北大AI产业化路径：不走基模路线，深耕具身智能与科学智能

DeepSeek与北大联合开源DSpark，开启系统级推理加速新实践

近日，DeepSeek与北京大学联合开源DSpark推理加速框架。该框架聚焦大模型线上服务中的核心工程瓶颈——高并发场景下的响应效率优化。目前已集成至DeepSeek-V4-Flash及V4-Pro预览版服务引擎，实测单用户生成速度提升60%至85%。这一合作并非孤立事件，而是北大在AI产业化进程中持续强化系统工程能力的自然延伸。

不同于清华的基模孵化路径，北大选择扎根产业真问题

过去几年，清华系AI创业以智谱为典型代表，走出一条“实验室成果→公司化→资本市场”的清晰链条：源自清华知识工程实验室与AMiner的技术积累，2019年成立智谱，2024年登陆港股，成为国内首家大模型上市公司。面壁智能、月之暗面等亦延续相似逻辑，依托高校实验室与智源研究院等平台完成技术转化。 北大则呈现出另一条路径：不以通用语言基座模型为单一出口，而是将AI能力嵌入具身智能、AI for Science、企业智能等具体产业纵深场景。这种选择并非被动回避，而是源于其学术基因与问题导向的研究传统。

具身智能：银河通用是北大AI落地的第一张硬名片

银河通用由北大计算机学院王鹤教授与前ABB机器人专家姚腾洲联合创办。王鹤于2021年回国后，在北大前沿计算研究中心建立具身感知与交互实验室，研究机器人如何理解环境、操作物体、自主完成任务。2023年，公司完成亿元级天使+轮融资，美团战略领投，北大燕缘创投、清华SEE Fund、IDG资本跟投。 2024年，“北大—银河通用具身智能联合实验室”正式挂牌，覆盖理论研究、关键技术攻关、成果转化与产业应用全链条。这标志着北大在具身智能方向已形成从基础研究、人才培育到工程落地的闭环能力。

AI for Science：晶泰科技代表北大科研向产业的深度渗透

晶泰科技联合创始人赖力鹏本科就读于北大物理与数学专业，后赴MIT从事博士后研究。2018年经北大引进回国，依托北大科技园完成产学研转化，在深圳创立晶泰科技。公司以算法+计算化学+自动化实验三轮驱动，显著缩短药物发现周期。 其成长路径体现典型的“北大式转化”：科研问题出发（如分子模拟精度瓶颈），依托校内学科交叉资源（物理、化学、信息科学），借力科技园孵化机制与资本对接，最终在AI制药赛道确立头部地位。2026年，北大创新创业学院“创企行”首站即走进晶泰，将其作为AI for Science范本向学生展示。

旗帜性人物锚定方向：通用智能体与脉冲视觉两条主线

朱松纯教授任北京大学人工智能研究院院长及北京通用人工智能研究院院长，其研究始终围绕“机器如何进入真实世界”。他明确提出通用智能体需具备“完成无限任务、自主产生任务、由价值驱动”三大特征，并于2026年3月发布机器人核心引擎“通脑”，推动通用智能从语言走向行动。 黄铁军教授长期深耕视觉信息处理与神经形态计算，其团队研发的超高速脉冲相机曾亮相国家“十三五”科技创新成就展。基于该成果，北大与成果转化基金共同成立脉冲视觉公司，实现从原理突破到芯片级落地的跨越。 两位旗帜人物的研究重心——具身机器人与类脑视觉——恰构成北大AI产业化的双支柱，也解释了为何其孵化成果集中于机器人、科学智能、类脑芯片等垂直领域，而非通用语言模型本身。

人才不缺席主战场：北大系力量深度参与大模型核心建设

北大未诞生智谱式的基模公司，但北大校友始终活跃于产业一线。林俊旸本科毕业于北大，后加入阿里达摩院，深度参与M6、OFA及Qwen系列模型研发，曾为Qwen开源体系核心负责人。2026年初，他宣布从阿里离职，正筹备新AI创业项目，种子轮估值已达20亿美元，有望成为北大在大模型主线上的首个标志性创业样本。 罗福莉本科就读于北大，后保送至北大计算语言学专业，师从万小军研究员。她在ACL等顶会发表多篇论文，职业生涯横跨阿里达摩院、DeepSeek与小米MiMo大模型团队，现任小米大模型负责人。她与DeepSeek的合作，也成为北大与产业界技术协同的微观缩影。

机制创新：基金、创业营与转化平台构建新型孵化生态

北大正系统性构建适配自身优势的AI产业化支撑体系。2026年1月，燕缘创投首支全盲池基金完成备案，规模1亿元，重点投向半导体、人工智能、软件及北大科技成果转化项目；2025年启动的北大AI创业营已举办两期，累计遴选超80个校内项目，覆盖机器人、脑机接口、科学智能、智慧医疗、类脑芯片等领域，超六成项目已完成公司注册。 这些动作表明：北大并非等待校友自发创业，而是主动搭建“科研—孵化—资本—产业”四位一体的加速通道。其目标不是复制一家智谱，而是让AI能力在更广泛的真实世界中扎根生长。

结语：两张名片，一种使命

清华以智谱为代表，树立起中国基础大模型的产业标杆；北大则以银河通用、晶泰科技为支点，在具身智能与AI for Science领域构筑不可替代的技术高地。二者路径不同，但本质一致：都是顶尖高校面向时代命题所作出的务实回应。当AI从模型走向物理世界、从文本走向分子与机械，北大的答案正在具身机器人关节的每一次转动中，在药物分子结构的每一次精准预测里，悄然成型。