2026 AGI-Next 前沿峰会 | 月之暗面杨植麟：Kimi K2的Scaling实践

在2026 AGI Next 前沿峰会的演讲中，月之暗面（Moonshot AI）创始人兼 CEO 杨植麟深度剖析了 Kimi 模型背后的技术演进与哲学思考：

• 他重申 Scaling Law是大模型发展的第一性原理，本质上是将能源高效转化为智能的过程。
• 演讲的核心亮点在于对模型架构与 Agent 智能关系的拆解。杨植麟指出，Transformer 架构之所以取代 LSTM 成为主流，关键在于其在 长上下文（Long Context） 任务中展现出的低位置损失（Position Loss），这正是构建能够处理复杂任务的 Agent 的基石。为了突破现有极限，杨植麟重点介绍了两项关键技术创新：
  • MIO 二阶优化器：相比主流的 Adam 优化器，它能以 50% 的算力消耗达到同等训练效果，显著提升了 Scaling 效率。
  • Kimi Linear 架构：通过创新的线性注意力机制，成功解决了传统线性注意力在长距离任务掉点的问题，兼顾了极长的上下文窗口与极高的推理速度。
• 杨植麟认为，Agent 的本质是在解空间中进行搜索，而优秀的预训练模型提供了关键的先验知识。面对 AGI 的未来，他强调智能应当具备独特的“品味”（Taste），且是非同质化的。尽管技术伴随风险，但他主张积极探索，将 AGI 视为拓展人类认知边界、提升文明上限的关键钥匙。