35歲魔咒失效，中年人逆襲掌權AI革命？
我們播客的合作者姚嘉在最近這期節目裡有一個很有趣的洞察，他把這稱作AI創業大潮中的“老頭樂現象”：
在這一輪AI革命中弄潮的，很多都是四五十歲的中年人，比如OpenAI 的 Altman，41 歲，Anthropic 的 Amodei，42 歲；DeepMind 的 Hassabis，48 歲。最近大紅大紫的OpenClaw的開發者Steinberger，38 歲，都已經退休過一回了。
這個現象放在中國也有類似情況，智譜AI的張鵬44歲，DeepSeek的梁文鋒41歲，階躍星辰的姜大昕40歲，MiniMax閆俊傑也37歲了！
當然要說這群人是“老頭樂”，那也有點傷人。不過說是中年革命，應該不過分。這跟30年前的網際網路革命有很大不同，那幾乎是一個輟學生和穿帽衫的男孩們統治的時代。
沒人會真的把這群掌控千億市值、定義技術走向的人稱作“老頭”，但姚嘉的調侃裡藏著核心事實：本輪AI革命的話語權，牢牢掌握在中年人的手中。
當我們切開一個個AI項目的外殼，會發現這場革命的底層邏輯，從一開始就註定了——它偏愛相對更有積累、有情商、有敬畏心的中年人。這種權力的移轉並非偶然，也與運氣、情懷、年齡歧視沒什麼關係。
01. 網際網路是快消品，AI是重工業
創業類型有很多，但網際網路創業的邏輯經歷了30年的造富效應，最為人所熟知：找痛點、搭團隊、快速迭代、沖高流量、抬高估值、上市變現，在某個賽道牢牢佔據一塊市場。
但在新的這輪AI創業浪潮中，無論是資源密集度的門檻，還是宏觀經濟周期的改變，加上監管環境、公眾輿論對創業者的要求，都與網際網路革命不可同日而語。
先看資金門檻，如果說網際網路革命是生產洗衣粉的輕工業，AI革命就是生產萬噸乙烯的大基建。
網際網路剛剛萌芽時，創業成本低到驚人。幾台廉價伺服器、一個創業點子、幾個同學夥伴，就能在車庫中、宿舍裡啟動一個項目。
祖克柏在哈佛宿舍搞Facebook，啟動資金2000美元；馬雲創辦阿里巴巴，啟動資金靠“18羅漢”湊一湊，50萬元人民幣。那時候的創業，拼的是“敢想敢幹”，資金從來不是最大的絆腳石。
AI創業則是另一番景象——它是資本密集型的“重工業競賽”，沒有巨額資金，連入場券都拿不到。訓練一個領先的基座模型，需要數以萬計的GPU、極高的電力供應，以及數億甚至數十億美元的持續投入。
巴克萊銀行有個分析，AI基礎設施的資本開支已進入超常增長階段，預計到2030年，僅美國資料中心的電力需求就將比目前增長三倍，達到每年5600億度電——等於新增了三個三峽大壩的發電量。
中國在本輪AI革命中主打一個價格便宜量又足，但這並不意味著中國的AI項目可以輕資產投入。以港股上市公司智譜為例，他們訓練GLM-130B大模型時，使用96台DGX-A100（每台8×40G），預訓練持續60天，等價於花費490萬美元的雲服務費用。
這還只是一個版本模型訓練的基礎費用與時長！
梁文鋒的DeepSeek-V3模型，算是“低成本高效益”的典範，僅為GPT-4估算成本的二十分之一到十分之一，但訓練成本依然達到557.6萬美元。如果沒有幻方量化數百億規模、幾十個百分點年收益率所形成的資金池，也無法支撐這樣的研發投入。這種規模的資金門檻，絕大多數年輕創業者都無法承擔。
資金之外，工程經驗的門檻，也把大多數年輕人擋在了門外。
網際網路創業的技術門檻相對較低，只要能快速實現MVP（最小可行產品），就能獲得市場反饋、持續迭代。但AI創業不一樣，大模型訓練涉及分佈式系統、最佳化演算法、資料工程、硬體適配，每個環節都需要深厚的工程經驗，每一步都不能出錯。
