衡宇 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

你也被刷屏了吧？向來低調(diào)的階躍星辰一口氣拋出了兩個(gè)深水炸彈。

一是完成超50億元人民幣的B+輪融資。

這個(gè)數(shù)字刷新?模型賽道過去12個(gè)月單筆融資紀(jì)錄，且超過大模型六小虎中另外兩家——智譜和MiniMax——的IPO募資金額。

另一個(gè)更具結(jié)構(gòu)性變化的消息也在此時(shí)公布：印奇正式加入階躍星辰核心決策層，擔(dān)任董事長(zhǎng)。

印奇是誰？或許能用幾個(gè)tag來標(biāo)記他至今的傳奇路徑。

清華姚班首批校友，AI四小龍曠視科技創(chuàng)始人，現(xiàn)千里科技董事長(zhǎng)。

是中國(guó)AI創(chuàng)業(yè)史上一位極少數(shù)橫跨AI 1.0時(shí)代（CV）與AI 2.0（大模型）時(shí)代，同時(shí)又完成過產(chǎn)業(yè)落地與硬件閉環(huán)的樣本人物。

從這一刻起，階躍的核心決策層班底，明晰呈現(xiàn)出“1+3”模式。

• 1：指新宣布加入的印奇；
• 3：分別是階躍星辰CEO姜大昕，首席科學(xué)家張祥?，CTO朱亦博。

每一個(gè)人都大名鼎鼎，單拎出來都是一部行業(yè)簡(jiǎn)史。

但對(duì)階躍來說，豪華陣容只是最不值一提的表象。

能看懂這個(gè)班底背后的故事，就不難看懂階躍為什么從以前，到現(xiàn)在，都反復(fù)強(qiáng)調(diào)并堅(jiān)持自己“AI+終端”的戰(zhàn)略。

借這個(gè)時(shí)間，借這個(gè)新動(dòng)態(tài)，剛好和大家一起來起底一下階躍星辰“1+3”戰(zhàn)隊(duì)背后的事兒。

起底階躍“1+3”核心團(tuán)隊(duì)

從結(jié)果上來說，這套“1+3”戰(zhàn)隊(duì)背后是階躍四角齊全的謀篇布局。

正好對(duì)應(yīng)了大模型落地的四類核心能力軸：戰(zhàn)略、算法、系統(tǒng)、工程。

董事長(zhǎng) 印奇

先說印奇吧。

四個(gè)人里，他是最新宣布加入的一位，但在階躍成立的早期階段，印奇就已經(jīng)參與過戰(zhàn)略規(guī)劃的設(shè)計(jì)。

他是清華姚班成立后的首批學(xué)生，本科畢業(yè)時(shí)創(chuàng)辦了曠視科技。那是2011年，關(guān)于AI，算法和論文才是主旋律，商業(yè)落地只有模糊概念。

隨后幾年里，印奇帶領(lǐng)公司把計(jì)算機(jī)視覺從科研問題推向工程問題，再推向真實(shí)場(chǎng)景，因?yàn)閼?yīng)用在手機(jī)、金融等場(chǎng)景而聲名漸起。

隨著業(yè)務(wù)規(guī)模擴(kuò)大，組織架構(gòu)、交付穩(wěn)定性、軟硬件協(xié)同、供應(yīng)鏈協(xié)作……這些問題會(huì)同時(shí)浮出水面。

這就是印奇經(jīng)歷的特殊之處——AI 1.0的浪潮涌過，他并沒有停留在技術(shù)成功層面，而是真正跑通了產(chǎn)業(yè)落地。他既經(jīng)歷過算法驅(qū)動(dòng)、場(chǎng)景快速鋪開的階段，也經(jīng)歷過成本、交付與規(guī)模開始成為核心約束的階段。

曠視當(dāng)年的路徑選擇，也由此顯露出他對(duì)工程化與產(chǎn)業(yè)現(xiàn)實(shí)的敏感度。

再往后看，他在2024年入主千里科技并出任董事長(zhǎng)，將自己在AI領(lǐng)域的沉淀與汽車產(chǎn)業(yè)深度融合，主導(dǎo)該公司向“AI+車”的戰(zhàn)略轉(zhuǎn)向，智能駕駛系統(tǒng)的研發(fā)與上車，并吸引奔馳入股、謀劃港股上市。

