AI 領域越來越多的創新，正由更年輕的一代推動完成。他們普遍只有 20 歲出頭，有人還在校園裏探索前沿研究課題，也有人已經開始了創業實踐；更多人則同時穿梭於開源社區、論文平臺與真實應用場景之間，在研究、工程與產品的交叉地帶快速成長。

過去，人們認爲科技的創新需要漫長的積累，成長是一個線性的過程：年輕人要先進入大公司、進入實驗室、完成多年訓練，纔有機會參與真正重要的問題中去。但眼下，AI 正在摺疊這一切。

一方面，AI 正在成爲一種新的“基礎語言”，成長於移動互聯網時代的 00 後“原住民”們對 AI 的理解，並不只是“學習一項技術”，而更像是在使用一種天然熟悉的表達方式；另一方面， 大模型技術的擴散正在以前所未有的速度降低創新門檻。越來越成熟的開源生態、算力基礎與工具鏈，使年輕一代第一次擁有了接近頂級實驗室的能力邊界。

他們敢於突破，敢於跨界，敢於從零開始。相比於在既有體系中尋找確定性，他們更願意進入那些尚未被充分驗證的方向，在諸多的變量中建立自己的認知框架。可能面臨失敗，也可能需要準備隨時推倒重來，但他們並不恐懼。這種不斷重構、不斷試錯的能力，是 AI 時代最重要的創新氣質。

去年 6 月， 紅杉中國與《麻省理工科技評論》中國共同發起了“AI25”計劃，希望尋找那些在 25 歲以下，正在定義 AI 時代的年輕力量。 並將他們介紹給世界。

通過徵集、報名、評選，我們認識了來自各個領域的參評創新青年先鋒。有人在基礎研究領域做出了令人驚喜的原創工作；有人憑藉出色的工程能力，獨立完成了影響廣泛的開源項目；也有人正在嘗試用 AI 去解決真實世界中的複雜問題，從教育、醫療到機器人、科學研究，不斷拓展技術落地的邊界。

今天，我們正式揭曉 2025 年“AI25”入選者名單。

未來，我們還將與中關村科學城開 展 深度合作，共同打造面向新銳青年的 AI 原生社區，爲青年創新人才的成長與發展提供更爲廣闊的平臺與生態支撐。

2025 年“25 歲以下 AI 創新青年先鋒”入選者名單如下 （排名不分先後） ：

辛華劍目前在字節跳動 Seed 團隊擔任算法工程師。他的研究方向聚焦邏輯與人工智能的交叉地帶，他從哲學系出發，走出了一條讓大語言模型學會嚴格數學證明的路。

他是 DeepSeek-Prover 系列的核心作者之一，這一系列工作讓大語言模型不再停留於“看起來正確”的自然語言推理，能夠在 Lean 4 這類形式化證明系統中生成可被機器逐步驗證的嚴格證明。將 MiniF2F 基準上的性能從 50% 一路推至接近滿分，讓形式化推理從學術演示走向實用級別。

他的研究成果不僅停留在基準測試，他提出了模塊化定理證明的範式，使得語言模型能夠在證明過程中持續積累引理、抽取可複用的知識模塊，再在攻克新定理時複用這些知識模塊，開創了 AI 像數學家一樣建立知識庫的先例。在 IMO 2025 中，他參與開發的 Seed-Prover 解出 6 題中的 4 題，獲得 30 分的銀牌水平成績，這是機器定理證明系統在國際數學奧林匹克競賽上的標誌性工作之一。

目前他正致力於將 Lean 定理證明中的方法和策略推廣到一般的 Coding Agent 任務中，探索推理、行動和驗證結合的更廣泛實踐。

邱子涵的研究從理解大模型的內部運作機制出發，將發現直接轉化爲架構層面的創新，並在千億參數級前沿模型中得到驗證。

他的研究專注於大語言模型的機制分析與架構設計。他發現稠密語言模型中存在自發湧現的模塊化結構，不同參數子集會自組織地負責不同功能，該工作獲 NAACL 2024 傑出論文獎。在此基礎上，他深入分析了混合專家模型中專家分工失效的關鍵原因，提出的修復方案已被直接應用於 Qwen3 系列模型的訓練。

