史丹佛博士的機器人突圍戰：不再只做demo。近日，由史丹佛兩位頂尖博士創立的Sunday Robotics宣佈完成1.65億美元B輪融資，估值飆至11.5億美元，正式躋身獨角獸行列。更令人驚嘆的是時間線，這家公司去年11月才正式走出隱身模式，發佈首款輪式機器人Memo。短短4個月，累計融資已達約2億美元。本輪由頂級風投Coatue Management領投，Bain Capital Ventures、Tiger Global跟投，老股東Benchmark與Conviction Partners繼續加碼。Coatue創始人Thomas Laffont還將加入董事會。CEO趙子豪（Tony Zhao）在官宣時只說了一句話：“這筆錢只有一個目的：不再只做demo。”史丹佛博士配上特斯拉核心班底Sunday Robotics的創始團隊，是具身智能領域標準的“頂配”配置。（圖片來源：X@sundayrobotics）CEO趙子豪，史丹佛博士（已退學全職創業），本科導師是Physical Intelligence聯創、具身大牛Sergey Levine，博士導師是強化學習知名學者Chelsea Finn。他曾在DeepMind、特斯拉Autopilot團隊工作，是ALOHA、ACT、Mobile ALOHA等明星工作的核心作者。CTO遲宬（Cheng Chi），史丹佛博士，師從知名華人學者宋舒然。他是Diffusion Policy、UMI的核心作者，前者將擴散模型引入機器人策略學習，後者開創了無需本體的資料採集新範式。不僅如此，Sunday幾乎從特斯拉挖走了一整套全端機器人與AI工程師團隊：Nishant Desai：特斯拉機器學習團隊近5年，參與Autopilot與FSD。Nadeesha Amarasinghe：特斯拉AI基礎設施工程負責人，負責FSD與Optimus後台系統。Perry Jia：Optimus與Autopilot關鍵工程師，主導資料引擎項目。甚至連負責Optimus與Robotaxi招聘的Jason Peterson也加入了Sunday。前特斯拉AI總監Andrej Karpathy、OpenAI高管Kevin Weil都曾前往參觀。技術圈評價：這是具身智能領域的“夢之隊”。資料才是真瓶頸在Sunday看來，機器人行業真正的瓶頸從來不是機械結構，而是資料。（圖片來源：X@sundayrobotics）大語言模型有網際網路兆級文字可學，而機器人幾乎為零。Benchmark合夥人Eric Vishria說得很直白：“我們大概只有所需資料的百萬分之一。”傳統解決方案是昂貴的遙操作裝置，一套成本高達2萬美元。操作員穿上動捕裝備，在實驗室裡模仿任務。這種方式精度高，但成本巨大、速度緩慢、場景單一。Sunday走了另一條路：一副200-400美元的技能捕捉手套（Skill Capture Glove）。這副手套的幾何結構和感測器佈局與Memo機器人手部完全一致。Sunday把它寄給普通使用者，他們稱之為“記憶開發者”。讓大家在自己真實、混亂的家庭裡記錄做家務的過程。這裡有個技術難題：人類身高、臂長、關節靈活性各不相同，採集到的資料無法被機器人直接學習。Sunday開發了Skill Transform演算法系統，將人類動作資料以90%以上的成功率重新導向到機器人運動學模型上。（圖片來源：Sunday Robotics）目前，Sunday已分發超過2000副手套，在500多個真實家庭中採集了約1000萬個家務操作片段。這些封包含了極端的混亂場景：不同的光照、亂放的雜物、甚至跳上桌面的貓。資料成本從2萬美元/套降到200美元/副，資料場景從實驗室擴展到500個真實家庭。Sunday用一套低成本手套，建構了一個分佈式資料採集網路。硬體為安全讓路Sunday的硬體決策，處處體現著“資料優先”的逆向思維。（圖片來源：Sunday Robotics）用輪子，不用雙足。在一個重77公斤的裝置有兒童和寵物的家庭裡，雙足機器人的跌倒風險是不可接受的。輪式底盤提供被動穩定性，即使斷電也不會傾倒，更節能、更安靜，讓團隊將研發精力集中在洗碗、疊衣等高價值任務上。（圖片來源：X@sundayrobotics）三指夾爪，不用五指靈巧手。團隊分析發現，80%以上的家務操作三個手指就夠了。這種“面包手”設計比傳統夾爪多4個自由度，單手拿兩個玻璃杯不手抖，同時大幅提升可靠性和成本可控性。QDD關節，不用高減速比。Sunday選擇了準直驅（Quasi-Direct Drive）方案。低減速比帶來三重好處：安全性（外力可輕鬆反驅關節）、力透明性（可直接通過電機電流推斷外力）、對模型的友好性（簡單的動力學模型意味著更小的sim-to-real gap）。資料閉環，讓機器人越用越聰明以這些資料為基礎，Sunday訓練了機器人基礎模型ACT-1。