本文来自微信公众号： 秦朔朋友圈 ，作者：纪中展
这个7月，聚光灯连续亮起。
先是Kimi K3发布。2.8万亿参数、榜单成绩、全球竞争格局等等，这些都是行业内部的话题，但因为K3采用了Attention Residuals提出的架构，让我们再次想起这篇论文三位同等贡献的共同作者之一：陈广宇。
论文2026年3月公开时，他17岁，还是一名高中生。马斯克先后肯定了Kimi团队的这项架构研究和采用相关架构的K3的表现，而陈广宇正是这项关键工作的共同作者。
紧接着，7月23日，菲尔兹奖设立九十年来，在中国接受本科教育的数学家第一次登上领奖台，而且一次登上两位：邓煜与王虹。两人是北大数学科学学院2007级的同届校友。
一个17岁的高中生出现在大模型底层创新的作者名单里，两位三十多岁的数学家同时拿下数学界最高荣誉。把这几件事放在一起，真正值得追问的不是“这些少年天才们怎么这么厉害”，而是：为什么这一代年轻人，越来越早地进入世界前沿？当他们提前抵达时，我们准备好接住他们了吗？
为什么他们开始提前抵达
也许可以说“这一代年轻人更聪明”。但这个解释肯定是错的。人类的智力分布不会在几十年里发生肉眼可见的变化，变化的是条件。
过去，一个年轻人要进入前沿，必须先走完一条漫长的资格链：读完中学，考进好大学，遇到好导师，进入实验室，申请到经费和设备，然后才轮得到接触真正的问题。这条链的每一环都在消耗时间，也都在过滤人。
今天，这条链被压缩了。论文通过预印本当天公开，代码和模型权重在开源社区流动，AI本身成了老师、程序员、翻译和研究助理，把过去需要多年才能完成的基础训练大幅缩短。
更关键的是，验证机制变了：作品、代码、模型和排行榜建立了一套新的检验系统，你不必先证明自己是谁，可以先证明自己做出了什么。
过去，少年天才往往要先被制度承认，才能获得做事的机会；今天，他们可以先做出作品，再让制度追认。
与此同时，经验的价值在发生转移。在成熟产业里，经验值钱，因为今天的问题与昨天大体相似，走过的路可以帮人少走弯路。但在范式剧烈变化的阶段，最前沿的问题本身才出现三五年。
人工智能这门学科发展了七十多年，以大模型和Agent为中心的这一轮竞争却满打满算只有几年，没有任何人拥有二十年的大模型经验。折旧的不是经验本身，而是经验里那些现成的答案。
一部分年轻人的优势恰恰在这里。不是年轻就天然创新，而是那些高度自驱、敢于动手、又能进入真实网络的年轻人，没有太多既有系统要维护，也没有太多成功经验要捍卫，更容易把新工具当作身体的一部分。
但这绝不意味着年轻人将替代有经验的人。AI时代真正变化的是代际分工：“答案型经验”在折旧，问题判断、系统整合和后果承担反而更值钱了。
年轻人更适合在新范式里探索边界，成熟的人更擅长定义真正重要的问题、组织复杂系统并承担决策后果。真正有竞争力的，从来不是年轻人的单兵突进，而是年轻人的学习速度与成熟者的判断能力形成的新组合。
对经营企业的人来说，要改变的不是招几个00后，而是重新组织不同代际的能力。所以，真正改变的不是天才的出生率，而是天才从潜能走向成果的转化效率。少年天才正在从偶然出现的新闻人物，变成前沿创新中一股越来越无法忽视的结构性力量。
几千年来，社会怎样发现天才
几乎每个时代都留下了早慧者的故事，但真正不断变化的，是社会用什么信号识别他们，又把他们送到哪里。
在古代中国，早慧者主要通过童子郎、童子举、童子科进入国家培养系统，识别的标准高度集中在经书记诵与经义能力上。在欧洲的宫廷社会，莫扎特依靠家庭训练、贵族赞助和宫廷演出被看见，天才的命运很大程度上取决于能否遇到一个有资源的赞助人。
进入近代科学共同体之后，论文、各类学（协）会和大学成为新的发现系统，但它运转得很慢，甚至会失灵。伽罗瓦不到20岁提出了后来改变整个代数学的思想，论文投出去没人能看懂，甚至被弄丢；
他20岁死于决斗，大部分成果在死后十几年才被追认。天才可以很早抵达，世界却未必来得及开门。
1930年的中国出现了另一种可能。20岁的华罗庚只有初中学历，在金坛中学做事务员，一边谋生一边自学数学。他有一篇指出苏家驹五次方程解法不能成立的文章，发表在上海的《科学》杂志上，被清华算学系主任熊庆来读到。
