看完杨植麟的简历，我不禁倒吸一口凉气！
 
1992年出生，34岁，清华本科，卡内基梅隆大学博士，参与过Google Brain和Meta AI的研究，现在还是月之暗面的创始人兼CEO。
 
这些经历集中在一个人身上，确实有点夸张。
 
杨植麟出生在广东汕头，高中读的是汕头金山中学。刚接触信息学竞赛时，他几乎没有编程基础，可后来却拿到了全国青少年信息学奥林匹克联赛广东赛区一等奖，并获得清华大学保送资格。
 
已经保送了，他还是参加了高考，最后考出667分，成为当年汕头理科第一名。
 
2011年进入清华大学后，他最初读的并不是计算机，而是热能工程。读了一年，他发现自己真正感兴趣的还是计算机，于是申请转入计算机系。
 
换了专业，他不但没有掉队，反而越学越快。到了2015年本科毕业时，他已经以年级第一的成绩完成学业。
 
我觉得，这段经历最厉害的地方，不只是年级第一，而是他很早就知道自己想要什么。很多人面对已经确定的专业，哪怕不喜欢，也可能继续读下去。杨植麟却直接换了方向，而且把新专业学到了最前面。
 
清华毕业后，他去了卡内基梅隆大学语言技术研究所攻读博士。卡内基梅隆的计算机学科本就处于世界前列，他的导师Ruslan Salakhutdinov和William Cohen，也是机器学习领域的重要学者。
 
读博期间，杨植麟参与过Google Brain和Meta AI的研究，还和多位国际顶尖学者合作发表论文。2019年，他用四年时间拿到了博士学位。
 
真正让他在人工智能学术圈出名的，是Transformer XL和XLNet。
 
当时的语言模型有个现实问题，处理的内容一长，前面的信息就容易丢失。Transformer XL针对长文本处理进行了改进，让模型能够利用更多上下文，同时提高运行效率。
 
随后出现的XLNet又改进了预训练方法。公开论文显示，它在问答、自然语言推理、情感分析和文档排序等20项任务中超过当时非常热门的BERT，杨植麟正是这篇论文的第一作者。
 
这可不是在简历上随便放两篇论文。BERT当年在自然语言处理领域影响很大，很多团队都在研究，而XLNet能够在20项任务上取得更好的结果，足以说明杨植麟的技术水平。
 
他当时研究的长文本问题，后来正好成了Kimi最重要的能力之一。
 
所以在我看来，杨植麟创办月之暗面，并不是临时决定做一个聊天机器人。他很早就在研究模型怎样理解更长的内容，后来只是把这些积累做成了普通用户能够使用的产品。
 
博士毕业时，杨植麟完全有机会留在美国。按照其导师后来公开透露的信息，当时不少大型科技公司都希望招他。他如果进入大厂，收入和工作条件不会差，风险也会小很多。
 
但他还是回到了中国。
 
回国后，杨植麟继续创业，同时参与过华为盘古、智源悟道等国内早期大模型项目。其实在读博士期间，他就参与创办了循环智能，主要利用人工智能分析销售对话。
 
这次创业没有Kimi后来那么出名，却让他提前接触了真实客户。科研人员关注模型能不能做出来，创业者还要考虑产品有没有人用、公司能不能活下去。杨植麟很早就经历了这一过程。
 
2022年底，ChatGPT发布以后，全球大模型竞争突然升温。杨植麟很快作出决定，并在2023年创办月之暗面。
 
同年10月，Kimi智能助手上线，最早支持输入20万汉字。到了2024年，Kimi又把长文本处理能力提升到200万汉字。大量用户开始用它阅读论文、整理合同、总结财报，Kimi也迅速被更多人知道。
 
不过，月之暗面的发展并非一直顺利。国内大模型公司越来越多，阿里、字节跳动、百度、智谱和DeepSeek不断推出新模型，用户增长和商业收入都成了现实问题。
 
月之暗面随后减少部分营销投入，把资源重新放回模型研发。2025年，Kimi K2发布并开源。到了2026年7月，月之暗面又推出Kimi K3。
 
按照月之暗面公布的数据，Kimi K3总参数达到2.8万亿，上下文窗口达到100万Token，重点能力包括复杂编程、知识工作和智能体任务。路透社称，它是当时全球参数规模最大的开放权重人工智能模型。
 
K3发布之后，新增用户很快超过算力承载能力，公司一度暂停接受新订阅，优先保证已有付费用户使用。一个模型刚发布，就因为需求太大而限制新增用户，这个反应已经很直接了
 
杨植麟最让人吃惊的，并不是清华第一，也不是四年拿到卡内基梅隆博士
 
真正厉害的是，他十多年前研究的问题，如今依然是大模型竞争的重要方向。他从论文研究做到模型训练，又从模型训练做到普通人能够使用的产品，整个过程一直没有离开自己的专业
 
34岁的杨植麟，已经做出了Transformer XL、XLNet、Kimi K2和Kimi K3。这样的简历看完之后，确实很难不让人倒吸一口凉气