在架構設計方向，他提出的門控注意力機制在縮放點積注意力之後引入可學習的 sigmoid 門控，爲注意力輸出帶來非線性與稀疏性。這一看似簡單的修改在 150 億參數 MoE 模型和 17 億參數稠密模型上均取得一致的性能提升，同時消除了困擾大模型訓練的“注意力匯聚”現象，顯著增強訓練穩定性。該工作獲 NeurIPS 2025 Best Paper Award，並被集成進 Qwen 系列的核心架構。

他的工作證明了對模型機制的深入理解不是錦上添花，而是效率突破的起點。

劉鴻樟曾深度參與月之暗面多個戰略級項目的 0 到 1 探索，包括 Kimi 基礎模型 K2.5、K2、Agent Swarm（智能體集羣）和 Kimi-Researcher（深度研究）等智能體產品。

在大語言模型和智能體的研發中，他構建過百萬條高質量後訓練數據，以用戶爲中心，攻克着長程任務與多輪交互等對齊難題。

學術與開源方面，他以核心作者建設 AI 基準測試 xbench 等知名工作，累計谷歌學術引用超 4,000 次。他也是特工宇宙和 FoundationAgents 等 AI 開源組織的創始成員，相關項目在 GitHub 上累計獲得 100k+ stars，涵蓋多個明星級智能體項目。

另外，他自學生時代起便連續參與或主導多個 AI 智能體創業項目，如澳洲稅法智能體、硅谷教育智能體，積累了從技術、產品到商業的完整視角閉環。其長期目標是設計下一代人與智能體共同成長的新形態。

陳天潤的研究從讓普通人輕鬆創建 3D 內容出發，一路演進到讓 AI 理解、推理並生成整個三維物理世界。

他長期專注於三維視覺與圖形學，致力於用 AI 大幅降低 3D 內容創作的門檻。他提出的 Deep3DSketch 系列工作讓用戶僅憑一張手繪草圖即可生成高保真三維模型，後續延伸至 VR 空間中的手勢建模，最新工作更實現了從單張圖片直接生成可編輯的 CAD 工程文件，打通了 AI 生成內容與工業設計流程之間的關鍵環節。

基於在三維幾何、材質與場景生成方面的深厚積累，他創辦的魔芯科技已從消費級 3D 打印全面轉型 4D 世界模型。2025 年底公司發佈自研交互式世界模型 KOKONI-World，可在 1,080p 全高清分辨率下實現數分鐘的實時交互探索，支持 6 自由度精確相機控制，用戶像玩遊戲一樣在 AI 生成的 4D 虛擬世界中自由漫遊。目前該技術已在具身智能、自動駕駛、數字孿生等方向開始產業落地。從草圖建模到世界模型，他的工作沿着一條清晰的脈絡展開：讓 AI 從生成一個物體，走向理解整個世界。

葉葳蕤不只想讓機器人動起來，還希望它們能以接近人類的速度學習。他始終站在具身智能的前沿，以開源代碼持續把每一次算法突破壓縮爲整個社區可直接複用的能力。

他推出的 EfficientZero 系列改寫了高效強化學習的工程基線，僅用兩小時的交互數據，就在相關基準上超越人類平均水平。隨後公開的開源代碼庫迅速被全球研究者、獨立開發者乃至工業實驗室複用、復現與二次開發，衍生項目構成了一個圍繞樣本高效 RL 的活躍生態。其後，V2 版本推廣到連續與離散控制、視覺與本體感知輸入的混合空間，使該算法演變爲面向真實控制問題的通用框架。隨後，他希望讓機器人直接在開放世界中學習，探索用無動作標籤互聯網視頻訓練世界模型，成功將基礎模型的先驗知識注入機器人大腦，在真機環境中展現了顯著的適應力提升；與之配套的 Video2Policy 等開源探索，把互聯網級別人類視頻轉化爲可用於訓練的數據源。

