17岁高中生重写核心架构，马斯克点赞

2026年7月，人工智能公司“月之暗面” 发布了新一代模型Kimi K3。其总参数量2.8万亿，是全球首个开放权重的3T级模型。特斯拉CEO马斯克在相关评测报道下留言：Impressive（令人印象深刻）。这已经是他第二次公开认可月之暗面团队。

四个月前，马斯克便在个人社交平台点赞过Kimi团队的一篇技术论文。这篇名为Attention Residuals（《注意力残差》）的研究，试图重写主流大模型沿用近十年的一项核心结构，这也是支撑K3模型的重要技术之一。但更引人关注的是，三名“同等贡献”的共同第一作者中，来自深圳的实习生陈广宇当时还在读高三，只有17岁。

人工智能领域研究的年龄与资历门槛，正不断被打破。“不要造神。”他曾在接受媒体采访时表示，更希望外界看到这项团队共同完成的研究，以及它试图解决的大模型底层难题。

从陈广宇个人社交平台的时间线也可以清晰看到，他并非传统意义上的“神童”。他没有奥赛金牌，没有跳级经历，也没有从小写代码的天才叙事。事实上，他从2024年才开始接触机器学习。但从“刚搞懂Transformer”到写出前沿技术论文，不到两年，用他自己的话说，“快速成长”的起点是一个相当“普通”的好奇少年。

陈广宇（资料图片）

一条推文改变的人生

2024年4月，正在读高一的陈广宇做了一个决定：暂停所有自己不喜欢的事。对一个国际学校高中生来说，这意味着暂停为大学申请而积累的社区服务、课堂成绩和一切“应该做”的事。他在个人网站的博客中回忆，他只想学习计算机科学和人工智能，但当时却用课余时间“机械地走流程”。意识到在舍本逐末后，他入手了一本早就想读的关于人工智能安全的书，那次阅读激发了他对这一领域更深的兴趣，于是开始大量阅读物理、宇宙、史蒂夫·乔布斯。

“在那几周里，我学习纯粹是为了满足自己的好奇心，而非想要向别人证明自己。”陈广宇在博客中记录，看着其他同学准备申学材料，他偶尔也会焦虑，担心自己在做“没有意义的事”。

真正与AI产生交集，要等到将近一年后。2025年3月，他开始接触机器学习，并以一种非常规的方式入门：每天下载论文，上传到Gemini，然后问它无数个问题。他在博客中把Gemini称为“导师”（sensei Gemini）。

两个月后，机会以一条推文的形式降临。2025年5月，陈广宇在个人社交账号上分享了自己关于DeltaNet的博客，这是一篇关于线性注意力机制的技术分析，那是他花费数小时的钻研成果。令他意外的是，这个只有20个粉丝的账号竟然得到了杨松琳的回复。杨松琳当时正在美国麻省理工学院读博，是DeltaNet 的关键贡献者之一，也是线性注意力开源小组FLA的发起者。

这条回复引发了一连串连锁反应。他的这篇技术分享帖快速获得了十倍于此前文章的浏览量，甚至被一家美国AI初创公司Tilde Research的CEO看到，并主动约他通话。陈广宇后来在社交平台回忆，Tilde 正在进行的项目让他感到兴奋，但他当时没有急于加入，而是更专注于学习论文和代码，在能够编写自定义 Triton 内核并将其应用于训练之后，陈广宇才去应聘。2025年7月，他独自飞往美国加州的帕洛阿尔托，在Tilde Research开始了为期七周的实习。

“每天在办公室待15个小时。”他在社交平台上记录硅谷的日子。在那里，他和一群优秀的研究人员一同完成了内存优化混合专家模型（MoMoE）项目，工作之余，他还学会了如何租房、如何拓展公司规模，以及如何玩扑克。从校园到硅谷，陈广宇认为“真正为自己打开这扇门的，并不仅仅是技能，而是自己在第一次谈话后所展现出的成长”。

暑假过后，准备安心回归高三生活的陈广宇，收到了月之暗面的邀约，随后加入了Kimi的拓展团队。在北京度过一个月后，他才在社媒透露，称当时正“与一群出色的伙伴共同研究极具吸引力的模型架构”。

