今天下雨，天气也冷。但上午，在徐汇模速空间A区3楼，一场主题为“从‘年轻的事业’到‘世界的舞台’”的模速青年大讨论，却开得热气腾腾，激荡着思想的火花。窗外，是雨中蓬勃生长的西岸热土；窗内，汇聚了AI领域的创业者、科研精英、产业嘉宾，以及一群怀揣梦想的青年学子。

“科研教你定义问题，创业教你用技术解决需求”

　　长久以来，“顶天”的科研与“立地”的创业被认为是两条平行线。然而，讨论一开始，嘉宾们便不约而同地指向了一个共同的现实：边界正在模糊。

　　“现在做科研，已经不是单点技术的突破了。”上海人工智能实验室的青年科学家刘翼豪一针见血：在AI领域，学术界在某些时候已落后于工业界。他呼吁在场的年轻人，要警惕“机会的陷阱”，避免在同质化的热门方向中内卷，而应去寻找那些数据获取更难、看似“边缘”但潜力巨大的领域。

　　从科研转型创业的品览智造创始人李一帆对此深有感触。他以自身经历为例，分享了自己前两年创业方向接连失败，直到第三年才找准方向并坚持至今的故事。“得问一个好问题，一个真正有价值的问题，并且不着急下结论。”他提醒大家，创业本身也是一场“实验”，需要用科学的方法去控制变量、最小成本试错。“这是个充满可能性的时代。”

　　上海科学智能研究院物质科学团队的青年科学家徐丽成，从自己的创业实践出发，揭示了从科研构想到落地产品的关键——“最后一公里”往往不是技术本身，而是如何让不会写代码的科学家能方便地使用模型。上智院物质科学团队创立的“格物致远”，正是希望通过智能体平台和自动化实验室，将“干实验”与“湿实验”全链路打通，让AI真正赋能物质创造。“科研教你定义问题，创业教你用技术解决需求，二者结合才能创造更大价值。”

从“T型人才”到“无限不循环人生”

　　当话题转向“大厂还是小厂”，现场的氛围变得更加热烈。这不仅是一个职业选择，更是年轻人对成长路径的深层焦虑。

　　MiniMax执行总编辑周晓榕首先抛出了一个颠覆性的观点：AI正在填平大厂与初创公司之间的资源鸿沟。过去，年轻人需要在大厂的庞大体系中用三年时间学习复杂工程；现在，一个人或几个人加上AI，就能撬动巨大的价值。“AI是这个时代给年轻人的巨大礼物，它无限提高了我们的上限，又让试错成本变得无限低。”她建议年轻人，与其纠结平台大小，不如问清楚自己“这个阶段想要什么”“真正想解决的问题是什么”。

　　阶跃星辰CTO朱亦博则用“π型人才”的比喻，为在场学子描绘了理想的成长模型。“学校培养的更多是‘T型人才’，有专业的一竖。但在社会上，你需要另一竖——走到河的对岸，去理解产业、了解需求。”他分享了自己从微软等大厂投身创业的经历，用“无限不循环小数”来形容创业带来的精彩人生，并鼓励大家：“大厂和小厂是双向选择的，不适合可以换。如果想创新创业，就别想着避风港。 ”

　　从腾讯出来的创业者嵇盼，更是以亲身经历打破了“大厂与稳定”挂扣的刻板印象。“在国内大厂，半年内业务发生巨大调整是常态。大厂的稳定，要打个问号。”他坦言，自己离开的原因是“不能决定自己的命运”，而在创业公司，你被逼着成为一个“六边形战士”，成长的斜率更陡。无问芯穹总经理曾书霖也呼应道，保持好奇心，在真实的业务场景中获得反馈闭环，是技术迭代和人才成长的关键。

从3000万元“学费”到全球领先

　　“成功与失败”的议题，让讨论从理性选择走向了更深层的情感共鸣。

　　红熊AI的CEO温德亮讲述了一段经历。为了提升企业级AI的准确率，他和团队曾“烧”了3000多万元，尝试了模型蒸馏、微调等各种方法，几乎全部打了水漂。团队一度陷入深深的自我怀疑。然而，正是这次巨大的失败，让他们发现了模型在长上下文中的“近因效应”，并由此创新性地提出了在模型之上增加“记忆层”的解决方案。最终，他们将业务准确率从70-80%一举推高到98%以上，成就了公司的技术壁垒。

　　温德亮说，“每一次失败，都是技术创新的引子。 技术方案永远是在真实业务场景里迭代出来。”

　　密度蜜巢总裁刘义东分享：他的公司专注于做深做透垂直领域，打造“赛博员工”。成立不到两年，融资5轮，迭代近90个版本，成为全球记忆驱动领域的领跑者。这种快速迭代、不畏试错的打法，正是模速空间里众多创业公司的缩影。“最通俗的话，失败就是成功之母。你要通过失败去修正自己的认知，争取在下一次项目中做得更好。”