00后创业者站上C位，「go big or go home」｜36氪离线聚会第二期

“妨碍真理发现过程的，不是谎言，而是极其精辟的错误见解。”德国物理学家兼讽刺作家利希滕贝格在面对启蒙运动中的种种愚昧时，戏谑式地写下了这一句名言。 许多误判之所以危险，恰恰因为它们看上去过于正确。它们能在一个短周期里解释世界，也容易在世界已经变化之后，继续以“共识”的面貌停留在原地。 AI也曾经历类似的混沌阶段。 过去两年，人们习惯用一些简单指标理解这场变化：谁拥有更多GPU，谁训练了更大参数的模型，谁的团队烧掉了更多Token。以至于硅谷一度流行“Token消耗量”的隐形竞赛，以证明到底谁是最AI Native的公司。 但现实是，Token消耗量可以衡量投入的程度，却无法衡量投入的方向——方向错了，消耗本身就是一种浪费。这也是Token最容易被误读的地方。 5月29日晚上， 36氪联合光源资本在北京举办“离线聚会第二期· TokenAge” 。这次我们不过多关注消耗量，更关注AI生产力带来了什么，一个判断、一次迭代、一场创业……当AI成为“生产力”本身，我们如何跃向未来？ 我们请来了4位身处AI创业一线的嘉宾： 黄一，萝博派对RoboParty创始人 ，做全开源双足人形机器人； 郑嘉熙，Eup Robotics创始人 ，聚焦离岸能源平台的水下巡检机器人； 金若凡，科学机智创始人 ，想用Agent产品探索AI for Science的“AGI时刻”； 黄欣欣，光源资本3i产业创新孵化器负责人 ，曾是移动互联网时代的创业者，如今专注于从0到1挖掘和陪跑AI前沿科技创业者。 事实上，萝博派对、Eup Robotics和科学机智，也都是光源资本参与孵化的企业。 这应该是36氪过往所有沙龙里，台上创始人00后含量最高的一次。 但年轻在这里不构成特权。今天的年轻创业者，正在被更严苛地审视。他们既被期待更懂AI，也被要求更快交付产品、更早证明商业化、更清楚回答自己为什么值得被下注。 与之对应的，相比宏大的替代叙事，台下的几十位创业者、投资人和正在各自组织里推动AI化的人，也更关心贴近现实的问题： “AI时代公司要怎么重新组织自己？”“为什么AI没有带来组织效率的飞升？” 工业革命以来，每一次通用技术的普及都会带来类似追问：机器出现之后，工厂怎样重组劳动？互联网出现之后，企业如何重组信息？移动互联网出现之后，平台如何重组交易…… 一个时代有一个时代的答案。而现在，不妨先从我们选取的几个切片里，看看AI时代的创业路径、组织迭代和自我进化。 想要获取完整版分享内容，可以收听文末播客音频；更真实的碰撞，欢迎你来现场亲身体验（ 二维码在文末 ）。 从AI出发，探索解决真实世界问题的路径 光源资本创始人、CEO郑烜乐曾提到过一个判断，他认为移动互联网通过连接万物创造价值，AI则是生产力本身，更像“电”，当它经过软件工程导入到各种机器人硬件后，就会形成端到端的解决方案，创造价值。 台上三位创始人的经历，恰好从不同方向给出了具体的注脚。当AI成为驱动这一轮创业的底层技术变革，老问题开始有了新的解法。 金若凡最早感受到这种变化，是在2022年看到ChatGPT早期版本时。“它在少样本、零样本的泛化任务上，怎么能做到这么好？但它为什么没有去切到工具调用？为什么没有那些专业的知识库去支撑更复杂的科研过程？”她看到了AI能够解决更多科学问题的可能性，从2022年就开始尝试多智能体。 到2025年7月，科学机智团队做出了全球首个自进化生物医药多智能体，论文上线后迅速获得大量引用，开源代码也被同行拿去做benchmark。 效果的反馈是超预期的，她有一位做病毒研究的朋友，因为安全和保密顾虑，只用非常简单的文字“浅浅说了一点点”。但将模糊的信息输入后， 模型不仅猜到了他在做什么，还提出了一个真实的科学假设，跑通了科学发现的闭环。 “这是非常酷的一个事情。这也是为什么我今天站出来说要创业。” 