深度剖析：美国缘何留不住杨植麟？专访其博导、苹果前AI主管揭秘回国创业心路

Kimi K3的惊艳发布，犹如一颗重磅炸弹，在硅谷AI（人工智能）领域掀起了“DeepSeek（深度求索）2.0”般的巨大波澜。

卡内基梅隆大学计算机科学领域的权威教授、曾担任苹果公司AI主管的Russ Salakhutdinov，在X（国外知名社交平台）上发布了一条祝贺帖，没想到这一举动竟在美国引发了一场广泛而深入的讨论：像杨植麟这样卓越的人才，为何没有选择留在美国发展呢？

值得一提的是，Russ Salakhutdinov正是月之暗面创始人杨植麟在攻读博士学位期间的导师。

近日，Russ Salakhutdinov欣然接受了《每日经济新闻》记者（以下简称NBD）的专访。他透露，杨植麟的博士论文在学术界引起了巨大反响，获得了高达2万次的引用量。以杨植麟这般出色的研究水平，他完全有能力先进入顶尖院校开展博士后研究工作，进而一步步成为高校教授。然而，杨植麟内心怀揣着更大的梦想，他更渴望创办属于自己的公司，甚至毅然决然地拒绝了苹果抛出的极具诱惑力的橄榄枝，坚定地选择回国创业。他曾诚恳地对导师表示：“若不尝试创业，这一生必定会留下深深的遗憾。”

当谈及Kimi K3的能力时，Russ Salakhutdinov认为，目前行业仍需要通过更多的实际应用案例，才能准确判断它与其他模型之间的真实差距。不过，他对Kimi采用的开源路线给予了高度肯定，明确表示：“不希望未来整个行业完全走向闭源的发展模式。”

不希望未来行业完全走向闭源

7月27日晚，对于月之暗面来说是一个具有里程碑意义的时刻。该公司在全球知名的开源社区Hugging Face正式发布了Kimi K3完整模型权重，与此同时，还同步公开了详细的技术报告，为行业内的研究者提供了宝贵的学习资料。

Hugging Face的CEO（首席执行官）Clem Delangue激动地发文称，Kimi K3在发布后的短短30分钟内，就收获了超过4000个赞，成功登顶趋势榜，创造了迄今为止最快的发布增长速度纪录，这一成绩无疑彰显了Kimi K3的强大吸引力和影响力。

尽管Kimi K3在海外市场迅速出圈，引起了广泛关注，但从全球AI大模型的调用量这一关键指标来看，它正面临着一众国内开源模型的激烈竞争。

据美国AI模型聚合平台OpenRouter的最新数据统计，在7月27日至8月2日这一周内，Kimi K3的调用量为1.42万亿Token，环比上涨了16%，在全球AI大模型周调用量榜单中仅排名第十。而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、DeepSeekV4 - Pro和智谱GLM - 5.2，这充分展现了中国AI大模型在全球市场的强大竞争力。

NBD：您认为Kimi K3与其他主流顶尖模型相比，具有哪些差异化的特点呢？

Russ Salakhutdinov：Kimi K3最独特的优势在于其开放权重的特性。从目前的测试结果来看，行业还需要通过更多的实践应用，对Kimi K3与各团队研发的模型进行全面的对比研判，才能准确了解它们之间的真实差距。

但可以肯定的是，Kimi K3是业内较早达到前沿技术水平的开源模型之一。现阶段已经有多款开源模型在性能上能够与顶尖闭源模型相媲美，这一突破在AI发展历程中实属不易，为行业的进一步发展奠定了坚实基础。

当然，现在下结论还为时尚早。模型发布后，行业还会持续对其进行调优，不断提升其性能表现，以满足日益增长的市场需求。

我预计，未来美国、中国、印度、日本等多国的实验室，都将持续加大研发投入，推出智能化水平更高的AI模型。后续不同模型之间的差距，将更多地聚焦在运行速度、智能程度以及使用成本等关键因素上。

