印奇再次出發(fā)：一個理想主義者的技術冒險

2025 年的人工智能世界以 DeepSeek 的橫空出世開始，以 Grok 4.1 和 Gemini 3 的輪番亮相結(jié)束，經(jīng)過一整年的狂轟濫炸，AI 成為各行各業(yè)轉(zhuǎn)型升級的原動力。

機器人排隊進場，大模型公司批量上市，高科技公司的資本開支持續(xù)刷新著資本市場的想象力，人工智能正在系統(tǒng)性從炫技轉(zhuǎn)向落地，商業(yè)化的命題前所未有的迫近。

按照 Crunchbase 統(tǒng)計，去年全球基礎模型公司融資金額高達 800 億美元，是 2024 年的 2.5 倍。這個數(shù)字占 AI 領域整體融資額的 40%，一枝獨秀。

中國市場情況基本一致，少了些股價跟著資本開支漲的癲狂，多了些錯失未來門票的焦慮。繼智譜和 MiniMax 先后登陸二級市場，階躍星辰完成超 50 億元人民幣 B+輪融資，一舉刷新過去 12 個月中國大模型賽道單筆最高融資紀錄。

資本市場的動作是產(chǎn)業(yè)界技術投資的先行指標，人工智能產(chǎn)業(yè)化的下半場信號日趨鮮明。當 AI 落地的趨勢越發(fā)明確，大模型的混戰(zhàn)告一段落，分野逐步形成，也意味著新的階段正在開啟。

誰先拿到物理世界的主導權(quán)，誰就有機會坐上最后的牌桌。

一個AI技術派的15年

階躍星辰融資新聞的同一天，董事長印奇走馬上任。這是一個耐人尋味的組合，前者是一家年輕的大模型公司，后者雖然年紀不大，但卻是在 AI 和硬件上摸爬滾打 15 年的創(chuàng)業(yè)者。

印奇出身清華姚班，在本科時就接觸了當時非常前沿的深度學習領域，并從2011年創(chuàng)辦曠視科技，完整參與了深度學習在中國產(chǎn)業(yè)化落地的全過程。

今天的人工智能革命可以追溯到2012年，AlexNet在ImageNet圖像識別大賽上奪冠，深度學習產(chǎn)業(yè)化空間被打開，催生了第一波人工智能創(chuàng)業(yè)潮。

但和當時批量誕生的大多數(shù)創(chuàng)業(yè)公司一樣，盡管印奇手握國內(nèi)最好的算法和計算機視覺人才，走過了行業(yè)所有軟硬件系統(tǒng)的該走的路。也遇到了和大家類似的問題：技術底子深厚，但缺乏足夠的商業(yè)化場景。

回看深度學習的崢嶸歲月，印奇最大的啟示是“商業(yè)閉環(huán)”：頂尖的學術能力未必能對齊工程系統(tǒng)與商業(yè)化水平，AI+終端的思路沒有問題，但需要一個健康的商業(yè)閉環(huán)與之匹配。

基于這個背景，2024年11月，印奇加入千里科技擔任董事長，帶著 1.0 創(chuàng)業(yè)時期積累下來的技術和經(jīng)驗，投身第二次創(chuàng)業(yè)，讓這位“天才少年”再次走進大眾視野。

千里科技脫胎于力帆科技，曾是中國首家在A股上市的民營乘用車企業(yè)，具備深厚的制造業(yè)基礎。印奇掌舵后，千里科技開啟轉(zhuǎn)型，結(jié)合自身制造業(yè)背景和印奇的技術經(jīng)驗，確立了“AI+車”戰(zhàn)略。

短短一年內(nèi)，千里科技完成了在智能輔助駕駛、智能座艙、Robotaxi 等多個領域的業(yè)務布局。

階躍星辰成立于2023年，是目前國內(nèi)少數(shù)還在投身基礎大模型研發(fā)的頭部公司之一，其多模態(tài)模型多次在 LMSYS、OpenCompass 等權(quán)威榜單中位列中國多模態(tài)大模型第?，產(chǎn)業(yè)界當下聚焦的多模推理，也是階躍的傳統(tǒng)優(yōu)勢項目。

