北京
出品 | 网易科技
编辑 | 路永丽 杨霞清
当00后站上AI创业舞台，他们拿到的剧本是“Day One就在聚光灯下”。
在“2026网易未来大会”上，作为大会亮点之一，当前炙手可热的三位天才少年围绕《00后创业者，AI时代小天才的崛起与挑战》进行了播客对话。
三位嘉宾出生于2000年后，分别聚焦具身智能、多模态数据与端侧AI。
陈源培，灵初智能联合创始人兼CTO。灵初智能成立2年多，估值飙升到100亿，陈源培曾到斯坦福大学访学，所在组由AI教母李飞飞教授领衔。
秦深涛，OriginFlow创始人兼CEO，2025年，秦深涛创立OriginFlow（渊澈太初），公司在正式运营仅5个月内，便接连完成天使轮、战略轮、Pre-A1轮融资，累计融资额超5亿元。
王冠博，万格智元创始人兼CEO，清华大学计算机系博士，曾主导面向阿里、美团等头部企业的端侧模型落地，服务超2亿人群。
这场播客对话由资深投资人、英诺科创基金合伙人王晟主持，三位嘉宾谈技术判断，也谈最不“天才”的课：研发与商业化的Mindset冲突、50到150人的组织“死亡谷”、至暗时刻如何理解“人”并学会Peace、从红酒喝到白酒签下第一单。王晟用“老登讲管理，中登讲领导力，小登讲共同价值观”概括三代管理逻辑。
陈源培直言具身智能落地最大的瓶颈不是算法，而是算法工程化，“目标是不再依赖算法工程师去现场，而是派FAE甚至没接触过的人也能部署”，他同时判断，“10年以内，如果真的能讲商业化，一定是大脑和硬件绑定在一起的”。
秦深涛认为创业公司真正的“死亡谷”在50到150人之间，“技术可以Scaling Up（规模化扩展），但组织如何像齿轮一样精密咬合、如何理解‘人’这个变量，才是真正的大考”，并强调OriginFlow坚持Quality、Diversity、Economic Efficiency，核心是算清“增益除以成本是否大于1”。
王冠博则强调端侧AI的关键在于异构资源调度，“用户永远不care是端侧还是云端，只care成本和性能”，其方案可用4G内存推理35B模型、10G内存推理80B模型，“全激活，但只需十分之一内存”。
从创业动机、组织管理，到具身智能、数据基座、端侧AI等业务判断，这场对话没有鸡汤，只有新一代技术创业者从“技术天才”向“创业者”转型的真实心路。
他们也坦言，光环之下，年轻是机会，但真正的分水岭仍是技术、时代窗口与落地价值。
以下是“2026网易未来大会”播客LIVE环节《00后创业者上场》的实录，经网易科技不改原意的编辑。
Day One即聚光灯下：00后创业者的时代窗口
王晟（主持人）：我是英诺科创基金合伙人、北京前沿国际人工智能研究院理事长。接下来请三位天才少年每人用1分钟，介绍一下自己和自己的创业企业。
陈源培：我是灵初智能联合创始人陈源培，在公司主要负责算法，以及落地和数据相关工作。我以前在北大做研究，后来去Stanford（斯坦福大学） 访问了一段时间，在李飞飞教授的组里。回国后本来打算再去美国读博，但后面直接决定创业，联合创建了灵初智能。灵初是一家专注做具身灵巧操作的公司，我们定位自己是“小全栈”：硬件做到设计层，覆盖整机、数据采集设备，再到模型、数据平台和仿真平台等等。
秦深涛：我是OriginFlow的创始人。OriginFlow是一家专注于提供可扩展高质量数据的公司。不同于之前的数据公司，OriginFlow主要期望构建一种大规模、无感、非侵入的方式来采集人类多模态数据，并通过自研的全模态数据基座模型重建真实的物理标签，同时通过全链路评估来提供真实有效的数据链路。
