3 月 25 日，月之暗面创始人杨植麟在中关村论坛年会演讲，提出大模型发展判断，披露 Kimi 技术路线。Kimi 围绕 Token 效率等构建规模化策略，K2.5 首创 Agent 集群技术。目前 Kimi 开源生态成全球新标准。杨植麟梳理大模型训练三阶段，认为未来人工智能研发方式将变，AI 主导研究工作，配备海量 Token，自主探索，研发速度将加快。
每经记者｜李宇彤 每经编辑｜毕陆名
" 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。
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。
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。
封面图片来源：企业供图