還拿智譜AI舉例。根據團隊開放原始碼的研發時間線，GLM130B從2022年初開始進行多平台適配、演算法與框架偵錯、資料準備和大規模測試，正式持續的預訓練僅在5-7月這三個月內完成，大部分時間都用於“適應性調整和系統調整”，真正穩定訓練的時間不到2個月。
這種“踩坑－填坑”的過程，與網際網路時代的小步快跑、快速迭代格格不入，反而更類似於傳統的工程建設。
姜大昕的經歷也印證了這一點。這位47歲的階躍星辰創始人，出身於微軟亞研院，在自然語言處理、機器學習領域積累了數十年經驗，是多個頂級會議的區域主席和期刊編委。
他創立階躍星辰後，選擇了“多模態統一”的技術路線——不是簡單拼接不同模態模型，而是從架構層面實現原生融合。這種高難度的技術選擇，需要對技術邊界有清醒的認知，更需要深厚的工程功底，而這兩種功力的積累都需要漫長的時間。
組織能力和人脈資源，更是中年創業者的“獨家優勢”。
網際網路創業初期，團隊規模小，管理簡單，年輕人靠熱情和衝勁就能帶動團隊。但AI創業需要的是規模化的組織管理，需要協調科研、工程、市場、資本等多個環節，需要整合學術、產業、資本等多方資源——這些能力，只能在長期的職業積累中慢慢沉澱。
張鵬的“清華系”網路，就是最好的例子。他在清華深耕二十餘年，積累了強大的學術網路和產業資源，智譜AI的董事長劉德兵、首席科學家唐傑均為清華系人士，許多清華校友甚至辭掉國外頂級公司的工作，加入智譜AI。這種強大的人才感召力，不是年輕創業者能複製的。
閆俊傑雖然年僅37歲，處於中年與青年的邊界，但他的組織能力同樣來自長期積累。在商湯科技擔任副總裁期間，他見證了“AI四小龍”的輝煌與困境，深刻理解上一代AI落地的痛點。創立MiniMax後，他打造了一支平均年齡29歲的年輕團隊，卻能憑藉自己的管理經驗，實現扁平化管理，讓團隊快速迭代產品，最終僅用4年就完成上市，刷新了AI公司的上市速度紀錄。
說到底，網際網路創業是“點子驅動”，AI創業是“積累驅動”。年輕人或許有更好的點子，但中年人有足夠的資金、經驗、人脈和組織能力，能把點子變成真正的技術、真正的產品、真正的商業價值。這不是年齡的勝利，而是積累的勝利。
02. 資本也學會品嚐時間的滋味
資本也是決定創業風向的重要一極。AI時代中年人能掌權，很大程度上，是資本的外部環境與行為模式發生了根本轉變。
網際網路時代，資本的主要玩法是普遍撒網、覆蓋賽道，賽馬中的領先者獲得更高倍率的資本追投，直到上市套現。YC開創的5萬美元佔5%股份的玩法是這一潮流的集大成者，VC願意把錢投給大量年輕創業者——那怕他們沒有經驗、沒有盈利模式，只要有一個概念足以讓後面幾輪投資者願意接盤，資金就會紛至沓來。
楊致遠、拉里佩奇、祖克柏，這些傑出的年輕人奠定了這一模式的基礎。直到Uber的超長規模融資難以為繼，和WeWork帶來的擊鼓傳花的破裂，這一模式終於失去了光環。
WeWork泡沫破裂、全球化被川普中止，加上疫情的衝擊和元宇宙的偽命題，資本開始變得小心翼翼起來，LP（有限合夥人）對風險溢價的要求更高，VC再也不敢“廣撒網、博機率”，而是轉向“精挑細選、選贏家”。他們的投資邏輯，從“賭未來”變成了“求確定性”。而這種確定性，恰恰是中年創業者能提供的。
投資機構Antler做過一個統計，2021年，AI獨角獸創始人的平均年齡達到了40歲的峰值。在真正具有高護城河的核心基座模型領域，經驗的溢價依然存在，VC的資金依然優先流向那些擁有“深厚履歷”的中年人。