（圖片來源：Sunday Robotics）在“從餐桌到洗碗機”任務中，Memo自主導航近40米，與21種物體進行33類、68次靈巧互動，透明反光物體也能輕鬆拿捏。通過3D地圖作為條件輸入，模型無需記憶具體房屋佈局，在6個陌生家庭場景中可零樣本泛化。這背後是Sunday建構的完整資料閉環：手套採集人類操作→訓練ACT-1模型→部署到Memo→機器人進入真實家庭→產生新運行資料→回饋模型訓練真實家庭場景會帶來實驗室難以模擬的資料：孩子、寵物、雜亂環境、不完整指令，這些都會生成手套示範難以覆蓋的真實運算元據，加速模型收斂。從GPT到ChatGPT：Sunday的規模化前夜Tony Zhao將公司現狀描述為：正處於“GPT時刻”和“ChatGPT時刻”之間。這意味著已經找到可規模化的技術方案，但尚未完成規模化落地。Sunday已啟動“創始家庭測試版”計畫，首批篩選50個家庭參與免費測試，預計2026年底收到Memo機器人。入選家庭將在真實場景中打磨產品性能與使用者體驗。“這將是我們學習的關鍵階段，”Tony Zhao表示，“瞭解人們希望如何與機器人互動，是否希望機器人教孩子新知識。這些反饋將決定最終產品的形態。”目前每台手工定製版Memo成本約2萬美元，目標售價在1萬美元以下。團隊表示，當硬體設計從一開始就圍繞“資料可以彌補硬體不足”來最佳化時，批次生產帶來的成本下降曲線會比傳統機器人公司更陡峭。Tony Zhao透露，今年也將同步在國內組建團隊，base深圳。一個做家務機器人的矽谷獨角獸，選擇了全世界硬體供應鏈最強的城市。（圖片來源：X@sundayrobotics）當整個具身智能行業還在爭論誰能翻更帥的後空翻時，Sunday選擇了一條截然不同的路：不是更炫的硬體，不是更大的模型，而是更便宜的資料。用最低的成本採集最多的真實世界資料，然後用資料的規模優勢反向拉低硬體的成本門檻，最終讓機器人真正走進千家萬戶。從一副200美元的手套，到500個真實家庭，到1000萬條運算元據，再到11.5億美元估值。Sunday的資料飛輪才剛剛開始轉動。而真正的考驗，將在50個家庭的Beta測試之後到來。 (創新觀察局)

2026年1月14日，杭州。浙江省十四屆人大四次會議開幕，省政府工作報告中明確提出：支援錢塘大學籌建。消息傳出，引發廣泛關注，乃至討論。因為，錢塘大學的籌建資金高達400億元，而出資者是農夫山泉創始人、已多年位居中國首富的——鐘睒睒。早在一年前，鐘睒睒就透露過他的辦學計畫。那是2025年1月22日，農夫山泉母公司養生堂集團的年會上，鐘睒睒說，他要依託養生堂集團，在未來十年捐贈400億元，籌建創辦一所“中國沒有的大學”。這，就是錢塘大學。他當時的原話是：“當我們經濟水平提升到有能力來對人類社會作出貢獻的時候，我們養生堂人不能缺席，我們這個大學一定是新穎的，按照中國沒有的大學建設。”一年過去，這所大學到底新在那裡，也陸續有了答案。它將是一所新型研究型大學，其重點新在：放棄傳統大學追求的規模擴張，轉而完全聚焦於人工智慧與數字經濟，並更強調底層技術的產業轉化。鐘睒睒希望，在“數字經濟”最茂盛的地方，深挖一口通向未來的井。400億的捐贈刷新了中國企業家捐資辦學的紀錄，但鐘睒睒卻只是後來居上。在他之前，中國企業家就已掀起了一波捐資建設特色大學的小熱潮，而且也都更加強調教學與產業和國家需求的深度耦合。比如同樣紮根杭州的西湖大學，緣起是施一公、陳十一、潘建偉等七位知名科學家聯合發起的一項倡議——打造一所“小而精、高起點、研究型”的世界一流大學。這項倡議不僅獲得了國家支援，更是得到了萬達王健林、騰訊馬化騰、牧原秦英林等企業家的帶頭響應，真金白銀地砸錢助學。這些身經百戰的商界大佬深知，西湖大學的價值不在於追逐技術的“即時變現”，而是在校長施一公的帶領下，通過深耕科學無人區，為產業發展提供源頭創新能力。“玻璃大王”曹德旺之所以掏出百億巨資，全程督建福耀科技大學，背後是他對中國製造業高端人才斷層的深刻憂慮。這種憂慮源於福耀集團在全球化版圖擴張中的一次次“文化碰撞”。當曹德旺親眼目睹德國那些“小而美”的工廠，能憑藉一群高素質、動手能力極強的技術人才，生產出領跑全球的高品質產品時，他越發認識到，“中國製造業缺乏的是人才，而不是資本”。所以他才反覆說，要通過辦一所新型研究型大學，“把國際上好的東西學回來推廣”。至於中國“晶片首富”、韋爾股份創始人虞仁榮，捐資300億籌建寧波東方理工大學，則更生動地體現了他作為一名產業領航者，對國家戰略安全與基礎研究短板的焦慮與擔當。在虞仁榮的視角中，晶片行業的競爭早已超越了產能的博弈，進入了“源頭創新”的生死時速。他深刻感受到，儘管中國半導體產業規模龐大，但基礎研究薄弱、頂尖領軍人才匱乏，始終是懸在產業頭頂的達摩克利斯之劍。他傾力打造的寧波東方理工大學，不是一間普通的民辦學校，而是要瞄準解決“卡脖子”的源頭問題，立志在晶片、人工智慧、新材料這些領域正面突擊，培養出真正能在這個大時代頂得上的頂尖人才。