Forbes 最新发布的"30 位 30 岁以下杰出青年"AI 榜单中，三位华裔创始人格外引人注目——他们各自创办的 AI 公司估值已突破数十亿美元级别，分别在 AI 客服代理、AI 数学推理和 AI 影视制作三个截然不同的赛道上崭露头角。
一、Jesse Zhang（张杰希）— Decagon：让每个客户都享有"管家式"AI 服务
创始人背景
Jesse Zhang 在科罗拉多州博尔德长大，自幼热衷数学竞赛。他进入哈佛大学学习计算机科学，毕业后创立了社交应用 Lowkey，该产品因用户增长迅猛被 Niantic（《Pokémon Go》母公司）收购。在 Niantic 工作期间，Zhang 积累了大量关于客户支持体系的实战经验——他在第一家公司需要亲自处理大量客服工作，由此深刻认识到传统客服系统的低效和痛点。
2023 年，GPT-4 的出现让 Zhang 看到了大语言模型在客服领域的巨大潜力。他与联合创始人 Ashwin Sreenivas 在旧金山共同创立了 Decagon，目标是用 AI 代理彻底重塑客户服务体验。Zhang 同时还是 20 余家初创企业的天使投资人，投资组合包括 Pika、Cursor、Visual Electric 等知名 AI 项目。
公司与产品
Decagon 定位为"对话式 AI 客服代理平台"，核心产品是一个完全自主的 AI 数字员工，能够直接面对企业的客户支持运营，通过聊天、邮件、语音、短信等全渠道与用户对话。
与传统聊天机器人不同，Decagon 的 AI 代理是一个多 LLM 协同工作的"代理系统"——一个 LLM 负责理解用户意图，另一个调用数据和执行操作，还有的负责迭代和追问，形成一个完整的智能工作流。Zhang 将其比喻为"LLM 调用的网络"，而非简单的一次性问答。
核心能力包括：
- 全渠道覆盖：支持聊天、邮件、电话语音（2025 年 2 月与 ElevenLabs 合作推出）、SMS 等多渠道交互
- Agent Operating Procedures（代理操作程序）：将自然语言指令与代码级精度结合，让非技术团队也能快速部署 AI 代理
- 企业级安全与审计：提供对话审计、QA 质检、人机交接等完整的运维工具链
- 深度业务集成：可接入企业现有 CRM 和电话系统，实现订单处理、退款、预约调度、会员注册等复杂操作
关键业绩数据：
- 平均偏转率超过 80%（即 80% 的客户咨询由 AI 直接解决）
客户与融资
Decagon 的客户名单覆盖了旅游出行（Hertz 赫兹租车、Avis Budget 集团）、金融服务（Block、Affirm、Chime）、健康与生活方式（Oura Health、Noom、ClassPass）、教育（Duolingo 多邻国）以及科技公司（Notion、Webflow、Substack）等多个行业。2025 年，德国电信也宣布与 Decagon 开展商业试点。
融资方面，Decagon 的增长速度堪称惊人：
从隐身到独角兽仅用一年，再到估值 45 亿美元只用了半年——Decagon 累计融资已达 4.81 亿美元，是当前 AI 客服代理赛道中估值最高的企业之一。
二、Carina Hong（洪嘉） — Axiom Math：24 岁天才数学家要打造"数学超级智能"
创始人背景
Carina Hong 的人生轨迹堪称传奇。她在广州长大，从小对数学充满热情，自学英语以便阅读高级数学文献。中学时期就是省数学奥林匹克队中少有的女性成员，并在全国赛事中表现出色。
进入 MIT 后，Hong 三年内完成了数学与物理双学位，修读超过 20 门研究生及博士级数学课程，发表了 9 篇同行评审论文，涵盖数论、组合学、理论计算机科学和概率论等多个领域。2023 年，她获得 Frank and Brennie Morgan Prize（全北美大学数学研究的最高荣誉），同时也是 Alice T. Schafer Prize 的获得者（该奖每年仅颁发给北美一位女性数学专业本科生）。
此后，Hong 以罗德学者身份赴牛津攻读计算神经科学硕士，再进入斯坦福大学攻读法律博士与数学博士的联合学位。2025 年初，在参加了加州大学伯克利分校一场仅 30 人的闭门研讨会后，她确信形式化证明与大语言模型的结合已到达可行临界点，随即决定从斯坦福辍学创业。
公司与产品
Axiom Math 成立于 2025 年 3 月，使命是打造一个能自我改进的超级智能推理引擎，从 AI 数学家开始。公司的核心技术路线与主流大语言模型有根本区别：不是让 AI "模仿"解题过程，而是训练 AI 掌握形式化证明语言（如 Lean），让每一步推理都可被机器验证。
Hong 指出了当前 LLM 在数学领域的关键局限：在数学奥林匹克风格的选择题上，前沿大模型能达到 96% 的准确率，但在需要证明过程的题目上，准确率骤降至 5%。这暴露了"模式匹配"与"逻辑推理"之间的鸿沟——而 Axiom 正是要填补这一缺口。