OpenAI、Anthropic、xAI等頭部初創公司的核心團隊，幾乎清一色是曾在Google、Meta或頂級研究機構沉澱超過十年的“老兵”。Sam Altman能拿到巨額融資，離不開他在Y Combinator擔任總裁期間建立的投資人網路；Dario Amodei創立Anthropic後，能快速獲得資本青睞，得益於他在OpenAI主導GPT-2、GPT-3安全評估的深厚經驗；Demis Hassabis的DeepMind，能被Google以6.5億美元收購，更是因為他在AI領域的長期積累和跨界視野。
VC對創業者的評估維度，也發生了徹底的轉變。
網際網路時代，VC最看重的是創業者“快速實現MVP的能力”，行業經驗、資本調動能力都不是必需品，甚至偏好“外行顛覆者”。但在AI時代，資本的評估標準完全反轉：他們更看重創業者的深層R&D背景、大規模算力管理經驗，看重他們對垂直行業的深層認知，看重他們處理複雜算力合約、電力供應的能力，看重他們獲取優質資料、演算法專利、合規壁壘的能力。
在臨門一腳的資本退出路徑方面，AI時代的資本也更偏向中年創業者。網際網路時代，VC主要依靠IPO退出，而AI時代，私募股權融資和巨頭併購整合成為更為主流的退出方式——微軟收購Nuance、入股OpenAI，Google收購DeepMind，都是典型案例。
在中國也有類似情況，基座大模型的主要玩家基本是字節、阿里這類超級巨頭，即使有一些創業公司誕生，但大公司的戰略投資也早早找上門去。
VC的算盤變了，創業的風向自然也變了。當資本不再追著“少年天才”跑，而是圍著有積累、有確定性的中年人轉，AI革命的話語權，自然就落到了中年人的手中。
03. 反應過來的監管與媒體不再聽之任之
如果說資本轉向是“推力”，那麼監管收緊和媒體敘事轉變，就是“拉力”——它們共同將中年人推向了AI革命的前台。
網際網路革命的來臨，有很強的“猝不及防”意味。正如馬雲所說，“當年你愛搭不理，後來就高攀不起”。起於草莽的網際網路產業，早期很像年輕人的玩鬧，甚至誕生了給beg（乞討）加個“.com”後綴就能上市薅錢的段子。
各國監管層對這種前所未有的事物抱持寬容的態度，媒體也更願意報導少年英雄改變世界的吸睛故事（雖然後來更多的僅僅是少年暴富）。
但是經歷過“顏色革命”、社會撕裂、貿易戰、全球大流行之後，網際網路對社會結構的深刻改變暴露無遺，無論是監管層還是媒體，對新的技術革命都更加審慎起來。
面對AI倫理、資料隱私、演算法公平，這些監管要求，需要創業者不僅要有技術，還要懂政策、懂法律，且有足夠的社會責任感。年輕人或許敢“先上車後補票”，但中年人更清楚，一旦觸碰監管紅線，所有的努力都將面臨不可預測的未來。
所以在OpenAI如日中天的時候，僅僅因為倫理問題上的分歧，創始團隊就會爆發傷筋動骨的宮斗；而在中國，監管層從大模型上線伊始就要求合規註冊。隨著AI安全與合規成為企業的必選項，那些懂政策、有經驗、能平衡技術創新與合規要求的中年創業者，更容易獲得政策支援。
Sam Altman的表現，就是最好的例子。作為OpenAI的CEO，他每年都要參加美國國會聽證會，向議員們解釋AI的技術邊界、安全風險和監管建議。他善於將複雜的技術概念，轉化為公眾和監管層能理解的敘事，既能推動AI技術發展，又能滿足監管要求。
2023年的“董事會風波”中，他快速復職，不僅展現了組織掌控力，更體現了他對監管環境、公眾情緒的精準把握。
媒體敘事的轉變，更是強化了中年創業者的優勢。
Sam Altman和Demis Hassabis的媒體形象，不再是“反叛的創業者”，而是“科學家與思想家的結合體”。媒體報導他們時，更關注他們對AI安全的發聲、對社會倫理的思考，關注他們如何負責任地推動技術發展。Demis Hassabis獲得諾貝爾化學獎後，媒體重點報導的，不是他的“天才光環”，而是他如何通過跨學科積累，實現AI對科學的突破，以及他對“AI for Science”範式的長遠規劃。
