00后創業者站上C位，「go big or go home」｜36氪離線聚會第二期

“妨礙真理發現過程的，不是謊言，而是極其精辟的錯誤見解。”德國物理學家兼諷刺作家利希滕貝格在面對啟蒙運動中的種種愚昧時，戲謔式地寫下了這一句名言。

許多誤判之所以危險，恰恰因為它們看上去過于正確。它們能在一個短周期里解釋世界，也容易在世界已經變化之后，繼續以“共識”的面貌停留在原地。

AI也曾經歷類似的混沌階段。過去兩年，人們習慣用一些簡單指標理解這場變化：誰擁有更多GPU，誰訓練了更大參數的模型，誰的團隊燒掉了更多Token。以至于硅谷一度流行“Token消耗量”的隱形競賽，以證明到底誰是最AI Native的公司。

但現實是，Token消耗量可以衡量投入的程度，卻無法衡量投入的方向——方向錯了，消耗本身就是一種浪費。這也是Token最容易被誤讀的地方。

5月29日晚上，36氪聯合光源資本在北京舉辦“離線聚會第二期· TokenAge”。這次我們不過多關注消耗量，更關注AI生產力帶來了什么，一個判斷、一次迭代、一場創業……當AI成為“生產力”本身，我們如何躍向未來？

我們請來了4位身處AI創業一線的嘉賓：黃一，蘿博派對RoboParty創始人，做全開源雙足人形機器人；鄭嘉熙，Eup Robotics創始人，聚焦離岸能源平臺的水下巡檢機器人；金若凡，科學機智創始人，想用Agent產品探索AI for Science的“AGI時刻”；黃欣欣，光源資本3i產業創新孵化器負責人，曾是移動互聯網時代的創業者，如今專注于從0到1挖掘和陪跑AI前沿科技創業者。

事實上，蘿博派對、Eup Robotics和科學機智，也都是光源資本參與孵化的企業。

這應該是36氪過往所有沙龍里，臺上創始人00后含量最高的一次。但年輕在這里不構成特權。今天的年輕創業者，正在被更嚴苛地審視。他們既被期待更懂AI，也被要求更快交付產品、更早證明商業化、更清楚回答自己為什么值得被下注。

與之對應的，相比宏大的替代敘事，臺下的幾十位創業者、投資人和正在各自組織里推動AI化的人，也更關心貼近現實的問題：“AI時代公司要怎么重新組織自己？”“為什么AI沒有帶來組織效率的飛升？”

工業革命以來，每一次通用技術的普及都會帶來類似追問：機器出現之后，工廠怎樣重組勞動？互聯網出現之后，企業如何重組信息？移動互聯網出現之后，平臺如何重組交易……

一個時代有一個時代的答案。而現在，不妨先從我們選取的幾個切片里，看看AI時代的創業路徑、組織迭代和自我進化。

想要獲取完整版分享內容，可以收聽文末播客音頻；更真實的碰撞，歡迎你來現場親身體驗（二維碼在文末）。

從AI出發，探索解決真實世界問題的路徑

光源資本創始人、CEO鄭烜樂曾提到過一個判斷，他認為移動互聯網通過連接萬物創造價值，AI則是生產力本身，更像“電”，當它經過軟件工程導入到各種機器人硬件后，就會形成端到端的解決方案，創造價值。

臺上三位創始人的經歷，恰好從不同方向給出了具體的注腳。當AI成為驅動這一輪創業的底層技術變革，老問題開始有了新的解法。

金若凡最早感受到這種變化，是在2022年看到ChatGPT早期版本時。“它在少樣本、零樣本的泛化任務上，怎么能做到這么好？但它為什么沒有去切到工具調用？為什么沒有那些專業的知識庫去支撐更復雜的科研過程？”她看到了AI能夠解決更多科學問題的可能性，從2022年就開始嘗試多智能體。到2025年7月，科學機智團隊做出了全球首個自進化生物醫藥多智能體，論文上線后迅速獲得大量引用，開源代碼也被同行拿去做benchmark。

效果的反饋是超預期的，她有一位做病毒研究的朋友，因為安全和保密顧慮，只用非常簡單的文字“淺淺說了一點點”。但將模糊的信息輸入后，模型不僅猜到了他在做什么，還提出了一個真實的科學假設，跑通了科學發現的閉環。“這是非常酷的一個事情。這也是為什么我今天站出來說要創業。”

