在第3篇中，我简要提到了DeepSeek创始人梁文锋毕业于浙江大学。
然而，在追完整个系列后，我发现那一行字实际上是一个庞大故事的冰山一角。
中国并非偶然获得了一位AI人才，而是通过数十年的国家层面规划，设计出了一条必然能涌现此类人才的“管道”。
本篇将从头到尾详细拆解这一设计图。
在审视了政策、工厂、AI模型和金融之后，最后留下的疑问是：创造这一切的人才究竟是如何培养出来的？
15岁上大学，20岁读博：中国科大少年班
象征中国天才培养体系的，正是**“少年班”**。
这是一个供15岁左右的天才少年就读的本科项目，目前由北京的2所高校以及浙江、江苏、陕西、安徽的6所名校共同运营。
以韩国的标准来看，相当于中学生或高一学生坐在大学教室里上课，这是一个难以想象的系统。
被誉为“中国版KAIST”的安徽中国科学技术大学（USTC）所运营的少年班最为著名，它是1978年在诺贝尔奖得主李政道博士的建议下，中国开设的首个少年班。据悉，首期学生的平均年龄为14岁，最小的仅11岁。
USTC本身也不是一所普通的大学。
它于1958年为培养科技人才而在北京成立，1970年受文化大革命影响迁至安徽省合肥市。学校坚持精英教育，每年仅招收1860人左右，但其密度极高，每1000名本科毕业生中就有一名院士，并输送了700多名硕博人才。
在第4篇中提到的量子计算机“祖冲之号”研究带头人潘建伟教授也出自该校。学校拥有6个校区，少年班学生与理学、人文、医学专业的学生在主校区共同学习。第4篇的量子安全与本篇的人才培养，正是在同一所大学里同步扎根。
入学生前两年不分专业，通过学习数学、物理等基础学科积累“科研体力”。
此后确定细分研究领域，在3~4年内获得博士学位的情况也很常见。他们完成学业时年仅20出头，当韩国的天才还在为高中升学考试苦苦挣扎时，他们早已沉浸在学术研究中，在同龄人刚成为大学新生时，他们已手握博士学位，投身于科技创业或国家战略研究。
少年班招生规模扩大8倍的原因
值得关注的是，少年班的选拔规模在过去十余年间扩大了8倍。
自1978年成立至2009年，招生规模一直维持在40~50人左右，但从2010年开始激增至200人左右，2024年更是创下历史新高，达到380人。去年的招生规模也达到375人，这解读为政府层面的持续关注。
我认为这一扩张并非偶然。
有分析指出，随着中国加快AI及半导体人才培养，少年班作为国家级战略资源重新受到了重视。
2010年代初正值中国准备“中国制造2025”等产业升级战略的时期，而近期的再次扩张则与美国半导体及AI出口管制正式化相吻合。
可以认为，中国国内对自主培养顶尖人才的紧迫感，促成了早期选拔规模的扩大。越难从外部引进人才，重心就越向内部从更小年龄开始、更大规模地培养人才的方向转移。
不过，随着运营少年班的大学从6所缩减至3所，且选拔规模再次受到限制，也有评价认为其功能已从大规模人才培养手段，转变为选拔和管理顶尖早期人才的精英赛道。
这体现了在数量扩张与质量管理之间不断调整平衡点的过程。
强基计划：全国范围内的早期选拔
如果说少年班是为极少数人设立的赛道，那么在更广阔的基础之上筛选优等生的机制就是“强基计划”。它原本是以“自主招生”的名义由大学自行选拔优秀学生，但因公平性争议，于2020年被更严格的强基计划所取代。
这是一项由北大、清华等一流大学针对AI、计算机、电子信息等基础科学及人文社科领域顶尖人才进行早期选拔的制度。
规模也不小。以2023年为例，清华大学新生的26%、北京大学新生的29%来自强基计划。这意味着每三四名新生中就有一人不是仅凭高考分数，而是通过基础学科能力测试入学的，占比相当可观。
通过强基计划入学的学生，其专业选择局限于基础科学及人文社科，且转专业难度较大，这体现了将其尽早锁定在特定领域并进行专注培养的设计意图。
