轮式双臂切入，并坚持「真机数据驱动」而非仿真路线。这种不被理解的坚持，让公司在相当长一段时间里既要证明硬件能交付，又要证明模型能进化，还要顶住「有身无脑」或「有脑无身」的质疑。高继扬用「整机加智能」一体化顶层战略回应：先以可靠硬件抢占开发者生态、构建数据飞轮，再拓展高难度场景——这道关，考验的不是勇气，而是对时点与路径的清醒判断。

04翻盘的一役：二〇二五年的模型与生态双突破

真正让星海图从「被质疑」翻转为「被追随」的一役，发生在二〇二五年。这一年，公司先后完成五轮A系列融资，资金总额约十五亿元人民币；更关键的是八月，星海图对外发布全球首个开放场景高质量真机数据集GOD，以及初代具身基础模型G0——后者一举突破当时行业SOTA，带动国内具身大模型开源浪潮。GOD数据集容量约五百小时、十TB，上线一个月全球下载量即逼近六十万次，几乎实现全球机构开发者「人手一份」，星海图由此成为轮臂赛道的开创者与引领者。

产品侧的翻盘同样干脆。二〇二四年十月，首批R1交付给斯坦福大学李飞飞团队；凭借客户反馈快速迭代，二〇二五年第一季度推出R1 Pro与R1 Lite两款主力轮臂产品，覆盖全球超过九成顶级开发者，成为斯坦福李飞飞团队、Physical Intelligence、英伟达等顶尖实验室的核心开发平台。到二〇二六年二月，星海图完成十亿元B轮融资、估值突破百亿，成为继宇树、智元、银河通用之后的国内第四家具身智能百亿独角兽。这一连串动作证明：在「做人形」的喧嚣之外，一条以模型与数据为核心的务实路线，同样能跑通从研发到交付的闭环。

05公司发展史（一）：二〇二三至二〇二四的创立与早期生存

星海图的起点是二〇二三年九月五日，初名星海图（苏州）人工智能科技有限公司，注册于苏州——高继扬看中当地既有的制造业底盘与日益壮大的AI生态，可同时触达「软」与「硬」。创业首月即确立「一脑多形、物理世界数据闭环」核心理念，并于二〇二三年十月拿到第一笔融资，天使轮由IDG资本与百度风投领投。此后公司迅速落地研发路线，避开行业扎堆双足的主流选择，率先切入轮式双臂整机赛道，依靠自研硬件完成产品落地，并获得斯坦福李飞飞实验室这一标杆客户的早期验证。

二〇二四年是星海图的「研发元年」。二月，公司启动轮式双臂R1的全栈自研，确立「智能定义本体」的研发逻辑——围绕智能需求设计硬件，而非盲目跟风做人形。资本层面，一月完成天使轮第二轮数千万美元交割（IDG领投，百度风投、无限基金SEE FUND、金沙江创投、七熹投资跟投），七月获北京机器人产业发展投资基金天使加轮，八月再完成超两亿元Pre-A轮，由高瓴创投、蚂蚁集团领投，米哈游、无锡创投、同歌创投、Funplus等跟投。技术侧则先后研发矢量控制底盘X1与准直驱电机超轻型机械臂A1，并提出全球首个机器人Real2Sim2Real空间智能引擎范式。

06公司发展史（二）：二〇二五的A系列融资与G0模型

二〇二五年是星海图的「融资与模型双爆发之年」。上半年，公司连续完成五轮A系列融资，总金额约十五亿元：A1轮三亿元由蚂蚁集团独家领投；A2、A3轮合计超三亿元，由凯辉基金领投，联想创投、海尔资本等产业资本参投；A4轮由今日资本、美团龙珠联合领投，中金保时捷基金、襄禾资本及老股东跟投；A5轮由美团龙珠、美团战投联合领投，北京机器人产业基金超额加注，亦庄国投跟投。蚂蚁、今日资本、美团、高瓴、凯辉、亦庄国投等机构相继成为股东，老股东持续加注的比例与频次在行业内少见。

智能侧的突破更为关键。二〇二五年八月，星海图发布GOD数据集与初代G0基础模型，G0采用「慢思考、快执行」快—慢双系统架构，叠加五百小时高一致性全身动作数据与三阶段学习训练策略，实现从视觉、语言指令到二十三自由度全身控制的长程任务执行，评测数据压过当时业界标杆。依托客户反馈，公司当年出货量达数千台，客户涵盖高校实验室、大厂研究院及头部产业集团，华为、比亚迪等均在列；R1平台更覆盖超九成全球顶级开发者，成为具身智能领域最具影响力的开发底座之一。

07公司发展史（三）：二〇二六年上半年股改与B、B+轮

二〇二六年上半年，星海图迎来资本与治理的双重跃升。年初，公司完成股份制改造，由有限责任公司变更为「股份有限公司（外商投资、未上市）」，更名星海图（北京）人工智能科技股份有限公司，成为当年首家完成股改的具身智能企业，为对接资本市场扫清主体资格障碍。二月十一日，公司宣布完成十亿元B轮融资，由金鼎资本、北汽产投、碧鸿投资（吉利系）、正心谷资本、前海方舟、毅峰资本等领投，凯辉、美团龙珠、今日资本、襄禾、高瓴创投等老股东超额追加，累计融资近三十亿元，估值破百亿。

仅五十一天后的二〇二六年四月二日，星海图再完成近二十亿元B+轮融资，估值突破二百亿元人民币，跻身一级市场估值最高的具身智能企业，累计融资逼近五十亿元。本轮投资方阵容横跨产业资本、互联网巨头、一线PE与国家队：华登科技、蓝思科技、航发基金，蚂蚁、美团、百度系，中金资本、普华资本、洪泰基金，以及金融街资本、北京科创、亦庄国投等。两轮合计约三十亿元、估值两个月内近乎翻倍的节奏，让星海图成为春节后估值涨幅最快的具身智能企业，也令其站上赛道融资速度的风口浪尖。

08公司发展史（四）二〇二六：今天的版图

二〇二六年六月十六日，星海图在北京亦庄举办首届全球具身智能开发者大会（Galaxea WDC 2026），以「Build with Galaxea」为主题，释放战略全貌。大会上，公司开源新一代VLA基础模型G0.5，实现从任务后训练到零样本泛化的跨越，在全球六大权威榜单取得第一、稳居国际第一梯队；同步公布世界模型Fast-WAM（单步推理延迟压缩至一百九十毫秒，较传统架构提速四倍以上）与全身控制基础模型，并让自研双足人形机器人Kengo（行客）完成首秀。随Kengo发布，星海图成为国内唯一同时拥有顶尖模型与顶尖本体的具身智能企业，「整机加智能」战略正式闭环。

八月十九至二十三日，星海图亮相二〇二六世界机器人大会（WRC），拿下全场最大的五百平方米展位，现场搭成「生产力测试场」。CEO高继扬发布Lemo（双臂桌面操作平台）、Nexo（旗舰轮臂人形，全身三十自由度）等新硬件；与京东合作搭建的前置仓演示系统，在展前完成一百多单真实履约，订单执行成功率达九成九，精密装配精度一毫米，礼品盒封装准确率九九点九。截至二〇二六年，星海图已服务全球约两百家客户，覆盖高校、大厂研究院与头部产业集团；公司明确二〇二六年目标出货一万台，并启动「亦数智能」百万小时真机数据计划（未来三年迈向千万小时）与联合凯辉基金的「星途计划」孵化生态。

09领导风格与性格：工程师底色的冷静务实

高继扬的领导风格带著鲜明的工程师底色：尊重事实、信奉规模、抵御短期喧嚣。他最常被引用的一句话是「机器人学得越多越聪明，而非造得越多越便宜」——这句话既是对公司定位的概括，也是他管理哲学的写照：他把自己定义为人工智能企业的掌舵者，而非传统机器人制造商，相信数据与算力的规模效应会重构竞争规则。在路线选择上，他展现出近乎冷静的务实：当全行业追逐双足人形，他坚持轮臂切入；当行业依赖仿真数据，他坚持百分之百真机数据，认为「仿真可以模拟物理规律，却模拟不了真实世界的随机与意外」。

他对人的方式低调而克制。创业初期，首批R1交付给李飞飞实验室时产品尚不完善，他没有掩饰缺陷，而是与客户一同迭代；他多次强调「以客户为中心并非顺从客户，而是深耕其潜在需求」。对资本，他有一套清醒的账本逻辑：「融资路径和支出路径，这是两件事。」他判断具身智能会遵循AI的Scaling Law，头部进一步集中，因此主张预留冗余资金。公开形象上，他不像某些创始人善于表演，而是把精力放在产品、模型与团队；他与徐新对话时坦承，读博时学到最重要的是「相信数据、相信算力，不要相信人为偏见设计的规则」，这份理性贯穿了星海图的每一个决策。

10成功秘诀：可复制的七条方法论

归纳高继扬的崛起，第一条秘诀是「一脑多形」的战略定力。他从创业第一天就判断双足人形只是具身智能的一种形态，长期壁垒在于物理世界数据闭环，因此选择「整机加智能」一体化路线，用同一套智能体系适配轮臂R1与双足Kengo，打破「一种形态对应一套控制系统」的惯例。这一定力让星海图在行业喧嚣中避开同质化竞争，走出软硬一体的差异化路径，也让其在资本与舆论反复追问「为何不做人形」时，始终能稳住节奏、不被风口带偏。

第二条是「真机数据优先」的技术信仰。他坚持预训练全部用真实数据、基本不用仿真，即便真机数据成本高达每小时一百至一百五十元、百万小时总投入约一至两亿元，仍视其为模型能力的坚实底座。第三条是「智能定义本体」的研发逻辑：先定义对大脑友好的硬件规格再发育身体，动力单元已有八成自研或产业链共研，避免「先造身再补脑」的返工。第四条是开发者生态先行——以可靠硬件抢占全球九成顶级开发者，构建数据飞轮。

第五条是「快慢双系统」的模型创新：G0系列以慢思考VLM负责语言理解与规划、快执行VLA负责高频动作，异步运行兼顾智能性与响应性，并以G0.5登顶全球六大榜单。第六条是资本运作的高效：二十八个月估值增长超百倍，靠的是老股东持续超额追投与清晰的产品—数据闭环叙事。第七条是「清华九〇后＋自动驾驶降维天团」的团队组合：高继扬管战略融资、赵行管技术模型、李天威管硬件本体，分工明确、执行迅猛。总结而言，他的成功既是个人方法论、时点判断与苦行投入的结果，也高度依赖中国完善的供应链与丰富真实场景——可复制的是路线，难完全复制的是时代窗口。

11个人、价值观与生活：清醒的金钱观与低调底色

在金钱与生活上，高继扬显得格外清醒。他放弃Momenta约合一千万美元期权创业，足见其对「值得走的路」的取舍；面对资本市场给出的高估值，他又理性提醒「几乎所有科技行业在早期，资本市场给出的估值都无法简单套用传统产业逻辑」。他主张预留冗余资金以应对研发指数级攀升，把「融资路径」与「支出路径」严格区分。这种克制，与其「相信规模、相信数据」的AI思维一脉相承：不赚快钱，而是把资源压在基础模型这一长期变量上。

他极少曝光私生活，几乎不主动谈家庭与兴趣，把多数精力留给产品、模型与团队。公开场合，他更像一名冷静的算法科学家，而非善于表演的网红；他自陈「我们不是研发制造机器人的企业，我们是人工智能企业」，将自己定位为基础模型预训练的长跑者。有趣的是，他对行业始终保有谦逊与开放：在开发者大会结尾，他向全场发出邀请「Build with Galaxea，让新世界来得更快一些」，强调没有任何一家公司能够独自定义具身智能，唯有全球开发者与产业伙伴携手，才能创造未来。

12国家与时代意义：大模型原生一代的具身智能样本

把高继扬放在更大的坐标系，他代表著中国具身智能「大模型原生」一代创业者的典型样本。不同于从硬件起家的机器人公司，星海图自诞生便以具身基础模型为核心，把自动驾驶时代积累的感知、规控与量产经验「降维」迁移到机器人，提出「一脑多形」与「本能智能—作业智能—进化智能」三重跃迁框架。在高继扬看来，中国拥有全球最丰富的制造业场景、最密集的供应链网络与最便利的数据采集条件，未来两到三年，国内具身基础模型能力有望领跑全球。

在行业格局上，星海图与宇树、智元、银河通用并称国内具身智能头部，却走出了「机器人公司自己做大脑」的独特路径——既造本体也造模型，既是R1、Kengo的硬件供给者，也是G0、Fast-WAM的算法输出者。二〇二五年八月，高继扬入选《财富》中国四十岁以下最具潜力商界精英榜；二〇二六年三月，他登上央视财经《对话》节目，与格力电器董事长董明珠探讨具身智能赋能制造业。他用两年九个月将星海图做成估值二百亿级、累计融资约五十亿元的头部企业，证明当工程能力、真实场景与时代窗口叠加，「清华九〇后」也能为人类延展能力边界做出具体而坚实的贡献。

01家世与早年：清华园里长大的「别人家的孩子」

姜哲源一九九八年出生于北京，籍贯山东龙口。他的父亲姜开利是清华大学物理系教授，曾为长江学者特聘教授，也是第二批「万人计划」领军人才，二〇〇二年读博期间便以第一作者身分在《自然》（Nature）发表论文；母亲则在北京大学任教。用他自己的话说，母亲是北大的、父亲是清华的，「我爸是本科、硕士、博士，还有教职都在清华」。从幼儿园、小学、初中、高中、本科一路读到博士，他几乎没有离开过清华园，在这个家庭里反而是「学历最低的那个人」。

清华园的童年给了他两样东西。一是对「从零定义一件产品」的原始渴望——小学时读到一本《乔布斯的秘密日记》，他第一次觉得把一个想法做成产品、再卖给全世界，「这件事特别有意思」。二是软硬结合的手感：从初中起他就把开源硬件平台 Arduino 玩得很熟，还带著同学放飞近地小火箭气球、拍下近地太空的景象；他后来回忆，那时同龄人都在打游戏。高中阶段他已动过创业的念头，却被父亲按了下来——「至少先读完本科」。二〇一七年高考，他以北京市第二十八名的成绩考入清华大学电子工程系；这个选择并非偶然，因为电子系的培养方案「既要会做算法又要会做硬件」，正好对上他软硬通吃的路子。

二〇二一年九月，姜哲源进入清华大学交叉信息研究院攻读博士，研究深度强化学习在足式机器人运动控制上的应用。这所由图灵奖得主姚期智领导的学院，日后成为中国具身智能创业者最密集的摇篮之一，星动纪元创办人陈建宇正是他读博时的导师，他亦曾参与星动纪元的早期工作。入学不久，实验室开箱了一台宇树机器狗，他第一次见到四条腿往前跑的机器，「确实挺震撼的」——此前他熟悉的只有轮式平台与平衡车。父亲给过他两条忠告：「你要做那种有深度的研究，且只需要发两类论文，第一类是一个领域的第一篇论文，第二类是一个领域的最后一篇论文。」这句话成了他日后判断赛道的尺子：四足已被宇树占住，那就去做当时国内还没有人做的力控人形机器人硬件。

02创业原点：一百万元、六个人与四十三天

在导师支持下，姜哲源读博期间就组队造出了一台人形机器人，并为此申请专利——二〇二二年九月提交、与陈建宇共同署名的「人形机器人的腿部结构和具有其的人形机器人」，是这条线索最早的公开记录。真正让他下决心的是时间感。他后来反复说自己「辍学得晚了」：「我觉得这波机会从二〇二二年就开始了。如果我二二年成立公司的话，我觉得今天的格局会非常不一样。」在他看来，「天时地利人和」之中天时最重要，在一个合适的时间出来，可能比准备好再出来更重要；他打过一个不恰当的比方，这有点像当年买房，很多人觉得把钱攒够了再买，那就已经晚了。

二〇二三年，博士三年级的姜哲源决定退学。父母是反对的，或者说更多是担心——他们请了几位企业家朋友组了一场饭局，名义上是「叔叔阿姨指导指导」，实际上是想让长辈劝他别创业。他把这场劝退局变成了一场路演：讲完要做什么、团队是什么样，第二天对方就打电话说要投。他当时「特别高兴，以为是我策反了我爸的朋友」，直到二〇二五年开车带父母去张家口，才在酒店里听到实情——父母早已备好一笔钱，打算以朋友的名义投给他，怕直接给钱会让他「动作变形」。最后那笔钱没有出成，因为硬件很快造了出来，清华系基金与市场化机构主动上门。二〇二三年九月十五日，松延动力（北京）科技有限公司在北京注册成立，启动资金约一百万元，团队六个人，办公地点是一间租来的民房。

这支「学生军」交出的第一份答卷是速度。成立仅四十三天，第一代人形机器人原型机 N1 就从概念设计推进到加工制造、装配与测试，并完成双足行走稳定性测试，在草地、雪地、柏油马路、斜坡、台阶与杂物堆等多种地形上完成阶段性测试。凭这台机器，公司拿到了七百六十万元种子轮融资；调通能走路的 demo 之后，第二轮投资随之到位，前两轮合计三千多万元涌入这个平均年龄不足三十岁的团队。当时的松延动力更像一个课题组而非企业：老手带新手，算法、结构设计、多模态与人脸设计、电路设计各守一摊；早期成员多半是姜哲源在网上认识的「网友」，用他的话说，是一帮「目标一致的人」。

03最艰难的关：账上只剩几千块与「多器官衰竭」

钱来得比能力快，麻烦也就来得快。二〇二四年年初，松延动力陷入创业以来最危险的一段：团队迅速臃肿，开销失控，却迟迟交不出新的演示原型；更致命的是，原先的技术路径被证明走不通。姜哲源形容当时公司的状态像「多器官衰竭」。他事后把最大的问题归到自己身上——「年轻、没有经验」。他回忆，二〇二三年十月的时候账面上还有约三千万元现金，「我没见过那么多钱，当可以自由支配的钱变多时，人是会疯狂的」，于是他疯狂招人、花钱没有节制，「甚至我们股东都给我发微信说创业要省钱」；另有报导称，二〇二四年春节前公司账上仅剩三十万元，首款原型机也频繁故障。

「最穷的时候，账户上只剩几千块。」这是他日后反复提起的一句。为了把钱找回来，他把自己关在会议室里，连续几个月每天打电话，一遍遍讲同一套故事。用他在央视《面对面》里的比喻：牌桌是圆的，他只有「一个指甲盖抠在桌边上」，稍微来一阵风就能把他吹掉。危局之中他做了两个决定。第一是把技术路线推倒重来，从零重建一支做深度强化学习的算法团队。第二是换一套用人标准：既然招不到自带光环的顶尖选手，那就自己培养高潜力的成长型人才。他亲自出了一道难度极高的笔试题——给一段开源代码，要求候选人把四足行走改成双足站立，涉及改参数、改描述文件、补写算法整套流程。

他的逻辑很直白：愿意花钱买算力、花时间做这道题的人，一定热爱这个行业；能做出来的，悟性和代码能力一定不差。靠这套题，他捞到了后来被称为「小胖子」的算法工程师——以那人的学历背景，在任何大厂都过不了简历关，而如今松延机器人那些高动态的空翻与奔跑动作，基本上都由他训练出来。这道题后来成了松延新员工培训的标准测试。转机的一部分来自产品：二〇二四年三月底，团队的仿生人脸机器人打动了北京市机器人产业发展投资基金，松延动力成为该基金首批投资的重点项目之一，老股东也跟著追投，公司才算缓过气。另一部分来自运气——二〇二四年下半年，一位上门看机器人的客户在办公室里和他聊到半夜，最后领投了那一轮融资，并在之后几年一直是公司最坚定的支持者。

04翻盘的一役：亦庄半马与那条红色发带

翻盘的伏笔埋在一台机器人身上。二〇二五年三月十四日，松延动力发布 N2——身高约一点二米、体重约三十公斤、全身十八个自由度、膝关节最大扭矩一百五十牛·米、实测最高奔跑速度三点五米每秒，能完成连续后空翻、侧手翻、单双脚跳跃与舞蹈，是全球首个实现多场景连续空翻的机器人，空翻成功率超过九成。同年八月，N2 在国家速滑馆「冰丝带」开幕的世界人形机器人运动会上担任护旗手，并拿下自由体操冠军与单机舞蹈亚军；十月，N2 登上《时代周刊》。更引起行业震动的是价格：三点九九万元起，比宇树 G1 基础款九点九万元的售价低了近六成。

二〇二五年四月十九日，全球首个人形机器人半程马拉松在北京亦庄开跑。松延动力派出两台 N2，分别取名「小顽童」与「旋风小子」。当天赛道气温偏高，持续高负荷运转的机器人关节温度可达八十度以上，多支队伍因此触发自动保护而「罢工」，工程师们跟著机器人一路喷冷却剂。「小顽童」最终以三小时三十七分五十秒的总成绩完赛，拿下亚军；「旋风小子」获得第四名——同一款机器人，在一场比赛里占住了两个前排位置。姜哲源在赛前把脚踝电机与连杆的连接处加了三枚定位销，因为第一次测试跑到十五公里时那里断过。在终点区，他头戴红色「必胜」发带，挥著手臂为自家机器人呐喊，还当场带起货来：「五千定金锁单，三点九九万带走 N2。」

这一役改变了公司的座标。赛后一个月，松延动力收到超过两千台意向订单、合同额超过一亿元，团队从六七十人扩到两百八十人。二〇二五年五月十一日，公司召开生态战略启动大会，现场签约五千多万元订单，售出一千多台人形机器人、二十多台仿生机器人，N2 大定突破一千台。资本的反应更直接：公司估值从赛前的五亿元涨到二十亿元左右，投资人纷至沓来。姜哲源对此保持著一种奇怪的清醒，他后来承认「我觉得我们接得不好」——不是名次接得不好，而是那波流量来的时候，公司连产线都还没有，只能接单、无法交付，白白错过了一个倍增的机会。同一时间，朱啸虎的退出被外界反复追问，他的回应是：我从来没见过朱啸虎，那位合伙人是在公司估值最低的时候投进来的，「现在我们的估值是二十亿，朱总卖在了低点」。

05公司发展史（一）：从 N1 到 N2，产品线的从无到有

松延动力的产品编年可以从二〇二三年十月算起。四十三天做出原型机 N1 之后，团队在同年十一月完成 N1 的双足行走与多地形测试，并在年底推出仿生机器人头 Hobbs——这是国内首款高自由度、可沉浸式交互的仿生机器人头，搭载自研多模态大模型，能实现超低延时的人机对话，在标准人头尺寸内塞进了二十九个自由度。二〇二四年是产品线铺开的一年：通用型人形机器人 Dora 问世，实现直腿行走等步态，配备多自由度仿生机械臂；N1 则在九月实现自主导航避障。二〇二四年十二月，利亚德旗下虚拟动点与松延动力成立「具身智能机器人联合实验室」，光学动作捕捉技术被引入仿生机器人的表情与动作训练。

真正的爆点是 N2。二〇二五年三月十四日，松延动力发布双足人形机器人 NOETIX N2，并与江苏常州天宁经开区达成项目合作，推动人形机器人产业化落地汽车零部件产业园，原计划当年六月量产。N2 提供深空灰、皓月白、流光紫三色，发布即开放预售。姜哲源对定价的解释不是「价格战」而是「价格带」：如果别人卖二十万、自己卖十九万九，这叫无意义内卷；别人卖二十万、自己卖三万，就不叫内卷了，其实是找到了一个「蓝海价格带」。他同时透露，N2 售价三点九九万元旨在通过价格维度避开竞争，且尚有盈利，约有百分之十五左右毛利；至于别家为何没有跟进低价，「可能和每家竞争策略有关系」。

另一条腿是 E1。这台身高约一点三六至一点四米、全身自由度二十三至二十九个的家用与通用型平台，被姜哲源称为行业首个「一度电」的人形机器人——电池容量一千瓦时，续航可达三到四小时、约二十公里，在当时的人形机器人里属于最顶尖的一档；N2 的续航则在一小时三四十分钟左右。交付口径上，公司直到二〇二五年七月才迎来第一个像样的量产月：当月交付一百零五台人形机器人，其中 N2 九十二台、E1 十三台，交付总量环比增长百分之一百七十六，创下成立以来的最高纪录。对一家两个月前才刚搬进厂房的公司而言，这既是里程碑，也是它「偏科」的证明——运控算法是明确的长板，生产、交付、销售与公司治理则明显落后。

06公司发展史（二）：万元级「小布米」与价格倒推研发

二〇二五年十月二十二日，松延动力官宣将发布行业首款万元以内的双足人形机器人；十月二十三日晚八点，「小布米」（Bumi）开启预售，定价九千九百九十八元。它身高约九十四厘米、体重约十二公斤、身体自由度不少于二十一个，两条腿各六个、两条胳膊各四个、腰上一个，支援倒地起身、行走、奔跑、跳舞，并可由用户实现图形化编程等二次开发，主打家庭情感陪伴与教育启蒙。预售三小时销量突破两百台，首发一小时订单破一百台，首批五百台在两天内售罄。姜哲源的解释是「我们是拿著价格倒推研发进程的，每个人都领了一部分成本回去」；成本靠的是大量使用复合材料、自研域控制器与核心板、国产芯片，以及电路负责人提前囤积存储芯片规避涨价风险。

低价不是赔本赚吆喝，而是一道算过的帐。他公开过毛利口径：N2 定价三点九九万尚有盈利，约有百分之十五左右毛利，另有报导称毛利率约两成；压低毛利的目的是用一个有话题性的价格打开知名度，最后以价换量「换出了一个亿」——如果卖十万或更高，是换不出这么高的收入规模的。他对市场的判断也与同行不同：多数公司聚焦 B 端进厂，他认为行业真正的核心机遇在 C 端。受模型泛化能力限制，机器人暂时端不了茶、倒不了水，但可以先提供情绪价值，孩子透过编程让它说话、跳舞，同样是刚需。他甚至把学习机拿来类比：一台教数学、语文、英语的学习机可以卖到万元级，那么一台融合陪伴与编程教育的新品类，当然也卖得动。

场景上，松延动力在教育、科研、文旅与商业演出四条线同时铺开。教育端与编程猫签下千台小布米定向订单、共建人形机器人编程教育实验室，并与清华附中、北京一零一中学等学校合作；文旅端与风语筑共建场景方案；政企端与盛视科技、首程控股合作，把机器人放进口岸巡检与首都机场停车楼。渠道端，姜哲源在二〇二五年表示代理商有几十家，集中在江浙沪、大湾区与河南，当年目标是扩到上百家。海外市场则从二〇二六年初的 CES 起步，规划在第二季度完成首批千台规模的海外订单交付，覆盖北美、欧洲、中东、东南亚与日韩。仿生人脸那条线被他定义为「有功能的奇观」——既能做导览、对话、迎宾，本身又是吸引客流的流量入口。

07公司发展史（三）：九轮融资、股改与两条产品线

资本之路比产品之路更曲折。二〇二三年底拿到七百六十万元种子轮之后，松延动力在二〇二四年与二〇二五年间接连完成四轮融资，并成为首家获得北京市机器人产业发展投资基金支持的企业。二〇二五年是融资密度最高的一年：一年内完成五轮，八月完成数亿元 A++ 轮融资，累计融资达六轮；十月完成近三亿元 Pre-B 轮，由方广资本领投；十一月完成近两亿元 Pre-B+ 轮，由中金资本领投——两轮间隔不足一个月。到二〇二五年十月，姜哲源在凤凰网访谈中给出的数字是七轮、大概六到七个亿，股东已达四十六个，距离有限责任公司五十个股东的上限只剩四个席位。他对融资的态度很诚实：融的轮次多并不代表公司发展就好，而是代表公司需要钱。

二〇二六年二月六日，松延动力宣布完成股份制改革，主体由「松延动力（北京）科技有限公司」更名为「北京松延动力科技集团股份有限公司」，为后续资本化铺路。三月二日，公司宣布完成 B 轮融资，规模累计近十亿元人民币，由宁德时代系产业投资平台晨道资本领投，国科投资、京国盛基金、九合创投等跟投。至此，成立仅两年半的松延动力累计完成九轮融资，披露口径约十五亿元，估值约二十亿元（另有一口径作二十至三十五亿元，本文标为估算）。晨道资本的入局被解读为产业逻辑：人形机器人是固态电池最早实现高价值商业化应用的场景之一，电池厂商借资本提前锁定未来的早期用户。

公司对这笔钱的说法是：集结产业资本、市场化资金与国有资本，深耕家庭消费场景，加速技术产业化落地，并称这标志著人形机器人行业正式从技术验证阶段迈入消费端商业化闭环。治理层面，松延动力的管理团队与技术团队以九十五后为主，姜哲源为法定代表人与实际控制人；工商口径显示，公司注册资本约四百五十九点六万元、实缴约三百二十四点六万元，二〇二五年度参保人数约二百零一人，预计二〇二六年超过四百人。截至二〇二六年三月，公司尚未正式启动上市辅导，也未披露明确的 IPO 时间表，但股改这一步被普遍视为资本化的前置动作。财务上，公司二〇二五年的口径是营收破亿、仍处亏损，计划二〇二六年第四季度实现正向现金流。

08公司发展史（四）二〇二六：今天的版图

二〇二六年二月十六日晚，中央广播电视总台春节联欢晚会上，蔡明、王天放与数台机器人共同出演小品《奶奶的最爱》。松延动力的 N2、E1、小布米与一台定制仿生人形机器人全部登台，这是春晚历史上人形机器人第一次走进语言类节目，也是「蔡明推出了蔡明」——那台一比一复刻蔡明面容的仿生机器人头部有四十个自由度，脸部植入三十二个驱动电机、仅嘴部就有十二个，靠自研 D2P 技术把虚拟世界里数字人的口型映射到真实机器人的电机转角上。姜哲源在央视揭秘节目中向总台记者解释：「我们在仿生机器人里面运用了最新研发的 D2P 技术，能够将虚拟世界中数字人映射到真实机器人的电机转角上，模拟人的任意口型，实现语音和口型的一比一对应同步。」

这场亮相的代价不小。姜哲源把它比作「空军轰炸」：先用国民级曝光做品牌覆盖，产品、产能、销售这些「地面部队」才好推进，因此「春晚不能简单计算 ROI」。为此公司投入超过四十人，对一家两百多人的公司而言，意味著一部分研发进度被迫放缓；团队在一个月内为小布米完成二十一次舞蹈动作训练，准备了超三百个算法策略、二十一版舞蹈，并把春晚道具买回公司、一比一复刻舞台排练。回报同样直接：开播两小时内，京东平台机器人搜索量环比增长超百分之三百、订单量增长百分之一百五十；九千九百九十八元的小布米首发一小时订单破一百台、首批五百台两天售罄，春晚后累计订单达数千台，其中约九成五来自个人消费者，县域市场订单占比一度达到三成。

二〇二六年四月十九日，第二届人形机器人半程马拉松在北京亦庄开跑，超过一百支队伍、三百余台机器人同场竞技。松延动力这一次没有再派小个子上场，而是拿出了一台全尺寸机器人；N2「小顽童」则以全自主导航模式参赛。姜哲源的反应很平静：大家都以为松延动力只能做小机器人，这次拿出了一台性能非常强的全尺寸机器人；他也不执著名次，「我们心态很好，我并不追求有多少名次。我觉得今年马拉松更多是一个我们向自己证明自己的秀场」。同年八月，公司在世界机器人大会上以人形加仿生双产品线全矩阵参展，发布四款全新妆造的仿生机器人与升级后的小布米 OTA；京东「六一八」期间，小布米拿下人形机器人品类多项第一。全年目标被定为「万台交付」，海外市场则计划完成首批千台订单交付。

09领导风格与性格：游击队、「斜率比截距」与那块白板

松延动力办公室一进门的墙上贴著五条价值观，是姜哲源自己写的：客户比老板重要、结果比过程重要、集体比个体重要、执行比想法重要、斜率比截距重要。他说自己最看重最后一条，「其实就是成长，成长的速度比我当下有多好更重要」。与此配套的是一套极简的管理形态：他的办公室里始终放著一块白板，项目推进中遇到任何问题，工程师可以随时推门进来讨论；偏技术与研发的核心岗位他会亲自面试一次；公司搬到昌平之后，他一天要去厂房两三次，亲自查看组装与交付进度。这种贴身管理的另一面，是他把公司形容成一支三百多人的「游击队」——几个人坐在一起，事情定了就干，决策链路短到极致，并认为这正是大厂短期内无法企及的地方。

用人上他不看学历看热爱。「我们只支付能力溢价，不支付学历溢价。」这句话在清华圈子里引起过不小的震动。他解释过自己的偏好：见过一些履历极其光鲜的创业者，「他们眼光太高了，很难贴地干活」；松延各部门负责人几乎没有空降案例，基本都是一线干出来的工程师。「我们找的不是站在上面去坐镇指挥的人，我们找的是能贴地干活的人。」他也不介意公司被当跳板：「松延有点像阳澄湖，来我们这『过水』的员工出去工资都翻了好几倍。」在他的人才评判体系里，热爱排第一位，其次是个人的商业化能力——资源用完就没了，能持续变现的能力才是「鱼」与「渔」的差别。

对外他是一个没有「CEO 形象包袱」的人：在马拉松终点戴著红色发带大喊口号，在直播镜头前当场带货，在春晚后给公司定下成为消费级机器人市场第一的年度目标。对内则是另一副面孔。估值从五亿涨到二十亿时，他提醒团队要警惕在热度之下，公司是否具备撑起高估值的技术实力；谈到成绩，他说「我们跟成功其实差太远了，才两三年……创业绝对是一场马拉松，我觉得谈成功太早了」。他也会直白地承认自己的脆弱：二〇二四年最难的日子里，他每天上班就把自己关进会议室打电话，持续了好几个月，「那会儿真的是超级焦虑」。这种对外张扬、对内清醒的反差，是他在同代创业者中最鲜明的辨识度。

10成功秘诀：可复制的与不可复制的

覆盘松延动力三年走过的路，可以归纳出几条有证据支撑的关键动作。其一，选对一个没人做的窄门：读博时看到四足已被宇树占住、国内还没有人做力控人形机器人硬件，他就把「四足加强化学习」的逻辑搬到人形上，并在读博期间先造出一台机器人、申请了腿部结构专利。其二，把定价当产品策略而非销售策略：三点九九万的 N2 是为了「让我们的机器人成为小圈子里的社交话题」，小布米九千九百九十八元则是从设计之初就奔著万元以内去、拿著价格倒推研发进程。其三，用赛事与舞台换品牌：亦庄半马与央视春晚两场大考，让一家没有市场团队的公司完成了国民级曝光。其四，组织年轻化：核心团队平均年龄约二十五岁，靠一道笔试题筛出真正能用的人。

其五，资本节奏感。从清华系基金的天使轮，到北京市机器人产业发展投资基金，再到 A++、Pre-B、Pre-B+ 与宁德时代系晨道资本领投的 B 轮，他在关键节点总能拿到「对的钱」；朱啸虎退出时他没有纠缠，只说「朱总卖在了低点」。其六，对失败的容忍。「Celebrate failure（庆祝失败）」是他挂在墙上的企业文化，他的理由很简单：任何一家科技企业都应该贯彻这种文化，包容失败的本质就是在鼓励创新。这六条里，路线判断、价格策略与资本节奏有一定可复制性；但从幼儿园到博士都在清华园、父亲是清华物理系教授、导师是星动纪元创办人陈建宇的起点，以及二〇二三年 ChatGPT 点燃具身智能风口的时间窗，则是时代与运气的馈赠。他自己也承认，高考那次应该是他人生中考得最好的一次，「主要是命好」。

更值得记录的是他对「成功」二字的抗拒。在央视《面对面》里，他把全球具身智能产业比作一场刚跑了十米的马拉松；在界面新闻的访谈里，他把团队称为「游击队」，认为大厂短期内无法企及的不是资本而是速度。这种自我定位决定了他对复制的看法：方法论可以被学走，四十三天做出原型机的速度也可以被追赶，但一九九八年出生、二〇二三年辍学、二〇二五年撞上一场半马与一台春晚的组合，很难再出现第二次。他给自己提的两个要求也说明了他的时间刻度：十年之后做成一家像苹果、Google 那样的公司，短期内先让松延动力成为一家商业上健康的公司，快速实现现金流转正、实现自我造血。

11个人、价值观与生活：五条价值观、一次没回家的春节

姜哲源对钱的态度，一半来自教训，一半来自家庭。教训是二〇二四年那次失控的扩张——二十五岁手上突然握著约三千万元现金，「我没见过那么多钱……在创业之前，我手头最多的钱就是每个月两千元的生活费」，于是他疯狂招人、花钱没有节制，直到股东发微信提醒他创业要省钱。他后来定下节俭作风，据二〇二六年二月的报导，公司连五百元以上的报销都要经他审批。家庭那一半则带著温度：父母两次想投他都被他拒绝，一次是创业初期，母亲后来念叨「当时卖房都能投你，当时要投我也是千万富翁了」；一次是二〇二四年融资困难，他怕亏了父母的钱。直到今天，他创业这件事，父母一分钱没挣著，还倒亏进去不少。他也坦言，父母其实是担心，但如果他真的做了决定，他们也支持。

生活层面的公开信息不多，但几个细节足够勾勒轮廓。他小时候最喜欢的其实是汽车，读博才转向机器人；他把 Arduino 从初中玩到大学，习惯把代码部署到机器上、用遥控器直接操控，「跟正常玩机器人是一样的」。他自认不是极客，更愿意把自己定义为「懂技术的产品经理」——为了补上产品这一课，二〇二四年底专门去听了泡泡玛特创办人王宁的一堂分享课，也把段永平「敢为天下后」的说法记在心里。二〇二六年春节，因为筹备春晚与公司事务太忙，他没有回家过年。在公开场合，他反复强调的一句话是「成长的速度比我当下有多好更重要」；而在非公开的那一面，他承认创业是一场要忘掉自己所有光环、把自己低到尘埃里、再重新站起来的过程。

他对家乡的态度也很明确。籍贯山东龙口的他多次表示，山东既有沿海优势、也有人才密度优势，作为山东人希望未来能回馈家乡，比如建立研发中心、做生产与数据采集。这并非空话：松延动力已与山东大学建立实质性产学研合作，双方联合研发的越障算法在二〇二五年世界人形机器人运动会一百米障碍赛中成功应用，让山东大学成为该赛事唯一完成全部赛程的高校队伍。在公益与科普一侧，公司与清华附中合作，让机器人在校园里担任领跑员、领操员；二〇二五年九月开学季，松延动力的机器人走进包括清华附中在内的八所中小学，展示人形机器人在 K12 领域应用的可能性。

12国家与时代意义：把机器人拉下神坛

姜哲源与松延动力的意义，首先要放在中国人形机器人产业的座标里看。在他创业的二〇二三年，人形机器人还是实验室里的昂贵玩具；到他登上春晚的二〇二六年，这个行业已经有了上市辅导、百亿估值与万台交付的口号。松延动力选择的位置很特别：不是技术最炫的全尺寸旗舰，也不是利润最厚的工业场景，而是便宜、量产、能卖的消费级与教育市场。姜哲源说过一句很直白的话：不管从哪一个方向进入，最后一定会在某个地方相遇——做本体的公司会去做大脑，做本体的公司最终都会变成具身智能公司；而在那一天到来之前，谁能把规模与数据先跑出来，谁就有资格留在牌桌上。

这条路线的底色是国产供应链。松延动力的核心零部件国产化率超过八成，主控芯片用的是国产瑞芯微系列，供应商从结构件、标准件到电路板、关节几乎全在国内；公司自己不做任何加工，全部靠外协。这套体系让一台双足人形机器人的价格从数十万元级被打到万元以内，也让「人形机器人论斤卖」从一句玩笑变成可以被推算的工程命题——姜哲源直接引用马斯克的「傻瓜指数（Idiot Index）」来解释这套逻辑：把铝、铁、铜、芯片、磁钢按毛重和期货价格算一遍，高出这条线的部分，就是设计、工艺与规模还有优化空间的部分。在他看来，人形机器人不该贵，贵的部分恰恰是工程师还没做好的部分。