這種敘事轉變，背後是公眾的心理需求。AI模型對普通大眾而言是“黑盒”，是人們對未知的恐懼，需要通過信賴“成熟人物”來獲得心理補償。
路透社研究院的調查顯示，62%的受訪者更傾向於信任有專業人士監督的AI內容。媒體聚焦資深領袖，實際上是在向公眾傳遞一種“技術在受控”的訊號——而一個40歲、擁有深厚學術背景、談吐得體的中年人，比一個20歲、穿著帽衫的年輕人，更能提供這種安全感。
04. 中年人主導不意味著排斥年輕人
當然，中年人掌控AI革命，並不意味著年輕人在AI時代沒有立足之地，在數十年一遇的巨大蛋糕面前，這兩個群體並不是非此即彼的互斥關係，AI時代也同樣湧現出了一批優秀的年輕創業者。
月之暗面的楊植麟出生於1992年，2015年以清華電腦系第一名畢業，隨後獲得卡內基梅隆大學博士學位，師從蘋果AI研究負責人Ruslan Salakhutdinov。2023年，31歲的他創立月之暗面（Moonshot AI），推出Kimi智能助手，以“長文字處理”為核心差異化，迅速獲得市場認可。2024年，他完成超10億美元融資，估值達25億美元，成為國內AI大模型公司單輪最高金額融資的獲得者。
張祥雨則是“技術天才”的另一典範。這位1990年出生的研究者，是ResNet殘差網路論文的第一作者，論文總引用數超30萬次，是深度學習領域最具影響力的研究者之一。2023年，他加入姜大昕的階躍星辰，擔任首席科學家，與姜大昕形成“老中青”技術梯隊，為階躍星辰的多模態技術突破提供了核心支撐。
在AI的實施層，年輕人更是佔據了主導地位。
港股上市公司MiniMax的員工中，平均年齡僅29歲，73.8%是研發人員，三分之一有海外背景——這些年輕人，是MiniMax快速迭代產品、實現4年上市的核心力量。智譜AI的員工中，也有大量“90後”“95後”年輕工程師，他們負責技術實現，將張鵬等中年領導者的戰略想法，轉化為具體的產品和技術。
年輕人是“技術原住民”，他們成長於網際網路時代，對新技術、新產品的接受度極高，能快速捕捉行業趨勢，敢於嘗試顛覆性創新。他們也很少有家庭和財務的雙重壓力，沒有過高的機會成本，能夠承受更高的創業風險，能夠全身心投入到創業中。他們可以在車庫裡、宿舍裡，用最低的成本嘗試新的想法，那怕失敗，也能快速調整、重新出發——這種“無產者”的創新勇氣，是他們獨特的資源優勢。
05. 四個方向與一個期待
AI革命給中年人帶來了前所未有的機遇，但這並不意味著，所有人都能抓住這份機遇。
不少中年人，在面對AI浪潮時，會陷入兩種極端：要麼盲目自信，認為自己的經驗足以應對一切，不會被AI所取代；要麼過度焦慮，擔心自己的經驗被新技術淘汰，害怕被年輕人超越。這兩種心態，都無法抓住AI時代的機遇。
事實上，中年人要抓住AI革命的機遇，關鍵不是對抗年齡，而是發揮積累的優勢——把自己多年的經驗、人脈、資源，與AI技術結合起來，實現厚積薄發。結合一些AI領域先行者的經歷，我們總結出四個實戰方向供參考。
第一，做領域問題的精準定義者，而非一線執行者。
中年人最大的財富，不是會寫程式碼、會調模型，而是看透了行業中那些問題是“真正值得解決的”。
龍蝦之父Peter Steinberger就是最好的例子。他有過成功的創業經歷，其項目被大公司收購，已經財務自由。製作Open Claw（當時還叫Clawdbot）的靈感，來自他旅行時的一個動念：現在的AI大多是一問一答式操作，能不能讓它部署在本地電腦，通過WhatsApp等IM軟體，直接命令它幹活呢？
