AI产业必须要补的课10月15日陈广宇在X上发了一条简短的离职帖。“过去一年在Kimi的工作是我迄今为止最美好的时光。”他写道非常感激能够与如此出色和支持他的同事共事并从中学到东西。他没有解释原因也没有透露去向。但业内人都知道这条帖子的分量陈广宇只有17岁而他参与研发的Attention Residuals架构已经是KimiK3、全球首个开放权重3T级大模型的底层技术之一。评论区里Anthropic可扩展强化学习方向负责人Sholto Douglas半开玩笑地问原本去CMU的计划还作数吗要不要来旧金山一起工作陈广宇回了一句谢谢Sholto我正要去海湾区。一个17岁的中国少年从惠州一所国际学校出发用不到两年时间走进了Kimi的核心架构组然后转身走向了硅谷。这不是一个“天才少年好厉害”的故事。更像是一面镜子照出中国AI产业正在经历的一场更深层的焦虑我们已经能在全球范围内发现顶尖人才但我们的组织、文化和技术天花板真的接得住他们吗16岁实习生走进Kimi核心陈广宇的起点跟“天才少年”的刻板印象相去甚远。他没有奥赛金牌没有跳级经历也不是从小写代码的神童。2009年出生于深圳就读于惠州贝赛思体系学校跟大多数高中生一样按部就班地上课、考试。转折点发生在2024年4月。读高一的陈广宇做了一个决定暂停所有不喜欢的事专心学AI。他的学习方法极具时代特征——把论文上传给Gemini再一遍遍提问他后来在博客里把Gemini称作“导师”。2025年5月他在社交平台上发了一篇关于DeltaNet的技术博客。DeltaNet是当时前沿的线性注意力架构。帖子被该领域关键贡献者、MIT博士杨松琳回复随后又被硅谷AI初创公司Tilde Research的CEO发现主动约他通话。那年夏天16岁的陈广宇一个人飞到加州帕洛阿尔托开始了七周实习。他每天在办公室待15个小时参与内存优化混合专家模型MoMoE项目。这段经历的意义远超一份实习证明它让陈广宇第一次接触到全球最顶尖的AI研究环境那些只在论文里见过名字的人可能就在隔壁工位这也为他后来的选择埋下了伏笔。实习结束后陈广宇收到了月之暗面的邀约。2025年11月他加入Kimi团队担任机器学习研究员当时他还只有16岁身份是实习生。进入Kimi后陈广宇从内部48小时黑客马拉松冠军中突围进一步进入了核心研究圈。真正让他出圈的是2026年3月发表的Attention Residuals论文。共同一作的分量Attention Residuals这篇论文是理解陈广宇技术价值的关键。简单说它改进的是Transformer架构里沿用了近十年的残差连接机制。传统残差连接像一层层叠加的笔记每一层加进新信息但层数多了以后早期的有用信息会被冲淡。AttnRes的原始想法由苏剑林旋转位置编码RoPE提出者提出张宇KimiLinear架构第一作者和陈广宇加入后在更大规模模型上进行验证。最关键的工程突破是陈广宇与张宇共同提出的Block AttnRes分块注意力残差 。把上百层网络划分成若干区块块内维持低成本的基础累加只在块间做精细的注意力聚合。这样显存复杂度从层数级降到了块数量级只分约8个块就能找回全量版绝大部分性能。实测数据很硬核KimiLinear 48B模型上用1.4万亿token训练AttnRes达到同样效果只需要基准模型约80%的算力推理延迟增量不到2%。GPQA-Diamond提升7.5分Minerva Math涨3.6分HumanEval涨3.1分。论文发布当天硅谷半个AI圈被炸了出来。OpenAI联合创始人Karpathy评价“看来还没把Attention is All You Need这句话按字面意思理解透。”马斯克留下一句Impressive work fromKimi.这时人们才注意到三位共同第一作者中有一个17岁的实习生。但陈广宇反复强调一件事不要造神。他说成果属于团队希望外界看到的是研究本身试图解决的底层难题。苏剑林的复盘文章里也写过训练团队曾认为方案还不够可行原因很直白——说白了还是穷。这个细节很重要AttnRes不是某个人的灵光一现而是在算力约束下整个团队逼出来的创新。陈广宇是关键一环但不是全部。更重要的是这项成果已经进入了Kimi的生产环境2026年7月发布的KimiK3总参数量2.8万亿是全球首个开放权重的3T级模型AttnRes正是支撑它的底座技术之一。Wild Card的悖论陈广宇离职前一个月Kimi刚推出了一项雄心勃勃的招聘计划。9月9日Kimi宣布招募7名Wild Card人才——无法被常规岗位描述定义的人。同时推出穿越计划不限专业、不限实习年级不把学历和资历作为主要门槛优秀者可获期权。这套招聘逻辑和陈广宇的经历几乎是一个模板先找到人再决定他能解决什么问题先看上限再补齐岗位名称。这几乎是当前中国AI公司的共同姿态打破常规、破格录用、天才少年、黑客松招人……所有人都在抢最聪明的大脑。但问题来了招进来了然后呢陈广宇的离开照出了这个模式的另一面。钛媒体报道引用了Kimi团队研究者Yulun Du的话“他曾就陈广宇的决定与他进行过几次长谈。看到他离开很难过也很令人心碎但在这个年纪尽可能探索和追随新的好奇心可能是对他最好的选择。”这段话信息量很大。它没有明说为什么离开但“探索新的好奇心”的措辞暗示了一个核心矛盾非典型人才的成长速度可能比组织的上升通道更快。