2026 年，頂級(jí) AI 投資人的收件箱里，BP （商業(yè)計(jì)劃書(shū)）正在迅速失寵。若你走進(jìn)北京中關(guān)村或硅谷沙丘路的一些頭部基金辦公室，會(huì)發(fā)現(xiàn)合伙人們高頻刷新的頁(yè)面，除了財(cái)報(bào)和市場(chǎng)數(shù)據(jù)，也包括 Google Scholar 上的學(xué)術(shù)引用記錄。

當(dāng)大模型能力逐漸趨同、Demo 的驚艷感不斷貶值、資本對(duì)“下一個(gè)爆款應(yīng)用”的耐心開(kāi)始下降，市場(chǎng)重新開(kāi)始追問(wèn)一個(gè)更底層的問(wèn)題：到底是誰(shuí)，真正為這輪 AI 浪潮貢獻(xiàn)了不可替代的技術(shù)增量？

這種變化并非空穴來(lái)風(fēng)，而是源于最近在產(chǎn)研圈與投資圈中持續(xù)引發(fā)討論的一張“全球華人 AI 學(xué)者引用榜”。這張表在某種程度上，映照出過(guò)去二十年華人 AI 技術(shù)力量如何流動(dòng)，又如何逐步轉(zhuǎn)化為創(chuàng)業(yè)、融資與產(chǎn)業(yè)影響力。

站在學(xué)術(shù)高地的何愷明與孫劍，分別以約 80 萬(wàn)與 73 萬(wàn)次引用，定義了視覺(jué) AI 上半場(chǎng)最重要的一批基礎(chǔ)能力，也在相當(dāng)長(zhǎng)時(shí)間里為相關(guān)公司建立了極強(qiáng)的技術(shù)可信度。李飛飛以超過(guò) 30 萬(wàn)次的學(xué)術(shù)引用，將長(zhǎng)期積累的研究聲望延展到新一代空間智能敘事中，支撐 World Labs 在極早期階段便迅速進(jìn)入10億美元獨(dú)角獸行列。楊植麟的引用規(guī)模雖然并不在最前列，但其在長(zhǎng)文本與 Transformer 相關(guān)方向上的研究積累，依然構(gòu)成了月之暗面如今獲得180億美元估值的重要背景。

在這背后，一個(gè)更值得注意的事實(shí)是：當(dāng)行業(yè)從講故事轉(zhuǎn)向看硬功夫，學(xué)術(shù)影響力正重新成為理解 AI 創(chuàng)業(yè)項(xiàng)目的重要坐標(biāo)。

全球頂尖華人 AI 學(xué)者畫(huà)像

通過(guò)對(duì)全球頂尖華人 AI 學(xué)者引用數(shù)據(jù)的深度復(fù)盤(pán)，我們發(fā)現(xiàn)了顯著的規(guī)律：

• 在榜單前 30 名的頂尖學(xué)者中，70%（19/30） 擁有創(chuàng)業(yè)經(jīng)歷。這一群體所創(chuàng)立的企業(yè)大多處于行業(yè)領(lǐng)先地位，估值基本都在 20 億美元以上。學(xué)術(shù)聲望已成為 AI 領(lǐng)域獲取資本支持、構(gòu)建行業(yè)壁壘的高效通行證。

• 4w+ 引用量是進(jìn)入頂尖獨(dú)角獸俱樂(lè)部的門(mén)檻，標(biāo)志著學(xué)者已在特定子領(lǐng)域建立起初步的權(quán)威。10w+ 引用量的學(xué)者往往通過(guò)開(kāi)創(chuàng)性的算法范式（如深度學(xué)習(xí)、視覺(jué)基礎(chǔ)架構(gòu)）直接定義了時(shí)代的技術(shù)底座。擁有該量級(jí)的學(xué)者，其創(chuàng)業(yè)項(xiàng)目往往呈現(xiàn)出更高的底層技術(shù)普適性與估值天花板。

Top 30 研究者中，具有代表性的創(chuàng)業(yè)者包括：

• 余凱（地平線）：引用量約 3.8 萬(wàn)，單篇平均引用表現(xiàn)突出，關(guān)聯(lián)公司估值約 140 億美元。他的路徑說(shuō)明，當(dāng)學(xué)術(shù)深度與底層硬件能力結(jié)合時(shí)，研究成果可以轉(zhuǎn)化為極具壁壘的產(chǎn)業(yè)基礎(chǔ)設(shè)施。

• 曹越 / 張拯（Sand AI）：兩人引用量合計(jì)約 15.1 萬(wàn)，單篇平均引用約 0.16 萬(wàn)，公司估值約 2-5 億美元。他們最早將Transformer架構(gòu)應(yīng)用到計(jì)算機(jī)視覺(jué)，是該方向的重要研究者之一。公司以模型與產(chǎn)品雙輪驅(qū)動(dòng)，將CV領(lǐng)域的研究積累延展至商業(yè)落地。