他下一階段的目標是搭建一個融合世界模型、小樣本適應與終身學習的分層架構：除了讓機器人執行任務，還要讓它們真正理解物理世界、持續迭代升級。

陳源培專注具身智能靈巧操作，讓機器人通過觀察人類動作來理解操作中的關鍵規律，並藉助智能決策方法將簡單動作串聯成複雜任務，從而顯著提升機器人在長時間操作中的表現。他的研究核心方向爲強化學習創新及人類演示數據高效利用。代表性成果包括 Bi-DexHands 和 Sequential Dexterity。

Bi-DexHands 發佈了複雜雙手協同開源系統，通過大規模並行仿真與課程學習，使機器人雙手在多項操作基準上達到接近人類的表現水平，爲靈巧操作研究樹立了新的標杆。

在此基礎上，他主導了 Sequential Dexterity 項目，旨在突破長時序的操作瓶頸。該方案從人類數據中學習以物體爲中心的操作表徵，結合強化學習實現策略鏈接，大幅提升複雜任務處理能力並驗證人機數據對齊價值。

如今，該項目建立的數據轉化流程開闢了真實場景數據利用新路徑。基於這些技術積累，他聯合創立靈初智能，融合視覺-語言-動作（VLA）模型與強化學習(RL)，推動具身智能從實驗室走向實際應用，致力於打造服務日常生活的智能機器人產品。

章之涵是華盛頓大學計算機科學與工程學院在讀博士生。他本碩均以最高榮譽畢業於佐治亞理工學院，十九歲便站在學術起跑線。他是谷歌博士獎學金截至目前最年輕的得獎者之一。他的研究聚焦於可持續普適人工智能，主張從革新當前的計算生態，實現 AI 基礎設施與環境的完全兼容。爲此，他通過跨學科方法，將新興材料與 AI 輔助技術深度融入系統設計。

21 歲時，他讓可回收電路板的構想登上 Nature Sustainability 。該研究使電路板中的器件、貴金屬與基底材料能夠高效分離並循環利用，爲全球每年數以千萬噸計的電子垃圾問題提供了一種全新的綠色解決方案。此後，他研發的自主 AI 多智能體系統再度登上 Nature Electronics ，該系統能自主評估產品全鏈條碳足跡。他的成果技術已被谷歌和亞馬遜作爲內部工具採用。

此外，他將自主 AI 智能體廣泛應用於健康、地質災害預測等前沿現實問題。其構建的個人健康智能體，通過分析可穿戴設備數據，實現了對慢性病風險的早期預警與個性化干預。

黃一是蘿博派對（RoboParty）創始人兼 CEO。他長期堅持全棧開源理念，希望通過開放硬件、控制算法、訓練部署工具鏈與工程 know-how，打造一個像安卓一樣開放的具身智能 Infra，讓更多有能力的開發者參與到技術創造中來。

本科期間，他展現出突出的工程落地能力。他曾主導陸空兩棲無人機項目，在全國大學生科技競賽中斬獲一等獎。隨後，他完成低成本雙足機器人 AlexBot 的 0-1 開發，並開源結構設計、硬件電控與控制相關內容，並在頭部機器人公司的支持下進一步迭代，引發開發者社區關注。並被多家企業及高校復刻應用。

2025 年初，他創立蘿博派對，專注全棧開源雙足人形機器人。2026 年 1 月正式開源雙足人形機器人蘿博頭原型機（ROBOTO Origin），開放範圍覆蓋研發流程、結構、電氣、訓練與部署。截至目前，該項目 GitHub stars 已突破 2,000，社區規模超過 2,500 人，並獲得數百份訂單意向。

他的目標並非單純製造硬件，而是想打造一個開發者平臺，推動行業基於開放標準協同創新，加速具身智能普及。

譚嗣俊的研究方向聚焦於大模型智能體的後訓練與強化學習。他聯合創辦的開源研究組織先後發佈多款性能領先的開源模型與智能體，並完整公開訓練數據、代碼與訓練日誌，推動了社區在智能體後訓練領域的科學復現與協作創新。

