清华姚班、普林斯顿博士、前 OpenAI 核心成员、27 岁、首席 AI 科学家……当这些标签堆砌在一个人身上时，你很难不感受到一种来自智商层面的压迫感。

但就是这种类似的标签组合，正在中国 AI 赛道上频繁出现。

置身于 2026 年回望，在中国 AI 过去三年的狂飙突进中，昔日叱咤风云的互联网大佬似乎已退居幕后；取而代之站在舞台中央，是以梁文锋、姚顺雨、林俊旸、杨植麟为代表的 80 后乃至 90 后。

他们之中，有人仰望星空，有人极致务实，甚至无意遵循上一代巨头立下的江湖规矩，却殊途同归地站在了 AGI 的大门口。

与此同时，他们既有硬刚海外 AI 巨头的硬气，也不乏算力捉襟见肘时的窘迫。风浪极大，舵手极年轻，但这种反差，恰恰将是 2026 年中国 AI 最真实的切面：

姚顺雨（1998 年）：腾讯 CEO/总裁办公室首席 AI 科学家

林俊旸（1993 年）：通义千问系列模型研发主导者、阿里 P10

杨植麟（1992 年）：月之暗面创始人

罗福莉（1995 年）： 小米 MiMo 大模型负责人

梁文锋（1985 年）：DeepSeek 创始人

闫俊杰（1989 年）：MiniMax 创始人

张鹏（1980 年）：智谱 AI 创始人

张祥雨（1990 年）：阶跃星辰首席科学家

……

80/90 后，站在了 AGI 的大门口

风险投资公司 Antler 曾公布一项数据：2024 年，AI 独角兽创始人的平均年龄已经降到了 29 岁，而其他行业还在 34 岁徘徊。甚至像 Mercor 这样的百亿美元估值公司，三位创始人今年才刚满 22 岁。

视线转回国内，这种「低龄化」情况屡见不鲜。大象虽然转身慢，但巨头们做了一个极其聪明的决定：既然打不过年轻人，那就把年轻人变成自己人。

比如，腾讯选择了 27 岁的姚顺雨。

1998 年出生，清华姚班，普林斯顿博士，前 OpenAI 核心成员，专注于「让 AI 像人一样思考和行动」的课题。他提出的 ReAct 框架和（Tree of Thoughts）决策框架，被业内奉为 AI Agent 的教科书级理论。

2025 年，腾讯直接将其招致麾下，任命为「CEO/总裁办公室首席 AI 科学家」的头衔，也将 AI Infra 和大模型研究的重任交给这位 95 后。

在最近的 AGI-Next 峰会上，我们也能看出姚顺雨对于 ToC 和 ToB 的大模型路径均有深刻见解：他指出 ToC 要依赖「上下文」提供情绪价值，而 ToB 比拼「生产力」，企业只愿为最强模型付费 。

他强调在 ToC 侧充分利用微信等生态的海量上下文，在 ToB 侧发挥大公司真实场景和数据优势，以此破局 AI 应用。这不仅仅是技术路线的选择，更是在为腾讯庞大的社交生态寻找 AI 时代的出口。

同样打破大厂晋升纪录的，还有阿里的林俊旸。

1993 年的北大才子，在阿里达摩院一路狂飙，2025 年，32 岁的他成了阿里史上最年轻的 P10。

他曾参与研发阿里达摩院的千亿参数多模态模型 M6，主导通义千问系列模型研发，涵盖多模态、模型优化训练、代码生成、数学推理等领域。

作为通义千问（Qwen）开源策略的一手推动者，他不仅在全球开发者社区撕开了一道口子，更让阿里在激烈的模型竞赛中稳住了身位。

如果说巨头内部的年轻化是由于生存焦虑，那么 AI 创业战场上的厮杀，则更多了几分个人英雄主义的色彩。月之暗面的杨植麟大概是这个群体里最像拿到爽文男主剧本的那一个。

