对话叶奇意：“寻找”月之暗面杨植麟、中国两代 AI、十年人才迁徙，与 AGI 信仰

📌 一句话摘要

本文通过投资人 Kiwi 的视角，回顾了中国 AI 十年两代浪潮的更替，深度剖析了月之暗面（Moonshot）的早期投资故事、中国大模型创业的算力困境与人才传承，并探讨了从存量数据范式向强化学习范式迁移的行业趋势。

📝 详细摘要

文章以访谈形式，邀请美团龙珠前投资人 Kiwi 回顾了中国 AI 过去十年的演变。从上一代以计算机视觉为主的「AI 四小龙」到当前以大模型为核心的「六小虎」，文章探讨了人才、资本与技术信仰的传承。Kiwi 详细讲述了领投月之暗面（Moonshot）的波折过程，强调了对杨植麟团队技术纯粹性的认可。内容还涵盖了中国大模型创业在算力匮乏背景下的生存策略、ToC 产品的竞争压力，以及 2025 年后从存量数据训练向强化学习与审美驱动的范式迁移。文章最后指出，中国 AI 行业正通过人才流动与技术积累，从追求性价比转向挑战 SOTA 模型。

💡 主要观点

- 人才与技术的信仰是两代 AI 浪潮的连接点。 无论是上一代的计算机视觉公司还是当前的大模型公司，核心驱动力均源于对技术探索的纯粹信仰，这种理想主义在不同代际的优秀年轻人中形成了传承。

算力匮乏倒逼中国模型厂商进行深度优化。 相比北美充裕的算力资源，中国创业公司在资源受限下被迫进行极致的工程优化，反而在推理效率与性价比上形成了独特的竞争优势。

AI 训练范式正从存量数据向审美驱动迁移。 随着 o1 等模型的出现，行业从单纯依赖预训练数据转向强化学习与测试时计算扩展（TTS），模型能力提升开始依赖于开发者对任务质量的审美与评价。

中国开源模型已具备挑战 SOTA 的能力。 Kimi K3 等模型的发布标志着中国开源模型不再仅仅是「平替」，而是开始在性能上摸高全球领先的闭源模型，展现出更强的技术自主性。

💬 文章金句

- 如果用一句话概括我自己，我应该是一个持续保持偏见、持续犯错、持续被打脸，但仍然坚持保持偏见的 AI 行业普通探索者。

追求不一定有用的事情，可能是追求 AGI 的一个映射。
这一次中国模型不是在拼性价比，而是我们可以去摸那个 SOTA 模型了，这件事情对我自己的鼓舞是挺大的。

📊 文章信息

AI 初评：90

来源：硅谷101

作者：硅谷101

分类：商业科技

语言：中文

阅读时间：83 分钟

字数：20595

标签：人工智能, 大模型, 月之暗面, AGI, 创业投资

阅读完整文章

对话叶奇意：“寻找”月之暗面杨植麟、中国两代 AI、十年人才迁徙，与 AGI 信仰

🤖 問 AI