张小珺对话杨植麟｜K2时代AI：走出缸中之脑，走向Agent自进化
原文来源：张小珺商业访谈录，访谈录制于Kimi K2刚刚发布阶段。访谈完整阐述月之暗面长期技术路线，诸多观点在后续K3版本落地实现。
一、访谈背景
本次是张小珺第二次深度专访月之暗面Moonshot创始人杨植麟。访谈核心围绕K2模型发布，系统阐述AI发展三段演进路径：走出缸中之脑 → 通用智能体Agent → AI自主进化。
二、核心隐喻：缸中之脑，现有大模型根本局限
杨植麟使用缸中之脑比喻传统纯文本大模型：模型仅在封闭空间内推理，缺少和外部世界交互渠道，所有思考都局限于内部推演，无法对接真实数字环境。
行业技术范式正在切换： 传统路线：预训练缩放 Pre-training Scaling，收益逐步见顶。 新主流路线：测试时缩放 Test-time Scaling，分为两个方向：
- 长思考强化学习：延长单次推理时长，提升模型深度思考能力；
- Agent智能体强化学习：赋予模型工具调用能力，打通外部环境，打破封闭状态。
K2就是该路线的落地产品，依靠强大代码能力，为AI提供和外部系统交互的通道。
三、K2模型定位与技术设计
- 命名寓意：K2即乔戈里峰。杨植麟将AGI比作无尽雪山，模型迭代只是持续攀登的路标；
- 架构：万亿参数MoE混合专家架构，激活参数32B；
- 技术思路：Token效率优先
- 高质量文本数据增长缓慢，多模态无法替代文本逻辑推理；
- 自研Muon优化器，提升数据利用效率；
- 优先夯实逻辑、编码、长上下文基础能力，坚持文本作为底座核心；
- 网传训练成本仅为估算值，包含大量实验调优，没有统一精确数字。
四、技术路线差异化判断
单纯堆参数量、扩充预训练数据内卷模式边际效益越来越低。 部分厂商全力堆长上下文、堆叠多模态，月之暗面选择优先投入深度推理与工具联动。
核心观点：代码不只是编程工具，是AI和外部系统交互通用媒介，是摆脱“缸中之脑”的关键。
榜单跑分只能代表静态能力，真实场景下Agent持续执行、纠错、复盘能力，才是通用智能关键指标。
五、Agent智能体：AI突破封闭环境核心路径
AI演进分为清晰三层路线：
- 第一阶段：走出缸中之脑（K2落地） 具备代码、工具调用能力，AI从“只能思考”变成“可以行动”；
- 第二阶段：成熟通用智能体（K3重点方向） 自主拆解目标、规划步骤、调用工具、执行、校验、自动纠错，脱离人类逐步骤指令；
- 第三阶段：AI自主进化（长期远景） 智能体自主发现任务、识别自身缺陷、自动生成数据、持续自我迭代，趋近通用人工智能。
六、开源与商业化战略
- 长期倾向开源，推动社区共建，形成行业正向竞争，加速技术迭代与安全研究；
- 不会全盘开源，开源、闭源方案并行，面向商业大客户保留专属闭源版本；
- 长期格局预判：全球具备自研底座能力的基础大模型厂商数量有限，开源与闭源阵营会长期共存。
七、全球AI格局与算力思考
- 中美技术路线存在差异，国内场景在办公、自动化、数据分析具备独特优势；
- 反对无意义算力内卷，单纯堆叠硬件不可持续；依靠MoE架构、优化器、测试时缩放等算法创新提升算力利用率；
- 底层技术坚持自研，不依赖开源方案微调，搭建预训练、RLHF、智能体工程化全栈团队。
八、产品思路
Kimi同时覆盖普通用户、开发者、企业客户。底层通用大模型与上层C端产品双线并行，底座能力持续向上赋能应用。产品迭代更多参考真实用户复杂任务反馈，而非单纯追求学术榜单成绩。
九、创业理念、安全与长期主义
- 模型迭代存在周期，坦然面对阶段性跑分压力、舆论争议，坚持3~5年长期技术路线；
- 平衡AI发展与风险管控，不因为潜在风险停止技术探索，同时搭建分层安全对齐机制；
- 终极目标不止提升模型跑分，打造具备自主探索、持续进化能力的通用AI。
十、核心总结
- 传统大模型存在“缸中之脑”封闭缺陷，测试时缩放Test-time Scaling是下一代核心范式；
- 代码作为媒介打通AI与外部世界，K2完成基础能力铺垫，相关Agent路线预判在K3落地；
- AI进化三步走：打破封闭环境 → 通用自主智能体 → AI自进化；
- 采取开源+闭源并行策略，依靠底层算法创新摆脱算力内卷；
- 长期目标构建可自主规划、持续迭代的通用人工智能，兼顾商业化、开源生态与AI安全。