1992 年出生，清华学霸，卡内基梅隆博士，2019 年提出 XLNet 模型的作者之一，这位理工男有着特有的浪漫，所创立的公司命名为「月之暗面」，源自 Pink Floyd 的专辑。在多次公开场合的露面中，他也热衷于讨论 AGI 理念，在信奉 Scaling Law 的道路上无比坚决。

而在光谱的另一端，梁文锋则是另一种画风。

虽然同样都是名牌大学出身，本科就读于浙江大学电子信息工程专业，硕士继续在浙大信息与通信工程专业深造，但背靠量化私募巨头幻方量化，DeepSeek 自带一股「带资进组」的硬气。

去年，幻方量化以 56.6% 的平均回报率跻身中国百亿级量化基金业绩榜第二，仅次于宁波灵均投资 70% 多的收益率，也为 DeepSeek 的发展填上了更充足的弹药。

从 2024 年 5 月的 DeepSeek-V2 开始，他们持续迭代并开源了 236B→671B 的 DeepSeekMoE 系列，在国内最早系统地把「细粒度专家分割 + 共享专家隔离 + 无辅助损失负载均衡」等想法写进论文、放出了完整权重。

此外，得益于在 AI Infra 等方面的持续优化， DeepSeek 硬是靠着这种在螺蛳壳里做道场的本事，用有限的算力打造了 DeepSeek V3 和 R1 这样极具破坏力的产品。

当 DeepSeek 以极低的 API 价格血洗市场时，所有的 AI 模型创业者都感到了一阵寒意。

甚至大模型 Xiaomi MiMo 的负责人罗福莉同样出自 DeepSeek，2022 年加入幻方量化，负责深度学习策略建模；也是 MoE 大模型 DeepSeek-V2 的核心开发者之一 。去年 11 月 12 日，她正式官宣加入小米，负责推进小米 AGI 方向的研发落地。

Leonis AI 100 报告显示，大多数 AI 创始人在创业时只有 20 多岁。Antler 的数据更惊人：AI 公司从成立到成为独角兽，平均只需要 4.7 年，比其他行业快了整整两年。

MiniMax 和智谱就是这种「中国速度」的代表。

技术的尽头是商业化，1 月 9 日，MiniMax 在港股敲钟，市值一度冲破千亿，从创立到上市只用了 4 年。MiniMax 共计员工 385 人，但团队平均年龄 29 岁，人均 95 后，385 个人里 73.8% 是研发，三分之一有海外背景。

创始人闫俊杰在 2015 年毕业于中科院自动化所获博士，此后在清华计算机系做博士后研究，曾任商汤科技副总裁、研究院副院长兼智慧城市 CTO。

除了闫俊杰，MiniMax 还有多位年轻核心人物：贠烨祎（31 岁，COO，前商汤战略负责人）、赵鹏宇（29 岁，大语言模型负责人）和周彧聪（32 岁，联合创始人兼视觉多模态负责人）等等。

以及清华系的智谱 AI，唐杰教授坐镇，80 后 CEO 张鹏冲锋，是学术圈与年轻团队结合的典型代表。这家公司在 2026 年初抢了 MiniMax 的风头，成为全球「大模型第一股」，市值一度逼近 800 亿港元。

还有前微软全球副总裁姜大昕创立的阶跃星辰，核心团队全是 90 后，首席科学家张祥雨作为 ResNet 残差网络论文的作者之一蜚声学术界，同样也是 90 后 AI 新星，其论文总引用数超过 30 万次。

无论互联网巨头内部，还是新兴独角兽企业中，35 岁以下的技术领袖已经全面崛起。他们正走上核心岗位，掌握着关键决策和研发方向，成为中国 AI 大模型竞赛的主力军。

名校+竞赛+顶级机构历练，成了中国 AI 领军人物的三件套

上一代互联网巨头的创始人多为 60 后、70 后，对比之下，这一波 AI 浪潮的领导者整体年龄提前了至少 20 岁。

究其原因，AI 是一个知识迭代极快的新兴领域，需要颠覆性思维和快速学习能力，天然青睐年轻头脑。

Transformer 架构提出不到 10 年，ChatGPT 爆发才 3 年。在 LLM（大语言模型）这个领域，大家的起跑线其实相差无几。甚至年轻人因为没有「思维包袱」，反而更容易接受 Scaling Law 的暴力美学。