更有时代意味的是团队的年龄结构。松延动力的管理与技术团队以九十五后为主，平均年龄不足三十岁，姜哲源本人二十七岁时就带著两百多人打了一场春晚的硬仗。在他看来，中国在人形机器人领域的专利申请量已连续多年居世界首位，运动控制层面与国外没有太大差异，真正的差距在具身大模型，而最终拉开距离的变量是数据——「数据是需要生产的，生产这件事全世界没有人比中国人更懂」。从清华园到亦庄赛道，再到春晚舞台，这个出生于一九九八年的年轻人用不到三年时间证明了一件事：把技术从神坛上拉下来，让它便宜到普通人买得起，本身就是一种极难的技术能力。

01家世与早年：乐山少年，从物理竞赛到清华精仪

陈建宇一九九二年四月出生于四川乐山，家世没有什么戏剧性。他自述生在一个普通中产家庭，生活不算富裕，但也没有经济压力，从小没被娇惯。父母以鼓励式教育为主，很少批评他；他上学成绩一直不错，不断收获正向反馈，慢慢养成一种不需要别人督促的自驱力。他母亲在大学工作，常带著年幼的他到物理实验室里走动，那些零星的记忆碎片，加上《钢铁侠》《三体》一类科幻作品，让「做一个很高端、很智能的机器人」成了他少年时代隐约的方向感。他后来回忆，自己显然不是偏爱文艺的人，看的电影与书基本都偏向科幻与科技，算是天生就喜欢这些。

中学阶段，他从初中开始就主动钻研学科竞赛，走的是一条典型的「好学生」路径：考第一、在竞赛里拿好成绩，会让他觉得比较牛，也总想守住这份优势。他坦承那时候更多是竞争心与好胜心在驱动，但也由此得出一条对他往后很有效的经验——很多人会区分热爱和擅长，其实二者很难划清界限；当你把一件事做好、不断得到认可，慢慢就会真正喜欢上它。他当时最感兴趣的是物理，一路参加物理竞赛，但他真正想做的不是纯物理理论，而是依托物理原理打造出厉害的设备和产品，这与机器人方向其实高度契合。当地几乎没有科技类课外活动，物理竞赛就是他当时能接触到的、离机器人最近的选择。

二〇一一年，他靠学科竞赛保送清华大学精密仪器系。当时计算机虽然热门，但最吃香的是建筑与金融；他中学一直学物理，又偏爱看得见、摸得著的实物，希望方向带硬件属性却不只是纯机械制造，还想结合智能科技。清华精密仪器与机械学系规模很大，涵盖传感器、航天设备、机械与机器人，校内不少机器人团队、机器人足球队与双足机器人核心实验室都设在这里，于是他选了这里。二〇一五年本科毕业，毕业设计做的就是双足机器人步态规划，并拿到北京市优秀毕业生等荣誉。他曾在清华精密仪器系付成龙老师课题组做本科毕设——付成龙治学严谨，善于从生活现象出发做科研，研究机器人行走时会去看自己刚出生的孩子怎么走路。清华精仪系是国内最早从事双足人形机器人研究的单位之一，这段经历「隐隐地为我现在做双足人形机器人埋下了伏笔」。

02创业原点：柏克莱的六年，与一盘被阿尔法狗改写的棋

本科毕业后，陈建宇直博加州大学柏克莱分校，师从美国国家工程院院士、机电控制学科先驱 Masayoshi Tomizuka（富冢诚义）教授。Tomizuka 是模型预测控制（MPC）算法理论的奠基人之一，陈建宇后来常说，可以认为现在的机器人系统就是机电控制系统的延伸。读博初期，他用的还不是人工智能技术，而是计算建模与数值优化，处在人工设定规则的阶段：给机器人建立精准模型，再手写代码一步步求解控制量，全程没有用到神经网络。他提出的一套「非线性系统、非凸约束条件下的实时轨迹优化算法」成功应用在无人车实车上。那种坐在自己算法驱动的车里、车一边乱晃自己一边调试找原因的经历，他形容为「非常刺激」。

二〇一六年阿尔法狗问世是一个转折点。它背后的深度强化学习能解决高维度的复杂决策问题，而机器人恰恰需要实时处理大量高维复杂指令、完成动态决策，这套技术很快被引入机器人领域。柏克莱当时有不少学者察觉到这个趋势，陈建宇正在此处求学，可以说是最早接触这类技术的一批人之一。研发范式由此从人工规则转为数据驱动——通过训练神经网络来解决机器人的各类问题。读博期间，他还到自动驾驶公司 Waymo 与 Nutonomy 实习过，研究横跨机器人控制、强化学习与无人车，二〇二〇年取得博士学位。

毕业时，谷歌无人车等单位向他抛出优厚邀约，但他选择回国，关键人物是图灵奖得主姚期智——姚期智亲自出面沟通，把他引进清华大学交叉信息研究院任教。那一年他二十八岁，成为交叉信息研究院助理教授、博士生导师，是当时清华最年轻的博导之一，并组建智能系统与机器人实验室、出任主任；二〇二一年七月起兼任上海期智研究院 PI，同年入选福布斯中国三十位三十岁以下精英（科学榜）。他后来回望这段时间，认为自己「两波浪潮都赶上了」：第一波是读博时深度强化学习进入机器人，第二波是 ChatGPT 之后大模型带来的通用具身模型。

创业的念头来自两重挤压。一是现实条件的限制：高校难以支撑重投入的研发，他希望机器人能真正落地、创造实际价值。二是同行的刺激：二〇二二年他看到特斯拉推出机器人产品，产生了强烈的紧迫感。早在那一年的春天，机器人「小星」就已在他的实验室里开始研究。二〇二二年下半年，他下定决心创业；二〇二三年八月四日，北京星动纪元科技有限公司正式注册成立，由清华大学交叉信息研究院与上海期智研究院孵化。他在访谈中把时间线说得很清楚：「正式成立是二〇二三年八月，但实际上二〇二二年我们就开始做了。」

03最艰难的关：从雪地到仓库，一家被当成「做灵巧手」的公司

星动纪元的技术起点并不平坦。二〇二三年六月，团队推出具备行走能力的第二代人形机器人本体，「机器人硬件刚装出来，我们调了一天就能走起来了」。二〇二三年底，第四代人形机器人「小星」在全球范围内首次实现人形机器人端到端强化学习的野外雪地行走，包括雪地上下坡与上下楼梯；整个过程不依赖预先编程的行走模式，而是完全由 AI 自主学习，使机器人能够自主适应不同地面条件。相关论文获得机器人领域顶会 RSS 2024 最佳论文提名（Outstanding Paper Award Finalists），全球仅三篇入选，也是 RSS 历史上第一次有中国团队拿到这个奖项。

但技术上的领先，并没有立刻换来资本上的从容。他事后回忆，早期融资要难得多：「在前两三轮融资的时候，融到的资金不多，融资节奏也很慢，那段时间压力确实挺大的。」那时他还要不停向投资人讲解行业理念，很多人对这个领域了解不深、顾虑也多，做决定总是犹豫不决。二〇二三年十月，种子轮只拿到世纪金源与图灵创投的数千万元；三个月后的天使轮，联想创投领投逾一亿元，才算站稳第一步。二〇二三年公司也曾与红杉接触，但那时候太早了，对方内部也还没想清楚该怎么布局这条赛道，最后不了了之。

另一重难关来自「被误读」。灵巧手是团队最早推向市场、真正实现商业化的产品，虽然公司没怎么大力宣传，但市场反馈很好、销量也不错；于是「很长一段时间，外界认为我们是做灵巧手的公司」，二〇二四年上半年不少投资人甚至按灵巧手公司的逻辑给他们估值。可在他看来，灵巧手只是业务的一部分，机器人本体与智能大脑才是更核心的技术，等到整套机器人系统形成完整闭环，这些核心优势才慢慢被外界知道。供应链也是空白：人形机器人缺乏为其设计的标准核心零部件，产业链极不成熟，他们只能从关节模组、电机、减速器、控制器一路自研。这家把最难的部分放在最前面的公司，必须先熬过一段没有掌声、也被看轻的时期。

04翻盘的一役：ERA-42 与物流仓库里的「真干活」

真正的转折发生在二〇二四年十二月二十三日。星动纪元发布国内首个具备五指灵巧手的端到端原生机器人大模型 ERA-42（「纪元原生机器人大模型」），它与自研五指灵巧手星动 XHAND1 结合后，学会了使用不同工具完成一百多种复杂灵巧的操作任务——拿起桌上随机摆放的螺钉钻并钻紧螺钉、用锤子敲打钉子、把倒放的水杯扶正再往杯中倒水。这些操作不需要任何预编程技能，完全依靠模型的泛化与自适应力，能在不到两小时内通过收集少量数据学会执行新任务，并且持续在同一个模型下学习新技能。这是业界首次仅以同一个具身大模型，就让五指灵巧手像人手一样使用形态各异的工具完成上百种任务，也是世界范围内首个真正的五指灵巧手具身大模型。

ERA-42 的关键设计，是不去模仿视频里的人怎么做，而是学习行动之后会产生什么结果。这种策略让学习效果不受数据质量限制，大幅降低了数据收集成本，解决了行业里数据消耗量大、对高质量数据依赖高的难题。团队还把世界模型融入模型之中，使它不仅能行动，也能理解物理世界、预测未来轨迹，并在受到外部干扰时迅速回应、在执行过程中持续自适应优化行为。研究结果还初步显示出「Scaling 效应」：随模型规模扩大，任务成功率明显提升，呈现出与大语言模型训练类似的正相关。

技术之外，翻盘真正落地在仓库里。公司把主要资源投向物流场景，与顺丰集团、中国邮政等深度合作，机器人批量进驻华北、华东、华南十多个物流中心；二〇二六年五月，央视镜头记录下星动 M7 在中国邮政广州邮区中心上岗：自主识别包裹位置、精准抓取、平稳翻转包裹确保面单朝上，每小时最高供件量达一千两百件，作业效率达人工的百分之八十五以上，内部极限测试可达每小时两千件。部分高温、潮湿等恶劣环境下，机器人性能已接近人类水平，并能二十四小时稳定运行。他对这个拐点的判断很直白：「很多时候，不是我们在推销机器人，而是客户在催著我们交付。」

05公司发展史（一）：二〇二三–二〇二四，六代本体与第一笔钱

把镜头拉成编年。二〇二二年春，「小星」在清华实验室里开始孕育；二〇二三年八月四日，北京星动纪元科技有限公司注册成立，由清华大学交叉信息研究院与上海期智研究院孵化。公司成立初期，基于交叉信息研究院的科研成果推出了首款人形机器人小星（XBot-S）：身高一点二米、体重二十八公斤、全身三十四个自由度，可完成室内外跑跳与搬运，上肢负载十公斤、全身负载一百公斤。硬件迭代是这家公司的第一批作品：二〇二三年六月第二代具备行走能力，同年年底第四代「小星」在野外雪地完成端到端强化学习行走，不需要任何提前建模或编程。

资本的第一笔钱来得比公司还早。学校友、联合创始人席悦回忆：「公司都还没有的时候，投资人就抢著投。」二〇二三年十月，种子轮由世纪金源与图灵创投投入数千万元；二〇二四年一月，天使轮由联想创投领投，金额超过一亿元。二〇二四年是产品密集落地的一年：五月，全尺寸的小星 XBot-L 成为全球首个登上长城的人形机器人，身高一点六五米、体重五十七公斤，搭载灵巧手，能在复杂地形稳定行走、上下楼梯、举重跳跃，并采用感知强化学习算法实现非预编程的自主移动；六月，公司开源人形机器人强化学习训练框架 Humanoid-Gym，结合 NVIDIA Isaac Gym 优化仿真到真实环境的迁移效率。

二〇二四年八月十九日，公司发布首款产品级人形机器人——第六代星动 STAR1。它的自由度提升到五十五个（双腿十二、双臂十四、腰部三、颈部二，另加单手十二个主动自由度的全驱灵巧手），关节扭矩达四百牛顿米、转速二十五弧度每秒，最大奔跑速度高于六米每秒、室外真实场景达三点六米每秒，最大负载一百六十公斤，身高一百七十一厘米、体重六十五公斤。十月，STAR1 脚穿运动鞋在河西走廊丹霞地貌参加了一场跑步比赛，成为人形机器人首次参与户外奔跑运动。十二月，公司发布全直驱五指灵巧手 XHAND1，十二个主动自由度，单手最大握力八十牛顿、负载可达二十五公斤，指尖触觉传感器精度达零点一牛顿。

06公司发展史（二）：二〇二四–二〇二五，阿里入局与 A 轮的钱

二〇二四年十月，公司完成近三亿元人民币 Pre-A 轮融资，由清流资本、元璟资本与阿里巴巴联合领投，策源资本跟投，老股东联想创投、世纪金源、金鼎资本、泽羽资本、清控天诚持续追投——这是星动纪元成立以来的第三轮融资，也是阿里巴巴第一次进入这家清华系机器人公司的股东名册。二〇二五年一月，公司完成新一轮增资，新股东包括阿里巴巴等，注册资本由约八百七十四点八万元增至一千零九十五点九万元。工商变更之后，清华方面的持股被稀释，但仍保持重要股东地位。

二〇二五年继续加速。六月，公司推出轮式服务机器人星动 Q5，把「通用大脑加不同构型」的平台思路延展到商业服务场景；同月，华映资本参与投资星动纪元 A 轮融资，其创始管理合伙人季薇的评价是，星动纪元是世界范围内非常稀缺的「既有大脑算法架构级创新能力，又有硬件底层研发实力」的团队。七月，公司宣布完成近五亿元人民币 A 轮融资，由鼎晖 VGC 与海尔资本联合领投，厚雪资本、华映资本、襄禾资本、丰利智能等跟投，老股东清流资本、清控基金继续追加投资。七月二十二日，全尺寸双足人形机器人星动 L7 发布，搭载 ERA-42 与 XHAND1，成为公司面向工业与物流的主力机型。

这一年，星动纪元在行业里的辨识度迅速提高。二〇二五年一月，英伟达创始人黄仁勋把星动纪元评为「全球机器人十四强」之一；同年八月，星动 L7 在世界人形机器人运动会田径赛原地跳高项目中以九十五点六四一厘米刷新世界纪录；十一月，公司获认定为全球首个端到端 VLA 仓储物流解决方案提供商。技术上，公司也把「世界模型」这条线走成了自己的招牌：二〇二四年十一月发布 PAD，十二月推出全球首个具身领域世界模型 VPP，二〇二五年一月推出 UP-VLA，把语言推理与视觉预测同时纳入决策。

07公司发展史（三）：二〇二五–二〇二六，产业资本与国资接力

二〇二五年十一月二十日，星动纪元宣布完成近十亿元人民币 A+ 轮融资，由李书福旗下的吉利资本领投，北汽产投战略投资，北京市人工智能产业投资基金与首程控股旗下北京机器人产业发展投资基金联合注资，另有多家国际产业巨头加持。这笔融资创下汽车产业资本对具身智能企业单笔最大投资的纪录；在星动纪元之前，吉利只投过宇树科技一家机器人公司。截至二〇二五年，公司累计订单总额已突破五亿元，其中物流行业最大单笔订单近五千万元，海外业务占比约五成。

二〇二六年是融资节奏最密的一年。三月五日，公司完成十亿元战略轮融资，估值突破一百亿元人民币：由三星、高成投资、新加坡电信等新机构联合投资，鼎晖 VGC、清控天诚等老股东超额追加；至此累计吸引十六家国内外产业投资方，涵盖科技、汽车、物流、3C、半导体、新能源、新材料、电信等行业。四月二十七日，公司再完成超两亿美元（约十四亿元人民币）融资，由顺丰集团领投，红杉中国、IDG 资本、中金资本、京铭资本、朝希资本、鲁信创投等联合注资，科捷智能、东风产投、工银资本、联通旗下基金等产业方共同参与，老股东清控天诚、鸿瑞达持续加码，市场投资意向远超原定募资目标。

七月六日，公司宣布完成新一轮十亿元融资，由国务院国资委旗下国有资本运营公司诚通基金领投，江西国控、国元股权、渝富中新基金、杭州资本等多家大型国资共同参与，中金雷诺、九坤创投、弘毅投资等财务机构跟投，老股东厚雪资本、清控天诚、千山资本追加。至此，公司在两个月内累计完成近二十五亿元融资，建立起「国家级资本引领、顶级财务赋能、产业生态协同」的三重资本矩阵。对这套节奏，陈建宇的解释是：「融资融的不只是钱，也是融资源。很好的战略合作伙伴，可以通过融资绑定到一个阵营里，未来我们竞争会拥有更好的生态位。」

08公司发展史（四）二〇二六：今天的版图

到二〇二六年，星动纪元的产品矩阵已经清晰：全尺寸双足人形机器人星动 L7、轮式服务机器人星动 Q5、新生代全尺寸半身人形机器人星动 M7，以及星动 XHAND 1／1 Lite／1 PRO 全直驱五指灵巧手系列。硬件自研比例超过百分之九十五，覆盖关节模组、电机、减速器、控制器与整机；公司称已具备大脑、运控、本体、关节模组、灵巧手全栈自研能力。灵巧手被认为是决定操作上限的部件，XHAND 系列已被史丹福、卡内基梅隆、哥伦比亚等顶尖学府与 Skild AI、Rainbow Robotics 等厂商选作研究设备。

模型是这家公司最想被看见的部分。二〇二六年一月，公司与史丹福大学 Chelsea Finn 团队推出 VLAW，让世界模型不仅看起来对，也能做到物理上对；此前二〇二五年十月已与该团队合作推出把世界模型当作数据仿真器的 Ctrl-World。二月，在世界模型权威测评榜 WorldArena 上，星动纪元拿下具身任务全球第一、世界模型综合第二；四月，在真机赛事 Benjie's Olympics 中包揽剥橘子、开锁、翻袜子三项全球第一，刷新 Physical Intelligence 保持的世界纪录，是唯一上榜的中国具身企业。八月二十日，他在世界机器人大会上以《大脑、本体与场景的共生进化》为题演讲，提出世界动作模型（WAM）可能不只是 VLA 的增强模块，而可能成为下一代具身智能的核心范式。

商业化与资本的数字也同步抬升。二〇二六年第二季度，公司开启千台级机器人批量交付，增速达百分之三百；与中国邮政、顺丰集团等合作，批量进驻十多个物流中心，部分物流中心机器人效率已超过人类水平的百分之八十五，且能二十四小时稳定运行；全球市值排名前十的科技公司中，有九家是其客户。三月估值突破一百亿元人民币，胡润研究院六月发布的《二〇二六全球独角兽榜》以一百亿元估值将其列于第八百七十五名。八月十七日，彭博社援引知情人士称公司正筹划赴港 IPO，拟募资八亿至十亿美元；公司相关人士对媒体口头回复「消息不实」，其后未再就此公开置评。

09领导风格与性格：务实、凌晨四点的代码与一辆电动车

与他接触过的投资人，用得最多的一个词是务实，甚至有人说他有些过于务实，不像一个善于演说、善于运作自己的 CEO。和他交流的感受是：没有戏剧性的内容，没有太多情绪流露，讲话的频率稳定到近乎单调。他自己把这归结为出身：「务实本来就是清华人的底色。我本科在清华就读，现在也还在那里任教，长期处在这样的环境里，这种做事风格也被不断强化。」但他同时强调，务实不代表不做营销：「在我看来，营销不是夸大吹嘘、制造噱头，核心是把产品真正的价值传递出去。」

对钱的态度，最能说明这种性格。二〇二五年七月，他给团队找新办公室，挑中的是一家在线教育公司腾退的场地，理由是「装修看起来还不错，办公桌椅能继续用，能省下一笔费用」。他每天骑电动车上班，住的房子也不够人形机器人施展。这种节省与他在技术上敢下重注形成强烈反差：公司同时推进 VLA 与世界模型的多条研究分支，投入双足、灵巧手、核心零部件的全栈自研。他的解释是，这才是最大的务实——「先把最难、适配范围最广的部分做了，商业化的可能性就多了」。

在学生眼中，他是另一副样子：「儒雅、和蔼，总是鼓励为主」，是一位「会在凌晨四点给学生改代码」的老师。他组建智能系统与机器人实验室并任主任，带团队在国际顶会与期刊累计发表七十多篇论文，多次入围 RSS、L4DC、IEEE IV、IFAC MECC 等会议的优秀论文奖。他自评优点是做事稳重、理性，看问题会想得更深，习惯用系统化思维分析，也不容易被情绪影响；缺点则是优点的反面——有时候会想得太多，做事不够干脆。创业之后，繁杂事务与明确的时间要求逼著他变得果断，这种在不确定下敢于押注的能力，是他认为创业带给自己最大的改变。

10成功秘诀：六条可辨识的法则，与一个不可复制的窗口

第一条是第一天就定下的全栈自研。星动纪元从创业起坚持具身大脑与人形本体软硬一体、AI Native，硬件自研比例超过百分之九十五，从零件（核心电机、驱动器、减速器）到部件、整机全部自己来。他的判断很直接：机器人没有大脑就是一堆废铁，而没有身体的大脑也称不上机器人，「聪明的大脑、好的本体、灵巧的手，缺一不可」。第二条是技术路线上的第一性原理选择——从传统的模块化控制，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机器人的世界模型，每一步都比同行早半步。

第三条是原创成果与公开榜单的相互印证。从二〇二四年十一月的 PAD、十二月的 VPP（全球首个具身领域世界模型），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，公司持续把世界模型写成论文、发布成果，再拿上 WorldArena 与 Benjie's Olympics 这类公开榜单检验。第四条是「沿途下蛋」：把每一个可用的部件做成独立产品先卖出去——灵巧手、轮式底盘、关节模组——既能回收成本、缓解资金压力，又能在真实场景中收集数据回馈研究。灵巧手正是这样成了公司最早的商业化产品，也一度让外界误以为他们只是一家做手的公司。

第五条是把产业资本变成场景与订单。顺丰、阿里巴巴、吉利、北汽、东风、三星、联想、海尔、世纪金源、新加坡电信、韩国友利金融、中国联通旗下基金等产业方，不只是财务投资人，各自都带著真实场景与采购需求，让公司能在物流、汽车制造、3C 电子等场景快速验证并复制。第六条是清华的孵化与背书：公司由清华大学交叉信息研究院与上海期智研究院孵化，是清华大学唯一直接持股的具身智能企业（透过华控技术转移有限公司持股，比例各时点不同），这重身份在人才、信任与政企资源上都是稀缺的。

这些方法有多少可复制？路线判断、全栈自研、沿途下蛋与产业资本绑定，都是可以学的。但另一半难以复制：他恰好赶上两波浪潮——读博时赶上深度强化学习进入机器人，创业后赶上大模型带来通用具身模型的可能；他本人又恰好是既做过硬件、又做过人工智能的稀缺复合背景；再加上北京市对机器人产业的政策扶持、中国制造业供应链的密度，以及具身智能在二〇二五至二〇二六年突然成为一级市场最热赛道的资本窗口。他对自己的位置倒是清醒：「不是说你在哪一块技术做到了最前，你就会获得最多的关注度、更高的估值。」

11个人、价值观与生活：中产家庭、鼓励式教育与「成为自己」

陈建宇的家庭与成长，几乎没有可供渲染的素材。他生在一个普通中产家庭，生活不算富裕，也没有经济压力，从小没被娇惯；父母以鼓励式教育为主，很少批评他。这种教育方式的结果，是一个自驱力极强、对正向反馈敏感的「好学生」：上学成绩一直不错，学习从不用别人督促，初中起主动钻研竞赛。他并不讳言其中含有竞争心与好胜心，但也由此得出一条对自己有效的经验——擅长与热爱往往互相塑造，「当你把一件事做好，不断得到认可，慢慢就会真正喜欢上它」。

生活上，他呈现的是一个不太像创始人的创始人：每天骑电动车上班，挑别人腾退的办公室以省钱，讲话频率稳定到单调，衣著偏爱沉稳内敛的深色系。他的兴趣也相当集中——科幻与科技。《钢铁侠》这类作品是他少年时代的养分，看的电影、书籍基本偏向科幻和科技，这一点他自认「天生就喜欢」。至于为什么读计算机没有成为他的选择，他的解释很具体：那时计算机基本纯做软件，与硬件结合得很少，而他更偏爱带硬件属性、又不只是纯机械制造的方向。

价值观里最清楚的一条，是「成为自己」。他在访谈中说过：「我觉得每个人最重要的是成为自己，把自己的底色发挥到最好。没有什么是更好的底色，没有什么是更差的底色，重要的是把自己最容易发挥的优势给发挥出来，构建更适合自己的一套行为方式或者系统，实现自己想要达到的目标。」另一条是对开放的信念：公司开源了人形机器人强化学习框架 Humanoid-Gym 与生成式模型 VPP，他认为「AI 领域的高速发展离不开开源……别人改进我们的工作并再次开源，最终我们也会受益」。二〇二五年，当被问到四年前立志「做出世界级成果」是否已经实现，他的回答只有一句：「以我的标准，还未达到。」

12国家与时代意义：中国具身智能的「清华样本」与世界杯

在中国具身智能的版图里，星动纪元的位置相当特殊：它是清华大学唯一直接持股的具身智能企业，由交叉信息研究院与上海期智研究院孵化，创办人又是清华的助理教授、博士生导师。这重身份让它从一开始就被贴上「清华系」的标签，也让它在早期就获得高校科研成果、人才与政策资源的输送；团队百分之八十以上成员来自清华大学、北京大学、加州大学柏克莱分校、新加坡国立大学及知名企业。与此同时，它也必须承受「高校孵化企业能不能做生意」的持续质疑，而它给出的回答是物流仓库里的千台级交付。

政策与地缘背景是绕不开的变量。北京市先后出台机器人产业创新发展行动方案与若干措施，明确提出加紧布局人形机器人；北京市人工智能产业投资基金、北京机器人产业发展投资基金在多轮融资中注资，国务院国资委旗下诚通基金则在二〇二六年的最后一轮领投。他本人在博鳌亚洲论坛二〇二六年年会上表示，人形机器人领域中美已站在同一代，中国发展机器人产业非常有优势。这段话并不只是客套：中国制造业的供应链密度、工程师规模与场景丰富度，确实是这一轮具身智能竞赛中最实在的底牌。

但真实的短板同样清楚。高自由度灵巧手在工业连续工况下的平均无故障时间仍远低于传统工业机器人的基准，谐波减速器柔轮材料、微型无框电机的自动化绕线设备都仍受制于人，「展厅好用、产线失灵」是行业普遍瓶颈；北京智源人工智能研究院二〇二五年的行业评估，把星动纪元列在人形机器人第二梯队，而非第一。对行业而言，星动纪元的意义也许正在于它选了一条更难的路：既做本体与灵巧手，也做具身大模型与世界模型，并试图用「大脑—本体—场景」的飞轮把三者锁在一起。他所说的「通用机器人未来一定是万亿级赛道」，究竟是判断还是愿望，只能由接下来几年的交付、复购与故障率来回答。

01家世与早年：从化学竞赛生到计算机系年级第一

刘松铭出生于二〇〇〇年。多数公开报道把他的出生年份记为二〇〇〇年，也有个别媒体写作二〇〇一年，两个口径相差一年，本书采用与本人简历、清华校友资料较一致的「二〇〇〇年」。他不是那种从小被称为神童的类型。二〇二二年拿到清华特等奖学金后，他在一篇面向高中生的分享里这样描述自己：二线城市的一名普通高中生，没有傲人的天赋——至少当时还看不出来，平时的成绩也并不突出。把他推向顶尖学府的，是一条不太寻常的路。他没有走高考，而是成为一名化学竞赛生。经过许多个日夜的奋战，他在高三那年拿到全国金牌。中国化学奥林匹克竞赛的金牌资格，让他第一次近距离接触到全国最高学府，而这是他原本想都不曾想过的事情。

选学校的时候，他在北大与清华之间犹豫过。他把理由讲得很直白：想选北大，因为据说北大有「自由之思想，独立之精神」，有各种浪漫的爱情故事；想选清华，因为清华有「行胜于言、严谨求实」的学风，有世界一流的学科体系与科研力量，又不乏文艺、体育各方面的丰富活动。真正让他下定决心的是一位计算机系的学长。学长声情并茂地向他描述清华的生活——硬核却超级酷的专业课，自己动手写操作系统、造计算机；有意思的选修课，射击、跳水、流行舞蹈；还有充满惊险刺激的科技创新项目。他因此毫不犹豫选了清华，并以化学竞赛金牌保送生的身份进入化工系。但大一结束时，他做了一个让所有人意外的决定：转系，去计算机。多年后被问起，他的解释并不传奇——比起在试管前重复已知的反应，他更想搞清楚智能这件事本身是怎么发生的。

转系之后的三年，他成了清华计算机系最扎眼的那一类学生。他是计算机系 91 班的学生，导师是朱军教授，班主任是郑宁汉老师。从大一到大三，他的年级排名始终保持第一；二〇二三年本科毕业时，他在全系二百一十五名学生中排名第一，GPA 达到 3.99（满分 4.00），超过三分之一的课程拿到 A+ 成绩。竞赛履历同样密集：第五届「龙芯杯」全国总决赛特等奖、二〇二一年美国数学建模竞赛 Finalist（特等奖提名奖）、第六届「互联网+」创业大赛三等奖、第三十六届全国大学生物理竞赛一等奖。

二〇二二年十二月，清华大学公布当年特等奖学金评选结果，他与研究生周煊赫一同获奖——这项一九八九年设立、每年只奖励本科生与研究生各十名的荣誉，是清华授予在校学生的最高奖项。课业之外，他还是清华学习发展中心答疑坊的总负责人，本科期间个人答疑近六百次、累计答疑时间约八百小时，志愿工时达到八百七十一小时，被评为紫荆五星级志愿者、北京市三星级志愿者。二〇二三年毕业时，他又拿到清华大学优秀毕业生与优秀毕业论文两项荣誉。

02创业原点：一篇求解 PDE 的论文，与 GPT-3.5 出现的那一刻

在成为机器人公司的创办人之前，刘松铭的学术起点是 AI for Physics。他本科阶段深耕的是 AI for Science，人生第一篇论文研究的是如何用人工智能求解偏微分方程。他后来在访谈里解释这条线的意义：这本质上是在用 AI 替代计算物理仿真，和做世界模型的哲学有点异曲同工。二〇二三年的本科毕业论文延续了同一主题。在计算机系，他的导师朱军是清华大学人工智能研究院副院长、机器学习领域的代表性学者，也是视频大模型公司生数科技的创始人兼首席科学家；他读博期间的另一位导师是苏杭。这条「物理建模加机器学习」的双线训练，日后成了他判断技术路线的底层工具。

真正的转折点是 GPT-3.5。他自述本科参与过很多创业活动，但一直没定下方向，直到 GPT-3.5 出来。面对几个可能的方向，他做了一轮冷静的排除法：AI for Physics 的数据太稀缺，GPT 时刻离得太远；图像和视频领域的数据极大丰富，GPT 时刻反而会来得太快，那不是属于他的赛道；而具身智能的数据虽然少，却存在快速扩增的潜力。还有一个更私人的信号——他有物理和机械的基础，入门具身读论文时灵感很多。他把这件事看得很重，称之为「非常重要的 Signal」，并坦率承认：扪心自问，具身智能更像是属于他的 Calling。回头看这段选择，他给出的总结是：人生选择往往是在禀赋、热爱与行业前景之间求交集。

在真正出来创业之前，他给自己设定了两个前置条件。第一是下苦功夫，扎在实验室里，选有代表性的技术路线亲自跑一遍。第二是积累行业认可度，用他的话说，是把 citation 和朋友搞得多多的。这两个条件他确实执行了：读博期间他发表十二篇论文，总引用超过一千三百次；RDT 系列在 GitHub 上累积超过一千六百颗星；二〇二六年一月，他获得首届腾讯青云奖学金——该奖学金面向全球顶尖高校选拔计算机科学基础研究领域的博士生，全球只选十五人，每人五十万元。他在访谈里解释过为什么要先把学术信用做厚：要成为这个领域的 CEO，一定要真的感受到内心澎湃的技术信仰，知道公司到底在 bet 什么、胜率在哪里。

03最艰难的关：两年只写两篇论文，与灵巧手那段没人看得见的沉默期

外界看到的是他两次抢在矽谷前面，看不到的是中间那一年有多难。RDT-1B 成功之后，他选择做 RDT-2。当时整个行业面临的问题就是没有数据，多数团队用遥操作数据，而遥操的问题是成本很高。他的方案是 scale up 无本体的 UMI 夹爪数据——不再需要一台机器人，人类自己戴上夹爪就可以到处去采数据，效率自然就高了。这个想法非常简单直接，真正的难点在于它很麻烦、很 dirty，必须做大量工程才能把想法变成现实。二〇二四年底开始做，二〇二五年发布，前后一共做了一年。他算过一笔帐：一般厉害的同学几个月就可以做一篇文章，而他两年时间只做了两篇文章，从投入产出的角度看，这并不是一个特别划算的选择。这一仗的代价是具体的——团队造了一百台 UMI 设备，在一百多个真实家庭里采集了一万多小时的人类操作数据，最终训出一个七十亿参数的模型，能够零样本跨本体部署，甚至能端到端打乒乓球。

创业之后，他遇到的关比读博时更难。LiberAI 一成立就放弃了自己刚刚验证成功的 UMI 夹爪路线，转向人类数据手套与二十个自由度的五指灵巧手。这个转向等于亲手推翻自己的成名作。夹爪本质上是简化版的抓取器，能张能合、能抓能放，早期一百小时、一千小时的数据就能出不错的 demo，每一步都能用；灵巧手是另一回事，自由度每多一个，控制空间就指数级膨胀，采样难、感知难、决策难三个难度叠在一起。他自己把风险说得毫不留情：在复现人类智能之前，这条路会有一段沉默期，模型可能长期出不了能看的 demo，资本看不到进展，同行开始怀疑。一个创办人如果只讲 upside，聪明钱反而要打个问号；他愿意把「沉默期」三个字说出口，意味著他知道难，只是算过帐之后仍然选难的那条。

外部条件的严苛同样真实。到二〇二六年年中，LiberAI 仍然零营收、零公开订单，而同赛道的对照组已经跑出千台级规模——银河通用拿下宁德时代千台级订单，智元累计下线一万台。公司的估值从未公开，市场无法给它定价。行业里的冷水也不少：李飞飞称世界模型是当下最重要、也被滥用最严重的概念，杨立昆也在预警概念泡沫，耀途资本的白宗义则说过，现在不讲世界模型融资难度比较大，但一讲世界模型估值都是几亿美元起。更大的结构性压力在于，资本的周期比产业的周期短得多，八个月五轮的节奏越快，后面的退出压力就越早到来。刘松铭对这一切的回应是路线自信加时间预算：他把灵巧手看成一次高风险、高 upside 的押注，一旦爬上去，就能链接所有人类数据和互联网视频。

04翻盘的一役：四个月做出灵巧手 Demo，八个月走完五轮融资

二〇二六年四月，LiberAI 在成立仅四个月时发布了首个技术 Demo，宣称是全球首个高自由度灵巧操作的具身基础模型。示范里，搭载五指灵巧手的机器人完成了双手剥香蕉、双手拧瓶盖、持锅颠勺等精细操作与长程序列任务。这些动作对人类稀松平常，对机器人却接近地狱级难度：拧瓶盖需要同时协调手指的弯曲、力度、接触点与时序，颠勺更是对力度与动态预判的连续考验。这次 Demo 的意义不只在于动作好看，而在于它第一次公开验证了「人类数据手套加物理世界模型」这条路线在真实硬件上是跑得通的。到二〇二六年年中，公司在高自由度灵巧手上从模型训练到部署的整个环节都已跑通，自研的人类数据手套进入量产，自研的仿人本体也启动量产。

资本的反应比技术进展更早、更密集。二〇二五年十二月八日北京将闲科技有限公司注册成立，同月即获得真格基金独家投资的种子轮。二〇二六年二至三月，红杉中国进入天使轮。五月十五日，公司宣布已连续完成种子轮、天使轮、天使+轮融资，累计金额近五亿元人民币，投资方包括真格基金、红杉中国、美团龙珠、顺为资本。六月十一日，数亿元 Pre-A 轮落地，由顺为资本领投，凯辉基金、元禾原点、慕华科创跟投，老股东红杉中国与真格基金持续追加。七月三十一日，数亿元 Pre-A+ 轮完成，投资方扩展到三六零战投、国开金融、创新工场、CMC 资本、彬复资本。从成立到此时满打满算八个月，公司走完五轮融资，累计融资规模接近十亿元人民币，红杉中国自天使轮起连续追加四轮，真格基金同样一路跟投。

翻盘的实质，是资本结构的一次升级。顺为资本背后是雷军，美团龙珠背后是王兴，这两位在同一个项目上联手押注，是一级市场少见的组合，小米在智能制造与机器人领域的布局、美团对能在物理世界中自主操作的机器人的需求，都让这笔投资的产业逻辑清晰可辨。Pre-A+ 轮更引入了国开金融这样的国家队与三六零、创新工场等产业与老牌基金，投资人类型从纯财务投资者扩展到产业资本与国家级资金。同一时期，凯辉基金同时出现在 LiberAI 的 Pre-A 轮与杨立昆的 AMI Labs 种子轮里，一家中国基金在东西方两堵世界模型的墙上都下了注。技术侧也有一个具体注脚：二〇二六年三月加入的力控负责人，把剥香蕉这件事的标准化成功率从百分之六十二抬到百分之七十五——这仍是实验室条件下的数字，却说明工程化的人确实进场了。

05公司发展史（一）：二〇二五年十二月，海淀注册的将闲科技

公司的法律主体是北京将闲科技有限公司，注册成立于二〇二五年十二月八日，法定代表人刘松铭，企业类型为有限责任公司（港澳台投资、非独资），统一社会信用代码 91110108MAK1YGEX22，注册地在北京海淀，经营范围覆盖智能机器人的研发与销售、人工智能理论与算法软件开发、人工智能应用软件开发、人工智能基础软件开发、数据处理和存储支持服务等。资本金经过多次增资：早期公开信息显示为一百一十七万八千一百元与一百五十四万三千一百元两个口径，到二〇二六年八月增至一百六十一万三千五百二十元。治理结构上，刘松铭任董事长、经理、财务负责人，张涵、邓佩琼任董事，他同时是公司的实际控制人。公司全资控股两家子公司，分别是北京将闲邦瑞科技有限公司与苏州铭启森荣科技有限公司。二〇二六年三月二十五日起，公司密集提交「LIBER」「LIBERAI」等商标申请，到二〇二六年八月共有十条商标信息。

起手牌是一支从清华实验室里长出来的团队。公司的技术底子来自清华大学 TSAIL 实验室的 RDT 系列模型研发，核心成员多为 RDT 核心团队出身，软硬件全栈，横跨清华顶尖实验室与一线大厂硬件团队。联合创始人林凡淇同样来自清华，师从清华大学交叉信息研究院助理教授高阳——高阳同时是千寻智能首席科学家，而其时千寻智能已是具身智能领域的头部公司之一。林凡淇的一作论文《Data Scaling Laws in Imitation Learning for Robotic Manipulation》首次在具身智能领域揭示「模型泛化性随数据多样性显著提升」的规律，先后获得 ICLR Oral 与 CoRL X-Embodiment Workshop Best Paper 等荣誉。公司的愿景写得很直白：打造物理世界模型，驱动真正理解物理世界的智能体，实现物理 AGI；内部倡导的文化只有两个词——Simple、实事求是。

