AI浪潮里的北大人 | 甲子光年

编辑｜甲小姐 刘景丰

在中国AI圈，很容易让人生出一种感觉：到处是清华系。

智谱、月之暗面、Momenta、无问芯穹、生数科技、星海图、星动纪元、LiberAI……随手拉出一串明星公司，创始人都来自清华。据「甲子光年」不完全梳理，仅清华叉院（交叉信息研究院），现任及曾任教师参与创办的公司就有7家。此外，月之暗面创始人杨植麟、小马智行联合创始人楼天城也曾在叉院授课。一部分投资经理的日常工作，就是“蹲点”清华的实验室。

与清华一街之隔的北大人则在这场叙事里安静得多，外人眼中，仿佛他们在错过AI浪潮。

直到我们走进北大理科一号楼四层，才慢慢找到一段不一样的故事。

五年前，林俊旸、罗福莉和代达劢都在这里做研究。此后，他们的名字，分别与Qwen、MiMo、DeepSeek联系在一起。沿着中国大模型的发展往回找，几条看似分开的路，在理科一号楼四层交汇。

北大人并没有缺席AI浪潮，只是散开了。

北大人的AI宇宙，200人从燕园到全球AI产业（不完全统计），图片来源：「甲子光年」制图

2026下半年，AI进入“第二序章”，叙事从“通用”进入“具体应用”、“产业落地”和“下一个前沿”。此前，AI比拼的是谁模型更大、跑分更高；现在，开始比拼的是谁能把一个具体问题探究到极致。“具体化”不再只偏爱规模化工程集群，也给学科源头的探索者留出空间——北大人的路径优势由此显现。

过去几个月，「甲子光年」采访了近20位AI浪潮中的北大人，盘点了超过200位投身于AI浪潮的北大背景从业者。

他们有的出现在头部模型团队的论文署名里，有的在寻找下一个具体应用——具身与物理AI、科学智能、数学智能、AI算力；也有一部分人坐在投资桌的一侧，支持下一代创业者。尽管已身处产业腹地，但他们却并未把学校出身作为一个标签。

有时，他们彼此也不知道，直至多年后在一场活动里才突然意识到：“哦，原来是校友。”

这样的时刻，在我们的采访中反复出现。熟悉的名字一个个连起来，北大在AI浪潮中的轮廓逐渐清晰。

我们好奇的是：那些分散在不同AI公司、不同学科里的人，从燕园出发时带走了什么？

我们从北大计算语言学研究所的那间实验室开始寻找。

1.AI圈极值人物：江湖的“游侠”们，拒绝归属某个派系

提起北大AI源流，一个不得不提的地方就是北大理科一号楼。

四层，有一所并不引人注目的机构——北大计算语言学研究所（ICL，简称计算语言所）。林俊旸、罗福莉和代达劢等几个中国大模型牌桌上不可忽略的名字，都来自这里。

计算语言所面积并不大。只有几间教师办公室，两间学生实验室，一间门牌号为1453的会议室。

位于北大理科一号楼四层的计算语言所，右侧是1453会议室，图片来源：「甲子光年」拍摄

在很多人的印象里，清华人更愿意抱团结网，而北大人则更偏独立攻坚，成为“极值”人物。

2026年3月19日凌晨，罗福莉在X上宣布MiMo-V2多个版本同时发布。评论区里，刚离开Qwen的林俊旸回复：“very impressive！”

在AI圈，林俊旸的大名无人不知。他本科毕业于国际关系学院英语系，硕士毕业于北大外国语学院，期间在计算语言学研究所参与研究。2022年底，29岁的他出任通义千问技术负责人。他职业生涯最标志性的成就，是推动Qwen全系列开源，让Qwen成长为全球头部开源大模型。2025年，他晋升成为阿里最年轻P10。2026年3月，Qwen3.5发布后，马斯克在X上对其公开点赞，随即他官宣卸任千问负责人；同年8月，他官宣创办语用科技，主攻下一代物理世界智能体。这家尚未推出产品的AI初创企业，以20亿美元估值完成天使轮融资，成为2026年国内首轮估值最高的Neo Lab。

罗福莉是AI圈另一位“极值”人物。她被外界誉为AI“天才少女”，2025年传闻被雷军以千万年薪从DeepSeek挖走，负责小米MiMo大模型。随后她将MiMo大模型带到全球开源模型前列，仅用10个月达到小米职级天花板（22级）。

罗福莉和林俊旸曾在达摩院做同事。在此之前，他们更早的交集是北大理科一号楼四层。硕士期间，他们曾在计算语言所共事，跟随研究员孙栩研究自然语言处理（NLP）、深度学习等。

罗福莉的主导师是穗志方教授。2024年从计算机学院博士毕业、随后加入DeepSeek的代达劢，也是穗志方的学生。穗志方的主要研究领域是自然语言处理、文本挖掘与语言知识工程。这套研究语言结构、构建结构化知识库、从文本中提炼知识的学术传统，如今被认为是缓解大模型幻觉、提升长文本理解与逻辑推理、完善模型评测的重要思路。而她的博导，正是中国计算语言学奠基人俞士汶。

与罗福莉不同，代达劢极少在公众场合露面，人们更多时候只在论文作者栏里看到他。据「甲子光年」对DeepSeek近两年27篇技术报告和论文的统计，他参与了其中14篇——署名数量，超过梁文锋。

三个名字，让这间原本安静的研究所被外界传得越来越神秘。

“没什么神秘的。除了做科研外，平时大家也经常一起吃喝玩乐。”

今年博士毕业、刚加入MiMo的宋一帆带着「甲子光年」走进了北大理科一号楼。

在中国信息产业发展史上，这座被北大人称为“理一”的楼是个独特的坐标。“理一”最大的特点是“一楼多脉”——软件、中文信息处理、自主CPU、图形仿真与大模型理论等多条独立的学术谱系，在同一屋檐下并行生长。

软件研究所里走出杨芙清、梅宏等中国软件工程工业化的奠基人；计算语言所里，朱德熙、马希文、俞士汶打下了中文计算语言学的根基，培养出一批大模型领域的当红研究员；微处理器研究开发中心曾探索自主CPU，孕育出北大众志；这里还聚集着图形仿真、世界模型、机器学习等交叉实验室，以及专攻大规模实时渲染与数字世界的元宇宙技术研究所；今天活跃在具身智能领域的多位北大系科学家，如王鹤、杨耀东等，也常在此参与学术研讨、跨所交流。

大模型兴起之后，“理一”早年积累的多条学术谱系开始交汇，共同涌入AI的大潮中。

“理一”之外，北大AI的版图还有多条支流。

一脉是由程民德牵头，石青云教授成立的信息科学中心，早年主攻视觉与听觉信息处理，后在此基础上成立中国第一个智能科学系，并在朱松纯带领下演变为今天的北大智能学院。作为全球AI领域著名学者，朱松纯曾在北京大学前沿计算研究中心（CFCS），专注机器学习理论，从数学底层探讨AI的边界。

正是这样的学术氛围，孕育出了许多特立独行的AI圈“极值”人物。比如林俊旸、罗福莉，以及翁荔。

翁荔本科就读北大2005级信息系统与计算机科学专业，后在印第安纳大学伯明顿分校读博士，方向是复杂网络。2018年她加入OpenAI，一路升至研究与安全副总裁，是全球人工智能领域极具影响力的技术领袖之一。

当北大人这份独立特质汇入主流AI产业体系，便生出这样一类研究者：他们有能力投身基座大模型的核心攻坚，却甘愿做一名AI江湖里的“游侠”，拒绝归属于任何一个派系。

2.“即兴爵士乐”：围坐在1453会议室里唱歌的年轻人

宋一帆带我们上楼的那天下午，计算语言所实验室的门上还贴着红纸春联：“科研沃土勤PR，百花齐放迎AC”，横批“硕果盈枝”。

北大理科一号楼计算语言所，图片来源：「甲子光年」拍摄

推门进去，墙上挂着邓紫棋的海报，桌上摆着企鹅公仔，鼠标垫印着梵高的画，显示器、零食、羽毛球拍都在，但工位全空着。

“2021年可不是这样。”宋一帆环顾了一圈。

新冠疫情封校那两年，十几名硕博生整天守在工位上。白天跑实验，论文卡住了，转过椅子就能问一句。中午一群人一起去家园食堂，先起身的人要站在门口等上一阵儿，总有人还盯着屏幕，要隔着工位催两遍才起身。