加上新高考（3+1+2模式）对理工科进入路径的结构化，以及少年班赛道的叠加，有分析称，部分学生从高中后半段起就已经在经历大学实验室级别的项目。
某研究机构分析称，在这一体系下，大学本科的总招生规模由中央教育部管理，但专业运营和具体项目设计则由大学根据产业需求自主配置，从而扩大了制度上的自主权。这种“中央定大框架，大学负责具体执行”的结构，与第1篇中提到的“十五”规划中的资源分配方式有相似之处。
姚班与图灵班：AI专属精英赛道
进入大学后，还有更狭窄的特殊班等待着他们。清华大学的“姚班”就是代表。
这是由2004年获得计算机科学最高奖“图灵奖”的姚期智教授在加入清华大学后创办的班级，被公认为汇集了全球最优秀的本科生。北京大学则有对应的**“图灵班”。在一次采访中，图灵班的教授淡然说道：“我们很简单。只是想把人工智能做好，也想把学生培养得更好。”这是一种不受与其他学科公平性约束，将最好的教育集中投放到最顶尖人才身上的方式**。
图灵班成立后，其成果也正在向其他领域扩散。随着图灵班自主教育系统的成功，北京大学将其推广至计算机相关学科以外的人文社科领域，用以提升全校的AI教育效果。它扮演着一种实验室兼标准模型的角色，将精英赛道中验证过的方式推广至全校。这种扩散方式与前述强基计划的逻辑如出一辙。我感受到，这种“先为极少数人进行实验，验证成果后再逐步扩大”的模式，在整个教育系统中反复出现。
成果也体现在数据上。
按机构统计AI领域顶尖国际会议（ICML、NeurIPS、ICLR）发表的论文作者数量，中国机构占据了前100名中的31席，仅次于美国（37席），位居全球第二。其中，清华大学排名第2，北京大学和浙江大学并列第6。这意味着大学正处于中国AI生态系统的核心。
清华大学早在2018年中国政府将AI指定为国家核心未来技术之前，就已经打下了这一基础。近期还有消息称，清华大学发布了首份关于AI如何应用于教育的校级综合指南，这被解读为试图以AI重新设计人才培养方式的尝试。
大脑供应链：设计全生命周期
将所有这些赛道串联起来的概念是**“大脑供应链”**。
意指国家直接设计从算法设计到数据预处理、模型训练、产业应用等AI价值链全过程所需的专门人才，某研究机构将其总结为**“生命周期×价值链”模型**。
即从中小学阶段的早期选拔到大学的特殊班，再到后续与大科技企业的合作，一个人的成长过程就像一条供应链一样被编排好了。
将这一概念比作零部件供应链就很容易理解了。
就像第2篇中提到的黑暗工厂采购零部件并组装成品一样，
这条大脑供应链在中小学教育中发掘人才原石，
在强基计划和少年班中进行打磨，
在姚班、图灵班中加工成接近成品的形态，
最后将其与大科技企业这一最终需求方连接起来。
培养一个人的过程就像产业供应链一样被分阶段、精细地设计好了。
虽然将“供应链”一词用于人身上听起来有些冷酷，但从各阶段像为下一阶段提供原材料般衔接来看，这是一个准确的隐喻。
这一战略的结果在专利和论文统计中也表现得非常明显。
有分析称，中国占据了全球AI论文的23%以上、AI专利的70%左右，这背后正是全周期人才战略在支撑。由于具备了腾讯等大科技企业与大学合作培养AI价值链全流程专门人才的结构，学生毕业后的路径也已经规划好了。
算法设计人才去研究所，擅长数据预处理的人才去产业现场，专注于模型训练的人才去大科技研究团队，这种根据才华的特质分配职业路径的印象非常深刻。
梁文锋作为证据
证明该系统确实在运作的最具体案例就是DeepSeek创始人梁文锋。
正如第3篇所言，他在杭州的浙江大学完成了电子工程学士和信息通信工程硕士学位。
梁文锋虽然没有经过少年班或强基计划这样的顶尖精英赛道，但浙江大学本身就是在这种国家级理工科培养潮流中成长起来的大学，这一点值得关注。从他研究生时期就开始尝试将AI应用于量化投资并创立DeepSeek的经历来看，可以解读为在学校学到的基础能力在产业现场进行了自主应用。