06公司发展史（二）：八个月五轮，红杉中国的四次追加

把 LiberAI 的融资时间轴摊开，是一条对早期创投而言相当罕见的曲线。二〇二五年十二月，种子轮，真格基金独家投资，金额在亿元级。二〇二六年三月，天使轮，红杉中国首次进入。五月十五日，公司宣布连续完成种子轮、天使轮、天使+轮，媒体口径累计近五亿元人民币，投资方为真格基金、红杉中国、顺为资本、美团龙珠。六月十一日，数亿元 Pre-A 轮，顺为资本领投，凯辉基金、元禾原点、慕华科创跟投，红杉中国与真格基金继续追加。七月三十一日，数亿元 Pre-A+ 轮，三六零战投、国开金融、创新工场、CMC 资本、彬复资本联合入局，红杉中国自天使轮起连续追加四轮。整个过程由多维资本担任多轮独家财务顾问。融资用途公司口径一致：技术迭代、团队扩充、算力升级与商业化落地，具体指向模型、数据、硬件全栈系统的搭建，提升 Scaling 曲线斜率，降低高质量数据采集的边际成本。

估值口径是这个故事里最模糊的一段，需要标明为估算。公开渠道能查到的唯一说法是「成立不到半年估值翻了五倍」，有媒体据此把它放进十亿至二十亿元人民币的区间，但绝对数字从未由公司或投资方披露，本书不代它编一个数。股权方面，工商信息显示刘松铭直接持股百分之二十八点三七三六，是公司的第一大股东；另有信源把直接持股记为约百分之二十六点八五、最终受益股份约百分之三十五点五一。这些数字的差异常见于各轮增资之后的登记时点不同，读者取趋势即可——创办人始终保持第一大股东与实际控制人地位。值得留意的是，投资人类型在这八个月里发生了明显迁移：从纯财务型 VC，扩展到雷军的顺为、王兴的美团龙珠这类产业资本，再到国开金融这类国家级资金。这种迁移本身就是一个信号：世界模型从论文课题变成了一条被认真的赛道。

07公司发展史（三）：不造整机，做人类数据的基础设施

LiberAI 在技术路线上做了一个明确的取舍：不做视觉—语言—动作模型，而做物理世界模型。刘松铭对世界模型的定义分两层。狭义上，世界模型是建模「在动作的影响下，世界的状态如何发生转移」的模型；但在公司的框架里，它更是一套系统方法论，包含大规模数据采集、模型架构、训练策略，甚至包括硬件本体设计，每一部分紧密相连。落成结果指标，就是他所说的——以物理智能为纵轴，做 Scaling 边际成本最低、速度最快的世界模型。模型层面有两个核心差异点。其一是模态对齐：把物理模态（力、接触）与视频模态（运动状态）在因果层面对齐，用视频的强泛化性撬动稀缺的物理数据。其二是归纳偏置：把物理规律作为人类先验注入模型，缩小搜索空间，加速收敛，同时尽量避免生成违反物理规律的结果。支撑这套判断的，是他对当前行业瓶颈的诊断——具身模型泛化性不足的核心原因在于缺少因果建模，模型无法理解「力是因、运动状态是果」。

数据端，公司提出的是一个「数据金字塔」。塔基是互联网上的人类视频，规模比手套数据高出一到两个数量级；中间层是自研人类数据手套采到的人类操作数据；塔尖才是真机数据，最少也最贵。这个排序的逻辑是成本：视频与手套数据最容易规模化，真机遥操作既贵又少。为此公司在硬件上做了不少脏活。自研的人类数据手套声称攻克了精度、穿戴舒适性、抗电磁干扰与抗遮挡几个难题，已进入量产与规模化实地采集阶段；

数据管线的自动化率超过百分之九十，公司进一步把管线交给 agent 监控——发现叠衣服这类任务表现强、收垃圾弱，就自动下发任务去补相应数据，自己总结覆盖不到的问题并迭代模型，刘松铭称之为「AI for AI 的自改进系统」。末端形态上，公司选择二十个自由度的五指灵巧手而非夹爪，理由是人的操作本来就是五指完成的，形态越接近，迁移损耗越小。他在访谈里说得也很清楚：系统思维不等于全栈自研，公司的核心是产品定义——像苹果一样，定义世界模型时代的数据采集方式、机器人本体形态，以及最重要的评价标准。

08公司发展史（四）二〇二六：今天的版图

到二〇二六年年中，LiberAI 的团队规模在三十至五十人之间浮动，不同报道给出的口径不一，其中成立约半年时的说法是团队不足三十人。清华系成员占比超过七成，公司同时吸纳了优必选、大疆、特斯拉 Optimus 背景的前工程师来补硬件落地能力。二〇二六年一月，刘松铭本人获得首届腾讯青云奖学金。六月二日，公司入选「二〇二六中国世界模型技术突破 TOP20」；六月六日，入选「二〇二六中国人形机器人企业活力榜 TOP100」与「二〇二六中国物理 AI 创新创业十强」。这些榜单不构成财务证明，但反映了行业在二〇二六年上半年对这条路线的关注度。需要注意的是，二〇二五年工商年报显示公司在注册当年员工申报人数为零，这是成立时序造成的登记现象，不能理解为公司没有团队。

公司对二〇二六年下半年的规划，公开口径集中在两件事上。第一，把人类数据这件事彻底跑通，跑出人类数据的预训练 Scaling Law，在泛化性上实现涌现，由此可以不再依赖仿真与真机数据，让人类数据成为最核心的支柱。第二，在模型架构上做兼具推理 agent 能力的世界模型——不再是单点任务模型，而是能做推理、能在真实世界中进行任务规划、执行与纠错的模型，刘松铭对它的比喻是「physical 版的 Claude」。商业化方面，公司计划在未来一年内与头部机器人企业、自动驾驶公司开展场景化联合验证，探索物理世界模型在复杂操控、路径规划与环境预测中的实际效能。这也意味著，到目前为止，它的商业化还没有真正发生。

把版图拉远一点看，这家公司处在一个特殊的位置上。论规模，它远小于同行；论融资速度，它在一级市场属于前列；论技术路线，它是国内少数把 UMI 硬件、数据采集与大模型训练全流程闭环跑通、并且死磕灵巧手的团队。刘松铭对先发者有一句不太留情的描述：一批先发者目前主要任务也许更多是冲刺上市，第一性角度的目标和我们不一致。言下之意，有人在抢上市窗口，他在抢技术范式。他也承认体量更大的公司往往同时跑多条路线，难以押注在某一条，而他把筹码全部压在一条被普遍认为更难的路上。这是一个典型的早期赌注：如果人类数据真是具身智能的石油，那么今天的三十到五十人，就是这个判断的全部成本。

09领导风格与性格：把路线判断放在努力之前

刘松铭身上最鲜明的管理特征，是对「选路」近乎偏执的重视。他有过一段很具体的表述：这不是一个可以边做边改的领域，技术路线是一整个系统，硬件、数采和模型彼此像血肉一般紧密相连，一旦要变，设计、生产、供应链、运营都要推倒重来，切换代价极其巨大。因为改不起，所以他必须选得准。他把这件事类比成婚姻——你得先花时间看清楚哪个人才是值得你托付终身的，才能去领证。这套逻辑解释了他为什么在读博期间要先把代表性路线亲自跑一遍，也解释了他创业后为什么敢于推翻自己刚验证成功的 UMI 夹爪路线：在他看来，那不是战术调整，而是对第一性目标的重新对齐。

组织管理上，他给自己总结过一套「三点论」。利益上讲同心圆，分配要 fair；信息上主张写 memo，因为写作比说话更深刻；价值观上要求放下 ego、反对山头文化、不刻意筛掉没有光鲜履历的人，一切看直接证据。公司没有打卡，团队花了很多力气去推倒部门墙，让大家一起定义 Scaling 的范式。讨论有时候会很激烈，但每个人知道当天聚在一起是为了同一件事，同事关系会很简单，拿事实说话。用人标准上他对来源相当开放，招过其他专业或行业背景的工程师，也认为这些人进公司后成长很快；信仰层面则只要求一件事——认同路线、实事求是。他喜欢的人才画像是：有创造力，或者非常有 talent、有 taste。他自己的总结只有一句：事实胜于一切 cheap talk。

性格层面，最反直觉的一点是他长期冥想。这个习惯据他自述已持续十余年，创业之后依然几乎每天留出时间。他解释冥想的作用是给自己降噪：当公司要极致地提高 Scaling 斜率，他首先要把「CEO 路线判断错误」这个因素排除出去，然后才能去判断问题到底出在硬件、模型还是数据。他用「每逢大事有静气」来形容这种状态，也承认保持清醒很难、坚持做长期正确的事很难。他并不回避风险，反而愿意把最锋利的自我否定摆到台面上——主动说出灵巧手会有一段沉默期，主动承认两年只写两篇文章从投入产出看并不划算。他也说自己不擅长写漂亮的论文去评奖，做的是具身的主线任务，探索并推动 Scaling Law。这种坦白在一级市场里反而成了一种信用。

10成功秘诀：七条可验证的经验，与一条不可复制的运气

第一条是把选题放在努力之前。他在 GPT-3.5 出现后同时排除了 AI for Physics 与图像视频两个方向，理由分别是「GPT 时刻太远」与「GPT 时刻来得太快」，选中了数据少但扩增潜力大的具身智能。第二条是学术信用前置。读博期间十二篇论文、引用超过一千三百次、RDT 系列一千六百多颗 GitHub 星、二〇二二年清华特等奖学金、二〇二六年首届腾讯青云奖学金——这些不是装饰，而是他融第一笔钱时唯一可验证的资产。第三条是敢于推翻自己。RDT-2 是他的成名作，地基是 UMI 夹爪数据；创业后他却转向人类数据手套与二十自由度灵巧手，亲手放弃刚刚验证成功的打法。这个决定在当时看起来是自我否定，事后看却让公司与全球最前沿的队伍站到了同一条起跑线上。

第四条是时间差。二〇二四年十月，他主导的 RDT-1B 发布，是全球首个使用大规模预训练加扩散 Transformer 范式的机器人操作基座模型；旧金山 Physical Intelligence 的 π0 在当月月底才出现。按 arXiv 二四一〇·〇七八六四 的提交日期计算，两者相隔约三周，中文媒体多把这个差距概括为「领先一个月」。二〇二五年他又推出 RDT-2，是首个使用大规模 UMI 人类数据预训练的具身模型，而美国 Generalist AI 的 GEN-0 发布于二〇二五年十一月四日，时间差同样在一个月左右。两次抢先，矽谷那边是成建制的明星团队与数亿美元融资，清华这边是一个还在读博的年轻人带著学生军。第五条是把组织当成路线的一部分来设计——软硬协同、模型与数采同步迭代，让每一环都为同一条 Scaling 曲线服务。

第六条是资本节奏的管理。八个月五轮、红杉中国连续追加四轮、真格从种子轮一路跟投、顺为从天使+轮首投到 Pre-A 直接升任领投，这种密度通常只出现在两种公司身上：要么故事讲得太好，要么进展实在太硬。第七条是长期主义与降噪。冥想十余年、写 memo、要求自己先把「CEO 判断错误」排除掉，本质上都是在为一个长周期的赌注保存判断力。最后必须说清楚的是不可复制的部分：他赶上了二〇二四至二〇二六这一段中国具身智能融资最密集的窗口，赶上了世界模型成为 OpenAI、英伟达、Figure 共同下注方向的时点，也赶上了一级市场对「00 后清华天才」这一叙事的高度偏好。这七条经验可以学，那一层时运学不了。

11个人、价值观与生活：一个把自由写进公司名的人

理解刘松铭，绕不开「自由」这个词。公司名 LiberAI 取自 Liberty，他在访谈里把理由讲得很完整：人生最终的结局都是注定的，所以过程非常重要，而过程里自主选择的权利就成了本质。那是什么阻碍了自由选择？他的答案是金钱之外，还有太多琐碎的事情要做。但现实世界有客观规律，世上的劳作不会凭空消失，那些没人愿意做的脏活累活总要有人承接；从整个社会的视角看，一部分人能够清闲自由、随心生活，就必然意味著另一部分人被琐事束缚。于是他从第一性原理往前推，得出的结论几乎只有一个：创造一种新的载体，替人类承接这些繁杂的工作。这个事物就是机器人。面对「机器人取代工作」的追问，他给出的类比是人力车夫——汽车普及之后，人力车夫这个职业慢慢消失了，但社会整体的就业岗位并没有因此减少，生产力进步的过程中一定会源源不断产生新的岗位。

生活层面，他保留了一些与创业者刻板印象不符的细节。他热爱化学与物理，对自然科学有一种融会贯通的理解；他几乎每天冥想，这个习惯从少年时期延续至今；他喜欢用写作整理思路，认为写作比说话更深刻，也把这一点写进了公司的信息原则。公司的 logo 是一个 L 型的海滩躺椅，灵感来自二〇二三年他在夏威夷参加 ICML 的经历——他每天躺在沙滩椅上看著翡翠一般的海浪直到日落，反而获得了很多科研灵感，于是把沙滩椅当成了自由、愉悦与创造力的象征。他原本还想加一把太阳伞，后来觉得那样看起来像一家旅游公司，就放弃了。本科四年他做过近六百次答疑、八百七十一小时志愿服务。被问到创业之外最喜欢做什么，他的回答是冥想；被问到用一句话总结自己，他的回答是「真诚才是必杀技」。

12国家与时代意义：世界模型赛道上的中国 00 后

把刘松铭放回产业座标系，他处在三个交叉点上。第一是代际交叉：二〇二六年上半年，中国具身智能与世界模型赛道同时涌现出多家新公司，既有极佳视界、流形空间、智在无界这类资深科学家创办的团队，也有 LiberAI、逆矩阵科技这样由 00 后领衔的「小天才」团队，前阿里巴巴千问大模型负责人林俊旸也入局世界模型。LiberAI 是这一批里融资节奏最快、也最受资本追捧的一家。第二是路线交叉：多数国内公司选择更省力的夹爪加视觉—语言—动作模型路线，LiberAI 选择了难度更高的物理世界模型加二十自由度灵巧手，与美国的 Physical Intelligence、Generalist AI、Figure、Google DeepMind 处在同一个技术讨论框架里。第三是资本交叉：从真格、红杉、顺为、美团龙珠到国开金融、三六零，财务资本、产业资本与国家队在同一家公司上完成了接力。

时代意义要放在更冷的框架里看。世界模型正在成为全球 AI 的下一个主战场，OpenAI、英伟达、Figure 与马斯克的 Optimus 都在集体下注，而这一轮竞争的关键词从算力转向了数据——尤其是最接近人类操作的真实物理数据。刘松铭把这件事概括为「人类数据是具身智能的石油」，并把公司的全部筹码压在这个判断上。这个判断在太平洋对岸得到了验证：美国 Generalist AI 在二〇二六年四月放出的 GEN-1 使用了超过五十万小时的真实世界数据，同样依赖数据手套采集、同样追求灵巧操作。

与此同时，泡沫的风险也真实存在：公司零营收、零公开订单，灵巧手在真实家庭与工业长尾场景的成功率与续航远未到商用线，世界模型的架构尚未收敛。行业里连杨立昆都在预警概念泡沫。对中国而言，这条赛道的价值在于它同时牵动人工智能与实体制造业——物理 AI 打通的是软件与硬件、算法与产线，市场空间比纯软件大模型更宽。对刘松铭个人而言，他拿到的是这条长跑的一张起点票，而不是终局票。二十五岁的他已经把「自由」写进了公司名字，剩下要回答的问题，是这条沉默期究竟有多长。

01家世与早年：南昌书架上的两个孩子

一九八五年六月，陈天石出生在江西南昌。父亲是江西省电力试验研究所的工程师，母亲是南昌市一所中学的历史老师——这个「工程加历史」的家庭组合后来被反复引用，因为它恰好对应了兄弟两人日后的技术气质：既有工程上的严谨，也有对长时段演化的想像力。哥哥陈云霁比他大两岁，一九八三年生。家中书架上是工程、科学、历史混杂的藏书，父母的管教方式是引导而非强制，陈云霁后来用四个字总结：放水养鱼。一套《十万个为什么》点燃了兄弟俩的好奇心。陈天石五岁就读南昌市城北学校的小学，一路读到中学。兄弟俩的成长轨迹在南昌当地一直是被谈论的样本：哥哥十四岁考进中国科学技术大学少年班，弟弟十六岁跟上。这个家庭没有给孩子报过竞赛班，却给了他们一整个书架和不必被追问的自由。

二〇〇一年，十六岁的陈天石考入中国科学技术大学少年班。他后来从不讳言自己并不是传统意义上的好学生：本科四年逃课、打游戏，二〇〇三年非典期间还翻墙去过网吧，大二整整一个学期没怎么上课，期末靠补考七十多分过关。他考少年班的动机之一相当朴素——哥哥告诉他，上了大学父母就管不著了，玩游戏更方便。本科阶段他读的是数学与应用数学，据说选专业时还用过抓阄的办法。真正的转折发生在大四：同学纷纷出国或进名企，他才意识到自己需要一份拿得出手的履历。二〇〇五年考研，政治考了八十七分。少年班里高手云集，他的成绩只在中下游，但这段经历被他视为一生受用：「和真正的学霸在一起，会养成谦虚低调的品格。」

二〇〇五年至二〇一〇年，陈天石在中国科学技术大学计算机学院攻读博士，专业是计算机软件与理论，导师是陈国良院士与姚新教授，研究方向是人工智能。九年之内拿下博士学位，这个速度在少年班出身的学生里并不算快。二〇一〇年博士毕业，他到北京见了在中科院计算技术研究所工作的哥哥，这次见面决定了他的后半生。当时陈云霁正跟随胡伟武做「龙芯」项目，每天被繁重枯燥的芯片测试工作弄得焦头烂额，兄弟俩闲聊时冒出一个念头：能不能用人工智能去替代人工做芯片测试？陈天石研究算法，陈云霁做芯片，两条原本平行的路在此刻出现了一个交叉点。他随后追随哥哥进入中科院计算所，成为「龙芯」团队的一员。据陈云霁回忆，在此之前，计算所还从来没有招过本科成绩这么差的学生；打动胡伟武的，是兄弟俩对计算机的热爱和工作的狠劲。

02创业原点：小黑屋里的一颗「电脑」

二〇〇八年，中科院计算所组建了一个只有十人的学术团队，方向定为「探索处理器架构与人工智能的交叉领域」，这是寒武纪最原始的雏形。真正的推动力来自二〇一〇年那次见面之后：兄弟俩一开始想做的是用人工智能辅助处理器设计，随著思路打开，设想升级为更前卫的版本——直接做一颗专门服务人工智能的芯片。在那个人工智能尚未普及、业界普遍靠中央处理器与图形处理器跑神经网络的年代，这个念头近乎荒唐。二〇一〇年底，两人在计算所的一场内部会议上汇报了构想，所长李国杰院士力排众议批了项目，并组建专门的研发团队，任命陈云霁为课题组负责人。但支持也就到此为止：一份二十万元的课题经费申请没能批下来，有人半开玩笑地把这个方向称为无经费、无论文、无人问津的「三无研究」。

他们的应对方式，是陈云霁后来反复引用的一句总结——白天求生存，晚上求发展。白天各自做岗位上的活，晚上与周末才回到自己的题目上。二〇一三年，时任计算所所长、计算机体系结构国家重点实验室主任孙凝晖把陈云霁叫到办公室，提出由他担任智能处理器团队的负责人，专注基础研究。孙凝晖对他说，只有专注才能拔尖，一个人不可能同时做好学术研究、技术开发、产品研制这几件事，只能分阶段来做。这次谈话改变了陈云霁的职业轨迹。团队被安置在实验室一间不足三十平方米的玻璃房里，桌子只有一米五长，一张桌子前要坐两个人，工位边放著行军床，通宵达旦是常态。大家把这间玻璃房叫作「小黑屋」。

DianNao 系列论文是这段冷板凳岁月结出的第一批果实。这套架构取名自「电脑」的汉语拼音，合作方是法国国家信息与自动化研究所的 Olivier Temam 教授。二〇一四年三月，陈天石为第一作者的《DianNao：一种小尺度的高吞吐率机器学习加速器》在 ASPLOS 上获得最佳论文奖，这是中国乃至亚洲科研机构首次在计算机系统与高性能计算领域的顶级会议上拿到最佳论文；同年，陈云霁领衔的 DaDianNao 又在 MICRO 上拿下最佳论文。此后还有 ShiDianNao 与 PuDianNao 两篇。二〇一五年，团队完成了国际上第一颗深度学习处理器原型芯片的一次流片，测试结果在「小黑屋」的屏幕上跳出来的那个晚上，陈云霁随手抓起拖把，和学生们表演了一段舞枪弄棒。二〇二四年四月，ASPLOS 宣布 DianNao 获得最具影响力论文奖，这是中国机构首次获此奖项。

二〇一六年三月十五日，中科寒武纪科技股份有限公司在北京注册成立，注册资本九十万元。陈天石认缴六十三万元，持股百分之七十；中科院计算所旗下的投资平台中科算源认缴二十七万元，持股百分之三十。天使轮由元禾原点领投，科大讯飞创始人刘庆峰出资一千万元跟投。这一年春天，谷歌的 AlphaGo 以四比一击败李世石，人工智能第一次以如此直观的方式进入大众视野。同年，寒武纪推出第一款终端智能处理器原型寒武纪 1A。公司与芯片同名，取自地质史上生命形态突然爆发的那个纪元。陈天石说，他们想做的，是未来无处不在的人工智能应用背后的垫脚石，也是希望通过这一代人的努力，让人类社会迎来一次同样的智能大爆发。

03最艰难的关：被华为「抛弃」，又被列入实体清单

二〇一七年九月，华为在德国柏林国际消费电子展上发布麒麟 970，其中的神经网络处理单元来自寒武纪 1A 处理器，搭载在当年的旗舰机 Mate 10 上，全球出货以千万台计。这是寒武纪的第一个高光时刻。据招股书披露，寒武纪与华为签署了四个技术许可合同，单价在一千九百万到二千八百万元之间。财务上的依赖也随之暴露：二〇一七年，华为为寒武纪带来七百七十一万二千七百元收入，占当年营业收入的百分之九十八点三四；二〇一八年贡献一亿一千余万元，占比百分之九十七点六三。那两年，寒武纪的知识产权授权业务几乎就等于华为一个客户。

二〇一八年，华为海思转向自研人工智能芯片，并在二〇一九年推出搭载自研达芬奇架构的麒麟 810。合作戛然而止。寒武纪终端智能处理器知识产权授权业务收入从二〇一八年的约一亿一千七百万元跌到二〇一九年的六千八百七十七万元，同比下滑百分之四十一点二三；二〇二〇年再跌到一千一百七十一万七千六百元，同比减少百分之八十二点九六。上交所在问询函中要求公司说明这块收入大幅下滑的原因及持续性，寒武纪的回复是：公司与华为海思未达成新的合作，短期内难以开发同等业务体量的大客户。陈天石当时对媒体说的一句话是，我们的收入增长很快，未来希望有机会向大家公开披露我们的财报。

这家公司被迫换一条路走。陈天石做出的决定是：从单一终端芯片向云、边、端全场景延伸，并大幅拓展政务与智能计算集群项目。二〇一九年起，智能计算集群系统成为寒武纪的营收主力，在二〇一九年与二〇二〇年的营收占比分别约为百分之六十七与百分之七十一。二〇二〇年七月二十日，寒武纪登陆科创板，发行价每股六十四元三角九分。上市首日开盘大涨约百分之二百八十八，盘中最高涨幅达百分之三百五十八，市值一度突破一千亿元，收盘回落至八百四十九亿八千一百万元，涨幅仍达百分之二百二十九点八六。从递交招股书到敲钟，寒武纪只用了约一百一十六天，「人工智能芯片第一股」的名号由此而来。但招股书同时摊开了残酷的另一面：三年累计亏损约十六亿元，客户集中度高，授权业务难以持续。

更重的打击在二〇二二年。三月，公司公告核心技术骨干、首席技术官梁军因与公司在未来发展方向上存在分歧而离职，公司方面的解释是：公司希望聚焦产品广泛落地、抢抓机遇期，而梁军希望在技术上做更多投入与钻研。同年十二月，美国商务部工业和安全局将寒武纪等三十六个实体列入出口管制实体清单，其中近三分之一是寒武纪及其下属公司。海外先进制程设备与核心零部件供应中断，直接影响了晶圆代工与封装测试。二〇二三年，智能驾驶子公司寒武纪行歌被曝出裁员与业务调整；截至二〇二三年六月末，母公司研发人员从上年同期的约一千二百零七人减至九百八十人，一年少了二百二十七人。二〇二二年八月二十九日，公司收盘价为五十八元七角，此后一度跌进四十六元区间，市值蒸发超过九成。二〇二〇年至二〇二四年，寒武纪归母净亏损分别为四亿三千五百万元、八亿二千五百万元、十二亿五千七百万元、八亿四千八百万元、四亿五千二百万元，五年合计约三十八亿元，而同期的营业收入合计也不过约三十八亿元。

04翻盘的一役：从思元 590 到 A 股「股王」

转折的种子埋在产品里。二〇二三年底，采用七纳米工艺的思元 590 芯片上市，推理场景的能效比已可比肩国际巨头，更关键的是它几乎支持国内所有主流大模型。二〇二四年，这款芯片开始规模化放量，同年公司营业收入达到十一亿七千四百万元，同比增长约百分之六十五，亏损收窄到四亿五千二百万元。二〇二四年第四季度，寒武纪实现上市以来首次单季盈利：单季营收约九亿八千九百万元，归母净利润约二亿七千二百万元。真正的引爆点来自外部环境的叠加——大模型训练与推理的算力需求暴增，而海外高端算力卡的供应持续受限，国产替代从一个补位概念变成了刚性缺口。

二〇二五年上半年，寒武纪营业收入达到二十八亿八千一百万元，同比增长约四十三倍，归母净利润十亿三千八百万元，上年同期为亏损五亿三千万元，经营活动产生的现金流量净额由负转正至九亿一千一百万元。八月二十六日晚财报发布，次日八月二十七日盘中股价摸高一千四百六十四元九角八分，短暂超越贵州茅台成为 A 股股价最高的个股；八月二十八日收盘报一千五百八十七元九角一分，正式问鼎 A 股第一高价股，总市值约六千六百四十三亿元。从七月十日的五百二十三元五角算起，不到两个月涨幅超过百分之二百。市场给它起了个绰号：「寒王」。

二〇二六年三月十二日，寒武纪发布二〇二五年年报：全年营业收入六十四亿九千七百万元，同比增长百分之四百五十三点二一；归母净利润二十亿五千九百万元，上年同期为亏损四亿五千二百万元；扣除非经常性损益后的净利润十七亿七千万元，毛利率百分之五十五点一五。这是公司上市以来首次实现全年盈利。云端产品线贡献收入六十四亿七千七百万元，占比超过百分之九十九；边缘产品线与授权及软件业务已萎缩至百万元量级。研发投入十一亿六千九百万元，占营业收入的比例从上年的百分之九十一点三降至百分之十七点九九。三月十六日，股票简称取消「U」标识并调出科创成长层，这是资本市场对一家未盈利科创企业「转正」的技术性确认。

二〇二六年上半年的数据进一步提速。营业收入五十九亿九千六百万元，同比增长百分之一百零八点一三；归母净利润二十三亿一千一百万元，同比增长百分之一百二十二点六一；扣非净利润二十一亿六千六百万元。六月三十日，股价盘中触及一千六百二十元，总市值首次突破一万亿元，成为科创板开板以来首家仅凭 A 股市值破万亿的公司。但当晚，寒武纪自己发布了一份股票交易风险提示公告，逐一列出风险：滚动市盈率三百六十八倍，而行业均值约七十四倍；供应链受实体清单影响；市场竞争加剧，大厂纷纷自研芯片。公告一出，股价连跌两日，四十八小时内市值蒸发超过一千四百亿元。据二〇二六年九月十六日收盘行情，公司股价报一千一百三十六元零一分，总市值约七千一百四十四亿元，较六月高点回落明显。

05公司发展史（一）：从授权生意到云边端全线铺开

寒武纪的第一个商业模式是知识产权授权——不自己卖芯片，而是把设计好的处理器知识产权授权给手机厂商，由对方集成进自家芯片。这是一条起步最快、也最脆弱的路。二〇一六年推出寒武纪 1A 处理器，二〇一七年推出 1H，二〇一八年推出 1M，三代终端产品依次迭代，先后被集成进华为麒麟 970 与麒麟 980，过亿台手机的出货为这家初创公司带来了第一笔真实收入。二〇一七年十月十六日，麒麟 970 发布后不久，陈天石在朋友圈发了一句龚自珍的诗：一事平生无𬺈龁，但开风气不为师。

资本开始涌入。二〇一七年，公司完成 A 轮融资，国科投资等机构参与，联想创投连续投了 A 轮、B 轮与 B+ 轮，越秀产业基金连续两轮投资。有报道称寒武纪成立初期估值不过一亿美元，一年后达到十亿美元，成为全球人工智能芯片领域第一家独角兽公司；另有报道称二〇一八年六月 B 轮融资后估值已达二十五亿美元。两个口径不完全一致，方向却很明确：这是一家在几乎没有规模收入的时候，就被资本定价为赛道第一的公司。陈天石后来对融资的顺利程度有个解释，听说很多同行融资时都会被问一句，你跟寒武纪怎么比。

产品线在同一时间横向展开。二〇一八年五月，寒武纪在上海发布中国首款云端人工智能芯片；同年推出思元 100（MLU100）芯片及云端智能加速卡，正式从手机走进数据中心。二〇一九年推出思元 270（MLU270）云端芯片及加速卡，以及边缘智能芯片思元 220（MLU220）及 M.2 加速卡。至此，云、边、端的完整产品布局初步成形——这是陈天石在失去华为之后反复强调的战略转向：不做单颗芯片的供应商，要做产品体系。二〇一八年九月，寒武纪承办世界人工智能大会智能芯片全球峰会，陈天石在会上发表演讲；二〇一九年十一月二十九日，公司整体变更为股份有限公司，控股股东与实际控制人均为陈天石。

06公司发展史（二）：上市、集群业务与四代云端芯片

集群业务是这几年的过渡性支柱。所谓智能计算集群系统，是把自研的云端芯片与加速卡，搭配合作伙伴的服务器、网络与存储设备，再加一套集群管理软件，作为整体方案交付。它技术含量不如芯片本身，却能在终端授权订单坍塌之后迅速填补收入缺口。二〇一九年与二〇二〇年，这块业务在营收中的占比分别约为百分之六十七与百分之七十一。它同时带来了一个后遗症：客户变成地方政府平台与科研机构，项目制、周期长、集中度极高。二〇二一年与二〇二二年，寒武纪的第一大客户分别是江苏昆山高新技术产业投资发展有限公司与南京市科技创新投资有限责任公司，都是地方平台公司而非产业客户。

二〇二〇年七月二十日，公司在科创板上市，发行价每股六十四元三角九分，保荐机构为中信证券。上市首日开盘报二百五十元，较发行价上涨约百分之二百八十八，盘中最高触及二百九十五元，市值一度突破一千亿元，收盘报二百一十二元四角，总市值八百四十九亿八千一百万元。陈天石作为实际控制人，发行后个人持股比例约为百分之二十九点八七，按当日收盘价计算持股市值已达约二百五十四亿元。上市募资投向新一代云端训练芯片及系统、新一代云端推理芯片及系统、新一代边缘端人工智能芯片及系统等项目。

同期产品梯队继续推进。二〇二〇年推出思元 290（MLU290）云端芯片及加速卡，以及训练整机玄思 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，并在三月发布搭载双芯片四芯粒思元 370 的训练加速卡 MLU370-X8。这款产品用上了芯粒思路，通过灵活组合满足不同规格需求，把更多市场需求塞进同一笔研发费用里，也是后来制裁环境下那条技术分岔最早埋下的伏笔。

财务上，这几年是持续失血。二〇二〇年至二〇二四年，营业收入分别为四亿五千九百万元、七亿二千一百万元、七亿二千九百万元、七亿零九百万元、十一亿七千四百万元；归母净亏损分别为四亿三千五百万元、八亿二千五百万元、十二亿五千七百万元、八亿四千八百万元、四亿五千二百万元。研发投入长期高于营收，二〇二一年至二〇二四年分别为十一亿三千六百万元、十五亿二千三百万元、十一亿一千八百万元、十亿七千二百万元。也正是在这段时间，客户结构的问题被反复追问：二〇二〇年至二〇二四年，前五大客户贡献的营收占比分别为百分之八十二点一一、百分之八十八点六〇、百分之八十四点九四、百分之九十二点三六、百分之九十四点六三，其中第一大客户占比分别达百分之五十七点八六、百分之六十二点四六、百分之六十点八一、百分之六十五点八八、百分之七十九点一五。

07公司发展史（三）：实体清单、亏损低谷与两次定增

二〇二二年的两件事决定了接下来两年的走向。三月，首席技术官梁军离职，这是一场路线之争；十二月，寒武纪及其部分子公司被列入美国出口管制实体清单，这是一次地缘之变。公司在年报中称，该事项对研发的影响尚在有限范围内，核心技术来自自主研发、拥有自主知识产权，不会对产品的核心竞争力产生重大不利影响。陈天石在业绩说明会上说得更直白：供应链有影响，但核心技术是我们自己的，不会垮。

二〇二三年是寒武纪上市后最难看的一年。营业收入下滑到七亿零九百万元，归母净亏损八亿四千八百万元；研发人员从上年的约一千二百零七人减至九百八十人；智能驾驶子公司寒武纪行歌被曝裁员与调整。这家二〇二一年一月成立、法定代表人为陈天石、拉来上汽、蔚来、宁德时代、博世创投等战略投资者的公司，自成立以来一直没有收入。股价在二〇二二年一度跌进四十六元区间，较上市后的高点蒸发超过九成。陈天石后来把这段时间称为冷板凳时刻。据媒体报道，他在内部会上反复说的一句话是：寒武纪不能做昙花一现的公司，要为十年后的产业做准备。

融资是这个阶段维持研发的关键。二〇二三年四月，公司完成第一次定向增发，发行一千三百八十万六千零四十二股，发行价每股一百二十一元一角，募集资金总额十六亿七千一百九十一万元，净额十六亿四千九百二十九万元，资金投向先进工艺平台芯片项目、稳定工艺平台芯片项目及面向新兴应用场景的通用智能处理器技术研发项目，发行对象包括财通基金、诺德基金、中金公司等十八家机构。二〇二五年，公司又启动第二次定增：五月披露预案拟募资不超过四十九亿八千万元，用于面向大模型的芯片平台项目、面向大模型的软件平台项目及补充流动资金；六月获上交所受理；七月因股权激励导致总股本增加，发行数量微调，募资规模调减至不超过三十九亿八千五百万元；八月十五日获上交所审核通过，九月获证监会同意注册。最终发行三百三十三万四千九百四十六股，发行价每股一千一百九十五元零二分，募集资金总额三十九亿八千五百三十二万元，净额三十九亿五千三百万元，已于二〇二五年九月二十六日到账。

这期间的技术路线选择也值得记下。在先进制程受限之后，寒武纪把筹码压在架构与封装上——通过芯粒技术把大芯片拆成若干小芯粒，分别用不同工艺制造再封装在一起，用架构设计与互联技术去换取被制程封锁掉的那部分性能。公司自主的处理器指令集与微架构、多芯互联技术 MLU-Link、以及名为 NeuWare 的基础软件平台，构成了它与客户谈判时的全部底牌。到二〇二五年，公司累计申请专利约两千八百余项，累计获授权专利超过一千五百项。

08公司发展史（四）二〇二六：今天的版图

二〇二六年是寒武纪真正意义上的收获年。三月十二日年报发布后，公司股票于三月十六日取消「U」标识。上半年营业收入五十九亿九千六百万元，同比增长百分之一百零八点一三；归母净利润二十三亿一千一百万元，同比增长百分之一百二十二点六一；综合毛利率百分之五十五点二五。其中云端产品线收入五十九亿九千四百万元，占营业收入的百分之九十九点九八；边缘产品线收入八十七万七千二百元，其他业务收入四十七万七千九百元。这意味著公司已经完全是一家云端人工智能芯片公司，早年那个靠手机授权生意起家的寒武纪，业务结构上已经消失。

产品端的主角是思元 690。二〇二六年年初，这款新一代旗舰云端人工智能芯片实现量产，采用双晶粒封装设计，半精度浮点算力超过七百万亿次每秒，配备一百九十六吉字节高带宽内存，实测互连带宽超过八百九十吉比特每秒；对比上一代思元 590 的约三百四十五万亿次每秒与九十六吉字节内存，性能接近翻倍。二〇二五年，公司智能芯片及板卡产量十二万七千七百套、销量十一万七千四百套，同比分别增长约百分之四百零九点八四与百分之二百零一点五七。客户端，字节跳动已累计部署超过十万张思元 590 与思元 690，阿里云、腾讯云、百度等互联网大厂开始批量采购，三大运营商的智算集采也陆续纳入。前五大客户占营收的比例，从二〇二四年的百分之九十四点六三降至二〇二五年的百分之八十八点六六，二〇二六年上半年为百分之八十八点六七，略有分散，但仍高度集中。

隐忧同样真实。截至二〇二六年六月末，存货帐面价值八十二亿四千八百万元，较上年末增长百分之六十六点八三，占期末总资产的百分之四十五点三二；预付款项二十九亿一千四百万元，同比增长百分之二百九十一点三七；上半年经营活动产生的现金流量净额三亿一千一百万元，同比下降百分之六十五点八三。五月，公司董事会通过议案，公司及全资、控股子公司拟向银行申请不超过一百二十亿元综合授信额度。公司还发布了二〇二六年限制性股票激励计划草案，授予价格每股七百五十元，覆盖九百四十五名激励对象，考核目标是二〇二六年营业收入不低于一百三十五亿元、二〇二六至二〇二七年累计不低于四百零五亿元、二〇二六至二〇二八年累计不低于一千亿元。按上半年五十九亿九千六百万元计算，考核进度为百分之四十四点四一，下半年需要做到七十五亿元以上。

行业座标上，寒武纪是国内唯一不依附大厂、完全对外供货的第三方人工智能芯片设计企业。据国际数据公司统计，二〇二五年中国人工智能加速卡出货中，华为升腾以约八十一万张居首，寒武纪与百度昆仑芯并列国产第三，出货量约十一万六千张；国产厂商合计份额首次突破百分之四十一，英伟达降至约百分之五十五。据二〇二六年九月十六日收盘行情，公司股价报一千一百三十六元零一分，总市值约七千一百四十四亿元。这是一个既被地缘政治托起、又被地缘政治勒住的版图：市场空间从天而降，先进制程与高带宽内存供应仍然受限，而客户高度集中、存货高企，任何一环的松动都会直接传导到收入与毛利率。

09领导风格与性格：推土机、墩子与不打分

陈天石的决策风格，最准确的自我描述来自二〇二〇年的一次访谈：我们沿大路而行，不抄小道，不搞奇袭，而是拿个推土机在那推。他接著解释了原因：互联网公司强调决断力和爆发力，可以有灵光一闪立刻付诸执行的时刻；但在芯片行业，就算有了好的想法，实践前还需要思前想后，每一步如果走塌了都会出现大问题——一个不稳健的公司是做不了芯片的。这段话几乎解释了他所有的重大选择：不追风口、不做应用、上市前不给市场讲故事，甚至在股价最高的时候主动发公告降温。

对组织，他反复克制个人色彩的浓度。他说过，不希望年会搞成训话会，希望寒武纪不要变成一个具有太多个人色彩的公司，希望大家可以记住寒武纪、记住寒武纪的产品。他对竞争边界的划分同样清楚：寒武纪专注底层硬件与工具链，避免做应用，因为一旦做应用，就会触及客户核心利益。他把公司的位置比作一个墩子，专业长胖，欢迎大家踩在我们身上做应用。在一个习惯用全栈、闭环自我描述的行业里，这种主动把自己限定在产业链中段的表述并不常见。