這個例子真正有價值的地方在于，它喻示了一種科研范式的變革。過去，科學家要在論文、數據庫、代碼、工具軟件和實驗平臺之間來回切換，大量知識散落在人的經驗和未被結構化的數據及過程中。而金若凡想做的，是讓Agent成為入口，構建貫通“AI—工具—實驗—反饋”的統一科研環境，實現AI-Native的科研執行與協作閉環。

做機器人的黃一，選擇了一條從硬件出發的機器人AGI 之路。他可能是國內最年輕的人形機器人公司創始人，2023年考入哈工大，大一期間就在宿舍“手搓”出一臺成本不到2萬元的雙足機器人AlexBot，2025年創業。

他說做Robotics的人有個“毛病”，“特別喜歡機器人是自己親生的”。黃一在實習階段調試機器人，調著調著就想動手改，但反饋周期太長。而硬件的迭代最怕反饋慢，一慢就跟不上時代，“miss掉整個大的浪潮”。所以他放棄了大廠的邀請，大三提前畢業創辦蘿博派對。

黃一主張的全棧開源，不是簡單的代碼開放，其核心產品包括Atom系列人形機器人和Roboto開源生態平臺，主打硬件圖紙、控制代碼等全棧開源，通過降低硬件、軟件、供應鏈的開發門檻，讓更多開發者參與生態共建。

盡管這是一條頗具爭議的路線，但黃一也在現場提到，“全開源并不代表沒有商業化”。事實上蘿博派對第一代全開源產品發布后，就拿到了超過120臺訂單，“機構和大廠往往會選擇繼續復購二三十臺，而不是說基于開源自己做制造和生產。”

他將其理解為產品的“微笑曲線”，認為“設計和品牌最貴，制造環節利潤最薄。”開源的價值，不是讓所有人都能造出同一臺機器人，而是讓更多高校、開發者和科研機構以蘿博派對為入口進入生態。

鄭嘉熙同樣身處機器人創業賽道，但他所面對的是一個看起來更“重”的領域，Eup Robotics做的是離岸能源平臺水下巡檢機器人，屬于典型的To B 硬科技方向，應用場景是復雜、苛刻的真實海洋環境。

他希望用AI技術去重塑傳統方案，解決產業問題，這種技術和產品偏好某種程度上也決定了Eup Robotics的路徑選擇。“我對可能很通用的東西，其實并不是特別有興趣。反而對這種能工業落地、能夠真的穩定進入行業、產生價值的方向感到興奮。真實的海洋場景對安全作業要求極高，（過去）哪怕1%的事故率，都會造成非常難以控制的代價。”

Eup Robotics的產品聚焦IMR領域，想用更智能的水下機器人替代傳統潛水員及ROV，把被動巡檢變成主動維護，為海上風電、油氣平臺、港口碼頭等應用場景提供高性價比、自主化、可駐留的水下檢測與輕干預服務，其第一代產品正在加速研發中。

三家公司，三個年輕的創始團隊，都以AI為源點向不同方向出發，大膽創新，給行業提供新的解決方案、創造價值。

黃欣欣提到，今天的AI創業者面臨雙重挑戰：技術迭代周期急劇縮短、大廠競爭邊界徹底模糊，不再有移動互聯網時代的避風港，創業者也不能再靠信息差或模式創新存活，而在這種環境下，“大膽本身就是生存的可能性之一”。

光源資本做早期孵化，看重年輕創業者身上的大膽和闖勁兒，但也更早看到了從互聯網到AI，兩代創業浪潮中不同的范式變化，才決定在早期重注技術驅動型創業。

在這個階段，光源的核心打法分三步：一是“follow最優秀的人”，從大廠和學術圈挖掘有共識的頂尖年輕人；二是基于行業洞察主動收斂方向，在機會點出現前就鎖定對應領域的潛力團隊；三是將十年的FA與投資經驗轉化為創業常識，幫年輕創始人在戰略選擇、團隊搭建、融資節奏上少踩坑。

“所有方向判斷并非獨斷，而是通過與資本市場反復碰撞形成共識。”黃欣欣提到，這一代年輕人物欲感低、技術起點高，創業動機更純粹——“所學的東西撞上時代機遇，不干就白碰上了”，而這也正是光源敢于重注這一批00后創業者的底層信心。

AI Native的組織，到底長什么樣？

除了創業路徑的選擇，這場聚會大家最核心的問題之一，是組織形態。所謂AI Native公司，到底長什么樣？年輕的創業團隊，是否就是標準？

很多公司以為，買了AI工具、裝了Copilot、開了Agent賬號、鼓勵員工使用大模型，就算完成了AI化。但現實沒那么簡單。

一位負責硬件研發流程改革的項目經理，在現場互動環節，闡述的困境非常具體。在硬件研發流程里，模型已經能參與決策、生成方案，甚至在某些具體任務上比人更強。但組織制度、崗位價值和流程并沒有同步變化。行業核心know-how掌握在經驗豐富的老工程師手里，可這些人未必愿意接受AI；自上而下推改革，跳過了中間層，在最細的顆粒度上不斷起沖突。

