新的产业前沿，一直站着北大人。

如果讨论中国 AI，清华已经是一个绕不开的名字。从大模型、AI 芯片到明星创业公司，许多创始人都有清华背景。而在 AI 落地应用场景，走进产业方面，则站着越来越多的北大人。

从企业智能，到科学智能，再到具身智能，他们瞄准的，都是产业最核心、也最紧迫的问题。

01 北大传承

20 世纪 60 年代末，北大师生承担了一项几乎从零开始的国家任务，研发每秒百万次运算的大型数字计算机，代号 150 机。

当时，中国石油勘探面临一个现实难题，地下结构越来越复杂，但大量地震勘探数据只能依靠人工和简单设备处理，计算效率低、误差较大，直接影响找油效率。而国外大型计算机技术受到严格限制，中国必须走自主研发之路。

那是一个 " 无资料、无经验、无成熟技术 " 的时代。从硬件设计到软件系统，几乎所有环节都要从零开始。

软件团队由北大教师杨芙清负责。后来，她成为中国软件学科奠基人之一。彼时，硬件还没有完成，软件却必须提前验证。为了找到计算机运行的可能路径，杨芙清带领团队奔赴大庆油田，借助已有的 108 乙计算机编写模拟程序。

那段时间，团队成员几乎住在机器旁边。团队昼夜轮班，每人每天只睡两三个小时，硬是在 23 天内完成了原本需要数月的调试工作，为 150 机争取了关键时间。

1973 年，150 机研制成功。次年 4 月，这台完全自主设计的大型计算机，成功处理了我国第一条海上数字地震剖面，被业内誉为 " 争气剖面 "，开创了国内数字采集、处理地震数据的先河，推动中国地质勘探进入数字化阶段。

如果说 150 机证明了高校可以解决产业难题，那么真正将科研成果推向市场的人，是王选。

1974 年，国家启动 "748 工程 "，目标是解决汉字信息处理难题。1975 年，北大助教王选加入这一工程，负责汉字激光照排技术方向的研究。

当时，国外照排技术已经发展到第二代、第三代，而王选团队经过反复论证，选择跳过已有路线，直接攻关尚未成熟的第四代激光照排技术。

但这并不是一条坦途，最大的瓶颈来自汉字本身。西文字符数量有限，而常用汉字多达六七千个，再加上不同字体、字号组合，信息处理难度远超西文。

王选做出了一个大胆选择：用数学方法解决汉字数字化难题。

他独创了 " 参数表示规则笔画，轮廓表示不规则笔画 " 的方法，将汉字存储量压缩到原来的五百分之一至千分之一，大幅降低了计算机处理汉字的难度，让大规模汉字信息处理真正具备了产业化可能。

1979 年，王选团队利用自主研发的汉字激光照排系统输出第一张报纸样张。随后，这项技术逐渐进入出版印刷行业，推动中国印刷业告别 " 铅与火 "，进入 " 光与电 "。

从 150 机到激光照排，北大逐渐形成了一条鲜明的技术传统，瞄准产业最难的底层问题，用基础研究完成突破，再把技术真正送进市场。

02 AI 时代，多点突破

互联网时代，以李彦宏为代表的北大创业者，解决的是 " 信息如何被找到 "。到了 AI 时代，北大的创业者们正在回答另一个问题：如何让机器真正理解世界。

这种变化，也让北大创业者的方向发生了明显变化。

企业智能，是 AI 最早实现规模化落地的领域。

2006 年，北大计算机系在读硕士生吴明辉创办秒针系统，从广告监测和消费者分析切入，帮助企业理解数据、辅助决策。

随后，他创办明略科技，将 AI 应用于知识图谱、商业分析和智能决策。如今，明略科技服务超过 2000 家企业客户，并于 2025 年登陆港交所，成为 " 全球 Agentic AI 第一股 "。

另一位代表是陈振杰。2014 年，北大光华在读硕士陈振杰与本科同学启动创业项目，次年创办极视角。不同于多数 AI 创业者，他并非技术背景出身，而是从生命科学转向供应链管理，再进入企业管理领域。正因如此，他更关注AI 如何真正进入产业现场。

极视角没有选择单纯开发算法，而是搭建 AI 算法平台，将企业需求转化为算法解决方案，连接开发者与产业场景。如今，公司已服务 3000 多家政企客户，并于今年 3 月登陆港交所。

如果说企业智能解决的是经营效率，那么 AI for Science 关注的，则是科学发现本身。

2014 年，北大物理学和数学双学位校友赖力鹏联合创办晶泰科技，将 AI、量子物理与自动化实验结合，用计算模拟分子结构、预测药物效果，减少传统研发中的试错，加速新药和新材料研发。2024 年，晶泰科技登陆港交所，成为 " 中国 AI 制药第一股 "。