这个例子真正有价值的地方在于，它喻示了一种科研范式的变革。过去，科学家要在论文、数据库、代码、工具软件和实验平台之间来回切换，大量知识散落在人的经验和未被结构化的数据及过程中。而金若凡想做的，是让Agent成为入口，构建贯通“AI—工具—实验—反馈”的统一科研环境，实现AI-Native的科研执行与协作闭环。 做机器人的黄一，选择了一条从硬件出发的机器人AGI 之路。他可能是国内最年轻的人形机器人公司创始人，2023年考入哈工大，大一期间就在宿舍“手搓”出一台成本不到2万元的双足机器人AlexBot，2025年创业。 他说做Robotics的人有个“毛病”，“特别喜欢机器人是自己亲生的”。 黄一在实习阶段调试机器人，调着调着就想动手改，但反馈周期太长。而硬件的迭代最怕反馈慢，一慢就跟不上时代，“miss掉整个大的浪潮”。所以他放弃了大厂的邀请，大三提前毕业创办萝博派对。 黄一主张的全栈开源，不是简单的代码开放，其核心产品包括Atom系列人形机器人和Roboto开源生态平台，主打硬件图纸、控制代码等全栈开源，通过降低硬件、软件、供应链的开发门槛，让更多开发者参与生态共建。 尽管这是一条颇具争议的路线，但黄一也在现场提到， “全开源并不代表没有商业化”。 事实上萝博派对第一代全开源产品发布后，就拿到了超过120台订单，“机构和大厂往往会选择继续复购二三十台，而不是说基于开源自己做制造和生产。” 他将其理解为产品的“微笑曲线”，认为“设计和品牌最贵，制造环节利润最薄。” 开源的价值，不是让所有人都能造出同一台机器人，而是让更多高校、开发者和科研机构以萝博派对为入口进入生态。 郑嘉熙同样身处机器人创业赛道，但他所面对的是一个看起来更“重”的领域，Eup Robotics做的是离岸能源平台水下巡检机器人，属于典型的To B 硬科技方向，应用场景是复杂、苛刻的真实海洋环境。 他希望用AI技术去重塑传统方案，解决产业问题，这种技术和产品偏好某种程度上也决定了Eup Robotics的路径选择。“ 我对可能很通用的东西，其实并不是特别有兴趣。反而对这种能工业落地、能够真的稳定进入行业、产生价值的方向感到兴奋。 真实的海洋场景对安全作业要求极高，（过去）哪怕1%的事故率，都会造成非常难以控制的代价。” Eup Robotics的产品聚焦IMR领域，想用更智能的水下机器人替代传统潜水员及ROV，把被动巡检变成主动维护，为海上风电、油气平台、港口码头等应用场景提供高性价比、自主化、可驻留的水下检测与轻干预服务，其第一代产品正在加速研发中。 三家公司，三个年轻的创始团队，都以AI为源点向不同方向出发，大胆创新，给行业提供新的解决方案、创造价值。 黄欣欣提到，今天的AI创业者面临双重挑战：技术迭代周期急剧缩短、大厂竞争边界彻底模糊，不再有移动互联网时代的避风港，创业者也不能再靠信息差或模式创新存活，而在这种环境下，“大胆本身就是生存的可能性之一”。 光源资本做早期孵化，看重年轻创业者身上的大胆和闯劲儿，但也更早看到了从互联网到AI，两代创业浪潮中不同的范式变化，才决定在早期重注技术驱动型创业。 在这个阶段，光源的核心打法分三步： 一是“follow最优秀的人”，从大厂和学术圈挖掘有共识的顶尖年轻人；二是基于行业洞察主动收敛方向，在机会点出现前就锁定对应领域的潜力团队；三是将十年的FA与投资经验转化为创业常识，帮年轻创始人在战略选择、团队搭建、融资节奏上少踩坑。 “所有方向判断并非独断，而是通过与资本市场反复碰撞形成共识。”黄欣欣提到，这一代年轻人物欲感低、技术起点高，创业动机更纯粹——“所学的东西撞上时代机遇，不干就白碰上了”，而这也正是光源敢于重注这一批00后创业者的底层信心。 AI Native的组织，到底长什么样？ 除了创业路径的选择，这场聚会大家最核心的问题之一，是组织形态。 所谓AI Native公司，到底长什么样？年轻的创业团队，是否就是标准？ 