他最后的追問是，“為什么單點的AI智能已經實現了十倍、百倍的提升，組織的智能卻沒有達到十倍、百倍的水平？”

金若凡認為，這是因為很多公司只有單點智能，還沒有形成組織智能。以AI制藥為例，過去已經有大量垂類模型，但帶來的價值仍然有限，“大部分情況還是以人工主導”。而科學機智想做的，是把實驗、人機交互和動態反饋連成閉環，讓每一步環節背后的判斷被系統吸收、復用和進化，才是科研組織AI Native要解決的問題。

“只有當組織能足夠理解和掌控Agent帶來的創新能力，才可能進入組織智能這個級別。那個時候你才能真正看到百倍、十倍的增長。”

從個體來說，鄭嘉熙本人的工作方式本身就是AI Native的樣本。他現在已經不再一行行寫代碼，而是用vibe coding完成整個架構和code base。把清晰的思路和判斷交給AI，讓AI以代碼形式輸出，自己上移到產品定義和技術方向層。

“對于一支只有十幾個人的團隊來說，這種產品驅動的組織方式，比任何流程設計都更重要。”在他看來，“一個組織真正有價值的地方，在于能不能調動每個人的主觀能動性。”對深海機器人來說，AI當然重要，但它不能懸浮在數字世界里。最終客戶看的不是模型多新，而是機器人能不能在海底復雜環境里穩定運行，能不能真的替代高風險作業。

黃一不太相信靠口號改造組織，更相信人才密度和資源配置。為此，他把蘿博派對拆成了兩套組織，管理方式不同。他坦言，自己參考了Anthropic的“蜂巢思維”，每個人根據自己的位置獲得邊界，不斷向外探索，最后形成一個更大的球體。

人形機器人主線更像傳統硬件組織，依靠流程、節點和IPD體系推進，每個人有明確任務和交付時間，目標是保證產品不延期。另一邊，他在北京單獨建了lab，由一位高校教授帶隊，做前沿探索。后者不設任何KPI，避免設限。

在他看來，lab的一個核心價值，是提前預判行業走向。“一篇論文從idea產生到發布，可能有六個月的時間差，如果我們能在種子階段就介入，就能提前知道行業會發生什么，反推今天產品怎么定義。”也正因此，他認為很多公司現在做出來的硬件構型已經“過時了”。

顯然，AI Native企業不是全員都用AI，而是從結構上承認，技術變化速度已經快到需要專門給“不確定性”留出組織空間。

在具體的人和組織形態之外，可能還有代際認知在底層邏輯上的差異。

黃欣欣提到，不同背景的投資人對AI的理解深度差異很大。

“從不同的認知起點出發，要讓他們果斷做出重注AI、推動組織變革的決策，確實需要一個過程。”這是光源愿意把更重的籌碼壓在年輕人身上的原因，同時也印證了“年輕”在這場活動里的真正含義——它不是傳播標簽，也不是天然優勢。年輕只意味著，他們從一開始就生活在AI已經存在的世界里，不需要先完成一次觀念遷移再升級舊組織，而是可以直接在新的生產力地面上搭房子。

AI時代，組織和個體如何持續進化？

當AI越來越像基礎設施，人的問題反而變得更鋒利。

因為AI不會平均地放大所有人的價值，也不會讓每一個崗位都變得更重要。現場的互動，來自具體崗位、具體公司、具體焦慮。在AI時代，組織和個體如何持續進化？

第一個關鍵詞是taste。

“AI for Science不是做人工智能就能進來的，它首先要對科學有taste。我們是要踩在浪尖上做沖浪的那個人，而不是追著浪跑的人。”在金若凡看來，如果沒有Science taste，加入一家AI for Science公司是為了什么？

黃一強調了兩遍“非常認同”。在他看來，research本質上也可以被歸類成taste，尤其是“一個好的研究者，重要的不只是追最新模型，而是知道什么方向值得押注，什么問題值得被問，什么論文還只是苗頭時就值得提前介入。”

在AI時代，?執行不再稀缺，判斷才稀缺?，taste是一種更難被外包的能力。模型可以生成大量方案，卻不會天然知道哪個方案值得相信；Agent可以執行任務，卻不會自動判斷任務本身是否有意義。