• 任少卿（Momenta ）：引用量約 5.1 萬(wàn)，單篇平均引用約 0.19 萬(wàn)，關(guān)聯(lián)公司 Momenta 估值約 140 億美元。他代表了視覺(jué)研究者向復(fù)雜決策系統(tǒng)與自動(dòng)駕駛遷移的一條典型路徑。

• 李飛飛（World Labs）：引用量約 34.4 萬(wàn)，單篇平均引用約 0.26 萬(wàn)，World Labs估值約 50 億美元。她正將長(zhǎng)期積累的視覺(jué)與認(rèn)知研究影響力，轉(zhuǎn)化為空間智能方向的新公司敘事。

• 楊植麟（月之暗面）：引用量約 4.8 萬(wàn)，單篇平均引用約 0.05 萬(wàn)，估值已升至 180 億美元左右。其學(xué)術(shù)背景與產(chǎn)品化能力的結(jié)合，使其成為新一代大模型創(chuàng)業(yè)者中最受關(guān)注的樣本之一。

• 孫劍（曠視科技）：引用量約 74.2 萬(wàn)，論文產(chǎn)出規(guī)模極大，關(guān)聯(lián)公司估值約 40 億美元。他是中國(guó)視覺(jué) AI 技術(shù)譜系中最重要的奠基者之一。

• 湯曉鷗 / 王曉剛 / 林達(dá)華（商湯科技）：三人引用量合計(jì)約 41.4 萬(wàn)，商湯估值約 100 億美元。他們所代表的“實(shí)驗(yàn)室創(chuàng)業(yè)”模式，曾深刻影響中國(guó)計(jì)算機(jī)視覺(jué)公司的組織方式與擴(kuò)張路徑。

• 楊強(qiáng)（第四范式）：引用量約 16.5 萬(wàn)，關(guān)聯(lián)公司估值約 25 億美元。其在聯(lián)邦學(xué)習(xí)與隱私計(jì)算方向上的研究積累，為企業(yè)級(jí) AI 在金融與政務(wù)等場(chǎng)景中的落地提供了重要支撐。

• 閆俊杰（MiniMax）：引用量約 3.6 萬(wàn)。公司在上市后市值快速上升，顯示出新一代 AI 創(chuàng)業(yè)競(jìng)爭(zhēng)，已不再只是參數(shù)競(jìng)賽，也包括全球市場(chǎng)拓展、產(chǎn)品節(jié)奏與商業(yè)化效率。

• 朱軍（生數(shù)科技）：引用量約 6.2 萬(wàn)，估值約 20 億美元。他在概率模型、貝葉斯學(xué)習(xí)等方向的研究積累，正在被重新折算到視覺(jué)生成賽道之中。

• 謝賽寧（AMI）：引用量約 10.2 萬(wàn)，作為 ResNeXt 和 DiT 的核心作者，他在視覺(jué)表征與生成式架構(gòu)領(lǐng)域的學(xué)術(shù)貢獻(xiàn)具有統(tǒng)治地位，與 LeCun 創(chuàng)業(yè)的公司 AMI 估值約 50 億美元。

• 蘇昊（Hillbot ）：引用量約 14.6 萬(wàn)，憑借 PointNet 系列在三維計(jì)算機(jī)視覺(jué)領(lǐng)域的開(kāi)創(chuàng)性貢獻(xiàn)，其學(xué)術(shù)影響力跨越了視覺(jué)與機(jī)器人學(xué)，公司估值約 20 億美元。

一個(gè)直觀的現(xiàn)象是，榜單前列的名字，幾乎都在不同階段，與產(chǎn)業(yè)世界發(fā)生了深度連接。

何愷明與孫劍，構(gòu)成了計(jì)算機(jī)視覺(jué)時(shí)代最核心的一組技術(shù)錨點(diǎn)。他們的研究不僅長(zhǎng)期占據(jù)引用高位，更重要的是，直接塑造了深度學(xué)習(xí)在視覺(jué)領(lǐng)域的基礎(chǔ)架構(gòu)與方法路徑。

類(lèi)似的邏輯，也出現(xiàn)在李飛飛的路徑上。ImageNet 所開(kāi)啟的，不只是一個(gè)數(shù)據(jù)集，而是一整套關(guān)于“如何讓機(jī)器理解視覺(jué)世界”的研究范式。因此，當(dāng)她將研究重心延展到空間智能時(shí)，市場(chǎng)更容易給予提前定價(jià)。

