孤独的「非清华系」：在天才堆里，他用代码给自己挣来了一张通往未来的船票

在旷视和原力灵机的创始人序列里，他是那个最「正统」的异类：没有保送，没有金牌，却有围棋二段证书和长笛十级证书。他用35篇顶会论文、6000+学术引用和两座年度突破奖，证明「赤手空拳」也可以是一种路径。

一、没有保送，没有金牌，他拿到的是一把长笛

汪天才的履历开头，和他的合伙人截然不同。

另一边，范浩强是高一拿下IOI金牌、高二加入旷视当6号员工、保送清华姚班的天才少年。周而进更早，初三保送清华，两届IOI国家队，一银一金。推开原力灵机的大门，你会感觉自己走进了一个信息学奥林匹克竞赛名人堂。

而汪天才的标签，是信息学奥赛省一等奖，来自西南大学——一所211，但显然不在清北复交的序列里。

在旷视和原力灵机的核心创始团队中，他几乎是唯一的「非清华系」成员。

但他有两样东西是他的天才同事们没有的：围棋国家二级运动员，以及长笛十级。

很少有人知道，这个整天和代码泡在一起的技术男，少年时代是这么过日子的：上午练长笛，下午下围棋，晚上刷信息学竞赛题。他还拿过冰心杯作文大赛金奖，对二战史和悬疑小说颇有研究。乐观开朗、多才多艺——这不是客套话，是写在档案里的事实。

一个有意思的现象是：在能把人卷到窒息的OI圈，多数人的青春期被压缩成一件事——刷题、打比赛、拿金牌。而汪天才的路线恰恰相反：他的天赋不是早早锁定一个方向然后极化，而是广撒网、多点开花。

这种「广谱式天才」在青春期通常面临一个两难：要么选定一个方向做到极致，拿到进入精英圈的入场券；要么继续泛化，然后在高密度竞争中被逐一超越。

汪天才选了一条罕见的路线：他用持续性的认知投入，让泛化本身变成了一种不可替代性。

二、那个在旷视混出名堂的「西南大学毕业生」

西南大学不差，它是211，是袁隆平的母校。在中西部高校里，它的电子信息工程是有底子的。但在旷视的核心技术序列里，周围全是清华姚班、北大、CMU的毕业生，一个西南大学的本科生，怎么看都像是HR的疏忽。

汪天才用两组数字堵住了所有可能的质疑。

第一组：35篇顶会论文，累计引用超过6000次。这个数字什么概念？CVPR、ICCV、ECCV、NeurIPS、ICLR——计算机视觉和机器学习领域的五大顶级会议，他全部打卡，论文发表次数属于国内青年研究者中的第一梯队。

第二组：主导构建了两个后来成为行业标杆的技术框架——MOTR系列和PETR系列。MOTR解决的是多目标追踪问题，利用Transformer实现端到端的多目标检测与跟踪一体化，打破了传统"先检测、后关联"的两阶段模式。PETR解决的是自动驾驶感知问题，通过端到端的BEV（鸟瞰视角）感知框架，把激光雷达和相机等多传感器数据在统一的3D空间中进行融合表达，大幅提升了感知精度和算法迭代效率。这两个框架不是实验室模型，它们被实实在在地部署到了旷视的商业产品中。

2019年到2023年，他在旷视拿了三座奖杯：2022年度最佳个人奖MEGMAN，蝉联2022和2023年度科学技术突破奖。

旷视是什么地方？全球最大的人脸识别技术提供商之一，技术团队里有70多个ACM和NOI/IOI金牌得主。在一个天才密度接近饱和的环境里，一个西南大学的本科生能够连续拿到公司最高技术荣誉，这件事本身就说明问题——在工程落地这个维度上，汪天才已经在不知不觉中超越了绝大多数竞赛金牌选手。

他不像打算法竞赛的同学那样，习惯在边界条件和复杂度约束下寻找最优解。围棋和长笛的训练给他留下了一套被严重低估的认知工具：围棋训练的是局势判断和长期推演能力，长笛训练的是精确节奏感和对细节的忍受度。这两个能力恰好是「算法框架设计」和「论文写作」最需要的底层素质。

三、孤岛整合：他是怎么想明白「闭环」这件事的

旷视的时间线对汪天才的意义，比外界以为的要更大。

加入旷视时，范浩强和周而进已经在旷视待了好几年了。旷视的核心业务——Face++人脸识别云服务、手机端AI视觉方案——在他们手上成形。汪天才进入的是一个已经跑通了商业模式但正在寻找新增长点的旷视：人脸识别的天花板在逼近，自动驾驶和机器人开始浮出水面。