其核心工作是主導研發模塊化智能體後訓練平臺 rLLM。作爲團隊所有模型與智能體的統一訓練引擎，rLLM 覆蓋持續部署、數據採集、環境交互、獎勵建模、強化訓練、評估驗證與模型再部署等關鍵環節，致力於構建智能體“從經驗中學習”的完整閉環。

他帶領團隊先後訓練出多款具有行業影響力的開源模型與智能體。其中，DeepScaleR-1.5B 聚焦數學與邏輯推理，在輕量參數規模下實現了優秀的數理推理與競賽解題能力；DeepCoder-14B 面向代碼生成與程序推理任務，顯著提升了模型的代碼理解、生成與調試能力，整體性能達到國際領先的開源代碼智能體水平。此外，軟件工程智能體 DeepSWE 在真實軟件開發場景中展現出強大的任務規劃、代碼修改與工程協作能力，並刷新了開源軟件工程智能體的技術水平。

任旭濱是香港大學博士生，開源 AI Agent 項目 nanobot 作者。其研究與工程工作長期圍繞大語言模型、推薦與檢索增強生成、智能體系統展開，關注如何將模型能力轉化爲可運行、可擴展、可被真實用戶使用的基礎設施。

他圍繞 LLM 增強推薦系統，探索大語言模型語義空間與用戶行爲關係空間的結合；同時將檢索增強生成拓展到長視頻理解與輕量化部署等場景。相關工作覆蓋推薦系統、RAG、多模態理解與智能體應用。

他發起並持續維護 nanobot，是一個超輕量級開源個人 AI Agent，試圖用極簡的代碼結構實現 Agent 運行時、工具調用、多入口交互、上下文管理與任務執行能力，並在開源社區獲得廣泛關注。

目前，他的工作重心正在從“用 LLM 改造推薦與檢索系統”，進一步拓展到“構建下一代 Agent 運行時與 Agent-Native 基礎設施”。他希望通過開源生態、輕量化架構和真實工作流驗證，推動 AI Agent 從聊天式助手走向能夠接入工具、理解上下文、執行任務並長期協作的新型 AI 系統。

柴文浩的研究始終圍繞同一個問題：如何讓 AI 更高效地理解和處理視頻等多模態信息。

專注於多模態智能系統的效率與統一性，在長視頻理解方向取得了一系列突破。他主導的 MovieChat 借鑑人類記憶機制，將視頻幀動態壓縮爲稀疏表徵，率先實現了小時級長視頻的對話式理解。此後他進一步將視覺信息壓縮至原來的 1%，幾乎不損失性能； 又將線性注意力和稀疏注意力引入開放式視頻理解 ，持續探索效率與通用性兼得的路徑。

他同時關注 AI 系統的評估問題。他聯合領導的 LiveCodeBench Pro 召集國際信息學奧賽金牌選手，對前沿大模型在競賽編程中的失敗模式進行逐行分析，揭示了當前模型代碼實現能力強但算法推理能力弱的關鍵短板，該基準已被 Gemini 列爲官方評估工具。

從視頻理解到代碼推理評估，他的工作覆蓋了多模態智能從能力構建到度量驗證的完整鏈條。

陳天行的研究爲具身智能構建從數據、模型到評測與部署的底層基礎設施。他試圖解決具身智能發展中“高質量數據稀缺”和“物理世界理解不足”這兩個關鍵瓶頸。 他是 Xspark AI 聯合創始人兼 CTO、香港大學 MMLab 博士生，以及 Lumina 具身智能社區創始人，同時從科研、工程與社區三個維度推動具身智能技術的發展與落地。