一个16岁就能做出共同一作级别技术贡献的人他的两年后在哪里如果在硅谷他可能加入OpenAI或Anthropic跟最顶尖的团队一起工作解决最前沿的问题。如果留在国内他的上升路径是什么继续做研究员升主管管理一个团队对于真正的顶级人才来说这些都不是最有吸引力的。他们要的是——最硬的问题、最好的同事、最大的杠杆。Kimi是中国最好的大模型公司之一但如果把视野拉到全球跟Anthropic、OpenAI比在基础研究深度、人才密度、问题前沿性上仍然有差距。这不是Kimi的问题这是整个中国AI产业的现状。Wild Card模式的悖论就在这里你用最开放的姿态招到了最顶尖的人才但如果你的技术天花板、组织复杂度和文化包容性跟不上他们最终还是会走。更深一层的矛盾在于非典型人才往往不适应标准化的组织生活。他们需要更高密度的交流、更快的反馈、更大的试错空间。他们不一定适应汇报线不一定愿意沿着传统职业路径往上走。而中国公司哪怕是最创新的AI公司组织管理大多还是传统模式——职级、晋升、绩效、汇报。这些对常规人才是效率工具但对Wild Card人才可能就是束缚。陈广宇去湾区大概率不是为了钱。Anthropic出得起的薪酬Kimi也出得起。他要的可能是另一种东西一种更适合他这种非常规选手生长的土壤。人才焦虑不止大模型圈陈广宇的故事之所以值得关注是因为他折射的人才焦虑不只存在于大模型公司。汽车行业正在经历同样的阵痛。小鹏、理想、蔚来、比亚迪……每家车企都在疯抢智驾人才——大模型算法工程师、端到端智驾架构师、数据科学家。薪资水涨船高有三年经验的算法工程师年薪百万是起步价。但招来的人留得住吗汽车公司的组织文化跟互联网和AI公司完全不同。层级分明、流程繁琐、节奏偏慢——这些对传统汽车工程师是常态但对AI算法人才可能就是无法忍受的低效。某头部车企智驾部门负责人私下说过一句很扎心的话“我们花两倍工资从互联网公司挖来的人不到一年走了一半。不是钱不够是他们受不了我们的流程。”这跟陈广宇的故事本质上是同一个问题——组织能力跟不上人才密度。再看机器人行业人才问题更尖锐。具身智能是交叉学科需要同时懂大模型、机器人控制、硬件、软件的复合型人才。而这样的人全球都没多少。智元、宇树、银河通用……每家公司都在抢同一批人。薪资越炒越高但真正能干活的就那么多。而且跟大模型公司比机器人公司的技术深度和品牌吸引力还弱一档——顶尖人才的第一选择往往还是大模型公司。更严峻的是机器人行业的人才流失不仅流向硅谷也在行业内部流动。一家公司刚培养出来的工程师可能被另一家以翻倍薪资挖走。整个行业都在抢人但很少有人认真思考我怎么才能把人留住答案当然不只是涨工资。真正能留住顶级人才的是三个东西值得投入的问题、足够聪明的同事、清晰可见的成长空间。问题决定了工作的意义你是在做改变行业的事情还是在做边缘的修修补补同事决定了工作的密度跟比你聪明的人一起工作成长速度是指数级的跟平庸的人一起工作只会被消耗。成长空间决定了工作的未来——你能看到自己三年后在哪里五年后在哪里而不是在一个位置上原地打转。用这三个标准去衡量中国的AI公司、汽车公司、机器人公司有多少能真正达标从发现人才到配得上人才陈广宇的离开不是Kimi的失败。恰恰相反Kimi能在一个16岁高中生还没出名的时候发现他、信任他、给他核心项目做这本身已经比绝大多数中国公司做得都好。但陈广宇的离开确实提出了一个全行业都需要回答的问题当我们已经学会了在全球范围内发现最顶尖的人才我们的产业、我们的公司、我们的组织准备好了接住他们吗这个问题的答案决定了中国AI产业的下一个十年。过去十年中国AI的进步有目共睹。我们有了Kimi、DeepSeek这样能跟全球顶尖公司掰手腕的选手。我们有了智元、宇树这样的具身智能第一梯队企业。我们有了小鹏、理想这样的智能汽车新势力。但如果把竞争维度从产品拉到人才差距依然明显。硅谷的优势从来不只是钱和技术。它的优势在于——它有一个完整的生态系统让最聪明的人愿意来、来了能成长、成长了能留下。 这个生态系统里有世界上最好的大学有最活跃的创业文化有最成熟的资本体系有对怪人最大的包容度。陈广宇去湾区他面对的不只是Anthropic一家公司而是整个硅谷生态——那里有跟他一样聪明的同龄人有最前沿的问题有最快的反馈循环有最大的舞台。反观国内我们的AI生态还在建设中。我们有好公司但不够多我们有好大学但跟产业的结合还不够紧密我们有资本但更追求短期回报而非长期价值。人才争夺战打到最后拼的不是谁出的工资高而是谁的生态系统更有吸引力。对于汽车智能和机器人行业来说这个问题更迫切。因为这些行业的AI人才缺口更大、复合型人才更少、组织转型的难度更高。车企需要的不只是招几个算法工程师而是整个组织从汽车思维转向软件思维——从层级制走向扁平化从流程驱动走向问题驱动从按部就班走向快速迭代。机器人公司需要的也不只是挖几个大模型人才而是建立一个能让硬件和软件人才深度协作的环境——让搞机械的和搞算法的能真正对话而不是各干各的。这些改变都比涨工资难多了。但也只有做到这些中国的科技公司才能真正留住陈广宇这样的人。原文链接17岁Kimi核心少年奔赴硅谷中国AI也有人才焦虑-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink