如果讨论中国AI，清华已经是一个绕不开的名字。从大模型、AI芯片到明星创业公司，许多创始人都有清华背景。而在AI落地应用场景，走进产业方面，则站着越来越多的北大人。
从企业智能，到科学智能，再到具身智能，他们瞄准的，都是产业最核心、也最紧迫的问题。
20世纪60年代末，北大师生承担了一项几乎从零开始的国家任务，研发每秒百万次运算的大型数字计算机，代号150机。
当时，中国石油勘探面临一个现实难题，地下结构越来越复杂，但大量地震勘探数据只能依靠人工和简单设备处理，计算效率低、误差较大，直接影响找油效率。而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。
那是一个“无资料、无经验、无成熟技术”的时代。从硬件设计到软件系统，几乎所有环节都要从零开始。
软件团队由北大教师杨芙清负责。后来，她成为中国软件学科奠基人之一。彼时，硬件还没有完成，软件却必须提前验证。为了找到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。
那段时间，团队成员几乎住在机器旁边。团队昼夜轮班，每人每天只睡两三个小时，硬是在23天内完成了原本需要数月的调试工作，为150机争取了关键时间。
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，推动中国地质勘探进入数字化阶段。
如果说150机证明了高校可以解决产业难题，那么真正将科研成果推向市场的人，是王选。
1974年，国家启动“748工程”，目标是解决汉字信息处理难题。1975年，北大助教王选加入这一工程，负责汉字激光照排技术方向的研究。
当时，国外照排技术已经发展到第二代、第三代，而王选团队经过反复论证，选择跳过已有路线，直接攻关尚未成熟的第四代激光照排技术。
但这并不是一条坦途，最大的瓶颈来自汉字本身。西文字符数量有限，而常用汉字多达六七千个，再加上不同字体、字号组合，信息处理难度远超西文。
王选做出了一个大胆选择：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真正具备了产业化可能。
1979年，王选团队利用自主研发的汉字激光照排系统输出第一张报纸样张。随后，这项技术逐渐进入出版印刷行业，推动中国印刷业告别“铅与火”，进入“光与电”。
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，用基础研究完成突破，再把技术真正送进市场。
互联网时代，以李彦宏为代表的北大创业者，解决的是“信息如何被找到”。到了AI时代，北大的创业者们正在回答另一个问题：如何让机器真正理解世界。
这种变化，也让北大创业者的方向发生了明显变化。
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”。
▲图源：明略科技
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，其机器人已经进入工业、仓储、零售等多个场景。
▲银河通用 Galbot S1 具身重载机器人在宁德时代工厂中常态化作业
图源：银河通用
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在他们手中正在不断突破边界，从一种技术工具，逐渐成为探索未知、连接现实世界的新型基础能力。
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，本质上都是一件事，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。
▲北京大学元培学院，图源：北京大学
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。
华商韬略出品
主编：毕亚军 责编：周怡
华商韬略（微信公众号：hstl8888）原创文章，未经授权请勿转载