他主導和參與的 RoboTwin 系列通過可擴展仿真數據彌補真實機器人數據缺口，爲雙臂機器人訓練與評測構建了可重複、可擴展、可部署的技術鏈路；RoboDojo 系列則進一步面向通用機器人操作評測，構建統一的 Sim-and-Real Benchmark，爲行業提供更接近真實部署需求的前沿評測基礎設施。帶領 Xspark AI 致力於構建可信具身智能落地系統，其長期目標是打造可信具身智能全棧技術，完善行業底層基礎設施，讓具身智能真正可靠、可用地進入萬千真實場景。

此外，他發起的 Lumina 具身智能社區已成爲國內頭部具身智能社區之一，並組織數十名領域學者共同編寫 Embodied-AI-Guide 項目，已獲得近 15K GitHub stars。

胡夢康想解決的是人工智能走向真正自主的核心命題：讓 LLM Agent 擺脫依賴人類餵養的天花板，自己生成任務、自我訓練、持續進化。

在香港大學攻讀人工智能博士期間，他解決 Agent 執行鏈條的核心短板。Tree-Planner 把任務規劃重新拆解爲計劃採樣、動作樹構建、有根決策三個階段，讓大模型在具身場景中實現高效閉環規劃。HiAgent 瞄準長程任務的工作記憶瓶頸，提出以子目標爲單位的分層記憶管理機制，在五項長程任務上讓智能體成功率翻倍、平均步數減少 3.8 步。 OWL 把多智能體協作從學術概念推向可落地的任務自動化框架。

之後，他把研究重心轉向數據， 通過 AgentGen，Text2World，Agent2World 等系列工作， 讓 Agent 自動生成多樣化的訓練環境、任務與數據，基於這套方法訓練的開源小模型比肩甚至超越了世界領先的閉源模型。他創立的 Evolvent AI，爲 Agent 提供高質量訓練與評測數據，已與多家前沿實驗室達成戰略級合作。目標是建立一套讓 Agent 自己生成任務、自己訓練，自己評估、自己迭代的系統。

唐健凱致力於構建讓 AI“讀懂人”的人類理解基座模型，可實時感知生理、情緒與意圖等人類狀態從而實現個性化智能交互。

他構建的 FacePhys Omni 基座模型，將心率、呼吸、情緒等人體狀態信號與表情、動作、注視和語境對齊到統一的多模態空間，讓機器從“看見外在動作”升級爲“理解內在狀態”。這背後是多年的底層技術積累：他提出的 FacePhys 算法利用流式人類狀態空間，僅憑普通攝像頭即可秒級輸出 120+項生理指標，心率檢測平均誤差小於 2 BPM，達到醫療級精度，並可運行在手機、瀏覽器乃至嵌入式設備上；他發表的 20 餘篇論文累計已被引用 2,000+次，構建的 MMPD 數據集與 rPPG-Toolbox 開源庫已成爲該領域的事實標準，被百餘所高校和機構採用。

他同時推動技術走向臨牀與商業。其感知系統已在北京安貞醫院完成上千人規模的臨牀隊列驗證，覆蓋多病種與全年齡層。2025 年他創辦微面科技，帶領團隊打造人類視頻感知交互基座模型，已服務近 10 萬 C 端用戶並支撐數十萬次 B 端 API 調用。目前該技術已在健康監測、消費電子和智能座艙等場景落地，並正作爲標準化感知模塊嵌入具身智能平臺——讓機器不僅能看見世界，更能讀懂人心。

王禹本科畢業於中科大少年班，後在加州大學聖地亞哥分校獲得博士學位。他的研究重點聚焦於大語言模型的記憶增強機制，旨在解決其長期上下文理解與知識一致性維護的核心難題。

他主導研發了開源落地的多模態、多智能體 AI 記憶系統 MIRIX，能夠處理高分辨率屏幕截圖。該系統已通過桌面應用原型驗證，並在多個基準上顯著超越當時的 memory/RAG 方法，展示出推動 AI 從短期任務向長期智能躍遷的潛力。

此外，他還系統性地探索了大模型記憶機制方向，在不增加 GPU 內存開銷的前提下，顯著提升了大規模語言模型的記憶能力。並且構建了自我更新大模型的技術路線圖，提出“模型自我更新”範式、實現長期記憶的高效擴展、構建終身學習的理論框架等。