曠視和千里興起于不同的AI技術(shù)浪潮時(shí)期，但共性都是AI+終端落地。這與階躍自去年起發(fā)力的“AI+終端”戰(zhàn)略不謀而合。

某種層面上，這也解釋了印奇與階躍在此刻走到一起的深層原因。

印奇長(zhǎng)期積累的產(chǎn)業(yè)落地經(jīng)驗(yàn)與終端視角，會(huì)讓階躍在基模走向真實(shí)終端的路徑上，多一層更貼近現(xiàn)實(shí)的把控。

CEO 姜大昕

印奇官宣加入之前，外界最先熟知的階躍帶頭人是CEO 姜大昕。

姜大昕是?然語?處理領(lǐng)域的全球知名專家，去年憑借“對(duì)上下?感知搜索和語?Scaling?法做出的貢獻(xiàn)”入選2025 IEEE Fellow。

截至本月，姜大昕的谷歌學(xué)術(shù)被引量超過2.4萬。

他曾任微軟全球副總裁，微軟亞洲互聯(lián)??程院副院?、?席科學(xué)家，履歷與微軟必應(yīng)搜索體系綁定極深：

• 曾帶領(lǐng)四百多?研發(fā)團(tuán)隊(duì)開發(fā)必應(yīng)搜索引擎，長(zhǎng)期負(fù)責(zé)網(wǎng)頁排序、智能問答、知識(shí)圖譜等復(fù)雜模塊，擁有典型的超大規(guī)模在線系統(tǒng)經(jīng)驗(yàn)。

可以說，姜大昕在ML、數(shù)據(jù)挖掘、NLP和?物信息學(xué)等領(lǐng)域擁有豐富的研究及?程經(jīng)驗(yàn)。

這類經(jīng)歷決定了他對(duì)大模型工程化問題的關(guān)注點(diǎn)很難只停留在研究層面，在工業(yè)系統(tǒng)中，同樣掌握了可復(fù)用的方法論。

AI 2.0時(shí)代，大模型公司——尤其是仍在打磨基座模型的公司——早期靠沖刺速度和研究突破吸引注意力，中后期更依賴工程體系承壓能力。

姜大昕的背景，非常適合帶領(lǐng)團(tuán)隊(duì)迎戰(zhàn)大模型的應(yīng)用落地。

首席科學(xué)家 張祥雨

至于首席科學(xué)家張祥雨，ResNet作者之一這一身份本身已足夠形成記憶點(diǎn)。

作為AI史上的里程碑，ResNet徹底解決了深層網(wǎng)絡(luò)訓(xùn)練的梯度消失難題，11年前橫掃ImageNet五項(xiàng)冠軍。

其論文至今仍是計(jì)算機(jī)科學(xué)領(lǐng)域引用量最高的巔峰之作，是當(dāng)今所有大模型骨干網(wǎng)絡(luò)不可撼動(dòng)的底層基石，目標(biāo)檢測(cè)、圖像分割、多模態(tài)視覺編碼器，大量工業(yè)級(jí)系統(tǒng)都以它為起點(diǎn)進(jìn)行改造和演化。

故而，張祥雨在深度學(xué)習(xí)史上的地位實(shí)在無需在此反復(fù)強(qiáng)調(diào)。

但只停留在ResNet絕對(duì)會(huì)低估張祥雨。

他的研究方向，則覆蓋多模態(tài)?模型、深度神經(jīng)?絡(luò)架構(gòu)設(shè)計(jì)、深度模型的裁剪與加速等。

后來，張祥雨完成了移動(dòng)端高效卷積神經(jīng)網(wǎng)絡(luò)ShuffleNet的開發(fā)，這一技術(shù)影響了包括蘋果3D人臉解鎖在內(nèi)的多種毫秒級(jí)手機(jī)解鎖技術(shù)。

隨后十多年里，從ShuffleNet到SPOS再到RepVGG……他持續(xù)把注意力放在結(jié)構(gòu)簡(jiǎn)化、推理速度、硬件友好性等相關(guān)工作上。

AI 2.0啟程后，他就果斷投身大模型，投身階躍。

現(xiàn)在，他正帶領(lǐng)團(tuán)隊(duì)攻堅(jiān)原生多模態(tài)。這是階躍成立之初就堅(jiān)持的方向，也是有別于其他模型廠的特色。

