从清华特奖到创业双雄：学术资本化的两条路径，谁走得更远

这篇文章最有价值的信息是：杨植麟和唐杰这对师生，在同一个顶会（ACL 2014）上分别以第一作者和导师身份产出论文，11年后各自创办了AI领域最受关注的两家公司——月之暗面（Kimi）和智谱AI。这不是一段简单的校园回忆，而是一个关于“学术资本化”路径选择的分岔路样本。

短期看：两条路径的差异化竞争已经成型

杨植麟路线：产品驱动，To C 优先

月之暗面的Kimi是国内最早靠长文本出圈的大模型产品。杨植麟从Google Brain和Facebook AI Lab回国后，没有选择先做底层模型，而是直接做C端应用。这个路径的优点是：

• 用户增长快，品牌认知强
• 产品迭代敏捷，能快速获取反馈
• 融资效率高（2024年完成超10亿美元融资）

缺点也很明显：

• 缺乏自有基座模型，底层依赖外部算力
• 长文本场景的护城河不够深，竞品（如通义千问、百度文心）随时可以跟进
• 商业化路径尚未走通，Kimi的付费率并不高

唐杰路线：技术底座驱动，To B / 政府优先

智谱AI从清华实验室孵化，走的是“先做底层模型，再找场景”的经典路径。GLM系列模型在学术benchmark上表现亮眼，且开源了ChatGLM，吸引了大量开发者。优势是：

• 技术壁垒较高，有完整的预训练和微调能力
• 政企客户信任度高（清华背景+开源生态）
• 商业模式清晰：模型授权、私有化部署、行业解决方案

劣势同样明显：

• 产品化能力弱，C端体验远不如Kimi
• 团队偏学术，对商业化节奏的理解可能滞后
• 融资轮次较晚，估值可能被月之暗面反超

[!note] 关键判断

短期（1-2年）内，月之暗面的产品力和品牌声量会持续领先，但智谱AI的底层能力一旦转化为产品，可能后发制人。这取决于两家公司谁能先拿到10亿人民币级别的年收入。

长期看：学术资本化的终局是“模型+场景”的双轮驱动

两条路径都需要补足短板

月之暗面必须自建基座模型，否则会被头部云厂商卡脖子。从公开信息看，杨植麟团队已经开始在算力基础设施上大笔投入，但这条路烧钱速度极快。

智谱AI必须做好产品化，让GLM真正进入C端或B端高频场景。目前智谱的C端产品“智谱清言”日活远低于Kimi，而B端项目回款周期长，现金流压力大。

谁更有可能做成？

从团队执行力角度看，杨植麟更贴近“创业者”画像：他有过产品从0到1的经验（Kimi用户破千万），懂得如何用营销和产品设计撬动增长。而唐杰更像是“学术领袖”，他更擅长的是组织科研团队、发表论文、训练模型。

但AI创业不是纯产品竞赛，技术天花板同样关键。如果底层模型能力有代差，产品再好也容易被碾压。目前GLM-4对标GPT-4的水平，而Kimi底层用的是vllm或其他开源模型+自研prompt，能力上限受限于底层。

我的判断：长期看，智谱AI的胜率更高，但月之暗面可能成为“被收购的优质标的”

原因很简单：AI大模型本质上是一个“基础设施+应用”的垂直整合生意。谁能把模型、算力、场景、数据全部打通，谁就能活下来。智谱AI有清华的学术资源、开源社区、政企关系，更容易形成闭环。而月之暗面更像一个“超级应用”，如果大模型能力被云厂商同质化，它可能会被阿里、腾讯或字节跳动收购。

给创业者的行动建议

如果你正在AI赛道创业，不要纠结于“学杨植麟还是学唐杰”。核心是：你的团队基因适合走哪条路？

• 如果你的团队大多来自互联网大厂，有产品运营经验，走月之暗面路线，先做应用，再找底层能力
• 如果你的团队有顶尖学术背景，能发顶会论文，走智谱AI路线，先做技术，再找场景

但无论哪条路，都要在18个月内实现至少1000万人民币的年收入，否则在资本寒冬里很难融到下一轮。

[!tip] 创业者的务实提醒

不要在“发币”或“Tokenomics”上浪费时间。AI大模型是重资产、长周期、强监管的赛道，短期炒作没有意义。专注把产品做出来，把收入跑出来，这才是清华特奖的学术素养应该投射到商业上的正确姿势。

配图（必须插入正文）：

这张照片里，杨植麟站在清华特奖答辩台上，台下是唐杰。11年后，他们各自站在了AI创业的聚光灯下。但真正的创业比赛，才刚刚开始。

原文链接：https://www.ithome.com/0/981/470.htm