2026年1月至3月，陈广宇与知名算法研究员苏剑林、苏州大学博士研究生张宇同完成了AttnRes研究。苏剑林在科学空间博客发表的《Attention Residuals 回忆录》中，以第一人称详细记录了研究分工。他写道，自己提出了AttnRes的“种子想法”并进行小规模初步实验后，张宇和陈广宇表现出极大的兴趣，参与进来并开始在更大规模的模型上做验证，结果令人鼓舞。

苏剑林还记录，经过多轮思路研讨与方案优化，张宇和陈广宇共同提出了论文中的Block Attention Residuals设计。该方案将层划分为多个区块，并对区块信息进行压缩，在尽量保留完整Attention Residuals效果的同时，降低了计算和通信成本。

AttnRes并非陈广宇在Kimi的唯一贡献。据媒体报道，他加入后最早的工作之一是加速KDA（Kimi Delta Attention）的计算内核。这意味着，这个17岁少年在Kimi K3的两大核心架构（AttnRes和KDA）的研发过程中，均有贡献。

不刷题的高中生

陈广宇出生于2009年，整个中学阶段在国际学校度过。对比传统教育下的高分学霸，他更早展现出了极强的动手能力。

高一那年，困扰陈广宇的失眠，意外成了他第一个AI项目的灵感来源。他在博客中回忆，为对抗失眠，他把注意力转移到两个室友的鼾声上，并尝试用表格记录室友的鼾声频率（因变量）与运动、饮食、室温及作业量（自变量）之间的关系。一个月后，刚学完吴恩达决策树模型课程的他，训练了一个预测模型，准确率竟意外达到了70％，远高于随机猜测的33％。

去年3月，陈广宇开通了个人视频账号。他每天制作内容不到一小时，却4天涨了17万订阅量。这段远超预期的经验一度让他对电商项目跃跃欲试。

“很少有16岁的孩子，能用行动把人生切换到另一条轨道。广宇是其中一个。他从一场‘黑客松’出发，一路走进科研、实习和硅谷。不是因为他赢过什么大比赛，也不是天赋异禀，而是因为他愿意动身，愿意试，愿意亲自去看世界。”奇绩创坛（原YC中国）创始成员董科含曾如此评价陈广宇。

2025年2月，在北京一场中学生编程马拉松（又称“黑客松”）中，陈广宇展示了一个关于“人类第三只机械辅助手”（ThirdArm）的创新构想。正是这次亮相，让他结识了评委董科含，并很快入选后者发起的、面向全球15至17岁高潜力青少年的未来领袖计划。彼时的陈广宇“不知道什么是Transformer”，经董科含引荐认识了DeepSeek研究员袁境阳，并在后者指导下，尝试以Gemini为辅助工具，通过研读经典论文、追踪GitHub开源项目等方式，逐步建立起对机器学习的认知。

“我没有系统地学习Triton（OpenAI 开发并开源编程语言和编译器）。对我而言，更有效的方法是：找到一篇相关的论文，理解它的算法，阅读FLA上的Triton代码。当我遇到不熟悉的Triton语法时，搜索并学习相关知识，这样更容易记住它们。”陈广宇去年7月在社交平台上分享了自己的学习方法论。

这种由需求驱动的学习模式，在AI这个范式剧烈变化、知识尚未固化的领域中，反而可能带来更高的效率。去年4月，陈广宇在推荐一篇线性注意力文章时写道：“自从了解线性注意力理论以来读过的最棒的博客。”这说明他在几个月内已经建立起对研究好坏的基本判断能力，而这在传统教科书中没有标准答案。

陈广宇就读的国际学校，走的是申请制路线，本就不靠刷题。但他的经历展示了另一种可能：当AI让知识获取扁平化，“快速进入陌生领域并找到前进路径”的能力，可能比累积知识更重要。

“黑客松”主办方探月学校的创始人王熙乔曾在媒体上表示，近年来，“超级高中生”概念在硅谷和中国逐渐兴起。高中阶段的学生具备成熟的思考能力和强烈的证明自我的动力，而AI的到来进一步缩短了从创意到价值的距离，催生出新的可能性。