我们播客的合作者姚嘉在最近这期节目里有一个很有趣的洞察，他把这称作 AI 创业大潮中的 " 老头乐现象 "：

在这一轮 AI 革命中弄潮的，很多都是四五十岁的中年人，比如 OpenAI 的 Altman，41 岁，Anthropic 的 Amodei，42 岁；DeepMind 的 Hassabis，48 岁。最近大红大紫的 OpenClaw 的开发者 Steinberger，38 岁，都已经退休过一回了。

这个现象放在中国也有类似情况，智谱 AI 的张鹏 44 岁，DeepSeek 的梁文锋 41 岁，阶跃星辰的姜大昕 40 岁，MiniMax 闫俊杰也 37 岁了！

当然要说这群人是 " 老头乐 "，那也有点伤人。不过说是中年革命，应该不过分。这跟 30 年前的互联网革命有很大不同，那几乎是一个辍学生和穿帽衫的男孩们统治的时代。

没人会真的把这群掌控千亿市值、定义技术走向的人称作 " 老头 "，但姚嘉的调侃里藏着核心事实：本轮 AI 革命的话语权，牢牢掌握在中年人的手中。

当我们切开一个个 AI 项目的外壳，会发现这场革命的底层逻辑，从一开始就注定了——它偏爱相对更有积累、有情商、有敬畏心的中年人。这种权力的移转并非偶然，也与运气、情怀、年龄歧视没什么关系。

互联网是快消品，AI 是重工业

创业类型有很多，但互联网创业的逻辑经历了 30 年的造富效应，最为人所熟知：找痛点、搭团队、快速迭代、冲高流量、抬高估值、上市变现，在某个赛道牢牢占据一块市场。

但在新的这轮 AI 创业浪潮中，无论是资源密集度的门槛，还是宏观经济周期的改变，加上监管环境、公众舆论对创业者的要求，都与互联网革命不可同日而语。

先看资金门槛，如果说互联网革命是生产洗衣粉的轻工业，AI 革命就是生产万吨乙烯的大基建。

互联网刚刚萌芽时，创业成本低到惊人。几台廉价服务器、一个创业点子、几个同学伙伴，就能在车库中、宿舍里启动一个项目。

扎克伯格在哈佛宿舍搞 Facebook，启动资金 2000 美元；马云创办阿里巴巴，启动资金靠 "18 罗汉 " 凑一凑，50 万元人民币。那时候的创业，拼的是 " 敢想敢干 "，资金从来不是最大的绊脚石。

AI 创业则是另一番景象——它是资本密集型的 " 重工业竞赛 "，没有巨额资金，连入场券都拿不到。训练一个领先的基座模型，需要数以万计的 GPU、极高的电力供应，以及数亿甚至数十亿美元的持续投入。

巴克莱银行有个分析，AI 基础设施的资本开支已进入超常增长阶段，预计到 2030 年，仅美国数据中心的电力需求就将比目前增长三倍，达到每年 5600 亿度电——等于新增了三个三峡大坝的发电量。

中国在本轮 AI 革命中主打一个价格便宜量又足，但这并不意味着中国的 AI 项目可以轻资产投入。以港股上市公司智谱为例，他们训练 GLM-130B 大模型时，使用 96 台 DGX-A100（每台 8×40G），预训练持续 60 天，等价于花费 490 万美元的云服务费用。

这还只是一个版本模型训练的基础费用与时长！

梁文锋的 DeepSeek-V3 模型，算是 " 低成本高效益 " 的典范，仅为 GPT-4 估算成本的二十分之一到十分之一，但训练成本依然达到 557.6 万美元。如果没有幻方量化数百亿规模、几十个百分点年收益率所形成的资金池，也无法支撑这样的研发投入。这种规模的资金门槛，绝大多数年轻创业者都无法承担。

资金之外，工程经验的门槛，也把大多数年轻人挡在了门外。

互联网创业的技术门槛相对较低，只要能快速实现 MVP（最小可行产品），就能获得市场反馈、持续迭代。但 AI 创业不一样，大模型训练涉及分布式系统、优化算法、数据工程、硬件适配，每个环节都需要深厚的工程经验，每一步都不能出错。