NBD：您如何看待当前美国关于开源和闭源的激烈争论呢？

Russ Salakhutdinov：我坚定不移地支持开源。开源社区在AI行业的发展过程中发挥了不可磨灭的重要贡献，为行业的创新和进步提供了强大的动力。

在卡内基梅隆大学，我们对谷歌Gemma、Meta Llama等模型开展了深入研究，正是依托于这些模型的开放特性，我们的科研工作才得以顺利推进，取得了许多有价值的研究成果。

倘若行业模型全部采用闭源模式，科研人员将无法接触到模型的底层内容，这不仅会极大地增加开展系统性研究的难度，也使得基于现有模型进行迭代创新变得几乎不可能。

因此，我由衷地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的概念，但二者的核心价值是一致的，都是为了让更多的从业者和研究者能够获取并使用模型，从而推动整个行业的快速发展。

我认为，一个拥有越来越多开源模型的世界，将会是一个更加美好、充满创新活力的世界。

当然，业界对于模型安全、护栏机制以及滥用风险的担忧也是合理且必要的。这些问题确实存在，例如不法分子可能会利用模型实施网络攻击等恶意行为。因此，我们需要持续投入精力深耕模型安全领域，研发完善的安全护栏机制，确保模型的安全可靠使用。我坚决不希望未来行业完全走向闭源的发展道路。

NBD：您认为AGI（通用人工智能）大概何时能够实现呢？

Russ Salakhutdinov：我在这个问题上持比较保守的态度。回顾2015年至2016年，在谈到自动驾驶汽车时，业内普遍乐观地预判将在两年内全面落地。然而，实际情况是，一项技术从0%迭代到80%，再从80%提升到90%的进程相对较快，但要从90%精进到99%，难度将会呈几何级数攀升。

目前的AI技术在某些方面，已经展现出了接近AGI的能力，显著提升了编程、文案创作和工具类工作的效率，为人们的生活和工作带来了诸多便利。但业界所定义的真正的AGI，不仅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。在这些关键领域，我们仍然有很长的路要走，需要不断地探索和创新。

他可能是最优秀的学生之一

杨植麟于1992年出生在广东汕头，这座充满创新氛围的城市或许为他的成长奠定了良好的基础。2011年，杨植麟凭借优异的成绩被清华大学热能工程系录取，然而，他对计算机领域的浓厚兴趣促使他在大二时毅然转入计算机系。在计算机系的四年里，他刻苦学习，不断提升自己的专业能力，最终在2015年以第一名的优异成绩毕业，为自己的本科生涯画上了圆满的句号。

之后，杨植麟怀揣着对知识的渴望和对科研的追求，前往美国卡内基梅隆大学攻读博士学位。他的导师阵容十分强大，包括时任苹果AI研究负责人的Russ Salakhutdinov和时任谷歌首席科学家的William Cohen。一般来说，卡内基梅隆大学计算机博士需要读6年，但杨植麟凭借自己的努力和天赋，仅用了4年就顺利完成了学业，展现出了非凡的学习能力和科研潜力。

在攻读博士学位期间，杨植麟积极寻找实践机会，他先后进入谷歌大脑和Meta实习，在实习过程中，他作为核心成员参与了Transformer - XL和XLNet（均指一种模型）两项具有开创性的研究工作，为项目的成功做出了重要贡献。

NBD：杨植麟在卡内基梅隆大学的求学经历，为他创办月之暗面并打造出Kimi奠定了怎样的基础呢？

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保持着极高的热忱。他的研究工作长期聚焦于语言领域，涵盖了语言理解、预测、情感分析等多个方向。但他始终密切关注Transform - er和语言模型的发展动态，将其作为自己研究的重要方向。