從基礎研究，到製造業、晶片、人工智慧，這些領域共同指向了破解中國產業困境的終極答案。鐘睒睒、曹德旺、虞仁榮、王健林、馬化騰等企業家之所以有信心躬身入局，是因為他們深知，金錢可以換來產能的擴張，卻買不來一代又一代高端人才的持續輸入。當這些身處產業一線的“實幹家”將自己的認知、精力與財富投入大學時，這種由產業痛點驅動的精準辦學，正推動中國教育與產業發生一場前所未有的深刻變革。中國企業家參與辦大學，並非新鮮事。過去四十多年間，隨著企業家財富的持續積累，以及國家教育與產業戰略的不斷調整，企業家介入高等教育的方式，也在悄然進化。最早期的形式，是“公益回饋”。其中，最具代表性的是香港企業家李嘉誠從上世紀80年代開始，持續捐錢建設汕頭大學。截至2023年，李嘉誠累計捐贈額達120億港元。這些捐贈不僅改善了學校的基礎設施，還引入國際先進的教育資源，助力汕頭大學快速發展，成為這一階段的標竿。此外，遍佈全國的“逸夫樓”、田家炳學校，也是香港已故企業家邵逸夫、田家炳回饋教育的生動縮影。他們捐贈的核心邏輯一致：讓師生擁有更好的教學環境，但並不介入學校的治理和學科規劃。此後，新一代企業家崛起，捐贈重心也從“泛化回饋”轉向了“精準反哺”。他們深知，在科技主導競爭的時代，最稀缺的資源不是大樓，而是大腦。他們以捐資母校為主，設立專項基金或特色班級，聚焦支援各類人才的選拔培養。這些捐贈包括但不限於：馬雲2015年向杭州師範大學捐贈1億元設立馬雲教育基金；段永平累計向浙江大學捐贈15億元；劉強東及京東集團在2017年向中國人民大學捐贈3億元，設立京東基金；高瓴資本張磊也在2017年捐助中國人民大學3億元，設立“中國人民大學高瓴高禮教育發展基金”……還有小米創始人雷軍，從上世紀90年代起，就持續向武漢大學捐贈。2023年，他更是一次性捐出13億元，刷新了全國高校收到的最大一筆校友個人現金捐贈紀錄。雷軍不僅幫助母校建設科研大樓、設立高額獎學金，更是聯合學校設立“雷軍班”，幫助武大培養與留住頂尖人才，也為AI等前沿賽道輸送新鮮血液，實現大學與產業的“雙向賦能”。除了對母校的深情反哺，越來越多企業家的捐贈目光開始投向其他高校。2021年4月，清華大學舉行110周年校慶之際，雷軍率領小米高管親赴清華，見證小米人工智慧創新研究基金的設立。該基金主要用於人工智慧、機器人、醫療健康等前沿領域的創新研究。對於雷軍而言，這已不再僅僅是簡單的捐資，而是通過資源互補，為中國前沿科技的探索提供直接助力。同樣是在2021年4月，泰康保險創始人陳東昇到訪南開大學，出席泰康集團向學校捐贈3000萬元的儀式。這筆資金被專項用於金融學科的發展以及保險精算人才的培養，力求在金融這一國民經濟命脈領域，為中國培養出更多能夠抵禦風險、洞察未來的精英。2025年11月，段永平向其母親的母校北京師範大學捐贈2.2億元人民幣，用實際行動支援學校教學設施的改善與學科建設。這不僅是一份跨越代際的孝心，更是一種對基礎教育底座的戰略性投資。這些捐贈有的緊貼國家戰略需求，有的夯實高校基礎設施建設，已然成為中國高等教育多元化發展的重要支撐。諸多企業家中，也有人不滿足於“捐錢助力”，而是主動成為學校的“舉辦人”，最典型的便是騰訊主要創始人陳一丹，以及吉利董事長李書福。陳一丹於2009年起陸續捐資20余億元，成為中南財經政法大學武漢學院的主要投資人。此後他全程主導學院發展，推動其在2015年成功轉設為獨立民辦本科高校，並正式更名為武漢學院，逐步將其打造為特色鮮明的應用型本科院校。李書福創辦吉利學院的初心，則源於汽車產業的人才短缺痛點與公益情懷。早在1999年，面對汽車人才極度匱乏的現實，李書福便順應政策，開始籌辦北京吉利大學。從最初的專科層次起步，直到2014年，學校正式升格為獨立本科院校。2020年，為了配合產業佈局，北京吉利大學西遷成都，並正式更名為吉利學院。▲圖源：吉利學院除了核心的吉利學院，李書福多年來在教育領域布下了一盤大棋，他還創辦了浙江汽車職業技術學院、三亞理工職業學院、湘潭理工學院、三亞學院以及湖南吉利汽車職業技術學院等多所院校。這些學校的專業設定精準對接吉利的產業佈局與汽車行業的人才需求，建構起了一個從基礎技能型中高職、應用型本科到高端研究生培養的完整鏈條，打造出汽車產業人才的“一站式培養體系”。這也讓李書福成為中國企業家產業辦學、產教融合的旗幟性樣本。陳一丹和李書福作為學校的舉辦人，全程主導旗下學校治理、學科規劃與師資建設，並多次公開重申“辦學不求回報”，明確學校為非盈利性質。而他們深度介入辦學本身，則是要貫徹自己的理念，探索教育多元化的不同樣本。如今，鐘睒睒們捐錢辦大學，則又進階到更高層級——起步就百億級捐贈，直接辦新型研究型大學。大學的“創始資本”幾乎由企業家一己之力托底，學校的戰略定位、科研方向也與企業家的產業意志深度繫結。