此外，教育的伏笔其实早已埋下，中国在 2000 年前后启动的大批英才教育计划（如清华「姚班」等）如今开始结出硕果。

姚顺雨获 NOI 银牌，杨植麟获信息学奥赛省一等奖。这些经历培养了他们优秀的算法和编码能力，也让他们更早接触高水平的计算机科学训练。

凭借在竞赛中脱颖而出，他们当中也有不少人保送进入清华、北大等名校计算机相关专业 。

从学历背景来看，姚顺雨、杨植麟、张鹏均为清华系，闫俊杰在清华做博士后。其他人也多来自北大、浙大、上交大、北航等一流院校。

这些名校背景帮助他们打下了扎实的理论基础和视野，当 AI 迎来创业风口，这批人顺理成章地成为主角。

更重要的是周期的更替。上一轮移动互联网的红利已经见顶。大模型的范式转移，为年轻人提供了一个巨大的超车机会。资本也乐于寻找新故事，这让年轻创业者获得了超越资历的资源支持。

当然，一些专家学者指出，90 后、95 后创业者相较前辈更敢想敢干、也更强调自我价值实现。

比如在最近的 AGI-Next 峰会上，唐杰教授评价说：90 后、00 后更具冒险精神，要为敢冒险的年轻一代提供更好的创新环境 。相应地，这一代创业者很多不满足于在大厂按部就班升职，而是渴望掌舵核心项目或自主创业。

唐杰、杨强、杨植麟、林俊旸和刚回国的姚顺雨坐一起都聊了啥？ – 知乎
这种内在驱动力，使他们在机会来临时果断走向台前，同时年轻一代普遍国际化视野更开阔，不少人有海外留学或工作经历（姚顺雨、杨植麟等），更能直接对标 OpenAI、DeepMind 等全球标杆，怀抱实现「中国版 OpenAI」的使命感。

基于此，中国 AI 创业者年轻化并非偶然：既有 AI 技术迭代特性的必然要求，又有教育体系和环境支持的厚积薄发，更有年轻一代勇于冒险、不拘一格的精神使然。

国际化技术视野、大规模工程实践经验、顶尖人脉资源，顶级机构的背书也都为他们独当一面打下坚实基础。

然而，年轻并非免死金牌，现实也远比外界想象更为粗砺。

一方面，OpenAI 与 Google 在模型推理能力与多模态交互上构筑的技术壁垒，仍在以月为单位不断抬升；

另一方面，如何在算力资源并不富裕的客观条件下，通过架构创新与工程优化，榨干每一块芯片的极限性能，成了摆在每一位年轻舵手面前必须直面的技术大考。

而在技术之外，商业模式的模糊性依然悬在头顶。尽管应用层百花齐放，但在高企的训练与推理成本面前，如何找到可持续的造血机制，依然是全行业都在摸着石头过河的难题。
风浪确实大，但这恰恰是年轻人的主场。他们还有时间去试错，去推倒重来。

在 AI 这个方兴未艾、快速迭代的领域，既没有论资排辈的规则，也没有巨人的肩膀可以依靠。但这反倒成了一种自由——不用循规蹈矩，不用致敬前浪，他们走到哪，哪里就是路。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

当代打工人的浏览器标签栏里，藏着各种各样的秘密：帮忙润色文案的 AI 工具、汲取灵感的视频素材库、应付周报的模板网站，还有那些越装越多的浏览器插件。

说到底，这些都是为了一个目的：在有限的工作时间里，少干点重复劳动，多留点时间给真正需要动脑的事。

但问题是，工具越装越多，浏览器越来越卡，至于那些号称「AI 加持」的浏览器，要么就是简单粗暴地塞个聊天框，要么功能藏得一个比一个深。

直到最近用了几天夸克 AI 浏览器的新版本，才发现原来浏览器还能这么玩。

不满足于把体验做到「够用」，致力于打造更强大的 AI 浏览器，此次夸克对千问智能套件能力进一步升级。除了大家熟悉的千问划词和侧边栏，最让我惊喜的是新增的千问读屏「自动提问」模式。

