7個月融4億美刀背後，站著代季峰8人團

一家清華背景公司，成立 7 個月，三輪融資總額 4 億美元，投後估值 14.2 億美元。創下如此記錄之時，官網上卻只有一句英文標語，竟然一張團隊合影、一份產品介紹都沒有。這個創業團隊沒有接受過任何採訪，低調到令人髮指。這家公司叫 Naive AI，工商註冊名是北京智衍慧生科技有限公司。搜索引擎搜公司名，只能搜到其創始人是清華大學電子工程系副教授代季峰。左林右狸頻道這就為大家扒一扒，這家公司背後的代季峰8人團是怎麼聚到一起的。01 不是師徒，是同道中人這裡面綁定最深的肯定是朱錫洲。

看過我們前文我所知道的代季峰：從微軟亞研7萬次引用，到盛大3億美金風暴的鄰里肯定都有印象，代季峰這個人的起點，比大多數人想象的還要高。2014 年，代季峰博士畢業，進了微軟亞洲研究院，業內叫 MSRA，綽號中國 AI 的黃埔軍校。微軟亞研首任創始院長是《時代週刊》全球百大李開復，二代目是有史以來最年輕的IEEE Fellow張亞勤，三代目是微軟前全球執行副總裁、美國國家工程院外籍院士沈向洋，湯曉鷗、何愷明，半個中國 AI 產業的領軍人物，都從北京知春路那棟希格瑪大廈裡走出來。代季峰進的視覺組，組長是孫劍。

孫劍是 ResNet 的四位作者之一，殘差網絡把深度學習從十幾層推進到上百層，後來回西安交大兼職做了人工智能學院院長，2022 年早逝，是這行公認的天才。代季峰進去的時機，正好趕上 MSRA 視覺組最高光的一年。2015 年，孫劍帶隊，用 152 層的深層殘差網絡，一口氣拿下了 ImageNet 競賽圖像分類、定位、檢測三項冠軍，錯誤率壓到 3.57%，第一次把機器的識別能力打過了人類 5.1% 的水平線。同年，MS COCO 物體檢測競賽第一屆開賽，這是全球計算機視覺最權威的擂臺，Facebook、谷歌、微軟全都在場。冠軍還是 MSRA。

代季峰而代季峰憑 DCN 家族在 2015、2016 連續兩年拿下 MS COCO 一等獎，2016 年的 R-FCN 由他當一作，合作者是何愷明、孫劍。換句話說，代季峰進 MSRA 的第一年，就站在了世界之巔的一群人中間。代季峰自己也沒閒著，很快就打出了自己的成名作，可變形卷積。那個時候，全世界做目標檢測的人，都默認卷積核必須是方方正正的。代季峰偏要問一句，為什麼不能根據目標的形狀變長、變歪。科研就是這樣，有時候提出問題，比解決問題更重要。他重塑了目標檢測的底層邏輯，讓可變形卷積成了後來 PyTorch 框架裡的標準算子。就憑這一手，他在 MSRA 站穩了腳跟，也才有了後來帶學生的資格。

就是在這樣的組裡，代季峰認識了朱錫洲。朱錫洲是中科大與微軟亞洲研究院的聯合培養博士，這個項目只挑高校裡最頂尖的博士生，放進 MSRA 由研究員手把手帶。朱錫洲的 MSRA 導師就是代季峰。左林右狸頻道此前一直以為，這對搭檔的交集始於商湯。查了論文才發現，他們早在 2017 年就綁定了。那年朱錫洲以第一作者身份，和代季峰合發了一篇叫 Deep Feature Flow 的論文中了 CVPR。這篇論文在解決什麼，值得展開說。那幾年深度學習在圖片上已經很能打了，但一遇到視頻就抓瞎。視頻有幾十上百幀，逐幀跑一遍深度網絡，慢到根本沒法用，自動駕駛這種要實時反應的場景，更是想都別想。