王冠博：我是万格智元的创始人，也是清华大学计算机系的博士。我们创业的公司是“万格智元”，取意“万物格智，启迪开元”含义。我们主要聚焦在端侧AI，希望为下一代端侧打造新一代Token的网络基础设施，让所有人能够用得上、用得起AI，从而实现算力的普惠。
王晟（主持人）：作为00后创业者，你们都很年轻。为什么如今有这么多“小天才”早早创业？是社会市场对年轻人更友好，是个性化选择，还是清北圈层现象？请谈谈各自的创业动机。
陈源培：我在2024年年中启动创业时，当时还没有“小天才”的说法，更常见的是老师创业。我对创业本身了解不多，唯一的理由是具身智能。从2022年做到现在，感觉已经到了必须Scaling Up的阶段。学术界做不了这件事，必须到工业界。我的动机很简单，就是想做更大的事情、做影响更多人的产品。
王晟（主持人）：也就是说时不我待，学术界做不了就选择创业加入产业界？
陈源培：当时是这样想的。现在涌现出很多“小天才”创业，本质原因是大家认为硬科技领域真正的技术突破更重要。技术往往来源于学术界的研究，跟年龄关系不大，只是学术界更适合前沿研发，所以大家更青睐现在所说的“小天才”。
秦深涛：2025年上半年在IDG做EIR（入驻企业家），当时我是第一个00后。 今天上午我恰好见了熊晓鸽（IDG资本创始董事长）。他告诉我，其实有很多90后EIR，比如B站、拓竹、影石的创始人也是在我们这个年纪开始创业的，但可能10年后才被广泛关注；而00后创业Day One就在聚光灯下。因为AGI，因为有OpenAI、Sora等，让外界第一次看到技术变革可以直接掀翻传统产业的桌子，技术杠杆的价值被重新估量，也把新机遇放到了前所未有的高度。我们不必像上一代那样先沉淀五年以上再逐渐进入大众视野，但我相信每一代都有在我们这个年纪选择起航的年轻人。
王冠博：这波AI创业不同于过去的模式创新和资源创新，更多是技术驱动导向，对效率和效果的要求更高，也更利于年轻人。虽然很多人会被叫作“小天才”，但我个人认为，这只是因为大模型的诞生——毕竟它2023年才出来，大部分人也是从2023年才开始读硕、读博，甚至读本科。在这个过程中，他们的技术得以沉淀，产品得到市场认可，从而慢慢衍生出一条路：创业会变成一种新职业，让我们这帮00后心怀梦想的一代人选择创业来实现自己的价值。不管是90后还是未来的2010后，这个年纪心里都有一团火。关键是找到合理路径让它绽放。
王晟（主持人）：当前市场、社会以及新一代AI的投资方向与范式，都比较适合年轻人。不需要强资源变现，也不需要复杂的商业经验去设计模型。只要有知识、有技术，既能实现个人理想，也能在工业界成长。像秦深涛这样有IDG EIR背景的创业者，成功率很高。学术能力本身就是生产力，不比市场上的“中登”“老登”差。
穿越管理关：组织、人性与第一单
王晟（主持人）：你们创业才1-2年，没进过企业，也没太多复杂管理经验。过去一两年，在领导力、组织管理上遇到什么挑战？引入大厂高管或更优秀的科学家时，怎么管理？有什么经验与心得可以分享？
第一关：研发与商业化的Mindset冲突
陈源培：管理上确实是“干中学”。AI的时代，我个人最深的心得是：传统做产品、搞商业化的人和真正做技术研发的人Mindset（思维模式）差别很大。做研发的追求最前沿的模型，要把某项技术实现；做落地的想的是“我就是要商业化”，在一个Deadline内把产品落地，或做到某个具体指标。他们的想法天生不同，目标也很难真正对齐。
怎么解决？我觉得Anthropic处理得最好，核心就是企业价值观一致：大家具体目标不同，但都为公司好、为最后那个宏大目标而努力，只是过程中每个人有自己需要做到的东西。这样就可以把有大厂经验的人，和我们这些做研究的博士生、做落地的人，把价值观统合到一起。这非常重要。
