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，随着这个系列的深入，我发现那一行字其实只是一个更大故事的一部分。
中国并非偶然获得了一位AI人才，而是经过几十年的国家级布局，设计出了一条必然会涌现此类人才的流水线。
本篇将详细拆解这条设计图的始终。
在审视过政策、工厂、AI模型及金融之后，最后剩下的疑问是：制造这一切的人才究竟是如何培养出来的？
15岁上大学，20多岁拿博士，中国科大少年班
象征中国天才培养系统的，正是**“少年班”**。
这是招收15岁左右神童的本科项目，目前由北京的2所高校以及浙江、江苏、陕西、安徽的6所名校运营。
以韩国的标准来看，这相当于初中生或高一学生坐在大学课堂里，是一个难以想象的系统。
被称为“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，中国首个开设的少年班。据悉，第一届学生的平均年龄为14岁，最年轻的仅11岁。
USTC本身也并非普通的大学。
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，却保持着极高的密度：每1000名本科毕业生中就产生1名院士，且培养了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，正是该校的教师。学校校区分散在多处，少年班学生与理学、人文、医学院的学生一起在主校区上课。第4篇中的量子安全与本篇中的人才培养，正是根植于同一所大学。
入学后，学生有约2年时间不分专业，通过打好数学、物理等基础学科功底来积累“研究体力”。
此后，他们确定具体研究领域，在3~4年内获得博士学位的情况非常普遍。当他们完成学业时，年仅20出头。在韩国神童们还在为高中升学苦苦挣扎时，他们已经沉浸在学术研究中，并在同龄人刚上大学时就已拿到博士学位，投身于科技企业创业或国家战略研究。
少年班名额扩招8倍的原因
值得关注的是，少年班的选拔规模在过去十几年间扩大了8倍。
从1978年成立到2009年，招生名额一直维持在40~50人左右；2010年起激增至200人上下，2024年更是创下历史新高，达到380人。去年的名额也达到了375人，这解读为政府层面的高度重视。
我认为这一扩招时机绝非偶然。
分析认为，随着中国加快AI及半导体人才培养，少年班作为国家战略资源被重新审视。
2010年代初期与中国准备“中国制造2025”等产业升级战略的时期重叠，而近期的再次扩招，也与美国对华半导体及AI出口管制全面开启的时点相吻合。
这被视为一种迫切感：必须在本土自主培养顶级人才，因此通过扩大早期选拔规模来应对。由于从外部引进人才变得困难，重心自然转向了在内部从更小的年龄开始、更大规模地进行培养。
不过，随着运营少年班的大学从6所减少到近期的3所，且选拔规模受到限制，也有评论认为其功能已从大规模人才培养手段，收窄为选拔和管理顶级天才的精英轨道。
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：全国范围的早期选拔
如果说少年班是为极少数人准备的轨道，那么在更广阔的基数上筛选优等生的装置就是“强基计划”。它原本以“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。
这是北大、清华等一流大学在AI、计算机、电子信息等基础科学及人文社科领域提前选拔顶级人才的制度。
规模并不小。以2023年为例，清华大学新生中26%、北京大学新生中竟有29%来自强基计划。这意味着每三四个新生中就有一人不是仅凭高考分数，而是通过对基础学科能力的单独评估入学的，比例相当高。
通过强基计划入学的学生，其专业方向被限制在基础科学及人文社科，且转专业并不容易，这反映了“缩短职业路径，让其专注于该领域”的设计意图。
此外，随着新高考（3+1+2模式）从结构上引导学生进入理工科，再加上少年班轨道，有分析指出，部分学生从高中后期开始就已在体验大学实验室水平的项目。
一家研究机构分析称，该体系下，虽然大学本科招生总量由中央教育部管理，但专业运营和具体项目设计方面，大学获得了根据产业需求进行自主配置的制度灵活性。这种“中央定框架，大学负责具体执行”的结构，与第1篇中探讨的第15个五年计划的资源分配方式有相似之处。
姚班与图灵班，AI专用精英轨道
进入大学后，还有更狭窄的特别班在等待。清华大学的“姚班”即是代表。
该班由2004年获得计算机科学界诺贝尔奖——图灵奖的姚期智教授在加入清华后创立，被认为是全球最优秀本科生聚集的地方。北京大学有与之对应的**“图灵班”**。在一次采访中，一位图灵班教授淡淡地表示：“我们是很纯粹的人。只是想把人工智能做好，也想把学生培养得更好。”这种方式不顾及与其他学科的平衡，将最好的资源集中在最优秀的人才身上。
图灵班成立后，也在同步进行将成果推广到其他领域的尝试。随着图灵班自主教育系统的成功，北京大学正将其推广至计算机相关专业以外，甚至扩展到人文社科领域，以提升全校的AI教育效果。这充当了一种“实验室兼标准模型”的角色，即将少数精英轨道验证过的方法推广至全校。这种扩散方式与强基计划的逻辑如出一辙：先为极少数人进行实验，验证成果后再逐步扩大范围。
成果也体现在数字上。
按机构统计在AI领域顶级国际会议（ICML, NeurIPS, ICLR）上发表的论文作者人数，中国机构占据了前100名中的31个，位居美国（37个）之后排名第二。其中，清华大学排名第二，北京大学和浙江大学并列第六。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列为国家核心未来技术之前，就已经打下了这一基础。近期，清华大学还发布了大学层面首个关于如何将AI应用于教育的综合指南，这被解读为试图从根本上用AI重新设计人才培养方式。
大脑供应链，设计全生命周期
将所有轨道串联起来的概念就是**“大脑供应链”**。