他对人的态度体现在几件具体的事上。一是护人：他多次公开说自己只是个普通的科研人员，把公司的位置放低；二〇二五年三月三十日的中关村论坛上，他专门谈前浪的自我修养，说资深科研人员的经验有时可能成为创新的阻碍，主张克制对年轻人想法的价值判断，慷慨给资源，在小范围内营造自由的探索环境。二是用人标准：据报道，二〇一〇年他本科成绩平平却被破格招进计算所，是因为对计算机的热爱和工作的狠劲。他在另一处的表述更简单：技术一定要是最好的。

对钱的态度，有一个具体到数字的注脚。二〇二五年，陈天石从公司领取的税前薪酬为一百四十六万四千二百元，在寒武纪九位董事与高管中是最低的一位；当年高管薪酬总额为一千二百万二千八百元，平均约一百七十一万四千七百元。同期他持有的一亿一千九百五十三万零六百五十股，在二〇二五年度的分红方案下可获税前现金红利约一亿七千九百万元。他名下没有多元化的资产故事，公开报道中他反复强调的话是自己是个普通科研人员、个人也没什么远大目标，同时又在另一处说不讳言寒武纪想当这个将军。这种低姿态与高企图心的并存，是理解他的一把钥匙。他说自己上大学时成绩不好、考了好多六十分，被问到给自己打多少分时，他的回答是不打分——既不给自己打分，也不轻易给别人打分。

10成功秘诀：把冷板凳坐热的八件事

第一，选一个足够难、也足够长的问题。陈天石与陈云霁从二〇一〇年起做人工智能与处理器架构的交叉，比 AlphaGo 早六年，比大模型浪潮早十三年。他们在二〇一〇年申请二十万元经费都没批下来，被人称作无经费、无论文、无人问津的三无研究，却没有换方向。第二，在冷门里坚持发论文，把学术声望变成行业座标。DianNao 与 DaDianNao 连续拿下两大顶级会议最佳论文，二〇二四年又获 ASPLOS 最具影响力论文奖，这套学术积累后来直接转化为招人、融资和客户信任的凭证。

第三，抓住一次巨人的肩膀。二〇一七年的麒麟 970 让一家成立一年的公司一夜成名，这一步是运气也是判断力——他们选择了授权这种见效最快的路，而不是立刻自己造芯片。第四，敢在最大客户离开时换赛道。二〇一九年华为自研之后，陈天石把重心转向云、边、端与智能计算集群，二〇二〇年上市时已具备软硬件全栈能力。这次转型让公司活了下来，也留下一批政府与科研机构客户。第五，在封锁中把资源压到架构与封装上。二〇二二年被列入实体清单之后，公司没有收缩研发，反而把筹码押在芯粒、自研指令集与多芯互联上，思元 590 与思元 690 是这条路线的产物。

第六，用软件生态锁住客户。NeuWare 基础软件平台、推理引擎与算子库全部自研，目标是让主流开源模型上线当天就能完成适配，降低云厂商切换芯片的改造成本。第七，长线的资本安排。二〇二三年四月完成十六亿七千二百万元定增，二〇二五年九月完成三十九亿八千五百万元定增，两次都在周期的关键节点上把钱拿到手；二〇二六年又申请不超过一百二十亿元综合授信。第八，对市场情绪保持距离。二〇二六年六月三十日市值刚破万亿，当晚公司主动发布风险提示公告，指出滚动市盈率三百六十八倍显著高于行业均值，两天内市值蒸发超过一千四百亿元。

这八件事里，有多少可以复制？选方向、坐冷板凳、把学术变成信任、在封锁中找技术变道，这些是可以学的方法论，但前提是极少数人才有的组合：一个由血缘与专业互补绑定的二人核心、一个愿意力排众议给资源的中科院计算所、以及一条由地缘政治强行让出的市场空间。二〇二五年净利润从亏损四亿五千二百万元翻转为盈利二十亿五千九百万元，其中固然有产品周期与规模效应的贡献，但更直接的推力是：海外高端算力卡供应收缩，而国内大模型与智算中心的资本开支在同一时间集中释放。陈天石自己的表述更克制：寒武纪和行业前辈比起来还只是个孩子，罗马并非一天建成，前辈标杆也都是筚路蓝缕走过来的，我们有远大的志向，但长跑才刚刚开始。

11个人、价值观与生活：游戏、长跑与垫脚石

少年时代的陈天石与天才这个标签并不完全相容。他五岁读小学，十六岁考上少年班，却在本科四年里逃课打游戏，大二整学期没上课，期末补考七十多分过关，非典期间还翻墙去过网吧。他考大学的动力之一，是哥哥告诉他上大学后玩游戏更方便。他说自己上大学成绩不好，考了好多六十分，并从不讳言选计算机专业时甚至用过抓阄的办法。真正改变他的不是某次顿悟，而是大四时看到同学纷纷出国、进名企之后的那阵慌。二〇〇五年考研，政治考了八十七分，之后九年拿下博士。他对少年班生涯的总结是：和真正的学霸在一起，会养成谦虚低调的品格。

他的价值观里有一组看起来矛盾的座标。一方面，他反复把自己定义为普通的科研人员，说个人也没什么远大目标，没想过自己一定要成为一个多么杰出的人，只想做好本职工作；另一方面，他在谈行业格局时又非常直接——如果智能时代真的到来，难以想像智能芯片不诞生新巨头，他不讳言寒武纪想当这个将军。他也会说我们单做芯片的其实比较干巴，芯片就是个硅疙瘩，然后再变成电路板，然后把公司的志向放在更低的位置：做未来无处不在的人工智能应用背后的垫脚石，希望大家有一天不需要知道我们，只要我们能够支持好下游的应用，这就是贡献。

日常细节上，关于他生活方式的公开信息很少，这本身就是一种信号。他不爱开发布会——二〇二〇年时他说公司四年一共开过两次发布会，一七年、一八年各一次，之后用新闻代替了发布会，理由是自己有点懒，开发布会要穿得正式、找个高大上的地方、各种准备。他偏好的沟通方式是：我做了个芯片，你要不要试试？客户说好，团队就冲过去。他把长跑当作最常用的比喻：英特尔五十二岁，超微五十一岁，英伟达二十七岁，寒武纪只有四岁。二〇二三年他当选全国政协委员，二〇二五年七月获优秀中国特色社会主义事业建设者称号。据二〇二六年胡润全球富豪榜，四十一岁的他以一千七百五十亿元财富位列中国前二十、世界第九十五位，并连续多年蝉联江西首富。他的财富几乎全部来自寒武纪的股权，没有多元化投资故事。

12国家与时代意义：一颗芯片与一个时代的互相成就

寒武纪的意义，首先在于它是中国第一家在人工智能芯片架构上做出原创性突破的公司，而不是跟随者。DianNao 论文发表于二〇一四年，中科院计算所的官方表述是它开创了深度学习处理器方向，并推动了国际工业界对智能芯片的研发，包括谷歌的张量处理单元、英伟达的张量核心与华为系列智能芯片。二〇二四年 ASPLOS 最具影响力论文奖授予这篇论文时特别提到，这是中国机构首次获得该奖，也是中国机构首次在体系结构领域获得此类奖项。一个由十人学术团队起步的冷门方向，最终成为全球算力竞赛的主赛道之一。

第二层意义在于产业结构。寒武纪是国内唯一不依附任何一家大厂、对外开放供货的第三方云端人工智能芯片设计企业——华为升腾绑定华为云与政企体系，海光靠兼容路线承接平滑迁移需求，百度昆仑芯服务自家云，字节、阿里、腾讯都在自研。这个中立位置既是它的护城河，也是它的天花板：客户买它的芯片，本质上是在为自己的算力供应链买一份冗余。正因如此，客户集中度成为它最持续被追问的风险——二〇二五年前五大客户占营收百分之八十八点六六，第一大客户占比超过四分之一。

第三层意义是国产替代的具体形状。二〇二二年十二月被列入实体清单，意味著海外先进制程代工通道与部分设计工具受限；寒武纪的应对方式，是把产品押在国产先进制程与芯粒封装上，并把软件生态做厚，让主流开源大模型在自家平台上尽快完成适配。据国际数据公司统计，二〇二五年中国人工智能加速卡市场中国厂商份额已达约百分之四十一，英伟达降至约百分之五十五；工业和信息化部披露，二〇二六年上半年全国智能算力规模达二千一百八十五百亿亿次每秒，同比增长百分之一百七十七。寒武纪的营收从二〇二二年的七亿二千九百万元涨到二〇二五年的六十四亿九千七百万元，本质上是这条曲线的一个截面。

第四层意义关乎一个更长的判断。陈天石把寒武纪放进长跑的叙事里，并非谦辞：英伟达用二十七年建起软件生态的护城河，寒武纪的工具链仍在起步阶段；二〇二五年寒武纪研发投入十一亿六千九百万元，而同期英伟达的研发投入在百亿美元量级。它的市值里有真实的技术积累与商业化突破，也有对未来的贴现与地缘政治的溢价。二〇二六年六月三十日那晚的风险提示公告，某种程度上是他对这个判断的公开表态：一家公司可以靠时代的风起来，但要在风停之后还站在那里，靠的只能是十年尺度的技术积累。寒武纪的名字取自五亿年前生命形态的突然爆发，而陈天石真正想证明的，是爆发之后能不能活下来。

01家世与早年：一个「90 后」与清华园的九年

夏立雪的出生年份，公开资料里有两说。清华大学官网转载《科技日报》的报道、百度百科、21 世纪经济报道等多数中文媒体写「生于 1991 年」；而站内既有的词条资料记为 1990 年。公开资料中，他本人从未主动谈过家世，父母职业、出生地、中学就读学校均未见官方或一线媒体披露。唯一与地域有关的线索，是 2023 年 11 月他在人工智能黄河论坛上获评「宁夏算力枢纽·人工智能领域领军人才」，侧面显示他与宁夏算力枢纽之间存在渊源，但这并不足以证明其籍贯或出生地。因此本文的家世部分只能从简：一个在公开叙事里被刻意留白的开头，也符合他一贯只谈技术、不谈个人的表达习惯。

可考的求学起点是 2009 年。那一年他 18 岁，考入清华大学电子工程系，属于俗称的「9 字班」。他所进入的具体学术单元，是汪玉教授负责的「纳米集成电路与系统实验室高能效计算组」（NICS-EFC）。这个课题组自 2008 年起就扎在软硬协同与 AI 算力系统的前沿，研究面向人工智能场景的节能电路与系统设计方法，涉及多智能体强化学习算法、高效稳定深度学习系统、领域专用加速等方向。他后来反复强调的「十余年技术积累」，起点就在这里。他后来在捐赠母校的致辞里说，自己人生里「最青春、最折腾、也最重要的那些年」，都是在清华园里度过的。

他在清华待了九年，从本科一路读到博士，师从汪玉，是汪玉的第一位博士毕业生。读博期间，他的研究落点在深度学习系统的设计方法学：忆阻器（RRAM）存内计算的仿真平台、容错训练，以及面向语音合成的定制化硬件。2016 至 2017 年间，他以第一作者在 DAC、IEEE TCAD 等会议与期刊连续发表多篇论文，其中 2017 年 DAC 的最佳论文提名（本人一作）排在当年总投稿的前 2%，被「忆阻器之父」、IEEE Fellow Leon O. Chua 等学者引用。他后来在混沌学园的分享里回忆，自己博士阶段的第一个课题最终没有解决——「因为后来它已经不再是一个问题了」。这句话里藏著他日后面对不确定性的基本态度。

毕业那年，他的履历上叠著一串荣誉：清华大学优秀博士学位论文、清华大学优秀博士毕业生、北京市优秀毕业生、ICFC 优秀博士生，以及微软亚洲研究院「明日之星」。这些头衔里，真正影响他日后路径的是最后一项——它意味著他并非只被当作纯学术苗子培养。不过当时的他，看上去更像是要走一条标准的技术科学家路线：出论文、进实验室，在一个很窄的方向上拱出一个小小的尖。他后来把这条路径总结为「在人类知识边界上拱一个尖」，并且认为今天的科研几乎都是在复杂约束下进行的，「做软件优化，既要懂硬件、还要懂算法」——这种跨层的训练，日后成了他创业的底子。

02创业原点：从阿里云到模速空间的 50 平方米

博士毕业后，夏立雪没有留在学术界。他以「阿里星」身份进入阿里云，担任用户增长产品技术负责人，所负责的产品服务 30 余家客户并稳定获得规模化年营收；据《华夏时报》报道，他还负责过阿里云大语言模型的压缩加速、生成式 AI 模型芯片等战略项目。他后来形容这段经历是「站在巨人肩膀上」——在大厂里做技术，资源、算力、流量都是现成的。2022 年底 ChatGPT 出现时，他正在产业界做云计算研发，用他自己的话说，当时「心潮澎湃」。

真正的触发点有两个。一个是技术判断：Scaling Law（规模定律）被验证之后，「更强算力、更大参数、更多数据可以带来更好的模型」成为共识，他认为这不只是一波创业浪潮，而是「一场生产力范式革命的起点」。另一个是导师的推动：汪玉鼓励他创业。他自己的说法是「在别人看来，创业充满了不确定性，但对我而言，这是厚积薄发的自然结果」，又说「多年的技术储备迎来了前所未有的机会，就像一把磨了十几年的利刃终于出鞘」。2023 年 5 月 31 日，无问芯穹完成工商注册；同年 9 月，它成为上海徐汇「模速空间」的首批入驻企业之一。

关于他正式出任 CEO 的时间，资料有出入。百度百科写「2024 年初，夏立雪以联合创始人身份出任无问芯穹首席执行官」；但 2023 年 10 月起，他已以「联合创始人兼 CEO」的身份带队发布技术成果。较合理的解释是：公司 2023 年成立时他已挂帅，但从阿里云完全过渡到全职创业、并在公司治理层面正式就位，发生在 2023 年底至 2024 年初之间。还有一种可能是，公司早期对外统一使用「联合创始人兼 CEO」的头衔，而工商登记与治理层面的职务变更稍晚才完成——这两件事在初创公司里往往并不同步。无论采哪一种解释，他在 2023 年就已经是这家公司的实际负责人。此点在 notes 中另作说明。

初创团队的规模小得具体：他带著 6 名成员挤进模速空间 A 区一间不足 50 平方米的格子间。公司名称一开始想叫「无问星穹」，「意思是别去管智慧的边界在哪里，尽管探索便是」，后来为了让人一眼看懂公司做什么，把「星」改成了「芯」——「芯穹，意指把芯片价值发挥到无穷」。团队平均年龄 32 岁，带上实习生降到 28 岁。多位核心成员来自同一条师门：发起人是汪玉，联合创始人兼首席科学家戴国浩、硬件设计负责人曾书霖都出自 NICS-EFC 课题组。这是一支由清华电子系推动集结起来的队伍，也是它日后被资本追捧的重要原因之一。

03最艰难的关：把论文变成产品的那两年

他后来把创业的难归纳为三个核心问题，其中第一条最要命：从技术到产品的跨越。他用三个词拆解这条路——论文、工程、产品。论文只在特定实验环境下验证一个技术点的极限价值，「能带来最纯粹的兴奋感」，但问题在于它「大多只在特定的实验环境下成立，离真正的用起来还很远」；对科学家而言，论文发表往往意味著这个探索周期的终结，「世界级难题既已攻克，后续便交给工程师」。而创业要面对的是真实业务流量下的系数调整、兼容性优化、并发性优化。他在演讲里放了一张开源项目的截图：尚有 93 个 bug 待解决，已修复 76 个。一项技术要被真正用起来，需要先经历成百上千个 bug 的修复。

第二条是从供给侧思维转到需求侧思维。他自陈，科学家创业容易陷入「拿著锤子找钉子」的状态——「我们的锤子是很多优秀的技术能力……但没人会为这张图买单，因为客户无法从这张图里知道你究竟能帮他们解决什么问题」。他举了一个很具体的例子：团队在特定模型的推理速度上做到全球第一，可客户真正需要知道的是「同等算力下，产出能够翻倍」，或者「原本用户等待 3 秒便会流失，如今 2 秒的响应能够使其愿意留存」。他自己的总结是：很多科学家创业没能迈过去的一道坎，正是这个转变——从「我有什么」到「你要什么」。

第三条是理想与现实的双向奔赴。他很直白地承认，高毛利、大规模、高增速三者兼备的商业模式几乎不存在，「我们所能做的往往是先抢占市场、站稳脚跟」。如果一开始只做有独特价值的事，或是不屑于做短期价值不明显的事，「那可能永远找不到产品的落脚点」。因此他给出的策略是：先提供大家都有的价值，再慢慢找到自己独特价值的落脚点——「既要活在当下，又要看见远方」。这段表述没有任何励志修辞，反而像一份对创业现实的冷静让步清单。

技术层面的关同样具体。异构混训不是把芯片插在一起就完事，背后是通信机制、任务分配与数据同步。他坦言，异构情况下确实出现过「相同数量的国产芯片加上英伟达芯片，训练表现不如单独英伟达芯片」的情况。而行业的底色更冷：他引用过的数字是，国内千卡集群的算力利用率一度不足 35%，全国智算中心平均利用率曾低于 60%——一边是头部企业高价抢购 GPU，一边是大量算力被闲置。他把这种局面概括为六个字：「优质算力不够用、普通算力不好用。」这正是他必须翻过去的那道关。

04翻盘的一役：二〇二四年七月的千卡异构混训

翻盘的节点是 2024 年 7 月的世界人工智能大会。在这次大会的 AI 基础设施论坛上，无问芯穹发布了业内首个千卡规模异构芯片混训平台：单任务、千卡规模、支持华为升腾、天数智芯、沐曦、摩尔线程、AMD、英伟达六种芯片交叉混合训练，集群算力利用率最高达到 97.6%，具备万卡扩展性，平均高出基准方案约 30%——这意味著在同样的多元芯片机房条件或集群条件下，可将训练总时长压缩约 30%。同期，公司与清华大学、上海交通大学联合研究团队发布了异构分布式混合训练系统 HETHUB。

这套东西的分量，要放回 2024 年的语境里看。当时国内宣称拥有千卡规模的算力集群不少于 100 个，但普遍存在难以有效整合与利用的问题，这是行业「算力荒」的一个重要成因。能让 6 种不同品牌的芯片在同一个任务里「说同一种语言」并跑满，是产业里公认的硬骨头。他给出的技术解释很朴素：和人一样，芯片之间「沟通」也需要「语言」，不同架构芯片的「语种」不同；清华时期他的团队主要研究不同芯片间的高效通信，为异构芯片发明了一种「世界语」。他的比喻是：「打开水龙头时，我们不需要知道水是从哪条河里来的。」

这一役同时解决了「有人愿意用」的问题。发布前四个月，Infini-AI 大模型开发与服务云平台首次公开测试；发布时，智谱 AI、月之暗面、生数科技等大模型企业已在平台上稳定使用异构算力，另有 20 余家大模型应用创业公司持续调用预置模型 API，使用公司提供的工具链开发应用产品。此后，异构混合训练的效率数字被反复引用，成为公司最硬的技术名片：97.6% 的千卡混训利用率、跨域异构混训约 90% 的效率，以及后来披露的 97.5% 异构算力协同效率。

值得记下的是，这一役的技术源头并不在 2024 年。早在 2023 年 10 月，公司就发布了大模型推理加速方案 FlashDecoding++，透过异步方法实现注意力计算的真正并行，在主流 GPU 上实现 2 至 4 倍的推理提速，取得行业最优加速效果，并完成在 AMD、华为升腾、壁仞、寒武纪、燧原、海光、天数智芯、沐曦、摩尔线程、NVIDIA 等 10 余种计算卡上的适配，部分计算卡上做到行业第一，还与 AMD 签下战略合作。而在 2025 年 2 月，公司又率先完成 DeepSeek-R1、V3 在壁仞、海光、摩尔线程等七家国产硬件平台的适配优化。一个 24 岁实习生主导的工作把 AI 算法在硬件上的计算效率提升了 3 倍以上——这件事他后来在不止一个场合讲起。

05公司发展史（一）：二〇二三，技术立身的头一年

公司 2023 年 5 月 31 日成立，注册地上海徐汇。他自己把三年切成三段：第一年锚定技术，力争把核心技术做到全球领先，「产出了很多篇高含金量的论文、发布了很多创新成果，拿到了很多『全球首次』『世界第一』的成绩，构筑起坚实的技术护城河」；第二年重心从技术突破迁移到价值验证，把领先技术封装成标准化产品，推动商业化落地；第三年让商业飞轮转起来，用市场的方式去定义 AI 基础设施的标准与范式。这条曲线，恰好也是多数硬科技公司的必经阶段——先锻造硬核技术，再将技术重塑为普适产品，最后透过规模化开启商业飞轮。

资本市场几乎没有犹豫。2023 年 8 月，成立仅三个月，公司完成天使轮融资，金额未披露，投资方包括红杉中国、北极光创投、金沙江创投、SEE Fund 无限基金、徐汇资本；有报道称这轮从启动到完成只用了一个月，且资方清一色是一线市场化机构。2023 年 12 月完成 Pre-A 轮融资，金额同样未披露，名单却长得惊人：百度、腾讯投资、红杉中国、智谱 AI、歌尔股份、真格基金、启明创投、南山资本、绿洲资本、七维投资、光源资本、星连资本、惠隆资本。一个成立半年的公司能同时拿到互联网巨头与产业方的钱，靠的是「清华系」团队的技术履历。

产品节奏也很快。2023 年 10 月是 FlashDecoding++；2024 年 1 月发布首个大模型定制推理 IP FlightLLM，首次在单块 FPGA 上实现大模型的高效推理，在低端工艺 FPGA 上相比高端工艺 GPU 取得约 6 倍的能效提升；2024 年 7 月在世界人工智能大会上发布 Infini-AI 异构云平台与千卡混训平台，宣布支持一键发起 700 亿参数规模的大模型训练；同年 12 月，全球第一款端侧全模态理解模型 Megrez-3B-Omni 开源，实现端上图像、音频、文本的全模态理解。从实验室成果到可被调用的云端服务，这一年是关键的翻译年。

06公司发展史（二）：二〇二四，规模化与第一次转型

A 轮是 2024 年这条线里最重的一笔。公司于 2024 年 8 月至 9 月间宣布完成近 5 亿元 A 轮融资，联合领投方为社保基金中关村自主创新专项基金、启明创投和洪泰基金，跟投方包括联想创投、小米、软通高科等战略投资方，国开科创、上海人工智能产业投资基金、徐汇科创投等国资基金，以及顺为资本、达晨财智、德同资本、尚势资本、申万宏源、正景资本等财务机构。此时距公司成立一年四个月，累计融资已近 10 亿元；投资方名单里同时出现了互联网巨头、手机厂商、国资平台与老牌创投，阵容被媒体形容为「囊括国内所有知名的产业资本和国有基金」。

规模的扩张体现在物理空间与人的数量上。2023 年 9 月进驻模速空间时只有六七人、不足 50 平方米；一年多后，格子间扩展成模速空间内独立两层办公室，员工规模突破 200 人。他把这一年的重心定义为「价值验证」——把技术封装成产品，积累一批标杆案例，在真实业务场景中不断打磨。这一时期，公司接入并高效运营 10 种以上异构算力，服务全国 20 余省市的 40 余个异构算力集群，总的混合算力超过 7000P。他反复提到模速空间的生态红利：「上下楼就是上下游」「邻居就是合伙人」，散步聊天时就可能得到一个好创意或一位潜在客户。

也正是在这一年，公司的技术叙事从一句「软硬协同」扩展成一个公式：芯片算力 × 优化系数（软硬协同）× 集群规模（多元异构）＝ AI 模型算力。这个公式的商业含义是：可用算力不只取决于芯片的理论算力，还可以被软件优化系数放大、被集群规模放大。他把自己要做的事定义为 AI 模型算力的「超级放大器」，也就是后来被反复提起的那个位置——不做 GPU、不自研大模型，只在「模型」与「芯片」之间建一层柔性中间层。

07公司发展史（三）：二〇二五，从「递铲子」到 Token 工厂

2025 年是无问芯穹商业化真正起量的一年。年初春节，DeepSeek 引爆行业，他在多个场合提到自己「这两年大模型人都没好好过年」。2 月，公司率先完成 DeepSeek-R1、V3 在壁仞、海光、摩尔线程等七家国产硬件平台的适配优化，开发者可在云端一键调用「模型＋算力」包。3 月，与模速空间共同推出国内首个「算力生态超市」——模速空间算力生态平台，并携手浙江算力科技发布杭州市算力资源调度服务平台。7 月，发布 AI 全规模效能跃升方案以及三大核心产品。9 月，推出基础设施智能体蜂群 Infra Agents。12 月，企业级智能体服务平台（Agentic MaaS）正式发布，为企业提供智能体定制优化、部署托管到商业化变现的全链路服务。

融资与估值在这一年的年末集中落地。2025 年 11 月 27 日，公司宣布完成近 5 亿元 A+ 轮融资，由珠海科技集团、孚腾资本（元创未来基金）领投，惠远资本、尚颀资本、弘晖基金跟投，老股东洪泰基金、达晨财智、尚势资本与海棠基金、联想创投、君联资本、申万宏源、徐汇科创投、元智未来持续追投。成立两年半，累计融资近 15 亿元。公司同时提出新定位：从 AI 加速、所谓的「递铲子」，转向打造「最高效的 Token 工厂」，做 Token 经济的枢纽。他把这个转变说得很平实：技术内核没有变，变的是业务形态与商业模式。

关于这一年的财务口径，不同来源有明显出入。一份 2025 年 12 月的私募基金投后报告显示，无问芯穹 2025 年全年实现营业收入 3.48 亿元，同比增长 303%，全年毛利率 15.7%，剔除股权激励后亏损约 4 亿元；该报告同时记载珠海盛弘基金于 2025 年 12 月跟投 A+ 轮，投资 1059.8 万元、持股 0.36%，对应投后估值 29.44 亿元。另有媒体在 2025 年 11 月底报道称公司「估值超过百亿」。两者相差甚大，本文并列存疑。公司自己在 2025 年的一次公开分享中，只说「目前收入已经过亿」。

08公司发展史（四）二〇二六：今天的版图

2026 年 3 月 24 日，公司完成股份制改造，更名为「上海无问芯穹智能科技股份有限公司」，企业类型变更为非上市股份有限公司，并设立了员工持股平台；同期，公司引入首家境外投资者——香港的 AEF NextGen 基金。5 月 7 日，宣布完成超 7 亿元新一轮融资，由杭州高新金投集团、惠远资本联合领投，国兴资本、秦淮数据、广发干和、力合清瞳、中保投资、AEF NextGen、腾瑞资本、卡莱特、中信建投资本、宽德智能学习实验室跟投，老股东君联资本、上海国投孚腾、元智未来追加投资。累计公开融资超 22 亿元，持续位居中国 AI 原生基础设施公司融资规模榜首。

关于上市，公司未发布正式公告。一份 2025 年 12 月的私募基金投后报告记载：公司正积极筹备并推进港股 IPO，股改已基本完成，目标是按照 18C 规则的要求、在 2026 年 9 月 30 日前递交 A1 申请。市场普遍把 2026 年 3 月的股改与 5 月的融资解读为 IPO 冲刺的前奏，但截至本文写作时，公开渠道尚未见招股文件的正式披露，此点须视为一项计划而非既成事实。18C 是港交所为特专科技公司开设的上市通道，允许尚未盈利的硬科技企业上市，这恰好对应无问芯穹的现实处境——2025 年它仍处于亏损状态。因此上市对它而言既是融资渠道，也是一次对估值口径的公开检验：一级市场上那个相差甚远的估值区间，最终要由公开市场给出答案。

业务版图则在 2026 年 7 月的世界人工智能大会上被完整摊开，主题是「前店后厂一中心」。「一中心」是算力集散中心：面向异构集群的大模型跨域训练系统，在全国部署触达超过 37000P（3.7 万 P）算力、覆盖 16 种主流芯片；「后厂」是 Token 工厂：截至 7 月，Agentic MaaS 平台日均 Token 调用量较年初增长约 40 倍，过去一年透过全栈技术推动推理成本下降 10 倍（另有报道写「推理成本减少 90%」）；「前店」是 AI 生产力商店：面向医疗、能源、法律、影视、游戏等垂直领域输出解决方案，把 Token 转化为行业能用的 AI 生产力。同期，公司首次把 AI 基础设施从数字世界延伸到物理世界，发布面向具身智能的「云—边—端」一体化大规模管理与调度平台，并联合上海移动发布「天问计划生态联盟」。

跨域训练是这一年的技术关键词。公司联合中国电信完成国内首例超过 4000 公里的大模型跨域混合训练，在新疆哈密与广东深圳两地集群之间实现联合训练性能提升 165%；打通 4 个不同代际、不同型号的 GPU 集群联合训练近百亿参数大模型，四集群协同性能提升 41%；在混合云场景实现本地私有集群与公有云算力的安全互通混训，整体性能提升 68%。端侧则形成「无穹天权（Infini-Megrez）端模型＋无穹开阳（Infini-Mizar）推理加速引擎＋无穹天璇（Infini-Merak）LPU IP」的组合，其中开阳赋能联想 AI 笔记本，联想在 1000 万台笔记本上安装了该产品。他给出的下一步目标也很明确：把跨域计算资源的支撑规模，持续拓展至十万卡级以上。

09领导风格与性格：I 人 CEO 的两副面孔

他在公开场合的形象，记者写得很准确：「穿著西装略显拘谨，说起技术才滔滔不绝。」他在混沌学园的分享里自己点破：「我发现我们班有一个很有意思的特点：博士特别多，而且大多都是 I 人，虽然平时不怎么说话，但你一跟他聊起他的工作，他就会滔滔不绝，能跟你聊上两个小时。」这是一种自我描述，也是一种自知。他的公开表达因此有两个特征：一是几乎不谈个人、只谈技术与行业；二是喜欢用生活化的比喻把硬技术讲软——用水龙头、水电煤、电网、发电厂、炼化厂、Windows、安卓、淘宝、套餐来解释异构算力、调度与中间层。这套比喻系统不是修辞爱好，而是他反复练习过的客户界面。

他对人的方式，有具体痕迹可循。2023 年那项把 AI 算法硬件计算效率提升 3 倍以上的成果，第一作者是位年仅 24 岁的实习生；他反复在不同场合提起这件事，并在公司设立了专门面向年轻人和实习生的奖项，每周办技术分享会让青年工程师畅所欲言。他给出的理由不是姿态而是逻辑：「正如 AI 模型拥有强大涌现能力，AI 时代的科技公司也应该成为『涌现型组织』，每个人不仅拥有不俗的个人能力，更是被共同的价值观维系，可以自主驱动、自发协作，从而迸发出集体创新的火花。」他自己的说法是，公司所有的技术突破，「都是靠冲在一线的年轻人实现的」——而他本人只比团队平均年龄长两岁。

对事的方式上，他明显是「先定义问题、再谈解决」的类型。他在清华待了九年、发表 30 余篇论文，却反复强调博士训练给他的不是某项具体技术，而是三样东西：解决极其复杂问题的系统化思维、批判性思维，以及「心力」。他把「心力」描述为读博五年撑下来的东西——「我自己博士的第一个课题，我自己并没有解决，因为后来它已经不再是一个问题了……你唯一能做的，就是坚持往前走。」这种经验直接影响了他的创业节奏判断：他能接受阶段性产品不完美，只要方向能被验证。

他对钱与规模的态度值得单列。面对 2026 年 Token 涨价与成本下降同时发生的局面，他的表述是「这是一个盈亏平衡线的问题」；面对行业竞争，他说「现在可能还谈不上竞争。蛋糕足够大，随便圈一块地，都可以先盖起一座自己的城市」；面对行业地位，他给出的判断是「不是最有钱的人就能占据最高的行业地位，而是最懂得做好优化的人」。这几句话放在一起看，是一个技术出身的 CEO 对资本的态度：承认资本必要，但不认为资本是决定性变项。

他也自认为「是个浪漫主义者」。这句话出现在他讲批判性思维与心力之前，是那场分享里少见的自我评价。而他对公众叙事的偏好同样清晰——几乎所有演讲都以「让算力像水电煤一样」开头，以「中国第一次有机会成为领跑者」收尾，中间填的是具体的芯片型号、效率数字与客户故事。这种「宏大愿景＋硬核细节」的组合，是他这一代表科技创业者相当典型的表达方式；差别在于，他的细节通常可被验证。

10成功秘诀：八条可验证的算法

第一条，选了一个「不需要自己造硬件」的位置。「不建算力、不造芯片、不做模型」——公司从第一天就清醒地把自己放在模型与芯片之间的柔性中间层，核心范式是 M 种模型 × N 种芯片。证据是：当同代创业者忙著做模型或做芯片时，它做的是通信原语、调度、算子优化与统一交付，因此不必承担制造与模型训练的资本开支，也不必与客户正面竞争。轻资产的中间层定位，换来的是三年内几乎没有断过的融资节奏。第二条，选了一个由国家级矛盾定义的问题。他反复引用三个结构性事实：芯片与全球顶尖水平至少两代差距；软件生态已形成壁垒；国产算力资源零散、各款芯片缺少适配，散成一座座孤岛。这三个事实同时是痛点、是壁垒，也是政策与国资青睐的理由。

第三条，把一个学术命题做成了一个可量化的产品指标。他提出的 AI 生产力公式是：AI 生产力 ＝ 智能规模 × Token 生产效率 × Token 价值转化；公司内部则把目标收束到单一北极星指标——Token/秒。他明确说过：「一句话描述：让中国所有能被用起来的芯片，都能以最高的效率去产生 Token。」把复杂的软硬协同工作压缩成一个可测量、可对客户承诺的数字——例如跨集群异构 PD 分离架构将首 Token 响应时间降低 51.5%、单 Token 成本降低 37.5%——是他把技术卖出去的关键一步。第四条，用「说人话」的比喻重建了产品的客户界面。把异构算力讲成水龙头、水电煤、电网与发电厂，把中间层讲成 Windows 或安卓，把平台讲成算力「淘宝」与「套餐」。这听起来只是修辞，实际上却是需求侧思维的产物——他知道客户不想学 CUDA 那一套，只想「开箱即用」。

第五条，先做验证、再谈理想。他自己的总结是：先把技术封装成标准化产品、积累标杆案例，再把商业飞轮转起来；对「高毛利、大规模、高增速」三者不可兼得这一点，他选择先抢占市场、站稳脚跟，再兑现独特价值。联想 1000 万台笔记本安装其推理引擎、服务 20 余家头部模型企业与百余家企业及科研机构、2026 年日均 Token 调用量增长约 40 倍，都是这条路径的结果。第六条，把人才与组织本身当作技术资产。团队平均年龄 32 岁（含实习生 28 岁），他公开把最亮眼的成果归功给 24 岁的实习生，并以「涌现型组织」定义公司的组织目标。在一个人才极度稀缺的行业里，这种归因方式本身就是最有说服力的招聘广告。

第七条，与生态做正和博弈。他特意说明，许多芯片厂商愿意主动对接与适配，是因为公司能把算法的最新变化回馈到硬件上，「帮我们提出下一代芯片的迭代策略，也会给出具体建议」——这等于把自己嵌进了芯片厂的产品路线图，而不是只做一个下游客户。第八条，也就是最后一点，是时机。必须说清楚：他的成功有相当一部分不可复制，因为它依赖一个极特殊的时间窗口。他本科入学的清华电子系课题组从 2008 年起就在做软硬协同，十余年积累刚好遇上 2022 年底 ChatGPT 带来的算力爆发；2023 至 2026 年，国产芯片替代成为国家级议题，国资与产业资本急需一个「整合异构算力」的标的；上海徐汇把紧邻黄浦江最好的办公场域留给 AI 开发者，模速空间让上下游变成邻居。他自己也承认这层运气：「我们生逢其时。」可复制的是方法——选定位、定量化指标、先验证后理想；不可复制的，是那条从 2008 年延伸到 2026 年的技术与政策红利曲线。

11个人、价值观与生活：把「燃烧」换成「点燃」

公开资料里，他的私人生活几乎是空白：家庭、婚姻、子女、业余爱好均未见披露，这更像是他的选择而非资料缺失。可观察到的生活痕迹有三处：一是工时——2025 年 5 月新民晚报记者约他采访，只能排到傍晚 6 时的晚饭档期，那段时间他「特别忙」；二是「过年」——他每年春节都睡不踏实，因为 AI 领域总在春节出大事：「2023 年春节后 GPT-4 发布了；2024 年春节是 Sora；2025 年春节，DeepSeek 出来了。」三是他的自我比喻——他把自己比作修路、修桥的人，在虚拟世界的算法与物理世界的芯片之间「搭建起一条高效运转的高速通路」。

他的价值观里有一条清楚的主线：科技普惠。公司的使命是「释放无穹智能，让 AGI 触手可及」，他反复使用的目标是「让算力像水电煤一样流入千行百业、千家万户」，并强调「我们遵循『科技为人民服务』的价值观，贴近 AI 对科技普惠的价值追求」。这条线也解释了他为什么对中小企业与科研机构的场景特别上心：他在访谈里专门提到，要投入一部分精力帮助那些「对 Token 还用得没有最高效，但有很好的创意和产品能力的」中小创业者，让他们把全部精力花在推出自己的产品上。

另一条线是对「燃烧」的重新定义。他在 2025 年 11 月的先进事迹报告会上说：「为了实现梦想燃烧自己，这不是消耗，而是点燃，点燃团队的热血，点燃产业的信心。」这句话与他对读博「心力」的强调互为注脚——他不把长期高强度投入理解为损耗，而理解为一种可以传递的能量。他也坦率承认转型的代价：创业之后才发现「除了技术外，还有市场、商务……不管从压力应对上还是从机遇把握上来说，挑战都很大」。

他对自我的定位有过一次罕见的公开修正。在混沌学园的分享里他说：「我在清华待了 9 年，发表了 30 多篇论文，总引用量 3000 多次……这些经历，让我尚且能自称为一个科学家。」而后又说「创业对我来说，是一个找回自我的过程」——他认为自己在其中学到的不是管理技巧，而是把做科学家的理想与使命感重新接回商业实践。这种「科学家认同」始终高于「企业家认同」的自我叙事，在他的公开表达里一以贯之，也构成他区别于同代创业者的一个侧面。

12国家与时代意义：站在算力供需缺口上的一代

要理解夏立雪的位置，得先理解他所处的结构性缺口。他把中国算力的困境概括为三层：芯片与全球顶尖水平至少两代差距；软件生态已经形成壁垒，芯片和算力离不开尖端软件配合；产业层面国产算力资源分布零散、各款芯片缺少适配，「让我们本就宝贵的算力资源散落成为一座座孤岛，让千千万万中小企业和普通人，难以尽情拥抱 AI 时代」。无问芯穹的价值，就是把这些孤岛用技术连成一张网——用他的话说，是「为分布在不同地域、不同行业，基于不同芯片、不同集群的算力，搭建一座立交桥」，让它们互联互通，成为整个网络的一部分。

他给出的路线图是「三步走」：第一步基于现有主流芯片追求极致的软硬件协同优化，以有限的算力推动国产模型能力快速迭代；第二步推动国产芯片开放底层生态，构建强大的异构人工智能系统，透过智能调度与资源整合弥合算力缺口，实现模型能力的全面超越；第三步构建国产同构系统，打造「国产模型—国产芯片—国产系统」的闭环生态，实现更高水平的自主可控。他同时强调「自主之路绝非闭门造车」——「产业的自主可控与开放包容，从业者的技术报国情怀与拥抱世界的全球视野，并行不悖。」