早期大语言模型的发展，核心依托于Transformer架构的规模化拓展，而这也正是杨植麟博士阶段的核心研究课题。他在这个领域进行了深入的研究和探索，积累了丰富的经验。

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，通过不断地优化和改进，提高了模型的性能和效果。这些研究成果不仅为他的学术生涯增添了光彩，也为他日后创办月之暗面并打造出Kimi奠定了坚实的技术基础。

ChatGPT问世之后，杨植麟或许敏锐地意识到，自己长期深耕的技术方向具备落地商业化的巨大潜力。于是，他果断地抓住了这个机遇，开启了创业之路。

NBD：您对杨植麟最深刻的印象是什么呢？

Russ Salakhutdinov：大多数博士生在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4年时间便完成了常规需要6年左右的博士学业，如此高效的学习能力和卓越的科研表现，使他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是非常罕见的，这充分证明了他在学术研究领域的卓越成就和重要地位。

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呢？

Russ Salakhutdinov：杰弗里·辛顿本人虽不专攻自然语言领域，但他毕生都在致力于研究神经网络，不断探索神经网络的优化方法，为神经网络的发展做出了重要贡献。我也完整继承了这一科研理念，在整个职业生涯中，也一直在不同领域深入研究深度学习和深度神经网络，希望能够在这个领域取得更多的突破。

我希望这种科研传统也能够传递给杨植麟。不过，每一名学生最终都会根据自己的热爱和兴趣选择研究方向，导师要做的就是帮助学生找到真正有热情的领域，激发他们的创新潜力。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，在这个领域取得了显著的成果。

杨植麟拒绝苹果

杨植麟的创业故事可以追溯到2016年，当年他与几位志同道合的朋友联合创办了AI企业服务公司循环智能。在公司的发展过程中，他们不断努力创新，积极拓展业务，逐渐在市场上站稳了脚跟。2020年，该公司获得了由红杉中国领投的1200万美元融资，这为公司的发展提供了强大的资金支持。后来，循环智能还与华为云联合研发了盘古大模型，进一步提升了公司的技术实力和市场影响力。

2023年，杨植麟再次踏上创业征程，与周昕宇等人共同创立了月之暗面。他凭借自己的技术优势和创业经验，带领团队不断前进，致力于在AI领域取得更大的突破。

NBD：多数具备顶尖科研能力的博士生，毕业后可能会选择进入高校任教或入职大型科技公司。杨植麟当时的心态是怎样的呢？

Russ Salakhutdinov：与其他大多数博士毕业生不同，杨植麟从未参与过求职招聘。当时，他已经和几位联合创始人开启了创业之路，创立了循环智能公司。他内心深处非常希望回到中国，继续运营公司，将自己的技术和理念带回国内，为国内AI行业的发展贡献自己的力量。

他曾诚恳地对我坦言，倘若不主动尝试创业，以后一定会留下深深的遗憾。坦率地说，我当时听到他的话有些意外，因为创业具备极高的风险，和纯粹的学术研究截然不同，需要面对各种不确定性和挑战。

以杨植麟的研究水平，他完全可以先进入顶尖院校从事博士后研究，积累更多的学术经验，再成为高校教授，在学术领域取得更高的成就。但他更想创办自己的公司，实现自己的创业梦想。

NBD：当时苹果也向杨植麟发出了邀请，情况是怎样的呢？

Russ Salakhutdinov：他与谷歌合作发表的XLNet相关论文，在学术界和行业引起了巨大反响，刷新了多项基准。论文发布时，我正在苹果任职。公司一位高管联系我，询问杨植麟的入职意向，希望能够将这位优秀的人才招揽到苹果公司。

我告知对方，杨植麟已决定回中国创业。对方随即表示，苹果在北京设有办公室，如果杨植麟有意向，随时可以对接，为他提供良好的工作环境和发展机会。如果他当时希望加入苹果，不存在任何阻碍。

