
圖 | AI 生成
又到揭曉榜單的時(shí)候了。今天,虎嗅正式發(fā)布 "2026 最有潛力 30 歲以下 AI 領(lǐng)軍者 · TOP20 榜單"。
如果你還記得去年的名單,應(yīng)該對(duì)其中的 AI 原生應(yīng)用、面向消費(fèi)者的 AI 硬件和機(jī)器人項(xiàng)目有些印象。過去一年,上榜者陸續(xù)向我們更新了各自的進(jìn)展。有些變化,也讓我們重新回想起去年對(duì)端側(cè) AI 和推理方向的預(yù)判。
做這樣一份榜單,最讓人期待的就是這種后續(xù):當(dāng)初看好的方向,后來走到了哪一步?一個(gè)還很早期的想法,有沒有變成真正能用的產(chǎn)品?我們很高興,去年的預(yù)判在今年成為現(xiàn)實(shí)。
帶著這些問題,我們又翻開了今年的候選名單。
應(yīng)用和硬件依然有人做,但更多年輕人的目光落在了技術(shù)更深處。他們關(guān)心推理引擎、世界模型,也想把 AI 帶進(jìn)實(shí)驗(yàn)室,讓它參與科學(xué)發(fā)現(xiàn)。還有一些人,讀博和創(chuàng)業(yè)幾乎在同步進(jìn)行,論文、產(chǎn)品和用戶反饋都成了日常工作的一部分。
本屆榜單評(píng)委之一的峰瑞資本投資合伙人陳石的觀察是,今年比較明顯的變化是大家更關(guān)注技術(shù)落地后能否持續(xù)使用、持續(xù)改進(jìn)。
這也給了我們一個(gè)看待榜單的角度。除了他們選擇了什么熱門方向,我們更想知道:他們準(zhǔn)備解決哪個(gè)具體問題,又打算怎樣一步步把它做出來?
這些年輕人,正在往哪里走?
先看看幾位獲得高票的上榜者。世界模型和模型自我改進(jìn),是今年名單中很顯眼的兩個(gè)方向。
劉芳甫創(chuàng)辦的無限鏡元(MirroS),就在嘗試讓 AI 更好地理解物理世界。他是清華大學(xué)電子系直博生,曾參與英偉達(dá)世界模型相關(guān)研究。如今,團(tuán)隊(duì)希望讓模型從視頻、空間信息和交互軌跡中學(xué)習(xí),再根據(jù)環(huán)境反饋持續(xù)改進(jìn),探索機(jī)器人、游戲仿真和空間智能等應(yīng)用。
超衍智能則關(guān)注模型如何改進(jìn)自身。創(chuàng)始人陳勇超如今是清華大學(xué)助理教授,2026 年創(chuàng)辦公司,探索面向科研與研發(fā)場景的自進(jìn)化基礎(chǔ)模型和相關(guān)系統(tǒng)。對(duì)于這類探索,我們期待看到的進(jìn)展,是模型經(jīng)過一輪輪反饋后,究竟能把哪些具體任務(wù)做得更好。陳勇超說他對(duì)于 RSI 的最終形態(tài)定義是,讓 AI 能夠代替并超越各行各業(yè)的人類研究員。
張昊天和英靈殿科技把問題帶到了分子世界。他有藥學(xué)、物理學(xué)、醫(yī)學(xué)和計(jì)算機(jī)領(lǐng)域的學(xué)習(xí)與研究經(jīng)歷,也曾在華盛頓大學(xué)開展研究。團(tuán)隊(duì)正在構(gòu)建微觀分子世界模型 AlloDesign,嘗試對(duì)蛋白質(zhì)、核酸、小分子及其復(fù)合物進(jìn)行建模和設(shè)計(jì),并建設(shè)配套實(shí)驗(yàn)平臺(tái)。
再看機(jī)器人。蘿博派對(duì)的黃一在哈爾濱工業(yè)大學(xué)讀書時(shí),就開發(fā)了雙足機(jī)器人 AlexBot,并開源相關(guān)方案。2025 年,他創(chuàng)辦蘿博派對(duì),沿著機(jī)器人本體和開源生態(tài)這條路繼續(xù)往前走。
源策未來的李天羽則嘗試把自動(dòng)駕駛積累帶到人形機(jī)器人。他曾參與世界引擎項(xiàng)目及相關(guān)產(chǎn)業(yè)合作,現(xiàn)在團(tuán)隊(duì)研發(fā)的是人形機(jī)器人的全身智能模型,希望讓移動(dòng)、操作和任務(wù)規(guī)劃配合起來。對(duì)機(jī)器人來說,走到一個(gè)地方和伸手完成任務(wù),最終得成為一件連貫的事。
名單里還有一些方向,平時(shí)很少出現(xiàn)在面向大眾的產(chǎn)品演示中,但卻是如今技術(shù)和創(chuàng)投中最熱門的幾個(gè)方向:端側(cè)大模型推理、加密狀態(tài)下的數(shù)據(jù)計(jì)算、智能體運(yùn)行安全。它們處理的往往是產(chǎn)品真正用起來之后,繞不過去的難題。
回頭看今年,錢和問題都在往哪里去?
