印奇出任阶跃星辰董事长：聪明人的诱惑、取舍与超长链路残酷淘汰赛

一、从旷视到阶跃：15年AI之路的转轨

2026年初，印奇迎来了一个新的身份——阶跃星辰董事长。在此之前，他更为人熟知的身份是旷视科技（Megvii）的联合创始人。从2011年以AI 1.0时代CV四小龙之一的身份起步，到如今同时执掌千里科技（A股上市公司，聚焦AI+车）和阶跃星辰（基础大模型公司），印奇走过了一条少有人完整经历的路。

阶跃星辰成立于2023年4月，印奇从最早期就深度参与。但真正决定"亲自下场"出任董事长，是在他意识到一个底层判断之后：不会再有"垂类模型"了。视觉模型、语言模型、物理AI，最终都会被大的基座模型吸进去。"大脑只有一个，你只能选择做还是不做。"

转变花了半年时间。ChatGPT刚出来时，印奇的第一反应是"跟我没什么关系"——他是做计算机视觉的，认为大语言模型只是语言赛道的局部变革。当时的想法是：基模会成为机器人和视觉系统的一个组件，"谁好我们用谁就行"。但深度体验之后，和核心骨干反复讨论后，他意识到这是"对AI底层技术的整体变革"，作为AI创业者"不得不入局"。

印奇坚持的一个核心信念是"连续性"——"我觉得没有颠覆性的东西。如果你觉得颠覆，只是因为你缺少前序信息。"就像阶跃函数一样，在AI领域持续累积之后，量变会产生质变，许多认知会和原来完全不同。这也是为什么"阶跃星辰"这个名字对他来说如此贴切。

二、"有史以来最激烈的科技竞赛"

印奇对大模型竞赛的判断一针见血：这是"有史以来最激烈的一次科技竞赛"，三个维度的压力叠加在一起——

他用了一个形象的比喻——"把把都会上"。就像打牌一样，有些牌其实可以不上，但在这个赛场上大家把把都压上。"速度比想象更快，竞争强度更大，泡沫比想象更高——这些其实都是一件事，不可能强度更大泡沫更小。"

链条长得让人喘不过气来：从原始技术创新（"地基一直在变"），到技术产品化（"技术一变，上面全部推倒重来"），到商业化落地（"哪些行业先来不确定"），到商业闭环和盈利（"投入产出能不能算得过账"）。每一个环节都在高动态变化中，任何一个环节跟不上就会被淘汰。

三、商业模式排除法：基模公司不能做什么

印奇提出了一个清晰的"排除法"框架——做基模有几种模式是肯定不成立的：

排除了to B、纯C端软件和编程赛道之后，剩下的唯一路径就是——软硬结合的C端场景。硬件是多家的（不像手机OEM那么集中），创新公司有机会上牌桌；AI重新定义了交互方式（语音+多模态释放了"屏"的限制），创新硬件品类有大量机会。这正是阶跃选择的路线。

四、阶跃的Bet：基模 + 终端

"首先阶跃的bet是基模——最大的分化是做基模和不做基模。"印奇认为，未来三年能够坚持做基模本身就很难。"赛程过半了，最早大家讲六小虎，现在可能就没有六家了。"

阶跃做模型有三个关键词：基模、全模态、VLA（Vision-Language-Action）。基模意味着"一切"——不管什么样的模态都需要基模的核心智力水平，阶跃有信心在未来三年保持世界一流水平。全模态是阶跃的差异化优势，从文字、语音到图像，三者必须统一在一个模型里。VLA则是最独特的定位——把车、机器人甚至手机等终端数据纳入模型训练，因为终端有运动部件和执行器件，VLA成为阶跃的重要差异化。

模型设计是推和拉两股力量博弈的结果。推的力量来自技术内在驱动力——从模仿学习到强化学习，学习范式快速变革，这仍是未来三年的主因。拉的力量来自场景牵引——场景决定了模型的尺寸、成本和效率。不是越大越好（Gemini Flash已经证明了这一点），而是要在基础模型水平和成本效率之间找到平衡。

