文 | 陈伊凡
图 | AI生成
又到揭晓榜单的时候了。今天,虎嗅正式发布“2026最有潜力30岁以下 AI 领军者·TOP20榜单”。
如果你还记得去年的名单,应该对其中的 AI 原生应用、面向消费者的 AI 硬件和机器人项目有些印象。过去一年,上榜者陆续向我们更新了各自的进展。有些变化,也让我们重新回想起去年对端侧 AI 和推理方向的预判。
做这样一份榜单,最让人期待的就是这种后续:当初看好的方向,后来走到了哪一步?一个还很早期的想法,有没有变成真正能用的产品?我们很高兴,去年的预判在今年成为现实。
带着这些问题,我们又翻开了今年的候选名单。
应用和硬件依然有人做,但更多年轻人的目光落在了技术更深处。他们关心推理引擎、世界模型,也想把 AI 带进实验室,让它参与科学发现。还有一些人,读博和创业几乎在同步进行,论文、产品和用户反馈都成了日常工作的一部分。
本届榜单评委之一的峰瑞资本投资合伙人陈石的观察是,今年比较明显的变化是大家更关注技术落地后能否持续使用、持续改进。
这也给了我们一个看待榜单的角度。除了他们选择了什么热门方向,我们更想知道:他们准备解决哪个具体问题,又打算怎样一步步把它做出来?
这些年轻人,正在往哪里走?
先看看几位获得高票的上榜者。世界模型和模型自我改进,是今年名单中很显眼的两个方向。
刘芳甫创办的无限镜元(MirroS),就在尝试让 AI 更好地理解物理世界。他是清华大学电子系直博生,曾参与英伟达世界模型相关研究。如今,团队希望让模型从视频、空间信息和交互轨迹中学习,再根据环境反馈持续改进,探索机器人、游戏仿真和空间智能等应用。
超衍智能则关注模型如何改进自身。创始人陈勇超如今是清华大学助理教授,2026年创办公司,探索面向科研与研发场景的自进化基础模型和相关系统。对于这类探索,我们期待看到的进展,是模型经过一轮轮反馈后,究竟能把哪些具体任务做得更好。陈勇超说他对于RSI的最终形态定义是,让 AI 能够代替并超越各行各业的人类研究员。
张昊天和英灵殿科技把问题带到了分子世界。他有药学、物理学、医学和计算机领域的学习与研究经历,也曾在华盛顿大学开展研究。团队正在构建微观分子世界模型 AlloDesign,尝试对蛋白质、核酸、小分子及其复合物进行建模和设计,并建设配套实验平台。
再看机器人。萝博派对的黄一在哈尔滨工业大学读书时,就开发了双足机器人 AlexBot,并开源相关方案。2025年,他创办萝博派对,沿着机器人本体和开源生态这条路继续往前走。
源策未来的李天羽则尝试把自动驾驶积累带到人形机器人。他曾参与世界引擎项目及相关产业合作,现在团队研发的是人形机器人的全身智能模型,希望让移动、操作和任务规划配合起来。对机器人来说,走到一个地方和伸手完成任务,最终得成为一件连贯的事。
名单里还有一些方向,平时很少出现在面向大众的产品演示中,但却是如今技术和创投中最热门的几个方向:端侧大模型推理、加密状态下的数据计算、智能体运行安全。它们处理的往往是产品真正用起来之后,绕不过去的难题。
回头看今年,钱和问题都在往哪里去?
把这份名单放回2026年的科技圈,很多选择就更容易理解了。
按照 Crunchbase 的统计,今年上半年全球创投融资达到5100亿美元,已经超过其统计口径下2025年全年的4400亿美元。但另一个数字同样值得留意:OpenAI 和 Anthropic 两家公司就拿到了2170亿美元,占上半年全球创投融资的约43%。
钱确实更多了,却并没有均匀地落到每个创业者手里。
世界模型是其中一个受到关注的方向。李飞飞创办的 World Labs 宣布获得10亿美元融资;Yann LeCun 参与创办的 AMI Labs 也完成约10.3亿美元融资。9月,AMD 宣布拟以约82亿美元全股票收购 World Labs,交易仍需监管批准并满足其他交割条件。对于空间智能和世界模型,投资人和产业公司都在下注。
另一笔引人注意的融资,投向了 RSI,也就是递归自我改进。这个方向希望让 AI 参与研究、评估和改进自身。今年5月,前 Salesforce 首席科学家 Richard Socher 创办的 Recursive Superintelligence 宣布获得6.5亿美元融资,投资方包括 GV、Greycroft、英伟达和 AMD Ventures,估值达到46.5亿美元。
与此同时,今年年初 OpenClaw 的走红,让“智能体能替我做什么”变成了一个更具体的问题。人们开始期待 AI 接手较长的任务,跨越多次交互,持续把事情往下做。
麻烦也随之而来。你昨天交代的要求,它今天还记得吗?任务做了一半,下次能接着做吗?哪些旧信息该留下,哪些又已经过时?上下文窗口可以容纳更多内容,长期记忆还得负责把信息保存、更新,并在需要时找回来。
安全问题同样具体:你愿意让它访问哪些数据、调用哪些工具?当它读到一封邮件或装上一个第三方插件时,怎么避免被其中的恶意指令带偏?智能体能做的事情越多,这些问题就越难绕开。
资金也开始关注这些需求。今年2月,柏林初创公司 Cognee 获得750万美元种子轮融资,由 Pebblebed 领投,开发供智能体使用的记忆层。今年5月,源自卡内基梅隆大学研究团队的 Gray Swan 获得4000万美元 A 轮融资,由 Wing Venture Capital 和 Madrona 共同领投,为模型和智能体提供对抗测试与运行时防护。
回头看,去年我们讨论模型能力、应用机会,今年越来越多的问题落到了使用过程里:智能体能否完成任务,机器人能否反复做对一个动作,科学模型的预测能否通过实验。一次演示之外,大家开始更认真地追问:能不能一直用下去?