朱錫洲他們想了個辦法，別每一幀都算，只在幾個關鍵幀上跑昂貴的卷積，中間那些幀，用光流把特徵“搬運”過去就行。朱錫洲因為相鄰兩幀的畫面變化很小，特徵也長得差不多，搬過去誤差不大。這一搬，速度直接翻了五倍，用更輕的光流網絡，能快到十倍。準確率幾乎不掉，Cityscapes 語義分割的分數只從 71.1% 降到 69.2%。這是業內第一次把光流和視頻識別端到端聯合訓練，直接讓視頻識別從“實驗室裡的慢功夫”變成了“能上路的真本事”。那一年 ChatGPT 還沒影，哪怕是 OpenAI 押注多模態也是2020年之後的事了，大模型這個詞和現在的說法都不是一個意思。

兩個人在研究的，是視頻識別這種最硬核的問題。朱錫洲後來一路當一作常客，靠的就是代季峰那套不手把手喂答案、逼學生自己想“為什麼”的訓練。從後來兩個人的表達來看，這層關係不僅是師徒，更說明他們本來就是一路人。都信“簡單有效”這四個字，都願意在沒人看好的硬問題上死磕。02 512 張顯卡上的 90 秒2019 年，代季峰離開 MSRA，跳槽去商湯，朱錫洲跟著去了。在商湯，這對師徒打出了他們最重要的一篇論文，Deformable DETR。谷歌學術引用 1.2 萬次，是代季峰團隊被引用最多的成果，沒有之一。

可變形卷積和 Transformer 在檢測任務上的融合，從此成了工業界的標準操作，朱錫洲是第一作者。這篇論文之後，工業界的檢測模型基本都繞不開這一套。而在商湯，代季峰還碰到了一個跟他完全不一樣的人，孫鵬。孫鵬是新加坡南洋理工的博士，在商湯乾的是 AI Infra，說白了就是給大模型訓練搭底座的。熟悉infra的人都知道，這個崗位本身在公司裡，是很難有存在感的。2019 年，大模型的軍備競賽剛開打，各家都在拼誰能把模型訓練得更快。當時訓練 ImageNet 的世界紀錄，是騰訊和香港浸會大學創下的，4 分鐘。孫鵬帶著團隊，把這個數字砍到了 1.5 分鐘。

他們用 512 張英偉達 Tesla V100 顯卡，搞了一套叫 GradientFlow 的通信後端，把 ImageNet 上 AlexNet 的 95 個 epoch 訓練，壓進 90 秒。換算一下，就是 1 秒一個 epoch。512 張卡上做到 410 倍的加速比，而當時主流的開源系統，在 64 張卡上只能做到 2.5 倍。這事驚動了外媒，The Register 專門寫了篇報道，標題就叫“訓練這個圖像識別網絡的時間，比泡一杯茶還短”。孫鵬的能力一下子顯露出來，算法團隊在前面出成果，他在後面保證這些成果能在大規模集群上穩穩地跑起來。

這類工程能力論文引用不高，但大模型訓練至關重要，根本離不開。商湯三年，會做算法的朱錫洲，會搞算力的孫鵬，都圍在了代季峰身邊。如果倒著來看，代季峰創業公司需要的人，在這裡先齊了兩個。03 從自動駕駛感知到交互式世界模型商湯還有一條線，自動駕駛。代季峰在這條線上，認識了陳韞韜，陳韞韜是中科院自動化所的博士，在圖森未來、輝羲智能都做過自動駕駛感知，是這個圈子裡的老兵。之前寫過圖森前世今生，感興趣的可以出門右轉去再看下。陳韞韜陳韞韜後來做的一件事，值得單拎出來說。2024 年，陳韞韜作為通訊作者，推出了一個叫 DrivingDojo 的數據集。要理解這個數據集的分量，得先說一個正在發生的技術轉向。