五、车：通往具身智能的最重要路径

为什么千里科技要聚焦车？印奇的回答非常直接："打车这场仗不是为了打车，是为了打具身智能。"

逻辑链条很清晰：具身智能被认为是5到7年的大机会（现在大约处在GPT-1到GPT-2的水平），但具身智能需要数字空间和物理空间的数据融合在一个模型里。物理空间的数据天然缺乏——不像互联网数据发展了三十年。智驾场景恰好解决了大尺度室外空间的物理数据收集问题，而车这个终端——OEM分散、市场大、技术已经收敛（模型驱动路径成为共识）——给了创新公司上牌桌的机会。

印奇判断智驾的窗口期只有三年。"后发打先发，比的是执行力。给你的窗口期很短。"最终会形成三到四家核心供应商的格局——华为已经是一家，还有2-3个位置，千里要占其中一个。

但他也坦诚，过去十年"最好只打一场仗的话，应该打车这场仗"。19-20年前后是最佳取舍时间点，但旷视当时被安防之战和上市目标绑住了。这引出他创业生涯中最核心的反思——"把把都会上"。

六、安防之战：最后悔的一场仗

"年轻人年轻时候就是把把都会上。就像打牌一样，把把都上，其实有些牌可以不上。"印奇说他在旷视时期最后悔打的一场仗是安防。

当时为什么打？因为安防看起来市场最大。但安防本质上是to G市场，营销占比非常高。旷视在AI能力、硬件能力、市场能力三个维度中只占其一，却选择做完整解决方案。"海康威视是印奇最敬佩的公司"，而年轻时的旷视低估了这场仗的难度。更关键的是，内心不够想做——"我做着做着又又又又想往外撤"。不够想做、能力不完全匹配、市场环境不充分友好——三个条件不同时满足，这场仗注定打不赢。

这引出了印奇后来形成的战略框架：想做 × 能做 × 可做。三个圆圈的交集才是正确的战略选择。想做=内心热爱，能做=核心能力，可做=市场机会窗口。"AI这样一种大菜刀，其实得等待这三者的交集。这个交集不是一直出现的。"

七、上市不是目标：短期与长期的取舍

印奇对上市的反思非常犀利："上市真的不会改变任何本质的东西。本质是真正好的产品、好的经营产生好的利润，利润能反哺持续做好的技术——形成这样一个更良性的循环。"

但在当时，大家都觉得"资本市场总感觉是个目标"。为了上市，你不得不做很多偏离长期正确方向的事——更专注短期业绩，放弃长期投入。他在访谈中提到IBM郭士纳（当天离世）的一句话：CEO就是要能顶住压力去做那些长期正确的事。"这件事说很容易但做起来非常非常难。"

印奇观察到，AI 2.0时代的很多公司在上市后"基本上就退出了竞争"。上市释放了核心竞争的动力和压力，上市的限制也让持续投入到基模这些事上变得很难。"需要有强大的战略和坚定的耐心，坚定做这件事。"

八、Chatbot不是终极产品形态

关于大模型的产品形态，印奇有一个不太主流的判断：chatbot不是终极产品形态。

"如果你问OpenAI的人，他当年做ChatGPT可能更多觉得它是一个很好的demo。"印奇认为，chatbot的交互方式很不自然——豆包曾经尝试把AIGC功能放进对话框，"从数据看都不是很成功"。近看五年，chatbot不一定还是主线形态。用AI大模型取代搜索是确定的事，但产品形态会是什么样子，现在不明朗。

他把"模型即产品"这件事分成三代：搜索是第一代，推荐是第二代，大模型是第三代。每一代都需要产品来承载模型。但现在大模型还没有到第一个Killer App真正爆发的阶段。在C端，ChatGPT的壁垒也"并不稳固"——"最近看Gemini的日活起得非常快"。

