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。
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。
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）。
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。
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。
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 Science 公司是为了什么？
黄一强调了两遍 " 非常认同 "。在他看来，research 本质上也可以被归类成 taste，尤其是 " 一个好的研究者，重要的不只是追最新模型，而是知道什么方向值得押注，什么问题值得被问，什么论文还只是苗头时就值得提前介入。"
在 AI 时代，执行不再稀缺，判断才稀缺，taste 是一种更难被外包的能力。模型可以生成大量方案，却不会天然知道哪个方案值得相信；Agent 可以执行任务，却不会自动判断任务本身是否有意义。
AI 越是普及，越需要人来定义方向。
这个方向，可以是正面的进步，也可以是负面的毁灭。金若凡举了个例子，去年年底，他们牵头办了全球首届 " 生成式 AI 与生物安全 " 研讨会，邀请了图灵奖得主 Yoshua Bengio 和美国科学院院士 George Church。为了搞清楚防线在哪，他们去攻击了自己的模型，也攻击了业内某个 DNA 大模型（该模型声称训练时从未碰过病毒数据）。
他们给这个模型一段病毒序列的前 10%，让它逐段续写。续写完成后拿去比对，发现产物是 HIV。他们不信，又做蛋白翻译和结构比对，仍然是 HIV。随后如法炮制，这个 " 从未见过病毒 " 的模型又生成出了高危型 HPV 和传染性极强的 SARS-CoV-2，甚至把变异的演化路径都补齐了。
在 AI 越来越强大的时代，清楚它能做什么、不能做什么、该在哪里划线，既是一种稀缺的 taste，也是一种责任。
第二个关键词是 bet，敢于下注。
黄一说自己 " 赌性很强，go big or go home"，面对大厂动辄数十亿计的资金，创业公司必须选择 All In。郑嘉熙的下注，务实又笃定，深海基础设施巡检这个方向，客户链条重、验证周期长，但传统痛点真实存在，已然能看到技术重构后能带来的巨大价值空间。
光源资本选择从 0 到 1 做孵化，也是一种 bet，这是一项 " 高风险、高不确定性、但同样高回报 " 的业务，用更早期的投入换取后续的增长空间。
但敢于下注，靠的不是凭空判断，用黄欣欣的话来说，是把自己放在资本市场共识的涌现节点上，先嗅到趋势并迅速执行，在见每个机构、每个产业方的过程中不断碰撞和打磨故事线，直到方向收敛——市场苗头出现与自身判断互相验证，让大胆的决定有了现实根基。
第三个关键词是自我迭代、或者说自我蒸馏的能力。
现场有人问，AI 时代的人才画像到底是什么？郑嘉熙给了一个定义：一个会用 AI 的人，" 能让 AI 把以前的自己取代掉，甚至基于自己的 taste 产生一个更好的自己 "。
尤其是在科研场景，在 AI 冲击下，研究者剩下的核心价值 " 就是他的想象力和他 Science taste 的创造力 "。
工具可以替代执行，但不能替代提出问题的能力。自我蒸馏，本质上是一次主动的自我淘汰。把过去自己依赖的技能提炼、压缩、剥离，留下那些 AI 无法从数据里凭空长出来的东西——对问题的嗅觉、对方向的校准、对一个假设是否值得投入的判断。
这种能力不仅关乎个体进化，也关乎组织。萝博派对想要营造的那个高浓度的自由探索空间，本身就是一种组织级的自我迭代——允许噪音存在，允许短期看不到产出，因为这些 " 不经济 " 的尝试往往是下一个突破的种子。
分享的最后一个环节，我们让每位嘉宾给自己定一个年度的目标，希望明年今日，还能聚在一起回望。
金若凡希望能把公司估值翻 100 倍。
" 一年前我们已经做到了闭环验证，就在上周，Nature 顶刊连续发表了三篇相关报道，全球 Top 10 药企都在进入 AI Scientist 方向。"
郑嘉熙希望第一款水下机器人产品尽快推出，团队快速 scale up。
" 再往后两三年，希望自己的机器人能部署到各个能源平台上，看到这些机器在不断工作运行，保护我们整个能源结构 "。
黄一希望萝博派对今年能新增 1000 个真实开发者。
" 这是我给团队定的 OKR。而就自己而言，希望具身模型能跑到 5B、10B 的小规模参数，甚至幻想今年能替代 9 万个快递分拣工人。"
黄欣欣希望光源资本 3i 产业创新孵化器今年能再帮助 10 位年轻创业者把创业做成功。
" 在这个过程中，互相笃定方向的正确，人的正确，以及始终能够从陪伴的角度去帮助他们解决实际的问题。"
在这个没有 PPT 的晚上，"TokenAge" 最终没有停留在 Token 上。从创业路径、组织迭代到自我进化，它更像一次 AI 时代价值尺度的重新校准。而在真诚沟通面前，三个小时也并不显得漫长。
完整版分享内容，欢迎扫码收听音频播客：
离线聚会还会继续，我们希望，更多的交流和有价值的沟通在台下发声，在现场发生。
下一期离线聚会，欢迎加入。