这意味着国家直接设计出专门针对从算法设计到数据预处理、模型训练及产业应用等AI价值链全过程的人才。一家研究机构将其总结为**“生命周期×价值链”模型**。
从中小学阶段的早期选拔到大学的特别班，再到之后与大厂的合作，一个人的成长过程全貌就像一条供应链一样被编排好了。
如果将这个概念比作零件供应链，就很容易理解了。
正如第2篇中提到的黑灯工厂采购零件并组装成品一样，
这套大脑供应链在中小学教育中寻找像原石一样的人才，
通过强基计划和少年班进行打磨，
在姚班、图灵班加工成近乎成品的形态，
最后连接到名为大厂的最终需求方。
培养一个人的过程，就像工业供应链一样被分阶段、精细地设计好了。
将供应链一词用于人可能听起来有些冷酷，但从各阶段像为下一阶段提供原材料般衔接来看，这似乎是一个准确的比喻。
这一战略的成果在专利和论文统计中显而易见。
分析显示，中国占据了全球AI论文的23%以上、AI专利的70%左右，这背后被认为正是这种全周期人才战略在支撑。由于具备了腾讯等大厂与大学合作培养AI价值链全过程人才的结构，毕业生毕业后的路径也早已设计妥当。
算法设计人才去研究所，擅长数据预处理的人才去产业一线，专注于模型训练的人才去大厂研究团队，根据才能的特质，进路被提前划分好了。
梁文锋这一证据
最能具体证明该系统确实在运作的案例，就是DeepSeek创始人梁文锋。
如第3篇所述，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。
虽然梁文锋没有经过少年班或强基计划这样的顶级精英轨道，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，这一点值得注意。从研究生时期就开始尝试将AI应用于量化投资并创立DeepSeek的履历来看，这可以解读为在学校学到的基础能力，在产业一线自主应用的发展路径。
业界认为梁文锋的出现，并非偶然诞生的天才，而是政府AI人才战略共同作用的结果。这意味着*“集结全国各地尖子生培养的特种部队式特别班系统”与“在全国580多所大学设立AI专业以拓宽基数”的战略在同时推进*。
“特种部队”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、图灵班等轨道是极其精准地培养了前1%的精英，那么580多所大学的一般AI专业则在下方创造了更广泛的人才池。
像梁文锋这样即便没有经过顶级精英轨道也能脱颖而出的人才，之所以能够出现，也可以看作是因为这个基数足够厚实。
第2篇中提到的Unitree创始人王兴兴，以及第3篇中的梁文锋，都是在这样的国家级教育设计之上诞生的人物。
少年班与强基计划，系统的阴影
当然，这个系统并非没有阴影。
这与第5篇中提到的青年失业问题形成了鲜明对比。当一端的少数精英在15岁上大学、20出头拿博士并获得国家全力支持时，另一端的七分之一青年却找不到工作，甚至创造出了自嘲式的新词。
强基计划之前“自主招生”制度因公平性争议而被废除，也反映了这种早期选拔系统必然伴随的公正性问题。
将资源集中在顶级阶层的战略虽然可能有助于国家竞争力，但对于身处其外的多数人来说，可能意味着另一种形式的鸿沟。
一位专家对这种精英教育提出了非常有趣的见解。
他认为，人才短缺时，单纯通过增加研究生院、让学生更快毕业或更早开始AI先行学习并不是答案。核心在于培养能够洞察本质的基础学习能力，以及能够创造出他人未曾触及的新变化的挑战精神。中国少年班不分专业，让学生集中2年学习基础学科，似乎也与这种问题意识相吻合。这是一种比起速度，更优先考虑“基础体力”的设计。
这对于韩国的人才政策也是一种建议：在AI、生物、量子等尖端战略技术竞争最终就是人才竞争的诊断下，必须摆脱陈旧习惯。
该早期选拔系统产生的另一个副作用是升学竞争的低龄化。
对于顶级学生和家长来说，从初中开始就必须为少年班或强基计划做准备，这种压力是不可避免的。正如韩国特目高（特殊目的高中）、英才学校的升学竞争已经低龄化一样，在中国，随着这类早期选拔轨道的扩大，其前一阶段的竞争也会愈发激烈。少年班名额扩招8倍，意味着准备这一轨道的学生和家长数量也随之增加，而那些在竞争中被淘汰的剩余学生所承担的负担，在统计数据中却难以体现。
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巨变。
第7篇探讨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。
政策设定方向，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，在少年班被选拔的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员，或是运营黑灯工厂的工程师，亦或是打造下一个DeepSeek的创业者，就能稍微理解为什么这条人才管道被设计得如此精密。
与韩国的情况进行比较，会有很多思考。
韩国虽然也有科学英才学校或KAIST提前入学等制度，但在规模和国家级资源投入水平上，与连接中国少年班、强基计划、姚班、图灵班的管道相比，差异巨大。
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，并不是国家为之后的职业路径进行细致设计的结构。
相反，中国的不同之处在于从中小学选拔到大学特别班，再到毕业后的产业安置，将一个人的成长路径全貌与国家战略产业联系在一起。最重要的是，中国在该管道的尽头预留了明确的战略产业（半导体、AI、机器人）作为需求方。培养人才的工作与培育人才所使用的产业的工作，在同一个政策设计内同时进行。
下一篇将探讨面对这一切潮流，韩国可以采取的战略，例如铰链论（hinge theory）和供应链早期预警系统等应对方案，并为本系列画上句号。
到目前为止探讨的政策、工厂、AI、量子、经济、金融，以及本篇的人才，面对所有这些碎片，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，我确认了一个事实：这些碎片中的任何一个，都不是偶然。