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。
配资之家提示：文章来自网络，不代表本站观点。