它直接打破了以往手动提问才响应的老规矩，能够捕捉共享屏幕的内容变化，主动发起提问并解答。这种被 AI 主动提问，「追着喂饭」的体验，说实话还挺新鲜的。

当然，除此之外，我还发现夸克藏着不少能让学生党、打工人都觉得嘴角上扬的功能，只能说懂行的都在偷偷用。

打工人的苦活累活，被夸克 AI 浏览器包了

所谓 AI Native，从不是简单叠加个 AI 入口凑数。夸克的思路很清晰：把用户不愿做、耗时间的苦活累活，交给 AI 来扛。这种让工具适配人，而非人适配工具的逻辑，才是它对 AI Native 可能性的理解。

千问划词：AI 能 get 你的潜台词，划个词就够了

咱先聊最常用的划词功能，一般的 AI 浏览器划文字，顶破天就是复制、搜索、翻译三板斧，遇到复杂需求照样抓瞎。但夸克的千问划词，硬是玩出了新高度。

谁懂啊！看一些外网网站时，那些绕来绕去的长难句，还有「Phenomenological Hermeneutics」这种一看就头大的词，以前得切出去开翻译软件，来回切换烦得想砸键盘。现在用千问划词直接一划点击「翻译」，千问立马就能把意思讲得明明白白。

但更实用的，千问划词它还能设置专属的快捷指令。

说白了，就是把好用的常用的指令存成快捷指令，轻轻一划，即可一键随时调用，打开设置，找到划词工具栏 ，点击「添加自定义指令」，输入你想要的指令，搞定。

就说写论文这事儿，脑子里全是大白话，死活憋不出学术腔，直接写进去肯定被导师打回来，返工到崩溃。

这时候划选那段大白话，点一下提前设置好的「论文润色大师」快捷指令，千问秒出学术腔版本，复制粘贴就能用——省了多少脑细胞，谁用谁知道！

咱就说，直男们谁没踩过「我没生气」的坑？女朋友发微信说这话，你敢回「好的」，晚上键盘就已经准备好了。现在有了可以自定义的「求生欲助手」快捷指令，一套丝滑连招下来，感觉 AI 的情商至少比我高了两个段位。

打工人则更得尝试这个功能。日常工作记录写进周报里，却显得工作量不饱和还没价值。这时候用「周报美化大师」快捷指令，划词一点，立马显得你专业又靠谱，领导看了都点头。

千问侧边栏：打工人的摸鱼/干活神器，重复活全省了

现在浏览器都有侧边栏，但大多是凑数的。而夸克的千问侧边栏就一个核心思路：能让 AI 干的，绝不让你动手，主打一个脏活累活，能省则省。

就拿我最近的经历来说，打开外网新闻，我再也不用逐行读，而是点击右上角千问按钮调出侧边栏，输入个指令，它就能直接提炼核心重点，省了巨多时间。

当然，打工人最崩溃的瞬间是什么？必须是老板周末随手甩个视频，丢下一句「周一汇报总结」，然后消失得无影无踪。

以前的我是匆匆忙忙连滚带爬，现在的我却是从从容容游刃有余。

以这个 TED 演讲为例，我可以用侧边栏提取长视频字幕，它能生成视频的逐字稿，辅助我深度研究这条视频；也能满足我快速看完视频核心内容。

然后，让它基于字幕导出演讲稿，再直接生成 PPT，应付内部快速汇报完全没问题。

千问读屏-自动提问：既懂眼色，又会思考

两个月前，我们介绍过夸克「千问读屏」的主动提问模式，它就是用户的第二双眼睛，能够识别屏幕上的内容，现在千问读屏功能还新增「自动提问」模式（需升级到 6.2.5 版本）。