到了食堂，三层楼去哪一层，没人愿意决定。他们干脆定下一条规矩：看抵达食堂的时间，对3取模——余数为0去一楼，为1去二楼，为2去三楼。规矩执行了好几年。

在“计算语言所xxx年学生群”外，还有一个“吃喝玩乐”群。约羽毛球、打台球、泡汤泉，都在这里。新生入学，二年级请全所吃自助烤肉；毕业生离校，大家就在所里办一场小晚会。

在这场毕业晚会上，后来去港大读博、拿下首届青云奖的李磊自己写了一首歌，唱给要离开的人。他们还设计过所服，印上“奶茶群”“家园模三”等只有内部人才懂的梗，寓意着“paper+奶茶=快乐研究生。”

北京大学计算语言所所

再往前的很长时间里，这里是一条安静的支流。

1986年，在北大中文系教授朱德熙和计算机系教授马希文的共同推动下，计算语言学研究所成立。

计算语言学（简称CL），是语言学和计算机科学的交叉学科，即用计算模型、算法去研究人类语言，进而让计算机理解、生成和处理人类语言。此后出现的自然语言处理（NLP）是其工程分支。

计算语言所成立后，俞士汶作为实际负责人接续建设。俞士汶是国内计算语言学、中文语言知识工程的奠基人物。他主导研制了《现代汉语语法信息词典》，搭建了国内第一代汉语语言知识库，使汉语走入信息时代。在此基础上构建的“综合型语言知识库”获2011年国家科技进步二等奖。早年，所里师生们就是在此基础上做机器翻译、中文分词和语言知识库。不过，那是段枯燥的岁月——那个年代的语言学研究更偏语言学规则范式，靠人工编写语法规则。

90年代后计算语言学进入统计范式。互联网带来海量文本信息，使统计自然语言处理进入黄金期，这也是北大计算语言所扎根成长的时代。但那时它在北大里仍“鲜为人知”。

因此，俞士汶才把计算语言学比作信息科学长河里的“一条小溪”。

2012年，AlexNet在ImageNet图像识别竞赛中取得里程碑式突破，深度学习由此进入AI主流视野。此后数年，计算机视觉（CV）成为人工智能最受瞩目的方向，NLP的风头一度被其盖过。2017年，面向机器翻译提出的Transformer问世，带来了新一代神经网络架构。一年后，BERT发布，展示了预训练模型的强大能力，被视为NLP的“ImageNet时刻”，NLP又逐渐重回AI舞台中央。进入大模型时代，词向量、注意力机制、Transformer与预训练这套发轫于NLP的技术范式，成为基座大模型的重要根基。

对于“小溪”里的导师，学生们最常用两个词形容：温和、佛系。

1453斜对面，穗志方和李素建共用一间教师办公室。房间里极尽简朴，除了基础的桌椅和电脑，再无多少陈设。在这扇门内，导师只给建议，很少替学生规定答案。即使在组会上，导师也只提各种问题，看同学们的想法，激发大家的思路。

宋一帆的论文几次没有投中，十分苦恼。李素建劝他：科研是“磨”出来的，一枪没打中，就蹲在那里再磨一磨。

罗福莉也曾有类似遭遇。读研时做文本生成，搭GPU集群、从头写训练框架，一个细节出错，实验就得推倒重来。实验迟迟跑不通的日子里，她急得“以泪洗面”。但穗志方没催她尽快拿出结果，反而更关心她当时的状态。

“北大自由的科研环境让我受益匪浅。”今年初接受北大青年校友会采访时，罗福莉把这里的科研氛围形容成“即兴爵士乐”。

她指着一张实验室老照片笑了——照片角落，是当年整个房间最“黄金”的位置：导师推门进来，那里恰好被遮住，看不到学生的电脑屏幕。

计算语言所学生工位，图片来源：「甲子光年」拍摄

这样的日子一晃而过。如今，黄金位置空了，四层也空了。

1453年是君士坦丁堡陷落、中世纪结束的年份。学生也会偶尔调侃，旧时代终将落幕。疫情结束后，所里的新生搬去昌平校区，老生陆续进入各家AI公司。“家园模三”的队伍，再也没能凑齐。那些曾经围坐在1453会议室里唱歌的年轻人，悄无声息地汇入了AI浪潮中。

从北大计算语言所走向DeepSeek、MiMo等模型团队，图片来源：「甲子光年」制图

这里的人，为什么离开？

3.“所有人开始意识到，必须转向了”

我们去的那天下午，1453关着门。

宋一帆已经把自己的东西收净了。“时代已经变了。”他看着空荡荡的房间说。

2022年底，ChatGPT发布后，几乎一夜之间，所有人全在谈论大模型，最先感到变化的是高年级博士。

宋一帆记得，有学长已经在一个问题上做了两三年研究，突然发现，新模型绕过了原有的技术路径，要追上去，需要更多算力和数据。

此前，大家更常使用BERT一类预训练模型。一个学生可以围绕一个任务反复改模型、做实验、写论文。GPT把分散任务收进同一个系统，研究尺度骤然变大。新的问题需要人、钱、卡。

“所有人开始意识到，必须转向了。”宋一帆说。

转向，意味着一个博士生亲手推倒自己两三年的积累，而导师则需要走在学生前面，肩负探索新培养模式的重任。

朱大卫也是李素建老师门下的博士研究生。他入学时研究的问题是修辞分析和跨语言摘要。在被问及导师在自己博士期间给予的培养和教育时，“supportive”是他用的最多的一个词。他直言，自己博士期间的每一次转向都离不开李老师的支持。

在ChatGPT发布后，他进入微软亚洲研究院实习，成为长上下文建模领域的早期研究者之一。他在与基模团队的项目中积累了工业界先进大模型的训练经验。此后又与谷歌合作，成为PaperBanana的第一作者。这篇论文研究学术图表的自动生成，被视作Agent辅助科研自动化的代表性工作之一。

已经离校的师兄师姐，也不断把新的入口打开。Qwen早期团队成员、Kimi Code原负责人刘天宇进入业界后，仍与师弟师妹保持联系。计算语言所博士生陈亮在联合创办UniPat AI前，就跟着刘天宇在腾讯、阿里实习，也与林俊旸合作了一年多。

过去，北大计算语言所很少有老师创业，因此这里的毕业生也就没有一条必须服从的去向，他们的名字更多出现在各家大模型公司的背后。据「甲子光年」统计，截至2026年5月，DeepSeek论文的署名作者超过300人，有25位研究员参与10篇以上论文。这25人中，近四成来自北大，4位毕业于计算语言所。

DeepSeek成立时的第一处办公室在苏州桥，紧邻北大西南门，离北大计算机学院不远。

北京大学计算机学院教授、北京智源人工智能研究院院长黄铁军接受《新京报》采访时曾说：“我们多媒体实验室的很多学生都到DeepSeek实习过，并发表了很多学术论文。DeepSeek北京团队中的关键岗位算法岗，北大计算机学院的学生占据了一半。充沛的算力也保证了研究条件，他们做的创新解法也成就了DeepSeek。”

DeepSeek核心研究员中北大人数量，图片来源：「甲子光年」制图

另一个故事是MiMo。2024年底，小米组建MiMo团队来北大招人，宋一帆是最早一批。据「甲子光年」统计，截至2026年10月，MiMo论文的署名作者近300人，其中15位研究员参与7篇以上论文。这15人中，近七成是北大人，7位来自计算语言所。

MiMo核心研究员中北大人数量，图片来源：「甲子光年」制图

同一间实验室的人，逐渐进入不同公司。

这或许与学科范式有关。今天，大模型的短板——幻觉、逻辑推理不稳定、事实不一致性，恰恰是传统NLP、知识工程长期攻坚解决的问题。罗福莉、林俊旸这批北大出身的研究者，正是把计算语言学的语言认知功底带进神经网络大模型，用新的神经网络范式去实现语言理解。