还拿智谱 AI 举例。根据团队开源的研发时间线，GLM130B 从 2022 年初开始进行多平台适配、算法与框架调试、数据准备和大规模测试，正式持续的预训练仅在 5-7 月这三个月内完成，大部分时间都用于 " 适应性调整和系统调整 "，真正稳定训练的时间不到 2 个月。

这种 " 踩坑－填坑 " 的过程，与互联网时代的小步快跑、快速迭代格格不入，反而更类似于传统的工程建设。

姜大昕的经历也印证了这一点。这位 47 岁的阶跃星辰创始人，出身于微软亚研院，在自然语言处理、机器学习领域积累了数十年经验，是多个顶级会议的区域主席和期刊编委。

他创立阶跃星辰后，选择了 " 多模态统一 " 的技术路线——不是简单拼接不同模态模型，而是从架构层面实现原生融合。这种高难度的技术选择，需要对技术边界有清醒的认知，更需要深厚的工程功底，而这两种功力的积累都需要漫长的时间。

组织能力和人脉资源，更是中年创业者的 " 独家优势 "。

互联网创业初期，团队规模小，管理简单，年轻人靠热情和冲劲就能带动团队。但 AI 创业需要的是规模化的组织管理，需要协调科研、工程、市场、资本等多个环节，需要整合学术、产业、资本等多方资源——这些能力，只能在长期的职业积累中慢慢沉淀。

张鹏的 " 清华系 " 网络，就是最好的例子。他在清华深耕二十余年，积累了强大的学术网络和产业资源，智谱 AI 的董事长刘德兵、首席科学家唐杰均为清华系人士，许多清华校友甚至辞掉国外顶级公司的工作，加入智谱 AI。这种强大的人才感召力，不是年轻创业者能复制的。

闫俊杰虽然年仅 37 岁，处于中年与青年的边界，但他的组织能力同样来自长期积累。在商汤科技担任副总裁期间，他见证了 "AI 四小龙 " 的辉煌与困境，深刻理解上一代 AI 落地的痛点。创立 MiniMax 后，他打造了一支平均年龄 29 岁的年轻团队，却能凭借自己的管理经验，实现扁平化管理，让团队快速迭代产品，最终仅用 4 年就完成上市，刷新了 AI 公司的上市速度纪录。

说到底，互联网创业是 " 点子驱动 "，AI 创业是 " 积累驱动 "。年轻人或许有更好的点子，但中年人有足够的资金、经验、人脉和组织能力，能把点子变成真正的技术、真正的产品、真正的商业价值。这不是年龄的胜利，而是积累的胜利。

资本也学会品尝时间的滋味

资本也是决定创业风向的重要一极。AI 时代中年人能掌权，很大程度上，是资本的外部环境与行为模式发生了根本转变。

互联网时代，资本的主要玩法是普遍撒网、覆盖赛道，赛马中的领先者获得更高倍率的资本追投，直到上市套现。YC 开创的 5 万美元占 5% 股份的玩法是这一潮流的集大成者，VC 愿意把钱投给大量年轻创业者——哪怕他们没有经验、没有盈利模式，只要有一个概念足以让后面几轮投资者愿意接盘，资金就会纷至沓来。

杨致远、拉里佩奇、扎克伯格，这些杰出的年轻人奠定了这一模式的基础。直到 Uber 的超长规模融资难以为继，和 WeWork 带来的击鼓传花的破裂，这一模式终于失去了光环。

WeWork 泡沫破裂、全球化被特朗普中止，加上疫情的冲击和元宇宙的伪命题，资本开始变得小心翼翼起来，LP（有限合伙人）对风险溢价的要求更高，VC 再也不敢 " 广撒网、博概率 "，而是转向 " 精挑细选、选赢家 "。他们的投资逻辑，从 " 赌未来 " 变成了 " 求确定性 "。而这种确定性，恰恰是中年创业者能提供的。

投资机构 Antler 做过一个统计，2021 年，AI 独角兽创始人的平均年龄达到了 40 岁的峰值。在真正具有高护城河的核心基座模型领域，经验的溢价依然存在，VC 的资金依然优先流向那些拥有 " 深厚履历 " 的中年人。