在推出Open Claw之前，Steinberger已經製作過44個AI項目，結闔第一次創業經驗，他清晰地知道企業管理者對AI的需求是什麼。正是這種時間和經歷的積累，助推了開源史上攀升最快項目的誕生。
第二，建構知識圖譜護城河，打造不可替代的競爭力。
隨著通用大模型的普及，基礎模型的能力會逐漸趨同，真正的競爭力，來自將AI與企業內部的非公開、高價值資料相結合。中年人多年積累的行業Know-how、隱性知識，正是建構這種競爭力的核心資源。
梁文鋒的DeepSeek，就是靠這種“知識護城河”脫穎而出。他憑藉量化投資背景帶來的“系統最佳化”思維，將多年積累的演算法經驗，融入大模型訓練中，專注於“模型架構創新”和“訓練效率最佳化”，在MoE（混合專家模型）、MLA（多頭潛在注意力）等技術點形成獨特優勢，最終以極低的訓練成本，實現了接近GPT-4的性能。
中年從業者可以推動自己的組織，建立“語義層”和企業知識圖譜，將自己多年積累的隱性知識數位化，然後與AI技術結合，打造出具有行業特色的AI產品。這種將行業經驗與演算法結合的能力，是剛畢業的AI博士、年輕創業者都難以複製的，也是中年人的核心競爭力。
第三，掌握“敏捷領導力”，做好人機協同的管理者。
AI正在將“固定職位”拆解為“動態任務流”，中年管理者不能再停留在“管理人”的層面，而要轉向“管理AI協同的人機系統”。年輕人擅長利用AI工具提高執行效率，中年人則擅長協調資源、統籌全域，兩者結合，才能實現效率最大化。
閆俊傑的管理方式，值得中年創業者借鑑。他創立的MiniMax，團隊平均年齡僅29歲，他沒有採用傳統的層級管理，而是打造了扁平化的團隊結構，充分發揮年輕人的積極性和創造力。
同時，他利用自己的行業經驗，為團隊定方向、控風險，將AI工具整合到產品迭代的每一個環節，實現了“年輕團隊+中年掌舵”的高效協同，最終僅用4年就完成上市。
中年管理者要學會從“任務指派者”變為“工作流整合商”，將AI整合到決策工作流中，確保AI在決策發生的瞬間，就能提供支援。同時，要學會激勵年輕團隊，尊重年輕人的創新想法，實現“經驗+活力”的雙贏。
第四，發揮成熟優勢，做好監管溝通者和倫理把關者。
隨著AI監管的收緊，信任成為最稀缺的資源。中年人在建立共識、維護透明度、遵循道德規範方面的經驗，AI無法模擬，也無法跨越式積累。這種“軟實力”，將成為中年創業者在AI時代的另一核心優勢。
Dario Amodei就是靠這種“軟實力”，贏得了資本和公眾的信任。他從OpenAI出走後，始終堅持“有益、誠實、無害”的AI開發理念，通過Constitutional AI技術，實現對模型行為的精細控制，主動應對AI倫理和監管挑戰。這種對倫理和合規的堅守，讓Anthropic在激烈的競爭中，佔據了獨特的優勢。
中年從業者在AI項目中，要率先建立合規與安全框架，通過建立“人類審查循環”，消除演算法偏見，增強組織內外部對AI系統的信任。同時，要關注AI的長期社會影響，確保技術發展符合公司價值觀和監管要求，這樣才能實現長期可持續發展。
如果說網際網路革命像是一場草原上的野火，它迅速焚燒舊有的植被，讓新苗得以在廢墟上肆意生長。那麼AI革命，更像是一場深層的地質運動。它沒有烈火烹油的喧囂，卻在緩慢而有力地重塑整個人類社會的底層類股。
當AI真正可用後，執行的成本會被無限降低。但人類多年積累的經驗、洞察、人脈和責任，正在成為最稀缺、最不可替代的資源。這一次，機會站在長時間的積累一邊。 (秦朔朋友圈)