王晟（主持人）：过去“老登”们讲管理，觉得底下都是我的兵，我怎么把他们分配好、把活干好；“中登”们讲领导力，想着怎么靠英雄主义带领大家冲；而你们“小登”现在讲共同价值观——谁也不做谁的领导，靠共同的目标和思想。这挺有意思。
第二关：50到150人的死亡谷
秦深涛：这里面有一个转折点。50人以下时，大家靠共同目标自然运转，不需要明确的OKR/KPI，有点像突击队式的作战，战斗力很强。
真正存在“死亡谷”或“鸿沟”的地方，可能在50到150人之间。我恰好在运营第5个月至今的过程中经历了这个阶段。做数据如果希望把Quality放得足够高，就不可避免要从前端硬件做到全栈，中间每个节点都要对齐，像齿轮一样精密咬合。
链路变长后，一个全新问题就出现了：新产业分工不明确，中游必须理解前后段，不能有黑盒，不同背景的人彼此理解很难，熵增不可避免。最后拼的是人才密度和组织文化。
这不可避免地要求Founder必须深入一线，清楚硬件、数据、模型每个板块的具体需求。讨论目标时，还要把实现目标的路径讲清楚：每个环节是否成立，上中下游能否精密咬合。单个环节做对了，还要让整条链路真正跑通。
这是第一步，通过一次从开环到闭环的咬合来完成人才布局，确保每一个齿轮下都有匹配的人才。
第二个点是组织文化。在企业规模化过程中，这其实是一个典型的去个人主义过程。在50人以下时，因为从0到1，任何领域都容易出现个人英雄；
但到了50到150人的阶段，组织运营本身变得至关重要，所以这里多出了另一个关键词：组织文化。简单来说，每个人作为一个关键点，既要有自己的边界，把该处理的问题处理好；同时又需要具备一定的Ownership（主人翁意识），能够主动向上游和下游延伸，以实现很好的咬合。
王晟（主持人）：这像把组织变成自进化。
秦深涛：对，本质是不断“去噪”（denoise），不断地 denoise。
王冠博：我觉得“自进化”这个词很好。在管理上，我的观点是：一号位要像架构师，把架构设计清楚，让每个部门都像自己的 OPC（一人公司），你是大 OPC的 owner，小组是小 OPC，形成自驱和自我迭代。
王晟（主持人）：这有点像稻盛和夫说的阿米巴，你这是OPC自进化、AI化的阿米巴。
第三关：至暗时刻：理解“人”，学会Peace
王晟（主持人）：刚才秦深涛提到企业处于快速墒增的过程，5个月就增到150人以上，那怎么完成“墒减”？创业一两年，有没有至暗时刻、恐惧或自我怀疑？有没有过去没做过、没想到会做的事？从深涛开始。
秦深涛：创业最原始的动力，源于你对这件事本身有足够的信心、看得够清；而最大的挑战其实大部分来自人。因为都是工科生，在整个预测过程中如果丢掉了一个变量，变成部分可观时，预测就会不准。对我个人来讲，有一段时间丢掉的那个变量就是“人”，没有去model human。
熵减过程中会有冲突和碰撞，这里面我觉得关键要切割：作为涉世未深的人是一回事，作为成熟CEO，要做正确的事并把事做对。在这个过程中，对自己要进行彻底的“去噪”（ denoise）。目标终局定了，中间很多旁枝要主动修剪，对一些项目说不，对一些提案说不。
王晟（主持人）：听起来经历了很多，不过这的确也是创业必经的自我挑战。
王冠博：其实就像很多人会问的那个问题：你过去有没有最难的时候？但我自己常想这个问题，如果你持续希望把工作做成，就必须具备前瞻性。未来的大困难绝非瞬间而至，而是由若干个小困难或小失误（Miss）累积而成的。所以关键在于频繁解决这些小问题，防止它们滚雪球般变成大麻烦。