把這份名單放回 2026 年的科技圈,很多選擇就更容易理解了。
按照 Crunchbase 的統(tǒng)計(jì),今年上半年全球創(chuàng)投融資達(dá)到 5100 億美元,已經(jīng)超過其統(tǒng)計(jì)口徑下 2025 年全年的 4400 億美元。但另一個(gè)數(shù)字同樣值得留意:OpenAI 和 Anthropic 兩家公司就拿到了 2170 億美元,占上半年全球創(chuàng)投融資的約 43%。
錢確實(shí)更多了,卻并沒有均勻地落到每個(gè)創(chuàng)業(yè)者手里。
世界模型是其中一個(gè)受到關(guān)注的方向。李飛飛創(chuàng)辦的 World Labs 宣布獲得 10 億美元融資;Yann LeCun 參與創(chuàng)辦的 AMI Labs 也完成約 10.3 億美元融資。9 月,AMD 宣布擬以約 82 億美元全股票收購 World Labs,交易仍需監(jiān)管批準(zhǔn)并滿足其他交割條件。對(duì)于空間智能和世界模型,投資人和產(chǎn)業(yè)公司都在下注。
另一筆引人注意的融資,投向了 RSI,也就是遞歸自我改進(jìn)。這個(gè)方向希望讓 AI 參與研究、評(píng)估和改進(jìn)自身。今年 5 月,前 Salesforce 首席科學(xué)家 Richard Socher 創(chuàng)辦的 Recursive Superintelligence 宣布獲得 6.5 億美元融資,投資方包括 GV、Greycroft、英偉達(dá)和 AMD Ventures,估值達(dá)到 46.5 億美元。
與此同時(shí),今年年初 OpenClaw 的走紅,讓 " 智能體能替我做什么 " 變成了一個(gè)更具體的問題。人們開始期待 AI 接手較長的任務(wù),跨越多次交互,持續(xù)把事情往下做。
麻煩也隨之而來。你昨天交代的要求,它今天還記得嗎?任務(wù)做了一半,下次能接著做嗎?哪些舊信息該留下,哪些又已經(jīng)過時(shí)?上下文窗口可以容納更多內(nèi)容,長期記憶還得負(fù)責(zé)把信息保存、更新,并在需要時(shí)找回來。
安全問題同樣具體:你愿意讓它訪問哪些數(shù)據(jù)、調(diào)用哪些工具?當(dāng)它讀到一封郵件或裝上一個(gè)第三方插件時(shí),怎么避免被其中的惡意指令帶偏?智能體能做的事情越多,這些問題就越難繞開。
資金也開始關(guān)注這些需求。今年 2 月,柏林初創(chuàng)公司 Cognee 獲得 750 萬美元種子輪融資,由 Pebblebed 領(lǐng)投,開發(fā)供智能體使用的記憶層。今年 5 月,源自卡內(nèi)基梅隆大學(xué)研究團(tuán)隊(duì)的 Gray Swan 獲得 4000 萬美元 A 輪融資,由 Wing Venture Capital 和 Madrona 共同領(lǐng)投,為模型和智能體提供對(duì)抗測試與運(yùn)行時(shí)防護(hù)。
回頭看,去年我們討論模型能力、應(yīng)用機(jī)會(huì),今年越來越多的問題落到了使用過程里:智能體能否完成任務(wù),機(jī)器人能否反復(fù)做對(duì)一個(gè)動(dòng)作,科學(xué)模型的預(yù)測能否通過實(shí)驗(yàn)。一次演示之外,大家開始更認(rèn)真地追問:能不能一直用下去?
