Một bài đọc là hiểu rõ: 8 công ty AI hàng đầu của Trung Quốc và Mỹ, cùng các nhà sáng lập đứng sau các mô hình

综编：PANews 大钳子

AI 创业没有唯一正确答案，论文型科学家、学术产业化团队、量化工程派、跨行业企业家，以及运营型组织者，都可能在这场竞争中找到自己的位置。

过去十年，人工智能 từ 实验室里的前沿研究，变成了决定科技产业格局的核心力量。今天，全球最受关注的 AI 公司，既包括 OpenAI、Google DeepMind、Anthropic、xAI，也包括 DeepSeek、月之暗面、智谱 AI 和 MiniMax。

它们表面上都在研发大模型，背后却代表着完全不同的创业路径：有人从顶尖论文和学术研究中走来，有人把高校科研成果推向产业，有人先在量化金融中积累算力与资本，也有人擅长融资、产品、运营与组织，把技术团队凝聚成一家世界级公司。

🇨🇳中国：从科研论文、学术实验室到量化工程

月之暗面：把一篇改变行业的论文，做成一款人人能用的产品

月之暗面成立于2023年，旗下产品 Kimi 是中国大模型应用中最具辨识度的产品之一，代表模型 Kimi K3 主打多模态、长上下文、编程与深度推理。

创始人杨植麟，1992年生于广东汕头，本科毕业于清华大学，后在卡内基梅隆大学取得计算机博士学位，师从自然语言处理领域的研究者，博士阶段参与了 Transformer-XL、XLNet 等后来被广泛引用的工作，此后也曾在 Google Brain 和 Meta 从事 AI 研究。

在中国这批创业者里，杨植麟走的是最典型的一条路——先在学术圈证明自己的判断力，再把这份判断力转化成一款普通人能直接打开使用的产品。相比智谱这类更偏企业服务的路线，月之暗面从一开始就瞄准了 C 端。

智谱 AI：清华实验室走出来的产业化样本

智谱 AI 成立于2019年，源自清华大学知识工程实验室体系，代表技术路线是 GLM 系列，长期布局基础模型、企业服务与模型平台。

联合创始人、CEO 张鹏，本硕博均就读于清华大学，2005年至2020年间一直深耕知识工程实验室与 AMiner 学术平台建设，没有传统互联网大厂的履历。

智谱 AI 的特别之处在于起点——它不是靠一款爆款产品从零起步，而是把一个高校实验室十几年积累的知识图谱和学术网络，直接转化成了一套可以对外提供服务的基础模型平台。这也是它和月之暗面最大的分野：一个先做平台，一个先做产品。

DeepSeek：把量化交易赚来的钱，投进了大模型

DeepSeek 成立于2023年，专注基础模型、训练效率与开放权重，代表模型包括 DeepSeek-V3、R1 及后续 V4 系列。

创始人梁文锋，1985年生于广东湛江吴川，本科就读浙江大学电子信息工程，后获信息与通信工程硕士学位，研究方向涉及机器视觉。他没有华为、腾讯、百度这类大厂履历，而是在研究生阶段一头扎进了机器学习量化交易，随后联合创办了幻方量化。

梁文锋的路径在这几家公司里最特殊：他不是先做研究者、再找钱，而是先靠量化投资攒下了资本和算力基础，再反过来把这些资源投进大模型研发。DeepSeek 某种意义上是"金融赚来的算力，喂给了AI"的产物。

MiniMax：从大厂技术高管，到多模态创业者

MiniMax 成立于2022年，是一家多模态基础模型公司，覆盖文本、语音、图像与视频，产品包括海螺 AI、星野等。

创始人闫俊杰，东南大学数学学士，中国科学院自动化研究所人工智能博士，并在清华大学完成博士后研究。创业前，他在商汤科技工作超过六年，做到副总裁、研究院副院长。

闫俊杰身上兼具两种经历——扎实的学术训练，和在商汤这样规模化AI团队里管理产品、带团队的实战经验。MiniMax 选择做多模态这条更难的路，某种程度上也是这两种经验叠加后自然的选择。

🇺🇸美国：从基础研究、安全治理到跨行业资源整合

Anthropic：一对兄妹，一半物理学家，一半治理者

Anthropic 成立于2021年，由一批从 OpenAI 出走的研究者创立，核心理念是"AI 安全应该和能力研发同步推进"，代表产品是 Claude 系列。

联合创始人、CEO Dario Amodei 本科在斯坦福大学学物理，博士阶段转向普林斯顿大学的生物物理学。这段跨学科背景后来延续进了他的研究路径——他先加入 Google Brain 担任高级研究科学家，后转入 OpenAI 出任研究副总裁，参与了 GPT-2、GPT-3 的训练，也是早期 RLHF(基于人类反馈的强化学习)研究的核心参与者之一。2021年，他和包括妹妹 Daniela 在内的多位 OpenAI 同事一起离开，创办了 Anthropic。

Daniela 的路径完全不同。她本科学的是英语文学，毕业后没有直接进入技术行业，而是先后在 Stripe 和 OpenAI 做运营相关工作。在 Anthropic，她的角色不是训练模型，而是搭建公司能够安全、稳定运转的那套底层系统——从招聘、公司治理，到安全政策的落地执行。