Sora 火了之後，整個行業突然意識到，視頻生成模型本質上是在模擬世界的物理規律。於是“世界模型”成了通往通用人工智能的熱門賽道，自動駕駛更是把世界模型當成下一代的仿真器。但問題來了，訓練世界模型，得有數據。以前那些自動駕駛數據集，nuScenes、Waymo，都是奔著“感知”去的，車在路上乖乖開，幾乎沒有車跟車打架、動物突然竄出來的場景。沒有交互數據，世界模型就學不會真實世界的複雜動態。陳韞韜他們搞的 DrivingDojo，是全球第一個專門為“交互式世界模型”設計的數據集，1.8 萬個視頻，被 NeurIPS 2024 的 Dataset 賽道收錄。

裡面有變道、急剎、併線、會車，也有突然竄出的動物、掉下來的水桶、路上的羊群。用一句話說，別人給世界模型的是“乖乖開車的錄像”，陳韞韜給的是“真實的、會出事的馬路”。這就是陳韞韜，一個讓汽車先在腦子裡把危險場景開一遍，再上路的人。順帶說一句，代季峰這條自動駕駛線，巔峰是 2023 年的 UniAD。這篇論文拿了 CVPR 最佳論文獎，是近四十年來，第一次有署名全部來自中國學術機構的論文，拿下這個獎。代季峰、朱錫洲、王文海，都在作者名單上。也就是說，這支隊伍在自動駕駛上，也摸到過全球最頂的那一下。2022 年，代季峰離開商湯，回清華做副教授，同時進了上海人工智能實驗室。

這個實驗室還有個名字，浦江實驗室，2021 年成立的國家隊，創始人是湯曉鷗。代季峰在浦江實驗室工作的時候，王文海也在，他是最早一批去浦江實驗室的研究員。InternVL，中文名書生·萬象，就是這裡出來的開源多模態大模型，號稱開源界的 GPT-4V。代季峰身邊的人，也在這裡一下子多了起來。王文海先說王文海，王文海是 InternImage 的一作，這篇論文拿了 CVPR 2023 Highlight 論文，在 COCO 上刷出了 65.4 的新紀錄。（CVPR 2023 最佳論文是另一篇 UniAD，王文海、代季峰、朱錫洲恰好都是它的作者。

）王文海手裡 43 篇頂刊頂會論文，19 篇是一作或共一，引用 6.4 萬次，是除代以外，引用裡最高的。再說陳喆，陳喆是 InternVL 的一作，一個在讀博士，負責了 InternViT-6B 視覺底座從零開始的預訓練。這篇 InternVL 中了 CVPR 2024 Oral，拿了 2025 世界人工智能大會的青年優秀論文獎。左林右狸頻道要特別說說這倆人的關係。王文海和陳喆，都是南京大學路通教授的博士生，是同門師兄弟。王文海本科讀的是南京理工，陳喆本科讀的是浙江科技學院，兩個人都不是清北出身，是一路從普通學校殺進路通門下的。陳喆他們不只是同門，還是老隊友。

早在上 InternVL 之前，兩人就一起組隊打過競賽、拿過冠軍，陳喆在 NAIC 遙感分割競賽上贏的那次，獎金有 100 萬。到了上海 AI Lab，兩個人在 InternVL 上重逢，陳喆排一作，王文海排第三。一間實驗室走出來的師兄弟，把一個開源模型做到了能跟 GPT-4V 掰手腕的水平。InternVL 背後的技術哲學，左林右狸頻道也順帶提一句。上海 AI Lab 給它定的調子是，用更少的算力，做出接近閉源商業模型的水平。他們搞了一套“漸進式對齊”的訓練策略，先拿小模型在海量數據上粗訓，再拿大模型在精選數據上精調。據說只需要傳統方法兩成的算力，就能達到同等效果。