同样也与学校的风格有关。清华的计算机系、叉院教师创业颇为普遍，所以学生会优先去老师的公司实习，较少去竞争对手那里。一位AI创业者向「甲子光年」讲述：“有段时间，Kimi去清华计算机学院招人，发现招不到。原来学生都被自己老师绑住了，最后反而从北大招了很多人。”换言之，清华AI人才很多由自家老师或校友的企业消化，而北大人则溢出到各个不同的团队中。

随着同届同学秋招、实习，同门见面的次数越来越少。等到论文答辩、领取证书时，反而没有多少实感。“毕业其实很早就开始了。”

4.走向“鄙视链”下游：寻找“非如此不可”

不止年轻一代。“转向”这个动作在一代代北大人身上反复重演。

1995年，北大数学系低年级学生里掀起一阵转投计算机系的热潮。系里有些着急，希望高年级学生去劝一劝。

当时读大三的刘岩不知道怎么开口——因为他自己也选了信息方向。犹疑之下，他敲开了数学家王元的办公室。

王元听完，摆摆手说，不用劝，想转就让他们转。说完，这位老数学家转身走到黑板前，拿起粉笔写写画画：“你看，这是费马大定理，不愁人来学！”

在王元看来，这么美的东西，永远不会没有人研究；而那些要走的人，自有他们要解的题。

在北大的学科光谱里，数学科学学院向来被视作“四大疯人院”之首，基础数学研究更是站在数学学术“鄙视链”顶端。在我们这次采访的北大人中，有5个数院人，从数学的高峰走向AI的旷野。

2000年，当吴明辉保送北大数院时，正赶上1999级至2001级那批日后震动国际数学界的“黄金一代”——许晨阳、恽之玮、张伟、刘若川、袁新意等人还在读本科，就已经自发组织起讨论班，轮流啃原版专著、讲前沿论文。

吴明辉的寝室就住着奥数金牌得主。在天才环伺的纯数殿堂里，他很快与自己达成和解，找准了另一个生态位：“我编程应该是在数学系No.1。”

对于1999级数院本科生董彬来说，那次“非如此不可”的转向，带着点赌上职业生涯的孤勇。

海外深造归来、回到北大数院任教后，董彬在2015年前后决定将研究重心转向AI与数学方法的融合。彼时，深度学习在主流数学界还处于明显的“鄙视链下游”，像个缺乏严密理论支撑的黑箱。更危险的是，董彬当时刚回北大没几年，还没拿到长聘教职（Tenure）。

“有些人问我，你为什么不等长聘后再转方向？你就这么武断地转了？我说两个原因，一，时机合适；二，我只有在还没拿到tenure的时候转，我才会拼命地干，我的职业生涯会依赖于我能不能干出来。我有点置之死地而后生。”

北京大学博雅特聘教授、北京中关村学院常务副院长董彬，图片来源：2025甲子引力年终盛典

然而阻力很快迎面撞来。2017年，一次国际研讨会上，他介绍PDE-Net，试图让神经网络从复杂数据中重新找出数学结构。一位极其资深的国外学者当众对他说：“我真心希望你失败。”在传统学派看来，用神经网络去探寻方程，简直是对数学建模传统的“亵渎”。

董彬当场与对方激烈争论。会后，三位年轻学者悄悄走过来对他说：“I think you're right（我觉得你是对的）。”

十年后，董彬对自己的转向做出了“证明”。2026年4月，董彬团队利用自主构建的自动化AI框架，成功证明了困扰学界多年的安德森猜想——这也是国内首次实现由AI自主解决数学开放问题。

2026年也是北大数院“白金一代”的高光之年：苏炜杰的同届同学王虹、邓煜双双摘下数学界最高荣誉菲尔兹奖；苏炜杰本人也在这一年晋升为宾夕法尼亚大学沃顿商学院正教授，并斩获被誉为“统计学界诺贝尔奖”的考普斯会长奖。按常规剧本，他大可稳坐学术金字塔尖。

但命运的转折往往不受规划。2022年底ChatGPT发布时，苏炜杰就意识到，AI不再只是一项新技术，而可能成为“改变整个人类社会内在逻辑”的力量。2023年初，他和学生把研究重心明显转向大模型；2025年12月，当OpenAI研究员Sébastien Bubeck向他抛出橄榄枝时，原本并无业界计划的苏炜杰决定以学术休假的方式加入OpenAI。

宾夕法尼亚大学沃顿商学院正教授苏炜杰获颁COPSS2026现场，图片来源：北京大学数学科学学院

为了拿到这张船票，这位教授，不得不重新过一遍“手艺关”。OpenAI的四轮面试里，有两轮要求现场手写代码，且严禁借助AI。苏炜杰花了整整一个月，重新把NumPy、PyTorch和Transformers库摸熟，在面试屏幕前一个字符一个字符地把代码敲了出来。

真正进入OpenAI后，等待他的是全新的身份转换。“在学校里，教授是核心，整个课题组围绕着你，你是把关人，是自己那艘船的船长，学术自由度接近100%。”苏炜杰告诉「甲子光年」，“但到了公司，公司本身是一艘大船，每个人更像一个水手，你首先要服务于大船的航向与使命。”

苏炜杰曾好奇OpenAI究竟是如何训练出顶尖大模型的，进场后却发现，如今的基础模型研发早已演变为一场庞大的“重工业”——工程占比极高、系统极度复杂，“几乎已经没有一个人能够把模型从端到端的发展讲清楚，或者独立复制一遍”。

即便顶级科学家，在这里也难免会经历某种角色落差。但他依然确信，数学家与基础科学家是前沿实验室的标配：“AI如果想突破‘人类凸包’（已知知识的边界），最稀缺的恰恰是杰出科学家的直觉与技能。”

这种“不进场就会错过历史”的焦灼感，在更早走出数院的业界老兵身上，表现得更为直接。

2022年至2023年，成了北大数院人集中转向的爆发期。

当年那个找王元问策的学生刘岩，早在2014年就把自己创办的六间房视频卖掉，实现了财富自由。与他同代的亚信、新浪、土豆创始人大多已淡出一线，享受退休生活，刘岩却依然活跃在行业中，做了100多款App。大模型浪潮掀起时，他找回了兴奋感，一头扎进去创办43 AI集团，往返于北京、新加坡与硅谷，投资年轻AI创业者，孵化AI应用。“像我这样还在这个行业里折腾的同代人，其实不多了。”

43 AI集团创始人刘岩，图片来源：受访者提供

比刘岩小十

2021年知乎上市时，北大数院出身的李大海已是知乎CTO兼执行董事。ChatGPT横空出世后，他没有太多戏剧性的惊叹，反而陷入了对自己的强烈不满。

在知乎做过多年搜索与推荐系统的他反复追问自己，推荐系统本来就是个超大模型，如果这个大模型变成语言模型，会发生什么？

“以前竟然没有深入想过这个问题，我是对自己不满意的。”

这份“对自己不满意”，推着他离开舒适区。在决定接任面壁智能CEO之前，他把核心成员一个个叫来，只问一个问题：“你相不相信AGI？”

平时很少有人直接谈论这件事。但问题被摆上桌面，所有人的答案是一致的。

面壁智能联合创始人&CEO李大海，图片来源：2025甲子引力年终盛典

成为CEO后，李大海做的第一件事，是把没说出口的共识写下来——面壁智能4楼的墙上有一行小字：“AGI 2030”。

从象牙塔到工业界，时代变了，题面也变了。但若论在转向中交过的“学费”，没人比吴明辉更痛彻。

当年自封“数学系编程No.1”的吴明辉，毕业后接连创办秒针系统与明略科技，一路从营销数据做到数据智能。然而，最昂贵的一笔学费交在了创业二十年后。

2020年至2022年，吴明辉押注智能体赛道，彼时行业里还没有“Agent”的概念，团队把产品叫作“Bot”。一位投资人当面泼来冷水：“你有哪个客户要你这个鬼Bot？赶快关掉。”最终，由于超前于市场且现金流吃紧，项目被迫关停。最艰难的时刻，明略科技的裁员名单上，甚至出现了与他同年考入北大、当年就住在对门宿舍的同学。吴明辉形容自己那几年“灰头土脸”。