这也解释了为什么推理效率、端侧部署、加密计算值得关注。调用一次模型要花多少钱、等多久,数据能否安全地交给系统,都会影响客户是否愿意继续使用。
AI for Science 则让我们看到另一种积累的可能。如果实验结果能持续反馈给模型,帮助改进下一轮设计,每一轮研发都有机会为后续工作留下有用的数据和方法。所谓“复利”,要靠这样的循环真正运转起来。
国内还有一个不能忽略的背景:今年是“十五五”开局之年。3月公布的规划纲要提出,前瞻布局量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等未来产业,机器人、生物医药等也被列入加快发展的战略性新兴产业。这些政策方向,为国内科技投资提供了重要参照,也指导了钱的流向。
这些领域也恰恰切中了我们今年的榜单:有人用 AI 设计分子,有人研究机器人的感知与动作,也有人处理神经信号。这些机会往往需要同时理解几个领域。
比年龄更值得看的,是他们怎么成长
说到年轻创业者,大家很容易想到他们更熟悉 AI 工具。写代码、做研究、整理信息,甚至组织工作,他们从创业第一天就可以借助 AI,先把想法做出来,再交给用户试。
不过,做出一个原型和经营一家公司,中间还有很长的路。机器人要生产、要售后,科研项目要等待实验结果,企业客户会追问系统是否稳定。团队大了怎么管理,账上的钱还能支撑多久,这些也得学。
还有一个值得关注的现象:不少上榜者有跨学科的学习或研究经历。 比如,英灵殿科技的张昊天学过药学和物理学,也有医学和计算机领域的研究经历,如今正尝试用 AI 设计分子;利太智药的贾寅君从生命科学、神经科学走向科学智能研究,关注如何用模型设计多肽药物;荆华密算的林修醇则结合计算机科学与计算密码学背景,探索如何让敏感数据在加密状态下参与计算。
这些经历和他们现在做的事连在一起。要把模型带进实验室,就得理解实验如何验证;要让敏感数据参与 AI 计算,就得同时考虑安全和效率。跨学科的价值,最后要落在能否处理好这些具体问题上。
陈石认为,年轻创业者的经验包袱相对少,敢跨学科,也愿意快速发布、边做边改。但交付、现金流和团队管理,往往是需要补上的课。他说:“年龄不是决定因素,我们更看重一个人学习和修正自己的速度。”
判断一家公司,也需要类似的耐心。陈石会看团队的技术能力是否过硬,结果能否重复验证,下一笔钱能完成什么,以及核心技术和知识产权是否真正属于公司。“AI for Science 尤其要看实验反馈。商业化可以需要时间,但每个阶段都应该消除一些不确定性。”
十年后,这些公司会是什么样?有些也许会走得很远,有些可能会中途转向,甚至离开这条赛道。现在,谁也说不准。
但我们想在他们还处于早期的时候,就认真记录他们正在解决的问题,之后再回来看看:哪些判断得到了验证,哪些想法改了,遇到的难题又是怎么解决的。
等几年后回头看,希望这些记录能让我们看清技术走向现实的过程,也看见那些可能改变世界的年轻人,是怎样一步步成长起来的。
接下来,让我们一起认识今年的20位上榜者。
文章标题:30岁以下的年轻一代正在深入技术腹地:2026最有潜力的30岁以下AI领军者·TOP20揭晓
文章链接:https://www.huxiu.com/article/4907094.html
阅读原文:30岁以下的年轻一代正在深入技术腹地:2026最有潜力的30岁以下AI领军者·TOP20揭晓_虎嗅网