第二点，会不会失去信心？其实我认为，创业需要一个很重要的特质是Peace。你要平和地接受任何事情，在这个过程中学会抗压。永远要相信希望在明天。当下再难，也要告诉自己：睡一觉，保持好精力，第二天就能解决。
王晟（主持人）：你们这么年轻，却强调用Peace而不是Passion解决问题，也许这就是向企业家这个角色迈进了一步。
第四关：从红酒喝到白酒，签下第一单
王晟（主持人）：源培，你之前说做了企业之后学会了陪老板们喝酒，愿不愿意讲讲？
陈源培：可以。我以前很不擅长，一直做研发，创业后最头疼跟上市公司的老板、董事长一起吃饭喝酒。物流行业的第一个客户就是在饭局上认识的，从晚上6点喝到12点，红酒喝到白酒，再喝回红酒，聊得挺开心，后来约了看现场，把第一单签了回来。
王晟（主持人）：看来喝酒还是管用的，不光是技术管用。
物理AI落地： 端侧、数据与具身智能的解法
王晟（主持人）：冠博，万格智元做端侧推理模型，想打造基础设施。但一说到端侧推理，大家首先想到刘知远老师的面壁智能。你们跟面壁到底有什么不一样？
万格智元：做端侧AI的Windows/Mac OS
王冠博：面壁是一家做端侧模型的公司。端侧是一个很大的领域，可以拿过去的互联网时代类比：买电脑，联想是生产硬件的组装厂，负责销售渠道，在边缘设备中占一环；Windows是做边缘设备系统的，在软件侧占一环；
面壁做端侧模型，类似于过去电脑上的联想，更像硬件载体；我们更像端侧的 Windows/Mac OS，让模型在端侧芯片上以最高效率、最低成本推理。
为什么要做这件事，以及它为何必要？就像现在的长鑫存储，大家知道非常火爆，股价也很高，核心原因在于内存与模型的高结合度及高价值。但在端侧，这是一个价格敏感型。如何能以较低的存储成本，让模型推理得更大、更快，同时功耗更低，持续变成一个端侧的 Token工厂，这个是我们要解决的问题。
我们现在可以用4G内存推理35B模型，10G内存推理80B 模型。
王晟（主持人）：不是MOE只激活部分参数，而是全激活，但只需要用十分之一的内存？
王冠博：对，让过去跑不起来、塞不下的模型能跑得动、塞得下。
王晟（主持人）：我理解你们采用异构或混合方式，把GPU、CPU、DRAM、SSD等混合异构起来，来解决这个问题。
王冠博：是的。
OriginFlow：物理数据的Interface Scaling，先算经济账
王晟（主持人）：深涛，我对OriginFlow的印象还停留在你做EMG肌电，但听说已经有很大变化。经过一年，你们现在到底是一个什么样的公司？
秦深涛：我们对数据有了更深理解，Day One就提过数据三要素：Quality、Diversity、Economic Efficiency。最近重点是经济效率，在Scale Up过程中，如何把经济效率拉到最高，这本质上要摊销整个链路的成本：从场景侧做Capture，到落盘后做Elements，最后由终端模型商做Learning。
在数据前置环节，即Capture和Elements阶段，过去成本普遍是1:1。因为以往很多数据范式会干扰人们正常工作和生活，导致Capture成本较高。而我们希望Capture成本为零，也就是完全不影响人们生活，能获取哪些信息。这引导我们走向未来可能是轻量化眼镜、轻量化腕表。我们尽量不改变人的正常工作和生活，让数据在真实场景中自然产生，从而保留更多真实、多样的信息。
中间落盘后的Learning环节，相当于把困难都交给Model，一个Data Foundation Model。此前大家对我们的印象更多源于引入了一种新模态叫sEMG（表面肌电信号），即人在肌肉发力过程中会有电信号溢出体表。这种信号在硬件成本和存储成本上的增加都不高。最近我们将它与视频、音频、惯导等模态融合，构建多模态基座模型。这种融合以很低成本带来显著增益：针对原有遮挡和出框情况提供有效补充；同时重建了以往物理模态中缺失的接触、力学甚至肌腱等过程信息。这是非常核心的变化。