他体会到校园与商业的温差。在北大，任何好问题都值得彻夜讨论；但在公司，每一个问题背后都连着产品、客户和现金流的生死线。

痛定思痛，吴明辉在公司定下一条规矩：未知的探索先由小团队验证，且提出想法的人必须守在一线。与此同时，当了多年CEO的他还在2019年重返北大攻读工程博士。每次开组会，导师王平教授都会毫不留情地“diss”他，吴明辉却甘之如饴：“终于有个人可以拍打我。”

北京大学2026年研究生毕业典礼，明略科技集团创始人、董事长兼首席执行官吴明辉发言，图片来源：北京大学新闻网

读博的开题同样遭遇了时代的推倒重来。他最初选定会话智能，结果GPT一出，原有框架下的大量问题瞬间被基座模型改写，写好的综述沦为废纸。他不得不转向多模态，重新开题。答辩委员好心提醒他，大厂都在扑这个方向，“你要小心，不要开完题以后又要重新开题”。

这一次，他把题做完了。2025年11月，经历漫长跋涉的明略科技终于在港交所挂牌上市。

2024年11月，明略科技递交上市申请的前夜，核心管理层按惯例要聚集在打印室，完成招股文件的最后准备并见证递交。但吴明辉没有去——第二天，他要赶到宁波镇海中学，给数学奥林匹克冬令营的学生演讲。

“我想了想，非常简单。”吴明辉说，“我更喜欢数学一些。”

最近半年，只要不出差，他都工作到很晚，借助编程智能体亲自改Bug。对他来说，调试代码仍然像一道数学题。“如果每一道题一眼看起来就知道怎么做，这个题就太简单了，”吴明辉告诉「甲子光年」，“一上来不知道怎么做，然后慢慢把它做出来，这不就是我一直追求的事吗？”

2026年，吴明辉博士毕业。在准备北大毕业典礼发言稿时，他穿着拖鞋在办公室里来回踱步，忽然想起二十多年前入学前，自己曾问过一位高中师兄：北大到底是什么样的？

师兄答：“北大特别自由，除了图书馆，其他地方穿着拖鞋都行。”

二十多年过去，在经历了商业沉浮与技术洗礼后，吴明辉觉得自己又找回了那个“穿着拖鞋写代码”的状态。

5.科学智能（AI for Science）的机会：“只有一百年前量子力学被发明的时候可以比拟”

还有人，开了另一个题目。

2017年圣诞节，鄂维南把学生们召集起来，开了他研究生涯中唯一一次全员组会。

两个月前，DeepMind发布了AlphaGo Zero。它不再从人类棋谱中学习，仅靠自我对弈，便超过了此前击败人类冠军的版本。

这位中国科学院院士、北京大学讲席教授告诉他们，人工智能赋能科学研究的机会，“只有一百年前量子力学被发明的时候可以比拟”。

中国科学院院士、北京大学讲席教授鄂维南，图片来源：北京大学新闻网

这种期待，源于他长期的困惑。“我个人的科研实际上是走了30多年的弯路。”在2025年中关村论坛年会的演讲中，鄂维南坦言。

从计算数学、流体力学，到材料科学与分子动力学，他不断转换阵地，试图寻找既有原创空间、又能解决实际问题的方向，却在不同领域撞上了同一堵墙：描述自然的底层方程早已写就，但面对足够复杂的真实体系，人类依然算不动。

他将这一共性困境归结为“维数灾难”——“随着变量个数的增加，计算的复杂度呈指数级增加”。深度学习的出现，让他看到了一条绕开死胡同的新路。在他看来，AI for Science绝不只是帮学者查文献、写论文的效率工具，它要真正进入建模、计算与实验的腹地，去改写人类“能求解什么、如何求解”的边界。

张林峰是接住这个命题的年轻人之一。

2011年踏入北大元培学院的第一天，张林峰拿到了全校所有学院的教学大纲。元培不设专业边界的自由选课制度，恰好接住了他旺盛的好奇心。十一年后回校参加毕业典礼时，他这样解释当初的选择：“任何一个我能看到带学科名字的学院，可能都解答不了我这个‘问题少年’这么多的疑问。”

在元培，数学、物理、计算机被他一并装进课表，但知识的累加并未消除另一种困惑：究竟什么问题值得赌上全部精力？他曾分享，自己这一代渴望从底层科学出发做点事的学生，“都缺点儿让人兴奋的大问题”。

深势科技创始人兼首席科学家张林峰，图片来源：北京大学元培学院

直到2016年，张林峰赴普林斯顿大学攻读应用数学博士，师从鄂维南与计算化学家罗伯托·卡尔（Roberto Car），那个“大问题”才终于浮出水面——能否直接把原子坐标交给神经网络，让它学会算出整个物理体系的能量？

在物理世界里，一个原子体系无论整体平移、旋转，还是互换同种原子的编号，其能量都必须保持不变。研究者需要先找到一种表达方式，让网络遵守这些物理对称性。张林峰在普林斯顿读博期间提出了“深度势能分子动力学”方法（DeePMD，Deep Potential Molecular Dynamics）。

有人曾问张林峰，这究竟是个计算问题，还是数学问题？“本质上是一个数学问题。”张林峰回答。

2018年，张林峰与元培学院的同窗、本科修读政治、经济与哲学（PPE）的孙伟杰共同创办深势科技。

2020年，张林峰、鄂维南及国内外合作者组成的团队，将具有第一性原理精度的分子动力学模拟推进到“一亿原子”规模，获得国际高性能计算应用领域最高奖——戈登·贝尔奖，该成果同年入选“中国十大科技进展”。

张林峰说，深势科技要做的，始终是AI时代的科学基础设施，把“读文献、做计算、做实验”这一整条科学工作流，用AI从头到尾贯通起来——DeePMD只是它的起点。“这并非某个学科的垂直赛道，而是AI模型的下一个主战场。”

如今，深势科技已服务全球超460万科学家用户，以及复星医药、国药集团等超70家药企和宁德时代、比亚迪等工业巨头；AI时代的科学基础设施，正是在服务科研与产业的实践中，一步步建立起来的。

但一个足够庞大的通用模型，就能包揽所有科学问题吗？鄂维南对此保持审视。

2026年8月，他在接受媒体采访时指出，科学研究需要严密的逻辑推理、异构的科学数据，更需要通过实验与物理世界持续交互，现有模型的架构与数据仍有巨大局限。“最缺的是既懂AI又懂科学的人才。”在他看来，下一步必须由懂科学的人主动提出真问题，并与AI研究者合作。

这恰恰是北大在AI浪潮中最值得被重新审视的底牌。不同于以工科见长的院校，北大的底色在于基础理科——其数学、物理、化学、生物学与心理学在教育部学科评估中均获A+。当AI向下扎根，这些长期积累的基础学科，正在以各自的方式与AI相遇。

在张林峰试图用神经网络穿透微观世界的计算瓶颈时，北大化学与分子工程学院的高毅勤团队则在另一个维度——研发链路的系统贯通——撞上了同样的墙。

高毅勤是加州理工学院化学博士，师从两位诺贝尔化学奖得主，近期还获国家自然科学一等奖。在与产业界长期的接触中，他发现在真实药物或化工研发中存在三个断点：工具分散导致模型无法协同、流程依赖专家经验难以复用、计算与实验的数据严重割裂。这让高昂的科学计算往往停留在“纸上谈兵”。

他的学生陈振宇则从产业落地的角度观察到：实验室里跑得通的方法，到了企业的研发管线里，往往因为工具链的割裂而寸步难行。

2025年，以北大化院为核心班底的星使智算成立，切入的正是这道缝隙。陈振宇没打算重做一个垂直模型，而是“把分散的科研能力，组织成一条能够持续运转的决策链”——AI提出假设，科学计算验证，实验数据再回头校准下一轮。