這也解釋了為什么推理效率、端側(cè)部署、加密計(jì)算值得關(guān)注。調(diào)用一次模型要花多少錢、等多久,數(shù)據(jù)能否安全地交給系統(tǒng),都會(huì)影響客戶是否愿意繼續(xù)使用。
AI for Science 則讓我們看到另一種積累的可能。如果實(shí)驗(yàn)結(jié)果能持續(xù)反饋給模型,幫助改進(jìn)下一輪設(shè)計(jì),每一輪研發(fā)都有機(jī)會(huì)為后續(xù)工作留下有用的數(shù)據(jù)和方法。所謂 " 復(fù)利 ",要靠這樣的循環(huán)真正運(yùn)轉(zhuǎn)起來。
國內(nèi)還有一個(gè)不能忽略的背景:今年是 " 十五五 " 開局之年。3 月公布的規(guī)劃綱要提出,前瞻布局量子科技、生物制造、氫能和核聚變能、腦機(jī)接口、具身智能、第六代移動(dòng)通信等未來產(chǎn)業(yè),機(jī)器人、生物醫(yī)藥等也被列入加快發(fā)展的戰(zhàn)略性新興產(chǎn)業(yè)。這些政策方向,為國內(nèi)科技投資提供了重要參照,也指導(dǎo)了錢的流向。
這些領(lǐng)域也恰恰切中了我們今年的榜單:有人用 AI 設(shè)計(jì)分子,有人研究機(jī)器人的感知與動(dòng)作,也有人處理神經(jīng)信號(hào)。這些機(jī)會(huì)往往需要同時(shí)理解幾個(gè)領(lǐng)域。
比年齡更值得看的,是他們?cè)趺闯砷L
說到年輕創(chuàng)業(yè)者,大家很容易想到他們更熟悉 AI 工具。寫代碼、做研究、整理信息,甚至組織工作,他們從創(chuàng)業(yè)第一天就可以借助 AI,先把想法做出來,再交給用戶試。
不過,做出一個(gè)原型和經(jīng)營一家公司,中間還有很長的路。機(jī)器人要生產(chǎn)、要售后,科研項(xiàng)目要等待實(shí)驗(yàn)結(jié)果,企業(yè)客戶會(huì)追問系統(tǒng)是否穩(wěn)定。團(tuán)隊(duì)大了怎么管理,賬上的錢還能支撐多久,這些也得學(xué)。
還有一個(gè)值得關(guān)注的現(xiàn)象:不少上榜者有跨學(xué)科的學(xué)習(xí)或研究經(jīng)歷。 比如,英靈殿科技的張昊天學(xué)過藥學(xué)和物理學(xué),也有醫(yī)學(xué)和計(jì)算機(jī)領(lǐng)域的研究經(jīng)歷,如今正嘗試用 AI 設(shè)計(jì)分子;利太智藥的賈寅君從生命科學(xué)、神經(jīng)科學(xué)走向科學(xué)智能研究,關(guān)注如何用模型設(shè)計(jì)多肽藥物;荊華密算的林修醇則結(jié)合計(jì)算機(jī)科學(xué)與計(jì)算密碼學(xué)背景,探索如何讓敏感數(shù)據(jù)在加密狀態(tài)下參與計(jì)算。
這些經(jīng)歷和他們現(xiàn)在做的事連在一起。要把模型帶進(jìn)實(shí)驗(yàn)室,就得理解實(shí)驗(yàn)如何驗(yàn)證;要讓敏感數(shù)據(jù)參與 AI 計(jì)算,就得同時(shí)考慮安全和效率??鐚W(xué)科的價(jià)值,最后要落在能否處理好這些具體問題上。
陳石認(rèn)為,年輕創(chuàng)業(yè)者的經(jīng)驗(yàn)包袱相對(duì)少,敢跨學(xué)科,也愿意快速發(fā)布、邊做邊改。但交付、現(xiàn)金流和團(tuán)隊(duì)管理,往往是需要補(bǔ)上的課。他說:" 年齡不是決定因素,我們更看重一個(gè)人學(xué)習(xí)和修正自己的速度。"
判斷一家公司,也需要類似的耐心。陳石會(huì)看團(tuán)隊(duì)的技術(shù)能力是否過硬,結(jié)果能否重復(fù)驗(yàn)證,下一筆錢能完成什么,以及核心技術(shù)和知識(shí)產(chǎn)權(quán)是否真正屬于公司。"AI for Science 尤其要看實(shí)驗(yàn)反饋。商業(yè)化可以需要時(shí)間,但每個(gè)階段都應(yīng)該消除一些不確定性。"
十年后,這些公司會(huì)是什么樣?有些也許會(huì)走得很遠(yuǎn),有些可能會(huì)中途轉(zhuǎn)向,甚至離開這條賽道?,F(xiàn)在,誰也說不準(zhǔn)。
但我們想在他們還處于早期的時(shí)候,就認(rèn)真記錄他們正在解決的問題,之后再回來看看:哪些判斷得到了驗(yàn)證,哪些想法改了,遇到的難題又是怎么解決的。
等幾年后回頭看,希望這些記錄能讓我們看清技術(shù)走向現(xiàn)實(shí)的過程,也看見那些可能改變世界的年輕人,是怎樣一步步成長起來的。
接下來,讓我們一起認(rèn)識(shí)今年的 20 位上榜者。