他对国家的判断更进一步：中国是下一代 AGI 基础设施最合适的试验场和发源地。理由有三条：体制上能迅速凝聚战略决心与资源；市场上有最丰富的应用场景与最强劲的潜力，「只要在中国把场景跑通，就可以形成一个向全球复制的最佳实践」；价值上遵循「科技为人民服务」。由此推导出的产业定位是：把中国的能源结构优势转化为高质量的 Token，「过去 Made in China 是制造业，现在是 AI Made in China」——「这一次，我们将成为世界的 Token 工厂」。

把视野再拉远一点：在 AI 产业的五层结构（能源、芯片、基础设施、模型、应用）里，他选择了中间那一层。这一层过去在中国最不受关注——它既不掌握最稀缺的芯片，也不生产最耀眼的大模型。但当算力供需缺口成为产业的主要矛盾，当国产芯片的出路从「造出来」变成「用起来」，这一层的价值就被重新定价。他在 2025 年 11 月的那句话，或许最能概括他这一代人的自我认知：「今天，中国的技术人，第一次有机会成为世界下一次产业变革的基石。这是过去几百年来，我们从未有机会书写的宏大命题。」

01家世与早年：杭州、一位电力工程师的父亲，与被叫作「书呆子」的少年

沈亦晨 1989 年生于浙江杭州，籍贯浙江杭州。关于他的家世，公开资料著墨极少，唯一被反复提及的人物是他的父亲——一名电力工程师。父亲对他的教育方式相当具体：鼓励他把家里的废旧电器拆了装、装了拆，就为了让他认识里面的零部件，了解录音机、冰箱等电器的工作原理。在父亲潜移默化的影响下，他特别喜欢看《有趣的科学实验》，甚至会翻父亲书桌上那些布满电路图的专业书。「刚开始也觉得晦涩难懂，爸爸就会告诉我一些入门知识，还带我做各种物理小实验。渐渐地，我对物理和科学知识越来越有兴趣了。」这段话是他少见的、带著温度的自述，也是理解他日后为何执著于「把技术变成产品」的第一把钥匙。

父亲的职业还给他留下了一个更深的坐标。2026 年他接受访谈时说，父亲亲历了中国电力行业从「装机量仅为美国 1%」到「超越并是美国 5 倍」的过程；他从小耳濡目染，虽然学的是理论物理，内心却一直希望把技术转化为实质的影响力。他把这种信念说得更直白：再好的学术成果，如果不能变成产品、产生实际价值，终究只是停留在纸面上的东西。他与父亲两代人的分工，也在 2026 年被他自己概括成一句很干净的话——「他是电力，我们是算力。」这句话后来被反复引用，因为它几乎精确地描述了中国两代工程师的接力方式：上一代解决电力的生产与搬运，这一代解决算力的生产与搬运。

他的中学是杭州外国语学校。初一时他就鼓捣出「电动小轮船」「自动浇花器」等小发明，初二代表学校参加物理竞赛拿了二等奖。比赛结束后他没有沉浸在成绩里，而是反复「复盘」自己在赛场上的表现，一遍遍重做题目、还原实验细节——媒体把这种习惯称为「迭代思维」。他初中毕业时已提前预习完高中物理课程，并在父亲辅导下开始钻研大学物理。但他并不是传统意义上的模范生：他自己说「我中学时不算标准的『学霸』，甚至偏科严重，只对感兴趣的数学、物理花时间比较多」；也有报道写他不喜欢和同学去「K 歌」、不会打网游，显得不太合群，被同学叫作「书呆子」。2022 年 9 月，他回到母校开讲「校友论坛」第一课，并在同一年获评「杭州市杰出青年人才」。

02创业原点：Lux Labs、一篇封面论文，与四十封没有回音的冷邮件

他高中毕业后考入新加坡南洋理工大学物理系，其后赴美国约翰霍普金斯大学。这里有一个需要说清楚的口径差异：多数中文媒体写他在霍普金斯「获得硕士学位」，而招股书写的是「2011 年 5 月获美国约翰霍普金斯大学学士学位，主修物理与数学双学位」。两种说法未必冲突——他的本科经历确实横跨新加坡与美国两地，媒体所称的「硕士」很可能是对跳级与转学过程的误记。可确定的是：2011 年 5 月他拿到学位，同年以 22 岁之龄进入麻省理工学院（MIT）物理系攻读博士，研究方向为纳米光子学与集成光学，2016 年 6 月取得应用物理博士学位。

在大众叙事里，他的博士导师常被写成「诺贝尔物理学奖得主」。这一点必须准确表述：一手与权威来源指向的是另外两位。财联社《科创板日报》2026 年的报道写他「师从纳米光学领域权威、美国科学院院士 John Joannopoulos 和『天才奖』得主 Marin Soljačić」；《Physics World》2022 年的访谈由联合创始人 Spencer Powers 明确说「Yichen 的博士工作是跟著 Marin Soljačić 做的，Soljačić 本人也是 Lightelligence 的联合创始人」；麻省理工背景的工程媒体也记载他的博士工作在物理系，指导教授为 Marin Soljačić 与 John Joannopoulos。这两位都不是诺贝尔奖得主：Soljačić 是麦克阿瑟基金会「天才奖」得主、无线充电公司 WiTricity 的创办人；Joannopoulos 是美国国家科学院院士，被中文媒体称为「纳米光学教父」。百度百科与部分中文媒体记为「师从诺贝尔物理学奖得主 Frank Wilczek」，此说法未见一手来源佐证，本文不予采用。

他的科研起点是一项关于「光的方向」的工作。2014 年，25 岁的他以第一作者身份在《科学》杂志发表《宽波段光学的角度选择》（Optical Broadband Angular Selectivity），首次在材料尺度上实现对光传播方向的控制——光在特定角度下对整个可见光谱透明，在其他角度则被反射。这项成果同年被《Discover》杂志评为全球年度前 50 项重要科学研究；此后他又发表三篇相关论文，申请到两项美国专利。2016 年，基于这项研究，他创办了人生第一家公司 Lux Labs，把角度选择光学膜用在移动电子显示（屏幕防窥的同时降低亮度、节省电量）与太阳能发电上；Lux Labs 入围了 2016 年 MIT $100K 创业大赛决赛，累计融资超过 300 万美元。这段经历让他比同龄的博士生多了一个身份：他已经知道把技术变成生意，比把技术做漂亮要难得多。

真正把他推到舞台中央的是另一项工作。他注意到深度学习神经网络的大部分计算时间都花在矩阵乘法上，而矩阵乘法恰好是光学最擅长的运算——「这可能是光学计算有史以来最大的机会」，他后来这样回忆。2017 年 6 月，他与 Nicholas C. Harris 作为共同第一作者在《自然·光子学》发表《Deep learning with coherent nanophotonic circuits》（中译多作《由纳米光学回路实现的深度学习》或《利用相干纳米光子电路进行深度学习》），用一组 56 个级联的马赫-曾德尔干涉仪，演示了光子矩阵运算可以驱动神经网络识别元音。长期停留在理论阶段的「用光做计算」，第一次有了硬件原型。这篇论文成为该刊封面文章。他自述，该刊大多数文章平均引用量是 50 次左右，而「我们这篇过去几年的平均引用超过了 500 次」。

03最艰难的关：一场关于五亿元的内部辩论，与帐上只剩三亿元的深夜

拿到融资不等于拿到答案。2018 年 A 轮融资时，经纬的合伙人左凌烨问他，光计算真正产业化大概要多久、多少钱。他给出了一个自认为已经很狂野的估算：3 到 5 年、3 亿美元。对方听完只回了一句：「这么便宜？就这么点钱？」他当时不理解这句话的意思，后来才理解：如果自己是从英特尔出来、完整做过一款 CPU，就会知道研发一款真正商业化的 GPU 本身可能就是十亿美元级别，更何况是一款试图改变计算范式的光计算产品。他是从学校出来的，过去一个项目最多花 10 万美元就能出成果。他后来承认，正是因为全世界都没有人做过这件事，「对于它有多难，没有人有完整的认知」。

更麻烦的是时间差。芯片研发周期通常要两到三年，立项时判断的场景，等芯片真正做出来，市场关注点可能已经变了。他 2017 年设想的场景，是做一台光子计算机，用来快速识别和分析海量视频流，解决内容安全、涉黄检测、违规内容识别等问题——那是计算机视觉的年代。而到 PACE 系列产品落地时，行业已经整体转向大模型。大模型对存储带宽与配电带宽的要求，远远大于计算机视觉的计算需求，上一代产品并不兼容。他的总结很克制：我们只在一个特定场景里证明了光芯片能比电芯片快 1000 倍，而市场要的是速度提升 10 倍、同时能在十几个真实商用场景里通用的芯片，这件事的挑战难度是巨大的。

最难的一关出现在 2022 年底。公司在内部代号「Vanguard（先锋）」的项目上已准备研发面向大模型的下一代光计算芯片，而帐上的钱只有 3 亿元人民币，这一个项目却要花 5 亿元，且公司还没有任何真正能商业化的产品。技术团队强烈希望继续投入，理由是公司还能继续融资。沈亦晨把项目叫停了。为了做出这个决定，公司专门组织了一场内部辩论，支持和反对的人分成红队、黑队，各自用两个月时间论证自己的判断。他给出的理由只有一句：「我核心还是认为，公司活下去才是最重要的。」他后来补充：事实证明这个决定是对的，2023、2024 年资本寒冬就来了；如果真的把这笔钱花掉，下一轮融资会非常被动。而在那几年，他亲眼看著十几位 MIT 同学创办的公司，因为同样的原因倒了下去。

外界容易忽略的是，这家日后市值八百亿港元的公司，曾经靠泡面和加班撑著。在光子芯片最艰难的研发期，为了节省通勤时间，沈亦晨把家安在了公司，吃住都在实验室里，办公室的旧沙发就是他的床。他对媒体说过一段很不像创始人公关稿的话：「尽管有的同事知道我挺穷，表示可以先拖欠他们的工资，但大家也都要生活啊，不少人还得养家糊口，还房贷、车贷，我不能光给同事画饼。」经济最拮据的时候，他办了一笔创业贷款，负债也要把工资发出去。有同事记得，一个冬夜下著雪、公司暖气又坏了，他呵著热气、揉著冻僵的双手，还在研究台前的灯下思考和演算——那位同事说，他一辈子都忘不掉那一幕。

04翻盘的一役：把最前沿的光计算收进抽屉，先卖「连接」

扭转局面的决定，就藏在叫停 Vanguard 的同一段时间里。2022 年底大模型爆发，他很快意识到，未来的大模型训练不可能只靠单颗 GPU，一定要靠大规模集群；而集群越大，GPU 之间的数据传输就越容易成为瓶颈。只要这个瓶颈存在，光互连就有机会。曦智此前为光计算做过大量片上与片间光网络的技术储备——oNOC 与 oNET——正好可以抽出来单独变成一条业务线。于是他做了一个听起来违背直觉的动作：把最前沿、最性感的光计算先搁下，去卖连接。他回忆这个判断时说：「在 2023 年『超节点』概念尚未形成时，我们就意识到这是重要机会。」他也说得很清楚，公司当时的战略定位是聚焦光互连及光芯片相关的核心技术产品创新。

成果来得比预想快。2023 年 8 月，曦智发布 Photowave——首款适用 PCIe 与 CXL 协议的数据中心光互连硬件，并现场演示记忆体扩展光互连方案；同月，它在斯坦福举行的 Hot Chips 大会上首次公开演示 Hummingbird（OptiHummingbird），这是全球首款基于片上光网络（oNOC）的光电混合计算加速卡，也是公司在一个月内推出的第二款新品。2024 年，Scale-up 光互连产品首次量产，当年贡献收入 4701.9 万元，意味著这家七年没有产品收入的公司，终于有了第一条真正的现金流。2025 年 7 月，在世界人工智能大会（WAIC）上，曦智联合上海仪电、壁仞科技、中兴通讯发布光跃 LightSphere X——全球首个分布式光互连光交换 GPU 超节点方案，它把光交换功能集成到每一张 GPU 上，绕开传统电交换芯片，将模型浮点运算利用率（MFU）提升超过 50%，并拿下大会最高奖 SAIL 奖；相关研究论文被国际通信网络顶级会议 SIGCOMM 2025 收录。

按沈亦晨自己的说法，这套方案的互连成本可以降到英伟达 NVL72 系统的 31%，每块 GPU 的使用效率提升 3.37 倍；实测在同等规模下训练 DeepSeek V3 671B 模型时，传输延迟较传统电交换降低 90% 以上。到 2025 年底，曦智累计部署了三个千卡级 GPU 集群，服务客户 44 家，与全球领先的 GPU 厂商及服务器制造商开展超过 15 项设计导入合作。收入结构也随之改写：2025 年光互连业务收入 8427.7 万元，占总收入 79.2%，其中 Scale-up 产品 7558.2 万元、占 71.0%；光计算业务收入 2209.1 万元，占 20.8%，同比增长 579%。翻盘的实质，是把「未来」换成了「现金流」——正如他自己所说：「我们现在已经有了可以持续产生收入的业务——光互连；上市后我们的融资渠道也变多了，安全垫就更厚了。」

还有一个容易被忽略的细节：这一役同时解决了「国产 GPU 十家十种协议」的兼容难题。曦智选择了与英伟达截然不同的路径——开放生态，其光交换方案兼容不同厂商的 GPU。这让它在中国算力集群的现实处境里找到了最硬的需求。而对客户最大的顾虑——稳定性，他也有清醒的认识：铜导线用了很多年，足够成熟，出了问题也知道怎么修；光互连不一样，用光直接连接两个计算芯片、连接 GPU，此前没有真正大规模做过。至于价格，他同样不回避：光纤本身比铜线便宜，可一旦加上两端的光电转换芯片，整体成本就上去了，「所以只要铜线能连，客户一般还是会优先选铜」；但只要距离拉长——比如超过 1 米，带宽和功耗都会撑不住，这时候就必须考虑光。

05公司发展史（一）：二〇一七至二〇二〇，从波士顿到张江

招股书对公司起源的表述只有一句冷静的话：业务可追溯至 2017 年，沈博士在美国与中国创立了这项业务。具体节点是：2017 年 10 月，Lightelligence, Inc. 在美国注册成立，成立时由沈亦晨 100% 持有，用来运营包括光计算研发在内的主要业务（部分中文媒体记为 2017 年 9 月正式注册，与招股书口径略有出入）。与此同时，中文实体落地上海。上海曦智科技有限公司成立于 2018 年 2 月 27 日，注册于浦东张江科学城；另有媒体记载团队最初进驻的是杨浦长阳创谷——注册地与办公地不同，在当时的初创公司里很常见。公司从麻省理工技术许可办公室独家取得相关专利授权，导师 Marin Soljačić 与 John Joannopoulos 也一同加入。麻省理工《科技评论》给他那时的评语只有四个字：重新定义 AI 芯片。

第一笔钱来自一篇论文。2018 年 4 月，公司完成 A 轮（部分媒体称种子轮或天使轮）融资，投资方为百度风投与真格基金，金额 1070 万美元；也有口径记为 1000 万美元，并提及五源资本以 20 万美元先行进入、美国半导体高管财团参与。招股书的数字更精确：该轮已收对价 6448 万元人民币，投前估值 1.877 亿元，投后估值 2.56 亿元，每股成本 8.50 至 9.44 元。沈亦晨多年后覆述这段经历时说，真格基金创始合伙人方爱之在北京国贸的一家咖啡店只和他聊了 20 分钟，就直接给了投资意向书。他对这轮融资的解释同样坦白：「我们只有一篇论文，团队都还没有。那篇论文大家算了算，值个一亿多元，所以我们就按 2200 万美元的投前估值融了 1100 万美元。」也因为这篇论文，中科创星开始留意他——2019 年 5 月，中科创星创始合伙人米磊请他到西安交流，现场做了投资决策。

拿到钱之后第一件事是补人。他给美国四十多位半导体行业的专家群发邮件，包括当时最有名的芯片架构师之一 Jim Keller。大部分人没回，但 AMD 最高级别技术专家（Senior Fellow）Maurice Steinman（同事叫他 mo）回了——他刚做完 AMD 的芯片互连架构 Infinity Fabric，正想找一家创业公司做工程副总裁，而沈亦晨的邮件恰好邀请他做工程副总裁。从发出邮件到他真正加入，隔了约半年。2019 年 8 月，为方便融资，开曼群岛成立了 LightAI Ltd.；2020 年 1 月，LightAI 注册的公司并入 Lightelligence, Inc.，原股东按比例换股，Lightelligence, Inc. 全部股份由 LightAI Ltd. 持有。2020 年前后，公司运营重心从波士顿迁回上海（中国日报 2026 年的报道明确写为 2020 年）。

对于为什么回国，他给的理由是「天时地利人和」：疫情之下国内控制得好、地缘政治与技术脱钩趋势明显、中国籍团队在美国很难拿到国防部或洛克希德·马丁这类订单；而更深层的原因在市场。中国日报则把它总结成三条更具体的理由：能「在五公里半径内闭环」的完整集成电路产业、强大的量产能力，以及上海愿意率先采用新技术。2020 年也是融资密集的一年。4 月，公司宣布完成 2600 万美元 A 轮融资，由经纬中国与中金资本旗下中金矽谷基金领投，祥峰投资、中科创星、招商局创投跟投，老股东百度风投与峰瑞资本继续加码；7 月完成数千万美元 A+ 轮，和利资本、元亨利贞入场。招股书把这两轮合称 A+ 及 A2 轮：已收对价 2.67 亿元，投前估值 4.69 亿元，投后估值 8.838 亿元。同期落地的还有区域布局：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，公司累计融资 3670 万美元，是当时全球融资额最高的光子计算创业公司。

06公司发展史（二）：二〇二一至二〇二三，两年静默与一次刹车

2021 年公司连续完成两轮融资。B 轮最后协议日为 2021 年 2 月，最后支付对价日 7 月 30 日，已收对价 3.106 亿元，投前估值 23.12 亿元，投后估值 26.23 亿元，每股成本 47.49 至 48.48 元；B+ 轮在同年 4 月完成，已收对价 9705 万元，投后估值 32.35 亿元，每股 57.92 元。两轮合计超过 4 亿元人民币，投资方包括经纬创投、腾讯、中金资本、沂景资本等。也就是在这一年，腾讯成为公司股东——日后上市前它持有曦智约 4.19% 的股份，并在 IPO 时以基石投资者身份继续加码。

产品线也在这一年成型。2021 年 12 月 15 日，曦智发布高性能光子计算处理器 PACE（Photonic Arithmetic Computing Engine，光子计算引擎），单个光子芯片集成超过 10,000 个光子器件，运行 1GHz 系统时钟，在特定循环神经网络上，速度据公司披露可达当时高端 GPU（RTX 3080）的数百倍。公司称这是「光电混合计算从概念验证到产品化落地的巨大跨越」。2022 年，PACE 拿到首个客户并开始产生收入，光计算业务自此有了商业化的起点。但翻开 2023 年的收入结构，会看到另一幅图景：全年收入 3823.5 万元中，技术开发服务及其他占 3360.4 万元、达 87.9%，真正的光计算产品销售只有 463.1 万元。这是一家靠技术服务养活自己的公司，也是一家还没有找到规模化产品的公司。

2023 年是转向之年。3 月，曦智研究院对外发布围绕「光电混合计算新范式」的系列技术白皮书——在还没有规模化产品的年份，他们先用白皮书定义赛道的语言。8 月，公司一个月内连推两款新品：8 月 8 日发布 Photowave，8 月 29 日在 Hot Chips 大会上首次公开演示 Hummingbird。至此，曦智从光子矩阵计算（oMAC）、片上光网络（oNOC）、片间光网络（oNET）三大核心技术出发的各系列产品，都推出了首款硬件，完成了光子计算与光子网络两条产品线的最后一块拼图。2023 年 11 月至 12 月，境内四家实体——杭州光智元、上海光智元、北京光智元、南京光智元——从境外主体 Lightelligence Limited 转让至上海曦智名下，代价分别为 200 万美元、人民币 1 元、人民币 1 元与 600 万美元。架构重组的序幕由此拉开。

这一年他也在公开场合修正了自己早年的判断。他后来承认，2017 年前后业内普遍认为摩尔定律在几年后就要完蛋，7 纳米之后电芯片继续提升的空间已经不大；「但谁也没想到摩尔定律是那么地坚韧」，还在往 5 纳米、3 奈米、2 奈米一路往前走，1 奈米也还在推进，加上 HBM、3D 堆叠、Chiplet 等新技术陆续成熟，电芯片的竞争力反而一直在提高。再加上公司在工程与光的供应链等环节碰到的诸多挑战，他得到了一个不太像技术乐观主义者的结论：「我当时认为光计算就是行业共识，但现在回头看可能根本不是。」

07公司发展史（三）：二〇二四至二〇二五，量产、Nature 与上市前夜

2024 年是曦智第一次真正把技术变成产品收入的一年。光互连 Scale-up 产品首次量产，当年贡献收入 4701.9 万元；公司全年收入 6019.1 万元，毛利 3221.3 万元，毛利率 53.5%，研发开支 3.52 亿元。资本市场同步给出定价：2024 年 3 月 C1、C2、C3 轮融资完成，已收对价 12.646 亿元，投前估值 44.58 亿元，投后估值 62.79 亿元，每股成本 66.77 至 87.56 元，投资方包括红杉中国、腾讯、百度、中科创星、中国移动旗下中移基金、上海浦东创投、张江集团等国资与美元基金。这一轮的股东名册变化本身就是一个信号：早期是美元 VC，后期是「国家队」。

同年 9 月，沈亦晨与部分股东合计向 Lightelligence Limited 购买公司 1000 万元注册股本，Lightelligence Limited 自 2024 年 9 月起不再是股东；同月，公司自 LightAI Ltd. 收购 Lightelligence Pte. Ltd.；12 月，Lightelligence Pte. Ltd. 收购 Lightelligence Limited。2024 年 10 月 12 日，集团完成重组，所有股东改为通过上海曦智持股。招股书对这次重组的解释只有一句话：「鉴于我们大部分主要业务均在中国进行，并为精简我们的持股架构」。这里需要更正一个流传很广的说法：Lightelligence, Inc.（美国）与上海曦智并不是两家彼此独立的同名公司，也不是美国公司「分拆」出一家中国公司；它们是同一项业务在不同融资与运营阶段使用的集团主体，重组的方向是「收拢」——把开曼与美国的持股链条收回来，让上海的股份有限公司成为集团唯一的持股与上市平台。

2025 年是产品集中爆发的一年。3 月 25 日，曦智发布新一代光电混合计算加速卡曦智天枢（PACE 2）：光子矩阵规模扩大到 128×128，集成超过 40,000 个光子器件，首次在光电混合芯片上实现 3D 硅通孔（TSV）先进封装，并把光源小型化内置到板卡上，使其成为一款标准全高全长 PCIe 卡、可直接插入现有服务器；公司称其首次实现了在复杂商业模型中的应用。4 月 9 日，团队的 PACE 相关成果登上《自然》主刊，题为《超低延迟大规模集成光子加速器》（An integrated large-scale photonic accelerator with ultralow latency）：系统集成超过 16,000 个光子组件，以 2.5D 混合先进封装把光子集成电路与电子集成电路封在一个系统级封装内，64×64 矩阵运算延迟低至 3 奈秒；求解 63 节点最大割问题时，平均 537 次迭代、2.7 微秒达到 92.7% 的收敛率，比英伟达 A10 快 295 倍。审稿人的评语是「壮举」，理由是论文中的数据全部来自整个 PACE 系统的实测性能，而不是用小规模演示对大规模系统做乐观外推。值得注意的是，公司在对外传播中另有一个「比电计算快 800 倍」的口径，指的是特定端到端算法，两者衡量的对象不同，不应混用。

下半年节奏更快。7 月，光跃 LightSphere X 在 WAIC 拿下 SAIL 奖，公司同时推出国内首款 xPU-CPO 光电共封装原型系统，把光引擎与计算芯片共封装在同一基板上以缩短传输距离。8 月，上海曦智改制为股份有限公司，为 H 股上市铺路。9 月 4 日，公司宣布完成超 15 亿元人民币 C 轮融资，中国移动、上海国投、国新基金、浦东创投等入局，老股东中科创星、沂景资本等继续追加；招股书把整个 C 轮拆成 C1 至 C4 四笔，其中 2025 年 4 月完成的 C4 轮为 3 亿元，投前估值 75 亿元、投后 78 亿元，每股成本 99.78 元。12 月，Scale-up OCS 投入量产，成为推动当年收入增长的主要产品。到年底，公司累计私募融资约 23.04 亿元。

08公司发展史（四）二〇二六：今天的版图——一篇论文与一个代号 01879

2025 年的财务口径，是理解这家公司的钥匙。全年收入 1.06368 亿元，光互连业务 8427.7 万元、占 79.2%，光计算业务 2209.1 万元、占 20.8%；毛利 4146.8 万元，毛利率 39.0%，比 2023 年的 60.7% 明显下滑，原因是低毛利的光互连产品占比上升、产品结构向更复杂的系统级方案倾斜。研发开支 4.79 亿元，是当年收入的 4.5 倍；年内亏损 13.42 亿元，其中 8.43 亿元来自向投资者发行的金融工具公允价值变动，属非现金项目。截至 2025 年 12 月 31 日，公司现金结余 6.16 亿元，员工 257 人，累计专利 410 项（超过半数同时覆盖光互连与光计算），研发人员 174 人、占 67.2%，主导制定 13 项行业标准。需要提醒的是，18C 章对「已商业化公司」有收入门槛，曦智 2025 年 1.06 亿元的收入并未达到，因此它是以「未商业化特专科技公司」的身份上市。

2026 年 3 月 24 日，公司通过中国证监会境外发行上市备案；3 月 30 日，招股书在港交所披露（此前为保密递表）。4 月 28 日，曦智科技以股份代号 01879 在港交所主板挂牌，成为 18C 章下首家上市的「未商业化」特专科技公司，也是全球第一家登陆资本市场的 AI 硅光芯片公司。发售价区间为每股 166.6 至 183.2 港元，最终以上限定价 183.2 港元；全球发售 13,795,215 股 H 股，每手 15 股，募资总额 25.27 亿港元、净额约 23.77 亿港元。香港公开发售超额认购 5784.7 倍，国际配售超额认购 53.83 倍，一手中签率约 6%，申购人数超过 37.8 万。20 家基石投资者合计认购 16.44 亿港元，包括阿里巴巴、新加坡政府投资公司（GIC）、贝莱德、富达国际、淡马锡、高瓴、瑞银资管、联想、中兴通讯、上海中移基金等。至于代号为什么是 1879，他给了一个物理学者的答案：1879 年是爱迪生发明白炽灯的年份，光开始引领第二次工业革命；同年麦克斯韦逝世、爱因斯坦诞生，他希望以「1879」致敬这些先驱。

上市首日的表现，让这家年收入刚过一亿元的公司成为 2026 年港股最受注目的新股：开盘价 880 港元，较发行价 183.2 港元上涨 380.35%；当日各媒体给出的市值口径在 774 亿至 845 亿港元之间（湖北日报记中午收盘 774.37 亿港元，界面新闻英文版与财联社记约 809 亿港元，证券时报发稿时逾 845 亿港元），它成为 2026 年以来港股上市首日涨幅最高的新股。按发行价计算，发行市值约 153 亿至 168 亿港元，对应 2025 年市销率逾 130 倍。沈亦晨的持股与表决权安排也一并公开：上市前他直接持股 7.57%，连同员工激励平台合计控制约 34.76% 投票权；上市后合计控制约 29.55%，仍是单一最大股东。部分媒体按其持股市值估算其身家逼近 200 亿港元，这是帐面数字，未扣税、未考虑禁售期折价与汇率波动；依招股书的禁售安排，其创始团队股份锁定期为 24 个月。

今天的曦智有两条产品线。光互连是第一条：光跃 LightSphere X 全光交换模组、Scale-up EPS 板级光互连方案、已完成全链路验证的 NPO 近封装光学芯片，以及与头部交换芯片厂商联合开发的 xPU-CPO 原型。光计算是第二条：PACE 系列（PACE 1 的 64×64 矩阵、PACE 2 曦智天枢的 128×128 矩阵）、OptiHummingbird、光子计算评估板 Gazelle，以及配套的仿真与开发工具。市场地位上，据弗若斯特沙利文，2025 年中国 Scale-up 光互连市场仅两家企业实现大规模商业化，曦智是其中唯一的独立第三方供应商，按收入计份额 88.3%，也是唯一能提供端到端集成式方案的独立厂商；其光计算芯片累计出货量在 2024、2025 两年连续位居全球第一，而光计算芯片在中国 AI 推理芯片中的渗透率截至 2025 年仍不足 0.5%。据 2026 年 4 月财联社报道，下一代 PACE 3 预计 2026 年上半年流片、2027 年上半年交付工程样品。2026 年 7 月，他对中国日报表示，公司正在上海联合部署一个万卡级 GPU 超节点算力集群，这是该技术在中国的首次大规模商用落地；公司全球员工接近 300 人，研发人员占 70%。

09领导风格与性格：人品第一、球场识人，与一个「一年磨十剑」的企业家

沈亦晨的用人标准是一道排序题，他自己给出的答案是：第一永远是人品正直，第二是能力互补，第三是 Teamwork。这三条不是抽象口号，有具体出处：他最初的创业班底来自麻省理工的篮球场——他们每周打球、打了五年，「大家在球场上打几场球就会一清二楚，谁打球比较独，谁比较 Teamwork」。他也不掩饰对某类人的排斥：「我不喜欢那种『个人英雄主义、为了自己得分而不顾团队输赢』的人，这也回到了打篮球的逻辑。」他承认，对科学家背景的创业者来说，最难找的不是技术合伙人——同学、师兄弟知根知底——而是商业合伙人；「找一个可信赖、能力互补的商业合伙人，真的就像是在相亲。」他提到麻省理工商学院有一门课叫 New Enterprise，把工程学院与商学院的学生配对磨合一整年，让人在学校里就完成对合伙人的筛选。

他招人的方式带著学生创业者特有的笨拙与执拗。为了找一位真正做过芯片、带过工程团队的行业老兵，他给美国四十多位半导体专家群发邮件，包括 Jim Keller 这样的人物。「大部分人没回，也有一些人回了。」他对这种低效率的解释是：「很多人可能会觉得，这个学生怎么这么搞笑，但万一有人愿意回呢？反正我是 nothing to lose。」Maurice Steinman 回信后，他用半年时间几乎每周约对方见面，讲最新进展、讲判断与愿景；甚至在对方加入之前，就请他帮忙面试候选人。对方最终降薪约 50% 加入——他给的是期权，以及「一个未来做到百亿美元公司的想像空间」。谈到团队薪酬时他补了一句：「当然，他们的薪酬肯定都远远高过我。」这种把功劳与报酬让出去、把风险留给自己的姿态，是他留住一批资深工程师的关键。

他的决策风格偏慢、偏重证据，而且愿意用制度化的方式处理分歧。2022 年底那场关于是否继续投 5 亿元的争论，他没有用创始人的权威直接拍板，而是把支持和反对的人分成红队、黑队，各自用两个月时间论证。最终他选择叫停，理由只有「活下去」三个字。这种克制也体现在现金管理上：他说公司过去融资相对顺利的一个重要原因，是帐上从来不少于两年的现金储备，「所以每次我们都是主动的一方，也从没签过对赌条约」。他对自己极省——吃住在公司、以泡面充饥；对研发极舍得——2025 年研发开支 4.79 亿元，是当年收入的 4.5 倍；对同事则留了体面：经济拮据时办创业贷款也要把工资发出去，理由是「我不能光给同事画饼」。

他几乎不用「颠覆」「伟大」这类词来描述自己。谈到判断失误，他会直接说「我当时认为光计算就是行业共识，但现在回头看可能根本不是」；谈到低估落地难度，他归因于自己「是从学校出来的，过去一个项目最多花个 10 万美元就能做出成果」。他把科学家与企业家的差别概括为两种磨剑方式：科学家追求「十年磨一剑」，要把一个技术搞得非常明白，追求极致的锋利；企业家是「一年磨十剑」，不必每一把都极锋利，「能用」很重要，重点是快速出产品、抢占身位，然后在泥泞中不断迭代。心态上，他说科学家往往习惯当「好学生」、当班里第一，而企业家要习惯当「乙方」，放平姿态、非常务实地解决问题。公开场合的他顶著一头有些凌乱的头发，受访前刚开完技术会、受访后又要赶下一场会议，路过的同事会提醒他「你该剪头发了」；他自认 MBTI 是 INTJ，但「创业逼著我在 INTJ 与 ENTJ 之间反复横跳」。

10成功秘诀：八条有证据的判断，与其中不可复制的部分

第一，他懂得把学术信用兑换成资本定价权。2017 年那篇封面论文发表时，公司还没有团队，他却按 2200 万美元的投前估值融到了 1100 万美元。他的解释是「那篇论文大家算了算，值个一亿多元」。这不是纯粹的运气：一篇被同行反复引用的论文，替一家没有产品、没有团队的公司预支了信任；国际著名光学科学家、史丹福大学教授 David Miller 曾在《自然》杂志撰文评价该团队的成果「极大地推动了集成光学在未来取代传统电子计算芯片的发展」。第二，他敢在没有产品时，用一流工程人才补齐能力。从 AMD 挖来 Maurice Steinman、从哲库找来王泷、从云锋基金与巴克莱找来张弘，补的都是「从实验室到量产」这一段——而这一段恰恰是科学家创业最容易断掉的地方。第三，他把「活下去」放在「改变世界」前面。2022 年底叫停 5 亿元项目、转做光互连，是这家公司最重要的一次战略妥协，也是最难被外人复制的一次自我否证。

第四，他有严格的现金纪律。帐上不少于两年现金储备、每次都做融资的主动方、不签对赌，这些听起来保守的规则，让公司在 2023、2024 年的资本寒冬里没有被迫接受苛刻条款。第五，他懂得把已有的技术储备换一个赛道卖掉。光互连不是凭空长出来的业务，它是光计算配套的 oNOC 与 oNET 技术独立成线的结果；一次及时的资产重组，让公司在原赛道尚未成熟时先有了现金流。第六，他选了一个好生态位：做兼容各家的独立第三方，而不是另一个封闭架构。祥峰投资执行合伙人李伟的说法是，曦智作为「独立供应商」能够适配不同品牌的 GPU 与 ASIC，对比其他家的封闭架构，「这种生态位的价值在算力竞赛极其珍贵」。

第七，他把公司放在了产业最密的地方。他 2026 年说，上海公司的方圆 10 公里以内，集聚了全国约 70% 的 GPU 公司、80% 以上的产能，还有不少大模型应用厂商；上海 2025 年集成电路产业规模约 5800 亿元，集聚超过 1200 家集成电路企业。人才、代工、客户都在车程之内，技术迭代速度因此被拉快。第八，他愿意承认自己判断错了，并在错误上调整方向——这在把技术路线当作信仰的创业者里并不常见。至于这些经验有多少可复制：选题的勇气、现金纪律、用人排序、对生态位的判断，都是可以学的；难以复制的部分同样清楚——2017 年那个「摩尔定律即将失效」的市场预期窗口、2020 年之后中美技术脱钩带来的国产替代需求、AI 大模型爆发这个完全外生的变量，以及上海国资在关键时刻的托底。他自己也承认：创业是必然，但在 2017 年刚博士毕业就创业是偶然的。

11个人、价值观与生活：星辰大海与面包，以及一句「锻炼好身体」

外界谈到沈亦晨，最常引用的数字是「身价两百亿港元」。这需要标明口径：那是以 2026 年 4 月 28 日上市首日约 800 亿港元市值、按其持股比例计算的帐面浮盈，未扣税、未考虑限售折价与汇率波动，也不代表他可立即变现。他本人对财富的表述相当轻：「现在我们有星辰大海，也有面包了。」这是一句总结，也是一句自我提醒——在把光计算重新放回研发议程之前，公司得先有一条能产生收入的业务。谈到钱的用处时，他更愿意提的是安全垫：这次上市融到约 30 亿元，加上帐上接近 10 亿元现金，按 2025 年约 2 亿多元的真实现金支出速度，「即使不考虑收入，也能支撑个二十年」。

他的兴趣清单很具体。电影是《阿甘正传》，他喜欢那种 humble（谦逊）、平和的心态；书是《三体》，他觉得它「是所有喜欢科学的人心中的 Bible」。如果不做科学家和 CEO，他的另一个梦想是当职业足球运动员——他在高中时期确实有过这个念头；考虑到天赋，现实一点的选择是物理老师，他大学时一直拿 Teaching Award（教学奖），也很喜欢教学。被问到如果能穿越回创业第一天、只有一句话的机会会对自己说什么，他的答案是「锻炼好身体，注意劳逸结合」——这不像场面话：他读博期间一天只睡五六个小时，吃饭的速度都比别人快很多，理由是「中国的芯片发展比较落后，时不我待！」

他对年轻人的建议带著少见的克制：「想清楚再创业。不要为了创业而创业，并不是每个科学家都需要通过创业来证明自己。」但如果决定了，他的建议是「全职跳下来」——一边保留教职一边创业看似降低风险，「往往不是最好的选择」。他与母校的关系没有断：2022 年 9 月回杭州外国语学校开讲「校友论坛」第一课，同年获评「杭州市杰出青年人才」；他入选《麻省理工科技评论》2017 年「35 岁以下科技创新 35 人」榜单，2022 年入选世界经济论坛全球青年领袖（当年名单共 109 位 40 岁以下人士）。至于家庭生活，包括婚姻与子女，公开资料中没有可核实的披露，本文不作推测。

12国家与时代意义：同一篇论文的两个去向，与一个尚未被证明的市场

在全球产业地图上，沈亦晨有一个几乎无法复制的对照组。同一篇 2017 年的《自然·光子学》论文，同时催生了两家光子计算公司：共同第一作者 Nicholas Harris 留在波士顿创办 Lightmatter，沈亦晨则在上海创办曦智科技。两家公司选择了同一条马赫-曾德尔干涉仪（MZI）技术路线，成为这个赛道最主要的一对选手。2024 年 10 月，Lightmatter 完成 4 亿美元 D 轮融资，估值 44 亿美元。曦智的选择不同：它把重心放在中国，用兼容各家 GPU 的独立第三方定位，去接国内算力自主可控的需求。沈亦晨对这个位置的描述也很有分寸：公司目前最大的竞争对手并非同赛道的创业者，而是占据 99% 市场份额的「传统电计算与铜导线」。

这个选择与时代的关系很直接。2020 年之后，中美技术脱钩趋势明显，硅光与先进半导体是出口管制的敏感领域；曦智把运营重心迁回国内，此后一路上移为中国的股份有限公司并在港交所上市。国家与地方政策也确实接住了这家企业：港交所 18C 章允许未商业化特专科技公司上市，这条规则的灵活性刚好契合它「研发投入巨大、商业化尚未起量」的阶段；上海国投旗下孚腾资本参与 C 轮融资，浦东创投、上海科创基金则通过子基金在 A 轮阶段即已布局；上海还联合曦智、中际旭创、上海交通大学等提前布局 CPO、OCS 所需的先进封装与硅光特种代工，并与上海交通大学联合成立上海市集成光计算芯片与系统重点实验室。

他对这个位置的判断，比多数宣传口径更冷静。他曾说，单颗电芯片的算力与英伟达可能还有 5 到 10 倍甚至好几代的差距，但这恰恰给光子计算留出了机会——「因为『算力』不够，『互联』来凑」；在美国，光计算产品要做到 30 分才能商业化，而在中国「只要做到 3，就能去推动实现商业化」。他也直指生态落差：国内电芯片开发者可能达到 100 万人，而光计算的开发者尚不足百人，因此公司要在高校推广光计算课程。行业层面，他预测五年内光芯片将占据数据中心 30% 至 50% 的份额，光将大比例替代铜互连——「好比海底电缆最早用铜线，但现在全部由光纤替代」。但把这些预测与当下的财务口径放在一起看：2025 年收入 1.06 亿元、净亏损 13.42 亿元、光计算在中国 AI 推理芯片中渗透率不足 0.5%。八百亿港元的市值，是市场对未来的定价，而不是对现实的定价。他对此有过一句很诚实的话：「站在技术进步的角度，这件事就应该有公司去尝试」——即便可能成为炮灰，「我们本来就是最早提出这条路线的人，我们不做，谁来做？」