据流传的回忆，熊庆来的第一反应是问：这个华罗庚，是哪国留学生？得知作者只是一个初中毕业的店员之后，他做了一个打破规则的决定：把华罗庚请进清华。不按标准路径成长的天才任何时代都有，稀缺的是有人能从一篇纠错文章这样微弱的信号里认出他，并且愿意为他修改规则。如果没有熊庆来，华罗庚还要在标准体系之外等待多久，没有人知道。
20世纪后半叶，国家、大学和大型实验室开始规模化选拔人才：奥林匹克竞赛、少年班、重点实验室、奖学金制度。这套体系的效率远高于“等一个熊庆来路过”，它确实接住了很多人。
邓煜就是这套体系能够精准识别的那类天才：深圳中学高二拿下国际奥数金牌，保送北大数学系，两年后转学MIT，普林斯顿四年读完博士，一路做到芝加哥大学教授，与合作者一起严格推导出玻尔兹曼方程，解决了狭义的希尔伯特第六问题。他的每一步都走在标准通道的正中央。
王虹却完全不同。她中学时没有耀眼的竞赛成绩，16岁考入北大时读的还是地球与空间科学，后来才转入数学系；在一群奥数金牌得主中间，她长期是那个不太起眼的“小透明”，一度认真想过离开数学，直到读博阶段遇到有耐心的导师和高水平的同行，才逐渐形成自己的研究方向，最终在调和分析领域做出获得菲尔兹奖的工作，成为这个奖九十年历史上第三位女性得主。
同一届的北大校友，两条几乎相反的路径，最后站上同一个领奖台。这组对照，比任何论证都锋利：如果一个社会只有竞赛、考试和少年班这一条识别路径，它接得住邓煜，却很可能错过王虹。一套只能识别邓煜、不能识别王虹的制度，还不是成熟的天才发现制度。
到了AI时代，发现机制再一次变化：从宫廷发现、伯乐发现、大学发现，走向作品发现和网络发现；从一个机构决定你有没有资格，变成全球同行共同验证你做出的东西。
这一代年轻人，是怎样长出来的
陈广宇的路径里，几乎没有哪一步是按照传统课表发生的。据公开报道，他从中学生黑客松进入行业网络，在导师帮助下读论文、追踪开源项目，在硅谷实习中第一次接触大规模算力，随后进入月之暗面的研究团队，在真实项目里一边学习，一边承担真正的研究任务，最终成为Attention Residuals三位同等贡献共同作者。他不是学完Transformer之后才被允许做研究，而是在真实项目里边做边学。
他不是孤例。姚顺雨年纪轻轻提出ReAct，参与定义了Agent时代的基础范式；谢天宝主导的OSWorld，成为全球评估计算机操作智能体的重要基准；洪乐潼从数学研究进入AI for Math创业，甚至吸引资深教授放下终身教职加入她的团队。方向各不相同，共同点只有一个：他们都不是等到“学成之后”再开始工作，而是在学习的过程中，已经进入了真实世界。
作品正在成为新的文凭，开源社区正在成为新的学院，真实问题正在成为新的考场。学习与创造不再是两个先后发生的阶段，创造本身已经成为学习的一部分。
作为总裁教练，在这里我必须强调，AI和开源大幅降低的是学习、编程与原型验证的门槛，但真正进入大规模研究，仍然需要团队、算力和组织资源。陈广宇能在项目中调动上百张H100，恰恰不是“个人算力民主化”，而是他被接入了一个有资源的组织。变化不在于个人可以替代组织，而在于一个年轻人可以更早用作品证明自己，进而被组织接入真正的前沿。
也正因为如此，本文里的三个人物，各自承担着不同的论证：陈广宇告诉我们，天才可以更早进入前沿；王虹与邓煜则告诉我们，早期才能显现的方式并不止有一种，而真正重要的成果，仍然需要漫长的生长。
社会怎样接住他们，而不是消费他们
社会对这些年轻人的反应，是复杂的，甚至自相矛盾的。
一方面，我们比以往任何时候都更快地发现天才。论文、代码、榜单和社交媒体实时联动，一项成果几天之内就能被全球同行看见。社会对天才的识别，从伽罗瓦式的死后追认，一路走到了当天定价。
另一方面，我们也比以往更快地给他们定性、定价和造神。媒体需要一个名字，学校需要一个榜样，资本需要一个故事，公众需要一个“17岁打败成年人”的传奇。
技术越来越依赖大型团队，社会却越来越渴望个人英雄。Transformer论文有八位作者，Attention Residuals的署名作者已经是数十位；但每一项团队成果发布之后，公众都在寻找一张年轻的脸。几十个人完成的工作，很容易被压缩成一个人的神话。
于是，惊叹、争抢、消费、怀疑轮番上场：有人急着证明教育成功了，有人急着为公司估值，有人担心又出一个伤仲永，也有人因为反感造神，反过来否定真实的贡献。