OpenAI、Anthropic、xAI 等头部初创公司的核心团队，几乎清一色是曾在谷歌、Meta 或顶级研究机构沉淀超过十年的 " 老兵 "。Sam Altman 能拿到巨额融资，离不开他在 Y Combinator 担任总裁期间建立的投资人网络；Dario Amodei 创立 Anthropic 后，能快速获得资本青睐，得益于他在 OpenAI 主导 GPT-2、GPT-3 安全评估的深厚经验；Demis Hassabis 的 DeepMind，能被谷歌以 6.5 亿美元收购，更是因为他在 AI 领域的长期积累和跨界视野。

VC 对创业者的评估维度，也发生了彻底的转变。

互联网时代，VC 最看重的是创业者 " 快速实现 MVP 的能力 "，行业经验、资本调动能力都不是必需品，甚至偏好 " 外行颠覆者 "。但在 AI 时代，资本的评估标准完全反转：他们更看重创业者的深层 R&D 背景、大规模算力管理经验，看重他们对垂直行业的深层认知，看重他们处理复杂算力合约、电力供应的能力，看重他们获取优质数据、算法专利、合规壁垒的能力。

在临门一脚的资本退出路径方面，AI 时代的资本也更偏向中年创业者。互联网时代，VC 主要依靠 IPO 退出，而 AI 时代，私募股权融资和巨头并购整合成为更为主流的退出方式——微软收购 Nuance、入股 OpenAI，谷歌收购 DeepMind，都是典型案例。

在中国也有类似情况，基座大模型的主要玩家基本是字节、阿里这类超级巨头，即使有一些创业公司诞生，但大公司的战略投资也早早找上门去。

VC 的算盘变了，创业的风向自然也变了。当资本不再追着 " 少年天才 " 跑，而是围着有积累、有确定性的中年人转，AI 革命的话语权，自然就落到了中年人的手中。

反应过来的监管与媒体不再听之任之

如果说资本转向是 " 推力 "，那么监管收紧和媒体叙事转变，就是 " 拉力 " ——它们共同将中年人推向了 AI 革命的前台。

互联网革命的来临，有很强的 " 猝不及防 " 意味。正如马云所说，" 当年你爱搭不理，后来就高攀不起 "。起于草莽的互联网产业，早期很像年轻人的玩闹，甚至诞生了给 beg（乞讨）加个 ".com" 后缀就能上市薅钱的段子。

各国监管层对这种前所未有的事物抱持宽容的态度，媒体也更愿意报道少年英雄改变世界的吸睛故事（虽然后来更多的仅仅是少年暴富）。

但是经历过 " 颜色革命 "、社会撕裂、贸易战、全球大流行之后，互联网对社会结构的深刻改变暴露无遗，无论是监管层还是媒体，对新的技术革命都更加审慎起来。

面对 AI 伦理、数据隐私、算法公平，这些监管要求，需要创业者不仅要有技术，还要懂政策、懂法律，且有足够的社会责任感。年轻人或许敢 " 先上车后补票 "，但中年人更清楚，一旦触碰监管红线，所有的努力都将面临不可预测的未来。

所以在 OpenAI 如日中天的时候，仅仅因为伦理问题上的分歧，创始团队就会爆发伤筋动骨的宫斗；而在中国，监管层从大模型上线伊始就要求合规注册。随着 AI 安全与合规成为企业的必选项，那些懂政策、有经验、能平衡技术创新与合规要求的中年创业者，更容易获得政策支持。

Sam Altman 的表现，就是最好的例子。作为 OpenAI 的 CEO，他每年都要参加美国国会听证会，向议员们解释 AI 的技术边界、安全风险和监管建议。他善于将复杂的技术概念，转化为公众和监管层能理解的叙事，既能推动 AI 技术发展，又能满足监管要求。

2023 年的 " 董事会风波 " 中，他快速复职，不仅展现了组织掌控力，更体现了他对监管环境、公众情绪的精准把握。

媒体叙事的转变，更是强化了中年创业者的优势。

Sam Altman 和 Demis Hassabis 的媒体形象，不再是 " 反叛的创业者 "，而是 " 科学家与思想家的结合体 "。媒体报道他们时，更关注他们对 AI 安全的发声、对社会伦理的思考，关注他们如何负责任地推动技术发展。Demis Hassabis 获得诺贝尔化学奖后，媒体重点报道的，不是他的 " 天才光环 "，而是他如何通过跨学科积累，实现 AI 对科学的突破，以及他对 "AI for Science" 范式的长远规划。