在近期落地的一个酶催化项目中，人工优化卡住之后，用这套流程迭代三轮，就把催化效果提高了29倍。

如今，这套系统已在中化、石药集团头部企业的研发管线中跑通。

高毅勤的判断没变：AI可以拓展搜索的边界，但最终交付的必须是可信、可复现的科学价值。

而在比计算更靠前的地方，有人直接对细胞下手。

“有人类文明以来，从著名的秦始皇，到现在的硅谷大佬们，都梦想能实现返老还童，这是一个不断前进的过程，在这个过程中，邓宏魁在细胞的水平上给人类提供了一个全新的思路。”这是2024未来科学大奖“生命科学奖”颁奖礼上，中国科学院院士、北京大学博雅讲席教授邓宏魁的获奖词。

邓宏魁常被媒体称作“干细胞领域的魔法师”，他研究的是改变细胞命运和状态。2013年，他的团队首次仅用化学小分子，让已经分化的小鼠体细胞重新获得多能性；2022年，这条路线被推进到人体细胞，他也由此摘得2024年未来科学大奖生命科学奖。

在北大实验室里，他挂着一张阿姆斯特朗在月球表面踩下人类第一个脚印的照片。他说：“科学最大的魅力就是要做一件从来没有实现过的事，To be first很重要，在历史上留下脚印激励着我们要做更大胆的事情，更原创的事情，有更长远的目标。”

中国科学院院士、北京大学博雅讲席教授邓宏魁，图片来源：北大新闻网

2026年7月，邓宏魁团队发布了其首创的“化学重编程干细胞”技术的自主实验室应用——智能细胞化学重编程和克隆筛选平台。据新华社报道，从采集患者血液开始，这一平台实现了从物料补充、化学重编程、AI智能筛选到质量检验输出干细胞的全程自动化操作，并能实时监测实验数据反馈给科研人员。这意味着，我国首创的“化学重编程干细胞”这一重要技术实现了“从血液到干细胞”的全程自动化，可有效降低临床应用成本，惠及更多患者。

在心理与认知科学学院，另一群北大科学家正试图解答：当眼球或视神经受损，人类能否跨过外周通路，直接向大脑“写入”视觉信号？

芯生视界的创始人王茜，是北京大学心理与认知科学学院副研究员；联合创始人朱毅鑫，为北京大学心理与认知科学学院与北京大学人工智能研究院双聘助理教授；联合创始人李远宁，是上海科技大学生物医学工程学院助理教授。三位科学创始人长期研究视觉、语言及其神经机制与相关算法，如今正尝试把这些积累用于脑机接口。另一位联合创始人张达也是北大校友，负责公司运营与产业化推进。

朱毅鑫对「甲子光年」表示，芯生视界团队首先想攻克的，是怎样把视觉信息“写入”大脑：绕过受损的外周视觉通路，从视觉皮层打开一条新的通路。这不同于运动脑机接口以“读取”大脑指令为核心，它要求将外部视觉信息重新编码为大脑能理解的刺激信号，直接作用于视觉皮层。朱毅鑫说，这需要高质量的人脑数据、针对性的编码模型，以及相应的刺激技术相互咬合，“团队希望以此帮助患者重建形状、亮度、颜色等感知”。

“晚上十一点以后，你去各大医院的急诊区坐一会。”晶泰科技联合创始人、首席创新官赖力鹏坐在「甲子光年」对面，他没有先谈AI。

他在医院见过另一种深夜：急诊走廊没有足够的病床，输液的人密密麻麻坐在一起，年轻的、身体好一些的，只能站着。

“每个人表情都很痛苦，都等一个治疗机会。”

赖力鹏把这个场景讲给同事们听：“对人的关怀，是科技最终落脚的地方。”

晶泰科技联合创始人、首席创新官赖力鹏，图片来源：受访者供图

2015年，他与另外两位物理学家温书豪、马健共同创办晶泰科技，借助AI、物理计算和机器人技术加速药物研发。2024年，晶泰科技登陆港交所，成为18C特专科技制度下首家上市企业。

2002年，赖力鹏进入北大物理学院，又读数学双学位。他选过欧洲文艺复兴、文化人类学；想接触实验，就直接跑到普通物理实验室敲门，问老师有什么事情可以干。

从北大毕业后，他去芝加哥大学读物理学博士。一次讲座开始前，统计物理学家利奥·卡达诺夫忽然问他：“什么是物理？”

赖力鹏试着从自然规律和数学表达说起。卡达诺夫拿起一杯水，放到桌上：

“This is physics.”

二十年以后，赖力鹏仍记得这个动作：“自然的存在不是为了人的理解存在的。”

如今，作为上市公司联合创始人的他，更关心的是：AI还能“摸高”到哪里？

他向「甲子光年」解释，人类习惯先从某个局部测量自然，再用语言去描述观察；但语言本身，就已经是一次抽象之后的再抽象。他希望AI for Science能往前迈出更激进的一步——“跳过人类语言本身带来的框架局限与偏见”。

晶泰科技孵化的AI虚拟细胞项目无界进化，承载了他的一部分期待：从生物学数据出发，尝试跨越神经、免疫等研究方向的分工，以更统一的视角理解复杂疾病。

赖力鹏个人最想长期投入的，其实是阿尔茨海默病、帕金森病等神经退行性疾病。他希望人们在活得更久的同时，也能保有生活质量。

他说，工业革命释放了人的体力，AI释放的则是脑力的极限。如果AI真的把人类理解自然的边界继续往外推，人和自然、人和社会的关系会发生什么变化？

“这个答案，可能不会来自现有的任何一个学科。”

6.AI浪潮里，没有“北大系”：“北大校友与其他创业者一视同仁”

这些名字，各自守着一门学科的最深处。可把镜头从实验室拉远，拉到整张AI产业版图上，问题就变了：底牌这么厚的一群人，为什么始终没有打出一个“北大系”？

十五年前，从CV时代开始，清华人集体卡位，撑起AI创业的半壁江山。

大模型时代，我们原本以为会找到另一支军团。

没有。

赖力鹏说，他很早就认识李大海，但后来在一次北大活动里才突然意识到：“哦，原来是校友。”

话到尾声，才发现“你也是北大人”太常见了。几乎每一个受访者都能说出一两个例子。

北京大学计算机学院研究员、微视威创始人盖孟有时羡慕“隔壁”：“师兄带师弟，有钱的师兄投同系的年轻人。”他和北大计算机学院长聘副教授、智在无界创始人卢宗青同在一个学院，第一次说话却是在创投机构发起的CEO班。

赖力鹏觉得，北大的校友网络“不那么显性”，但真正碰到一起，大家又很容易聊得来，共享校园记忆，以及某些“理想主义”的底色。

2026年ICM期间，北大数院2007级的几位老同学重新聚到一起。这其中包括刚拿下菲尔兹奖的王虹、邓煜，也有苏炜杰、唐云清、孙鑫和赵子慧等数学家。

我们问苏炜杰，这群如今分散在不同研究方向的数学家，会不会聊AI、聊最近正在发生的数学革命？

“没有聊AI。”他告诉「甲子光年」。

他们聊北大的八卦，聊这些年各自的生活。十几年过去，苏炜杰觉得数院同学身上“还是比较纯粹”，另一个没变的是“喊弱”——已经很强的人，也习惯说这个不会、那个不懂。他们彼此欣赏，关系很近，却未必需要一起做一件事——一如30多年前北大先辈们在不同的源头开启计算机与信息化研究的大潮一样。

北大数院07级同学合影：（左至右）赵子慧、唐云清、王虹、邓煜、孙鑫、苏炜杰，图片来源：北京大学北京国际数学研究中心

创投圈也是如此。

阎焱、丁健、王强、厉伟、李丰、岳斌、陈科屹、曹曦等等——外界用“半壁江山”形容北大投资人。几代人横跨美元基金、本土创投、产业资本和高校成果转化基金，却很少打出“北大系”的旗号。