在这个背景下重读陈广宇那句“不要造神，多写技术和团队”，它就不只是一个少年人的谦虚，而是对当代技术叙事的一次纠偏。一个17岁的人比许多成年人更清楚今天的创新是怎样发生的，这件事本身，比他的年龄更值得报道。
对待已经被发现的少年天才，更成熟的态度是十六个字：发现要早，定型要晚；给机会要快，给标签要慢。
这十六个字背后，是一个真实的矛盾：一个17岁的年轻人，可能在技术上已经进入25岁的世界，但在情感、关系和人格上，却仍然只有17岁。好的社会，既要允许他在擅长的领域跑得更快，也要允许他的其他部分，按照自己的速度慢慢长大。
允许跑得更快，意味着不让一个明显超前的孩子，只因为年龄相同就被迫重复已经掌握的内容；意味着开放真实课题，让他在成熟团队和明确的责任边界之下做真正的事，而不是被单独推上舞台表演奇迹。真正优秀的人最怕的不是题太难，而是长期被安排做没有意义的练习。
允许慢慢长大，意味着媒体不把他变成流量产品，学校不把他变成招生广告，资本不把他变成估值故事，家庭也不把一次早期成功，变成此后每一年都必须续写的传奇；这也意味着保留失败、转向和重新开始的余地。
王虹一度想过离开数学，据报道，陈广宇最初更感兴趣的也是做产品、做创意。所以真正的培养，不是在十几岁时替一个人锁死终身赛道，而是让他在足够宽的世界里，逐渐确认自己真正愿意投入一生的方向。
当然这里必须强调的是，还有不能只靠善意的东西：未成年人参与真实研究，需要明确的责任与保护边界。署名和报酬，时间投入隐私保护，媒体曝光和心理支持等等，这些都应该有制度安排。
给机会，不等于把风险也一并交给一个17岁的人；最终责任，必须由成熟的成年人和机构承担。
给少年天才空间，不只是允许他们提前抵达，也包括允许他们在抵达以后，仍然慢慢长大。
不能批量生产天才，但可以不再批量埋没天才
这里我需要认真讨论，能不能稳定地、规模化地培养人才？
首先我旗帜鲜明的反对这样一种论调，也就是稳定规模化培养，需要办更多“天才班”，发动全民寻找“我家神童”。因为天才本身无法标准化生产。但真正能够规模化的，是社会基础设施。所谓“天才培养机制”，不是一条生产线，而是一套减少人才损耗的社会系统。
看清这一点，要回到陈广宇路径里的偶然性。他的每一个关键节点，黑客松、引荐、导师、实习、算力、团队，今天仍然高度依赖城市、家庭、学校和偶然的人际连接。如果只有少数城市、少数学校的孩子能接触这些资源，我们只是把“偶遇熊庆来”，升级成了“偶遇科技投资人”。
真正的规模化，是把这些原本依靠运气和家庭资源的节点，逐渐变成更多年轻人可以公平进入的公共通道。这条通道是一路推进的。先让更多孩子有机会接触足够难、足够新的问题，而不是只在少数城市的少数学校里；再用作品、项目、竞赛和长期兴趣持续识别，而不是只靠一次考试，并且允许一个人在不同年龄重新进入。
清华丘成桐数学领军计划从初中到博士的贯通培养是一种探索，约翰斯·霍普金斯大学CTY用超年级测试为能力超前的学生匹配课程也是一种探索，但任何单一计划都不可能是完整答案。
信号出现之后，不急着授予“天才”身份，而是把他接入导师、同行与真实任务：大学、实验室和科技企业共同开放青年研究项目、导师网络、公共数据、基础算力和小额研究资助，让年轻人面对真问题，由成熟的成年人承担最终责任。
等他真正进入高水平阶段，需要的也不是一个“名师”，而是导师团和同行圈：有人负责学术方向，有团队提供真实协作，有同水平伙伴相互挑战，还要有人关注心理与社会适应。评价的尺子也要换：不只数一个孩子18岁之前拿了多少奖，而要看他有没有持续形成自己的问题意识，能不能与人合作，能不能承受长期失败，能不能从聪明的解题者，成长为原创问题的提出者。
天才从来没有变。有伽罗瓦、陈广宇这样十几二十岁就抵达的人，有王虹这样在“小透明”里慢慢长出来的人，也有张益唐这样年近六十才震动世界的人。AI改变的不是创造力的年龄边界，而是让早到的人，不必再排那么久的队。
队伍变短之后，考验就转到了社会这一边。
一个社会的天才密度，不只取决于它诞生了多少天才，更取决于它漏掉了多少人、误判了多少人，又在掌声中耗尽了多少人。
AI把年轻人送到了前沿。但他们能不能继续走下去，最终取决于这个社会有没有能力，把早慧变成长期创造，把一次惊艳，变成一生仍然愿意做困难事情的自由。