晚点硬科技 8/26：面壁智能的实习生带队与端侧人才实验 (2026)

本期覆盖 2026 年 8 月 26 日 02:52:57（北京时间，上次成功发布 cutoff）至 8 月 26 日 18:33。信源范围是晚点 LatePost 主号、晚点 AI、晚点 Auto、晚点对话及其他晚点同系微信公众号；筛选口径是 AI、大模型、物理模型/世界模型、具身智能、机器人、芯片及紧密相关基础设施。本窗口确认 1 篇独立硬科技文章。

优先级

优先级	文章	账号与发布时间	为什么先看
1	一个实习生带一个团队，一家创业公司的人才实验	晚点 LatePost · 2026 年 8 月 26 日 18:33（北京时间）1	端侧大模型公司面壁智能把「前进四」实习生计划写成组织能力：实习生李奇带几十人做 AI4AI，并开源完全由 AI 编写的预训练框架 ForgeTrain；文章同时回看公司从超大模型转向端侧、提出密度定律的路径。

逐篇速读：端侧 AI 公司如何把培养人写成组织能力

一个实习生带一个团队，一家创业公司的人才实验

账号与时间： 晚点 LatePost，2026 年 8 月 26 日 18:33（北京时间）。

原文： 一个实习生带一个团队，一家创业公司的人才实验

核心事实

面壁智能联合创始人刘知远把公司路线定在端侧 AI，并把培养人写成创业动力之一。 他在清华大学任教十多年，2021 年参与智源「悟道」、训练千亿参数大模型后创业；成立约一年后，公司放弃与多数玩家拼超大模型，转向差异化的端侧 AI。原文写到，这一选择让公司在大厂拼数据、人力、算力时，把「培养人」当作一种组织能力，并保留 Frontier Lab 式的传帮带氛围。1
「前进四」是面向实习生的正式人才计划，名字取自《三体》里的「全速前进」。 计划要点包括：最优秀实习生可在毕业前获得期权等激励；让实习生进入核心项目并独立负责，而不是只做基础重复劳动；给更多资源，让研发成果更快落到产品。公司明确不要求实习生立刻有经验、也不强求毕业后一定留下。1
实习生李奇是 AI4AI 方向的核心骨干，并带一个几十人团队。 他明年博士毕业，去年加入面壁；拿过全国物理竞赛金牌，本科保送清华姚班，博士读清华自动化。团队里接近一半是正职研究员，入职更早、经验更多。智能进化实验室负责人李宇轩 31 岁，在 2026 年 2 月 Claude Opus 4.6 展现 AI 独立完成复杂研发任务后，对他说「试一试吧」。1
AI4AI 方向在实习生主导下做出 ForgeTrain，并开源。 原文定义 AI4AI 为用 AI 研究、训练、评估和改进 AI，让 AI 自我迭代。团队先花约一个月验证 AI 可在 Infra 环节辅助写代码、调试、洗数据；两个多月后做出完全由 AI 编写、没有人类参与的大模型预训练框架 ForgeTrain。原文称其在英伟达 H100 上的训练速度，比多数大厂与创业公司使用的主流框架 Megatron 约快 10%。项目约 5 月底发布并开源后，AI Infra 部门升级为智能进化实验室，李奇成为 AI4AI 方向负责人；刘知远预计半年到一年 AI4AI 会进入工程化、实际影响模型生产。1
端侧技术判断与商业化坐标写进了同一篇。 2024 年下半年，面壁提出 Densing Law of LLM（密度定律）：达到特定智能水平所需参数量每 3.5 个月下降一半，后发表在《Nature》子刊；核心产品 MiniCPM 端侧大模型等基于这一判断。公司从不到 10 人扩到 400 多人、准备上市；商业化主要落在汽车、手机等行业。刘知远规划未来三年实现通用 AI 端侧模型的完全态，具备感知、计算和行动能力，并实现软硬协同。1
规模扩张后，组织效率与价值观传递成为显性议题。 研究员反映沟通链路变长、会议室难约；KPI 里下载量权重上升。团队曾因文本模型效果不及预期花大半年补数据与评测基础设施。几个实验室研发人员各三四十人，被刘知远视作技术负责人高效沟通的边界；公司开始推 AI 简化流程、用 Agent 跑实验，并把 ForgeTrain 接入生产以优化训练与部署。多模态团队用「树杈」开会把数十人会压到约 10 人；刘知远准备组织技术负责人上领导力课。1