但問題來了，伴隨人口出生率下降，中國已經有了大學過剩的憂慮，這些企業家為什麼要投入這麼多錢獨立辦大學？鐘睒睒、虞仁榮、曹德旺們選擇獨立辦學，並非單純的“情懷驅動”，或者“有錢無處可花”，而是一種基於現實的理性選擇：彌補現有教育體系的不足，更好地解決產業經濟的需求痛點。他們的新大學幾乎都有一個共同特徵——直接對接產業與國家戰略。錢塘大學的學科佈局涵蓋基礎科學、生命健康、新材料、綠色低碳等領域，核心目標是培養包括AI底層技術與核心演算法人才在內的頂尖創新人才，助力國家科技自立自強。學校高度重視原創研究與成果轉化，不僅大力支援學生開展從0到1的原始創新，還配套建設孵化器、產業轉化中心等平台，讓實驗室成果快速對接產業需求、實現高效落地，真正打通“科研-轉化-產業”的閉環。寧波東方理工大學自籌建以來，便以服務國家重大戰略需求為使命，聚焦中國半導體、資訊技術等領域，重點佈局數理基礎科學‌、‌智能製造工程‌、‌電子科學與技術‌、電腦科學與技術‌等前沿專業，旨在為晶片產業輸送從底層架構到封裝測試的高端研發人才。福耀科技大學首批設定了材料科學與工程‌、‌電腦科學與技術‌、‌智能製造工程‌、‌車輛工程‌等四個本科專業，四個專業從培養方案到課程大綱，全部由學校與企業聯合制定。通過“把課堂搬進車間”的沉浸式培養模式、校企協同育人等舉措，著力培養拔尖創新型工程技術人才，有效緩解中國製造業高端工程技術人才“斷層”的痛點，為實體經濟升級注入新動能。製造業、晶片、人工智慧、康復醫療，看似分散，實則都是指向解決“卡脖子”的源頭問題。這些企業家比任何人都清楚，錢可以解決產能擴張，卻解決不了“源頭創新”。鐘睒睒憑農夫山泉坐穩飲用水行業龍頭，靠萬泰生物攻克HPV疫苗等生物醫療難題，一手打造兩大上市公司的商業傳奇，卻深知基礎科研薄弱、高端人才短缺是行業發展的最大桎梏。他自身因時代原因留有教育遺憾，但他堅信創新靠人才、人才靠教育，這也是他毅然捐出400億籌建錢塘大學，聚焦基礎研究與成果轉化的核心原因。虞仁榮深耕半導體領域，一手推動相關產業發展，見證了中國晶片產業因核心技術和專業人才“卡脖子”的困境。他明白，再多資金投入生產線，也買不來底層技術和頂尖研發人才，唯有自建高校、深耕相關學科，才能從根源上破解難題，這便是他籌建寧波東方理工大學的初心，也是他多年來對產業與教育深度繫結的思考。曹德旺更是將一塊汽車玻璃做到全球頂尖，帶領福耀集團成為全球汽車玻璃行業的標竿，他深耕製造業數十年，清楚中國製造業高端工程技術人才“斷層”的痛點，認為“企業家一定要為國家、為社會負責，而不僅僅是賺錢”。他創辦福耀科技大學、推行“車間即教室”的模式，正是他希望通過教育培育實幹型創新人才，為製造業高品質發展築牢根基的實踐，也是他對“辦教育、育人才、興產業”的深刻踐行。也正因如此，中國既需要浙大、武大這樣的傳統名校，延續上百年沉澱下來的學術體系與人文底蘊。同時也需要如錢塘大學、寧波東方理工大學、福耀科技大學等，一批以產研融合為唯一導向、以效率和結果為核心評價標準的“特種兵大學”，去主動打破學科邊界與制度慣性。至於西湖大學、南方科技大學等其他新型研究型大學，雖然背後同樣有企業家的身影，但其本質更接近於“國家戰略+科學家意志”的結合體。它們的主要任務是探索科學無人區，而非直接回應產業端的即時需求。放眼全球，一所偉大的大學的誕生，往往脫離不了時代的選擇。19世紀，德國製造曾是“廉價劣質”的代名詞。為擺脫低端定位、實現工業升級，以柏林工業大學、卡爾斯魯厄綜合理工學校等為核心的德國高等工業學校（TH）體系成為關鍵支撐。這些院校建構了高校與產業的早期雙向聯動機制，將實驗室研發與工廠技術需求緊密對接，深耕精密製造、化學工業、鋼鐵、電氣等核心領域，為德國製造業從“模仿劣質”向“高品質製造”轉型提供了核心技術與人才保障。這種“產業倒逼教育、教育賦能產業”的硬核邏輯，最終推動德國製造實現品質逆襲，鍛造出風靡全球的金字招牌。在美國加州，史丹佛大學的崛起，起源雖是老史丹佛為了紀念早逝的兒子，也承載著推動彼時加州發展的初心，但其崛起的核心，是一場突破傳統的教育實驗。它不僅允許教授、學生兼職參與企業研發，更在20世紀50年代劃出土地創辦世界上第一個成功的、由大學直接擁有並營運的高科技園區，真正實現產學研深度捆綁，反哺並最終催生出矽谷。如今，鐘睒睒、曹德旺、虞仁榮們，某種程度也是借鑑了美國史丹佛的道路和經驗，築夢中國的史丹佛。企業家，往往能更前瞻與深刻體察到產業經濟對人才的真實需求，進而倒推出更能滿足需求的人才培養路徑。當鐘睒睒、曹德旺、虞仁榮們，以產業經濟為錨點，未來需求為坐標，躬身入局，為產業升級提供“源動力”，中國創新也必將得到更多元的支撐乃至引領力量。 (華商韜略)