这对兄妹组合，某种程度上就是 Anthropic 这家公司的缩影：既需要 Dario 这样能判断技术路线、看得懂模型能力边界的研究者坐镇，也需要 Daniela 这样理解组织、流程和风险管控的人。

OpenAI：一个会讲故事的人，和一个懂技术的人

OpenAI 成立于2015年，推出了 ChatGPT、GPT、Sora 等标志性产品，是把生成式 AI 带入大众视野的核心公司。

Sam Altman 在斯坦福大学读了两年计算机科学后退学，创办位置社交公司 Loopt，随后出任 Y Combinator 总裁。他的强项从来不是发表顶尖论文，而是融资、产品判断、组织动员和讲好一个技术叙事。

Ilya Sutskever 则是另一种类型。他拥有多伦多大学数学与计算机博士学位，师从深度学习先驱 Geoffrey Hinton，曾在 Google Brain 参与 AlexNet、Seq2Seq 等重要成果，并主导了 OpenAI 早期的规模化训练路线。

如果 nói Ilya 决定了 OpenAI 能造出什么样的模型，那么 Sam 决定的是这家公司能不能活下来、拿到钱、把技术卖出去。两个人的组合，几乎是"科学家+组织者"这套路线在硅谷最成功的一次实践。

xAI：马斯克把造车、造火箭的那套本事，搬进了 AI

xAI 成立于2023年，代表产品为 Grok，强调实时信息、推理与生成式媒体，并与 X 平台深度绑定。

创始人 Elon Musk 出生于南非比勒陀利亚，大学学过物理学和经济学，也曾短暂进入斯坦福大学研究生项目后退学。与其他 AI 创始人不同，他没有传统大厂的任职经历，而是先后参与创建 Zip2、PayPal、SpaceX、Neuralink 等公司，并长期执掌特斯拉。

马斯克进入 AI 的方式不是从论文或实验室出发，而是把支付、电动车、航天、卫星通信和社交平台这些跨行业积累的资源整合起来，直接砸向了大模型训练所需要的算力和数据。

Google DeepMind：一个下棋天才，走了一条从游戏到蛋白质的路

Google DeepMind 成立于2010年，2014年被 Google 收购，如今是 Google 核心的 AI 研发机构，先后推出 AlphaGo、AlphaFold 与 Gemini。

联合创始人、CEO Demis Hassabis 出生于英国伦敦，拥有剑桥大学计算机科学一等学位和伦敦大学学院认知神经科学博士学位。他少年时是国际象棋高手，17岁参与游戏《Theme Park》开发，后来自己创办了游戏公司 Elixir Studios。

游戏训练了他对复杂系统和决策的直觉，神经科学给了他理解"智能"本身的生物学视角，计算机科学则提供了把这些想法真正做出来的工程能力。AlphaGo 和 AlphaFold 的成功，几乎就是这三段经历叠加的结果——后者也让他在2024年拿到了诺贝尔化学奖。

四条创始人路线：AI 创业并不存在单一模板

回看这八家公司，可以把创始人背景大致分成四类。

第一类：纯技术论文型创始人。 杨植麟、闫俊杰、Dario Amodei、Ilya Sutskever 和 Demis Hassabis 都拥有系统的科研训练，共同点是能判断技术路线、带研究团队，并在模型能力或训练方法上形成真正的壁垒。其中杨植麟和 Ilya 更接近"先写出改变行业的论文，再走向创业"；Hassabis 则是计算机、游戏与神经科学交叉的产物。

第二类：高校科研成果产业化。 智谱 AI 是最典型的样本，核心能力直接来自清华知识工程实验室多年积累。月之暗面同样有很强的清华和海外研究基因，但路径更市场化——它没有停留在把学术成果封装成企业服务，而是直接做了一款面向大众的产品。

第三类：数学、工程与资本结合。 梁文锋和马斯克属于这一类，但资源来源完全不同——梁文锋靠量化投资积累资本和算力，马斯克靠支付、汽车、航天、社交平台这些跨行业业务调动资源。共同点是，他们进入 AI 的方式从来不只依赖算法本身。

第四类：非技术型组织者与技术创始人搭档。 Sam Altman 与 Daniela Amodei 是这一路线的代表。他们未必是最顶尖的模型研究者，却决定了公司能否招到人、拿到钱、建成产品、扛住监管压力，并在高速扩张中不散架。

前沿 AI 的竞争从来不只是"谁有计算机博士学位"，也不只是"谁能训练出更大的模型"。

真正决定一家公司能否持续领先的，是科研、工程、产品、资本与组织能力能否形成闭环：科学家决定技术上限，工程团队决定模型能否落地，产品团队决定用户是否愿意使用，资本决定算力与人才投入，组织和治理则决定公司能否长期运转下去。

从这个角度看，AI 创业没有唯一正确答案。

论文型科学家、学术产业化团队、量化工程派、跨行业企业家，以及运营型组织者，都可能在这场竞争中找到自己的位置。

谁能把不同能力整合成体系，谁才更可能成为下一阶段人工智能浪潮中的长期赢家。