另一个突出点是Quality。为了完善Data Foundation Model，我们建立了一套真值系统。随后发现，当真值水平提升后，初始误差大幅降低；相比Meta公开开源数据集，斜率更加陡峭。这是一个非常有意思的发现：作为数据加工的模型本身，也需要Golden Data，而且效果越强越好。以至于我们现在完全不去追求数量，而是专注于把质量做到极致。
王晟（主持人）：我听下来有几个变化：第一，你们坚持做Bare Hand（裸手采集）或Bare Human（无感采集）这种完全无侵入、无感、更自然、更多样化的数据采集；第二，你们引入很多模态进行交叉验证和对齐，使数据质量变得非常高。可以这么理解吧？
秦深涛：对。
灵初智能：具身落地，卡点不是算法，是算法工程化
王晟（主持人）：这个问题给源培。最近具身智能领域有很多争议，围绕无法落地、虚假收入等等。但我了解到，你们在落地方面还是蛮有成果的，能讲讲吗？
陈源培：具身短期内能落地的基本是半结构化产业，像工厂和物流。我们已有数台机器人在实际作业现场完成了POC（概念验证）。下一步预计明年年初左右小批量放量，比如放到50台。
在这个过程中，最大的问题不是算法，以现在的算法能力，这些场景已经能够落地。更难的是算法工程化：硬件一致性、现场部署功能化，目标是不再依赖算法工程师，派 FAE（现场应用工程师）甚至没接触过的人也能部署。
王晟（主持人）：你们是全栈，也做World Model（世界模型）和具身大脑。这部分对规模化落地起什么作用？
陈源培：这其实是我一直在思考的：这波具身智能跟以前传统非标自动化机器人到底有什么区别？本质上，非标自动化到现在不赚钱的很大原因，是它要配合场景改造。每个项目单独设计硬件，工程师甚至要去驻场调试几个月。
具身智能的基模本质上就是为了解决这件事。仅能解决现在一些很简单的产品是不够的，我们未来一定要做到非常强的泛化能力。比如，新场景可能1周部署、采数据、微调就能搞定。这波公司拉开差距，就看模型和数据。
王晟（主持人）：因为你们做全栈，往规模化走量、落场景，其实是靠本体的一致性、供应链等等；而往泛化是靠具身大脑或World Model。这是不是说你相信这类企业想做好，就得本体加大脑一起做？
陈源培：一定。起码我目前看下来，10年以内如果真的能讲商业化，一定是大脑和硬件绑定在一起的。
World Model与端侧异构：数据与算力的成本账
王晟（主持人）：今年World Model（世界模型）非常热。World Model涉及非常多数据问题，很多新公司都在讲提表征，尤其是提物理表征，深涛你们做数据怎么看？
秦深涛：最近GPT-6的Deliver让我们发现，文字数据堆得足够多时，语义能力已经拉满；当各种视频数据也堆到足够量级时，你对2D、3D几何的理解也会变得非常强。
具身智能作为一个基模，而不是垂域模型，最大的区别就在于：与文字、图像相比，物理世界相关的多种模态数据，还缺少系统性的规模化积累。
这带来了我们整个思考：现在人们把大量精力Focus在Model上，而忽略了前面的两个Phase（阶段）。
首先，是如何建立能够大规模产生数据的入口。为什么文、图、音频、视频这些模型能够这么快崛起？因为2000年前后互联网、10年前后移动互联网那两波，出现了所谓的Interface。我们将Interface定义为：能够让数十亿人使用并生产数据的东西。下一代的Interface是什么？它应该回答Physical这个模态如何来提供。这也是为什么OriginFlow要自研硬件。未来它不是一个花钱出彩的运营工具，而是有一天能够像现在的PC、Phone一样进入千家万户的Interface，这是Physical AGI实现的一个大前提。
