每經記者｜李宇彤    每經編輯｜畢陸名    

“在今年、明年乃至未來幾年內，人工智能的研究與研發方式將發生重大變化，越來越多的研究工作將由AI主導。”

3月25日，月之暗面（Moonshot AI）創始人楊植麟在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》為題發表演講，提出大模型發展核心判斷，并系統披露Kimi最新技術路線與行業價值。

圖片來源：企業供圖

楊植麟指出，大模型的本質是將能源轉化為智能，規模化是AI發展的核心基礎，但規模化并非暴力堆砌算力與能源，而是以升級效率為核心。對此，Kimi圍繞三大方向構建規模化策略：Token（詞元）效率、長上下文、Agent（智能體）集群，在有限資源下實現智能最大化。

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

底層架構上，此前3月16日，Kimi推出注意力殘差（Attention Residuals）并全面開源。據楊植麟介紹，該技術以十年前殘差網絡為基礎，將注意力機制從時間維度“旋轉”至深度維度，可整合模型所有層級輸出優化訓練，僅增加2%額外成本就實現性能大幅躍升。“可以看出，隨著算力的進步以及研發方式的轉變，研究已從原來偏學術、單純從idea（想法）出發的模式，轉變為更加重視與工程結合的模式。這使得我們能夠設計非常扎實的規模化驗證實驗，進而得出可靠的結論。因此，許多過去被視為標準的技術，現在都是可以被挑戰的。”

目前Kimi開源生態已成為全球AI產業新標準：在NVIDIA GTC 2026大會上，Kimi模型被用作芯片性能評測基準；全球芯片廠商發布新品需通過Kimi驗證性能提升，眾多研究機構基于K2.5開展前沿研究。楊植麟認為，開源能降低企業、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，加速行業整體進步。

圖片來源：企業供圖

演講中，楊植麟還系統梳理了大模型訓練的三階段演進。他表示，三年前，行業主要使用互聯網天然數據，搭配少量人工標注，通過標注判斷內容是否符合價值觀與偏好。到了2025年，行業更加重視大規模強化學習系統，由人工篩選高質量任務，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，人工智能的研究與研發方式將發生重大變化，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、構建新環境、定義最優獎勵函數，甚至自主探索全新網絡架構。在這一趨勢下，整個AI領域的研發速度將進一步加快。

封面圖片來源：企業供圖