核心产品 AxiomProver 的关键成绩：
- 在 2025 年 Putnam 数学竞赛中获得 90/120 分（满分 120），成绩超越约 4,000 名人类参赛者，相当于 Putnam Fellow（全球前五）水平
- 2026 年初独立解决了四个长年未解的数学问题，包括对存在 30 年的 Fel's Conjecture 进行了完整形式化证明，全程无需人类介入
技术架构三大支柱：
- 形式化证明语言：通过 Lean 等可验证的编程语言确保每一步逻辑可证
- 自动形式化（Autoformalization）：将自然语言数学证明转换为机器可验证格式——Hong 认为这可能是比证明本身更核心的技术
商业应用方向： 量化交易中的 Alpha 发现、软件与协议验证、密码学、硬件验证、前沿科学研究等高风险、需要可证明正确性的领域。
团队与融资
Hong 组建了一支 17 人的精英团队，成员来自 Meta FAIR、Meta GenAI、Google Brain-DeepMind 等顶级 AI 研究机构。CTO Shubho Sengupta 曾领导 Meta FAIR 开发 OpenGo 和 CrypTen；首席科学家 François Charton 曾解决了一个存在 100 年的数学猜想。
从成立到估值 15 亿美元仅用不到一年，Axiom 的增长速度在零营收阶段尤为惊人。其他投资方包括 Madrona Ventures 和 Greycroft。
三、Cecilia Shen（沈思凯）— Utopai Studios：用 AI 拍摄好莱坞"拍不出来"的电影
创始人背景
Cecilia Shen 毕业于加拿大滑铁卢大学，曾在 Google X（Google 的"登月工厂"）担任 AI 工程师。她在 3D 环境生成和计算机视觉领域积累了深厚的技术背景，对 AI 如何赋能内容创作有着清晰的判断。
2022 年，Shen 与联合创始人 Jie Yang（CTO）共同创立了 Cybever，专注于 AI 驱动的 3D 虚拟环境生成和视频制作。2025 年 8 月，公司正式更名为 Utopai Studios，从一家 AI 技术公司转型为好莱坞全产能影视制作工作室，总部设在加州桑尼维尔和西好莱坞，并在柏林设有欧洲子公司。
公司与产品
Utopai Studios 的定位是"视频叙事的技术中枢"，核心能力是将 AI 技术深度融入影视制作的全流程。
技术产品矩阵：
- 电影级视频生成模型：Utopai 自研的专有模型，可将剧本转化为多镜头序列，直接用于大银幕级别的影视制作
- 3D 世界构建引擎：通过 AI 自动检索、放置和生成 3D 资产，支持实时环境编辑和布局智能
- Previz-to-Video 管线：从预可视化直接生成高质量可控视频，保留创作者对镜头的完全控制权
- Agentic 工作流：AI 代理驱动的叙事创作系统，支持跨格式、跨受众、跨平台的内容制作
核心理念： Shen 反复强调，Utopai 不是要用 AI 取代人类创作者，而是要释放创作者的想象力——让那些因预算压力而被搁置的"拍不出来"的剧本变为现实。她表示："我们仍然需要编剧来写作、导演来执导、演员来表演。"
项目与合作
Utopai Studios 已经有多个重磅项目在制作中：
- 《Cortés》：由好莱坞知名编剧 Nick Kazan 执笔的历史史诗电影，已预售
- 《Project Space》：科幻系列剧集，已预售
- 两个项目均通过国际销售伙伴 K5 International 进行全球发行
- 与 OPSIS（曾参与《权力的游戏》、《美国队长》、《魔法坏女巫》的预可视化工作）达成技术合作
- Utopai East：2025 年 11 月与 LG 集团创始人之孙 Brian Koo 的投资公司 Stock Farm Road 成立的合资企业，专注亚洲（尤其是韩国和日本）IP 的国际化开发。2026 年 2 月，该合资企业已全资收购了首尔制作公司 Alquimista Media
营收与规模
与前两家公司不同，Utopai Studios 已经产生了可观收入。品牌重塑时公布的营收数据为 1.1 亿美元，首批项目预计创收超过 1 亿美元。公司正在快速扩张其制作产能和全球合作网络。
三人共性：华裔背景 × 顶级学府 × AI 原生思维
这三位创始人的共同特征是鲜明的：华裔背景、顶级学府出身、在各自领域拥有深厚的技术积累，并且在创业方向的选择上不追热点、不做"ChatGPT 套壳"——他们分别选择了客服、数学推理和影视制作这三个看似传统但 AI 渗透空间巨大的垂直领域，通过 AI 原生的方式重新定义了行业的可能性。
在 AI 创业的全球竞赛中，他们的故事证明：最有价值的创新往往不是做最通用的大模型，而是在深度理解一个行业后，用 AI 去解决那些"过去无法解决"的具体问题。
AI 速览