具体来说，选定并共享窗口后，开启后自动截屏，发送预置指令开启对话，每次你切换页面，千问自动发出提问，帮你实时解答问题。

比如在备考驾照科目一刷题时，难免会遇到那些让人头晕的扣分罚款题。当你对着错题发愁，屏幕切到哪道题，AI 就能秒回一份更深度的解析，把背后的交规逻辑讲得清楚，帮你迅速吃透考点。

再比如我手里这份大佬的 PPT，全是干货但好多专业术语看不懂，这时我们同样可以直接开启「自动提问」模式，之后顺着往下看就行。

热知识，夸克还有一个「隐藏彩蛋」：跨标签分析。在首页、侧边栏直接 @ 多个标签页，就能让 AI 总结这些页面的内容，或者对比它们的差异，不用再来回切换看。

基于以上这些功能，你要是把它们组合起来用，那效果就更好了。

就说写论文这终极折磨，谁没被开头难住过？盯着空白文档半天，脑子里啥思路都没有，这时候别硬憋！直接把相关的几篇文献网页全打开，使用「跨标签分析」帮忙理清思路，找灵感、写文献综述。

写完了觉得文笔不够好？点击千问划词已经设置好的快捷指令，让 AI 帮你改成教授爱看的学术腔。

最后要交差了，也不用熬夜赶 PPT，直接让夸克基于论文内容生成 PPT 就行。这套组合拳下来，写论文的时间直接砍半，只能说，用过的都懂有多省事。

沉寂多年的 PC 赛道，被夸克用 AI 撕开了一道口子

AI 浪潮席卷之下，PC 浏览器这个在移动时代几乎被遗忘的品类，这两年硬是上演了一出「回马枪」，重新成了巨头们的必争之地。微软 Edge 深度集成 Copilot 后，市场份额连续好几个季度逆势上涨，就是这场浏览器「文艺复兴」最直观的信号。

用户用脚投票的选择，本质很简单：PC 端的场景价值，从来都是不可替代的。

移动端核心是碎片化消费：刷短视频、看资讯，用户被动接收信息流，浏览器没什么存在感也正常。但 PC 是实打实的「生产力主场」，写报告、做数据分析、查论文都要主动处理信息，核心需求就俩——省时间、降门槛。

交互设计教父雅各布·尼尔森做过项重磅研究，指出生成式 AI 最大的贡献，是缩小了技能差距。

放到 PC 浏览器的场景里，这话就可以翻译成：以前得靠熟练工具链、复杂操作才能搞定的事，现在靠更自然地交互就能完成，省掉了一堆繁琐步骤。

而夸克的思路就是，与其让用户费劲适应复杂菜单和插件，不如让浏览器靠 AI 读懂用户的话，直接给结果，让所有协作、复杂工作流，都在 1 个夸克 AI 浏览器里完成。

就像我们前面提到的，千问划词能直接润色改写，侧边栏一键总结视频、提取字幕，读屏功能能读懂屏幕信息，自动回答。不管你是学生、财务、运营，还是普通打工人，都能在夸克里找到省事省心的功能。

用户价值的提升，最终会转化为商业价值。

在效率工具圈里，用户愿不愿意付费，大多和省下来的时间成正比。而且 PC 端的工作流一旦养成，切换成本高到离谱，这种高粘性给了厂商持续研发的底气，一个正向的商业循环也得以建立。

微软 CEO 萨提亚·纳德拉早说过一个预言：AI 会把浏览器从被动的「阅读器」，变成主动的「推理器」。这或许也能解释，为啥 PC 浏览器能在 AI 时代「杀回来」，不是 PC 突然又流行了，而是生产场景的需求从来就没消失。

AI 的出现，终于让这个需求有了被满足的机会。

更重要的是，夸克 AI 浏览器的突围，同样验证了那个在科技圈流传已久的判断：在 AI Native 的语境下，所有的经典软件都值得重做一遍，也重新有了更多想象空间。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博