上周，我去杭州参加了通义实验室和一席办的2026年度开发者演讲活动。

让我印象最深的两位分享嘉宾，一位是学机械的大四学生，跑去给小麦做AI育种。

还有一位是因脑瘫导致构音障碍的算法工程师，他在台上用自己做的AI产品，完成了人生第一场演讲。
屏幕上实时跳出的字幕，不是速记员打的，而是他自己的AI在翻译他的声音。

那个瞬间我突然意识到，互联网天天都在讨论AI又颠覆哪个行业、替代了哪些岗位......

但真正在用AI改变命运的人，可能并不在我们的视野里。

1
先说第一个嘉宾，范文涵。
他今年读大四，机械设计专业的，他借助AI，做了一个AI辅助小麦育种的系统。

听起来是不是八竿子打不着？一个画图纸、跟齿轮打交道的工科生，怎么就跑去管麦子了？

他聊起来缘由，原来，他从小在北方农村长大，家里种麦子。
小时候有一年大旱，地里收成很差，他记得父母从地里回来，坐在门槛上发愁的样子。

那是他第一次感受到靠天吃饭有多脆弱。

上大学后，他高中最好的朋友学了农学，搞小麦育种。
有次俩人聊天，朋友顶着黑眼圈跟他抱怨：做抗逆实验要每两小时记录株高、叶色、分蘖数，几个人轮班熬夜，测完还得把手写数据一行行敲进Excel。

算错一个数，半个月白干。

范文涵就冒出一个念头：都2026年了，为什么一线育种的人还在用最原始的方式跟数据死磕？

他一开始想做个智能气候舱，自动控温控湿，结果发现控环境的设备市面上早就有了

他们跑到农学院实验室蹲了几天，有了一个意外发现：专家们真正头疼的不是怎么养麦子，而是怎么判麦子。

因为育种经验全在老专家脑子里，换个人就接不上。
这才是真实的痛点。

但他们团队没一个人学过农学，也没人是计算机专业。

面对大模型微调，范文涵一开始连代码报错信息都看不懂。
他说那段时间特别焦虑，不是怕学不会，而是实在不知道怎么开始。

最后他们选了千问的开源模型Qwen3-1.7B，原因很实际：参数量小，能跑在嵌入式设备上，而且社区教程足够详细，一个跨专业的人照着做也能上手。

团队折腾了将近一年，系统终于跑通了。输入环境参数和麦苗的表型数据，AI就能输出抗旱评分和育种建议。
人工记录时间缩短三分之二，评估准确率稳定在92%以上。

一个学机械的本科生，带着一群同样不是科班出身的同学，做出了农学专家觉得有用的工具。

2
再说第二位嘉宾，邱生峰。
他的故事更让我觉得，某些瞬间技术确实能还给一个人一些本该属于他的东西。

邱生峰出生时因缺氧导致脑瘫，说话不太清楚，动作也有些不协调。

他从小在重庆长大，和所有孩子一样上学交朋友，后来考上了重庆大学数学系，做了NLP方向的研究，毕业后成为一名感知算法工程师。

从履历看，这是一个很优秀的技术人。
但他在他的演讲里我还捕捉提到了一个细节：他MBTI测出来是ENTJ，一个很典型的外向的型人格。
他天生想交流、想探讨、想和人建立连接。

可现实里，因为发音不清楚，他慢慢学会了在开口之前先评估，值不值得说？别人愿不愿意花时间听？

一个骨子里的E人，被迫活成了I人。

在全中国，有超过一千万人面临构音障碍。
脑瘫、渐冻症、中风、听力障碍，原因各不相同，但困境出奇地一致：不是说不出，是说了以后，世界没耐心听。

2025年底，邱生峰参加了通义实验室的AI向善比赛「小有可为」，发现市面上几乎没有一款成熟的、面向发音不清人群的辅助沟通产品。
绝大多数语音识别工具只能处理标准发音，像他这样的声音，AI根本听不懂。

他决定自己做一款产品，叫燃言。

但实际做起来的过程，全是硬仗。中文构音数据极度稀缺，他拉着三十多位种子用户每天录音标注。算力不够，他一个人跑去北京路演争取资源。

他和伙伴整理了全球六十多篇构音障碍相关论文，做成开源仓库，基于Qwen3-ASR等模型一步步复现优化。

燃言不只是语音转文字，而是一套语音Agent系统，包含实时辅助沟通、语句训练反馈、个人记忆管理。
它能学习用户的发音习惯，理解上下文意图，把不清晰的语音转化成准确的表达。

活动现场，邱生峰站在台上，屏幕上的字幕在他说话的同时跳出来。
他说，这是他人生第一次用这种方式完成一场完整的演讲。

这个瞬间，是整场活动最安静的时刻。

然后，全场响起了雷鸣般的掌声。

3
把这两个故事放在一起看，你会发现一个共同的规律。

不论是范文涵还是邱生峰，他们都不是从技术出发去找问题，而是先碰到了一个真实的、具体的、让人难受的问题，然后回过头来发现，AI工具恰好能帮上忙。

这才是AI普惠真正在发生的方式。
不是等技术下沉到每个人手里，而是有真问题的人，主动伸手去够到了工具。

在一个人人都在追AI浪潮的时代，最稀缺的不是技术能力，而是带着一个真实的问题走到工具面前的勇气。

浪潮很大，但真正的故事，永远发生在具体的人身上。