第二个部分关于Data。在Data Scaling过程中，当物理模态开始注入时，Day One它的量非常小，文图模态的量非常大，前期几乎完全被淹没掉。在Learning过程中，注入一个物理模态必然会带来新增信息和上下文，这一定会有额外价值；但把它用好的过程会带来Learning成本。那你带来的增益除以成本是不是大于1？这是一笔经济账。对于所有物理模型公司，最终都要回答这个问题：必须把成功率提升到用户场景方愿意买单的程度。
我们尝试做了一些Tokenizer（分词器）注入工作。因为Day One时我们的模态不多，所以只做了一些小模型验证。但我们观察到，接触相关Token以及扭矩相关Token的注入，能对Skeleton Motion的Attention矩阵起到很大作用；同时Force Token相关的Attention也非常显著。这是一个非常可喜的进展，并且成功率在真机Benchmark上会大幅提高。
王晟（主持人）：你们虽然是一家数据公司，但对World Model这些物理表征也做了很多实践和验证。这应该会坚定你们继续扩充数据管线，把这些物理模态数据提供给模型公司。
秦深涛：对，我们会研究如何在注入过程中降本。
王晟（主持人）：这个问题问冠博。你们做异构方案，让C端以很低成本在端侧用上媲美云端的能力。两个问题：过去用户下载电影到本地，现在更多在视频网站上看。大家放弃了端侧，改用云侧，从这个角度看，端侧算力是否有长期持续的价值？另外，如果未来端侧算力足够强大，我们是否就不再需要这么复杂的异构方案？
王冠博：首先回答第一个：用户永远不care是端侧还是云端，用户只care成本和性能。但云端是按量计费模式，包括OpenAI，它其实将近50%的支出还是在不停换机和维修。因为在GPU高功耗情况下，硬件迭代很快，所以对于成本这个问题，零和便宜其实是两回事。对于端侧而言，它最终可以像Wi-Fi一样，实现无线连接下的免费使用。
第二个问题：未来如果端侧芯片足够强大，是否还需要异构方案？我认为这是必然的。因为异构的本质是资源的有效利用。以手机为例，空间有限，算力再强也有上限。如何让这个上限媲美云端？最终就需要让所有资源充分利用起来。假如未来端侧算力再提升一个数量级，现在可能是云端能力的80%，未来就能完全等价于云端，相当于把云端模型完全部署在本地，实现双向奔赴。
创业不是跟风： 先深思熟虑，再坚定All in
王晟（主持人）：感谢三位。各位不光年轻，而且确实在自己的领域里面非常有洞见，能力非常强。最后请作为00后创业者代表，给师弟师妹或其他年轻创业者一两句建议。
陈源培：在现在的AI时代，之前做什么、学什么其实都不重要。最重要的是人要足够聪明，要有跳脱出当下所做之事的能力；但同时又不要过于聪明，因为聪明会催生Ego。还是要沉下心来做一些事情，而不是一直寻找所谓最利于自己的做法。
秦深涛：我之前一直在尝试做创新，但真正创业以后，发现创新和创业的差别很大。
所以我有一个非常发自内心的建议：创业过程中会有非常多的噪声，对于我们创业者来讲，需要有坚定的意念和信心。
如果无论任何人劝你，你都铁了心要创业，甚至认为这是你生命唯一重要的事情，那就做。
王冠博：我简单总结一下，一定要先深思熟虑，但之后要坚定All in。
王晟（主持人）：非常好。感谢三位优秀的00后创业者，预祝你们能够不断成长、突破自己，最终取得成功。本期播客到这里，后续可关注网易科技视频号播出的完整版。谢谢大家。