而在更新一代的創(chuàng)業(yè)者中，這種“學(xué)術(shù)影響力—技術(shù)方向—公司估值”之間的關(guān)系，則呈現(xiàn)出另一種節(jié)奏。

這一輪以大模型為核心的浪潮，不再?gòu)膯我粓?chǎng)景切入，而是直接指向“通用能力”的構(gòu)建。一旦技術(shù)路徑成立，其影響往往不是線性擴(kuò)展，而是快速外溢到多個(gè)行業(yè)與應(yīng)用層級(jí)，帶來(lái)更高的不確定性，也對(duì)應(yīng)更大的想象空間。以 MiniMax、月之暗面為代表的新一代公司，在較短時(shí)間內(nèi)獲得的估值，已經(jīng)全面超過(guò)了上一代深耕垂直場(chǎng)景的 AI 企業(yè)。

MSRA 黃埔軍校：從學(xué)術(shù)譜系到創(chuàng)業(yè)譜系

如果把視線從這份榜單繼續(xù)拉遠(yuǎn)，會(huì)發(fā)現(xiàn)一個(gè)反復(fù)出現(xiàn)的坐標(biāo)：微軟亞洲研究院（MSRA）。

在中國(guó) AI 創(chuàng)業(yè)史中，MSRA 的意義從來(lái)不只是培養(yǎng)了一批優(yōu)秀研究者，更在于它以一種高度系統(tǒng)化的方式，塑造了中國(guó) AI 人才最重要的一條技術(shù)譜系。許多后來(lái)改變行業(yè)格局的人物，無(wú)論是創(chuàng)業(yè)者還是技術(shù)領(lǐng)軍者，都或多或少與這套譜系發(fā)生過(guò)深度連接。

這種影響力，與 MSRA 早期極強(qiáng)的研究共同體氣質(zhì)密切相關(guān)。孫劍曾長(zhǎng)期被視為視覺(jué)計(jì)算方向最具代表性的導(dǎo)師型人物之一。何愷明在早期研究階段與其緊密合作，兩人共同完成的多項(xiàng)代表性成果，后來(lái)都成為視覺(jué)深度學(xué)習(xí)時(shí)代的重要基石。類(lèi)似地，商湯科技背后的技術(shù)班底，也與 MSRA 視覺(jué)組存在清晰而深厚的師承關(guān)系。

若沿時(shí)間軸回看，這份名單某種程度上也記錄了中國(guó) AI 技術(shù)范式的幾次關(guān)鍵轉(zhuǎn)移。

最早一代，是以計(jì)算機(jī)視覺(jué)為核心的“看見(jiàn)世界”時(shí)代。湯曉鷗、孫劍、印奇、林達(dá)華等代表人物，推動(dòng)中國(guó) AI 在安防、金融、城市感知等場(chǎng)景中實(shí)現(xiàn)規(guī)?；涞?。

隨后，技術(shù)重心進(jìn)一步轉(zhuǎn)向復(fù)雜決策與物理世界交互。任少卿等研究者把視覺(jué)理解能力推進(jìn)到自動(dòng)駕駛等更高風(fēng)險(xiǎn)、更高復(fù)雜度的真實(shí)系統(tǒng)中。

而到了最近這一輪生成式 AI 浪潮，技術(shù)命題再次發(fā)生遷移。楊植麟、閆俊杰、曹越、朱軍等新一代創(chuàng)業(yè)者，正在把競(jìng)爭(zhēng)焦點(diǎn)從“識(shí)別世界”逐步推向“生成世界”與“理解世界”。

技術(shù)復(fù)利：為什么高引學(xué)者型創(chuàng)始人往往更具韌性

當(dāng) 2026 年的 AI 行業(yè)逐漸從“能力展示”走向“系統(tǒng)比拼”，一個(gè)更隱性的分化開(kāi)始出現(xiàn)：一些公司在短時(shí)間內(nèi)迅速起量，但也迅速被替代；而另一些團(tuán)隊(duì)，即便節(jié)奏未必最快，卻始終能跟上甚至引領(lǐng)下一輪技術(shù)變化。

如果從結(jié)果倒推原因，這種差異往往不完全來(lái)自產(chǎn)品，而更多來(lái)自一種更底層的能力——技術(shù)復(fù)利。

所謂“技術(shù)復(fù)利”，并不是簡(jiǎn)單指技術(shù)越積累越多，而是指一種能力：團(tuán)隊(duì)是否能夠在每一輪技術(shù)迭代中，把過(guò)去的積累轉(zhuǎn)化為下一輪的起點(diǎn)，而不是被清零。