這個“省算力”的執念，後來成了 Naive AI“不預訓練、押後訓練”思路的預演。04 代季峰的博士後王文海和陳喆之外，代季峰在上海 AI Lab 還帶了個博士後，羅根。羅根羅根的博士在廈門大學讀的，師從紀榮嶸，那是廈大的人工智能研究院負責人、國家傑青。在廈大，羅根就負責過“思源”大模型，是科技部 2030 重大項目的成果。到了上海 AI Lab，羅根繼續做書生·萬象系列，還入選了博士後創新人才支持計劃，業內叫博新計劃，含金量不低。羅根做的 Mono-InternVL，解決的是原生多模態模型“災難性遺忘”的老大難問題，部署時首字延遲最高能砍掉 67%。在 InternVL 3.

5 這篇論文裡，技術負責人那一欄，寫的是王文海和羅根。一個博士後，能跟團隊裡引用量最高的王文海並列技術負責人，本身就說明了他在這個項目裡的分量。InternVL 團隊裡，還有一個最年輕的。王瑋贇王瑋贇，1999 年出生，哈爾濱工業大學本科，復旦博士還沒讀完。王瑋贇的身份，左林右狸頻道查了又查，最後在蔻享學術的一份講者簡介裡找到了答案。他是復旦大學與上海 AI Lab 的聯培博士，導師是代季峰和喬宇兩個人。換句話說，王瑋贇也是代季峰的學生。這個 1999 年生的小夥子，是 InternVL 3.5 的一作。

他主導的 InternVL-Chat，在 HuggingFace 上的下載量破了 1000 萬。InternVL 3.5 在他手裡，MMMU 基準上拿了 77.7 分，是當時開源多模態模型裡的最高分，把一票閉源商業模型都甩在了後面。一個還沒畢業的博士生，把自己參與做的模型，下載量做到了千萬級，還順帶刷出了開源第一的成績。到這一步，代季峰門下的學生，已經有三個了。聯培博士朱錫洲，博士後羅根，聯培博士王瑋贇。05 陳天橋的算力，與一場 5 個月的蜜月大模型的風口，最終把這支隊伍捲進了資本的中心。陳天橋，盛大集團創始人，中國互聯網最早的一代富豪，31 歲登頂過中國首富，後來隱退去做腦科學。

陳天橋經人介紹認識了 DeepSeek 創始人梁文鋒，萌生了做通用人工智能的念頭，找到了代季峰。MiroMind 就這麼成立了，公司名源自佛經裡的“大圓鏡智”，總部在新加坡，錢全來自陳天橋個人和家庭。陳天橋要代季峰的技術，代季峰要陳天橋的算力和耐心，一開始也兩廂情願，蜜月期是輝煌的。MiroMind 推出的 ODR 深度研究模型，在 GAIA 基準上拿了 82.4 分，一度超過 OpenAI 的 Deep Research。後來的 MiroThinker，提出“交互式縮放”，256K 的上下文能支撐 600 次工具調用。

而 MiroThinker 的論文作者列表，是左林右狸頻道最想給鄰里看的東西。代季峰、朱錫洲、陳韞韜、陳喆、孫鵬，5個人，整整齊齊，第一次在一篇論文裡同框。這幾乎就是 Naive AI 的大部分班底了。蜜月只維持了幾個月。2026 年 1 月，代季峰卸任技術顧問，退出工作群，雙方隔空交火。這些撕扯左林右狸頻道上一篇文章寫過，這裡不重複。真正值得說的是結果，雙方雖然分手，但代季峰想做的事並沒有停下。2026 年 2 月，Naive AI 成立。現在可以回答開頭那個問題了，這家公司到底在幹什麼。它做的是 Agentic AI 和持續學習，說得再直白點，就是讓 AI 變成能自己動手幹活的智能體。