这种叙事转变，背后是公众的心理需求。AI 模型对普通大众而言是 " 黑盒 "，是人们对未知的恐惧，需要通过信赖 " 成熟人物 " 来获得心理补偿。

路透社研究院的调查显示，62% 的受访者更倾向于信任有专业人士监督的 AI 内容。媒体聚焦资深领袖，实际上是在向公众传递一种 " 技术在受控 " 的信号——而一个 40 岁、拥有深厚学术背景、谈吐得体的中年人，比一个 20 岁、穿着帽衫的年轻人，更能提供这种安全感。

中年人主导不意味着排斥年轻人

当然，中年人掌控 AI 革命，并不意味着年轻人在 AI 时代没有立足之地，在数十年一遇的巨大蛋糕面前，这两个群体并不是非此即彼的互斥关系，AI 时代也同样涌现出了一批优秀的年轻创业者。

月之暗面的杨植麟出生于 1992 年，2015 年以清华计算机系第一名毕业，随后获得卡内基梅隆大学博士学位，师从苹果 AI 研究负责人 Ruslan Salakhutdinov。2023 年，31 岁的他创立月之暗面（Moonshot AI），推出 Kimi 智能助手，以 " 长文本处理 " 为核心差异化，迅速获得市场认可。2024 年，他完成超 10 亿美元融资，估值达 25 亿美元，成为国内 AI 大模型公司单轮最高金额融资的获得者。

张祥雨则是 " 技术天才 " 的另一典范。这位 1990 年出生的研究者，是 ResNet 残差网络论文的第一作者，论文总引用数超 30 万次，是深度学习领域最具影响力的研究者之一。2023 年，他加入姜大昕的阶跃星辰，担任首席科学家，与姜大昕形成 " 老中青 " 技术梯队，为阶跃星辰的多模态技术突破提供了核心支撑。

在 AI 的实施层，年轻人更是占据了主导地位。

港股上市公司 MiniMax 的员工中，平均年龄仅 29 岁，73.8% 是研发人员，三分之一有海外背景——这些年轻人，是 MiniMax 快速迭代产品、实现 4 年上市的核心力量。智谱 AI 的员工中，也有大量 "90 后 ""95 后 " 年轻工程师，他们负责技术实现，将张鹏等中年领导者的战略想法，转化为具体的产品和技术。

年轻人是 " 技术原住民 "，他们成长于互联网时代，对新技术、新产品的接受度极高，能快速捕捉行业趋势，敢于尝试颠覆性创新。他们也很少有家庭和财务的双重压力，没有过高的机会成本，能够承受更高的创业风险，能够全身心投入到创业中。他们可以在车库里、宿舍里，用最低的成本尝试新的想法，哪怕失败，也能快速调整、重新出发——这种 " 无产者 " 的创新勇气，是他们独特的资源优势。

四个方向与一个期待

AI 革命给中年人带来了前所未有的机遇，但这并不意味着，所有人都能抓住这份机遇。

不少中年人，在面对 AI 浪潮时，会陷入两种极端：要么盲目自信，认为自己的经验足以应对一切，不会被 AI 所取代；要么过度焦虑，担心自己的经验被新技术淘汰，害怕被年轻人超越。这两种心态，都无法抓住 AI 时代的机遇。

事实上，中年人要抓住 AI 革命的机遇，关键不是对抗年龄，而是发挥积累的优势——把自己多年的经验、人脉、资源，与 AI 技术结合起来，实现厚积薄发。结合一些 AI 领域先行者的经历，我们总结出四个实战方向供参考。

第一，做领域问题的精准定义者，而非一线执行者。

中年人最大的财富，不是会写代码、会调模型，而是看透了行业中哪些问题是 " 真正值得解决的 "。

龙虾之父 Peter Steinberger 就是最好的例子。他有过成功的创业经历，其项目被大公司收购，已经财务自由。制作 Open Claw（当时还叫 Clawdbot）的灵感，来自他旅行时的一个动念：现在的 AI 大多是一问一答式操作，能不能让它部署在本地电脑，通过 WhatsApp 等 IM 软件，直接命令它干活呢？