這一黃金賽道已捧出6位億萬富翁。又一個00後億萬富翁即將誕生！智東西2月14日報導，2月7日，根據福布斯估計，24歲的美國AI資料標註創企Micro1創始人、CEO阿里·安薩裡（Ali Ansari）即將成為世界上最年輕的億萬富翁之一。其依據是Micro1的25億美元（約合人民幣173億元）最新估值。福布斯報導稱，成立於2022年的Micro1被曝正在以25億美元估值洽談新融資，如果Micro1鎖定或超過這一估值，安薩裡在該公司持有的約42%股份價值將超過10億美元（約合人民幣69億元）。這位年輕CEO身上，早已寫滿了“天才創業者”的標籤：00後、史丹佛退學、16歲便賺到10萬美元。業績層面，Micro1同樣增長驚人：2025年初其年度經常性收入僅700萬美元（約合人民幣0.48億元），到2026年初已暴漲28倍至2億美元（約合人民幣14億元）。安薩裡的造富故事並非個例。眼下，AI資料標註賽道正成為造富新風口，接連催生多位億萬富翁。根據福布斯的資料，除即將登頂的安薩裡外，該賽道已至少誕生6位億萬富翁，並且均來自Micro1的競爭對手Scale AI、Surge和Mercor，包括Mercor三位創始人、Surge創始人Edwin Chen，以及Scale AI兩位創始人。這也意味著，站在OpenAI、Anthropic等大模型創企背後的AI資料標註正在從幕後賽道，走向台前成為資本與人才爭相湧入的黃金賽道。01.為微軟等AI明星公司做資料標註ARR的月均增長速度達35%成立於2022年的Micro1在科技圈的發展態勢並不多見：年收入、估值短時間內翻數倍，創始人即將成全球最年輕億萬富翁。AI訓練資料標註創企的核心作用是為OpenAI、Anthropic、Google、微軟這類AI公司提供大模型訓練資料。與一般的資料標註工具不同，Micro1會招募和管理程式設計師、律師、醫生、教授和金融分析師等數千名人類專家，再將從專家這裡收集到的資訊喂給大模型。▲Micro1的AI招聘工具首頁其作用是通過專家的專業輸出，來糾正AI讓其回答更準確。Micro1招募的專家每小時可以獲得60美元至170美元（約合人民幣414元至1174元）的報酬來評估AI輸出，如醫學或金融領域的少數專家，每小時可獲得高達500美元（約合人民幣3455元）的報酬。▲Micro1的業務架構圖由於AI的性能與其在訓練過程中能夠攝入的高品質資料量直接相關，因此可靠資料提供商的市場規模迅速增長。安薩裡估計，主要的AI實驗室目前每年在AI訓練上花費150億美元，2年後這個數字將超過1000億美元。在這樣的背景下，Micro1的收入與估值發展勢頭迅猛。2025年4月，這家公司的年度經常性收入為約700萬美元（約合人民幣0.48億元），8個月後年收入超過1億美元（約合人民幣6.9億元），到2026年初，據安薩裡透露，他們的年度經常性收入（ARR）收入已經達到2億美元（約合人民幣14億元），並正以每月35%的速度增長。▲2025年初至今Micro1年度經常性收入變化情況（單位：億美元）其估值不到半年翻了4倍。2025年9月，Micro1宣佈完成3500萬美元（折合人民幣約2.5億元）A輪融資，投後估值達5億美元（折合人民幣約35億元），如今這家公司被曝正在以25億美元估值洽談新融資。再來看下Micro1創始人的傳奇經歷。安薩裡2019年～2022年在加州大學伯克利分校讀書，2024年進入史丹佛大學，1年後退學全身心投入創業，2026年即將成為全球最年輕億萬富翁。根據福布斯估計，如果Micro1鎖定或超過目前投資者討論的25億美元（約合人民幣173億元），安薩裡在該公司持有的約42%股份價值將超過10億美元。如今的Micro1在矽谷風頭正盛。雖然安薩裡沒有公佈除微軟外的具體客戶名單，但他透露，Micro1正在與多家前沿AI實驗室以及“七大巨頭”科技公司的多數企業合作。安薩裡設想的未來是，幾乎每個人都能成為AI訓練師，而不僅僅是白領專家。因此最近Micro1將業務擴展到了機器人領域，在全球60個國家招募了約1000人，讓他們記錄自己整理床鋪、修理漏水的水龍頭或收拾餐具等家務視訊，並將這些視訊用於機器人系統的訓練。02.16歲就賺到70萬除了工作沒有其他愛好安薩裡的成長經歷，或為其躋身年輕億萬富翁之列埋下伏筆。他10歲那年隨家人移民美國，從12歲起和家人擠在伍德蘭希爾斯姨媽家的一間屋子裡。當時他們生活略顯拮据，母親叮囑他，別再浪費時間盯著手機看，不如試著用它賺錢。然後安薩裡將他父親的帆布鞋放到電商平台eBay上賣了50美元（約合人民幣345元）。嘗到賺錢甜頭的他，開始騎著自行車去參觀市場和雜貨店，把自己搬得動的東西買下然後線上出售。直到14歲，安薩裡開發了Cash Books Now網站來倒賣大學教材。這個網站為大學生提供教材轉賣管道，然後安薩裡再將這些書加價50%掛在亞馬遜上售賣。靠這門生意，16歲的安薩裡就賣出了超過10萬美元（約合人民幣69萬元）書籍。他說，當時他在賣書上花的心思比學習還多。