AI越是普及，越需要人來定義方向。

這個方向，可以是正面的進步，也可以是負面的毀滅。金若凡舉了個例子，去年年底，他們牽頭辦了全球首屆“生成式AI與生物安全”研討會，邀請了圖靈獎得主Yoshua Bengio和美國科學院院士George Church。為了搞清楚防線在哪，他們去攻擊了自己的模型，也攻擊了業內某個DNA大模型（該模型聲稱訓練時從未碰過病毒數據）。

他們給這個模型一段病毒序列的前10%，讓它逐段續寫。續寫完成后拿去比對，發現產物是HIV。他們不信，又做蛋白翻譯和結構比對，仍然是HIV。隨后如法炮制，這個“從未見過病毒”的模型又生成出了高危型HPV和傳染性極強的SARS-CoV-2，甚至把變異的演化路徑都補齊了。

在AI越來越強大的時代，清楚它能做什么、不能做什么、該在哪里劃線，既是一種稀缺的taste，也是一種責任。

第二個關鍵詞是bet，敢于下注。

黃一說自己“賭性很強，go big or go home”，面對大廠動輒數十億計的資金，創業公司必須選擇All In。鄭嘉熙的下注，務實又篤定，深海基礎設施巡檢這個方向，客戶鏈條重、驗證周期長，但傳統痛點真實存在，已然能看到技術重構后能帶來的巨大價值空間。

光源資本選擇從0到1做孵化，也是一種bet，這是一項“高風險、高不確定性、但同樣高回報”的業務，用更早期的投入換取后續的增長空間。

但敢于下注，靠的不是憑空判斷，用黃欣欣的話來說，是把自己放在資本市場共識的涌現節點上，先嗅到趨勢并迅速執行，在見每個機構、每個產業方的過程中不斷碰撞和打磨故事線，直到方向收斂——市場苗頭出現與自身判斷互相驗證，讓大膽的決定有了現實根基。

第三個關鍵詞是自我迭代、或者說自我蒸餾的能力。

現場有人問，AI時代的人才畫像到底是什么？鄭嘉熙給了一個定義：一個會用AI的人，“能讓AI把以前的自己取代掉，甚至基于自己的taste產生一個更好的自己”。

尤其是在科研場景，在AI沖擊下，研究者剩下的核心價值“就是他的想象力和他Science taste的創造力”。

工具可以替代執行，但不能替代提出問題的能力。自我蒸餾，本質上是一次主動的自我淘汰。把過去自己依賴的技能提煉、壓縮、剝離，留下那些AI無法從數據里憑空長出來的東西——對問題的嗅覺、對方向的校準、對一個假設是否值得投入的判斷。

這種能力不僅關乎個體進化，也關乎組織。蘿博派對想要營造的那個高濃度的自由探索空間，本身就是一種組織級的自我迭代——允許噪音存在，允許短期看不到產出，因為這些“不經濟”的嘗試往往是下一個突破的種子。

繼續出發，留下一個信號

分享的最后一個環節，我們讓每位嘉賓給自己定一個年度的目標，希望明年今日，還能聚在一起回望。

金若凡希望能把公司估值翻100倍。

“一年前我們已經做到了閉環驗證，就在上周，Nature頂刊連續發表了三篇相關報道，全球Top 10藥企都在進入AI Scientist方向。”

鄭嘉熙希望第一款水下機器人產品盡快推出，團隊快速scale up。

“再往后兩三年，希望自己的機器人能部署到各個能源平臺上，看到這些機器在不斷工作運行，保護我們整個能源結構”。

黃一希望蘿博派對今年能新增1000個真實開發者。

“這是我給團隊定的OKR。而就自己而言，希望具身模型能跑到5B、10B的小規模參數，甚至幻想今年能替代9萬個快遞分揀工人。”

黃欣欣希望光源資本3i產業創新孵化器今年能再幫助10位年輕創業者把創業做成功。

“在這個過程中，互相篤定方向的正確，人的正確，以及始終能夠從陪伴的角度去幫助他們解決實際的問題。”

在這個沒有PPT的晚上，“TokenAge”最終沒有停留在Token上。從創業路徑、組織迭代到自我進化，它更像一次AI時代價值尺度的重新校準。而在真誠溝通面前，三個小時也并不顯得漫長。

完整版分享內容，歡迎掃碼收聽音頻播客：

離線聚會還會繼續，我們希望，更多的交流和有價值的溝通在臺下發聲，在現場發生。

下一期離線聚會，歡迎加入。