机器之心发布
去观察当下的 AI 产业，有一个比财报更灵的指标：黄仁勋身边坐着谁。
这位身着皮衣、被分析师称为「推理之王」的男人，每年要在 GTC 的舞台上重新定义一次未来。但真正值得玩味的，往往不是他讲了什么，而是他把谁请上了台、留在了饭桌旁。2025 年初那张流传甚广的英伟达北京答谢晚宴的座次图，后来被证明是当年最准的一份投资指南：坐在老黄身边的那几张年轻面孔，几乎一一对应着此后一整年最热的赛道。
到了 2026 年，这份名单上的华人面孔继续在扩容。我们挑出其中四个人。他们踩在黄仁勋反复押注的几个方向上：推理大模型、具身智能，以及把智能反向接回人脑的脑机接口。他们的共同点是年轻、是华人、是把论文写成公司的那一类人。
他们是杨植麟、王兴兴、王鹤、朱毅鑫。
图｜GTC 四大天王之老黄座上宾。图源：NVIDIA GTC 公开照片或会议视频截图
一、杨植麟：GTC 主会上，唯一的独立大模型代表
把杨植麟放在第一个，是因为在 2026 年的 GTC，他坐到了一个别人坐不到的位置。
英伟达公布 GTC 2026 嘉宾名单时，月之暗面是极少数登台的独立大模型创业公司代表。与他同列的，是特斯拉的 AI 软件副总裁、谷歌 DeepMind 的核心架构师、Cursor 和 Runway 的 CTO。在一份几乎被巨头和顶尖实验室填满的名单里，一个中国大模型创业者，成了那根独苗。
这件事的分量，要放回 2025 年才读得懂。那一年杨植麟和 Kimi 先是被 DeepSeek 的冲击波打了个趔趄，外界的关注一度从技术滑向了八卦。他没有去回应那些，而是用模型、用开源、用产品把信任一点点赢了回来。年底一封内部信里，他顺手交代了一个数字：月之暗面完成 5 亿美元 C 轮，投后估值 43 亿美元，IDG 资本领投，阿里腾讯超额跟投，账上现金过百亿。等到 Kimi K2.5 发布，它一度坐上了开源大模型的 SOTA 位置，在 Hugging Face 上排到第一。
在 GTC 的台上，杨植麟第一次完整披露了 Kimi 的技术路线图。他把进化逻辑收敛成三个互相共振的维度：Token 效率、长上下文、智能体集群（Agent Swarms）。在他看来，今天的 Scaling 早已不是单纯堆资源，而是要在计算效率、长程记忆和自动化协作上同时找规模效应，三者相乘，智能才会跳变。他甚至直接点了行业的旧账：很多被当成标配的技术其实是八九年前的产物，比如统治了训练界十多年的 Adam 优化器；月之暗面验证了 Muon 在 Token 效率上的潜力，也在万亿参数的 K2 上撞见了 Logits 爆炸导致发散的稳定性难题，再把它解掉。
理解杨植麟，得理解他的来路。1992 年生于广东汕头，清华计算机系年级第一，转身去了 NLP 全球排名第一的卡内基梅隆，师从苹果前 AI 负责人 Salakhutdinov 和谷歌的 Cohen，别人六年的博士他四年读完。Transformer-XL 和 XLNet 两篇一作，至今是 NLP 被引最高的工作之一。他在 FAIR 和 Google Brain 都待过，和图灵奖得主合作过论文。这是一个标准意义上的技术天才。
但他身上还有不那么「标准」的部分。大学里他组过摇滚乐队，月之暗面这个名字取自 Pink Floyd 的《The Dark Side of the Moon》。他给自己和团队贴的标签是「一群固执的 AGI 纯粹主义者」。摇滚和创新，在他的叙述里是同一件事：在旧秩序里塞进一个全新的、当时看起来很奇怪的东西。
这种技术演进的共振，并非巧合。当英伟达的故事从‘训练大家伙’转向‘高强度的深度思考’，一个死磕推理效率、并带领 K2.5 冲击 SOTA 的团队，恰好成为了这套新计算范式的极佳注脚。GTC 的席位早就不只是单纯的技术交流，它更像是这家算力霸主洞察全球 AI 前沿趋势的一个风向标。