把張祥雨放在階躍的語境里，會(huì)更容易理解這家公司在技術(shù)路線選擇上的一些判斷。

張祥雨長(zhǎng)期做的是架構(gòu)與結(jié)構(gòu)層面的工作，解決的是“模型為什么能繼續(xù)變強(qiáng)”。這類人帶隊(duì)，天然會(huì)先把底層模型能力打牢，不會(huì)依賴外部底座去拼應(yīng)用。

這對(duì)應(yīng)的就是階躍對(duì)基座模型的長(zhǎng)期投入。

多模態(tài)也是同樣的思路，如果底層架構(gòu)不統(tǒng)一，多模態(tài)只能靠后接拼裝，短期好看但難擴(kuò)展。

堅(jiān)持原生多模態(tài)，本質(zhì)上是把它當(dāng)成基模能力的一部分來做，這正是張祥雨擅長(zhǎng)、也最看重的方向。

過去一年，行業(yè)反復(fù)出現(xiàn)范式轉(zhuǎn)向的信號(hào)，很多團(tuán)隊(duì)早期可以靠外部合作或短期挖人把算法能力補(bǔ)齊，但當(dāng)問題從實(shí)現(xiàn)能力轉(zhuǎn)向方向判斷時(shí)，真正的分水嶺就出現(xiàn)了——缺少底層方法論的人很難做出穩(wěn)定決策，能力也更容易在下一輪變化里斷檔。

張祥雨的技術(shù)前瞻與長(zhǎng)期積累，這時(shí)候就能為階躍的技術(shù)路線提供更可靠的決策錨點(diǎn)。

上個(gè)月，張祥雨就已經(jīng)在公開場(chǎng)合表示，“Transformer完全不能支撐我們下一步，尤其是在Agent時(shí)代走向下一步”，真正決定模型能否繼續(xù)進(jìn)化的是架構(gòu)選擇、訓(xùn)練范式以及推理階段的系統(tǒng)協(xié)同能力。

CTO 朱亦博

寫到這里，階躍“1+3”戰(zhàn)隊(duì)就只剩一個(gè)人沒介紹了，這就是CTO 朱亦博。

他在階躍守的是大模型公司最容易掉鏈子甚至死得很難看的關(guān)卡：AI Infra。

從UCSB博士畢業(yè)后，朱亦博曾加?微軟研究院。

這期間他奠基了RoCE（基于融合以太網(wǎng)的遠(yuǎn)程直接內(nèi)存訪問）技術(shù)，這項(xiàng)技術(shù)致力于實(shí)現(xiàn)高速、低延遲的數(shù)據(jù)傳輸，是現(xiàn)代大規(guī)模AI基礎(chǔ)設(shè)施的關(guān)鍵網(wǎng)絡(luò)協(xié)議，也是NVIDIA（前Mellanox）?速通信過去?年來使用的標(biāo)準(zhǔn)協(xié)議。

微軟期間他以第一作者發(fā)表在SIGCOMM的工作，在十年后獲得了時(shí)間檢驗(yàn)獎(jiǎng)。

后來他轉(zhuǎn)投字節(jié)跳動(dòng)，任AI Infra負(fù)責(zé)人，從零開始建設(shè)國(guó)內(nèi)最大規(guī)模AI Infra之一，擁有多次單集群萬卡以上系統(tǒng)建設(shè)與管理實(shí)踐經(jīng)驗(yàn)。

離開字節(jié)后，他又擔(dān)任Google Cloud GPU產(chǎn)品技術(shù)負(fù)責(zé)?，直接?持Anthropic。

后來朱亦博加入階躍星辰負(fù)責(zé)AI Infra團(tuán)隊(duì)，階躍也展現(xiàn)出了極強(qiáng)的異類特質(zhì)——是所有創(chuàng)業(yè)公司中唯一大規(guī)模投入Infra的。

知情人士透露，AI Infra在階躍內(nèi)部被提到了前所未有的高度。

階躍內(nèi)部把AI Infra與算法團(tuán)隊(duì)放在幾乎同等重要的位置，以朱亦博為核心的系統(tǒng)團(tuán)隊(duì)并不是傳統(tǒng)意義上的支撐部門，反而是另一條并行的主線能力。