很多公司以为，买了AI工具、装了Copilot、开了Agent账号、鼓励员工使用大模型，就算完成了AI化。但现实没那么简单。 一位负责硬件研发流程改革的项目经理，在现场互动环节，阐述的困境非常具体。在硬件研发流程里，模型已经能参与决策、生成方案，甚至在某些具体任务上比人更强。但组织制度、岗位价值和流程并没有同步变化。行业核心know-how掌握在经验丰富的老工程师手里，可这些人未必愿意接受AI；自上而下推改革，跳过了中间层，在最细的颗粒度上不断起冲突。 他最后的追问是， “为什么单点的AI智能已经实现了十倍、百倍的提升，组织的智能却没有达到十倍、百倍的水平？” 金若凡认为，这是因为很多公司只有单点智能，还没有形成组织智能。以AI制药为例，过去已经有大量垂类模型，但带来的价值仍然有限，“大部分情况还是以人工主导”。而科学机智想做的，是 把实验、人机交互和动态反馈连成闭环，让每一步环节背后的判断被系统吸收、复用和进化，才是科研组织AI Native要解决的问题。 “只有当组织能足够理解和掌控Agent带来的创新能力，才可能进入组织智能这个级别。那个时候你才能真正看到百倍、十倍的增长。” 从个体来说，郑嘉熙本人的工作方式本身就是AI Native的样本。他现在已经不再一行行写代码，而是用vibe coding完成整个架构和code base。把清晰的思路和判断交给AI，让AI以代码形式输出，自己上移到产品定义和技术方向层。 “对于一支只有十几个人的团队来说，这种产品驱动的组织方式，比任何流程设计都更重要。” 在他看来，“一个组织真正有价值的地方，在于能不能调动每个人的主观能动性。”对深海机器人来说，AI当然重要，但它不能悬浮在数字世界里。最终客户看的不是模型多新，而是机器人能不能在海底复杂环境里稳定运行，能不能真的替代高风险作业。 黄一不太相信靠口号改造组织，更相信人才密度和资源配置。为此，他把萝博派对拆成了两套组织，管理方式不同。他坦言，自己参考了Anthropic的“蜂巢思维”，每个人根据自己的位置获得边界，不断向外探索，最后形成一个更大的球体。 人形机器人主线更像传统硬件组织，依靠流程、节点和IPD体系推进，每个人有明确任务和交付时间，目标是保证产品不延期。另一边，他在北京单独建了lab，由一位高校教授带队，做前沿探索。后者不设任何KPI，避免设限。 在他看来，lab的一个核心价值，是提前预判行业走向。“一篇论文从idea产生到发布，可能有六个月的时间差，如果我们能在种子阶段就介入，就能提前知道行业会发生什么，反推今天产品怎么定义。”也正因此，他认为很多公司现在做出来的硬件构型已经“过时了”。 显然，AI Native企业不是全员都用AI，而是从结构上承认，技术变化速度已经快到需要专门给“不确定性”留出组织空间。 在具体的人和组织形态之外，可能还有代际认知在底层逻辑上的差异。 黄欣欣提到，不同背景的投资人对AI的理解深度差异很大。 “从不同的认知起点出发，要让他们果断做出重注AI、推动组织变革的决策，确实需要一个过程。”这是光源愿意把更重的筹码压在年轻人身上的原因，同时也印证了“年轻”在这场活动里的真正含义——它不是传播标签，也不是天然优势。年轻只意味着，他们从一开始就生活在AI已经存在的世界里，不需要先完成一次观念迁移再升级旧组织，而是可以直接在新的生产力地面上搭房子。 AI时代，组织和个体如何持续进化？ 当AI越来越像基础设施，人的问题反而变得更锋利。 因为AI不会平均地放大所有人的价值，也不会让每一个岗位都变得更重要。现场的互动，来自具体岗位、具体公司、具体焦虑。在AI时代，组织和个体如何持续进化？ 第一个关键词是taste。 “AI for Science不是做人工智能就能进来的，它首先要对科学有taste。我们是要踩在浪尖上做冲浪的那个人，而不是追着浪跑的人。”在金若凡看来，如果没有Science taste，加入一家AI for