在推出 Open Claw 之前，Steinberger 已经制作过 44 个 AI 项目，结合第一次创业经验，他清晰地知道企业管理者对 AI 的需求是什么。正是这种时间和经历的积累，助推了开源史上攀升最快项目的诞生。

第二，构建知识图谱护城河，打造不可替代的竞争力。

随着通用大模型的普及，基础模型的能力会逐渐趋同，真正的竞争力，来自将 AI 与企业内部的非公开、高价值数据相结合。中年人多年积累的行业 Know-how、隐性知识，正是构建这种竞争力的核心资源。

梁文锋的 DeepSeek，就是靠这种 " 知识护城河 " 脱颖而出。他凭借量化投资背景带来的 " 系统优化 " 思维，将多年积累的算法经验，融入大模型训练中，专注于 " 模型架构创新 " 和 " 训练效率优化 "，在 MoE（混合专家模型）、MLA（多头潜在注意力）等技术点形成独特优势，最终以极低的训练成本，实现了接近 GPT-4 的性能。

中年从业者可以推动自己的组织，建立 " 语义层 " 和企业知识图谱，将自己多年积累的隐性知识数字化，然后与 AI 技术结合，打造出具有行业特色的 AI 产品。这种将行业经验与算法结合的能力，是刚毕业的 AI 博士、年轻创业者都难以复制的，也是中年人的核心竞争力。

第三，掌握 " 敏捷领导力 "，做好人机协同的管理者。

AI 正在将 " 固定职位 " 拆解为 " 动态任务流 "，中年管理者不能再停留在 " 管理人 " 的层面，而要转向 " 管理 AI 协同的人机系统 "。年轻人擅长利用 AI 工具提高执行效率，中年人则擅长协调资源、统筹全局，两者结合，才能实现效率最大化。

闫俊杰的管理方式，值得中年创业者借鉴。他创立的 MiniMax，团队平均年龄仅 29 岁，他没有采用传统的层级管理，而是打造了扁平化的团队结构，充分发挥年轻人的积极性和创造力。

同时，他利用自己的行业经验，为团队定方向、控风险，将 AI 工具集成到产品迭代的每一个环节，实现了 " 年轻团队 + 中年掌舵 " 的高效协同，最终仅用 4 年就完成上市。

中年管理者要学会从 " 任务指派者 " 变为 " 工作流集成商 "，将 AI 集成到决策工作流中，确保 AI 在决策发生的瞬间，就能提供支持。同时，要学会激励年轻团队，尊重年轻人的创新想法，实现 " 经验 + 活力 " 的双赢。

第四，发挥成熟优势，做好监管沟通者和伦理把关者。

随着 AI 监管的收紧，信任成为最稀缺的资源。中年人在建立共识、维护透明度、遵循道德规范方面的经验，AI 无法模拟，也无法跨越式积累。这种 " 软实力 "，将成为中年创业者在 AI 时代的另一核心优势。

Dario Amodei 就是靠这种 " 软实力 "，赢得了资本和公众的信任。他从 OpenAI 出走后，始终坚持 " 有益、诚实、无害 " 的 AI 开发理念，通过 Constitutional AI 技术，实现对模型行为的精细控制，主动应对 AI 伦理和监管挑战。这种对伦理和合规的坚守，让 Anthropic 在激烈的竞争中，占据了独特的优势。

中年从业者在 AI 项目中，要率先建立合规与安全框架，通过建立 " 人类审查循环 "，消除算法偏见，增强组织内外部对 AI 系统的信任。同时，要关注 AI 的长期社会影响，确保技术发展符合公司价值观和监管要求，这样才能实现长期可持续发展。

如果说互联网革命像是一场草原上的野火，它迅速焚烧旧有的植被，让新苗得以在废墟上肆意生长。那么 AI 革命，更像是一场深层的地质运动。它没有烈火烹油的喧嚣，却在缓慢而有力地重塑整个人类社会的底层板块。

当 AI 真正可用后，执行的成本会被无限降低。但人类多年积累的经验、洞察、人脉和责任，正在成为最稀缺、最不可替代的资源。这一次，机会站在长时间的积累一边。