首發丨成立僅一個月，祥峰投了個全清北博士團隊

讓科幻照進現實，似乎是每代技術人的執念。

現代直升機發明者伊戈爾·西科斯基因為在童年時期讀了儒勒·凡爾納飛行器小說，后來終身以其名言 “人能想象的，就能實現” 為信條，做出了量產實用的直升機。

現在大語言模型、各類Agent席卷而來，有三個年輕人卻試圖做一件聽起來有些科幻的事情：用AI創造數字生命。

不同于上一代那種只能對著鏡頭微笑、點頭的數字人，他們要做的是可以在場景中自由走動、跳舞、和你視頻通話時一邊做事一邊聊天的數字生命。

如果要在現實中找一個形象，他們認為是《流浪地球》里劉德華扮演的圖恒宇的女兒圖丫丫，是《銀翼殺手2049》里的數字生命女孩Joi。

投中網獨家獲悉，近?，由清華博?、華為天才少年領銜的AI初創公司Philo AI已完成近千萬級美?的?輪融資，由祥峰投資（Vertex Ventures）獨家投資。

三個“不滿足”的年輕人

Philo這個名字，來自希臘語詞根，是Philosophy（哲學）和Philanthropy（博愛）的共同詞根，意為“愛”，一種仁慈的、籠罩全人類的大愛。

投中網了解到，該公司成立不過一個月。它的三位聯創張家聲、王博、陳人龍，是在2026年春節后決定創業的。

“我們不是那種慢慢悠悠燒投資人錢的團隊，”張家聲說，“我們從拿到數據和算力開始，訓了一周就能看到模型初步的效果，給我們兩個月的時間，我們的模型效果能夠比市面上做得更久的友商都要出色。”

這句話說得大膽，但了解他們背景的人，未必會覺得這是空話。

在Philo AI的故事中，張家聲是中心人物。他博士畢業于清華大學交叉信息研究院，2023年入選為華為天才少年，之后的一段時間，他曾短暫離開過技術一線，加入騰訊做能力要求更為綜合的戰略崗位。

2024年，熱鬧的AI浪潮再次喚醒了他的技術基因，也埋下了一顆創業的種子，但技術領域就是這樣殘酷，離場容易返場難。“當時我作為一個計算機博士去投簡歷，大廠的team leader們覺得我畢業后沒做過模型訓練，誰都不跟我聊。”張家聲回憶道。

此后，他開始有意識地接近技術一線，后來加入了一支創業團隊，在那里遇到了陳人龍。

陳人龍是一個有著鮮明技術理想主義的人，他在北京大學讀博期間的研究方向是多智能體強化學習，見證了強化學習從坐冷板凳到成為AI核心浪潮的時代跨越。博士畢業后，他先后加入昆侖萬維和騰訊，是騰訊線上多模態模型強化學習部分的主訓，并管理過超過五千張GPU的訓練集群。不過，在大廠里，他反復遇到同一個困境：想做的事情太多，但能落地的太少。

而這兩個在創業公司相遇的年輕人，也很快交出了一份不錯的答卷。他們聯手訓練的Avenger模型，在25年10月Artificial Analysis I2V榜單一度位列全球第一，最終定榜雖惜敗可靈，但力壓了字節、Vidu、PixVerse 等頭部團隊。這個結果也讓張家聲和陳人龍確信，他們掌握了訓練視頻模型的關鍵節奏。

而這三人之中，王博是最有創業經驗的。他早年間在美國做過連續創業者，后來回國加入了TikTok，負責社交和創作方向的工作。“在TikTok我做的事簡單來講，就是幫助判斷這個全球數十億DAU的產品，在AI時代可以有什么突破。”這段經歷讓他對AI 模型能力與落地場景的前沿趨勢保持敏銳洞察。

其實，如果把時間拉得更長，社交娛樂是貫穿了王博此前整個職業經歷的主題，其之前的三次創業也全部圍繞該主題展開，所以這次與張家聲、陳人龍一起探索新的交互方式，在他看來是自己擅長領域的一個自然延伸。