业界认为梁文锋的出现并非偶然诞生的一位怪才，而是与政府AI人才战略吻合的结果。这意味着这是集结全国各地秀才进行精英式培养的特殊班系统，与在全国580多所大学设立AI学科以扩大基数战略同时运作的结果。
这种“精英部队”与“扩大基数”的双轨战略同时运作是核心。
如果说少年班、姚班、图灵班等赛道是在极度精密地培养最顶尖的1%，那么580多所大学的普通AI学科则是在其下方创造了更广阔的人才库。
像梁文锋这样即使没有经过顶尖精英赛道也能脱颖而出，也可以归功于这一基数足够庞大。第2篇提到的宇树科技创始人王兴兴、第3篇的梁文锋，都是在这一国家级教育设计之上涌现的人物。
少年班与强基计划：系统的阴影
然而，这个系统并非完全没有阴影。
这与第5篇中提到的青年失业问题形成了鲜明对比。当少数15岁上大学、20出头读博的精英享受国家全力支持的同时，另一边，七分之一的青年因找不到工作而创造出自嘲的新词。
强基计划之前的自主招生制度因公平性争议而废除，也反映了这种早期选拔系统必然伴随的公平性问题。
将资源集中投向顶尖群体的战略虽有助于国家竞争力，但对身处其外的多数人来说，可能演变成另一种形式的差距。
一位专家对这种精英教育提出了非常有趣的观点。
他认为，人才不足时，增设研究生院、缩短毕业时间或从更小年龄开始进行AI先行学习并非答案。培养能够洞察现象的基础学习能力，以及能够创造出他人未曾实现的变革的挑战精神才是核心。中国少年班让学生不分专业、专注基础学科约2年的做法，似乎也与这种问题意识相契合。这是一种比起速度、优先考虑基础体力的设计。
这也是对韩国人才政策的建议，即在人工智能、生物、量子等尖端战略技术竞争归根结底是人才竞争的诊断下，必须摆脱陈旧惯例。
这种早期选拔系统带来的另一个副作用是升学竞争的低龄化。
顶尖学生和家长不得不承受从初中开始就要为少年班或强基计划做准备的压力。正如韩国特目高（特殊目的高中）和英才学校的升学竞争已经低龄化一样，中国也极有可能随着早期选拔赛道的扩大，导致前置阶段的竞争愈发激烈。少年班招生规模扩大8倍，意味着准备这一赛道的学生和家长数量也在增加，而那些在竞争中被淘汰的剩余学生所要承受的负担，在统计数据中却难以体现，这一点也值得注意。
从第1篇到第6篇，本系列从政策、工厂、AI模型、量子安全、经济的阴影、资金流向等方面，碎片式地追踪了中国的“大转型”。
第7篇讲述的是创造所有这些碎片的“人”，即大脑本身是如何培养出来的。
政策决定方向，工厂、AI模型和金融基础设施将方向实体化，但设计和运营这一切的终究还是人。
如果想到少年班选拔的15岁孩子，20年后可能成为设计“新质生产力”政策下一个版本的官僚，或是运营黑暗工厂的工程师，亦或是打造下一个DeepSeek的创业者，就能理解为什么这一人才管道设计得如此精密。
与韩国的情况进行比较，引人深思。
虽然韩国也有科学英才学校或KAIST提前入学等制度，但在规模或国家资源投入水平上，与中国连接少年班、强基计划、姚班、图灵班的管道相比存在巨大差异。
韩国的英才学校或KAIST提前入学更接近于个别学校层面的项目，而非由国家为后续职业路径进行精密设计的结构。
相反，中国不同之处在于，从中小学选拔到大学特殊班，再到毕业后的产业分配，将一个人的整个成长路径与国家战略产业挂钩。最重要的是，中国在这一管道的终端，为这些人才准备了明确的去向——国家战略产业（半导体、AI、机器人）。
培养人才的工作与培育能使用这些人才的产业，在同一个政策设计内同步进行。
下一篇将探讨直面这些趋势的韩国可以采取的战略，例如“铰链论”和供应链预警系统等应对方案，并以此结束本系列。
目前为止看到的政策、工厂、AI、量子、经济、金融，以及本篇的人才，面对所有这些碎片的韩国究竟能站在什么位置，将是最后一个问题。
在探索的过程中我确认了一件事：这些碎片中的任何一个，都不是偶然。