把一本三百页的书直接丢进对话框,让它在一次会话里读完再回答——这个画面在2023年底还带着演示的意味。如今回看,正是“上下文能装多长”这件事,成了中国团队挤进全球大模型竞争第一梯队的切口。做通用大模型的创业团队里,创始人多半带着产品经理或投行的履历,杨植麟(Yang Zhilin)走的却是另一条路:从实验室直接下场。
从研究者到创业者
他的底子来自几篇被反复引用的论文:Transformer-XL 那篇,杨植麟是唯一的第一作者;XLNet 他也在作者之列;更早些时候,他还同 Yoshua Bengio 与 Yann LeCun 有过合作,两位后来都拿了图灵奖。这些工作累计被引数万次,长序列建模上的积累就是这么攒下来的。个人履历则与学术线并行——1992 年出生在广东汕头,清华计算机系 2015 届年级第一,之后赴卡内基梅隆大学(CMU)读博,2019 年毕业,导师是后来出任苹果 AI 研究负责人的 Ruslan Salakhutdinov。
拿到学位后他先去了工业界:Google Brain 待过,Meta 的 AI 研究部门(FAIR)也待过。2016 年,他又与人合伙办起循环智能,英文名 Recurrent AI,做企业级的语音与语言技术。学界出身、又亲手做过公司,这样的组合在中国大模型创业者里并不常见。
长文本这一赌注
2023 年 3 月成立时,这家英文名叫 Moonshot AI 的公司选了一条当时不算主流的路线。同行普遍认为聊天机器人该比对话是否自然,杨植麟押的却是容量:2023 年 10 月上线的 Kimi,一次能吞下约 20 万汉字,一本短书、一份长合同、或者一整年的聊天记录都不在话下。目标用户定得很清楚——要处理密集文档的学生、研究者和分析师,而不是闲聊的人。产品随后走红,公司也成了百度文心一言和海外巨头之外,中国为数不多的挑战者之一。
Kimi K2与开源转向
转折点在 2025 年 7 月:Kimi K2 问世,权重同时开放。厂商的技术说明写得很细——混合专家(MoE)架构,总参数 1 万亿,每个令牌只激活 320 亿,训练喂了 15.5 万亿令牌。逻辑是用规模换效率:一次请求只点亮网络的一小部分,成本压住,能力不丢。据国资科技媒体报道,《自然》网站给这次发布的评价是“又一个DeepSeek时刻”;代码与智能体(Agent)基准上,K2 也坐上了开源模型榜首。这一手让它成了例外——和大多数把最强模型藏在门后的前沿实验室不同,它跟 DeepSeek、阿里一样把可商用的权重直接放了出来。开发者不必申请许可,就能拿它搭智能体和编程工具。
开源之后,权重被下载了 19.5 万次以上(据 Hugging Face 的统计),还在全球最大的大模型 API 聚合站 OpenRouter 趋势榜登顶,一周的付费调用量超过 5750 亿令牌。采用它的人并不限于中文开发者——它已经进了全球工程圈。
资金与背书
资本对这家公司的下注同样密集。2024 年 2 月的一轮,领投方是阿里巴巴,金额约 10 亿美元,折合约 78 亿港元,对应估值约 25 亿美元;跟投的是 HongShan(红杉中国)与小红书。同一年 8 月,腾讯参投约 3 亿美元(约合 23 亿港元),估值升到约 33 亿美元。阿里、腾讯、美团旗下投资板块加上主流创投,这个名单本身就说明中国互联网巨头有多看重这场大模型竞赛。
把杨植麟的路径摊开看,它更像是中国AI人才成熟的一个切片:受过国际一流训练,却选择在北京创业,先做出一款消费级产品,再把万亿参数的模型开放出去。应用层有Kimi,基础设施层有开放权重,两条线同时跑——这种打法在全球范围内都不多见。
诚实的局限
本稿依赖公司声明、国资科技媒体报道与二手人物资料,未对K2的基准声明做独立复测,而模型会持续更新。融资数字取自2024年广泛报道的轮次,未必覆盖后续更少文档的融资。出生年份与早期教育来自中文人物词条与公司背书资料,各源存在细微出入。文中已剔除未经证实的法律争议与市场传言。
普通人现在能做什么
- 用Kimi K2的开源权重或API处理一份长文档,比如粘贴年报让其产出结构化分析,直接体验长文本优势。
- 如果你在做智能体,拿K2和某个闭源模型在你关心的编程基准上对比,别只信标题分数。
- 商用前务必看清月之暗面的授权条款:开源权重同样带有使用条件。