若论及中国的人工智能产业，清华大学往往是一个无法绕开的名字。从大模型研发、AI芯片设计到明星创业公司的创始人背景，清华校友的身影无处不在。然而，在人工智能的落地应用与产业融合方面，北京大学正展现出日益重要的力量。从企业智能化到科学智能，再到具身智能，北大创业者们所瞄准的，始终是产业中最核心且最紧迫的难题。
01 北大传承
回溯20世纪60年代末，北大师生曾承担了一项几乎从零起步的国家任务——研发每秒百万次运算的大型数字计算机，代号“150机”。彼时，中国石油勘探面临严峻挑战：地下结构日益复杂，而大量地震勘探数据仅能依赖人工和简单设备处理，效率低下且误差较大，严重制约了找油进程。由于国外大型计算机技术受到严格限制，中国必须走自主研发之路。这是一个“无资料、无经验、无成熟技术”的时代，从硬件设计到软件系统，几乎每个环节都需要从零开始。
软件团队由北大教师杨芙清负责，她后来成为中国软件学科的奠基人之一。当时硬件尚未完工，软件验证却刻不容缓。为了寻找计算机运行的可能路径，杨芙清带领团队奔赴大庆油田，借助已有的108乙计算机编写模拟程序。团队成员几乎全天候住在机器旁，昼夜轮班，每人每天仅睡两三个小时，硬是在23天内完成了原本需要数月的调试工作，为150机的研制争取了宝贵时间。
1973年，150机研制成功。次年4月，这台完全自主设计的大型计算机成功处理了我国第一条海上数字地震剖面，被业内誉为“争气剖面”，开创了国内数字采集、处理地震数据的先河，推动中国地质勘探迈入数字化阶段。如果说150机证明了高校有能力解决产业难题，那么真正将科研成果推向市场的关键人物，则是王选。
1974年，国家启动“748工程”，旨在解决汉字信息处理难题。1975年，北大助教王选加入该项目，负责汉字激光照排技术方向。当时，国外照排技术已发展到第二代、第三代，而王选团队经过反复论证，决定跳过已有路线，直接攻关尚未成熟的第四代激光照排技术。但这并非坦途，最大的瓶颈在于汉字本身。西文字符数量有限，而常用汉字多达六七千个，再加上字体、字号的变化，信息处理难度远超西文。
王选做出了一个大胆的选择：用数学方法解决汉字数字化难题。他独创了“参数表示规则笔画，轮廓表示不规则笔画”的方法，将汉字存储量压缩到原来的五百分之一至千分之一，大幅降低了计算机处理汉字的难度，让大规模汉字信息处理具备了产业化可能。1979年，王选团队利用自主研发的系统输出了第一张报纸样张。随后，这项技术逐步进入出版印刷行业，推动中国印刷业告别“铅与火”，进入“光与电”时代。
从150机到激光照排，北大逐渐形成了一条鲜明的技术传统：瞄准产业最难的底层问题，利用基础研究完成突破，再将技术真正推向市场。
02 AI时代，多点突破
互联网时代，以李彦宏为代表的北大创业者解决了“信息如何被找到”的问题。而到了AI时代，北大的创业者们正在回答另一个核心命题：如何让机器真正理解世界。这种转变，也使得北大创业者的方向发生了显著变化。
企业智能是AI最早实现规模化落地的领域。2006年，北大计算机系在读硕士生吴明辉创办秒针系统，从广告监测和消费者分析切入，帮助企业理解数据、辅助决策。随后，他创办明略科技，将AI应用于知识图谱、商业分析和智能决策。如今，明略科技服务超过2000家企业客户，并于2025年登陆港交所，成为“全球Agentic AI第一股”。
另一位代表是陈振杰。2014年，北大光华在读硕士陈振杰与本科同学启动创业项目，次年创办极视角。不同于多数AI创业者，他并非技术背景出身，而是从生命科学转向供应链管理，再进入企业管理领域。正因如此，他更关注AI如何真正进入产业现场。极视角没有选择单纯开发算法，而是搭建AI算法平台，将企业需求转化为算法解决方案，连接开发者与产业场景。如今，公司已服务3000多家政企客户，并于今年3月登陆港交所。
如果说企业智能解决的是经营效率，那么AI for Science关注的，则是科学发现本身。2014年，北大物理学和数学双学位校友赖力鹏联合创办晶泰科技，将AI、量子物理与自动化实验结合，用计算模拟分子结构、预测药物效果，减少传统研发中的试错，加速新药和新材料研发。2024年，晶泰科技登陆港交所，成为“中国AI制药第一股”。