而在商業(yè)化層面，階躍的模型覆蓋了 OPPO、榮耀、中興等國內(nèi)品牌的 4200 萬臺手機，日均服務近 2000 萬人次。在汽車、具身機器人、IoT 領域，也都有頭部的合作方，是業(yè)界較為特別的終端 B2C 商業(yè)模式。

千里科技&階躍星辰董事長印奇

印奇官宣董事長之前，階躍已經(jīng)是千里科技最重要的戰(zhàn)略合作伙伴之一。

在智能輔助駕駛領域，千里科技基于階躍星辰的多模態(tài)大模型底座和強化學習范式，打造了全新的 RLM 智駕大模型；在智能座艙領域，兩家公司也曾深度合作，推出過面向 AI Agent 原生打造的下一代智能座艙 Agent OS。

2025 年，千里科技、階躍星辰、吉利共同發(fā)布下一代智能座艙 Agent OS

印奇再度履新并非單純的人事任命，而是幾家公司“軟硬一體”的資源大整合。

如果把階躍星辰和千里科技視為一個完整的體系，兩者的定位其實非常清晰：

階躍星辰的長板是“模型”，即基礎大模型的研發(fā)能力，類似馬斯克創(chuàng)辦的x.AI；千里科技更擅長“系統(tǒng)”，依托自身的軟硬結(jié)合和工程化能力提供解決方案。從基礎大模型技術到系統(tǒng)解決方案，兩家公司的互補性極強。

除了少數(shù)財大氣粗的高科技公司，大部分大模型公司往往受限于場景和數(shù)據(jù)，終端廠商又缺乏訓練大模型的能力。谷歌與蘋果的合作常被視為蘋果投資 AI 不利的例證，但另一方面，谷歌也需要硬件終端作為 AI 能力具體的載體。

原因并不復雜，無論是模型開發(fā)還是終端設備研發(fā)都需要大規(guī)模的投資，這種情況下，產(chǎn)業(yè)鏈的分工與協(xié)作就會成為必然。汽車工業(yè)的水平分工，半導體產(chǎn)業(yè)設計與制造的分離，蓋因如此。

具體到人工智能領域，不同環(huán)節(jié)的協(xié)作配合更加重要。最典型的是智駕場景，終端缺少軟件算法能力，需要供應商協(xié)助，但供應商大多接觸不到核心數(shù)據(jù)，只能負責事后打補丁。有所保留的合作，留下的往往是隱患。

印奇同時掌舵階躍星辰和千里科技，顯然是為了確保整體戰(zhàn)略的統(tǒng)一和決策的效率，保證技術研發(fā)和產(chǎn)品需求高度對齊，形成單一模型公司或者終端廠商無法實現(xiàn)的系統(tǒng)級壁壘。

讓 AI 進入物理世界，成為“階躍+千里”的先行指標，這一次，印奇一開始就明確“AI+終端”的商業(yè)模式。

這件事情在十年前做不了，五年前難度極大，但當下反倒是最好的時機。

物理 AI 呼嘯而來

去年 3 月，黃仁勛在英偉達 GTC 大會上拋出核武器：生成式 AI 成為過去，未來是屬于代理 AI（Agentic AI）和物理 AI（Physical AI）的時代。不到一年時間，今年作為 CES 頂流的黃仁勛又把 Agent 拋在了腦后，大有一副“All in 物理 AI”的姿態(tài)。

物理 AI 的核心在于“AI 與物理世界融合”，即 AI 賦予機器在真實世界中感知、推理和執(zhí)行的能力。其中的關鍵在于，AI 需要理解真實世界的物理法則，以此為基礎完成技術實現(xiàn)。

換句話說，AI 必須理解并作用于物理世界，智能終端是過程中的關鍵載體。智能輔助駕駛是是一個典型的物理AI場景，也是產(chǎn)業(yè)化起步最早、空間最大的細分領域。

當下如火如荼的人形機器人也是同樣的道理。傳統(tǒng)機器人依賴預設的程序、固定的規(guī)則執(zhí)行任務，沒有多模態(tài)“大腦”，無法應對復雜多變的環(huán)境。“具身智能”的內(nèi)涵是算法可以依靠對物理規(guī)則的理解，適應未知環(huán)境、進行常識推理，執(zhí)行復雜任務。