曾在 xAI 負責模型的記憶模塊。現在，他已加入工業界，將繼續推動 AI 從短期任務系統邁向具備“經驗驅動”長期記憶與持續學習能力的智能體系。

謝天寶的研究圍繞一個核心目標展開：讓 AI 不只是理解語言，而是能夠真正操作計算機完成任務。

他專注於語言智能體的能力構建與評估體系設計，從早期的知識接地與工具調用研究起步，逐步將語言模型的能力邊界從“回答問題”推向“執行操作”。他開源的語言智能體平臺 OpenAgents 獲得超 4,000 GitHub stars，爲研究社區提供了可復現的智能體開發基礎。

他最具影響力的貢獻是 OSWorld，在真實 Ubuntu、Windows、macOS 桌面環境中評估 AI 智能體的基準測試。OpenAI 和 Anthropic 均直接採用該基準來衡量各自模型的 computer use 能力，使其成爲這一方向的事實標準。後續的 OSWorld-G 進一步聚焦界面理解瓶頸，通過構建 400 萬樣本的訓練數據大幅提升了智能體對屏幕元素的定位準確率。

在此基礎上，他將研究成果轉化爲產品級能力。作爲通義千問團隊成員，他參與了 Qwen3-Coder 的核心研發，推動智能體從學術基準走向真實的編程與操作場景。

張昊傑聚焦“讓機器聽懂身體的聲音”這一核心命題，嘗試以低成本、非侵入的方式實現疾病篩查與健康管理，在計算機聽覺和醫療健康交叉領域實現了從算法、模型到硬件的完整閉環。

針對心音、腸音、呼吸音等多種體音信號，他研發了輕量化與可解釋性兼顧的算法框架，使模型在保持高精度的同時顯著降低了計算與存儲開銷，滿足了邊緣設備部署的要求。

此外，他主導設計了多種端側可執行原型系統模型，包括用於心音瓣膜病診斷的模型、用於冠心病輔助診斷的心音分析模型，以及用於結直腸癌篩查的腸鳴音智能分析模型，解決了醫學 AI 長期存在的實驗室到臨牀落地瓶頸，爲資源受限場景下的主動健康篩查提供了切實可行的解決方案。

張昊天的研究橫跨物理、藥學與計算機，旨在用生成式 AI 重塑藥物設計範式，推動 AI 製藥從單一生物大分子邁向生命分子層面的全覆蓋。

從浙江大學藥學與物理學雙學士起步，他開發了 ResGen 和 SurfGen，分別通過口袋感知建模和表面幾何學習實現高效靶向分子設計，爲基於結構的藥物設計提供了新視角。隨後他進一步地提出了統一先導化合物優化框架 Delete，應用於先導化合物優化環節並已實現產業轉化。在積累了豐富的單模態小分子設計經驗後，他加入了諾獎得主 David Baker 的實驗室開始探索蛋白設計。

他在攻讀博士期間毅然退學，快速組建了一支團隊實現了全模態分子設計基座模型 ODesign，將蛋白設計能力擴展至生命分子全模態。他走上創業的道路後，成立了英靈殿科技以追求更進一步的通用科學人工智能，獲得頂級資本的數千萬美元支持。

張懿元主要從事多模態基礎模型、視覺語言模型、視頻建模等方向的研究。他的研究主線圍繞多模態學習，致力於以更簡單的架構假設、更可擴展的預訓練範式和更系統化的工程設計，將文本、視覺、語音等多種模態統一建模於智能系統之中，推動多模態基礎模型向更高效、更泛化、更貼近真實世界智能的方向發展。

在學術研究方面，他與團隊設計了多模態學習統一框架 Meta-Transformer，探索在缺少配對數據的條件下實現多模態統一學習，支持文本、圖像、視頻、音頻等多種模態的統一建模；此外，他與團隊提出了多模態上下文（MiCo）大規模全模態預訓練範式，在多項多模態任務中取得領先結果，併爲多模態通用理解領域提供了有效思路。在開源社區，他作爲核心貢獻者開源了多個 GitHub 項目，累計獲得 1.2 萬餘顆 stars。

