从AI四小龙到K3震撼硅谷：中国两代AI人才的十年迁徙与信仰重构
信仰的接力：从“四小龙”到“六小虎”的十年变迁
中国人工智能产业在过去十年间，经历了两次显著的浪潮更替。上一轮是以计算机视觉（CV）为主导的“AI四小龙”时代，以商汤、旷视、依图、云从为代表；这一轮则是以大语言模型（LLM）和通用人工智能（AGI）为核心的新势力，如智谱、月之暗面、MiniMax和DeepSeek。这两代企业之间并非割裂，而是存在深刻的人才、资本与技术传承。
这种传承不仅体现在技术栈的演进上，更体现在创业者的精神内核中。从早期对技术的纯粹好奇，到如今对AGI的坚定信仰，一代代AI从业者在这个充满不确定性的领域中寻找答案。投资人与创业者的互动，见证了中国AI从“技术探索”到“工业落地”，再到“全球领跑”的全过程。
月之暗面的诞生：在低信噪比中寻找信号
2022年，ChatGPT的发布被视为AGI萌芽的标志。对于投资人而言，关键在于识别谁真正相信AGI，并具备实现它的技术信仰。月之暗面（Moonshot）的创始人杨植麟（KK）正是在这一背景下被重点关注。在ChatGPT发布前，杨植麟已在Transformer架构的规模化研究上深耕多年，从Google实习期间的Transformer-XL，到清华实验室期间的GLM，始终聚焦于Decoder-Only路线。
投资月之暗面并非易事。由于资本市场在早期存在极高的“信噪比”，信任建立极为缓慢。投资人通过多次拜访、向联合创始人推荐前同事等方式，逐步构建信任网络。2023年初，月之暗面A1轮融资时，其估值低于市场同类公司，这为早期投资人提供了窗口期。美团龙珠在内部激烈讨论后，基于对“超级模型+超级应用”可能性的信念，选择了领投。
困境与突破：算力匮乏下的“中国式”创新
中国大模型公司在发展初期面临严峻的资源约束。与北美厂商拥有数万卡集群不同，国内算力资源极度匮乏。这种匮乏迫使中国团队在模型训练、推理优化上投入更多精力，反而催生出一些北美厂商未重点优化的技术路径，如高效的长上下文处理和低成本推理优化。
2024年，月之暗面面临DAU增长与商业化压力的双重挑战。为了向资源方证明自身能力，团队不得不进行广告投放和市场教育。然而，随着2025年R1模型的发布，尤其是开源精神的展现，市场风向发生变化。资源方开始意识到，硬核的技术能力才是长期价值的核心，而非短期的流量喧嚣。
技术范式转移：从存量数据到强化学习
2025年被视为AI技术范式转移的关键年份。随着o1等模型的发布，行业重心从预训练数据的规模扩展，转向强化学习（RL）和测试时计算扩展（Test-Time Scaling）。这一转变使得“品味”（Taste）——即对任务定义、问题评估的多元化能力——变得至关重要。
在这一阶段，模型不再仅仅是存量数据的容器，而是能够通过人类反馈和审美偏好不断进化的智能体。这种变化为资源有限的中国模型公司提供了弯道超车的机会，因为“品味”和“反馈”的构建并不完全依赖算力，而更多依赖于对任务的深刻理解和数据工程的能力。
人才迁徙：理想主义者的传承与重组
中国AI人才的流动呈现出明显的代际传承特征。早期“四小龙”的中坚力量，如经历AI 1.0周期洗礼的工程师和研究员，大量涌入新一代大模型公司。他们带来了丰富的工程经验和对周期的深刻理解，能够摒弃短期噪音，专注于长期技术目标的实现。
这种传承并非简单的职位复制，而是精神内核的延续。从微软亚洲研究院（MSRA）到百度研究院，再到“四小龙”和大模型初创公司，一批批聪明、纯粹、对技术充满好奇的年轻人被聚集在一起。他们在一个相对宽松、鼓励探索的环境中，通过“踩坑”和“自我迭代”构建能力。这种文化使得中国AI公司在面对未知领域时，具备极强的韧性和创新能力。
商业博弈：模型商品化与超级应用的未来
尽管模型能力至关重要，但“卖模型能力”本身并不是一门高利润的生意。随着技术发展，模型API将不可避免地被商品化（Commoditize）。真正的价值在于构建一个能够持续产生新智能的“超级应用”环境。
在这个环境中，用户与AI的互动产生高质量反馈，进一步优化模型，形成飞轮效应。字节跳动通过内容生态闭环，阿里提供基础设施支持，腾讯依托微信场景，都在不同维度探索这一路径。月之暗面等初创公司则试图在垂直场景或特定交互方式上建立壁垒。
结语：普惠智能与下一个阶段
随着AI技术的成熟，如何让智能普惠化，消除“一等公民”与“二等公民”的体验差异，成为下一阶段的关键。简单的“套壳”产品已无法满足用户需求，下一代应用需要更深入地理解人类交互，重建沟通的场域。
中国AI产业在经历了从追随到并跑，再到局部领跑的过程后，正站在一个新的起点。无论是杨植麟的“LTV”愿景，还是DeepSeek的极致效率，亦或是智谱的开源探索，都在共同描绘AGI的轮廓。未来，谁能更好地平衡技术信仰与商业现实，谁就能在这场智力基建的圈地运动中占据一席之地。