黃仁勛的演講固然有屁股決定腦袋的因素，但 AI 向物理世界滲透的確是當下趨勢，AI 和終端結(jié)合，是最有可能實現(xiàn)商業(yè)閉環(huán)的方向。

印奇當年對人工智能的想象，在15年后呈現(xiàn)出了逐漸清晰的輪廓。

2026 年 CES，英偉達發(fā)布開源 VLA 大模型

相比深度學習，大模型的出現(xiàn)和決策能力的形成，算法通用性和技術平臺化的難題迎刃而解。同時，以手機、汽車為代表的終端設備龐大的市場規(guī)模，也讓人工智能企業(yè)的商業(yè)化空間變得非常廣闊。

階躍星辰與千里科技的進一步融合，也是技術迭代趨勢下，商業(yè)層面的前瞻并務實的選擇。

階躍星辰的管理層包括前微軟全球副總裁的 CEO 姜大昕，他是 2025 年的 IEEE Fellow、NLP 領域的頂級學者；ResNet作者之一張祥雨擔任首席科學家，其論文迄今被引用超過42萬次。

CTO朱亦博在谷歌擔任過 Google Cloud GPU 產(chǎn)品技術負責人，在字節(jié)參與過大規(guī)模AI基礎設施，是國內(nèi)少有的擁有萬卡集群系統(tǒng)搭建和管理經(jīng)驗的技術人才，算得上軟硬件頂層設計通吃。

目前，階躍星辰已構(gòu)建起“1+2”的模型體系[1]。其中，“1”為基座模型，“2”為原生多模態(tài)模型與端云結(jié)合。

千里科技整合了來自極氪、吉利研究院以及曠視三方的智駕團隊，同時手握奔馳的投資。既有曠視積累的算法基因，也有來自主機廠成熟的人才體系和規(guī)模制造的經(jīng)驗。超過 23 EFLOPS 的云端算力儲備和百萬級量產(chǎn)車數(shù)據(jù)都是千里科技的優(yōu)勢。

橫跨印奇職業(yè)生涯的“AI+終端”的技術理念，在物理 AI 的框架之下，終于以“階躍+千里”的形式落地。

與之對應，當物理 AI 呼嘯而來，產(chǎn)業(yè)的競爭核心也不再是某項長板能力的比拼，而是綜合能力的系統(tǒng)性競爭。

一方面，大模型研發(fā)“燒錢”已非傳統(tǒng)意義上的高投入，無論是百萬年薪打底的人員配置，還是巨額的云計算和電費賬單，都說明模型研發(fā)門檻很高。按照印奇的理解：

大模型公司必然面臨商業(yè)化拷問——服務什么領域、什么客戶、創(chuàng)造什么價值、能否盈利及可持續(xù)發(fā)展。

另一方面，大模型本身提供的是一種服務能力，研究能力關乎上限，工程能力決定下限，后者直接關系到模型能否以更低的成本實現(xiàn)規(guī)模復用。

按照印奇本人的判斷，全球第一梯隊的智駕供應商只會存在三四家。階躍的人才密度，千里科技的系統(tǒng)能力和在制造業(yè)的沉淀，結(jié)合早期吉利、奔馳終端車系市場的跑通，是物理 AI 時代一個產(chǎn)業(yè)生態(tài)的標準組合。

相比深度學習時代充滿理想主義色彩的義無反顧，印奇的第二次出發(fā)多了很多務實的成色，比如從一開始就著眼商業(yè)閉環(huán)的問題，而非在技術領域孤注一擲。

用了十五年的時間，印奇找到了自己的“閉環(huán)”。

人工智能的馬拉松

高科技產(chǎn)業(yè)的敘事往往會成為生態(tài)的勝利，Wintel定義了個人計算機的黃金標準；Android 和蘋果 iOS 分庭抗禮；英偉達的 CUDA讓GPU成為全球AI訓練的基礎設施。

一個生態(tài)體系的成功建立，大多都遵循著相似的邏輯：通過建立標準、降低開發(fā)門檻、形成網(wǎng)絡效應，將技術優(yōu)勢轉(zhuǎn)化為系統(tǒng)壁壘。