當然，相比于張家聲和陳人龍在技術追求上的偏執。王博的判斷邏輯則更冷靜。他從三個維度評估這個機會：“第一，視頻是AI領域目前唯一在技術和應用層面上都還沒完全收斂的方向；第二，相比已經跑出了階段性紅利的代碼賽道，放眼整個AI領域，多模態可能是唯一承載得起下一個超級敘事、且尚未定局的大賽道；第三，這需要一個足夠強的團隊——既有技術能力和認知，又愿意做足夠激進的新嘗試。”

于是，春節后三個人一拍即合，正式開啟了創業生涯。

世界生命模型與全清北團隊

在開篇，我們提到，Philo AI做的事情是用AI創造數字生命。團隊將其概括為三個維度的同時成?：?（視頻形態與感知）、?（記憶與情感）、?（主動?為與關系演化）。

但要真正理解Philo，需要先理解它所處的賽道坐標。

當前市場上的視頻生成模型，像是Sora、可靈（Kling）、Vidu等本質上都在做同一件事，提升視頻的生產效率。用AI替代傳統的手工制作或拍攝流程，讓視頻生成得更快、更便宜，最終交付一個MP4文件。

“這是上一代模型的邏輯，”張家聲說，“Sora、可靈、Vidu，它們的強點都在于提升視頻的生產效率。但我們想做的，是完全改變內容的交互形態。”

Philo AI給自己的定位是“世界生命模型”。他們要做的不是生成一段固定的視頻，而是讓用戶可以與視頻中的角色進行實時、雙向的互動。這?判斷正被全球最前沿的團隊印證。由前 OpenAI CTO Mira Murati 創?的 Thinking Machines Lab近期提出“交互模型”，同樣主張交互須原?于模型、實現全雙?實時交互。

更形象一點，“就像我跟我家人打視頻電話，他可以一邊做家務一邊跟我打電話，可以一邊做任何事，我們的模型要做到這種程度。”

要知道，實時、雙向的互動交互，不僅對技術提出了更高的要求和挑戰，對成本的控制要求也近乎極致。畢竟資金龐大如OpenAI，也不得不關停token消耗量巨大的Sora，這種陰影之下，年輕的Philo AI團隊該如何平衡與克服？

張家聲分享稱，在技術層面，Philo的核心壁壘是一種全鏈路強化學習能力。簡單來說，傳統做法是先把擴散模型訓練好，然后再做加速。但加速一定有代價，最明顯的就是效果往往會大幅下降。

“我們掌握的關鍵要素是，知道怎么在加速的過程中保持模型的能力，甚至讓模型變得略微更強一點，”張家聲說，“這是我們團隊最獨門秘笈的能力。”

陳人龍補充稱：“這本質上是做加速一定要對效果做trade-off，是做減法。很多公司要么效果做得特別好但一加速就崩了，要么速度快但效果不行。我們能做到效果特別好，同時速度也非常快，而且長時間有很好的一致性和連貫性。”

當然，成本數據是Philo引以為豪的另一個指標。他們透露，內部正在訓練的模型已經可以把生成成本降低到約0.0024元/秒，而市面上Seedance等產品的對外售價大約在1到2元/秒。這意味著Philo的成本大約只有行業水平的千分之一到萬分之一，他們的目標是進一步優化到0.0001元/秒的量級，同時保證極具真實感的視頻生成效果。

為什么大廠做不到這一點？Philo團隊給出的解釋是，大廠的積累大多在非實時的大型多模態模型上，技術路線不同。其次，大廠的組織架構導致決策成本很高，對人才的利用效率很難提上去，他們人很多，但也很冗余。