关键判断

第一，原文把端侧路线写成「避开最激烈战场后，才有空间把培养人做成组织能力」。 刘知远用《论持久战》的局部优势逻辑，拒绝在大厂射程内拼超大模型；韩旭把人才紧缺解法概括为「从培养人的角度解决」，并承认刚成立时拼不过大厂薪水。端侧选择、实习生计划与 Frontier Lab 氛围，在文中是同一套组织叙事。1

给投资人的启示： 评估端侧 AI 创业团队时，除看模型指标与行业客户，还应核对实习生是否进入核心项目、成果是否开源并进入生产，以及公司是否把培养周期写进组织设计，而不是只看 headline 薪资与明星挖角。

第二，ForgeTrain 被写成「实习生主导 + AI 写框架」的双验证。 它既是 AI4AI 路线在 Infra 上的可核对产物（H100 上相对 Megatron 约快 10%、5 月底开源），也是「前进四」允许实习生独立负责不确定创新的证据；发布后大厂人才计划来邀、简历提到该项目，原文用来说明创新氛围会反向吸引人。1

给开发者的启示： 跟进 AI4AI / 训练 Infra 时，应同时核对框架是否真进入自家生产流、相对主流栈的可复现加速数字，以及开源是否带来外部人才回流；纸面「AI 写代码」叙事需要工程落点。

第三，文章把 400 人规模写成培养叙事的压力测试。 下载量 KPI、基础设施补短板、沟通边界、领导力课与 Agent 化流程，都指向同一问题：Frontier Lab 气氛能否在商业化与扩编后仍可复制。刘知远与韩旭的答案是「不断打胜仗」——密度定律与 ForgeTrain 被当作创新驱动收入的证据链。1

给产品经理的启示： 规划端侧模型产品路线时，应把「探索预算（文中 20% 不确定性）能否持续进入版本节奏」和「工程基础设施是否拖后腿」并列进里程碑，因为原文把创新速度与数据/评测扎实度写成同一条交付链。

本窗口趋势洞察

1. 端侧 AI 叙事正在从「更小的模型」延伸到「更密的组织」。 这篇单篇材料把密度定律、MiniCPM、汽车/手机商业化，与「前进四」、实习生带队、ForgeTrain 写在同一条线上。它当前卡在硬科技叙事的端侧与组织层：当超大模型战场由资源密度决定时，差异化玩家把可培养的人与可工程化的创新，写成自己的密度优势。1

2. AI 生产链的下一处可观察节点，是 AI4AI 是否进入真实模型流水线。 原文给出的可核对进展是：Claude Opus 4.6 之后立项、完全由 AI 编写的 ForgeTrain、相对 Megatron 约 10% 的 H100 训练加速、开源后部门升级，以及刘知远「半年到一年工程化」的时间表。对读者而言，下一步值得跟踪的是它优化训练与部署的生产占比，以及类似项目会不会从「实习生特区」扩成标配 Infra。1

3. DeepSeek 之后的人才竞争，在这篇里被改写成「雇主品牌 vs 高薪即战力」的对照。 文中大厂加价挖人、筛选而不培养的效率逻辑，与面壁用期权、核心项目、传帮带和允许失败的探索来留人，构成直接张力；ForgeTrain 发布后简历涌入，被用作后者开始奏效的信号。这条线连着端侧创业能否在扩到数百人后仍靠创新而不是纯资源堆叠。1

排除项与未覆盖边界

本期按 1 篇独立文章计入。晚点 LatePost 主号同日还有《零跑进入自研自制正循环，连续三个半年度盈利》，属汽车业绩与供应链自制，不纳入硬科技口径。
晚点 AI 列表最近一篇仍为 8 月 19 日；晚点 Auto 在 cutoff 之后无新文（最近一篇为 8 月 25 日赛豆 AIVA 换电，属汽车商业模式，且已在上期边界中排除）；晚点对话列表最近一篇仍为 2025 年 5 月。
晚点 Late 本轮入口返回不可用状态，因此无法判断该账号在本窗口是否还有符合口径的新文。本期没有用其他来源替代晚点同系信源。
消费零售、泛商业和纯财务题材继续排除。本文只按晚点 LatePost 原文整理面壁智能组织实验、ForgeTrain 与端侧路线事实，读者应把这些内容与投资决策、行业普遍结论分开。

References

1
一个实习生带一个团队，一家创业公司的人才实验
mp.weixin.qq.com

优先级