NBD：您当时是否劝说他改变决定呢？

Russ Salakhutdinov：我确实有让他慎重考虑，重新权衡利弊。因为创业具备极高的风险，和纯粹的学术研究截然不同，需要面对市场竞争、资金压力、团队管理等诸多问题。而学术研究则相对更加专注于知识的探索和创新，风险相对较小。

但他始终坚持创业的想法，认为可以先尝试创业，如果没有成功，未来依旧可以回归学界任教，继续在学术领域发光发热。他对自己的创业能力充满信心，也愿意为了实现自己的梦想而努力奋斗。

NBD：假如杨植麟选择留在美国，加入苹果、谷歌或者Meta等科技公司，您认为他能否成长为这些公司的高管呢？

Russ Salakhutdinov：完全有可能。以他扎实全面的技术功底，无论入职中美任何一家顶尖科技企业，都足以成长为一名极其优秀的高层管理者。他的核心优势在于能力的全面性，既能深耕底层科研，对技术问题进行深度思考和探索，又精通代码编写、数学推演等技术细节，具备扎实的工程能力。同时，他还具备宏观视野，能够从整体上把握项目的发展方向和战略规划。

当时，我更希望他深耕学界、留校任教，这或许带有我的个人主观倾向。当时应该是2019年左右，ChatGPT尚未问世，AI行业虽已显现出初步发展趋势，但远不及当下这般蓬勃发展，市场环境和行业需求与现在有所不同。

技术型管理层的优势

月之暗面日前完成了F轮融资，这一消息在行业内引起了广泛关注。据悉，公司估值涨至350亿美元，较去年12月43亿美元的估值增长约7倍，这一惊人的增长速度充分展示了月之暗面的强大发展潜力和市场认可度。

NBD：从博士生到明星企业创始人，杨植麟最让您感到意外的特质是什么呢？

Russ Salakhutdinov：在卡内基梅隆大学期间，杨植麟非常技术化，高度聚焦技术科研，对新技术、新理论有着强烈的好奇心和探索欲望。很多技术能力出色的学生，并不会主动想到创业，他们更倾向于在学术领域深入研究，追求知识的突破和创新。而我自身也在创业，深知创业与学术研究是两条完全不同的赛道，需要具备不同的能力和素质。

杨植麟是业内极少兼具顶尖技术能力与创业素养的创始人。我在苹果任职期间，深刻体会过这类技术型管理层的优势。高级副总裁、技术总监等职位均需具备扎实的工程背景，能够理解技术细节，把握技术发展方向，同时还要具备管理能力和战略眼光，能够带领团队实现项目目标。杨植麟正好具备这些优势，这使他在创业过程中能够更好地应对各种挑战，推动公司的发展。

我上一次和他深入沟通，大概是在一年半到两年前。当时我们重点讨论了长上下文和其他一些研究想法，他对技术的敏锐洞察力和创新思维给我留下了深刻的印象。

NBD：目前您门下是否还有中国学生？您认为其中是否会出现如杨植麟一样的创业者呢？

Russ Salakhutdinov：从我的实验室走出去的学生中，不乏创业者。例如，我之前带的硕士生Jimmy Ba后来成为X.AI的联合创始人之一，在AI领域取得了不错的成绩。另外还有一名学生创办了一家机器人公司，专注于机器人技术的研发和应用，展现出了创新精神和创业能力。

同时，也有很多优秀学生选择进入学界，在麻省理工学院、普林斯顿大学、杜克大学等高校担任教授，继续在学术领域深耕细作，为培养下一代科研人才贡献自己的力量。例如，王若松目前就在北京大学担任助理教授，开展相关的教学和科研工作。

我门下有杨植麟这样的创业人才，也有大量来自北京大学、清华大学“姚班”等的优秀学子，他们都是最顶尖的人才。学生的背景和选择非常多样，最终会根据自身追求走向不同的职业道路，无论选择创业还是进入学界，都有机会在各自的领域取得成功。