美国为何留不住杨植麟？每日经济新闻

Kimi K3的发布，给硅谷AI圈带来“DeepSeek 2.0”时刻。

卡内基梅隆大学计算机科学教授、前苹果公司AI主管Russ Salakhutdinov在X上发了一条祝贺帖，却在美国引发了一场讨论：

杨植麟这样的人才，为什么没有留在美国？

Russ Salakhutdinov正是月之暗面创始人杨植麟的博士生导师。

8月1日，Russ Salakhutdinov接受了《每日经济新闻》记者（以下简称NBD）专访。他透露说，杨植麟博士论文获得2万次引用，以他的研究水平，完全可以先进入顶尖院校从事博士后研究，再成为高校教授，但他更想创办自己的公司，甚至拒绝了苹果抛出的橄榄枝，毅然决然地选择回国创业。“他曾对我坦言，若不尝试创业，一定会遗憾。”

但对于Kimi K3的能力，Russ Salakhutdinov认为，行业仍需更多应用，才能判断它与其他模型的真实差距。但Kimi的开源路线值得肯定，“不希望未来行业完全走向闭源”。

Russ Salakhutdinov 图片来源：受访者X账号

谈Kimi K3：“一个拥有越多开源模型的世界会是更好的世界”

7月27日晚，月之暗面在全球开源社区Hugging Face正式发布Kimi K3完整模型权重，同步公开的还有详细技术报告。

Hugging Face CEO Clem Delangue发文称，Kimi K3在30分钟内以超过4000个赞登顶趋势榜，创迄今为止最快的发布增长速度。

虽然Kimi K3在海外出圈，但从全球AI大模型调用量看，它面临着一众国内开源模型的竞争。据OpenRouter的最新数据，上周（7月27日至8月2日），也是正式开源首周，Kimi K3的调用量为1.42万亿Token，环比上涨16%，在全球AI大模型周调用量榜单中仅排名第十。排名前五的均为中国AI大模型，分别是DeepSeek-V4-Flash、小米MiMo-V2.5、腾讯Hy3、DeepSeek-V4-Pro和智谱GLM-5.2。

NBD：您认为Kimi K3与其他主流顶尖模型相比，有哪些差异化特点？

Russ Salakhutdinov：Kimi K3最独特的优势在于开放权重。从目前的测试结果来看，行业仍需通过更多实践应用，对比研判该模型与各团队研发模型的真实差距。

但我认为，Kimi K3是业内较早跻身前沿技术水平的开源模型之一。现阶段已有多款开源模型能够比肩顶尖闭源模型的性能，这一突破实属不易。

当然，现在下结论还为时过早。模型发布后，行业还会持续对其进行调优，进一步提升其表现。

我预计，未来美国、中国、印度、日本等多国的实验室，将持续推出智能化水平更高的AI模型。后续不同模型之间的差距，将更多聚焦在运行速度、智能程度与使用成本上。

NBD：您如何看待当前美国关于开源和闭源的争论？

Russ Salakhutdinov：我非常支持开源。开源社区为AI行业发展作出了重要贡献。

在卡内基梅隆大学，我们对谷歌Gemma、Meta Llama等模型开展研究，依托其开放特性，我们的科研工作得以顺利推进。

倘若行业模型全部采用闭源模式，科研人员无法接触模型底层内容，既难以开展系统性研究，也无法基于现有模型迭代。

因此，我很高兴看到越来越多的模型开放权重。需要说明的是，开源与开放权重并非完全等同，但二者的核心价值一致，都是让更多从业者、研究者能够获取并使用模型。

我认为，一个拥有越来越多开源模型的世界，会是一个更好的世界。

当然，业界对于安全、护栏机制以及滥用风险的担忧是合理的。这些问题确实存在，例如不法分子可能利用模型实施攻击，因此，我们需要持续深耕模型安全，研发完善的安全护栏机制。我不希望未来行业完全走向闭源。

NBD：您认为AGI大概何时会实现？

Russ Salakhutdinov：我比较保守。2015年至2016年，在谈到自动驾驶汽车时，业内普遍预判将在两年内全面落地。但一项技术从0%迭代到80%、再从80%提升到90%进程相对较快，但要从90%精进到99%，难度会攀升。

目前的AI技术在某些方面，已经展现出接近AGI的能力，显著提升了编程、文案创作和工具类工作的效率，但业界定义的真正的AGI，不仅涵盖文本和图像生成能力，还包括在物理世界、真实世界中的行动能力。在这些领域，我们仍然有很长的路要走。

“杨植麟可能是当时卡内基梅隆大学最优秀的学生之一”

杨植麟1992年出生在广东汕头。2011年，他被清华大学热能工程系录取，大二转入计算机系，2015年以第一名的成绩毕业。

之后，杨植麟前往美国卡内基梅隆大学攻读博士，导师是时任苹果首任AI研究负责人的Russ Salakhutdinov和时任谷歌首席科学家的William Cohen。卡内基梅隆大学计算机博士通常要读六年，而杨植麟仅用了四年。

期间，他进入谷歌大脑和Meta实习，并作为核心成员参与了Transformer-XL和XLNet两项开创性研究。

NBD：杨植麟攻读博士时期，为他创办月之暗面并打造出Kimi奠定了什么基础？

Russ Salakhutdinov：杨植麟在卡内基梅隆大学求学期间，始终对自然语言研究抱有极高的热忱，其研究工作长期聚焦语言领域，覆盖语言理解、预测、情感分析等方向。但他始终关注Transformer和语言模型。

早期大语言模型的发展，核心依托于Transformer架构的规模化拓展，而这也正是他博士阶段的核心研究课题。

他与谷歌合作研发的XLNet以及Transformer-XL等模型，核心目标是对大规模语言数据进行预训练。

ChatGPT问世之后，他或许意识到，自己长期深耕的技术方向具备落地商业化的巨大潜力。

NBD：您对杨植麟最深刻的印象是什么？

Russ Salakhutdinov：多数博士生入学前均已取得硕士学位或具备相关工作经验，而杨植麟加入课题组时年纪尚轻，刚从清华大学本科毕业。他仅用四年时间便完成常规需要六年左右的博士学业，可能是当时卡内基梅隆大学最优秀的学生之一。

他的学术成果也极具影响力，他的两篇论文Transformer-XL与XLNet，引用次数均突破了2万次，对于在读博士生而言，如此高的学术引用度实属罕见。

NBD：您曾师从杰弗里·辛顿，后来杨植麟又师从于您，三代人是否一脉相承？

Russ Salakhutdinov：辛顿本人虽不专攻自然语言，但毕生都在研究神经网络，探索神经网络的优化。我也完整继承了这一科研理念，整个职业生涯也一直在不同领域研究深度学习和深度神经网络。我希望这种科研传统也传递给了杨植麟。

不过，每一名学生最终都会根据自己的热爱选择研究方向，导师要做的就是帮助学生找到真正有热情的领域。杨植麟始终深耕自然语言领域，专注钻研语言模型架构的各类核心细节。

杨植麟拒绝苹果：“倘若不主动尝试创业以后一定会遗憾”

杨植麟的创业故事始于2016年，当年他与几位朋友联合创办了AI企业服务公司循环智能（Recurrent.AI）。2020年，该公司获得了由红杉中国领投的1200万美元融资，后来与华为云联合研发了盘古大模型。

2023年，杨植麟再次创业，与周昕宇等人共同创立月之暗面。