這種雙引擎架構(gòu)，收益一方面直接體現(xiàn)在訓(xùn)練效率、集群穩(wěn)定性與資源利用率上，進(jìn)一步也會(huì)影響模型迭代節(jié)奏，并為模型架構(gòu)探索留出更大的空間。

這讓階躍擁有了極大的差異化競(jìng)爭(zhēng)優(yōu)勢(shì)。

AI Infra確實(shí)是塊硬骨頭，早期沒那么性感。但當(dāng)模型進(jìn)入深水區(qū)，它對(duì)迭代節(jié)奏與成本邊界的影響會(huì)非常直接。

整體看下來，印奇的產(chǎn)業(yè)與終端視角，姜大昕的工程產(chǎn)品化體系，張祥雨的算法與多模態(tài)底盤，朱亦博的系統(tǒng)與效率能力，正好對(duì)應(yīng)大模型公司最關(guān)鍵的四類約束條件。

在大模型競(jìng)賽的下半場(chǎng)，考驗(yàn)的是算法研發(fā)、系統(tǒng)工程化能力、產(chǎn)業(yè)落地場(chǎng)景、商業(yè)變現(xiàn)設(shè)計(jì)的全面能力。

這四件事只要有一件長(zhǎng)期失守，牌局就會(huì)迅速變形。

從這個(gè)角度看，階躍搭建起大模型六小虎中難得一見的覆蓋面完整的決策層結(jié)構(gòu)。

微軟系+曠視系陣容交匯

寫到這里，階躍的“1+3”牌面已經(jīng)攤開。

一個(gè)值得往下追的問題擺到面前：這套班底是怎么攢起來的？

細(xì)心的人可能已經(jīng)注意到了，階躍核心團(tuán)隊(duì)履歷在兩個(gè)地方反復(fù)交叉，一條是微軟Search系，另一條是曠視CV系。

這就涉及到階躍團(tuán)隊(duì)現(xiàn)有的更深層次底色。

量子位獲悉，階躍的算法團(tuán)隊(duì)和商業(yè)化落地很大程度上來自曠視體系，這一點(diǎn)大家從公開履歷和技術(shù)方向也能察覺出一二。

曠視體系出來的人，有一個(gè)很突出的共同點(diǎn)：能把算法做出來，還經(jīng)歷過算法在真實(shí)場(chǎng)景里跑起來的全過程。

他們經(jīng)歷過從人臉識(shí)別到城市級(jí)部署的全戰(zhàn)役，比誰都清楚算法與硬件結(jié)合，需要無數(shù)次在傳感器精度、功耗限制及邊緣算力約束下，與真實(shí)物理世界反復(fù)博弈。

這種軟硬結(jié)合的實(shí)戰(zhàn)經(jīng)驗(yàn)，讓階躍天然多了一層軟硬結(jié)合的視角。

所以大模型時(shí)代，他們不僅追求算法的精進(jìn)，更擅長(zhǎng)將復(fù)雜的模型轉(zhuǎn)化為適配手機(jī)、汽車等終端設(shè)備的實(shí)用方案。

這種背景也直接影響了階躍在算法層面的取向。

階躍在多模態(tài)模型，以及GUI等Agent模型方向上的推進(jìn)，更強(qiáng)調(diào)模型結(jié)構(gòu)與實(shí)際使用場(chǎng)景之間的匹配度。

而數(shù)據(jù)團(tuán)隊(duì)這一側(cè)，則更多出自微軟的搜索團(tuán)隊(duì)。

搜索本身是一類對(duì)數(shù)據(jù)極其苛刻的系統(tǒng)工程，數(shù)據(jù)持續(xù)流入，反饋實(shí)時(shí)發(fā)生，任何一次判斷失誤都會(huì)在用戶行為中被迅速放大。

（至于微軟每天需要面對(duì)的搜索量有多大，不用多說大家也能想象……）

搜索系統(tǒng)建立在一個(gè)樸素前提上，模型永遠(yuǎn)不完美，所以系統(tǒng)必須允許自己被真實(shí)反饋持續(xù)修正。

在這種高壓環(huán)境里，工程實(shí)踐往往會(huì)把數(shù)據(jù)閉環(huán)放在優(yōu)先級(jí)更靠前的位置，配套的方法與流程也會(huì)更系統(tǒng)，還會(huì)匹配建立多層評(píng)估結(jié)構(gòu)。