技術路線上，Naive AI 不預訓練，不從頭燒算力做基礎大模型。它拿一個現成的開源模型當底座，在上面做改結構、中期訓練、強化學習，業內管這叫後訓練。這套打法的底氣，全在這支隊伍身上。投資人願意在公司成立第一天就砸下真金白銀，看中的不是某一個天才，而是一支不需要磨合期的隊伍。從 2017 年朱錫洲和代季峰合發第一篇論文算起，這些人已經合作了快十年。信任和默契，早就被一篇篇論文署名提前磨好了。最耐人尋味的，是王瑋贇。王瑋贇是唯一一個沒出現在 MiroThinker 論文裡的人，沒跟著大部隊去 MiroMind，而是留在上海 AI Lab 繼續做 InternVL。

等到代季峰拉起 Naive AI，他直接從 InternVL 那條線加入了。可能有人要問了，這說明什麼？說明這支隊伍不是靠某一家公司、某一次跳槽才湊起來的。他們的關係，散落在 MSRA 的實驗室、商湯的工位、上海 AI Lab 的機房，散落在十幾篇論文的署名裡。公司可以換，機構可以散，這些署名織成的網，一直都在。一個學者走出實驗室，站上曠野，最怕孤身一人。代季峰不怕，他回頭，7 個人還在。06 這支隊伍的真實戰力就在最近，Naive AI 發佈了首款模型 Naive-N0.5-Flash——309B 參數的 MoE 架構，激活參數 15.

5B，原生支持百萬 token 上下文，以 MIT 協議開源權重，面向編程與 AI 研發。它基於開源基座 MiMo-V2.5 做中期訓練與後訓練，不從頭預訓練，恰好把代季峰團隊“省算力、拼後訓練”的路線，終於從論文變成了產品。寫到這裡，左林右狸頻道把這 8 個人的履歷擺出來，讓鄰里看個明白。代季峰，清華本碩博，MSRA 首席研究員、商湯執行研究總監、清華副教授，谷歌學術引用 8.8 萬次。朱錫洲，中科大與 MSRA 聯合培養博士，前商湯高級研究員、“日日新”大模型技術負責人，引用 4 萬多次。

王文海，南京大學博士、港中文博士後，上海 AI Lab 青年科學家，CVPR 2023 最佳論文，引用 6.4 萬次。陳喆，南京大學博士，InternVL 一作，引用 1.9 萬次。王瑋贇，哈工大本科、復旦博士在讀，InternVL 3.5 一作，引用 1.1 萬次。陳韞韜，中科院自動化所博士，前圖森未來、輝羲智能算法負責人，引用 6000 多次。孫鵬，南洋理工博士，前商湯 AI Infra 負責人，引用 5000 多次。羅根，廈門大學博士，代季峰的博士後，引用 4000 多次。8 個人加一起，引用超過 24 萬次，平均年齡不到 35 歲。而工商信息裡那個“北京智衍慧生”，註冊資本不大。

就是這樣一家幾乎零宣傳的公司，成立 7 個月融資 4 億美元，投後估值 14.2 億，騰訊、博裕、紅杉中國、IDG、經緯都在裡面。這 4 億美元是怎麼來的，左林右狸頻道拆開說。據 The Information 報道，三輪融資，首輪 1 億美元，次輪 1.8 億美元，第三輪 1.2 億美元。投資方除了上面幾家，還有君聯資本，元禾璞華、國汽投資、廣發乾和，幾乎把國內大模型賽道最活躍的機構一網打盡。在投資人看的時候，而這家公司對外放出來的東西，只有一個招聘郵箱，和一句“100x Intelligence for the pioneers”。產品、模型、技術路線，全都不講。

換成投資圈裡最常說的話，投這種公司，投的根本不是項目，是人。這8 個人裡當然有清華，也有南洋理工博士、港中文博士後，但主力大多不是“清北模板”，也不是清一色海外歸來。他們不是被同一張名校標籤篩出來的，而是在國內實驗室、國內競賽、國內開源項目裡，一篇論文一篇論文打出來的。可以這麼說，中國 AI 這十年的土壤，長出了這支隊伍。