2018年，北大元培学院校友张林峰、孙伟杰创办深势科技，将AI引入科学计算，希望解决传统科研中计算成本高、效率低的问题。团队长期深耕分子模拟，相关成果曾获得有“超算界诺贝尔奖”之称的戈登·贝尔奖。如今，深势科技正让AI参与科学规律探索，加速药物、材料等领域研发，已服务全球1000多所高校和科研机构，并完成超8亿元C轮融资，跻身AI for Science独角兽行列。
AI的边界还在进一步拓展，从数字世界和科学计算走向物理世界。2023年，北大前沿计算研究中心助理教授王鹤创办银河通用，瞄准具身智能赛道，让机器人从实验室走向真实环境。传统机器人依赖固定程序，只能完成特定任务。而银河通用希望通过具身大模型，让机器人具备感知、理解、决策和执行能力，真正适应复杂开放的现实环境。成立三年多，公司累计融资已超过69.6亿元，估值超过200亿元，成为具身智能领域最受关注的创业公司之一。目前，其机器人已进入工业、仓储、零售等多个场景。
与此同时，北大AI创业者还在探索更多新场景。北大深研院两位在读博士生宁鲲鹏、姚佳雨，将校园项目ChatExcel发展为创业公司元空智能，让用户通过自然语言完成表格处理、数据分析等办公任务，推动AI办公助手走向实际应用。北大校友陈博远则进入更前沿的世界模型赛道，创办逆矩阵科技，希望构建通用世界基座模型，让AI学习现实世界的运行规律，为具身智能、物理仿真等未来应用提供底层能力。
从企业智能，到科学智能，再到具身智能，AI在他们手中不断突破边界，从一种技术工具，逐渐演变为探索未知、连接现实世界的新型基础能力。
03 从个人英雄，到系统输出
为什么北大能够持续走出AI创业者？答案首先藏在基础学科的长期积累里。吴明辉本科学数学，赖力鹏拥有物理学和数学双学位，张林峰拥有物理与应用数学背景。这些看似不同的路径，背后有着相似的思维方式：用数学建模商业问题，用量子物理理解药物研发中的复杂规律，用AI探索科学计算中的未知问题。他们接受的训练，本质上都是寻找复杂系统背后可以被计算、被理解的底层结构。这种基础学科优势至今仍在延续。2020年美国MATLAB软件被禁用后，北大数学团队推动研发北太天元科学计算软件，试图打破科学计算领域长期依赖国外工具的局面。如今，这款国产科学计算软件已进入高校科研和工业应用，为科学计算软件国产化迈出了重要一步。
但仅有单一学科能力还不够，AI时代越来越需要跨领域融合。在这些AI创业者中，元培学院的身影多次出现。张林峰、孙伟杰、陈博远等人都拥有元培背景。2001年启动的元培计划，是北大探索通识教育和跨学科培养的重要尝试，强调打破传统专业边界，让学生在不同学科之间寻找新的结合点。2007年，元培计划正式升级为元培学院，这一培养理念也随之制度化、常态化。这种跨学科训练，也让他们更容易发现不同领域之间的连接点，把AI引入药物、材料、科学计算、机器人等技术门槛更高的领域。
真正的变化在于，北大正在把过去依靠少数团队完成的成果转化，逐渐变成一套可以持续运行的创新系统。2021年，北大与北京科创基金联合设立元培基金，规模约10亿元，重点支持具有原始创新潜力的早期科研项目。相比传统投资，元培基金更关注技术壁垒和长期创新价值，而不是要求项目一开始就具备成熟商业模式。在此基础上，北大进一步推动燕缘创投成立，聚焦“投早、投小、投硬科技”，将高校科研资源与产业资本连接起来。到2025年，燕缘孵化器正式落地，定位为“科学家与创业者的早期合伙人”。它与元培基金、燕缘创投共同构成北大科技成果转化的“最初一公里”，帮助早期科研项目完成从技术验证到创业落地的关键跨越。
从基金投资，到孵化服务，再到产业连接，北大正在构建覆盖“科研发现—技术验证—企业孵化—资本支持”的创新链条。王选当年带领团队完成的那场技术穿越，如今正在变成一套可以持续运转的创新体系。回望过去半个多世纪，从150机、激光照排，到今天的AI，时代不断变化，但把基础研究变成产业突破的能力，一直在北大人身上延续。