每經(jīng)記者｜李宇彤    每經(jīng)編輯｜畢陸名    

“在今年、明年乃至未來幾年內(nèi)，人工智能的研究與研發(fā)方式將發(fā)生重大變化，越來越多的研究工作將由AI主導?！?/p>

3月25日，月之暗面（Moonshot AI）創(chuàng)始人楊植麟在2026中關村論壇年會全體會議上，以《開源AI：加速探索智能上限》為題發(fā)表演講，提出大模型發(fā)展核心判斷，并系統(tǒng)披露Kimi最新技術路線與行業(yè)價值。

圖片來源：企業(yè)供圖

楊植麟指出，大模型的本質(zhì)是將能源轉(zhuǎn)化為智能，規(guī)?；茿I發(fā)展的核心基礎，但規(guī)?；⒎潜┝Χ哑鏊懔εc能源，而是以升級效率為核心。對此，Kimi圍繞三大方向構(gòu)建規(guī)模化策略：Token（詞元）效率、長上下文、Agent（智能體）集群，在有限資源下實現(xiàn)智能最大化。

楊植麟強調(diào)，有效數(shù)據(jù)是有限常量，提升Token效率意味著用更優(yōu)網(wǎng)絡架構(gòu)與優(yōu)化器，從等量數(shù)據(jù)中學習更多智能。同時，Kimi通過自研Kimi Linear架構(gòu)拓展長上下文能力，讓模型在更長輸入下獲得更低損失函數(shù)，支撐更長輸出與更復雜任務執(zhí)行。而在Kimi最新發(fā)布的的旗艦模型K2.5中首創(chuàng)了Agent集群（Agent Swarm）技術，徹底打破單一智能體效率瓶頸。

底層架構(gòu)上，此前3月16日，Kimi推出注意力殘差（Attention Residuals）并全面開源。據(jù)楊植麟介紹，該技術以十年前殘差網(wǎng)絡為基礎，將注意力機制從時間維度“旋轉(zhuǎn)”至深度維度，可整合模型所有層級輸出優(yōu)化訓練，僅增加2%額外成本就實現(xiàn)性能大幅躍升?！翱梢钥闯?，隨著算力的進步以及研發(fā)方式的轉(zhuǎn)變，研究已從原來偏學術、單純從idea（想法）出發(fā)的模式，轉(zhuǎn)變?yōu)楦又匾暸c工程結(jié)合的模式。這使得我們能夠設計非常扎實的規(guī)模化驗證實驗，進而得出可靠的結(jié)論。因此，許多過去被視為標準的技術，現(xiàn)在都是可以被挑戰(zhàn)的?！?/p>

目前Kimi開源生態(tài)已成為全球AI產(chǎn)業(yè)新標準：在NVIDIA GTC 2026大會上，Kimi模型被用作芯片性能評測基準；全球芯片廠商發(fā)布新品需通過Kimi驗證性能提升，眾多研究機構(gòu)基于K2.5開展前沿研究。楊植麟認為，開源能降低企業(yè)、研究者與普通用戶獲取智能的門檻，開放技術將推動形成共生生態(tài)，加速行業(yè)整體進步。

圖片來源：企業(yè)供圖

演講中，楊植麟還系統(tǒng)梳理了大模型訓練的三階段演進。他表示，三年前，行業(yè)主要使用互聯(lián)網(wǎng)天然數(shù)據(jù)，搭配少量人工標注，通過標注判斷內(nèi)容是否符合價值觀與偏好。到了2025年，行業(yè)更加重視大規(guī)模強化學習系統(tǒng)，由人工篩選高質(zhì)量任務，任務仍由人來定義，再通過強化學習提升模型效果，編程、數(shù)學等領域的性能提升主要來自這一路線。

而在今年、明年乃至未來幾年內(nèi)，人工智能的研究與研發(fā)方式將發(fā)生重大變化，越來越多的研究工作將由AI主導。未來每個研究員將配備海量的Token，由AI自動合成新任務、構(gòu)建新環(huán)境、定義最優(yōu)獎勵函數(shù)，甚至自主探索全新網(wǎng)絡架構(gòu)。在這一趨勢下，整個AI領域的研發(fā)速度將進一步加快。

封面圖片來源：企業(yè)供圖