時至今日，物理AI的生態(tài)構(gòu)建已從軟硬件協(xié)同，演進為數(shù)據(jù)、算法、場景與終端的全閉環(huán)競爭，Physical AI的大幕正在徐徐拉開。

英偉達在搖旗吶喊、谷歌在悄悄地進村、Meta在亡羊補牢、如夢方醒的蘋果已經(jīng)選好了要抱緊的大腿。在中國，新能源車的新老勢力對著人形機器人躍躍欲試，頂層設計的語境下，人工智能正在與制造業(yè)逐漸融合。

目前來看，在物理 AI 領域布局最廣、涉足最深的公司，很可能是特斯拉。

談及馬斯克，社會輿論多聚焦于特斯拉的汽車業(yè)務，馬斯克在 AI 領域的涉足反而被忽略。

除了特斯拉的掌舵者，馬斯克同時也是 OpenAI 的創(chuàng)始人之一，DeepMind 的早期投資人。他參與的人工智能公司還有腦機芯片 Neuralink、AI 公司 xAI 以及百萬張GPU（等效 H100 GPU 數(shù)量）的算力金礦。

借助Grok大模型，特斯拉汽車的語音交互實現(xiàn)了質(zhì)的升級：系統(tǒng)可以聽懂模糊指令，并轉(zhuǎn)化為準確的自主路徑規(guī)劃。與此同時，xAI還在緊鑼密鼓為 Optimus 打造新的 AI 大腦。

xAI 的 Colossus 數(shù)據(jù)中心內(nèi)景

在以Mag7為代表的美國高科技公司中，特斯拉的軟件和算法能力未必頂尖，但其生產(chǎn)制造能力和對制造業(yè)的理解，在美國企業(yè)中算得上無人能敵。

“階躍+千里”的組合與之類似，前者提供基礎模型的研發(fā)能力，后者將這一能力打包集成應用在各類智能終端上。基礎模型的研發(fā)、工程能力的掌握、對制造業(yè)的理解形成了一個沒有短板的木桶。

階躍的語音模型在今年1月?lián)魯rok和Gemini，登頂全球語音推理榜單，并被集成進了吉利銀河M9的座艙。千里科技的智能駕駛業(yè)務，已經(jīng)在真實的市場競爭中得到了驗證。其智駕系統(tǒng)G-ASD搭載于吉利旗下極氪、領克的 16 款車型。

按照印奇的說法，今年的目標是有100萬輛車裝上千里智駕。

從模型研發(fā)到解決方案成型，再借助工程能力連接中國龐大的汽車產(chǎn)業(yè)鏈，這種綜合實力在國內(nèi)的人工智能版圖上，稱得上首屈一指。

物理 AI 是一個全新的概念，也是人工智能革命的參與者構(gòu)建閉環(huán)的過程中自然而然的結(jié)果。從某種角度看，印奇十五年的創(chuàng)業(yè)路途，是?條從技術到商業(yè)不斷落地的軌跡。

傳統(tǒng)的價值分配原則接近失效，以硬件制造商或 APP 開發(fā)商掌握核心價值的分配方式將逐漸成為過去式，而那些擁有底層 AI 開發(fā)能力并能夠定義終端體驗的生態(tài)玩家會承接這部分價值。

在新舊秩序交替的關口，印奇提供了一個也許是最成熟也最深刻的參考。這是人工智能以分秒為單位進步的一個階段，也是一個產(chǎn)業(yè)老兵 15 年跌宕起伏的總和。

人工智能與真實世界的融合，注定是一場漫長的馬拉松，印奇的冒險還遠遠沒有結(jié)束。

全文完，感謝您的耐心閱讀。

參考資料

[1] 階躍發(fā)布新一代基模 Step 3：原生多模態(tài)，推理效率行業(yè)領先，雷鋒網(wǎng)

[2] 晚點對話印奇：AI 1.0 的教訓是，所有不能閉環(huán)的輝煌都是暫時的，晚點 LatePost

[3] 邁入 AI 原生時代：IDC 發(fā)布 2026 年中國智能終端市場十大洞察，IDC

作者：黃主任

編輯：李墨天

責任編輯：李墨天

封面圖片來自ShotDeck