他被分配到自动驾驶和机器人相关的视觉感知方向。也就是从这时候开始，他开始系统性地思考一个大部分AI研究员不太需要思考的问题：大模型怎么跟硬件发生关系。

多数AI研究员的工作模型是：处理数据→训练模型→提交论文。很少接触到电机、减速器、力传感器、标定误差、实时控制系统。但自动驾驶和机器人感知是AI和硬件结合最紧的两个方向。汪天才在旷视负责的MOTR和PETR，恰恰都要求他不断面对一个现实：算法在服务器上的精度和落地到车规级芯片上的精度，是两回事。

他那时候开始逐渐形成的一个判断，成为后来原力灵机的思想底座：在数字世界里单纯依靠模型是无法实现真正闭环的，大模型一定要跟智能硬件结合。

2024年左右，具身智能成为AI 2.0时代最热但也最难的赛道。难度在于三点：算法、硬件、数据，三个轮子必须同时转动，任何一环掉链子都会导致全局失败。而这个难度恰恰是汪天才最擅长解决的问题结构——在旷视那几年，他已经在感知算法、工程部署、多传感器融合、端到端架构这些碎片领域积累了完整的知识链条。现在，他把这些碎片拼到了一起。

2025年，他离开旷视，和范浩强、周而进联合创办了原力灵机，担任合伙人。

四、A+轮和那个「PyTorch时刻」

原力灵机成立后，在短短几个月内就完成了多轮融资：2025年3月宣布完成2亿元天使轮融资，投资方包括君联资本、九坤创投、启明创投。A轮由蔚来资本领投，洪泰基金、联想创投等跟投，老股东超额追投。A+轮由阿里巴巴独家注资数亿元。

这家公司迅速引起行业关注的原因，不在于又讲了一个"大模型+机器人"的故事，而在于它抛出了一整套完整的底层工具链。

2026年2月，原力灵机在成立以来的首次技术开放日上，发布了三款产品：首个具身原生大模型DM0、开源具身原生框架Dexbotic 2.0，以及量产工作流DFOL。

而最引人注目的那个产品，由汪天才发布：Dexbotic 2.0。

他在发布会现场说了一句话：“PyTorch让每个研究者都能快速验证想法，Dexbotic 2.0要做的是同样的事——让每个开发者都能用乐高的方式搭建自己的具身应用。”

这个类比不是随口说的。PyTorch当年之所以能干掉TensorFlow成为深度学习框架的事实标准，靠的正是它的「易用性」和「Pythonic」的语法设计带来的低门槛和强大扩展性。在具身智能至今仍然高度碎片化、每个实验室基本上各自造轮子的行业现状下，汪天才显然在试图复制同样的路径：用一个开源的标准框架把碎片化重新收拢，让「VLA」（视觉-语言-动作模型）的研发从一个拼手工作坊的阶段，进入可大规模复制的阶段。

更内核的技术判断，他留在了采访里：“无论是记忆模块的设计，还是整体系统架构，我们都刻意避免采用类似RAG这样的显式检索机制。在我看来，那并不代表真正的智能。真正的智能应当发生在隐式空间中。”

RAG（检索增强生成）是大模型时代最常见的「外挂知识库」方案。在具身智能领域，部分团队试图通过RAG让机器人「记住」操作步骤和环境特征。汪天才拒绝了这条捷径。他把注押在让模型从视觉反馈、力度感知、物理环境响应这些隐式的、连续的信号中自行演化出记忆和推理能力。换句话说，他要的不是一个「会查手册的机器人」，而是一个「真正有直觉的机器人」。

五、孤独是不需要被治愈的

回到最开始的问题。

在旷视，在IOI金牌扎堆的技术队伍里，一个西南大学毕业生是怎么活下来的？

汪天才给的答案其实很朴素：他根本没有把「非清华系」当成一个问题来对待。

围棋的经历教会他一件事：棋盘上不只有一条路。在你对面坐着的对手可能比你段位更高、读谱更多，但真正决定胜负的，是谁能在第127手的时候，做出那个所有人——包括AI——都没有预料到的转换。

在旷视的那几年，他手里没有金牌，没有人脉，没有初代创始团队的股权。但他保留了一种极其珍贵的自由：他不需要去复刻任何人的成功轨迹。

旷视给了他时间、空间和计算资源，他用这些东西造出了MOTR和PETR。用论文、代码和工程落地的硬成果，给自己挣来了一张进入原力灵机核心创始团队的船票。

现在他是原力灵机的合伙人，管理着和范浩强、周而进平级的事业单元，参与公司所有重大技术决策。那个曾经的「非清华系」标签，现在更接近于一个注脚——用来度量他走了多远。

在一个越来越痴迷于「天才叙事」的行业里，汪天才提供了一种完全不同的样本：不是提前锁定赛道然后一骑绝尘，而是持续在多个维度之间寻找连接点，用慢功把泛化能力沉淀为不可替代性。

他的故事不是天才登顶的故事。是一个没有金牌的人，在天才俱乐部里，用代码给自己挣到座次的故事。