17岁 Kimi 架构核心参与者离职，确认将赴湾区，下一站引发猜想

作者｜冬梅

1 17 岁 Kimi 架构核心参与者离职，否认去了 Anthropic

10 月 15 日，陈广宇（nathan chen）在 X 上宣布，自己近日已离开月之暗面。他将过去一年在 Kimi 的经历形容为迄今人生中最美好的时光，并感谢团队在他 16 岁时给予机会。

Anthropic 研究员 Sholto Douglas 在陈广宇评论区邀请他去旧金山，Sholto 写道：“恭喜兄弟！很高兴上周见到你。卡内基梅隆大学的计划还一样吗？你应该来旧金山，和 Prime/Base10 他们一起工作！”

陈广宇随后回复，确认自己将前往美国旧金山湾区。

这段互动引发了外界对其加入 Anthropic、参与 Claude 研发的猜测。于是有人在评论区提问，是否要加入 Anthropic，陈广宇很快给出了很直接的回复：不是。

截至发稿，我们可以从陈广宇本人表态中确定他的确已经离开 Kimi 并将前往湾区，但尚无法得知他的下一家雇主、职位及入职时间。

暂且不论他最终会选择哪里，这位年轻研究者留下的一些技术成果还是值得关注的：Attention Residuals 共同第一作者、MoMoE 项目作者，以及围绕优化器、GPU 算子和模型训练效率展开的一系列研究与技术分享。

陈广宇此前的个人主页显示，他在 Kimi 从事大语言模型扩展与预训练工作，涉及 Kimi K3，研究重点包括模型架构和优化器，同时关注高效、适配硬件的算法与计算内核。在加入 Kimi 之前，他曾在 Tilde Research 从事应用可解释性研究。需要注意的是，检索时这份主页仍保留着其在 Kimi 工作的介绍，任职状态应以最新离职声明为准。

2 从高中生到 AI 项目核心成员

据新华财经此前报道，陈广宇来自深圳，2026 年从惠州华润小径湾贝赛思国际学校高中毕业。其“17 岁研究者”的身份，在今年 3 月 Attention Residuals 论文发布后受到关注。

《深圳特区报》在当时的采访中记录了他的研究起点：通过阅读经典论文和追踪 GitHub 开源项目补足基础，随后在社交平台分享技术思考，引起一家硅谷 AI 初创公司负责人的注意。他通过限时实验测试后，获得了赴美实习的机会，并在当地工作了七周。

2025 年 11 月，他进入 Kimi 团队实习。

从其个人博客可以看到，他实际参与了这些项目的研究，而不是只有论文上的署名。

在 2025 年的技术文章中，他讨论过使用 Triton 实现矩阵乘法及 L2 缓存优化、使用 TileLang 实现 Flash Attention，以及 Triton Flash Attention 前向计算的实现。这些内容集中于一个具体问题：如何把数学上的算法，变成能够在 GPU 上高效执行的程序。

这些工作与他后面的研究方向一脉相承。模型架构决定计算如何组织，优化器影响训练如何更新参数，计算内核则决定这些操作在硬件上执行得有多快。从其公开项目看，他的兴趣横跨了这几个相互关联的层面。

陈广宇最受关注的成果，是 2026 年 3 月 16 日公开的 Attention Residuals （《注意力残差》）。他与张宇、苏剑林被标注为同等贡献的共同第一作者。

这项研究关注的是大模型内部不同层之间如何传递和利用信息。

在常见的 PreNorm Transformer 中，残差连接以固定权重累加各层输出。论文指出，随着网络加深，这种累加可能使隐藏状态的幅度不断增大，逐渐稀释单层贡献。Attention Residuals 的思路，是用跨层的 softmax 注意力替代固定累加，让模型通过可学习、与输入有关的权重，选择性地聚合前面各层的表示。

可以将其理解为：模型在经过许多层处理后，不再只能接收此前信息不断相加的结果，而是获得了一种重新选择和组合早期表示的机制。这里的“注意力”作用于模型深度方向，与通常讨论的不同 token 之间的注意力有所区别。