▲安薩裡（圖源：福布斯）2019年，安薩裡前往加州大學伯克利分校讀大學，然後又創辦了一家為中小企業製作網站的軟體公司，然後因招募工程師製作網站效率太低，安薩裡又利用OpenAI的GPT-3模型開發了AI篩選工具幫自己面試。這個工具就是Micro1的前身，這個AI篩選工具現在用來幫Micro1面試專家。當時的專家一旦被Micro1聘用，就會和“人類資料管理者”配對。這些管理者通常是頂尖大學的應屆畢業生，其工作是幫助專家熟悉AI訓練領域。不過，安薩裡的創業經歷並非一帆風順。2023年Micro1籌集到330萬元種子輪融資，隨後安薩裡遠赴印度探望團隊，途中突發驚恐症。他在接受福布斯採訪時說，當時的他腦子裡總反覆琢磨一件事，素不相識的人願意把數百萬美元交到他手上，他必須用這筆錢做出真正有價值的事。如今，這個00後創業者相比當初已經更為成熟、穩重，且每月前往洛杉磯時，他都會選擇在距離他家人居住地不遠的一個共享辦公空間工作。安薩裡自述自己除了工作外沒有任何愛好，不看電視劇、電影，但會沉迷於各種商業播客以及馬斯克等企業家的個人故事。03.AI資料標註賽道捧出7位億萬富翁競對開價1300萬從Micro1挖人值得一提的是，安薩裡至少是AI訓練資料領域誕生的第七位新億萬富翁。另外六位億萬富翁就出自Micro1的主要競爭對手：美國的AI創企Scale AI、Surge和Mercor。據福布斯報導，有史以來最年輕的白手起家億萬富翁，幾乎都出自AI資料領域。2025年6月～12月，30歲的Scale AI聯合創始人郭露西（Lucy Guo）成為全球最年輕的白手起家女億萬富翁。2023年底前，這一頭銜一直被流行歌手泰勒·斯威夫特（Taylor Swift）佔據。▲Scale AI聯合創始人郭露西（Lucy Guo）2025年10月，Mercor的三位22歲創始人阿達什·海爾馬斯（Adarsh Hiremath）、布倫丹·富迪（Brendan Foody）、蘇里亞·米達（Surya Midha）成為全球有史以來最年輕的白手起家的億萬富翁，此前18個月，這一頭銜均為Scale AI前CEO亞歷山大·王（Alexandr Wang）。▲Mercor創始人阿達什·海爾馬斯、布倫丹·富迪、蘇里亞·米達（從左至右）（圖源：Mercor官網）與此同時，不僅AI訓練標註已經成長為矽谷增長最快、誕生最多億萬富翁的行業之一，而且AI人才爭奪戰也蔓延到了這一賽道，Micro1成為了被挖的焦點。2月6日，福布斯援引知情人士稱，Mercor向Micro1的員工發出邀請，不僅會提供豐厚的薪酬，還有“極具誘惑性的報價”：激勵員工跳槽的簽字費就高達50萬美元～100萬美元（約合人民幣345萬元～691萬元），在某些情況下甚至高達200萬美元（約合人民幣1382萬元）。此外，比高額薪酬更令人驚訝的是目標群體：除了AI研究人員和工程師，還包括項目經理和銷售人員。不過從公開資訊來看，目前還沒有員工接受Mercor的跳槽邀請，甚至有Micro1的員工直接拒絕：“Get out of here.”。根據Mercor發給Micro1員工的招聘資訊，Mercor的年度經常性收入已經達到7.5億美元（約合人民幣52億元），今年3月該公司宣佈完成3.5億美元（約合人民幣24億元）融資，估值達到100億美元（約合人民幣691億元）。有Micro1的員工告訴福布斯，自己對Mercor提出的現金獎金不感興趣，原因在於，Micro1當前5億美元估值能為他帶來的增值收益，遠高於加入當前估值100億美元的Mercor。福布斯分析，產生這一現象的原因可能是，AI訓練標註企業的員工是連接AI公司和提供訓練資料公司的關鍵。一位關係經理跳槽可能會將他們所學的專業知識帶走，這或許就意味著得到或者失去數億甚至數十億美元的商業合同。04.結語：人類資料市場規模或達到兆美元人類資料市場會呈現爆炸性增長趨勢，是因為AI模型不會自行變得更聰明，它們需要人類為它們訓練的資訊加入背景、細微差別和意義。因此，模型性能與高品質訓練資料的數量直接相關，而這可能已經轉化為AI公司對人類資料標註的巨額支出。安薩裡預測，從長遠來看，人類資料產業的市場規模將達到兆美元，這一預判的依據是，他假定全球約5%的人類勞動力，最終將被投入到AI系統的訓練工作中。 (智東西)

AP圈素有“五月火葬場”的魔咒，而史丹佛、耶魯等頂尖名校近期的官宣新政，更是火上澆油——即“學生一旦參加AP大考，在申請時必須如實申報所有科目的成績”這意味著，你不能再“報喜不報憂”地走捷徑，只挑選5分的成績提交。無論好壞，你考過的每一門AP成績，都將原封不動地呈現在招生官面前。這徹底終結了“刷分”和“隱藏低分”的時代。你AP履歷的“全透明”，讓每一次考試都變得至關重要。而這，絕對不是唯二兩所。面對這一變化，“考前突擊”的策略已然失效，很多留學生都坐不住了。要知道，AP各科目難度各異，知識體系龐雜。許多同學習慣於等到4月才開始蒐羅資料、倉促備考，這種“臨時抱佛腳”的方式，在“全科提交”的規則下，無疑是一場豪賭。 (INSIGHT視界)