最接近“北大系”组织者位置的人，反而与这个标签保持距离。

松禾资本创始合伙人厉伟，曾任北大企业家俱乐部理事长。他告诉「甲子光年」，俱乐部成立之初，目的不是帮助北大校友创业，而是服务社会、帮助学校，再由企业家回校分享经验。即便成立了创业训练营，也是面向全国。

“北大校友与其他创业者一视同仁。”

厉伟投了商汤的徐立、大疆的汪滔。北大、清华等校的项目放在一起，“凡有一点差异，我们只选好的”。

AI浪潮里的北大投资人，从燕园走向资本一线，「甲子光年」制图

盘点AI大模型团队，有一个奇妙的现象：“清华＋清华”常见，“北大＋任何人”常见，但“北大＋北大”少见。

李大海给「甲子光年」的解释是：“北大的特质是什么？兼容并包嘛。”

在北大读书时，李大海和同学发起过Linux俱乐部。那时开源还是小众的事，他们办技术讲座，常与清华的开源社团一起活动。“没有什么门户之见”。

这种联系延续到了工作以后。2016年，刘知远找到在知乎工作的李大海，希望获得数据支持学术研究。李大海推动了这次合作。他觉得，产业界从学术界的开放成果中受益，只要不损害用户隐私和业务，就应该反哺学术界。两人由此建立了互信。

多年后，他密集接触几支大模型团队，最后选择加入清华计算机系教授刘知远创办的面壁智能。打动他的，是团队对大模型运行机理的深入理解。李大海带来十多年的产业经验，刘知远则有深厚的学术积累。

一个北大数学人，就这样扎进一支清华底色的团队。比起学校出身，他们更看重彼此能带来什么。

结网还是自渡，在这个极大激发个体价值的时代，或许已不是非此即彼的选择。

新一代北大人正在适应这种新打法，拉起自己的队伍：2026年林俊旸创办语用科技，主攻下一代智能体，首轮融资估值达到20亿美元；同年，北大计算语言所博士生陈亮联合创办兼任CTO的UniPat AI，切入智能体训练数据与强化学习环境，新一轮估值已达25亿美元；22岁的北大青年学者陈博远与学长吉嘉铭共同创办逆矩阵，瞄准物理世界的通用基座模型，成立数月便完成超亿美元融资。

一个有意思的变化是：在CV和大模型时代，北大人在AI领域的企业一号位、创业者明显少于清华；而在具身、世界模型、科学智能时代，北大的企业一号位、创业者明显变多。

7.具身“头狼”：“我们六个，可能没有机会坐在一起”

2024年被称为“具身智能元年”。

这一年十个月里，北大先后与智元机器人、银河通用和灵初智能成立三家联合实验室。背后分别站着三位北大老师——北大计算机学院前沿计算研究中心（CFCS）长聘副教授董豪、CFCS助理教授王鹤和人工智能研究院助理教授杨耀东。

网友把王鹤（银河通用创始人兼首席技术官）、董豪（上纬启元首席科学家）、卢宗青（智在无界创始人）、杨耀东（灵初智能联合创始人兼首席科学家）、仉尚航（智源研究院具身多模态大模型中心负责人）和穆亚东（星源智联合创始人）这6位北大学者放到一起，拼出一份“具身六杰”的名单。

“北大做具身智能的老师远不止这六个。”杨耀东笑着说。

北大的具身创业潮，老师学生都在场，图片来源：「甲子光年」制图

把“六杰”放到一起看，你会发现：他们几乎在每个关键问题上，都给出了不同的答案。

要不要造机器人？

王鹤的答案是必须造。2021年从斯坦福回到北大后，他买过几款国内外机器人，机器到了，学生的大部分时间却耗在维修和调试上。“学生95%的时间都在修机器人，真正留给科研的只有5%。”他说，“如果没有自己的硬件，我们能信赖谁？”

卢宗青的答案是聚焦具身基础模型。他创办的智在无界，与银河通用同在鼎好大厦。几乎每个投资人见到他都会问：为什么不把本体也做了？他的回答始终未变：眼下，基模才是最根本的问题。

而杨耀东偏要做双灵巧手协同。他从UCL回到人工智能研究院做助理教授后，主攻基于强化学习算法的灵巧操作。当时，国内实验室习惯只买一只右手研究。他得到院长朱松纯的支持，向海外下了一份特殊订单——灵巧双手，左手没有现货，Shadow Hand厂商必须为他单独开模定制。

面对不同的判断，谁也没打算说服谁。走向产业，他们依然沿着各自的方向探索。

2024年5月，北大与银河通用共同成立具身智能联合实验室，由王鹤担任主任。在这里，机器人忙着一些看似简单的工作：抓取瓶装水、分拣不同材质的零件。但要在真实环境中稳定完成这些动作，背后需要大量的动作数据支撑。

早在2016年读博期间，王鹤便开始探索利用合成数据训练机器人的视觉与动作能力，以降低对昂贵真实数据采集的依赖。后来，银河通用在此基础上探索出虚实融合的数据训练范式，这也成为其重要的技术路线之一。

数据之外，王鹤始终强调软硬件自主可控的重要性。机器人不仅要有稳定的本体，还要发展具身大模型。模型需要在真实场景中不断训练、试错、迭代，如果硬件频繁出故障，研究就会被维修和调试打断。只有硬件足够稳定、易维护、可扩展，数据采集与模型验证才能持续推进，学生也才能把更多时间从“修机器”转回“做模型、做科研”。

他对行业的发展速度也有自己的判断：具身智能不会轻易迎来大模型式的“ChatGPT时刻”。“从身体的演进、从数据的积累来看，都不太可能有这样一个突变时刻。”在他看来，机器人的进步更可能是一个渐进的过程，得从简单任务做起，在真实场景中不断验证和迭代。

截至2026年10月，银河通用累计完成约70亿元人民币融资，估值突破200亿元，成为国内具身智能领域融资规模领先的企业之一。

而面对学生创业这件事，杨耀东一直都尽着最大的努力赋能。

灵初智能起步时，他出任首席科学家，并且劝陈源培从斯坦福李飞飞的实验室回来做联创：“跟着实验室自己人把灵巧操作产业落地。”

而当吉嘉铭和陈博远要创办逆矩阵，他的角色变成帮忙联系早期投资人及构建产学研生态。妻子临产，他人在产房里，还同吉嘉铭指导着国家自然科学基金博士课题的答辩内容。

杨耀东的课题组更加偏向于线下沟通的形式，“把学生叫来一对一面对面讨论，要比开全员大组会效率来得高”。而他的朋友圈，有超过一半是为学生成果而转发。

“北大学生足够强。”他告诉「甲子光年」，“互相尊重，互相成就，而非上下级关系，才是不内耗的交流方式。”

卢宗青也有同感。他于2017年回到北大，是计算机学院第一个做强化学习方向的老师。在北大时，他常在下午五点下楼踢球，七点再回办公室。

“学生会让着你吗？”我们问。

“学生不知道我是老师。”

刚回北大时，启动经费还没下来，他先从人工智能研究院副院长黄铁军的项目经费里买了几台电脑。其中一台用了九年，至今仍在他的北大办公室。

九年前，一台电脑就装得下一个青年教授的研究。但到了具身智能这一轮，数据、算力和工程已经很难留在一间大学办公室里。

于是，2024年下半年，他决定下场创业，组建一家具身大脑公司，让机器人不断走向开放、复杂的真实物理世界。即使这个最重要的决定，他也没找其他教授商量。“其他老师应该不会（商量）。”他告诉「甲子光年」，“北大人都比较独立。”

今年7月，智在无界发布隐式触觉世界动作模型Being-H0.8，首次将触觉模态引入大规模模型预训练；8月，智在无界BeingBeyond在HICOOL2026全球创业大赛中获一等奖。如今，北大与智在无界的联合实验室也在筹备，第四块牌子已经在路上。

为什么到了具身智能时代，北大教师开始更频繁地走向创业一线？

除了时代机遇和校企联合实验室等技术转化通路的打通，两轮AI浪潮对科研资源的要求也有所不同。大模型研发高度依赖集中投入的算力和资金，大学教师很难与大厂正面竞争；而具身智能更偏向真实场景、硬件系统和持续的实验验证，大学实验室长期积累的技术与人才，有机会直接成为创业的起点。