但让每一层访问此前所有层的输出，也会增加存储和通信负担。为此，团队进一步提出 Block AttnRes：把网络层划分成多个区块，区块内部保留普通残差累加，在区块之间进行注意力聚合，以降低额外开销。

《中国新闻周刊》在引用苏剑林的研究回顾时介绍，最初的想法及小规模实验由苏剑林提出，张宇和陈广宇随后参与更大规模验证，并共同提出了论文中的 Block Attention Residuals 设计。这个分工说明，陈广宇的重要贡献包括将初步方案推进到更适合大规模训练的形式。

论文在总参数 480 亿、激活参数 30 亿的 Kimi Linear 架构上进行了验证，预训练数据规模为 1.4 万亿 token。官方项目资料称，在其扩展规律实验中，Block AttnRes 可以达到需要多用 25% 计算量的基线模型的损失水平。这个结论对应特定实验条件，不应扩写为所有模型训练都能获得同等收益。

事实上，在参与 Attention Residuals 之前，陈广宇已经参与了 Tilde Research 的 MoMoE 项目。

Tilde 于 2025 年 7 月发布的《MoMoE: Memory-optimized Mixture of Experts》将 Nathan Chen 列为作者之一。他的个人博客也收录了这项工作。

MoMoE 处理的是混合专家模型的工程效率问题。MoE 通过每个 token 只调用部分专家降低活跃计算量，但实际实现仍可能受到不合理的数据布局、碎片化计算和中间张量存储等因素限制。MoMoE 使用融合 Triton 内核、优化内存布局，并提供可配置的反向传播方案，在计算与内存占用之间做取舍，重点面向模型训练和微调。

这项工作的价值在于，模型架构带来的理论优势，需要通过底层实现才能转化为实际吞吐和显存收益。它与陈广宇后来关注的硬件适配算法、计算内核方向具有连续性。

他还参与了优化器相关研究。Tilde 于 2025 年 10 月发布的《Gram-Space Manifold Muon》署名包括 Ben Keigwin、Dhruv Pai 和 Nathan Chen；其个人网站也列出了这项成果。相比泛泛地称其参与“模型研发”，这些可追溯的项目更具体地说明了他的研究范围。

此外，《中国新闻周刊》报道，他加入 Kimi 后较早参与的工作之一，是加速 KDA，即 Kimi Delta Attention 的计算内核。

这次离职消息传播过程中，也出现了有关百万美元工作邀约、退学和具体岗位的讨论。

几天前，投资人 Deedy Das 在 x 上曾分享过一位 17 岁年轻人获得多家实验室邀约的经历，Deedy 在 x 上写道：“今天遇到一个孩子，14 岁时英语不太好，却用大模型自学了人工智能，，在一家顶尖人工智能公司实习了一年，然后飞越半个地球去美国排名前十的大学读本科；两周后辍学；17 岁时就收到了旧金山顶尖新实验室的 5 份年薪 100 万美元以上的工作邀请。”

Deedy 同时感慨，传统教育已经彻底消亡了，现在的孩子们体质和以前不一样了。

网络讨论随后将其与陈广宇联系起来，认为这位投资人提到的天才少年就是陈广宇。

但这些都只是猜测，Deedy 后续并未透露他遇到的这位少年的真实姓名。

17 岁，陈广宇的研究生涯才刚刚开始。从阅读论文、编写计算内核，到参与大模型架构研究，他已经把好奇心变成了具体的成果。前往湾区之后，他还会遇到新的问题、伙伴和选择。

比下一站加入哪家公司更值得期待的，是这个年轻人接下来还会给行业带来什么新惊喜。对他而言，未来有足够的时间去探索，也有足够的空间让作品走在“天才”的标签前面。

https://www.chinanews.com/sh/2026/08-10/10675225.shtml

https://arxiv.org/abs/2603.15031

https://x.com/nathancgy4/status/2110522061953327565?utm

声明：本文为 InfoQ 原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。

会议推荐

QCon 全球软件开发大会·2026（上海站）将于 10 月 22 日—24 日举办。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型 等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。查看更多详情可扫码或联系票务经理 18514549229 进行咨询。