每年數千例肝臟移植因捐贈者死亡時間預測不準而失敗。今天，AI給出了準確解決方案。在肝臟移植領域，器官短缺始終是制約救治效率的核心難題。而「循環死亡後器官捐贈（DCD）」，是補充器官來源的重要途徑。DCD指捐贈者在心跳、呼吸停止（循環死亡）後進行器官捐贈的模式。然而，這個補充器官來源的重要途徑卻長期受困於「無效取得」問題： 醫療機構為潛在捐獻者投入大量人力、裝置與運輸成本，卻因捐獻者未在器官耐受缺血的時間窗內死亡，最終無法獲得可用肝臟。這種資源浪費不僅加重醫療系統負擔，更延誤了終末期肝病患者的治療時機。近期，史丹佛大學聯合美國6個移植中心研發的LightGBM機器學習模型，為破解這個困局提供了新方案。該模型透過精確預測DCD捐贈者的死亡進展，顯著降低了無效獲取率，為肝臟移植領域的資源最佳化與病患救治帶來突破性價值。無效獲取的沉重代價要理解這項突破的價值，需要先理解DCD肝臟移植的特殊性。在循環死亡後器官捐獻過程中，捐獻者停止生命支援後，肝臟因供血中斷開始受損。通常超過30-60分鐘，肝臟就會喪失移植價值。這個時間窗口的嚴格限制，導致了醫療資源的巨大浪費。單次無效取得的經濟損失可達數十萬元，包括移植團隊調配、器官保存裝置偵錯、跨區域運輸等成本。更嚴重的是，這些資源的無效佔用，直接影響其他末期肝病患者的治療機會。更嚴峻的是，傳統決策方式難以規避這一風險：先前臨床主要依賴兩類方法。一是2012年開發的DCD-N評分等老舊工具，其資料樣本量小且未更新，難以適配當前臨床場景；二是外科醫生的經驗判斷，這種方式往往受個體經驗、認知偏差影響。LightGBM模型的精確預測史丹佛團隊開發的LightGBM模型，透過多維度指標整合，實現了死亡時機的精確預測。模型涵蓋了神經功能指標如瞳孔反射、角膜反射，循環與呼吸指標包括收縮壓、心率、血氧濃度，以及基礎臨床資訊如年齡、BMI和死亡機制。【不同時間點與資料集下模型效能對比熱力圖】在演算法選型上，模型選用 「輕量級梯度提升機（LightGBM）」 演算法，其優勢高度契合臨床資料特性：抗缺失性：臨床資料常有部分指標缺失（如緊急情況未檢測某一生化指標），LightGBM可原生處理缺失值，無需人工填充，避免資料失真影響預測；高擬合度：能有效捕捉變數間的非線性關係（如「低瞳孔反射+ 低血壓」的組合對死亡時機的影響），比傳統線性模型（如舊評分表）更適合複雜臨床場景；高效性：在處理高維度資料時運算速度快，可滿足臨床即時決策需求。為避免模型“紙上談兵”，團隊採用三階段流程，基於美國6家中心的2221例DCD捐獻資料開展嚴格測試：訓練階段：利用2022年12月-2023年6月的1616例回顧性資料，讓模型學習「指標組合與死亡時機」 的關聯規律；回顧性驗證：以2023年7月-8月的398例資料“復盤”，驗證模型對歷史案例的預測準確性；前瞻性驗證：在2024年3月-9月的207例即時臨床案例中測試，模擬實際應用場景下的決策效果。【回顧性驗證佇列與前瞻性驗證佇列中的模型效能及基於閾值的權衡關係】三階段驗證均顯示模型性能穩定，為臨床落地奠定基礎。臨床效果與傳統方法相比，LightGBM模型展現出明顯優勢。在預測30分鐘內死亡的精確度方面，模型的AUC值達到0.83，顯著高於DCD-N評分的0.799和科羅拉多州計算器的0.694。在醫師意見分歧較大的複雜案例中，模型精準率達到70%，而醫師判斷的精確率僅為52%。這一資料表明，AI能夠有效輔助解決臨床決策中的爭議情況。同時，該模型具有高靈活性。它能輸出0-100分的連續預測指數，醫療機構可以根據自身需求調整閾值。例如，希望進一步降低無效獲取率的機構可以提高閾值，而希望減少錯過可用器官機率的機構可以降低閾值。深遠意義：肝臟移植生態的最佳化這項技術的價值不僅體現在資料提升上，更在於其對整個肝臟移植生態的最佳化。透過減少無效獲取，醫療機構能夠大幅降低資源浪費，將更多資源投入高機率成功的捐獻案例。對於終末期肝病患者而言，這項進步意味著更多生的希望。與此同時，研究團隊也開發了配套的臨床資料擷取聊天機器人。醫生只要貼上病歷網頁文字，機器人就能自動擷取關鍵指標並轉化為結構化資料，大幅降低了人工錄入成本。透過這項技術，我們可以看到AI在醫療資源最佳化方面的巨大潛力。它不是要取代醫生，而是作為決策輔助工具，整合多維度資料，規避主觀偏差，為醫生提供更客觀的參考。隨著大語言模型技術的發展，未來可望實現即時資料收集、動態預測、決策建議的全流程自動化，進一步提升臨床效率。AI技術賦能醫療，正從理念走向現實，而每一次這樣的進步，都在為生命爭取更多可能。 （算家雲）