过去相对分散的研究力量，开始以企业和联合实验室为载体，逐渐形成自己的研发组织。

2023年，北大系基金燕缘创投在北大科技成果转化部门指导下成为持牌管理人机构，并坚持市场化运营管理。在具身智能和世界模型领域，燕缘创投先后投资了银河通用、灵初智能、逆矩阵、智在无界和前沿智能。

银河通用是燕缘创投投资的第一个项目。2023年银河通用进行天使轮融资期间，燕缘创投总经理、管理合伙人李军与尹方鸣、王鹤进行了两次长谈。

彼时，银河通用的模型算法和硬件本体都还处于早期验证阶段。听完PPT，李军又问了几个问题，便决定下注。在他看来，“银河通用有机会成为一家伟大的企业”。

但把钱投进去，只是第一步。当时王鹤还是北大助理教授，相关科研成果涉及职务发明和学校成果转化。燕缘创投投资后，作为股东推动银河通用完成了科技成果转化流程，北大也通过技术入股的方式成为公司股东。此后，燕缘创投又先后四轮追投，并一直持有至今。

同样的果断，也出现在逆矩阵身上。燕缘创投是最早接触逆矩阵的投资机构之一。第一次见完公司创始人吉嘉铭和陈博远后，李军就产生了强烈的投资意愿。完成种子轮投资后，燕缘创投又持续追投。

“这也是燕缘创投投资的第一个北大学生创业项目。”李军说。

从教授亲自下场，到学生组建自己的团队，北大科研力量走向产业的路径正在变得更加多样。

李军形容，这些人更愿意做“头狼”：“一个人出去能拉一支队伍，一个人就是一个队伍。”燕缘创投还在AI Infra领域投资了燕芯微、启明光子、芯曜跃动和安纳智芯等；在AI4S（AI for Science）领域投资元示科技、北启生物和芯生视界等北大校友创业项目。

北大也在试着把“头狼”聚起来。杨耀东提起这件事，补了一句：“每位PI各自还是比较独立的。但面对大型课题时又会产生紧密的合作。”

那双专门定制的“左手”，曾作为稀缺的基础设施，短暂地把杨耀东、董豪、王鹤、朱毅鑫的课题组拉进过同一个项目。难题攻克后，他们又迅速撤回各自的课题组进行技术突破。

我们问卢宗青：“如果你们六个人坐到一起，最可能因为什么争起来？”

他想了一会儿：“我们六个，可能没有机会坐在一起。”

8.从“为什么”到“怎么办”：“做科学的人不能妥协，但做企业不一样”

在我们的采访过程中，当北大人谈论技术路径与创业生态时，一街之隔的清华大学往往是一个绕不开的参照系。

清华学科的传统优势，在操作系统、体系结构、网络这些“硬骨头”上。学生基本功扎实，工程能力是底色。这种气质延伸到AI领域，表现为一种有组织、成体系的产出方式。而且，清华也把“教授下场”做成了“流水线”，给予体系化支撑。清华系AI创业公司阵容庞大，从智谱、月之暗面到一批具身新秀，形成了一种“军团式”的存在感。姚期智创办的姚班强调“重基础、广交叉”，但底层依然是清华式的严谨与系统化训练。

对比清华出身的AI企业，北大的AI气质更接近“生长”而非“组装”。

北大优势学科——数学、语言学——恰好是自然语言处理最“吃劲”的底层养分，北大在NLP领域的积累在国内长期处于领先位置。北大图灵班、智班的表述里，也反复强调让AI人才在肥沃的学术土壤中自然扎根。落到创业者身上，北大系近年冒出来的名字，如银河通用、逆矩阵，多带有实验室直接孵化或前沿交叉的色彩——银河通用脱胎于北大前沿计算研究中心，逆矩阵创始人本科期间就在NeurIPS、ACL发论文。

在知乎问题“国内各计算机牛校，它们的cs专业擅长的方向分别是什么?”下，答主“Cv大法代码酱”分享了一段亲身经历：

“几年前我们团队要做一个基于知识图谱的智能问答系统，其中一个技术难点是实体关系抽取。当时面了两个候选人，一个清华贵系的，一个北大的。清华的同学上来就把系统架构、分布式存储、高并发处理讲得头头是道，工程能力拉满。而北大的同学，则深入分析了不同NLP模型的优劣，从CRF讲到BERT，还对中文语境下的歧义问题提出了好几个精妙的解决方案。最后我们两个都要了，让他们合作，一个搭骨架，一个填血肉，效果拔群。这个例子很典型地反映了清华和北大CS毕业生的气质差异。”

“这是北大人和清华人气质的不同。抬头看路，低头走路，是两类思维模式。”董彬告诉「甲子光年」，“有位资深学者讲过，北大是‘有的是想法’，清华是‘有的是办法’，两种完全不同的方式——大家坐在一起说干一件事，清华是布置完任务，大家就去做了；但在北大，说要干一件事，布置任务前就会有人问：为什么要干这个事？结果任务就布置不下去了。”

清华像是在造一台运转精密的机器，北大像是在养一株需要合适土壤的植物。前者强在把东西做出来、铺开、跑通；后者强在从基础科学的根上长出新东西，再慢慢找到落地的形状。

当然，这只是气质层面的粗略描摹，两校顶尖团队的实际工作早已互相渗透，边界并没有那么分明。深入产业之后，所有宏大的“为什么”，最后都要落到曲折的“怎么办”。

盖孟的另一个身份，是当年未名BBS上风云多年的画手“狼风”——“像狼一样冷酷，像风一样自由”，他画过近120张进站图。

2007年，盖孟进入北大智能科学与技术专业，2011年直博，毕业后留在计算机学院任教。本科时，他进动漫社、做平面设计、演学生电影，还Cosplay过《秦时明月》里的盖聂——“因为跟我同姓”。读博后，“狼风”转向计算机图形学研究，留校后在担任研究员的同时创办了图形引擎企业微视威。他参与孵化的航空视景仿真项目，从科研走向商业，整整走了六年，才通过民航最高等级的认证。那段时间，团队不得不从头学习云层高度、机场灯光可视角度、跑道标志以及整机认证规则。实验室里跑得通的系统，必须一步步经历工程化、产品化、商品化，才可能真正装进飞行模拟器。

我们追问：多加人、多花钱，能不能快一点？

“十个人能不能一个月生出一个孩子？”“狼风”反问。

研发考验时间，产线考验的是耐心。有些问题，只能一道一道解决。

1998年，黄源浩考入北大力学与工程科学系，四年后以系里前三名的成绩毕业。此后，他辗转海外多个研究机构，直到2013年回国，在深圳创办奥比中光。

创业最初，工业级3D传感产品市场遇冷，数百万元投入付诸东流。黄源浩带着十几人的团队转向消费级市场，百来平方米的办公室，大半被改造成实验室。研发芯片最困难时，公司账上的钱只够发两三个月工资，甚至不够支付下一次流片费用。他半年跑了几十家投资机构。直到2015年，奥比中光自主研发的3D深度引擎芯片终于成功流片。

但芯片做出来，距离产品真正卖出去还有很长的路。黄源浩穿着防尘服、戴着护目镜在工厂睡了几个月。为了让3D视觉传感器装进客户设备，他就在产线上一个参数一个参数地调，再一家家敲开客户的门。

2022年，奥比中光登陆科创板，累计服务全球超千家机器人客户。当年反复打磨的3D视觉技术，正成为具身智能机器人的一双“眼睛”。

光轮智能创始人谢晨在北大学到重要一课是：承认有些路不适合自己。

在物理学院第一学期，他是年级110名。他持续投入，一路进入前五，却逐渐意识到成绩进步不等于真正理解物理。谢晨坦言：“我可能还是缺少对于物理的天赋”。此后，他不断探索自己的能力边界，寻找更值得长期投入的问题。

读博期间，因为自己养的巴哥犬“土豆”患上心脏病，谢晨做了一款狗友社交应用。他下载了500多个App，自学设计和编程，把产品做进了北美同类应用榜前五。但当投资人递来投资意向书时，他却停掉了项目——他不愿拿投资人的钱，去经营一件商业模式还没想清楚的事。