2018 年，北大元培学院校友张林峰、孙伟杰创办深势科技，将 AI 引入科学计算，希望解决传统科研中计算成本高、效率低的问题。团队长期深耕分子模拟，相关成果曾获得有 " 超算界诺贝尔奖 " 之称的戈登 · 贝尔奖。

如今，深势科技正让 AI 参与科学规律探索，加速药物、材料等领域研发，已服务全球 1000 多所高校和科研机构，并完成超 8 亿元 C 轮融资，跻身 AI for Science 独角兽行列。

AI 的边界还在进一步拓展，从数字世界和科学计算走向物理世界。

2023 年，北大前沿计算研究中心助理教授王鹤创办银河通用，瞄准具身智能赛道，让机器人从实验室走向真实环境。传统机器人依赖固定程序，只能完成特定任务。而银河通用希望通过具身大模型，让机器人具备感知、理解、决策和执行能力，真正适应复杂开放的现实环境。

成立三年多，公司累计融资已超过 69.6 亿元，估值超过 200 亿元，成为具身智能领域最受关注的创业公司之一。目前，其机器人已经进入工业、仓储、零售等多个场景。

与此同时，北大 AI 创业者还在探索更多新场景。北大深研院两位在读博士生宁鲲鹏、姚佳雨，将校园项目 ChatExcel 发展为创业公司元空智能，让用户通过自然语言完成表格处理、数据分析等办公任务，推动 AI 办公助手走向实际应用。

北大校友陈博远则进入更前沿的世界模型赛道，创办逆矩阵科技，希望构建通用世界基座模型，让 AI 学习现实世界的运行规律，为具身智能、物理仿真等未来应用提供底层能力。

从企业智能，到科学智能，再到具身智能，AI 在他们手中正在不断突破边界，从一种技术工具，逐渐成为探索未知、连接现实世界的新型基础能力。

03 从个人英雄到系统输出

为什么北大能够持续走出 AI 创业者？

答案首先藏在基础学科的长期积累里。

吴明辉本科学数学，赖力鹏拥有物理学和数学双学位，张林峰拥有物理与应用数学背景。这些看似不同的路径，背后有着相似的思维方式：用数学建模商业问题，用量子物理理解药物研发中的复杂规律，用 AI 探索科学计算中的未知问题。

他们接受的训练，本质上都是一件事，寻找复杂系统背后可以被计算、被理解的底层结构。

这种基础学科优势至今仍在延续。2020 年美国 MATLAB 软件被禁用后，北大数学团队推动研发北太天元科学计算软件，试图打破科学计算领域长期依赖国外工具的局面。如今，这款国产科学计算软件已进入高校科研和工业应用，为科学计算软件国产化迈出了重要一步。

但仅有单一学科能力还不够，AI 时代越来越需要跨领域融合。

在这些 AI 创业者中，元培学院的身影多次出现。张林峰、孙伟杰、陈博远等人都拥有元培背景。

2001 年启动的元培计划，是北大探索通识教育和跨学科培养的重要尝试，强调打破传统专业边界，让学生在不同学科之间寻找新的结合点。2007 年，元培计划正式升级为元培学院，这一培养理念也随之制度化、常态化。

这种跨学科训练，也让他们更容易发现不同领域之间的连接点，把 AI 引入药物、材料、科学计算、机器人等技术门槛更高的领域。

真正的变化在于，北大正在把过去依靠少数团队完成的成果转化，逐渐变成一套可以持续运行的创新系统。

2021 年，北大与北京科创基金联合设立元培基金，规模约 10 亿元，重点支持具有原始创新潜力的早期科研项目。相比传统投资，元培基金更关注技术壁垒和长期创新价值，而不是要求项目一开始就具备成熟商业模式。

在此基础上，北大进一步推动燕缘创投成立，聚焦 " 投早、投小、投硬科技 "，将高校科研资源与产业资本连接起来。

到 2025 年，燕缘孵化器正式落地，定位为 " 科学家与创业者的早期合伙人 "。它与元培基金、燕缘创投共同构成北大科技成果转化的 " 最初一公里 "，帮助早期科研项目完成从技术验证到创业落地的关键跨越。

从基金投资，到孵化服务，再到产业连接，北大正在构建覆盖" 科研发现—技术验证—企业孵化—资本支持 "的创新链条。

王选当年带领团队完成的那场技术穿越，如今正在变成一套可以持续运转的创新体系。

回望过去半个多世纪，从 150 机、激光照排，到今天的 AI，时代不断变化，但把基础研究变成产业突破的能力，一直在北大人身上延续。