學術研究之外，他也積極推動多模態技術在工業界的發展。他參與了多模態大模型的架構設計、可擴展預訓練及視頻建模等工作，並作爲核心貢獻者研發了多款業界領先的多模態基礎模型。

我們期待，通過 AI25，讓更多年輕人彼此看見、建立連接，並獲得持續成長所需要的資源、反饋與同行者。從研究、工程到產品與創業，那些今天仍顯稚嫩的嘗試，或許會在未來幾年裏，逐漸長成真正改變 AI 時代的力量。

與此同時，新一屆“AI25”評選報名窗口也已正式開放。 感興趣的朋友可點擊文末“閱讀原文”完成報名。

以下是參與本屆 AI25 評審工作的專家與學者名單，他們從學術研究、產業實踐與技術創新等多個維度，爲我們提供了寶貴的支持。

以下爲評委的個人介紹：

胡瀚： 騰訊混元多模態理解和具身大模型負責人，長期從事計算機視覺與多模態大模型研究。作爲核心作者參與提出 Swin Transformer，其研究成果在學術界與工業界均產生廣泛影響。

賈佳亞： 香港科技大學講席教授、思謀科技創始人，國際計算機視覺與 AI  領域的重要學者。其在計算機視覺、多模態模型與智能製造方向發表大量高影響力成果，並推動 AI智能體在工業場景中的大規模落地。

李曙光： 清華大學機械工程系長聘副教授， 研究方向涵蓋機器人、智能製造與先進機械系統。曾在哈佛大學與 MIT 從事相關研究工作，持續推動機器人與智能系統交叉創新。

林達華： 香港中文大學信息工程系副教授、商湯科技聯合創始人、首席科學家。其長期從事計算機視覺、深度學習、大模型與生成式人工智能方向研究，推動了中國計算機視覺技術產業化進程，並持續推動大模型與生成式 AI 的前沿探索。

劉聰： 科大訊飛副總裁、研究院院長，負責智能語音和大模型等人工智能技術研發。深度參與訊飛星火國產大模型體系建設，推動 AI 技術在教育、辦公等產業場景中的應用。

劉知遠： 清華大學計算機系長聘教授、面壁智能聯合創始人，長期從事自然語言處理與大模型研究。在知識表示、中文預訓練模型與開源生態建設方面具有廣泛影響力。

羅平： 香港大學計算與數據科學學院副教授、科研副院長。研究方向包括具身智能、生成式人工智能與智能體。持續關注 AI 與物理智能體的交叉創新及其產業應用。

梅濤： 加拿大工程院外籍院士、智象未來（HiDream.ai）創始人兼首席執行官。梅博士不僅是計算機視覺和多媒體領域的國際知名學者，他創立的智象未來也是全球領先的人工智能創新科技企業和多模態大模型領域的獨角獸。

王星澤： 華中科技大學教授，長期從事人工智能與智能計算相關研究。關注 AI 系統與工程實踐結合，在青年科研人才培養方面亦具有影響力。

汪玉： 清華大學電子工程系長聘教授，IEEE Fellow；長期從事智能芯片與系統研究。推動 AI 算法與芯片協同設計，在智能計算體系結構領域具有重要影響。

王仲遠： 北京智源人工智能研究院院長，研究歷程覆蓋微軟亞洲研究院、Meta、美團與快手等全球頂尖研究機構與頭部科技企業。王仲遠博士擔任智源研究院院長後，他以推動 AI 從數字世界邁向物理世界爲核心目標，帶領團隊在語言大模型、多模態大模型、世界模型、具身智能等方向開展基礎研究和應用探索。

吳翰清： 杭州半個宇宙科技有限公司創始人，前阿里雲首席安全科學家。長期關注 AI 安全、網絡安全與新技術創業，被視爲中國年輕一代科技創業者中的代表人物之一。