二、王兴兴：从老黄的饭桌，到 GTC 的舞台
如果说杨植麟代表「会思考的 AI」，王兴兴代表的就是「会动的 AI」。
2025 年初那场北京答谢宴上，王兴兴在社交平台晒了和黄仁勋的合影，配文很短：新的一年，全新开始，加油。当晚被网友形容为「中国 AI 和机器人企业上桌」的名场面，他是绝对的 C 位之一。有一个常被人忽略的细节：王兴兴是浙江宁波人，而黄仁勋祖籍也在浙江。
但王兴兴和英伟达的关系，远不止一顿饭。2026 年 6 月的 GTC 台北，黄仁勋在主题演讲里和宇树联合发布了一款基于 H2 Plus 的人形机器人参考设计。这意味着宇树为代表的中国机器人企业，正成为英伟达 Isaac 机器人生态的重要应用触点。宇树不是被请来合影的客人，而是英伟达机器人生态里的核心伙伴。从 2024 年 GTC 到 2025 年 CES 再到今天，宇树几乎是老黄每一次谈具身智能时绕不开的中国名字。
王兴兴的故事是典型的「草根天才」叙事。2009 年考进浙江理工，刚进校就迷上造机器人，大一独自做出一个双足人形；上海大学读研时，又一个人鼓捣出低成本高性能纯电驱动的四足机器人 XDog，在圈里有了第一波名气。后来宇树的四足机器人一路卷到全球出货量领先，人形的 H1、G1、H2 接连出来，2025 年春晚上扭秧歌的那批机器人，把它推到了大众视野的中央。
在技术判断上，王兴兴很早就提出了「人形机器人大模型」的概念。他强调大语言模型只是机器人大模型的一部分，对人形机器人来说，还得把图像、关节指令、激光雷达这类数据，连同模仿学习这类训练方式一起揉进来，才算完整。他也直言不讳地指出瓶颈：现阶段 AI 模型、训练数据集、场景落地都还远远不够，机器人需要一个类似 ChatGPT 的通用模型，才能跳过对每个新环境的反复适配。这恰好和黄仁勋在 GTC 上反复念叨的那句话对上了：语言模型有整个互联网当语料，但要让机器人学会动作，必须从机器人的第一人称视角去拿数据。
数据的稀缺，是这条赛道所有人共同的天花板。王兴兴的解法偏向本体：先把一个足够好、足够便宜的身体造出来，让它真的能动、能被大规模铺开，数据才有源头。
三、王鹤：把机器人送进工厂的那个学者
同样是具身智能，王鹤走的是另一条路。如果说王兴兴在意「身体」，王鹤更在意 「大脑」和「干活」。
在那场北京晚宴上，银河通用创始人兼 CTO 王鹤也坐在黄仁勋身边。而银河通用作为泛化操作智能的代表，是英伟达 Isaac 机器人平台的一个落地案例。在 2025 年 GTC 前后，整个行业的风向迅速从「能走两步」切到了「能干活」，王鹤和银河通用恰好踩在这个拐点上。
王鹤的履历，几乎是为这条赛道量身定做的。1992 年生，在北京十一学校念中学，靠物理竞赛金牌保送清华电子系，本科就泡在清华机器人队里搞机械臂和视觉导航。2014 年去斯坦福读博，师从美国三院院士 Leonidas Guibas，提出的 NOCS 模型改写了机器人抓取的泛化能力，拿过 ICCV 2023 马尔奖候选。2021 年回国进北大前沿计算研究中心当助理教授、博导，创立具身感知与交互实验室，又在智源做具身智能研究中心主任，入选过《麻省理工科技评论》35 岁以下中国区榜单。
2023 年 5 月，他判断多模态感知大模型和具身操作的结合大有可为，拉上前 ABB 机器人专家姚腾洲创立了银河通用。他的技术路径写得很清楚：合成数据驱动加多模态大模型。当大多数人还在跟风模仿特斯拉的人形机器人时，王鹤做了两个反直觉的决定：砍掉双腿换成轮式底盘，把精力压在机械臂的泛化抓取上。理由也很务实，腿是为了炫技，而轮子加一双能干活的手，才更快进入真实场景。