把這套能力映射到大模型公司，面對(duì)數(shù)據(jù)漂移、評(píng)估失真、發(fā)布節(jié)奏失控與線上穩(wěn)定性等問題時(shí)，搜索體系里沉淀的經(jīng)驗(yàn)就是有實(shí)戰(zhàn)經(jīng)驗(yàn)的定心丸。

這些在搜索系統(tǒng)中被反復(fù)驗(yàn)證的工程經(jīng)驗(yàn)，與大模型進(jìn)入長(zhǎng)期運(yùn)行階段后暴露出的關(guān)鍵問題高度重合。

只要大模型不是一次性交付，這套能力就會(huì)持續(xù)顯現(xiàn)價(jià)值。

微軟搜索系統(tǒng)里成長(zhǎng)出的數(shù)據(jù)團(tuán)隊(duì)天然關(guān)注端到端體驗(yàn)，曠視體系出來的算法組則已經(jīng)能夠熟稔地和物理世界打交道。

兩套體系雖然出身不同，但都在各自路徑上反復(fù)驗(yàn)證過“模型必須接受真實(shí)系統(tǒng)約束”這一前提。

兩條線交匯，恰恰構(gòu)成了AI+終端這個(gè)方向最核心的兩個(gè)能力軸。

說到這兒回過頭再看階躍“1+3”黃金戰(zhàn)隊(duì)，就能解釋為什么這四個(gè)人、兩條線能在階躍匯聚。

表面上看是不同背景、擅長(zhǎng)不同領(lǐng)域的大牛組隊(duì)，實(shí)際上是不同的底層經(jīng)驗(yàn)在大模型時(shí)代達(dá)成了對(duì)同一趨勢(shì)的共識(shí)。

相信系統(tǒng)，相信長(zhǎng)期演進(jìn)路徑，相信一套能打下去的工程邏輯……

這才是他們坐在一起的真正理由。

很多時(shí)候，英雄所見略同不會(huì)是單純的巧合。

連起來就是中國(guó)版xAI+特斯拉

順著這套“1+3”班底和團(tuán)隊(duì)一路看下來，答案已經(jīng)很難藏了。

階躍就是自帶閉環(huán)，奔著AI+終端這個(gè)方向沖。

從市場(chǎng)角度客觀來說，軟硬件結(jié)合的AI+終端模式，目前確實(shí)有藍(lán)�？p隙。

終端設(shè)備天然掌握著高頻入口、上下文連續(xù)性和本地?cái)?shù)據(jù)的優(yōu)勢(shì)，能夠承載更完整的使用鏈路。

據(jù)IDC最新報(bào)告《邁入AI原生時(shí)代：2026年中國(guó)智能終端市場(chǎng)十大洞察》，到2026年，中國(guó)市場(chǎng)AI終端出貨量將超3億臺(tái)，滲透率在2027年將爆發(fā)式突破93%。

可以說，2026年前后，AI能力正在從可選賣點(diǎn)向系統(tǒng)級(jí)基礎(chǔ)能力遷移。

可以看看硅谷的打樣。馬斯克，在軟硬件結(jié)合的戰(zhàn)略框架下打通了大模型（xAI）和物理AI（特斯拉）。

在國(guó)內(nèi)，隨著印奇同時(shí)出現(xiàn)在階躍和千里這兩條確定主線上，這種結(jié)構(gòu)開始第一次變得清晰可見。

印奇加入前，AI+終端就是階躍為AI 2.0時(shí)代尋找的一條能穿越周期，并會(huì)持之以恒堅(jiān)持的長(zhǎng)期路徑。

印奇加入后，按照他的規(guī)劃，2026年要做三件事：

• 在汽車端，要有100萬輛車搭載千里智駕系統(tǒng)；
• 在基礎(chǔ)模型上，要拿出全球第一梯隊(duì)的水平；
• 階躍旗下希望孵化出創(chuàng)新硬件，在未來12～15個(gè)月面世。

AI浪潮已經(jīng)奔涌十余年。

且看印奇和三位曾經(jīng)定義過AI時(shí)代的悍將，如何在大模型深水區(qū)再次匯合。