中国 AI 的年轻掌权者们
他们因技术获得权力，又必须运用权力，保护技术所需要的自由。 文丨魏冰 编辑丨宋玮 赵磊 过去二十年，中国互联网公司的权力，大多随着商业战果分配。做成一款产品，拿下一块市场，带来更多收入，管理者才有机会掌握更大权力。 如今，一批三十岁上下的技术人，正在通过另一条路径进入中国最核心科技公司的权力中心。 33 岁的杨植麟创办了月之暗面，让阿里、腾讯既和他竞争，也给他投钱；同样 33 岁的肖弘，把 Manus 卖给 Meta，八个月后又买了回来——他做过全球科技巨头的副总裁，如今更想做它们的对手；31 岁的罗福莉带着一支数十人的新团队，在小米启动了万亿参数模型的训练；28 岁的姚顺雨进入腾讯总裁办，接手混元，成为省委书记视察时，坐在马化腾身边的人。 不必等到产品取得商业成功，这些年轻的管理者就开始掌握一家公司最重要的研发决策权，由此影响数百名研究员的工作，以及数以亿计的算力如何投入。 这些决定的代价，可能是按分钟计算的。2026 年 9 月，罗福莉直播公开了小米两款模型的强化学习训练看板。按照页面展示的费用速率，两轮训练合计每小时要花掉 3.08 万美元。 他们按自己的偏好和理解建立组织。有人希望减少层级和部门边界，有人鼓励研究员自由组队、直接沟通。即使负责人认为一个想法大概率无效，研究员仍可能拿到算力，自己试一试。 一位大模型公司的 tech lead 告诉我们，他认为好的人才不需要管理，“人招进来，给他卡就够了”。但前提是，“要招比自己还优秀的人。” 他们年轻、充满野心、孤注一掷，一位接近 Kimi 招聘的人士说，这家公司只做一件事——大模型，“做不好，公司就会死”。 一位混元团队成员说，姚顺雨曾提出，成为第一之前不发技术报告，“不仅要做中国第一，还要做世界第一”。这样的目标吸引着年轻研究员。有人直白地说，自己来混元，就是 “信姚哥有天能做到第一”。 空前的信任、焦虑与期待，将这群三十岁上下的技术人推向了权力的核心。他们凭什么获得权力，又将怎样使用它，正在影响中国 AI 行业的走向。理解他们，也是理解这场昂贵的战争正如何展开。 三十岁上下的技术人，决定中国核心 AI 组织如何投入最重要的资源 1. Kimi 的故事：杨植麟决定再等等 2026 年 3 月，几名 Kimi 的年轻研究员想让公司为一个新想法改变计划。 他们希望把一项叫 Attention Residuals 的新技术，放进 Kimi 正在研发的下一代旗舰大模型 K3。当时距离预期发布只剩四个月，临时更换架构可能推迟训练，甚至影响发布时间。在几千张卡开始运转之前，他们需要说服杨植麟。 这个想法最初来自 Kimi 的研究员苏剑林，业内人称 “苏神”。他独自生活在广州，与北京的团队远程合作。他长期在个人博客 “科学空间” 上写数学推导和模型研究，许多研究员在成为他的同事之前，就已经是他的读者。 2026 年春节前后，苏剑林读到 DeepSeek 的 mHC 论文。这项研究试图改进大模型各层之间传递信息的方式：保留多条并行的信息流，让每一层按不同权重混合、读取和更新这些信息，同时约束混合过程，避免训练不稳定。 苏剑林从中冒出一个念头：既然是在做加权求和，何不用 Attention？ Attention，即注意力机制，是大模型早已使用多年的技术。处理一段文字时，它让模型判断哪些词与当前这个词更相关，再按不同权重读取它们的信息。 苏剑林觉得可以把同样的机制用在模型的不同层之间。大模型由许多层组成，信息经过一层层计算，逐渐形成输出。传统的残差连接把每层产生的信息不断相加、向后传递；他希望让当前这一层按需选择，应该从前面哪些层读取多少信息。 这个想法后来被称为 Attention Residuals。一位研究者形容，它就像把 Attention 转了 90 度，竖起来用：原本在 token 与 token 之间选择信息，现在在层与层之间选择信息。 苏剑林很快写了一个简化版本，效果很好。苏剑林后来在《Attention Residuals 回忆录》中写到，他把实验结果发到内部群里，研究员张宇和陈广宇很感兴趣，很快加入进来，在更大的模型上验证。 张宇在苏州大学读博期间就开始研究高效模型架构，2025 年 3 月加入 Kimi，后来成为 Kimi Linear 论文的第一作者；陈广宇当时只有 17 岁，还是一名高中生，长期研究高效模型架构。几个人试过更复杂的设计，效果大多不如最初的简单版本。 但要把这个完整版直接搬上万亿参数的大模型，推理团队认为可以优化，但训练团队算过后却发现，以当时的资源根本无法承担。因为它需要保存各层的信息，还要在设备间传递。苏剑林后来写道：“说白了还是穷。” “从推理效率角度，当时新增加了一个考虑因素，那就是公司流量疯狂上涨，所以无论是延迟优化还是成本优化的压力都非