01家世与早年：菏泽、汇丰与清华的十年

张昌武，一九八三年生于山东菏泽。菏泽在鲁西南，黄河故道穿境而过，以牡丹与农业闻名，与航天没有半点血缘。他的家庭情形，公开资料几乎没有交代——申报文件只写明中国国籍、无境外永久居留权，媒体报道只零星提到他的岳父是航天人。能确定的是，他走的是改革开放后中国最典型的一条上升路径：考出去，读财经，进外资机构，然后在三十岁之后突然转向一个几乎没人相信民营企业能做的行业。

本科阶段他读的是金融专业（据《长江商报》二〇二五年报道）。二〇〇八年四月，二十五岁的张昌武进入汇丰银行（中国）有限公司，一待三年半，至二〇一一年九月。这段经历在蓝箭航天后来的科创板申报文件中有明确记载。据他后来对媒体的说法，在外资银行期间他主要从事汽车金融等领域，也参与过西班牙桑坦德银行在国内的一系列股权投资及投后管理，在国际合作与企业战略规划方面有相当积累。这是蓝箭航天成立之前，他唯一一段有据可查的职业履历。

二〇一一年九月，二十八岁的张昌武考入清华大学经济管理学院，读工商管理硕士，为二〇一一级。二〇一三年七月，他取得硕士学位。这里需要澄清一个常见的误读：他是清华经管的硕士，不是本科。清华经管学院官方微信后来写道，给他留下最深印象的课程有两门——杨斌的「批判性思维与道德推理」，与宁向东的「管理经济学」；前者激发了他对批判性思维的探索热情，并长期影响他看问题的方式，后者让他对经济学原理与社会组织的运行有了多层次感悟。一个后来要去造火箭的人，先在课堂上学的是怎么提问、怎么算帐。

二〇一三年七月毕业后，张昌武进入西班牙桑坦德银行亚太战略投资部，至二〇一五年五月离职。也正是在清华这三年，他的人生里出现了一个关键人物：他的岳父王建蒙。王建蒙一九七八年毕业于清华大学电机系，是中国卫星发射测控系统部原高级工程师、西昌卫星发射中心初期建设者之一。一九八六年中国发射第一颗实用通信卫星时，他担任指挥调度员，是喊出「发射」口令的人之一。张昌武后来接触并了解商业火箭领域，契机就来自这位长辈。金融与航天之间的那道门，最初是从一张家庭饭桌上打开的。

02创业原点：一份文件、一位岳父与七十平方米

二〇一四年是分水岭。这一年，张昌武在市场调研中注意到一件事：全球低轨卫星的发射需求正在快速积聚。按当时的预判，到二〇二〇年约有六千颗卫星排队等待发射，而市场上能够承担主流商业任务的中型以上运载火箭严重不足。他后来形容这种供需失衡像一个「堰塞湖」，并说：「那时，我们已经感到这个市场的水在变热。」同一时期，政策开始松动。二〇一四年十一月，国务院印发《关于创新重点领域投融资机制鼓励社会投资的指导意见》，首次明确提出「鼓励民间资本参与国家民用空间基础设施建设」。二〇一五年，《国家民用空间基础设施中长期发展规划（二〇一五—二〇二五年）》发布，首次明确要「发挥市场配置资源的决定性作用」。海外也在给出范例：二〇一五年，SpaceX的猎鹰九号火箭首次实现成功回收。

其实更早，二〇一三年张昌武就已著手筹备民营商业火箭公司。他要解决的第一个问题是自己不懂技术。他找的两个合伙人，一个是岳父王建蒙，时年约六十岁，做了一辈子航天发射；另一个是王建蒙的多年好友吴树范，南京航空航天大学博士、洪堡学者、国家「千人计划」专家，曾在欧洲航天局工作十余年。据《华商韬略》记载，三个人第一次坐到一起，是在北京鼓楼附近一家宾馆里。一个三十一岁的金融人、一个六十岁的航天老兵、一个五十岁的海归学者，背景、年代、语言都不一样，却在几个月里达成了一致：低轨发射是一片真正的蓝海，而他们要在市场爆发之前，先造出一枚有竞争力的火箭。

二〇一五年六月一日，张昌武从北京工商局领到营业执照。蓝箭航天在北京亦庄经济技术开发区注册成立，办公室只有七十平方米，初创时注册资本五十万元（现工商登记注册资本为三点六亿元）。分工从第一天就定下：张昌武负责资本运作与战略规划，王建蒙负责技术资源与团队组建。他常说自己不是技术型创始人，「更像一个做企业的人」，在公司的工号是一号。有两件小事值得记下。一是零壹空间的创始人舒畅，也曾短暂出现在蓝箭的早期团队中，很快离开独立创业。二是公司成立两个月后，在航天体制内工作了近十二年的张龙加入——浙江大学毕业，曾参与神舟六号的研制与发射。

资金是第一道真正的关卡。当时在大多数投资人眼中，民营企业造火箭近乎天方夜谭。「早期我们经常被当成骗子。」张昌武说。投资人问的问题，业内当时也没人能回答：民营企业能不能找齐全链条的专业人才？国家让不让发射？发射场能不能用？他的办法是「少讲故事，多讲进展，用实事说话」。比如他向投资人承诺三个月内组建核心团队，就在三个月内兑现。靠这个办法，蓝箭拿到了创想天使基金的千万元天使轮融资——创想天使的管理合伙人祝君，同时拥有十年以上航天背景与金融经验。张昌武后来说：「团队成型后，投资人才真的相信：原来体制内真有人愿意放下铁饭碗创业。」

03最艰难的关：朱雀一号的第三级

供应链是比融资更硬的墙。张昌武对媒体回忆：二〇一五年，公司尝试过购买现成的火箭发动机，最终没有实现，「这就倒逼我们自己解决动力问题」。当时国内工业供应链中绝大多数是体制内单位，民营企业的设计问题可以自己解决，但火箭怎么造出来、谁来做配套，全是空白。从此蓝箭走上自研发动机的路。二〇一七年十二月至二〇一八年三月，十吨级液氧甲烷火箭发动机先后完成燃气发生器首轮点火试验与推力室试车。二〇一八年七月，公司在京召开液氧甲烷火箭产品战略发布会，提出「黄金推力区间」概念——认为六十至一百吨是商业液体火箭发动机推力的黄金区间，向下覆盖单发小型火箭，向上覆盖中型与大型火箭，商业价值大、研制难度适中、投入产出比最高。

在这条主线之外，蓝箭还需要一枚能飞的火箭，来回答「民营企业能不能造火箭」这个问题。二〇一八年八月，固体三级运载火箭朱雀一号总装完毕。同年十月二十七日下午四时，朱雀一号（朱雀·南太湖号）在酒泉卫星发射中心搭载「未来号」微小卫星升空。火箭一级、二级飞行与整流罩分离均正常，三级出现异常，卫星未能入轨，任务失败。「那一刻，我们无比紧张，紧握双手，屏息凝神。」张昌武回忆，「直到三级分离，飞行状态稳定，所有人都以为胜利在望。」那一夜，酒泉的戈壁滩上，参与研制和发射的同事有人失声痛哭，也有人坐在角落沉默不语。

事后他给这次失败的评价，在往后几年里被反复引用：「朱雀一号对蓝箭来说，是个惨痛的教训，也是极其宝贵的财富。只要质量控制存在漏洞，风险迟早会暴露。不是这一次，就是下一次。这是航天的风险，也是航天的魅力所在。」更现实的收获有两项：一是这次发射让蓝箭跑通了运载火箭从研制、试验到发射的全流程，并拿到国内首张民营运载火箭发射许可证；二是它逼出了公司的战略转折。张昌武决定放弃不可重复使用的固体火箭，把资源集中投向液体火箭，而且是当时全球尚无入轨先例的液氧甲烷路线。

这是一个把公司推入更长隧洞的决定。从技术常识看，固体火箭操作简便、响应快、维护成本低，但运力小、单位发射成本随规模扩大不降反升、箭体一次使用；液体火箭设计与制造复杂，却具备高比冲、推力可连续调节，更重要的是可以回收复用，有规模效应。张昌武在二〇一八年接受《界面新闻》专访时说得很直白：「现在来看，运载火箭研制不是一个特别烧钱的事。研制工作的资金需求量是以几十亿元人民币为上线的，这个资金投入规模与互联网行业和汽车行业相比，只是九牛一毛。」这句话在当时显得从容，若干年后却成为他所有公开表述中最受检验的一句——二〇二五年一年，蓝箭的研发费用是九点二二亿元，净亏损十七点一一亿元。

04翻盘的一役：二〇二三年七月十二日

选液氧甲烷，是张昌武算过帐的决定。他向记者解释：从火箭发射的角度看，推进剂的重量大约占运载火箭自身重量的百分之八十，推进剂成本在发射链条里占百分之三十左右，「使用液氧甲烷可以使推进剂成本降低十倍左右」。甲烷燃烧洁净、不积碳，发动机用后无需清洗，适合重复使用；液氧与甲烷的沸点接近，便于采用低温推进剂共底贮箱，可以减重。但难度同样清楚：液氧甲烷发动机虽早在上世纪六十年代就被提出，直到二〇一〇年代后期，全球仍没有任何一枚液氧甲烷火箭成功入轨，SpaceX的猛禽发动机和蓝色起源的BE-4也仍在研发阶段。业界的潜台词很明白：有成熟路径可循，为何偏要自研？

第一个实物答案是二〇一九年五月十七日。湖州，蓝箭航天发动机热态试验中心，「天鹊」（TQ-12）八十吨级液氧甲烷发动机完成二十秒全系统试车。这是中国民营航天大推力液体火箭发动机「零的突破」，也使天鹊成为继SpaceX猛禽、蓝色起源BE-4之后，世界上第三台完成全系统试车考核的大推力液氧甲烷火箭发动机。此后两年，天鹊系列接连完成一百秒满推力试车、两百秒变推力试车、十吨级全系统试车、单次四千秒长程试车；二〇二〇年五月，朱雀二号控制系统与TQ-12匹配验证成功，TQ-12成为全球首台通过泵后摆技术验证的大推力液氧甲烷发动机。

但火箭要飞起来，难度才真正显现。二〇二〇至二〇二一年间，朱雀二号屡次推迟发射。二〇二二年十二月十四日十六时三十分，朱雀二号遥一运载火箭在酒泉卫星发射中心首飞，一级、二级主机飞行正常，二级游机工作异常，未能达到入轨速度，任务失利。故障原因最终定位在游机氧输送管与氧泵低压壳体连接部位：刚度不匹配，低压壳体强度裕度不足，在主机关机的水击作用下破裂，引发游机异常关机。蓝箭随即成立专项工作组，逐帧分析遥测数据，开展上百次故障复现实验，并于二〇二三年三月十八日通过故障归零专家评审。对一家成立七年的民营公司而言，这套「归零」流程本身就是能力证明。

二〇二三年七月十二日九时〇〇分，朱雀二号遥二在酒泉升空，按程序完成飞行，成为全球首枚成功入轨的液氧甲烷火箭。此前围绕蓝箭技术路线的争议，在这一天戛然而止。同年十二月九日，朱雀二号遥三以一箭三星完成商业发射，把鸿鹄卫星、天仪三十三卫星与鸿鹄二号送入轨道，公司首次确认火箭发射服务收入二百二十八点七五万元。从二〇一五年注册到这一刻，八年。张昌武后来的复盘只有一句：蓝箭所做的，就是把技术路线和商业模式在正确的时间节点上对齐。

05公司发展史（一）：从固体到液体，二〇一五至二〇一九

二〇一五年六月一日，蓝箭航天空间科技股份有限公司在北京亦庄注册成立，总部此后长期设在荣华南路，紧邻中国运载火箭技术研究院，这一带后来聚集了全国约四分之三的商业航天公司，被业内称为「火箭一条街」。同年，公司获得创想天使基金千万元天使轮融资。二〇一六年，完成由永柏资本、陕西金控资本等机构参与的逾亿元A轮融资，并在十二月与丹麦GomSpace卫星公司签署发射服务合同，二〇一七年一月十三日在杭州举行签约仪式——这是国内民营商业航天企业签下的第一笔国际市场商业火箭发射服务订单。二〇一七年，公司又获西安市高新区投资基金数千万元A+轮融资，以及浙江省湖州市提供的逾二亿元军民融合专项综合投资。

资本与基地几乎同步推进。二〇一七年十二月至二〇一八年十一月，蓝箭陆续完成B轮与B+轮融资，其中二〇一八年十一月宣布的B+轮为三亿元，由华创资本领投，中冀投资、西电天朗创投、三十六氪基金跟投，金风科技、创想天使、中天世纪等老股东继续追加。湖州的制造基地则在二〇一八年四月二十四日动工改扩建，同年十二月十九日一期工程通过竣工验收并交付使用——这是国内首个民营火箭和发动机生产制造基地，也是当时亚洲最大的民营火箭制造工厂。北京与西安设两个研发中心，火箭生产制造基地落在浙江湖州，这个格局在此后数年没有变过。

技术侧的节奏同样密集。二〇一九年一月，天鹊十吨级液氧甲烷发动机燃气发生器完成一千秒热试车；二月，突破激光焊接夹层喷管技术，天鹊八十吨级发动机喷管夹层激光焊接一次成功，这是中国首个运用激光焊夹层喷管工艺的火箭发动机喷管；三月，天鹊八十吨级发动机半系统试车成功；五月十七日，TQ-12完成二十秒全系统试车；七月完成百分之百推力一百秒试车，十月完成两百秒变推力试车；十一月，天鹊十吨级发动机全系统试车成功。二〇一九年八月，蓝箭经北京市政府推荐，作为中国展团唯一民营航天企业亮相第十四届莫斯科航展。

商业端也在布点。二〇一九年十二月，蓝箭与长沙天仪空间科学研究院签署朱雀二号首个国内搭载发射服务合同；同月宣布完成五亿元C轮融资，投资方为碧桂园创投，当年累计融资六亿元。二〇一九年十二月二十八日，嘉兴蓝箭航天中心开工，日后这里成为朱雀系列火箭的总装总测基地。二〇二〇年三月，天鹊十吨级发动机单次试车时长达到四千秒，单台累计试车时长突破一万秒，发动机的设计、生产、装配质量与工作可靠性得到充分考核。到二〇一八年前后，公司近二百名员工中，从事火箭研制工作的技术人员占三分之二；到二〇二二年十二月，员工超过五百人，技术研发人员占比超过百分之七十。

06公司发展史（二）：发动机、基地与资本，二〇一九至二〇二三

二〇二〇年是发动机年。五月十三日，朱雀二号火箭控制系统与天鹊TQ-12发动机匹配验证成功，完成三次摇摆试车点火试验，标志著朱雀二号进入联合匹配验证阶段。七月十四日，二级游机天鹊TQ-11完成单次三千秒热试车，创下国内泵压式低温液体火箭发动机单次试车时间最高纪录。十一月十三日至十七日，朱雀二号二级发动机联合试车成功，这轮试车由八十吨级与十吨级天鹊液氧甲烷发动机组合而成。十二月，国内第一个通过充分热试车验证的液氧甲烷针栓式喷注器试车成功——这是可回收火箭的关键技术之一。二〇二一年二月，朱雀二号一级发动机总装完成；六月三十日，嘉兴蓝箭航天中心首期竣工，即将投入使用。

资本市场对应地抬了一次价。二〇二〇年九月，蓝箭宣布完成十二亿元C+轮融资，由红杉资本中国基金、碧桂园创投、经纬中国等领投，基石资本旗下上市公司联合领投，国家中小企业发展基金、湖州赛源政府基金、光速中国、歌斐资产、延福投资、沄柏资本、湖畔国际、融创投资、鲁信创投、弋盛投资、聚卓资本等跟投；投后估值五十二亿元。加上当年上半年完成的C轮五亿元，公司在过去十二个月共获得投资超过十八亿元。二〇二一年八月完成D轮，二〇二二年二月完成D+轮。这几轮的共同背景，是二〇一九年天鹊八十吨级发动机试车成功——资本开始相信这家民营公司真的能把大推力液氧甲烷发动机做出来。

二〇二二年是产品线全面收口的一年。十月二十日，天鹊真空型液氧甲烷发动机（TQ-15A）完成首次全系统试车，真空推力八百三十六千牛，可实现百分之六十至百分之一百一十深度变推，取消游机、具备三次点火能力。十一月，蓝箭辅助动力系统「云鹊」（YQ-10）首台全系统试车成功。十二月十四日，朱雀二号遥一在酒泉首飞失利。半年之后的七月十二日，遥二成功入轨，拿下液氧甲烷火箭的全球首发。二〇二三年八月，公司正式为可重复使用火箭朱雀三号立项；十二月九日，朱雀二号遥三以一箭三星完成商业发射。从第一枚固体火箭失败到液体火箭连续成功，蓝箭用五年时间换来了一条可以走下去的技术路线。

07公司发展史（三）：朱雀三号与商业化，二〇二三至二〇二五

朱雀三号是蓝箭迄今最大、最复杂、也最冒险的工程。二〇二三年十二月，公司对外发布朱雀三号可重复使用液氧甲烷运载火箭，计划二〇二五年具备首飞能力，从立项到实现入轨加回收实际只用了三年，而传统航天新型号从立项到首飞通常要五到八年。这是一款单芯级两级串联构型、以不锈钢为主结构材料的火箭，也是国内首款不锈钢液体运载火箭：一、二级箭体直径四点五米，整流罩直径五点二米，全箭长六十六点一米，起飞质量约五百六十吨，起飞推力七千五百四十二千牛。

动力系统一级采用九台天鹊十二A液氧甲烷发动机并联，二级采用一台天鹊十五A真空型发动机；一子级安装反作用控制系统、栅格舵与著陆支腿，设计重复使用次数不低于二十次，成熟后航区回收状态下近地轨道运载能力不低于十八吨。公司披露，可回收的一子级箭体造价约占整箭成本的百分之七十。在材料与工艺上，朱雀三号采用高强度不锈钢贮箱与激光焊接工艺，公司称大直径超薄壁不锈钢贮箱的制造成本较铝合金大幅降低约百分之八十，生产周期缩短约百分之四十。

验证是一步步来的。二〇二四年一月十九日十六时，朱雀三号VTVL-1可重复使用垂直起降回收验证火箭在酒泉点火升空，飞行时间约六十秒，飞行高度约三百五十米，著陆位置精度二点四米，著陆速度零点七五米每秒，著陆姿态角约零点一四度，任务圆满成功。同年四月十五日，十公里级垂直起降回收试验箭完成总装；九月十一日，VTVL-1试验箭成功完成十公里级垂直起降返回飞行试验，实现国内首次液体发动机空中二次点火。这是中国商业航天在可重复使用运载火箭技术上一次标志性的突破，也为一年后的轨道级首飞铺平了道路。

同一年，朱雀二号改进型接棒承担商业发射。二〇二四年十一月二十七日十时，改进型遥一在东风商业航天创新试验区首飞成功，把光传〇一、〇二试验星送入轨道。二〇二五年五月十四日，改进型遥五发射成功，搭载一颗两点八吨的定制化试验载荷。五月十七日，改进型遥二以一箭六星把天仪二十九星等六颗卫星送入预定轨道，实现火箭发射服务收入三千五百六十九万元。但八月十五日九时十七分，改进型遥三点火升空后飞行异常——起飞后二百五十八秒出现异常，供电母线短路，任务失利。蓝箭当日发布情况说明，表示将基于全部飞行数据全面开展故障归因与技术改进。张昌武后来在采访中把这次失败定义为一次契机：「我们就把『归零』当作一次系统性提升的契机。」

二〇二五年十二月三日，朱雀三号遥一运载火箭在东风商业航天创新试验区发射升空，二级成功进入预定轨道，一子级垂直回收试验失败——著陆段点火后出现异常燃烧，未能在回收场坪实现软著陆。这是中国首次进行可重复使用火箭的轨道级发射与回收验证。事后张昌武在发布会上平静表示，核心目标已达成，「我们完成了可重复使用火箭的工程化验证」。二〇二六年八月，朱雀三号总指挥戴政披露了失败细节：一子级在距地面三点三公里时进行著陆点火，点火动作完成、火也点起来了，随后出现异常燃烧，最终坠落在著陆场坪边缘。

08公司发展史（四）二〇二六：今天的版图

二〇二六年的第一件大事在资本市场。二〇二五年七月二十九日，蓝箭在北京证监局完成上市辅导备案；十二月二十三日辅导状态变更为「辅导工作完成」；十二月三十一日，上交所受理其科创板IPO申请，适用商业火箭企业科创板第五套上市标准，成为该指引发布后首家申报的民营液体火箭企业。二〇二六年一月二十二日进入问询；三月三十一日因财务资料过有效期中止审核；六月二十九日更新招股说明书后恢复为「已问询」。本次拟募资七十五亿元，全部投向可重复使用火箭项目，其中二十七点七亿元用于产能提升、四十七点三亿元用于技术提升，保荐机构为中国国际金融股份有限公司。

财务口径并不好看。招股书显示，二〇二三年至二〇二五年，公司营业收入分别为三百九十五点二一万元、四百二十七点八三万元、五千二百零九点六三万元；归母净利润分别亏损十一点八八亿元、八点七六亿元、十七点一一亿元；研发费用分别为八点三亿元、六点一三亿元、九点二二亿元。截至二〇二五年十二月三十一日，合并报表未分配利润为负五十九点五五亿元。公司解释，朱雀系列火箭尚处商业化发射初期，发射服务收入规模小且不稳定，难以覆盖成本费用；航空航天装备属技术密集型行业，须持续保持较高研发投入以保证技术先进性。招股书同时提示，预计最早二〇二九年才能实现合并报表盈利；期权激励计划的业绩考核要求则是二〇二六年度营业收入不低于五亿元、二〇二七年度不低于十亿元。

产能与订单在同步铺开。发动机端，湖州基地二〇二五年四月迎来第一百台液氧甲烷发动机「天鹊十二A」下线，标志动力系统进入规模化生产阶段；地方规划口径显示，其二〇三〇年产能将超过一千台，直接产值六十亿元，带动产业链产值二百亿元。火箭端，二〇二六年五月，蓝箭无锡生产基地在惠山区洛社镇投产，这是国内首个基于高强度不锈钢与智能化激光制造技术的火箭批量生产工厂，具备年产二十发朱雀三号的能力；嘉兴蓝箭航天中心则继续承担总装总测。客户端，公司已与中国卫星网络集团、上海垣信卫星签署正式发射服务合同，朱雀三号入选中国星网核心运载火箭供应商名单，并中标垣信卫星二〇二五年运载火箭发射服务采购项目的一箭十八星服务。

然后是八月十九日。北京时间七时三十五分，朱雀三号重复使用遥二运载火箭在东风商业航天创新试验区发射升空；起飞约一百三十七秒，一、二级分离，二子级继续飞行，将鸿擎科技自主研制的鸿鹄〇三星准确送入预定轨道；七时四十一分许，一子级按预定程序成功软著陆于甘肃省民勤县朱雀三号著陆场坪。这是中国首次实现运载火箭一子级著陆支腿方式回收，也是首次实现入轨级运载火箭一子级陆地回收；蓝箭由此成为全球第四家实现轨道级一子级回收的企业。任务同时搭载了公司自主研制的非火工品堆叠压紧释放装置，为后续大型星座组网的批量快速部署做准备。九月十五日十四时二十六分，朱雀二号改进型遥七又以一箭十星把千帆极轨十九组十颗卫星送入轨道，成为中国民营商业航天企业首次承担大型卫星互联网星座规模化组网任务。

09领导风格与性格：不做工程师的董事长

张昌武的管理风格，第一条是对自己位置的清楚。他从第一天就没打算做技术，「始终觉得自己更像是一个『做企业的人』」，在公司的工号是〇〇一。这种自我定位带来一种罕见的克制：他不在技术评审会上拍板气动布局，而是把技术决策交给王建蒙、吴树范、张龙、戴政这些航天体系出身的人，自己盯资本、战略、政府关系与组织。二〇一八年他对《界面新闻》说得很坦白：「作为一家民营企业，面向的市场需求和技术方向，不存在和『国家队』的竞争」，又说「和『国家队』肯定是一个补充关系。在未来至少十年的时间里，我们可能都是一种补充。」这种低姿态在创业者中并不常见。

第二条是用人上的「向上找」。三十一岁创业时，他找的是六十岁的王建蒙和五十岁的吴树范——都比他年长、比他懂行。这种选择需要相当的自信，也需要愿意让别人比自己更有权威。此后公司高管的构成也印证同一逻辑：董事、副总经理张晨来自普华永道，董事会秘书张宇蛟在金杜律师事务所工作逾七年，财务总监谭姝婷来自中国银行。蓝箭的高管层里金融与专业服务出身者比例很高，与技术骨干形成两个明显的群体。张昌武的用人标准，可以概括为——找能把事情做成的人，而不是找听话的人。

第三条是对外沟通的方法。早期融资困难时，他的策略是「少讲故事，多讲进展，用实事说话」，承诺三个月组建核心团队就三个月兑现。他私下的自我投射则完全不同：据《华商韬略》记述，他曾用一张《星球大战》海报发朋友圈，配文是「经过战斗的洗礼，天行者卢克已成为一名出色的自由战士」。这条朋友圈与他在发布会上使用的「体系」「闭环」「对齐」「归零」等管理语言形成了明确的落差——公开场合的张昌武极少动情，二〇二五年十二月首飞回收失利后，他在发布会上只是平静地说，核心目标已达成，我们完成了可重复使用火箭的工程化验证。

第四条是对钱与时间的态度，这也是最受检验的一条。二〇一八年他说「运载火箭研制不是一个特别烧钱的事」，资金需求「以几十亿元人民币为上线」。七年之后，公司一年研发费用九点二二亿元、一年净亏十七点一一亿元、累计未分配利润为负五十九点五五亿元。他没有回避这个落差，而是把它重新定义为时间问题：「商业航天要『赚钱』，不是短跑，而是一场需要长期战略定力与耐心资本支持的马拉松。」他也反复强调技术路线、耐心资本与清晰商业闭环三者的协同，并承认在启动科创板进程的同时，必须构建长期资金体系，「为五到十年的持续投入做好准备」。与同代创业者相比，张昌武少见地不谈速度，而谈节奏。

10成功秘诀：一个外行如何做出火箭

第一，选对了时间窗。二〇一四年全球低轨卫星发射需求积聚、供给严重不足；同年十一月国务院文件首次明确鼓励民间资本参与国家民用空间基础设施建设；二〇一五年SpaceX猎鹰九号首次成功回收——政策、需求、技术范式三个变量在同一时间松动。张昌武不是技术突破者，但他是最早把这三件事放在一起看的人之一，并在市场真正爆发前七八年就开始下注。他自己的说法是：「那时，我们已经感到这个市场的水在变热。」

第二，用股权解决自己不懂的事。他没有去读一个航天学位，而是把王建蒙、吴树范变成了合伙人。第三，敢在关键节点上全押。二〇一八年朱雀一号失败后，他放弃不可重复使用的固体火箭，把资源全部转向当时全球尚无入轨先例的液氧甲烷路线。第四，把融资节奏绑在技术里程碑上：二〇一九年天鹊八十吨级试车成功，对应C轮五亿元与二〇二〇年C+轮十二亿元、投后估值五十二亿元；二〇二三年七月入轨成功，对应当年十二月十二点二亿元融资、投后估值一百七十七亿元；二〇二四年十二月，国家制造业转型升级基金单笔九亿元。十年累计融资超过七十亿元。

第五，供应链自建。二〇一五年买不到现成发动机，就自己造；此后湖州造发动机、嘉兴做总装总测、无锡建不锈钢智能工厂，三个基地分工明确。第六，借国家战略的势。中国星网与垣信卫星的正式发射服务合同、中国星网核心运载火箭供应商名单、科创板商业火箭第五套上市标准，这些都不是单纯靠产品性能能拿到的。第七，对失败有一套处理方法：归零、复盘、用连续发射验证——朱雀一号失败后成立专项组；二〇二二年遥一失利后逐帧分析、上百次复现实验，二〇二三年三月十八日通过归零评审；二〇二五年八月改进型遥三失利后，强化供应链质量与验证覆核机制。

第八，也是最容易被忽略的一条：他对时间的耐心。从二〇一五年注册到二〇二三年入轨，八年；从二〇二三年朱雀三号立项到二〇二六年回收成功，三年，而传统航天新型号从立项到首飞通常要五到八年。把他的成功拆开看，可复制的部分是方法——找对人、把融资绑在里程碑上、对失败做归零、把供应链握在自己手里，这些任何硬科技创业者都可以学。不可复制的部分是时代：中国低轨星座的频轨时限、国家对民营航天准入的逐步放开、科创板为未盈利硬科技企业开出的第五套标准，以及一个愿意为十年不赚钱的公司连续输血的一级市场。他自己也承认这一点的边界，所以他说的是「把技术路线和商业模式在正确的时间节点上对齐」，而不是「我们比别人更聪明」。

11个人、价值观与生活：择一事，终一生

张昌武一九八三年生，二〇二六年四十三岁。他的家庭生活几乎完全不在公开视野中，唯一被反复提及的家庭关系是岳父王建蒙——既是长辈，也是合伙人与副董事长。这种关系在中国创业公司中相当罕见：他从岳父那里获得的不只是技术资源，还有一整代航天人的人脉与信任。他把公司总部放在亦庄，也延续了这种地缘上的贴近——那里紧邻中国运载火箭技术研究院，聚集了全国约四分之三的商业航天公司，形成一条「火箭一条街」。

他的公共身分在近几年快速增加。二〇二五年一月，他被增补为政协北京市第十四届委员会委员，属于科学技术界。在二〇二六年一月二十三日市政协全会前的「我是委员」集体采访中，他谈的是北京商业航天企业数量从不足五十家增至三百余家、产业规模突破千亿级、「南箭北星」格局成型。他也以APEC中国青委会执行委员的身分参与活动，并多次回到清华作报告——二〇二四年四月在清华「新理念、新科技、新人才」论坛作《商业航天：机遇与挑战》主题报告；二〇二六年五月八日在浙江省委党校「共富善治大讲堂」作《培育新质生产力：商业航天视角下的新兴产业与未来产业》报告，线上线下十八点六一万人次参加。

荣誉清单相当长：二〇一八年入选科技部创新创业人才，同年获《中国科学报》「中国科学年度新闻人物」；二〇一九年获中国经济年度人物新锐奖，并入选《财富》中国四十位四十岁以下商界精英，排名第五；二〇二三年四月获商业航天年度人物奖；二〇二四年十一月获第十六届航空航天月桂奖风云人物奖；二〇二五年四月获北京市劳动模范称号。他在公开场合反复使用的一个说法是「择一事、终一生」。这句话放在一个从汇丰银行出来、三十五岁才开始造火箭的人身上，与其说是天生的信念，不如说是被十年时间反复校验之后的自我确认。

生活细节公开得极少。他极少谈个人爱好、财富或家庭，公开形象基本等同于公司形象——深色西装、语速平缓、偏爱工程与管理词汇。唯一一次较为外露的表达，是那条《星球大战》的朋友圈。他在清华学到的两门课——批判性思维与道德推理、管理经济学——大概比任何技术课程都更贴近他真实的工作：在一个充满不确定性的行业里，他的日常不是解方程，而是在信息不全的条件下判断，下一步该把钱押在哪里。

12国家与时代意义：从补充者到主力运力

蓝箭航天的十年，恰好覆盖了中国商业航天从零到规模化的整个周期。在二〇一四年之前，中国进入太空的能力完全掌握在国有体系手中；二〇一四年政策破冰，二〇一五年被称为中国商业航天元年。到二〇二五年，国家航天局印发《推进商业航天高质量安全发展行动计划（二〇二五—二〇二七年）》，以五大类二十二条把商业航天全面纳入国家航天发展总体布局；同年，国家航天局成立商业航天司，并宣布设立「国家商业航天发展基金」。二〇二五年十二月二十六日，上交所发布指引，商业火箭企业适用科创板第五套上市标准，为尚未盈利的硬科技企业打开资本通道。制度、资本与技术在同一年对齐。

张昌武在这个格局中的位置，十年间发生过一次根本性变化。二〇一八年他接受《界面新闻》专访时说：「和『国家队』肯定是一个补充关系。在未来至少十年的时间里，我们可能都是一种补充。」到二〇二六年，朱雀三号已是由国家航天局批复立项的新一代低成本、大运力、高频次、重复使用液氧甲烷运载火箭型号，由蓝箭航天抓总研制；国家航天局组织工程全线，吸纳商业航天企业参与国家重大任务。二〇二六年八月十九日，国家航天局发布消息，称这次任务是「我国首次成功实施重复使用运载火箭一子级著陆腿方式陆地可控回收」，并明确「标志著我国重复使用火箭技术取得重大突破」。从「补充」到「抓总」，这句话的位移，本身就是中国商业航天十年最准确的刻度。

放到全球竞争里看，意义更清楚。据报道，二〇二五年SpaceX全年完成一百六十七次轨道发射，连续第六年打破自己的纪录，星链在轨卫星超过九千三百颗；同期中国发射次数为七十八次（含朱雀三号首飞），动用了十多种不同型号的火箭。成本差距是代际的：华源证券研报显示，二〇二四年中国商业航天的平均发射成本约为每千克七点五万元人民币，而SpaceX凭借成熟的可回收技术已控制在约每千克二万元。朱雀三号的目标是把每千克的发射费用降到两万元人民币以下。与此同时，国际电信联盟的频轨资源遵循「先到先得」，中国在二〇二五年底向国际电信联盟提交了新增二十点三万颗卫星的频谱与轨道资源申请，覆盖十四个卫星星座。这意味著运力不再只是商业问题，而是国家在低轨的入场券。

蓝箭航天的这次突破，还让中国成为美国之外第二个同时掌握海上与陆地两种火箭回收技术路线的国家——长征十号乙走海上网系回收，朱雀三号走著陆支腿加垂直起降。而朱雀三号的意义不止于此：它是全球第四家实现轨道级一子级回收的企业成果，也是中国首款成功入轨并实现陆地回收的运载火箭。对行业而言，它的外溢同样具体——湖州、嘉兴、无锡、杭州、南京的上百家配套企业被拉进同一条产业链，不锈钢贮箱激光焊接、栅格舵、低温调节阀、传感器这些原本分散的能力，被真实的飞行任务逼著升级。若蓝箭此番科创板IPO顺利落地，它将成为中国资本市场上的「商业航天第一股」。张昌武在二〇二六年市政协的一次发言里，把这件事说得比任何财报都简单：「择一事、终一生。」

01家世与早年：西安少年、一支黑管与物理的召唤

杨钊一九九一年四月出生于陕西省西安市，汉族。关于他的家庭，公开资料极少：他本人几乎从不谈父母职业与家境，只在一篇自述里留下一个细节——小学二年级时，父母替他在家附近报了一个课外班，他「体弱多病」，在几样乐器里一眼相中了单簧管，也就是黑管。那个年代西安的少儿艺术班不少，一个瘦弱的孩子拎著长长的黑色乐器箱走进校门，成了他童年最鲜明的形象。非科班、无家世可倚，这是他人生叙事里少见的、被他自己反复回味的柔软底色，也解释了他后来为何总把「环境」而不是「天赋」挂在嘴边：对的人与对的氛围，能托住一个起步平平的少年。

他练了五年黑管。小班授课，老师先示范，五六个孩子各吹各的；教材上小学生只练前二十首，他自己往后翻，翻到七十多首遇到《梁祝》，「我用所学的残破知识，一点点摸著管键，半通不通地演奏了出来」。小学每周一的升旗仪式需要管乐班，他便每个星期一拎著乐器箱上学，靠这件小事在整所小学里出了名。小学四年级转来一个同样练黑管的女同学，程度比他高、皮箱比他的塑料箱高级，两人放学后留在教室里合谱、争吵、试音，很多个黄昏就那样过去。多年以后他把这段写成文章，称那是一种「会心一笑、心有灵犀」的时刻，也是他最早体会到的、把一件难事做顺之后的快乐。

中学以后他不再上黑管班，只在初中偶尔练一练，高中住校便彻底放下。高中阶段他随陕西物理竞赛队外出比赛，晚上同住的人打一款音乐节奏游戏，他和另一个学小提琴的人轻松取胜，没学过音乐的同伴满头大汗也追不上。二〇〇九年，他考入北京大学物理系——那一年他十八岁。按他的自述，进北大之后他才第一次系统地知道物理学有哪些分支、哪些问题足以决定人类未来十年的走向；也是在那个阶段，可控核聚变第一次进入他的视野，并被他当成「终身奋斗目标」。一个喜欢音乐的陕西少年，从此把人生的主线交给了等离子体。

值得注意的是，他成长的年代恰好是中国民营科技力量开始向硬科技纵深推进的年代。与他同龄的一批人，大学四年级时看著移动互联网起飞，毕业时撞上人工智能的第一波浪潮；而他把目光投向了一个周期更长、回报更远、失败率更高的方向。这种「提前十年选题」的习惯，在他还是本科生时就已显露，日后也成为他最鲜明的行事特征之一——他反复说自己偏爱那类「无论是不是我做，早晚会有人做」的事，因为那是历史的必然趋势。

02创业原点：从黑洞与弦论，到金沙江创投的入驻企业家

在北京大学物理系，他的成绩位列专业前百分之五。本科期间他关注可控核聚变技术，但彼时的中国，聚变仍是大科学装置与国家队的领域，一个本科生能做的事相当有限。二〇一三年，他赴美国史丹福大学物理系攻读博士，四年完成学位，研究的是量子引力与弦论——用他的话说，「离这个世界比较远的一些基础物理」。他的博士工作落在量子信息与量子引力的交叉处：用随机张量网络刻画全息对偶，用深度学习去预测时空的量子结构。这些题目与核聚变表面上毫无交集，却给了他两样日后极重要的东西：一是把极复杂系统写成简洁方程的能力，二是对「用算法换算力、换成本」的直觉。

他最有名的一篇论文是二〇一六年发表的《随机张量网络的全息对偶性》（Holographic duality from random tensor networks），与史丹福同侪合作，谷歌学术引用逾四百次；二〇一七年他又与尤亦庄、祁晓亮合作发表《从纠缠特征中学习空间几何》，把「寻找最优随机张量网络」这个问题形式化为一个深度学习问题，被视为人工智能与弦论交叉研究的早期工作之一。百度百科把这段研究方向概括为「利用量子信息方法研究量子引力和黑洞的几何结构问题」，并称他「最早完成人工智能和弦论方向的交叉研究工作」。论文之外，这段经历还给了他一个日后被同事反复称道的习惯——先写「零维代码」，把目标定义清楚，再让所有子系统去对齐它。

二〇一七年博士毕业后，他没有走学术路线，而是在美国待了一年。「只是觉得早晚要做成像聚变这种事，你还是要通过创业的方式去实现的。但刚毕业也不知道该干啥，」他后来这样解释那段空白。二〇一八年底他回国，先做了金沙江创投的入驻企业家（EIR），同年五月在北京注册成立元悦科技，做的是用人工智能陪孩子练钢琴——从陪练切入，试图让人工智能模仿专业音乐老师的教学行为。这家公司与聚变毫无关系，却是他刻意安排的「补课」：从产品研发、市场营销到融资节奏，他完整走了一遍从零到一的商业化流程。据报道，元悦科技累积了数百万用户，二〇一九年四月十七日获得金沙江创投一千万元天使轮融资，后于二〇二二年一月注销。