在人工智慧（AI）領域，專家們預測下一個重大進展將是多模態學習、去中心化的智能網路，這將徹底改變全球的技術和社會結構。目前，AI已經能夠創作詩歌、繪畫以及處理文書工作，但專家們認為，未來的AI將不再僅限於文字交流，而是會具備聲音、機器人技術等多種形式的互動能力。這種多模態的AI將能夠生成音訊、影像，甚至實際的物理結果，並能駕駛車輛、操作裝置或進行農作物的採摘。根據科學新聞日報的穆罕默德·圖欣（Muhammad Tuhin）所述，未來的AI助理不僅能回應輸入的文字提示，還能理解使用者的語氣、臉部表情、周圍環境和社交背景，這將使系統的互動變得更加直觀和人性化。此外，AI的智能將超越人類，個人助理將擁有比整個人類社群更豐富的知識。這一切都與邊緣計算有關，專家們認為，未來每個人都將擁有最聰明的AI，並且這些AI可能會在一個去中心化的網路中相互連接。麻省理工學院的拉梅什·拉斯卡（Ramesh Raskar）和史丹佛大學的馬騰宇（Tengyu Ma）等專家探討了AI的未來，並提出一個引人注目的觀點：未來的AI世界將涉及分散的智能網路，而不僅是一個集中的智能體。拉斯卡舉例說明，企業的CEO並不需要成為公司中最聰明的人，而是應該做為一個協調者，整個公司的才智來自於所有的優秀人才。他還提到，企業的策略已經在朝著這個方向發展，許多大公司正在逐步去中心化他們的智能定義。這意味著，未來的AI可能會是許多微型AI的集合，這些AI分佈在全球各地，並能夠訪問當地的工具和資料，進而形成一種全球智能。在這種去中心化的理論中，香港數學家洪樂潼（Carina Hong）指出，隨著推理成本的降低，將會出現更多意想不到的應用案例和市場。她認為，這將為全球的進步奠定一個巨大的基礎，並且AI將能夠以驚人的速度應用於所有的應用科學。在討論中，專家們還提到，Anthropic公司最近的資料政策變更，要求更多的使用者資料，以便更好地理解如何為不同的使用者建立有用的模型。這些專家的觀點幫助我們更好地瞭解即將到來的AI變革，未來的AI將如何影響我們的生活和工作。 (芯聞眼)

9月19日，史丹佛大學（Stanford University）和國際權威學術出版社愛思唯爾（Elsevier）共同發佈了「2025年全球前2%頂尖科學家榜單」（World's Top 2% Scientists）。榜單連結：https://elsevier.digitalcommonsdata.com/datasets/btchxktzyw/8這份榜單分為“終身科學影響力排行榜（Career-long Impact）”和“年度科學影響力排行榜（Single-year Impact）”兩大部分，從全球近700萬名科學家中，通過基於其論文引用數、h因子、合著者修正的hm因子、單獨或第一作者的文章引用數等綜合參數，遴選出世界排名前2%的科學家，涵蓋 22 個領域和 174 個子領域。其中，“終身影響力”榜單統計科學家職業生涯期間的綜合表現，“年度影響力”榜單則聚焦上一年度的學術影響力。據統計公佈的2025年榜單，中國共有 12374 位學者進入“終身科學影響力排行榜”，有 31685 位學者入選“2025年年度影響力榜單”。在年度 Top10 大學中，清華大學排名第四，稍落後於牛津大學，強過史丹佛大學，共 746 位學者入選該榜單。在本年度Top 10科學家中，中國科學院的王中林教授一舉斬獲「終身科學影響力排行榜」和「年度科學影響力榜單」雙榜單第一，全球總排名第一，可謂全球第一人。值得一提的是，圖靈獎得主 Yoshua Bengio 位居第七。Yoshua Bengio 也是世界首位「最高引」學者，作為深度學習三巨頭之一，在深度學習、循環神經網路、注意力機制、GAN等方面均做出了開創性貢獻，推動了機器翻譯、自然語言處理、電腦視覺等領域的巨大進步。此外，在「終身科學影響力排行榜」前1000中，國內入選的共有 21 位，其中，南京大學周志華、騰訊張正友排名分別為526、969。同時，兩人入選「年度科學影響力排行榜」前1000，排名分別為 182、588。圖：「終身科學影響力排行榜」前 1000 的中國科學家，共入選 21 位圖：「年度科學影響力排行榜」前 1000 的中國科學家，共入選 50 位具體地，中國內地高校入選兩榜科學家的統計如下：清華大學、浙江大學、中國科學院大學，在“兩榜”中，入選科學家人數排名第一、二、三。清華大學在“兩榜”中，均大幅領先其它高校，國內理工科第一校非常穩！在華五高校中有喜有憂，浙大拿下第二，上交大排在第三，復旦第九，都是不錯的成績。非雙一流大學中，深圳大學的排名最靠前，其次是江蘇大學、廣東工業大學、浙江工業大學，入選人數超過了很多雙一流高校。民辦大學中，西湖大學一枝獨秀，30人入選終身榜單，60人進入年度榜單。可見施一公在引進人才方面，非常注意人才質量與層次。北京大學是top2高校，不過在今年全球前2%科學家中，僅排在了第五。(HsuDan)