范式判斷的能力

技術(shù)復(fù)利的第一層，是對(duì)范式變化的判斷能力。

AI 行業(yè)的一個(gè)基本特征是：技術(shù)路徑并不穩(wěn)定。幾年前還被視為主流的方法，可能在短時(shí)間內(nèi)被完全替代。在這樣的環(huán)境下，真正重要的并不是“是否每一步都做對(duì)”，而是是否能夠在關(guān)鍵節(jié)點(diǎn)上，做出接近正確方向的選擇。

高密度的學(xué)術(shù)背景，在這里往往提供一種優(yōu)勢(shì)：這些研究者習(xí)慣于在問(wèn)題尚未被充分定義時(shí)工作。他們更熟悉如何在信息不完整的情況下建立假設(shè)、快速驗(yàn)證，并在失敗中調(diào)整路徑。

這種能力，使得團(tuán)隊(duì)在面對(duì)范式切換時(shí)，不至于完全依賴外部信號(hào)，而可以基于內(nèi)部判斷提前行動(dòng)。

技術(shù)結(jié)構(gòu)的認(rèn)知

第二層復(fù)利，體現(xiàn)在技術(shù)結(jié)構(gòu)本身。

許多早期 AI 產(chǎn)品的構(gòu)建方式，更接近“功能疊加”：模型能力提升一點(diǎn)，產(chǎn)品體驗(yàn)就優(yōu)化一點(diǎn)。但隨著系統(tǒng)復(fù)雜度上升，這種方式開(kāi)始失效。真正能夠持續(xù)演進(jìn)的團(tuán)隊(duì)，往往在更早階段，就開(kāi)始以“系統(tǒng)”為單位思考問(wèn)題。

這意味著，他們?cè)谠O(shè)計(jì)模型、數(shù)據(jù)管線、工具鏈與應(yīng)用層時(shí)，并不是分別優(yōu)化，而是試圖構(gòu)建一個(gè)可以持續(xù)自我更新的結(jié)構(gòu)。

當(dāng)新的技術(shù)出現(xiàn)時(shí)，這種結(jié)構(gòu)可以被局部替換或重組，而不需要整體推倒重來(lái)。換句話說(shuō)，技術(shù)不再是一次性的“成果”，而是一個(gè)不斷演化的過(guò)程。

人才的號(hào)召力

第三層復(fù)利，來(lái)自人才。

在 AI 行業(yè)，頂級(jí)人才的作用被顯著放大。但更關(guān)鍵的，并不是是否能招到個(gè)別明星工程師，而是團(tuán)隊(duì)是否具備“吸附人才”的能力。

這種能力，往往建立在兩點(diǎn)之上：

一是清晰的技術(shù)問(wèn)題。優(yōu)秀研究者更愿意加入那些正在解決“真正困難問(wèn)題”的團(tuán)隊(duì)，而不是僅僅追逐短期熱點(diǎn)的公司。

二是穩(wěn)定的方法論環(huán)境。當(dāng)一個(gè)團(tuán)隊(duì)在技術(shù)路徑、評(píng)估標(biāo)準(zhǔn)與協(xié)作方式上形成一致性時(shí)，新加入的成員可以迅速融入，而不需要從零開(kāi)始建立認(rèn)知。

在這種情況下，人才不只是被“招聘”進(jìn)來(lái)，而更像是被某種研究氛圍所吸引。這種吸引力，本身就是技術(shù)復(fù)利的一部分。

尋找 AI 時(shí)代的價(jià)值錨點(diǎn)

當(dāng) AI 行業(yè)進(jìn)入更深水區(qū)，評(píng)估一家公司，變得不再那么直接。

一些指標(biāo)依然有效，但越來(lái)越多判斷開(kāi)始向前移動(dòng)——去看那些尚未完全體現(xiàn)在結(jié)果中的部分：研究積累、問(wèn)題意識(shí)，以及技術(shù)路徑的選擇。

引用量，某種程度上記錄了一件事：一個(gè)人是否曾在過(guò)去的技術(shù)周期中，影響過(guò)研究共同體的方向；也隱約提示，在下一輪范式變化中，他是否仍可能參與規(guī)則的形成。

當(dāng)算法逐漸成為產(chǎn)業(yè)結(jié)構(gòu)的一部分，那些被高頻引用的研究者，或許不僅是論文的作者，也是在變化尚未完全展開(kāi)之前，值得被持續(xù)觀察的一組坐標(biāo)。

加入ZF討論群，請(qǐng)先添加小助手微信

我們相信認(rèn)知能夠跨越階層，

致力于為年輕人提供高質(zhì)量的科技和財(cái)經(jīng)內(nèi)容。

稿件經(jīng)采用可獲邀進(jìn)入Z Finance內(nèi)部社群，優(yōu)秀者將成為簽約作者，00后更有機(jī)會(huì)成為Z Finance的早期共創(chuàng)成員。

我們正在招募新一期的實(shí)習(xí)生