他对这三年的总结相当清楚：补齐从一名研究者到创业者的商业化短板。这段经历还留下一条隐线——他第一次创业选择音乐，并非偶然，而是回到小学那支黑管；他在自述里写，教育环节有那么多破绽，只因为太普遍，所有人都默认了，而人工智能与互联网可以帮大多数人跨过那道门槛。这种「用技术抹平门槛」的思路，日后几乎原封不动地搬到了聚变上：把极昂贵的大科学装置，变成一件算得清成本、可以批量交付的产品。

03最艰难的关：四个人的「零维代码」与一件没上装置的磁体

二〇二一年三月，他经人引荐认识了资深投资人叶雨明——清华大学汽车工程系本科、清华经管学院技术经济与管理硕士，曾长期在光信资本从事股权投资。叶雨明当时正想进入新能源赛道，有人向他推荐了一个「想搞可控核聚变的史丹福小天才」；在朋友的撮合下，三十三岁的叶雨明遇到了刚满三十岁的杨钊，两人一拍即合。当年六月二日，能量奇点能源科技（上海）有限公司在上海注册成立，注册资本一百九十六点八一万元人民币，法定代表人是杨钊。四位创始成员是杨钊、叶雨明、董阁与李柱永：杨钊与董阁是北大校友、都留学归来读物理，董阁有普林斯顿博士后经历，李柱永是上海交通大学电气工程系副研究员、高温超导磁体领域专家。这是中国第一家以聚变能源商业化为目标的创业公司。

最难的关不在图纸上，而在没人相信。当时全球主流是低温超导托卡马克——中国的东方超环、韩国的 KSTAR、日本的 JT-60SA，以及在建的法国 ITER，全部走这条路，已有二十多年工程积累；而「全高温超导」是一条从未被任何一台完整装置验证过的路线，业界权威的质疑集中在两点：技术路径非主流，团队并非科班出身。杨钊后来回忆，问题从来不是「能不能干」，而是「要解决的问题非常多，且每一个都必须自己找答案」。他的判断很简单：高温超导面临的都是工程问题，不是科学问题。

二〇二一年他做的第一件事，是写一版「零维代码」——把一台尚不存在的托卡马克，拆成十个一级子系统、三十多个二级子系统，从最终想要的等离子体参数一路反推：磁场要多强、形状是什么样、真空室结构怎么长、各子系统运行温度是多少、什么时候往里面加料充气、什么时候启动诊断与控制。这行代码要「像数学公式一样尽可能简洁」，又要精准定义项目目标。熟悉他的人说，能量奇点两年内完成洪荒 70 的设计、研发与建造，靠的就是他从一开始就把整台装置想清楚了。

真正折磨人的是实物阶段。他记得那件环向场磁体的全尺寸工艺件：前面每一道工序都有质检、都顺利，到最后一道工序，性能掉了一截，比预期下降得不少；分析来分析去，至今也不能百分之百锁定原因，只怀疑是制造过程中的振动造成了机械损伤。最终这件磁体没有上装置，被留作后续实验的测试件，整个项目等于多造了一个。团队随后在全链路——制造、运输、加工——都加上了防振动的工艺安排，后续所有磁体都没有再出现同样现象。「最难的实际上是不知道什么出了问题，」他说，「很多东西你不能直接测，去猜测这个问题的原因，这件事是比较费劲、也比较折磨人的。」

04翻盘的一役：洪荒 70 点亮，从十八毫秒到一千三百三十七秒

二〇二二年三月，「洪荒 70」正式启动设计。名字取自中国神话里那个能量充沛却混沌无序的早期状态——正如同等离子体在装置里的样子；「70」则来自它的关键参数，等离子体大半径七十厘米（装置实际等离子体大半径为零点七五米）。二〇二三年八月十七日，直径约三米的最大尺寸磁体 PF4 极向场线圈研制完成，是当时中国尺寸最大的高温超导托卡马克磁体；同年十月七日，主机系统发运，交付上海电气核电集团；总装施工由中国核工业第五建设有限公司承担。二〇二四年一月，十二组环向场磁体与真空室、内冷屏成功套装成环，装置的骨架成形。

预算一点五亿元人民币，最后花了约一点二亿。二〇二四年六月十八日，装置成功实现等离子体放电——画面角落的时间码停在十八点六六八毫秒。这次实验采用了局部螺旋磁通注入（电子枪）与离子回旋加热两种预电离方式，成功获得第一等离子体。以那个瞬间为界，能量奇点成为全球率先建成运行全高温超导托卡马克的团队，也是全球率先建成运行全超导托卡马克的商业公司；「洪荒 70」成为全球四台运行中的全超导托卡马克之一，国产化率超过百分之九十六。它选择的路径是先做一台完整原型机、验证工程可行性，而不是一上来就啃最难的磁体。

杨钊为此打过一个比方：洪荒 70 相当于全世界第一艘用钢造的完整的船。船还是靠浮力浮起来，但一旦换掉主体材料，设计、焊接、除锈、密封全都变了——用木头造船时你不会思考焊接工艺，也不会担心它会沉；而在真正下水运行之前，没有人可以百分之百确定它不会漏水。「洪荒 70」不是性能很高的装置，但它是第一艘用新材料造的完整船，证明这种材料可以建成一台完整装置，并且能下水、往前走、再开回来。

真正让它翻盘的是二〇二六年年初那二十多天。此前装置性能一直以「秒」为单位爬升；二期升级完成后，团队改进壁处理工艺、加装基于人工智能的等离子体反馈控制，一月六日第 5319 次实验做到一百二十秒，一月十九日第 5609 次实验三百三十五秒，二月二日第 5755 次实验做到一千三百三十七秒——二十二分十七秒的稳态长脉冲等离子体运行，远超最初设定的六百秒目标。这是全球首次由一家商业公司研发建造的核聚变装置，实现千秒量级的等离子体电流长脉冲运行。杨钊说，这个结果验证了高温超导磁体及配套电源系统在长周期复杂工况下的运行稳定性，也验证了自研射频波电流驱动系统的性能。

05公司发展史（一）：二〇二一至二〇二二，四个人与一百二十个人

能量奇点成立之时，全球可控核聚变已走过半个多世纪，建成超过一百台装置，其中绝大多数是以铜为磁体的托卡马克——铜在通大电流时自身会发热，只能做秒级、十几秒级的短脉冲实验。二〇〇六年后，中国的东方超环成为全球第一台全低温超导托卡马克，韩国 KSTAR、日本 JT-60SA 相继跟进，全世界全低温超导装置就这三台；而二〇一八年前后，第二代高温超导材料开始工程化量产，让「用更强磁场把装置做小」第一次具备产业条件。公司聚焦的方向写得很具体：研制有商业发电潜力、高磁场、高参数、标准化的高温超导托卡马克装置，以及其运行控制软件系统。

二〇二二年二月二十五日，成立不到八个月的能量奇点宣布完成首轮融资，金额近四亿元人民币，由米哈游与蔚来资本共同领投，红杉中国种子基金与蓝驰创投跟投，山景资本担任独家财务顾问。资金用途写得很具体：研发并建设全球首台基于全高温超导材料的小型托卡马克实验装置，以及研发可用于下一代高性能聚变装置的先进磁体系统。同期，公司发布「三步走」战略：第一步做小型全高温超导托卡马克实验装置，实现长时稳态运行的科学与工程目标，二〇二四年建成运行并点亮等离子体；第二步是能量增益 Q 大于十的强磁场装置；第三步是商业示范电站。

钱到位的同时是人。公司二〇二二年落户上海临港新片区，一年之内团队从四个人扩到一百二十余人，成员来自史丹福、普林斯顿、北京大学、清华大学、上海交通大学等院校及科研院所，涵盖高温超导、等离子体物理、人工智能等多个领域。他们建成了国内第一个高温超导托卡马克磁体厂房，自研出高温超导环向场磁体、中心螺线管磁体与极向场磁体——每一种都是新技术从零开始的突破。二〇二三年三月，上海市未来产业先进核能专家委员会成立，五家副主任委员单位里，能量奇点是唯一的初创企业。

这一阶段的能量奇点，本质上是在为一件「没人做过」的事建立可信度。它需要向外界证明三件事：材料买得到、人能招到、装置造得出。二〇二一年上半年，杨钊与团队拜访了大量科研院所与供应商，想搞清楚一件事——如果在国内推动可控核聚变，会不会被人才、技术与原料卡住脖子。调研的结论是没有「不去的理由」：原料与供应商基本不存在卡脖子，传统知识大多学术公开，而高温超导这条路全世界都很新；人才上不但不缺，中国的工程师红利反而是优势。「没有一个 no go，」他说。

06公司发展史（二）：二〇二三至二〇二四，两年造一台装置

二〇二三年四月二十八日，能量奇点完成 Pre-A 轮融资，金额同样接近四亿元人民币，投资方包括米哈游、黑门投资、树海投资、云和方圆与 ENLIGHTENMENT 等，两轮合计近八亿元。这一年，「洪荒 70」从图纸走向车间：八月，中国目前尺寸最大的高温超导托卡马克磁体 PF4 极向场线圈研制完成，直径约三米，在全部二十六个磁体中尺寸最大；同期装置总装正式启动。十月七日，全球首台全高温超导托卡马克「洪荒 70」的主机系统发运仪式在上海电气核电集团举行。

二〇二四年一月，十二组环向场磁体与真空室、内冷屏成功套装成环；三月，装置在上海临港新片区完成建设并取得运行许可；六月十八日，成功实现等离子体放电。从二〇二二年三月启动设计，到建成并点亮等离子体，前后两年——这是当时全球超导托卡马克装置研发建造的最快纪录。洪荒 70 的中心场强为零点六特斯拉，等离子体大半径零点七五米，磁体系统由二十六个高温超导磁体构成，国产化率超过百分之九十六。同年，它入选工业和信息化部「二〇二四年未来产业创新发展优秀典型案例」，也是可控核聚变领域唯一的入选案例；并与经天磁体一起，连续入选国际原子能机构《世界聚变展望》报告，能量奇点成为唯一入选的中国民营聚变公司。

对照组很说明问题。同期，美国麻省理工学院分拆出来的联邦聚变系统公司（CFS）与麻省理工合作，二〇二二年初开建 SPARC，对外宣称二〇二六年建成，目标 Q 大于十；由六方共建的法国 ITER 设计定稿于九十年代、二〇〇六年动工、已投入约二百五十亿欧元，建设周期仍在顺延，是世界上第二贵的国际科学工程。能量奇点用一点二亿元人民币、两年时间，做的却是一件从未有人做过的事。杨钊事后说，这台装置的意义不在参数高，而在于它证明了新技术路线在工程层面站得住。

对这家公司而言，这两年还完成了另一件更重要的事：把能力留在自己手里。从整体设计到磁体的绕制、绝缘、浸渍、组装，从低温系统的分配阀箱、液氦储罐、制冷机到最后的联调与运行，核心环节几乎全部自研。杨钊的解释始终围绕成本：设计变更一点点，成本区别会非常大；只有这台装置对团队来说完全不是黑盒，所有东西透明，才知道要优化成本时该去动哪一个系统。这套做法日后成为公司对外融资时最硬的证据——它证明这支团队不只会写论文，也能把一台价值上亿的装置交付出来。

07公司发展史（三）：二〇二五，磁体突破、二期升级与自我造血

二〇二三年启动的「经天磁体」项目在二〇二五年交出答案。这是一块大尺寸高温超导环向场磁体，用于为下一代装置验证最关键的核心部件。二〇二五年三月十日，它完成首轮通流实验，成功励磁至二十一点七特斯拉并安全退磁，创下大孔径高温超导 D 形磁体的最高磁场纪录——此前这项纪录由美国 CFS 与麻省理工在二〇二一年底研制的 TFMC 磁体保持，约二十点一特斯拉。能量奇点官网后来把它写成「二十二特斯拉」。杨钊强调的不只是磁场强度：经天磁体同时做到了极高的工程电流密度，因为在同样磁场下电流密度越高、截面可以越小，装置才可能造得更小。

把磁场做高，难的不只是绕线圈。接近二十二特斯拉时，单股电流约二十多千安，一纳欧的接头电阻就能产生接近一瓦的发热，而整块磁体的总发热必须压在百瓦量级，意味著所有接头与加工过程引入的电阻要控制在百纳欧级；同时，安培力正比于磁场乘电流，导体本身承受巨大应力，加太多结构材料又会拉低工程电流密度。设计上要把力、热、电三个约束同时推到边界，磁体内部还得挖出制冷流道，把液氦供到预测会发热的位置。经天磁体不会直接上「洪荒 170」，它是一个一比一的工艺验证件——下一代装置的十八个环向场磁体拼起来最高场约二十三特斯拉，而经天以单块磁体逼近了这个数字。杨钊说，全世界有能力做出这种大孔径、超过二十特斯拉磁体的团队，只有能量奇点与美国 CFS 两家。

另一边，「洪荒 70」进入二期升级。改造集中在三处：耐热辐射的第一壁部件、电流驱动与加热系统、诊断与控制算法。二〇二五年十月，二期完成并正式启动实验，运行参数开始逐步爬升。与此同时，公司在商业化上做了两件不那么显眼的事：把高温超导磁体的设计、加工、测试能力做成可对外提供的产品与技术服务，开始尝试「自我造血」；以及持续迭代那套基于人工智能的等离子体运行控制系统——「奇门系统」。二〇二五年九月二十二日，杨钊在上海浦江创新论坛·可控核聚变专题论坛发表主旨演讲，把公司定位为高温超导托卡马克一体化解决方案的提供者。

这一年也是中国聚变产业格局剧变的一年。二〇二五年，中国聚变能源有限公司在上海挂牌成立，中核集团为控股股东，中石油昆仑资本、浙能、国家绿色发展基金等参与投资，目标是加速聚变技术从实验室走向产业化与工程化应用，并在上海与成都两地协同布局。国家队、地方国资与民营创业公司第一次同时出现在同一张产业地图上。对能量奇点而言，这既是背书，也是压力——它必须在一个越来越拥挤的赛道里，持续证明自己仍然是最快的那一个。

08公司发展史（四）二〇二六：今天的版图

二〇二六年开年，能量奇点连续放出三个数字：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 次实验实现一千三百三十七秒稳态长脉冲等离子体运行，二十多天内连跳三级，远超最初设定的六百秒目标。公司称，这得益于两件事：一是改进装置壁处理工艺、有效降低等离子体杂质；二是持续优化基于人工智能的等离子体诊断与反馈控制技术。实验过程中等离子体电流保持高度稳定，未出现破裂或失控现象。这一成果被新华社、《新华每日电讯》等媒体报道，「千秒量级」自此成为商业聚变装置的一个新基准。

资本市场同步加注。二〇二六年二月四日，公司完成 A 轮融资，投资方为北京绿色能源和低碳产业投资基金与京国瑞投资——北京国资背景的基金首次进入，但金额未披露。此前两轮合计近八亿元，加上这一轮，公司累计融资已超过十亿元人民币。团队规模约一百五十六至一百六十余人，平均年龄不到三十五岁，其中许多人并非聚变科班出身。公司被媒体称为「上海聚变产业独角兽企业」，并位列《二〇二五胡润未来独角兽：中国猎豹企业榜》；杨钊本人入选《二〇二五胡润 U35 中国创业先锋》榜单，并在二〇二六年四月被授予「二〇二六年度新时代青年先锋」称号。

今天的版图由三台装置构成。「洪荒 70」继续做长脉冲与诊断升级，下一步目标是进一步延长稳态长脉冲运行时间，并获取明确的温度数据；「洪荒 170」已完成物理与概念设计、进入工程设计阶段，计划二〇二七至二〇二八年前后建成，目标是实现聚变净能量增益，造价口径在十五亿至三十亿元人民币之间；更远的「洪荒 380」是示范电站，规划在二〇三〇至二〇三五年间建成，电输出功率约五十万千瓦，磁场从二十三特斯拉进一步提到二十九特斯拉左右，目标售价约每千瓦四万至五万元人民币、整机二百亿至二百五十亿元。

政策与行业面同时在动。二〇二六年，核聚变作为「未来能源」核心领域，首次被写入政府工作报告；可控核聚变已被列入中国「十五五」规划重大工程项目。放眼全国，除能量奇点之外，安徽正在建设的 BEST 装置、中国聚变的环流四号等也在向净能量增益发起冲击，形成多路线并行的产业生态。与能量奇点同城的星环聚能另辟球形托卡马克路线，二〇二六年连续完成三轮融资；诺瓦聚变则在临港主攻场反位形。一个过去只属于实验室的领域，第一次拥有了创业公司之间的竞争。

09领导风格与性格：零维代码、极致效率与一支没有团建的团队

认识杨钊的人最常提到一句评价：他非常擅长写「零维代码」——构建复杂系统的第一行代码，既要精准定义项目目标，又要像数学公式一样简洁。洪荒 70 有十个一级子系统、三十多个二级子系统，他从一开始就想清楚了整台装置该怎么造；这行代码日后成了公司的底座，让一支四个人的团队在两年内完成了别人十年的事。他自评的长板是「相对来说比较理性，情绪非常稳定」；短板也与情绪有关——「跟情绪相关的一些事情，我做得确实比较少。」

他的管理偏集权而务实：核心子系统全部自研，从设计、加工到测试、运行都不外包，理由不是技术民族主义，而是成本——设计变更一点点，成本区别会非常大；只有这台装置对公司来说完全不是黑盒，所有东西透明，才会知道每一个系统的最优值在哪里。他对团队的激励方式近乎吝于形式：「基本上没有过团建，做完这个项目就马上赶去下一个项目。」与此同时他要求极高：实验期间通宵是常态，同事眼中的他每天都有一大堆问题要解决。这种风格看起来冷，却与他挑人的标准自洽——他更看重一个人能否在没有现成答案的环境里自己找到答案。

与同代创业者相比，他几乎不经营个人形象。拿到国家级奖项之前，他极少接受采访，交付物是论文与装置，而不是发布会；公司价值观只有八个字——「极致效率、实事求是」，他把「度电成本就是金标准」这句话反复讲给团队听。他也有意识地把功劳往外推：谈起洪荒 70，他先说团队「胆子挺大」，而不是自己的能力；谈起最大压力，他说不是某个技术难题，而是每次做实验、点亮等离子体之前那段调试期，「调不出来就想怎么还调不出来，哪一步不对」，直到亮了——「亮了就亮了，这事亮了，好的。」

他并非没有温度。面对失败的可能性，他列出的只有三件事——人不够、钱不够、事没做成；谈到自己如果摔下来怎么办，他的回答是「看你摔到哪，接著再往上去爬，菜就多练嘛」。这种把宏大的事业翻译成极其朴素的语言的能力，或许正是他能在一个平均年龄不到三十五岁、很多人并非聚变科班出身的团队里说服众人的原因。他不上价值观的课，只给出一张清晰的问题清单：钱够不够、人够不够、东西有没有做出来。

10成功秘诀：把一件「历史上必然发生」的事，拆成三千个可解的问题

第一条是选题。北大本科时他就在想，学物理对人类未来影响最大的是什么，答案是聚变；他偏爱那类「无论是不是我做，早晚会有人做」的事，因为那是历史的必然趋势，而「这类事情对我来说是吸引力最大的一件事」。第二条是读懂材料的折点：二〇一八年前后第二代高温超导材料量产，让强磁场、小体积第一次成为可能，他判断这是一次「数量级」的变革，而非百分之十、百分之二十的渐进改良，于是二〇二一年出手。第三条是顺序：他没有直接去啃技术最难、单价最贵的磁体，而是先用一点二亿做一台完整的原型机，证明团队有系统工程能力，再去拿三十亿的钱。

第四条是组织形式。他反复解释为何要用公司而非高校做这件事：要「用最短的时间、最小的成本实现整个聚变性价比的量级变化」，这是创业公司最擅长的事，不是科研院所最擅长的事——最短的决策流程、最高效的办事方法，才是把一个东西从实验室推到低成本大规模使用的关键。第五条是全链条自研、拒绝黑盒，因为成本就藏在接口与工艺里。第六条是先手优势逻辑：这个行业人才稀缺、知识要靠自己积累、每一代投入巨大，同一条技术路线上的第二名很难存在，「当你有了领先优势之后，第二名基本上就没有机会」。第七条是对标与克制：他公开评价美国 Helion 的路线「科学风险很高」——从三乘积十的十七次方外推到二十一次方，好比用零到十米的飞行数据去设计一架万米高空的飞机——而自己的团队只做已被科学验证过的托卡马克，把风险留在工程里。

第八条是承认运气。他的成功里时代的成分很大：中国有完整的工业体系与工程师红利，有上海临港新片区从场地到审批的支持，有二〇二一年后资本愿意为未来能源下重注，还有米哈游这样一家游戏公司愿意在天使轮与 Pre-A 轮连续两次掏钱。可复制的是方法——选对问题、读懂材料、排好顺序、把系统拆开、让融资节奏与里程碑对齐；难复制的是他那种近乎反常的稳定：四年读完理论物理博士，三年做一家与专业无关的公司补课，然后用五年时间把一句「造一台人造太阳」变成一台真实运转的装置。

他自己把这场创业比作爬山：「它是一个持续地爬山。这个山的高度是一个指数增长的高度」，而且「什么时候有没有一个封顶的高度，我至少现在还没看到」。这句话泄露了他对风险的真实态度——不是不知道会摔，而是不认为有爬不上去的理由；摔下去了，「很可惜，会非常可惜」，然后看摔到哪，接著再往上爬。这种把巨大的不确定性切成一段段可执行坡度的思维方式，贯穿了他从论文到装置的全部路径。

11个人、价值观与生活：两点一线，与那支没吹完的黑管

杨钊的生活被他自己形容得很单调：早晨九点上班，晚上大部分时间八点左右下班，实验期间通宵也正常，「生活上来说相对比较简单一些，就是工作、休息，大概就是这样——跟当年读博士也差不多」。在临港，他的活动范围大致就是公司与住处两点一线。他不谈个人财富，也不在意外界对他身价的猜测；在他口中，衡量一切的尺子只有一条：度电成本。这条尺子既是他对公司的要求，也是他对自己的要求——把钱花在能降低成本的环节上，其余一律从简。他甚至把「公司什么时候算成功」也交给了这条尺子：哪天把度电成本降到跟火电一样，就叫商业化；降到比火电低一个数量级，就是能源自由。

他少有的柔软部分留给了音乐。小学二年级开始学黑管，练了五年，翻著教材自己找《梁祝》来吹；这段经历后来变成他创业的题材——元悦科技的 AI 钢琴陪练，正是为了让更多人跨过那道门槛、获得最深层次的音乐乐趣。他在自述里写，音乐与两个人贯通的那一瞬间，他感到幸福；也承认自己当年在一个程度比他高的女同学面前「囿于水平，碍于骄傲，和她多是争吵」。一个研究量子引力与黑洞时空结构的人，用这种方式记录自己的童年，在他的同代人里并不常见。

价值观上，他把「极致效率、实事求是」写成公司的八个字。效率的意思是：一家商业公司的核心是把东西做成产品，所以他最短期的商业目标是把「洪荒 380」这台装置卖出去，而不只是造出实验装置；实事求是的意思是：做不到的就说做不到，还没验证的就说还没验证。他公开承认洪荒 70「坦率说没有」验证更小的体积与更低的成本——那要等洪荒 170；也承认二〇三〇到二〇三五年发出第一度电是一个「比较激进」的时间表。关于家庭与私人生活，他几乎从不公开谈论，这在一个人人争相曝光的创业年代里，本身也是一种表态。

12国家与时代意义：第一度电，与一场文明跃迁的赌注

能量奇点是中国第一家以可控核聚变商业化为目标的创业公司。在此之前，聚变在中国一直是国家队的领域——合肥的东方超环、成都的中国环流三号，以及二〇二五年在上海挂牌、由中核集团控股的中国聚变能源有限公司。民营公司挤进这条赛道，本身就是一个信号：大科学装置的建造方式正在被改写。洪荒 70 用两年时间走完的流程，过去往往意味著十年；把「研发—建造—运行」压进一家公司的节奏里，让「两年一台」成为可能，也让资本第一次有了可以按里程碑定价的标的。

从国家战略看，可控核聚变已被列入「十五五」规划重大工程项目，二〇二六年更作为「未来能源」的核心领域首次写入政府工作报告。中国与美国构成了这条赛道的两极：两地都有完整的资金、人才与供应链，但技术彼此独立、市场天然分割。杨钊的判断是，中国的聚变技术不会靠美国去帮我们实现，美国也不会从中国进口这套技术，因此两边都会长出自己的团队。据他引用的行业数据，全球聚变领域融资总额已接近六十亿美元、美国有约四十家创业公司；中国的民营聚变公司不到十家，融资总额在百亿人民币量级——差距仍在，但窗口已经打开。

他对这件事的意义有自己的表述：能源结构一旦发生变化，文明就会跨一个数量级；当能源足够廉价，粮食可以工业合成，星际殖民不再是能源帐上的不可能，「这个事大概率是一个文明跃迁的变化」。这也是他反复强调氘氘路线的原因——氘在海水中取之不尽，用氘氘就绕开了氚的监管与成本，才可能把度电成本真正压到火电以下。至于时间表，他给出的版本是：二〇二七年前后建成洪荒 170 验证净能量增益，二〇三〇至二〇三五年建示范电站发出第一度电，此后十年验证发电、并网、降本。他曾说，「到 2035 年，中国或将迎来可控核聚变发出的第一度电。做成这件事，似乎只能在上海。」

把这句话放回长时段里看，它的分量不只属于一家公司。可控核聚变被称为人类的终极能源，是因为它同时回答了两个问题：能源够不够，以及能源干不干净。而在他看来，人工智能时代把这个问题推到了前台——任何指数增长的事物都会撞上瓶颈，人工智能的下一个大瓶颈就是电力。于是，一个研究黑洞的博士去做托卡马克，与其说是一次跨界，不如说是他把两个时代命题接在了一起：让算力有电可用，让文明有能不缺。这场赌注的周期以十年计，而他把自己的位置放在最前面那一段——先把那台装置造出来。

01家世与早年：一个「美国出生、杭州长大」的竞赛少女

郭文景（Demi Guo）是美国公民、华裔，一九九〇年代中叶出生。关于出生地，媒体有两种说法：多数中文报道称她「出生于美国」，她本人二〇二四年接受《福布斯》视频采访时则说得更明确——「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，幼年在亚洲度过，之后回美国读大学。可以确定的是，她小学一年级随父母回到杭州，此后在杭州长大，初中就读杭州外国语学校，高中毕业于杭州二中。出生年份未见权威公开，中文媒体普遍以「九五后」称之，本站沿此口径；她的美国国籍则有多方记载，并在二〇一五年引发过一轮关于「美国人考美国大学更容易」的公开讨论。

家庭背景是她身上被谈论最多、也传言最多的部分。其父郭华强一九五六年生，毕业于中央广播电视大学金融专业，后获浙江大学 MBA，曾任浙江省工商银行科技处软件科长、杭州新利电子副董事长兼总裁，一九九六年创办信雅达，历任执行董事、董事长，是这家金融科技公司的实际控制人；二〇一七年十二月，他因个人原因被有关部门要求接受调查，辞去董事长等职务，其后仍任董事。其母的履历，据杭州网二〇二三年十二月的报道，为浙江大学计算机系本科、麻省理工学院计算机博士。至于网上流传的「父母均为 MIT 博士」，乃至「母亲是 MIT 教授」的说法，均与可查资料不符——郭华强的学历是中央广播电视大学与浙江大学 MBA，未见任何权威来源支持「MIT 教授」之说，本传记不采用。

家里的艺术氛围同样关键。她有一个姐姐、一个妹妹，姐妹三人分别走向电影、时装设计与人工智能，家中还开著一间小小的画廊；《华夏时报》引述知情人士称，她的妹妹毕业于北京大学。这种「一半理工、一半艺术」的家庭结构，日后直接投射到 Pika 的产品哲学上——她反复强调自己从小写诗、想当作家，同时小学三、四年级就开始接触编程。她自己的解释是：「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.」

她的中学时代近乎一份「竞赛清单」。高一拿下全国青少年信息学奥林匹克联赛浙江省赛区一等奖；受麻省理工学院邀请参加北美编程邀请赛获第二名，成绩超过绝大多数由哈佛、史丹福、卡内基梅隆学生组成的大学队；二〇一四、二〇一五连续两年夺得美国国家信息学奥林匹克竞赛冠军，其中二〇一四年的满分是当年唯一一个；此外还在美国数学奥林匹克夏令营拿到最高分，并代表美国出战欧洲女子数学奥林匹克竞赛。她的高中班是竞赛班，高一入学时四十九人里只有六个女生，这种性别比例日后成为她反复提及的话题。

二〇一五年，她入选美国国家队出战国际信息学奥林匹克竞赛（IOI），在哈萨克斯坦阿拉木图夺得银牌；据媒体换算，全球三百二十二名选手中排名第四十九。同年底，哈佛提前录取了她——她是杭州二中第一个本科阶段被哈佛录取的学生，也是浙江省第一个被哈佛本科提前录取的学生。哈佛本科校友面试官、哈佛中国秘书长汤玫婕对《钱江晚报》说：「我在中国区面试六年，她是最优秀的学生之一。她的计算机水平，放在美国同龄的女程序员中，也是最顶尖的。」少年时的她并不只有课本：十五岁那年，她一个人飞去美国给当地的孩子上奥赛课，赚回两千美元；高中三年，她还学帆船、学滑雪、考救生员，参加全英文辩论赛，去过伯克利的 SPARC 人文学夏令营。

02创业原点：一场没得奖的 AI 电影节

二〇一五年入学后，郭文景在哈佛读数学学士，并在同一所学校修完计算机科学硕士。实习履历几乎覆盖了硅谷半张地图：二〇一六至二〇一七年先后在 Quora、微软（Bing）做软件工程实习；二〇一八至二〇一九年她申请间隔年，加入 Facebook 人工智能研究院，据其个人简历，是该团队当时最年轻的成员；其后又有谷歌大脑、Epic Games 等机构的经历。她做过哈佛中国论坛的技术与创新负责人、哈佛—麻省理工数学竞赛的总监，在哈佛共同创办 Hacklodge，出任 WECode（女性工程师大会）联合主席，还是 Four94 女性创业大会的创始成员，并成为 Neo Fellowship 首批学者。

二〇二一年，距离哈佛毕业仅数月，她进入史丹福大学人工智能实验室攻读计算机博士，方向是自然语言处理与图形学的交叉，由 Ron Fedkiw 与 Chris Manning 共同指导——前者是两度获奥斯卡奖、参与过《加勒比海盗》与《星球大战》特效制作的图形学家，后者长期主持史丹福人工智能实验室。这个组合恰好落在生成式视频的技术正中心。她后来回忆，读博期间还专门去 Epic Games 实习，认真考察过做游戏的可能：游戏更容易商业化，但赛道太挤；而 AI 视频生成当时还是一片蓝海，她判断这个方向「至少可以做十年」。

真正的触发点是一次失败。二〇二二年冬天，她与几位史丹福同学组队，参加由 Runway 主办的首届 AI 电影节，赛前她对拿奖很有信心，结果连入围都没有。更让她耿耿于怀的不是名次，而是过程：她花了几个小时摆弄 Runway 与 Photoshop，AI 工具难用、门槛高，成效却极其有限。据 Analytics India Magazine 的报道，她事后说：「It just didn't look that good. I was so frustrated.」一个受过完整 AI 训练的博士生尚且如此，普通人更不必谈。她由此看到机会——为什么不做一个真正好用、门槛低到人人可用的 AI 视频生成器？二〇二三年一月，创业的念头成形。

二〇二三年四月，她与史丹福人工智能实验室的同学孟晨琳（Chenlin Meng）双双退学，在帕洛阿尔托创办 Pika，公司最初的名字叫 Mellis Labs。孟晨琳主攻计算机视觉与扩散模型，读博三年间发表三十多篇论文，其中 DDIM（去噪扩散隐式模型）一文，是后来 DALL·E 2、Imagen、Stable Diffusion 都在使用的技术路线。两人分工清晰：孟晨琳是技术锚点，郭文景负责产品、融资与生态。第三位创始成员、创始工程师陈思禹是她在杭州二中的同班同学，信息学与物理双料国家集训队成员，保送北京大学，是北大图灵班第一届学生；第四位加入的 Matan Cohen-Grumi 是电视广告导演，出任创意总监。

03最艰难的关：Sora 压境、资源紧缺与「女儿概念股」

Pika 的第一批用户不是靠官网来的，而是在 Discord 上一个服务器里养出来的。产品先以免费 beta 形态上线，用户在频道里输入提示词排队生成，团队盯著满屏的失败案例改模型。这是一条省钱的路：不必先做完一套完整前端，就能拿到真实世界的提示词分布。四个月内服务器涨到超过五十万人，到二〇二三年十一月注册用户约五十万，每周生成数百万条新视频，TikTok 上「#pikalabs」标签的播放量接近三千万次。但这种野生长也埋著隐患——等候名单、稳定性、版权争议接踵而至，团队在 Pika 1.0 开放试用时还得同步开发用于过滤受版权保护素材的模型。

更难的是资源。二〇二三年中，团队只有三、四个人，硅谷风投对生成式视频的热情尚未形成共识。郭文景在与极客公园创始人张鹏的对话中坦承：「六月那会我们打算融最后一轮的时候，很多人都不知道这方面是什么样的情况。」她靠的是从中学竞赛年代就开始积累的人脉——据 Inc. 报道，正是她在国际信息学奥林匹克竞赛中认识的导师与朋友，帮她约到了 Pika 最早的那几场投资人会面。第一、二轮由 GitHub 前首席执行官 Nat Friedman 领投，A 轮三千五百万美元由 Lightspeed 领投。

二〇二四年二月，OpenAI 发布 Sora，六十秒连贯高清视频一夜之间把整个赛道的技术标尺抬高了一截。对一家只有十几个人的公司而言，这是生死级的压力测试：算力、数据、人才、品牌，Pika 没有一项占优。更要命的是叙事——所有视频生成公司都被迫进入「追赶 OpenAI」的游戏，外界开始用 Sora 的标准审视 Pika 的每一条输出。那段时间，团队把融资用途全部压到训练自己的视频大模型上，并著手扩充算法与工程团队，这是它第一次真正意义上的军备竞赛。

第三重压力来自国内舆论。二〇二三年十一月三十日，信雅达因「Pika 创始人是实控人之女」的消息开盘不久即涨停，其后连续六个交易日收于涨停，累计涨幅达百分之七十七点零九，市值冲到八十三亿元。信雅达自十二月一日起连发六份公告反复澄清：郭文景未在公司任职，公司未投资 Pika，亦无投资计划，公司没有 AI 视频生成类产品或业务。她在社交平台上的回应只有一句：「言语无法表达我是多么感激在这段旅程中得到我们的投资者、顾问、朋友和社区成员的所有支持！」一边是父亲公司的股价狂欢，一边是与自己毫无关系的切割声明，这是她成名初期最尴尬的一课。

04翻盘的一役：Pika 1.0 与「Sora is not hard to beat」

翻盘的第一个动作发生在二〇二三年十一月二十八日：Pika 1.0 正式发布，同步开放网页版并启用等候名单。这一版引入了全新模型，能生成与编辑 3D 动画、动漫、卡通与电影等风格，支持文生视频、图生视频、视频转风格、画布延展、内容替换与时长延长。宣传片里「马斯克穿著太空服」的几秒画面成了病毒式传播的核心素材，让 Pika 在一个月内从技术圈的小众名字变成大众话题。与此同时，公司宣布三轮融资合计五千五百万美元，其中 A 轮三千五百万美元由 Lightspeed 领投，估值在两亿至三亿美元之间。

真正的翻盘在二〇二四年六月五日。Pika 宣布完成八千万美元 B 轮融资，领投方为 Spark Capital，累计融资额达一点三五亿美元，投后估值相较二〇二三年十二月翻倍至四点七亿美元。这轮的意义不只是钱：在 Sora 已经「炸场」四个月之后，硅谷最挑剔的一批投资人依然选择下注一家不到二十人的小公司，等于用真金白银承认「小团队也能做基础模型」。此后二级市场对 Pika 的定价一度逼近七亿美元。资金用途讲得很直接：训练自己的视频大模型，同时招更多的人加入研究与工程团队。

郭文景在融资敲定后接受机器之心专访，给出了一套与主流叙事相反的判断。她说 Sora 其实不是多新颖的东西，模型、算法、结构都是现成的，它真正告诉行业的道理是「用更多的机器、更多的数据，暴力地去 Scale up，就可以达到更好的效果」——「Sora is not hard to beat。只是说 scaling 确实很重要。」她同时强调 Pika 不做通用人工智能：「我们公司的目标并不是做 AGI，而是说做一个服务创作者的产品。这是本质的区别。」在她看来，当时整个视频生成行业的成熟度只有六十到七十分，大家都在同一阶段，横向比较「没有特别大的意义」。

更关键的差异化来自技术路线。她在同一场访谈中提出，视频本质上是嵌在高维空间中的低维流形：每秒二十四帧的一千零八十匹画面，每秒维度高达一点五五亿，但只要找到合适的算法把它投影到低维空间，就能绕开维度诅咒；她称这套高效架构与数据压缩方法「能够去掉百分之九十的冗余信息」，在数据效率、训练效率与推理效率上同时取胜。她也早早指出，用户其实并不在乎是不是「文字生成视频」，「text based 会让我们的模型受到更多约束」，因此 Pika 要用运动先验、图像先验等不同形式帮用户表达意图。这条「可控性优先、效率优先」的路线，日后成为 Pika 一系列特效工具的技术底盘。

05公司发展史（一）：四个人、一个 Discord 服务器与一张天使名单

二〇二三年四月成立时，Pika 的全部家当是四名全职成员。公司最早的产品形态不是网站也不是应用，而是一个 Discord 机器人：用户在频道里输入提示词，排队等待生成几秒钟的短片。这种做法在当时被视为省钱的权宜之计，事后看却是最聪明的一步——它让团队在没有前端、没有设计师的情况下，拿到源源不断的真实提示词，并以此迭代模型。四个月内服务器人数突破五十万，到二〇二四初超过七十万。社群里最活跃的用户每天花十个小时在频道里做视频，这种热度本身就是最好的产品测试。

二〇二三年十一月二十八日是第一个分水岭。Pika 1.0 与网页版一同上线，公司同时披露三轮融资合计五千五百万美元，估值两亿至三亿美元。天使名单几乎是一张后 ChatGPT 时代的硅谷名人录：GitHub 前首席执行官 Nat Friedman、Quora 创始人兼 OpenAI 董事 Adam D'Angelo、OpenAI 创始成员 Andrej Karpathy、Hugging Face 首席执行官 Clem Delangue、Perplexity 首席执行官 Aravind Srinivas、ElevenLabs 首席执行官 Mateusz Staniszewski、大西洋唱片首席执行官 Craig Kallman。Lightspeed 合伙人、Pika 董事 Michael Mignano 的评价是：「我们相信这个团队有能力彻底民主化视频创作。」

资本到位后的第一件事是招人。公司从四人扩到八人，二〇二四上半年再扩到十三人，并把研究与工程的密度推到极致。据机器之心二〇二四年六月的专访，Pika 工程团队当时拥有六位国际信息学奥林匹克竞赛金牌得主，全公司累计九块国际奥赛金牌，其中三位是 IOI 世界第一，另有两位 Putnam Fellow（美国大学生数学竞赛最高荣誉）；郭文景本人是 IOI 银牌，也是美国队十几年来唯一的女国家队队员。谷歌视频大模型 Lumiere 论文的第一作者 Omer Bar-Tal 在 Sora 发布后第二周选择加入 Pika。顾问团队则包括史丹福人工智能实验室主任 Chris Manning、扩散模型领域代表人物 Stefano Ermon与两度奥斯卡得主 Ron Fedkiw。

这一阶段 Pika 的自我定位也逐渐清晰：不做通用人工智能，做服务创作者的工具。郭文景在多次访谈中重复同一个判断——真正能用 AI 做电影的专业人士永远是少数，「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.」把生成式视频从「好莱坞工具」重新定义为「自我表达工具」，这个判断决定了 Pika 之后两年所有的产品选择与定价策略：不做最贵的，做最多人愿意打开的。