所以阶跃"不会独立做一个C端的纯软件应用"——如果做软件，一定跟硬件配套。这是阶跃与很多大模型公司最本质的路线差异。

九、聪明没有那么重要：人才选择与组织构建

旷视曾经是AI行业容纳聪明人最多的组织之一——"最早的40人里面，有一堆的IOI金牌、数学金牌"。但现在印奇的判断发生了根本变化："聪明没有那么重要。"

他把聪明人分成两种类型：一类能团队协同、有使命感、能长期坚持；另一类很强但以自我为中心、难以协同。在AI时代，大模型研发是大团队的协同作战，"这样的同学我们是不要的"。选人阶段做非常强的筛选——看一个人做选择的方式，比看简历光环重要得多。每段工作经历都很短的"跳跃型"人才，长期看未必有竞争力。

他还讨论了一个更宏观的命题：AI时代的组织形态。传统制造/ICT是top-down组织，互联网公司是bottom-up组织，而AI公司需要两者的融合——AI大项目是moonshot project，消耗资源大，需要集中力量；但人才密度极高的一两万人，又需要自下而上的创新活力。每代企业都是那个阶段最先进的组织，"最终把商业剥开其实是看组织形态"。

在阶跃，印奇的实践是把算法和系统同学交叉培养，打破"写paper"和"写代码"的分离。这也是为什么他认为一定会有AI native的新科技巨头诞生——"这是一个不太一样的组织"。

十、双轮驱动与两条弹簧的拉扯

回顾十年创业路，印奇总结出一个核心认知模型：技术和商业像两根弹簧，要在脑子里面一直拉扯。

技术端是以原点出发——怀着一个乐观的大方向，持续投入资源向那个方向靠近。商业端是以终为始——从商业化结果反推，技术能不能商业闭环？投入产出能不能算得过来？"在做决策的时候，你不能只说我对于技术有很强的passion所以我做了。你还要想，它怎么能商业闭环。这两根弹簧要一直拉扯，让你做出兼顾两者的选择。"

他的判断斩钉截铁："很多人觉得商业不重要——我觉得商业非常重要。本身想把技术做好的前提一定是把产品做好、把商业做好。"大模型越来越被产品和场景牵引——如果做coding，没有最好的web coding产品就不可能把技术做好，因为数据、用户的hard case你都不知道。

这种"双轮驱动"的认知，来自过去十年最优秀的两家"AI公司"的启示——字节和特斯拉。它们起步时都不是AI公司，但都从产品商业驱动，同时对底层技术有持续投入。"这是最顺的模式。"

十一、大模型公司的胜负手

印奇认为大模型公司的胜负手就是两道数学题：

两道题都要答对，才有机会走到终局。"做基模这个bet，未来三年还要能坚持下来其实很难。"

关于技术路径，印奇认为路线图已经比较清晰——从学习范式角度（模仿→强化→自主学习），从记忆系统角度（长中短记忆的实现），从模型走向物理世界（世界模型）。"这三件事情，未来五年左右都能够被比较好的解决。这些要素都解决完之后，至少现在定义的AGI应该大概就能实现。"

十二、"解的是一个超多元方程"

访谈接近尾声，小珺问印奇："你觉得现在解的是一道什么样的题？"

印奇的回答颇有诗意："解的是一个超多元方程。还是一个很难的一件事情。"

这个方程的变量太多：技术路线、人才密度、资金规模、商业化路径、竞争格局——每个变量的权重还在动态变化。但他逐渐找到了自己的解法——最小闭环：大脑+车+创新AI终端，这个集合不再扩张，"只是把这件事做得越来越扎实"。

"现在做的事还是有点多的，我希望事越做越少。"这是一个创业超过15年的老兵在经历了安防之战的挫败、上市的迷失、AI 1.0到2.0的转轨之后，找到的平静。

当被问到下一个十年的期待时，他说："我还是很期待中国在AI领域能出世界级的公司。最好是我，但也不一定要是我。"而这番话背后，是他一条一条掰开的手指——想做、能做、可做三个圆圈的仔细称量，技术端和商业端两条弹簧的持续拉扯，以及对"把把都上"的年轻自己那份坦然的告别。