月之暗面杨植麟：未来每个研究员将配海量Token，AI研发将进入AI 主导时代

“在今年、明年乃至未来几年内，人工智能的研究与研发方式将发生重大变化，越来越多的研究工作将由AI主导。”

3月25日，月之暗面（Moonshot AI）创始人杨植麟在2026中关村论坛年会全体会议上，以《开源AI：加速探索智能上限》为题发表演讲，提出大模型发展核心判断，并系统披露Kimi最新技术路线与行业价值。

图片来源：企业供图

杨植麟指出，大模型的本质是将能源转化为智能，规模化是AI发展的核心基础，但规模化并非暴力堆砌算力与能源，而是以升级效率为核心。对此，Kimi围绕三大方向构建规模化策略：Token（词元）效率、长上下文、Agent（智能体）集群，在有限资源下实现智能最大化。

杨植麟强调，有效数据是有限常量，提升Token效率意味着用更优网络架构与优化器，从等量数据中学习更多智能。同时，Kimi通过自研Kimi Linear架构拓展长上下文能力，让模型在更长输入下获得更低损失函数，支撑更长输出与更复杂任务执行。而在Kimi最新发布的的旗舰模型K2.5中首创了Agent集群（Agent Swarm）技术，彻底打破单一智能体效率瓶颈。

底层架构上，此前3月16日，Kimi推出注意力残差（Attention Residuals）并全面开源。据杨植麟介绍，该技术以十年前残差网络为基础，将注意力机制从时间维度“旋转”至深度维度，可整合模型所有层级输出优化训练，仅增加2%额外成本就实现性能大幅跃升。“可以看出，随着算力的进步以及研发方式的转变，研究已从原来偏学术、单纯从idea（想法）出发的模式，转变为更加重视与工程结合的模式。这使得我们能够设计非常扎实的规模化验证实验，进而得出可靠的结论。因此，许多过去被视为标准的技术，现在都是可以被挑战的。”

目前Kimi开源生态已成为全球AI产业新标准：在NVIDIA GTC 2026大会上，Kimi模型被用作芯片性能评测基准；全球芯片厂商发布新品需通过Kimi验证性能提升，众多研究机构基于K2.5开展前沿研究。杨植麟认为，开源能降低企业、研究者与普通用户获取智能的门槛，开放技术将推动形成共生生态，加速行业整体进步。

图片来源：企业供图

演讲中，杨植麟还系统梳理了大模型训练的三阶段演进。他表示，三年前，行业主要使用互联网天然数据，搭配少量人工标注，通过标注判断内容是否符合价值观与偏好。到了2025年，行业更加重视大规模强化学习系统，由人工筛选高质量任务，任务仍由人来定义，再通过强化学习提升模型效果，编程、数学等领域的性能提升主要来自这一路线。

而在今年、明年乃至未来几年内，人工智能的研究与研发方式将发生重大变化，越来越多的研究工作将由AI主导。未来每个研究员将配备海量的Token，由AI自动合成新任务、构建新环境、定义最优奖励函数，甚至自主探索全新网络架构。在这一趋势下，整个AI领域的研发速度将进一步加快。