06公司发展史（二）：从一个模型到九件特效工具

二〇二四年是 Pika 的产品年。四月上线「一键风格生成」；十月发布 Pika 1.5，带来名为 Pikaffects 的动态特效库——粉碎、融化、膨胀、爆炸等超现实效果，让普通用户第一次能一键把日常片段变成社交平台上的爆款素材；十二月发布 Pika 2.0，引入「场景配料」（Scene Ingredients），允许用户上传并自定义角色、物体与背景，解决了生成式视频最头疼的角色一致性问题。这一年公司据第三方估算录得约七百六十万美元收入，团队约四十八人。

二〇二五年三月，Pika 2.2 发布，把分辨率拉到一千零八十匹、原生时长提到十秒，并推出关键影格过渡系统 Pikaframes——用户上传首尾两张静帧，模型在中间生成全新画面，可将成片延长至二十五秒；同月，与 ElevenLabs 合作的唇形同步功能问世。Pikadditions 可以把人或物无缝放入既有视频，Pikaswaps 能精准替换画面中的元素，Pikatwists 则改变角色动作而不破坏原始场景。这套组合起来共九件的特效工具箱，成为 Pika 区别于 Sora、Veo 这类「电影感引擎」的核心资产。

分发层面同样在这一时期补齐。二〇二五年九月，Pika 作为第三方视频模型接入 Adobe Firefly Boards，与 Runway、Luma 同框出现在 Adobe 的专业创作客户面前；十二月，API 从邀请制改为通过 fal.ai 自助接入，开发者无需再逐个申请。品牌端也开始出现案例：据行业媒体统计，Balenciaga、Fenty、Vogue 用 Pika 做社交投放素材，摇滚乐队 Thirty Seconds to Mars 把 Pika 生成的画面当作巡演背景。二〇二五年十月，Pika 推出独立的 iOS 社交应用，把生成器与信息流缝在一起——它更像 TikTok，而不是一个创作套件。上线当月，它冲上 App Store 与 Google Play 榜首。

这连串动作背后的逻辑，郭文景早在二〇二四年就讲清楚了。她对张鹏说，互联网时代做产品要精准定义需求、计算成本，而 AI 时代「三份功能是一份成本」——「就算我们做十个 feature，对我们来讲没有额外的成本，不需要提前去规划」。因此 Pika 的策略是留白，把需求的定义权交给用户：「AI 主打的通用性……内部更精确的需求，它是可以由用户来定义的。」她甚至预言，未来的视频产品不会是对话界面，也不会是传统剪辑器，而是一个尚未被发明出来的新界面——「我不相信这个新的交互界面会是我们或者 Runway 的。」

07公司发展史（三）：估值徘徊、收入追赶与「小」的代价

二〇二四年六月 B 轮之后，Pika 的估值进入一个相对停滞的区间。此后近两年，公司没有再宣布新的公开融资轮次，估值在不同口径之间游移：B 轮时 Bloomberg 报道的四点七亿美元，二〇二四年夏天二级市场一度报到约七亿美元；到二〇二六年初，行业分析普遍引用约九亿美元，也有二级市场平台给出约六点二二亿美元的偏低报价。截至二〇二六年九月，公开渠道未见新一轮融资落地，公司仍独立运营。这种「估值靠口碑与次级交易撑著，而非靠新轮次刷新」的状态，在中小型 AI 公司中并不罕见。

增长曲线的另一面是收入的迟滞。二〇二四年全年收入约七百六十万美元，与四点七亿美元的估值放在一起，倍数并不便宜。转折出现在二〇二五年十月移动应用上线之后：据行业估算，Pika 的年化经常性收入已达约八千五百万美元，二〇二六年全年收入预测超过一点三亿美元，企业客户贡献约四成；注册用户从二〇二三年底的五十万涨到二〇二五年底的一千一百万以上，二〇二六年初累计约一千六百四十万。第三方统计同时指出，其免费到付费的转化率约百分之十八，月度留存约百分之七十二——对消费级产品而言算合格，但也意味著每月仍有近三成用户流失，必须持续买量。

二〇二五年七月，市场消息称 Meta 曾就收购 Pika 进行讨论，对价约五亿美元，最终未达成交易，此后数月双方均未公开确认。这一数字的微妙之处在于：它低于当时 Pika 的私募估值，也低于二级市场报价——换句话说，一线平台公司对这家明星公司的定价，比风险投资人保守得多。对郭文景而言，这既是诱惑也是试金石：卖掉公司可以立刻变现，但 Pika 的品牌与路线会随之消失；她选择继续独立运营，用产品迭代去换取下一轮的定价权。

团队规模是 Pika 叙事中最容易被误读的一环。中文媒体在二〇二三年反复引用「四个人撑起十亿估值」，但那是公司成立半年的数字；到二〇二四年底约四十八人，二〇二六年初已扩至一百零二人左右（另有来源给出一百零八人、一百一十人），总部设在帕洛阿尔托 High Street 849 号。它依然算小——OpenAI、谷歌的视频团队规模远在其上——但已不是「四个人」的传奇。郭文景当年说「明年或将团队拓展到二十人」，事实超出了这个预期五倍；而她从未放弃「小而精」的用人标准：研究实习生的月薪据招聘信息为一万美元，岗位一次只开一个。

08公司发展史（四）二〇二六：今天的版图

二〇二六年的 Pika，产品线比两年前宽得多。一月，Pika 2.5 低调上线，最先出现在应用商店的版本说明里而非新闻稿中——这本身就是公司注意力转移的信号。它强化纹理细节、把镜头运动变成第一类提示输入、延长原生场景时长，但仍然止步于一千零八十匹、十至十五秒，核心模型不含原生音频生成。与 Kling 的原生 4K、Veo 的联合音视频扩散相比，这张规格表读起来并不激进；Pika 真正没有对手的，仍是 Pikaffects、Pikascenes、Pikaframes 那一整套九件特效工具，以及面向智能体实时视频的 PikaStream。

二月，Pika 推出 AI Selves：用户可以设定数字分身的性格、偏好、声音与外貌，甚至精确到「对花生过敏」这样的细节，让它替自己在群聊里分享日常、为宠物做趣味视频、在忙碌时给家人打电话。Pika 把这套逻辑称为「养育而非提示」——分身会随相处时间增长而越来越像本人。这是生成式视频公司第一次把产品方向从「生成一段画面」推到「持续存在的数字人格」，也立刻带来同意、深度伪造与监管层面的争议。同期发布的 Director's Suite（导演套件）用 AI 代理管理整个视频项目，六月上线的 Language Swap 支持四十种语言的视频翻译。

八月，Pika 上线 API Club：每月十美元，通过一个接口调用七十到一百多个生成式媒体模型，覆盖视频、图像、音频与大语言模型。定价表直接对标 fal.ai 与 Runway Dev，部分模型便宜八成以上，代价是把自身毛利率压到接近于零。郭文景的说法是，开发者得知自己一直在为生成式模型支付三倍加价时「非常震惊」（shocked）。这一步的战略含义很明确：Pika 从「做单一视频模型的公司」转向「做生成式媒体的聚合入口」，直接抢中间商的生意。它同时是一个防御动作——当基础模型本身越来越难形成壁垒，掌握开发者入口就成了另一种护城河。

今天的版图可以概括为三条线：消费端是「生成加社交」的移动应用，专业端是九件特效工具与 Adobe Firefly 的分发，开发者端是 API Club 与 MCP 服务器。三条线共用同一套模型与研究团队。风险也同样清晰：谷歌的 Veo、字节的 Kling 可以用更大的资产负债表打价格战；Sora 与 Runway 在画面质量上仍占据专业心智；而 AI Selves 这类数字分身产品，随时可能撞上各国对深度伪造的监管红线。Pika 的体量决定了它不能每一条战线都赢，只能选一两条最擅长的路走到底。

09领导风格与性格：留白式产品观与精英密度派

郭文景的决策风格可以概括为「先定方向，再快速试错」。在产品功能上，她几乎不做长期路线图式的规划，而是靠模型能力反推界面——她说自家产品的交互界面「只花了一个月时间，是基于 AI 功能性的，每一个按钮代表 AI 能做的事，其实没有很多设计的成分」。这在传统产品经理看来近乎草率，但她的逻辑是：AI 的成本结构已经变了，多开三个功能的边际成本接近于零，因此没必要在事前把需求定义得太精准，让用户在使用中替公司完成定义。这种留白式产品观，与上一代互联网产品经理「把所有设计权握在自己手里」的思路形成鲜明对照。

用人上，她是典型的精英密度派。Pika 的招聘长期只有一条标准——聪明，且来自顶尖实验室；她对机器之心说：「我们目前 open to 不同背景的聪明人，base 地不限。」她引以为傲的资产从来不是算力或数据，而是人：「人才是我们重要的优势。」这句话在 Pika 有具体的量化支撑：六位 IOI 金牌得主、九块国际奥赛金牌、三位 IOI 世界第一、两位 Putnam Fellow，实习生月薪一万美元。与此同时，她对团队规模保持克制，即使收入增长也没有像同业那样动辄扩到数百人——这既是财务纪律，也是一种「人少才能快」的信念。

对外，她是矽谷少见的、能把技术讲到极细的创始人。在机器之心的长访谈里，她从每秒二十四帧一千零八十匹的维度计算讲到维度诅咒、低维流形与运动先验，全程不用公关话术；她也敢在 Sora 最风光的时刻说出「Sora is not hard to beat」这样的话。这种直白既是自信，也是一种保护色——她习惯用技术语言而不是情绪语言回应竞争压力。私下里，她在访谈中流露的却是另一面：写诗、想当作家、家里有画廊，谈到视频审美时说「每个人对同一段文字的想像都不一样，所以最准确的表达可能根本不是文字」。

她对标签的态度也值得一提。中国舆论把她捧成「天才少女」「美女学霸」「女儿概念股」，她很少正面回应这些称呼，只是反复把话题拉回产品与个人成长。她对《南华早报》说过一段很坦率的话：「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.」——写作得奖不算「酷」，数学与编程由男性主导，所以把数学学好更有挑战性。这段自述比任何励志故事都更能解释她的选择逻辑：她做的每一个决定，都带著对「主流认为女孩该做什么」的刻意逆反。

10成功秘诀：七条可印证的脉络，与不可复制的部分

归纳郭文景的路径，至少有七条可印证的脉络。其一，长达十年的竞赛与人脉复利：从高一的信息学联赛一等奖，到二〇一五年 IOI 银牌，再到二〇一四、二〇一五两届美国国家信息学奥赛冠军，她在中学阶段就建起了一个跨中美两地的技术人脉网；Inc. 明确指出，正是这些竞赛导师帮她约到了 Pika 最早的投资人会面。其二，极早的实习履历：哈佛期间先后在 Quora、微软、谷歌大脑、Epic Games 实习，间隔年进入 Meta 人工智能研究院，这种「在别人的前沿实验室里学习如何做前沿研究」的经历，让她二十几岁就具备了判断技术路线的眼力。

其三，把挫折当作需求调研。二〇二二年 Runway AI 电影节的落选，是 Pika 的真正起点——她没有停留在抱怨工具难用，而是把它转化为一个可验证的产品假设：让不懂技术的人也能在几分钟内生成视频。其四，选对了侧翼战场。当所有同业都在比拼画面质量、对标 Sora 时，她选择了另一条路：可控性、效率与特效工具，并明确「不做 AGI，做服务创作者的产品」。这让一家十几个人的公司避开了与 OpenAI 的正面对撞。其五，把「小」变成武器：四人团队、Discord 起步、模型与产品同步迭代，这种轻装让 Pika 在半年内走完别人家两年的融资与产品节奏。

其六，学术判断力。她与孟晨琳都是史丹福人工智能实验室的博士生，孟晨琳是 DDIM 的作者之一，这意味著 Pika 从一开始就站在扩散模型的技术源头；而她对「高维数据投影到低维空间可去掉九成冗余」的架构判断，是典型的博士级洞察被直接用在工程上。其七，叙事与定位能力。她把产品定义为「自我表达的工具」而非「好莱坞工具」，把公司定义为「为普通创作者服务」而非「下一个 OpenAI」——这两句定位直接决定了融资、产品与用户增长的方向。

不过她的成功远非完全可以复制。这条路的起点是几个罕见条件的叠加：出生即在美国、拥有美国国籍，却在中国最顶尖的竞赛体系里训练；父母提供了足以支撑国际化教育的资源；二〇二二至二〇二三年的生成式 AI 浪潮，恰好在她博士读到一半、技术判断最成熟时爆发。可学习的部分是方法论——早实习、押技术、选侧翼、把挫折变成需求；不可学习的部分是时代与出身。她自己也承认这种偶然性，对《南华早报》说过：「Whether it's Harvard, MIT, or Stanford, it's not that important. What matters is your personal growth.」

11个人、价值观与生活：写诗的人，做了创作者的工具

在财富问题上，郭文景几乎从不谈钱。她二〇二五年入选《福布斯》三十岁以下三十人榜（AI 类别），这是她少数的个人荣誉之一；相较于估值、股权、身家这些创始人常被追问的数字，她公开谈论的永远是产品与团队。这种态度既来自硅谷创业文化的薰陶，也与成长环境有关——父亲是上市公司实控人，她从小看的不是财富，而是一家软件公司如何运作。她的金钱观也体现在公司经营上：Pika 长期保持极低的人员规模，研究实习生一次只招一个，把钱花在算力与研究上，而不是扩张。

家庭是她极少谈论却始终在场的部分。姐姐学电影、妹妹学时装，家中开著一间小小的画廊；这种结构解释了她为什么总在访谈里强调艺术与技术的双重背景——她不是半路出家做创意的工程师，而是在两种语言里同时长大的人。二〇二三年她走红时，据《华夏时报》采访的知情人士说，父亲郭华强在微信群里发了几万块的红包。至于她本人的感情与婚姻状况，公开渠道没有任何可靠信息，本传记不做推测。

兴趣上，写作与诗歌是她最常提到的自我认同。「我从小就想当作家，对诗歌非常感兴趣」，这是她在多次访谈中重复的句子。她对《南华早报》还说过，小时候写作得过很多奖，但觉得写得好不够酷，因为数学与编程是男性主导的领域，把数学学好更有挑战性——这句话几乎可以当作她人生选择的注脚。她曾在哈佛时代想过当一名网红，结果几年后，她做成了那个支撑数以千万计创作者的工具。课外，她学帆船、滑雪、考救生员，参加全英文辩论赛，这些与其说是履历装饰，不如说是她一贯「什么都试一试」的性格。

生活节奏上，她在矽谷与杭州之间保持著隐约的联系。她的公司在帕洛阿尔托，但中国媒体始终把她写成「杭州姑娘」，浙江与杭州的媒体一次次把她的故事写成地方骄傲。她本人对这层身分并不刻意经营，也从不用它做商业诉求——信雅达六份澄清公告已经说明了一切。这种刻意的疏离，或许是她对「女儿概念股」这类叙事最清醒的回应。

12国家与时代意义：两栖身分与全球 AI 秩序的重组

在生成式 AI 的全球版图里，郭文景的位置相当特殊。她不是从中国大厂出走创业的工程师，也不是在美国本土长大的典型硅谷创始人；她的路径是「美国出生、杭州长大、美国接受高等教育、矽谷创业」，两套教育与两种文化在她身上没有形成断裂，反而叠加成优势。杭州二中的竞赛训练给了她算法底子与人脉，哈佛与史丹福给了她研究品味与资本通道，而 Pika 的产品又同时服务全球用户。这种两栖身分，使她成为华人技术人才在全球 AI 秩序中少见的一种样本：既不是纯粹的出海，也不是纯粹的留美。

对中国产业而言，她的意义更多是象征性的，但象征性并不小。二〇二三年底，一家只有四个人的矽谷公司，能让 A 股一家金融科技公司的股价连续六个交易日涨停、累计涨幅百分之七十七，这件事本身就是中国资本市场对 AI 叙事渴望程度的极端反映。券商分析师、地方媒体、投资者在她身上投射了远超公司本身体量的期待。而她与父亲公司之间六份冷静的澄清公告，也构成了另一种示范：在概念炒作最汹涌的时刻，划清关联关系比蹭热度更需要定力。

在地缘与行业层面，Pika 所处的位置正变得敏感。一方面，它的工具链高度依赖全球算力与前沿模型生态；另一方面，二〇二六年以来，中国公司的开源模型已成为全球应用层的地基，Pika 八月推出的 API Club 甚至把 Kimi K3、DeepSeek V4 Pro 等中国模型一并纳入模型目录。一家硅谷公司把中国模型作为标准配置卖给全球开发者，这在几年前不可想像，也是这一轮技术秩序重组最直观的注脚——技术的流动方向，已经不再由单一国家单向决定。

对年轻一代，尤其对女性技术从业者，她的意义或许最直接。她曾在访谈中说，写作得奖不算酷，因为数学与编程是男性主导的领域；而如今，她是美国队十几年来唯一的女国家队队员，是一家百人规模 AI 公司的首席执行官，是《福布斯》三十岁以下三十人名单上的一员。她很少把性别议题当作个人标签来经营，但她的存在本身，就在改变「做生成式 AI 的人长什么样」这个默认印象。这一点，比任何一句口号都更持久。

01家世与早年：杭州的漫画、遥控直升机，与一个悬停的梦

一九八〇年，汪滔出生于浙江杭州一个知识分子家庭，父亲是工程师，母亲在学校任教。童年的汪滔与许多同龄男孩一样，对天空怀有一种近乎本能的痴迷，而点燃这份痴迷的，是一本讲述红色直升机探险故事的漫画书《动脑筋爷爷》。书里那架能够自由升降的直升机，让当时还在读小学的汪滔第一次意识到，飞行是可以被理解、被控制的东西。从此他把大部分课余时间都花在航模读物上，成绩虽然只是中等，但动手拆装、研究机械的乐趣，远比考卷更能给他慰藉。

十六岁那年，汪滔因为考试成绩不错，得到父亲奖励的一架遥控直升机。他欣喜若狂地操纵起飞，没想到这东西极难操控，刚升空便失控坠毁，旋翼还在他手肘上划出一道疤。这次失败没有打消他的念头，反而种下了一个执念：要做出一台能够自动平稳悬停、不必时时刻刻靠人类手忙脚乱去扶的飞行器。少年汪滔后来反复提起这段经历，说自己那时的梦想，就是「自己做一台全自动的飞机」。这句话，几乎预言了他往后二十年的全部事业。

他就读于杭州外国语学校，求学路线却并不平直。高中毕业后，汪滔先考入上海的华东师范大学电子系，但念到大三，他做了一个让旁人吃惊的决定：退学。原因很简单，他真正想钻研的是飞行器与机器人，而当时的专业方向无法承载这个梦。他执著地向往能培育一流科学家的环境，曾向史丹佛、麻省理工等名校递交申请，却因成绩只是中等偏上而接连被拒。最终，香港科技大学向这位固执的年轻人敞开了大门，而这一次转身，成为他人生最重要的转捩点。

02创业原点：从香港科大毕业课题到莲花北村的一间民房

二〇〇三年，汪滔入读香港科技大学电子及计算机工程学系。在这所崇尚科研的年轻大学里，他如鱼得水，不仅埋首实验室，还两度参加机器人大赛，拿下香港冠军与亚太区并列第三名的成绩。升上大三后，他终于把儿时的执念变成正式的毕业课题：研究遥控直升机的飞行控制系统，核心目标只有一个——自动悬停，让飞机「停在空中不动，想停在哪就停在哪」。港科大给了这个项目将近两万港币的资助，他找来两位同学当助手，埋头苦干大半年。

成果展示那天，汪滔的直升机因为风向、气温等不可控因素意外坠机，成绩单上留下一个大大的「C」。但这次失败却意外引来了他人生中的伯乐——机器人技术教授李泽湘。李泽湘看重的不是那张成绩单，而是汪滔在实践中展现出的技术理解力与领导潜质，他直接把汪滔引荐进自己的研究生班，让这个性格倔强的学生得以继续钻研。日后汪滔屡次强调，没有李泽湘，就没有大疆；这位导师后来更拿出资金、引荐学生，成为大疆最早的支柱之一。

二〇〇六年一月，汪滔做出第一台样品，同年在李泽湘支持下，拉上当年一起做毕业课题的两位同学，筹集约二百万港币，在深圳成立大疆创新（DJI Innovations），母公司注册在香港，以便借重香港的技术人才与税制。最初的办公地点是深圳车公庙一间不足二十平方米的仓库，后来搬到福田莲花北村的一处三居室民房。创始团队四人——汪滔、卢致辉、陈楚强、陈金颖——之中，唯独汪滔具备无人机技术背景，他因此身兼工程师、销售与师傅数职，时常得手把手教别人。

03最艰难的关：样品做不出、伙伴走光，手里只剩两万块

创业之初的大疆，与其说是一家公司，不如说是一间顽强求生的作坊。团队四个人，只有汪滔懂飞控，产品进度慢得让人绝望，测试时甚至险些撞到人，许多早期高层对这家小公司彻底失去信心。更糟的是股权与方向上的摩擦：汪滔是个彻头彻尾的完美主义者，对平庸零容忍，这种性格让合作充满摩擦；他曾自陈「我是个完美主义者，所以和别人合作会很痛苦」。第一批产品尚未推出，两位创始伙伴便先后离开，最困难的时候，公司账上只剩两万块钱，几乎走到解体边缘。

那几年里，大疆主要靠卖直升机飞控系统勉强维生，客户多是国企，买去只是为了给领导做飞行演示。钱虽然好赚，汪滔却敏锐地意识到，这种「easy money」正在毁掉公司做大事的希望——「这不符合我的方向，我是做产品的人，只想把产品做好，让更多人用上」。他宁可放弃稳定的订单，也要把大疆扭向真正的消费市场。这种在生死关头拒绝妥协的偏执，后来被他归纳为大疆的「窄门」哲学：还没被验证的技术、还未出现的设计、仍需培育的市场，才是真正的捷径。

转机来自导师李泽湘的持续托举。李泽湘不仅带来资金，更引荐了一批自己的学生加入，让濒死的大疆重新有了血肉。二〇〇八年，汪滔与李泽湘在西藏完成首次无人机珠峰地区飞行测试；同年，大疆第一款较为成熟的直升机飞行控制系统XP3.1面市——装上它，传统直升机模型便能在无人操作下自动悬停于空中。这款产品让大疆第一次走出了经营困境，也证明了一件事：那个悬停的梦，真的能做成人们愿意买的东西。

04翻盘的一役：从卖飞控零件到做「会飞的相机」

真正让大疆翻盘的，是一次来自市场前线的讯号。二〇一〇年，大疆在新西兰的一位代理商回报了一个反常现象：她每月只卖出几十套直升机飞控，却能卖出两百多个云台（用来固定摄影机的支撑设备），而且九成买家都把云台挂在多轴飞行器上。汪滔立刻意识到，多旋翼整机的市场，远比直升机飞控要大得多。当时德国公司MikroKopter虽然做多轴，却走DIY路线，用户得自己找零件、下载代码，体验与可靠性都差。汪滔判断，大疆应该成为第一家提供商业成品飞控的厂商。

方向既定，团队内部仍有分歧：是继续卖配件，还是做整机？若做整机，又该做固定翼、直升机，还是多轴？汪滔最终拍板——做多轴整机。凭借过去几年在飞控上积累的技术，决定作出后仅仅数月，大疆就造出了成品。二〇一二年，汪滔带领团队开发出全球第一款一体化四旋翼无人机「大疆精灵Phantom 1」；到二〇一二年底，大疆已经握有制造完整无人机所需的一切：软体、螺旋桨、支架、云台与遥控器。这一步，把大疆从零件供应商，彻底翻转成整机品牌的定义者。

二〇一三年一月七日，大疆正式发布Phantom 1，随后在十月推出整合飞控、摄影与图传系统的Phantom 2 Vision，被誉为世界首款航拍一体机，从此无人机作为普通消费品走进千家万户，大疆也被称作「会飞的相机」。同年大疆进入美国市场。到了二〇一三年底，大疆已占据全球消费级无人机市场约七成份额——而当时整个行业还在为「无人机能不能飞稳」发愁。从硅谷工程师到好莱坞摄影师，从科考队员到极限运动爱好者，人手一台大疆，大疆不只是在做无人机，而是在定义无人机。

05公司发展史（一）二〇〇六–二〇一二：在仓库与民居之间活下来

把时针拨回创业前六年，大疆的故事一点也不性感。二〇〇六到二〇〇八年的大疆，是深圳民房里的一群人，围著几百颗螺丝反复折腾。汪滔对细节的偏执从那时就显露出来：飞控系统上几百颗螺丝的契合无法精确量化，他一颗一颗按不同要求拧上去，还摸索出严格规定——要用几根手指头、拧到什么样的手感为止。这种看似变态的较真，日后成为大疆品质的基石。与此同时，他也在学习怎么带人：办公室门口贴著一张「进门议事须知」，其中一条写明「不要强调困难，强调解决方案」，他拒绝苦难叙事，认为攻克难关是纯粹而快乐的事。

这段时期，大疆的销售数字小得可怜。据后来披露的数据，二〇一〇年大疆销售收入仅三百万元人民币，二〇一二年增长到两亿元。支撑公司前行的，是对多旋翼方向的笃定，以及几笔关键的外部连结。二〇一一年，汪滔在美国印第安纳州一场遥控直升机大会上结识了航拍手科林·奎恩（Colin Guinn），邀请他加入北美分公司并给予四成八股份；这让大疆在海外有了落地支点。但这段合作后来因理念不合破裂，二〇一三年底汪滔锁定北美员工邮箱、解散大部分团队，把订单全部导回中国总部——粗暴，却也奠定了他对公司控制权毫不松手的风格。

二〇一二年，一位还未毕业的实习生陈逸奇，针对「精灵」系列空中悬停、画面平稳与三百六十度无遮挡拍摄等难题，提出了自己的解决方案。汪滔破格委以重任，交给他一支上百人的技术团队与数千万元研发资金，两年后这支队伍做出第一架具备三百六十度全视角高清摄影的变形无人机。这件事透露出汪滔用人的一个特质：他可以极度挑剔，但一旦认定一个人的产品直觉，便愿意押上惊人的资源。正是这种「为天才让路」的胆识，让大疆在技术上始终领先半个身位。

06公司发展史（二）二〇一三–二〇一五：精灵升空，定义消费级无人机

二〇一三到二〇一五年，是大疆从小众极客玩具走向大众消费品的爆发期。随著Phantom系列走红，营收曲线几乎垂直上升：二〇一三年营收冲到八亿元人民币，是前一年的三倍有余；二〇一四年达三十亿元；二〇一五年突破六十亿元。二〇一一至二〇一五年间，大疆创新的销售额增长将近一百倍。在《Fast Company》二〇一五年消费电子创新公司评选中，大疆位列第三，是榜上唯一的中国公司。汪滔面对媒体只淡淡说了一句：「我是无人机公司研发者中优秀的一员。」

这几年大疆的产品节奏快得让对手喘不过气。二〇一四年四月推出全高清数字图传系统Lightbridge；十一月推出全球首款自带4K相机的无人航拍器Inspire 1（悟1）；二〇一五年第三代精灵Phantom 3系列亮相，直接推动了全球消费级无人机市场的变革。更重要的是，汪滔始终拒绝用低价换市场，他坚持「我们不会去做二三流产品，靠便宜取胜——便宜，是自己没本事，拿不出好货来」。这套标准从创业第一天就定下：要做就做世界最好，所有人都得习惯这个水位。

市场地位的确认伴随著资本与声望的到来。二〇一五年八月，《福布斯》公布全球科技界富豪榜，汪滔以约三十六亿元身价成为无人机行业第一位亿万富翁；同年三月，荷兰首相吕特到访大疆深圳总部，汪滔向他介绍创新成果与创业故事，双方还探讨合办国际创新赛事的可能。此时全球消费级无人机市场里，大疆产品已占据约七成，让「中国制造」在高科技领域第一次如此令人侧目。汪滔和他的大疆，在十年之内坐稳了消费级无人机的领跑者位置。

07公司发展史（三）二〇一六–二〇二〇：风口上的王座与第一次危机

二〇一六年是汪滔与大疆的高光与转折之年。这一年他先后三次登上发布会舞台亲自讲产品：三月在纽约完整讲解Phantom 4的产品理念与技术核心，九月同样在纽约发布可塞进背包、续航二十七分钟的折叠无人机Mavic Pro（御Pro），十一月又在洛杉矶发布专业影视航拍旗舰Inspire 2（悟2）。Mavic Pro订单超过六位数、一机难求，竞争对手还在追赶精灵的水平，大疆已经跳到下一个世代。当年大疆营收从二〇一五年的五十九点八亿元飙升至九十七点八亿元，逼近百亿大关，在中高端价位（一千五百元以上）无论销量或利润都占九成以上。

也就是在二〇一六年，汪滔留下那句被反复引用的话。面对《中国日报》与《中国企业家》的采访，他说「世界蠢得不可思议」（部分报导用「笨」字）。当时的大疆正横扫全球，这句话让他被贴上「傲慢的天才」标签，此后长达十年，他几乎不再接受任何媒体正式采访，把产品之外的自己彻底藏了起来。同年，汪滔也判断无人机市场接近饱和，预估收入到两百亿元便会触顶，于是大疆悄悄立项「大疆车载」，开始探索汽车业务——这颗日后被他自己叫停的种子，埋下了他对「边界」反思的伏笔。

二〇一八到二〇二〇年，大疆迎来王座，也迎来麻烦。二〇一八年，大疆在消费级无人机领域保持超过九成市占，在美国非专业无人机市场占有约八成，强大到屡次被美国列入「黑名单」。同年大疆完成十亿美元股权融资，采用独特的「竞价融资」方式，吸引近百家投资机构、认购超额三十倍，整体估值达一百五十亿美元——这是大疆史上最大一轮融资，也让外界一度猜测其IPO临近，但大疆始终坚持不上市。二〇二〇年十二月，美国商务部以「国安」为由将大疆列入实体清单，大疆回应将继续在美销售。

08公司发展史（四）二〇二三–二〇二六：今天的版图与千亿门槛

迈入二〇二三年以后，大疆的版图早已超出「无人机」三个字。农业无人机（Agras系列）在中国农田喷洒农药，覆盖超过三分之一耕地；行业无人机在电网巡检、油气管道、应急救援、地理测绘等领域几乎成了基础设施；手持云台Osmo、Pocket系列口袋相机则打开了影像新战场。二〇二五年，Pocket 3不到两年卖出超过千万部，便携相机市占率据汪滔自述已超过Sony、佳能、理光等传统大厂的总和。大疆也已杀入影视，Netflix热剧《混沌少年时》使用的正是大疆Ronin 4D摄影机。

营收口径上，据多家媒体报导，二〇二五年大疆销售额突破八百亿元人民币、利润据了解达两百多亿元；汪滔在内部信中预计二〇二六年可稳定突破千亿营收。若以全球消费级无人机市场约四百亿元人民币的规模估算，大疆长年独占其中七成上下，相当于每卖出十台消费级无人机，就有七台出自大疆。二〇二六年四月十六日，大疆成立二十周年前夕，Osmo Pocket 4正式发售，多平台瞬间售罄、现货溢价近六百元——市场用真金白银，为这家民房里长出的公司投下信任票。

但千亿门槛之外，焦虑同样真实。据Statista数据，全球消费级无人机市场未来五年复合增长率预计只有百分之三点四，与过去两位数增长形成鲜明对比。汪滔坦言，现有业务（无人机加影像）还能支撑大疆再大约五成，但「迟早会增长停滞，不可能无限长到万亿」。他尝试扫地机器人、E-bike等新赛道：扫地机器人筹备四五年，二〇二四年八月才推出首款ROMO，却在科沃斯、石头、追觅杀成红海的市场里未能立刻突围。更深层的挑战在于，过去二十年大疆建立在「硬件定义体验」之上，而AI时代「会飞的相机」正变成「会飞的智能体」，硬件壁垒被软体与生态稀释——这才是悬在头顶的真正考题。

09领导风格与性格：孙悟空、唐僧，与那间贴著「勿言困难」的办公室

汪滔的性格，最好懂也最难懂。他是一个极端的产品完美主义者，对细节的较真到了近乎本能的程度——一颗螺丝拧到什么松紧都有严格规定，连产品发布会的每一帧画面都要亲自过问。这种偏执让他早期与人合作充满摩擦，也让他在相当长时间里「只关心产品」。有下属回忆，汪滔会在半夜突然打电话来谈想法，不管当时几点；有人干脆下班后把手机放进铁盒子，让来电显示「无法接通」。他自己把那段历史称为「黎明前的黑暗」，并在办公室门口贴出「不要强调困难，强调解决方案」的议事须知。

在对人的方式上，汪滔经历了从「孙悟空」到「唐僧」的蜕变。他自述早年像孙悟空，看见妖怪就想一棒子打死，用强对抗追求理想的干净状态；反腐危机后他才发现，「孙悟空本身就是一个更大的妖怪」。后来他转向唐僧式的路线——给妖怪念念经，用规则与文化去感化，而不是一棒子扫清。他也不喜欢权力本身，曾说「我不喜欢权力，如果说我需要权力，是因为我想把这件事做好，我才需要它」。收拾残局时他像商鞅变法般先立规则与秩序，却也坦承企业家某种程度上注定孤独。

公开形象与私下性格之间存在明显落差。对外，他是「中国最难约到的企业家」，十年不发声、不站发布会，神秘而高冷；对内，他会为技术直觉兴奋得手舞足蹈，也会在组织崩坏时痛苦地承认自己不懂人心。他用人极看重「产品直觉」与求真的环境，认为「对优秀人才最好的激励，钱肯定要到位，脱离钱谈激励都是PUA；然后创造一个让他们可以求真的环境：少政治、别外行管内行、管理者别自嗨」。这种直来直去，让大疆既吸引了一批极客，也筛掉了一批无法忍受高压的人。

10成功秘诀：窄门、产品直觉，与把管理当成熵减

回看汪滔的成功，可以归纳出几条可印证的经验。第一，敢进窄门。他援引西方谚语反驳风口论：尚未突破的技术、还未出现的设计、仍需培育的市场，才是创业真正的捷径。大疆从飞控到整机、从零件到「会飞的相机」，每一步都走在当时没人走通的路上。第二，把产品标准锁死在「世界最好」。从卖飞控起，他就拒绝easy money与二三流产品，这套标准让大疆在高端市场长期拿到九成以上利润。第三，相信delta胜于平均。他主张「平均智慧不值钱，只有比行业平均水平高的delta才值钱」，不满足于行业共识，鄙视「皇帝新衣」式的创新。

第四，产品判断靠直觉但直觉不凭空来。汪滔自述大脑偏图像型、直觉型，一个设计好不好第一眼就有答案，语言都是后补的；但直觉来自大量观看与输入，他信奉「great artist steal」的拿来主义——很多伟大创新本质是借鉴与重组。第五，把管理当成熵减。他自创「管理第一宇宙速度」：组织能力到七十分，才进入自我驱动的良性轨道；五十分到七十分之间的鸿沟，百分之九十九点九的公司跨不过去。他自己从三十分爬到六十五分，用了整整八年。第六，边界克制。他放弃造车、拒绝无边界扩张，认为「这个世界有一些规则是惩罚过大的东西」，中庸不是妥协，而是射中靶心的精密能力。

然而必须诚实地说，汪滔的成功有多大程度可复制、多大程度是时代与运气的产物？大疆赶上了数位摄影普及、锂电池与微机电技术成熟、全球供应链向深圳聚集的窗口，也遇到一位愿意兜底托举的导师李泽湘，更在无人机赛道几乎没有像样对手时完成了定义。他的产品天赋与偏执无疑真实，但若抽掉这些时代条件，「出道即巅峰」很难被刻意复制。汪滔自己也承认，早年那个「我要赢、拿第一」的ego是驱动力，却也是毒药；真正的成长，是学会反思，而非复制当年的狂妄。

11个人、价值观与生活：软壳蟹、不造车，与「求真品诚」

汪滔的价值观，浓缩在大疆那句「激极尽志、求真品诚」里。他坦承，早年自己只想著前半句——要赢、要天下第一；但今天看，后半句「求真品诚」才更重要。光有胜负欲，会把组织推向无尽的功利与内卷，人与人的关系退化成工具与交易；「求真品诚」才是压舱石：少一点政治斗争，别外行管内行，管理者别自嗨。这种转变，与他十年沉默、反复自省密不可分。他检讨自己「以前挺骄傲的，实际上屁都不懂」，警惕把创新说成凭空造物的膨胀，认为人最宝贵的品质是「不自欺，不自我包装、自我感动」。

二零二六年，四十六岁的汪滔把十年不发声的自己形容为「正在脱壳的软壳蟹」，说蜕变尚未完成，但已经开始长起来。他接受人性的弱点、管理的灰色、有人离开有人犯错，也从子贡问孔子的对话中顿悟：不用贫富框架去评判别人，才是更高的境界。关于自由，他有一句干脆的定义——「不被错误的期待给束缚，错误的期待是最大的不自由」。这种对外界标签的松绑，解释了为什么他在巅峰时消失、在千亿门槛前又愿意开口。

在具体的取舍上，汪滔展现出难得的克制。二〇一六年他认真考虑过造车，最终评估自身能力无法驾驭而作罢，他的原话是：「连雷军造车都是All in，手机部门直接交给高层，我当时根本没人可甩手交托，如果二〇一六年去造车会死得很难看。」他强调，大疆的能力边界就是管理边界，因此近三年没有新项目，先把已有业务做深、适当做减法，宁可稳健，把增长留给以后。他甚至说，自己创业二十年最满意的不是造出一家世界级企业，而是学会了反思——这或许是这位硬核理工男，留给同代人最不像成功学的成功学。

12国家与时代意义：从深圳民房飞向世界之巅的中国智造

在大疆之前，消费级无人机几乎是空白地带，西方对「中国制造」的刻板印象是做不出好东西、只会山寨。汪滔与大疆用一款款一体化产品，把这个印象彻底掀翻——「它先进得不像一个中国企业，这是一家全世界都在追赶的中国公司」。从珠峰之巅到火山熔岩，从好莱坞大片到农田与基建，DJI的银灰白标志成了中国硬科技的一张名片。大疆不仅定义了消费级无人机，也带动了深圳这座硬件之城的整条供应链，让「中国智造」在高科技领域第一次如此令人侧目。

但大疆的崛起，始终伴随地缘政治的拉扯。二〇一八年美国Autel Robotics发起337调查；二〇二〇年十二月大疆被列入美国实体清单；二〇二二年三月设计软体Figma无预警切断大疆账号；同年四月，面对俄乌冲突双方都把民用无人机改装用于作战，大疆宣布暂停在俄罗斯与乌克兰的所有业务，并多次公开强调产品绝不面向军事目的。二〇二三年五月，美国德事隆以专利侵权起诉大疆，德州陪审团判赔二点七八九亿美元，大疆表示不认同并上诉。二〇二四年十月，大疆更在美国哥伦比亚特区联邦地区法院起诉国防部，挑战将其列入「中国涉军企业」（CMC）清单的决定。

这场跨洋诉讼在二〇二五年九月二十六日迎来一审判决：法官保罗·弗里德曼驳回了国防部「大疆由中国官方拥有或控制」的核心指控，却仍以「技术具双重用途」为由，维持将大疆列入CMC清单的决定；大疆随即上诉。耐人寻味的是，尽管屡被封禁，美国消防、警察、建筑与农业用户仍大量采购大疆，因为找不到替代品——这恰恰证明了技术壁垒的实质。对中国而言，汪滔的意义不只是做了一家千亿公司，更在于他证明：扎根深圳、面向全球，中国工程师也能在高端硬科技里制定标准、定义品类，并让全世界绕不开它的技术。这，或许才是「大疆」二字最沉的分量。