结果是银河通用的机器人真的「进厂打工」了。有的上整车装配线，有的在零售仓 24 小时不间断地拣货，它还和爱博医疗一起开了全国首家 24 小时智慧医疗仓，在北上广深杭稳定跑了一年多。商业化的兑现也反哺了估值：2025 年 12 月那轮超 3 亿美元融资由中国移动旗下基金领投，公司估值冲到 30 亿美元，是当时人形机器人行业里最高的。
王鹤身上最有意思的，是学者和创业者的双重身份没有打架。他还在北大开《计算机视觉导论》和《具身智能导论》，把课程网站公开挂在网上；同时又在管一家估值数十亿美元的公司。学术上的泛化执念，被他直接翻译成了商业上的护城河。
四、朱毅鑫：把「看见」重新写回大脑的人
如果说前三位解决的是 AI 怎么想、怎么动、怎么干活，朱毅鑫盯的是一个更极端的问题：当一个人的眼睛彻底失灵，能不能绕过它，直接让大脑重新看见世界。
在 2026 年 GTC 的分会 China AI Networking Day（迎接 10 亿瓦级 AI 工厂的时代）上，朱毅鑫与英伟达网络技术市场高级总监冯高锋面对面对谈。作为国内少有的曾受邀在 NVIDIA GTC 全球大会上作报告的学者，他出现在这里并不意外。只是当大会主线高谈算力、AI 工厂与万通道级数据洪流时，他代表的，是这股洪流最终要汇入的地方之一：人脑。
朱毅鑫的学术底子在视觉认知与神经解码，这恰好是侵入式视觉脑机接口最缺的那块拼图。他是脑机接口公司芯生视界的联合创始人，主攻视觉脑机解码算法，也就是把从人脑视觉皮层里读出来的神经信号，翻译回图像、颜色与空间结构的那套数学。
芯生视界做的事，放在整个 BCI 赛道里都属于地狱级难度。团队要造的是侵入式视皮层假体：用一块万通道级高制程神经刺激芯片，向失去外周输入的视觉皮层重新「渲染」神经活动，把外部世界改写成大脑能读懂的刺激语言。他们把这套系统叫作「神经显卡」，对标的是支撑 AI 爆发的 GPU，攻克的是大脑极端高带宽数据流的「编解码 — 重建」闭环。今年，这家公司刚完近亿元种子轮。
这条路的壁垒由三股力量拧成：临床一线多年积累下来的稀缺人脑数据（含百余例患者视觉皮层电刺激数据库），达到国际 SOTA 的视觉解码与重建算法，以及具备工业级流片与规模化量产经验的高制程自研芯片。朱毅鑫站的是中间那一环，也是最像「AI」的那一环。视觉重建说到底是个解码问题：怎么从有限、带噪的神经信号里，反解出一幅人脑认得出的画面。这和他多年在视觉表征、认知建模上积累的，是同一套语言。
把他放进这份名单，逻辑其实顺得很。杨植麟在让模型更会想，王兴兴和王鹤在让机器有身体、能干活，而朱毅鑫和芯生视界在做的，是让智能反向接回生物大脑。当黄仁勋反复讲算力如何重塑世界时，脑机接口给出的是这个故事最科幻、也最贴近人的那个出口：让视觉，成为人脑通向混合智能的第一入口。
尾声：老黄的目光，照见的是什么
把这四个人摆在一起看，会发现黄仁勋的注意力其实有一条很清晰的逻辑线。
杨植麟在解决「AI 怎么想得更深」，王兴兴在解决「AI 怎么有个身体」，王鹤在解决「这个身体怎么真的干活」，朱毅鑫在解决「怎么让智能反过来接回人脑」。推理、本体、操作，再到脑机接口，四个点连起来，差不多就是智能从硅基里长出来、又反向接回碳基的一条完整链路。这也是英伟达从一家芯片公司，往「AI 工厂」和物理 AI 基础设施转身时，最想讲清楚的那个故事。
被老黄请上台、请上饭桌的，越来越多是华人，而且越来越年轻。这件事本身值得记一笔。它一方面说明这一代华人技术创业者已经站到了全球产业叙事的中心，另一方面也提醒我们，黄仁勋的邀请函从来不是随便发的，它是一家公司基于自己的生态位，对未来风向的一次提前下注。
座次表会不会再一次成为最准的投资指南，得交给时间。但可以确定的是，当算力的故事讲到尽头，真正决定下一程的，是坐在桌边的这些人，能把多大的梦想，写进多硬的代码里。
热门跟贴