在自动驾驶公司Cruise工作时，谢晨发现，仿真的关键不只是把虚拟道路做得有多逼真，而是要先判断仿真结果是否可信。他尝试用AI验证仿真输出，再结合AI与仿真来改进合成数据，最终显著提升了模型性能。这让他确信，仿真完全可以进入训练闭环，成为真正的生产工具。

2021年加入英伟达（NVIDIA）后，他对这件事有了更深的体会。谢晨告诉「甲子光年」，当时他每两周参加一次黄仁勋的例会，清楚地看到英伟达是如何把仿真放进更庞大的技术与基础设施体系中去布局的。黄仁勋曾在内部反复强调“模拟一切（Simulate Everything）”。这段经历让谢晨意识到，仿真不只是自动驾驶的加速器，也将成为机器人行业的重要基石。

回国后，他先加入蔚来继续积累产业经验，随后在2023年创办光轮智能。谢晨对自己的要求依然很高：“要做就做到最好，做国际第一名，或者做到除了我，没有人能做得更好。”

如今，光轮智能已成为Newton仿真委员会与EgoVerse人类数据委员会两大国际物理AI组织中唯一的中国企业，进入国际标准共建的核心场域。

光轮智能创始人谢晨，图片来源：受访者供图

从校园里的好问题，到产业里的好产品，再到市场里的好公司，中间隔着大量“泥腿子活儿”。

“一个公司想做大甚至上市，真的太难了。难点不仅在技术研发、外部拿订单，内部组织也极复杂——大家都是很聪明的成年人，怎么平衡关系？比如新老员工的关系？新老团队的利益划分、权力交接，都是很重要的命题。”盖孟说。

从实验室走出来的卢宗青，如今也要开始见客户、管公司、面对投资人。被问起现在最不擅长的事，他想了一下说：“投其所好。”

但对创业者而言，有时候“投其所好”是一门必修课。

从北大毕业、后投身投资行业、在国内率先提出“科技投资”的松禾资本创始合伙人厉伟告诉「甲子光年」，学者出身的人创业，最需要补上的一课，就是学会妥协。

“做科学的人不能妥协，数据不对就是不对，宁可承认自己做了十年的实验方向是错的、是失败的，也不能为了发文章去造数据。但做企业不一样——合同对方不同意，你是不是要改、做出让步？哪怕自己吃亏，可能也要让这一步，因为你要想得更长远。跟你做生意的对手可能是你的仇人，但为了企业活下去，也要接受。”

9.破壁之路：电子学、集成电路与AI，罕见地促成了一场“北大＋北大”跨院系合龙

2025年初，彭拓宇从北大博士毕业。他没有留在北京，而是先南下上海，做早期基金募资、投资，期间还孵化了几个境内外具身项目。

借此机会，他把整条机器人产业链看了个遍。他发现大家都在挤同一条窄路：卷模型、卷控制，唯独没人认真解决“手感”的问题。这段时间，他也看到，很多看起来惊艳的科研项目，最后因为缺工程化能力，折戟在实验室通往市场的“死亡谷”里。

现实中，机器人做精细操作，靠的是最底层的物理触觉感知。可市面上的触觉传感器，始终困在一个三选二的难题里：要贴合机器人的手指，就得做得又薄又柔；要感知细微的力，灵敏度就要足够高；要上产线干活，还得经得起成千上万次按压。量产要求三样同时给全，而市场上的传感器总是在寿命与一致性上达不到及格线。

转机出现在一次孵化器的产学研交流上。他无意间了解到，中科院院士、北大电子学院院长彭练矛与电子学院教授胡又凡的团队，在底层碳基与新型微纳传感工艺上已经深耕多年。而这项技术，正好可以从物理原理上解开这个死结——“薄柔性、高灵敏度、高耐久性”。

他带着这个发现回到校友圈，兴奋地找到杨耀东。对方听完，反应比他还急：“在灵巧操作里，真实的物理触觉数据太重要了，这件事值得做，而且必须有人站出来把它做成！”

恰好，外面的风向也在变。一方面，国家在推“新质生产力”，北京市也在布局具身智能产业；另一方面，北大把学科交叉与科技成果转化也摆到战略高度，鼓励前沿研究走出象牙塔，“把论文写在祖国大地上，把成果留在产业产线上”。

从院系科研到产业转化的通道，开始主动打开。

彭拓宇觉得时机到了。他辞掉上海的职务，回到北京创立擎界感知。

有意思的是，在“兼容并包、交叉共生”的燕园土壤里，新诞生的擎界感知罕见地促成了一场“北大＋北大”的跨院系合龙。

触觉感知不只需要敏感材料，还要高速信号采集和边缘算力。擎界感知因此与北大集成电路学院产生交集。

这所学院的前身，是上世纪50年代由黄昆先生领衔、在北大创办的“五校联合半导体专门化”，也是我国半导体科学技术研究与人才培养的发源地。从这里走出过中芯国际发起人、中国科学院院士王阳元，中国科学院院士黄如等学术巨擘；以及今天活跃在AI算力赛道上的微纳核芯、知存科技、维泛智能、燕芯微，也都与这里渊源深厚；2026年6月，人工智能研究院与集成电路学院的两位老师陶耀宇、李萌，还共同创办了芯曜跃动。

很快，这层渊源随后也延伸到了擎界感知身上。面对技术路线规划和芯片架构难题，陶耀宇伸出援手，为擎界感知团队做起深度指导；燕芯微则参投了擎界感知，并与其展开深度技术协同，双方联合攻关一颗面向灵巧手的触觉控制芯片。

接着，北大系具身公司灵初智能也参投进来，把“灵巧手算法”和“触觉感知模组”拼成一个闭环。

如今，擎界感知的身后已集齐集成电路学院这些年攒下的一整条链。但过去它们分属不同方向，很少被放在一起看：

做推理算力的微纳核芯，由叶乐副教授创立，用3D-CIM™三维存算一体技术体系，打破了冯·诺依曼架构的“存储墙”与“功耗墙”，破解了“高性能、低功耗、低成本”这个不可能三角；

做具身“大小脑”的维泛智能，出自北大类脑芯片实验室（PAICORE Lab），联合创始人殷积磊是北大微电子校友，采用类脑启发式的BiGPU架构，让脉冲神经网络与人工神经网络在同一颗芯片上同构融合；

做存算一体的知存科技，由07级微电子校友王绍迪与郭昕婕在2017年创办，2022年做出国际首个量产的存算一体芯片，出货已过千万颗；

同样做存算一体的燕芯微，由北大先进存储与智能计算实验室（PKUMEMLab）孵化，靠成套RRAM自主关键技术与Fab深度合作，从工艺开发阶段就介入器件、设计、算法架构的协同。

电子、集成电路与人工智能三院合龙，北大芯片创业链浮现，图片来源：「甲子光年」制图

“过去大家总说北大人习惯各自渡河，但在这轮具身智能浪潮里，借着学校科技成果转化的东风，电子学院、集成电路学院和人工智能研究院的力量，正在不知不觉间拧成一股绳。”彭拓宇说。

对彭拓宇来说，赶上这场波澜壮阔的浪潮是一种幸运。

但比追逐浪潮更重要的，是在潮水退去，真正为这个行业、也为母校留下一些经得起时间检验的东西——让很多年以后，当人们回望智能走过的路，依然能清晰地看到一批北大人在这里刻下的坐标。

“在燕园求学和创业的路上，胡又凡老师、杨耀东老师、陶耀宇老师，还有戚鑫师兄，都在最关键的时刻为我们点过灯、搭过桥。”彭拓宇说。

这激发了他一个小愿望：把脚下的路一步步走通。等有一天自己足够坚实，也能转身做后来者的“造桥人”，替那些同样从燕园实验室里走出来的年轻人，撑一把伞、铺一段路。

习惯各自渡河的北大人，在新的时代开始学着造桥，让更多人一起过河。

*罗著、王博、华凯嘉对本文亦有贡献