更關鍵的是認知上的領先，訓練模型最重要的不是資源，而是你得知道這個事的節奏是什么樣的，每個階段的訓練應當花費多少資源和時間，很多團隊沒有這個概念。

雖然視頻AI賽道正在迅速升溫，大廠在加速入場，世界模型的概念一波接一波。在Philo AI看來，“視頻模型的技術還沒有完全收斂，語言模型已經是純粹的軍備競賽了，但視頻模型還有很多技術點大家沒找到。所以這個賽道，還是能夠憑認知和技術產生領先的。”

而?單?指標更稀缺的，是團隊的能?棧完整度。短短數月內，張家聲迅速組建的一個小而精的團隊，目前Philo AI核心團隊的平均年齡在28歲左右，清一色的清華、北大博士背景，覆蓋了從底層算法、?規模訓練，到推理?程、系統與產品的每一個核心技術環節。

他們多是張家聲的好友和過去的同事，比如數據負責人是一位00后，25歲就拿到博士學位，再比如基礎設施負責人之前也是華為天才少年，在華為和小米都待過，博士期間深耕編譯器和操作系統，對底層優化有極深的積累。

這些年輕人放棄的并不少，加入Philo AI前，他們在各大廠拿著百萬甚至數百萬的年薪。但最終讓他們做出選擇的是更愿意去做成一件事。

做AI時代的張一鳴，祥峰獨家領投

Philo AI 出來融資時信心十足，只主動接觸了少數幾家最頭部的機構。而最終與祥峰走到一起，背后其實還有一段要追溯到兩年前的緣分。

早在兩年前，祥峰投資就曾與張家聲有過接觸。彼時祥峰既看中他深厚的技術背景，也欣賞他全面的綜合素質，這正是祥峰的典型投資人畫像。只是當時的張家聲一心想扎進技術一線，這段接觸并沒有走向合作。

緣分卻以另一種奇妙的方式被續寫。兩年兜兜轉轉，這一次因為一個偶然的機會，恰逢張家聲創業，雙方再度走到了一起。與不少機構在早期反復觀望不同，祥峰展現出的是一種少見的果斷與犀利。在與合伙人夏志進的會面中，張家聲展現了兩個特質：其一，對自己要做的事極具激情，私下里他是個妥妥的 I 人，可一旦講起熱愛的事業便滔滔不絕；其二，團隊踏實、靠譜、實干的風格。夏志進當場就表達了對 Philo 的強烈興趣，并迅速推進了投資決策。事后，他這樣評價 Philo AI 團隊：

我們堅信，視頻不會停留在“生成一段內容”，而會成為人與 AI 建立關系的另一重要入口。Philo AI希望以全雙工、實時雙向的視頻交互為本體，探索AI交互的新范式。我們很欣賞Philo AI團隊既年輕、聰明、務實，又具備從底層算法到大規模訓練，同時具備完整的工程化能力，也相信他們將在這一領域有所突破。

后來，Philo AI團隊在深圳與祥峰投資創始合伙人鄭俊聰進行了交流，同樣，他也表達了濃厚的興趣和認可。作為曾在早期就捕獲宇樹等明星創業公司的投資人，這一次，祥峰在 Philo AI 上直接下了重注，背后是其對這個賽道與這支團隊的犀利判斷。

一個月，首輪融資交割，核心模型正在訓練中，下游合作已經鋪開。Philo的故事剛剛開始，但這群年輕人的節奏，確實比大多數人快了一步。

在應用場景上，Philo已經看到了多個方向，用世界生命模型，大幅改善甚至重寫直播、游戲、社交、內容平臺的底層邏輯。團隊透露，他們已經與多家下游廠商展開了溝通，“我們的模型一旦打磨好，就可以立馬部署到下游的產品上去”，同時團隊預計最晚Q4可以正式發布模型。

對于更長遠的愿景，張家聲給出了一個頗有些野心的表述：“我們希望開創性地做一些新的東西，就像張一鳴開創算法推薦和短視頻的時代。當然，我們做的是AI時代的、人與多模態智能的交互新范式。”