导语
2026年，随着Kimi K3的发布，中国开源大模型再次震动硅谷，被称作“Kimi Moment”。这不仅是性能的突破，更标志着中国AI从追求性价比转向冲击技术前沿。投资人叶奇意（Kiwi）作为亲历者，从上一代“AI四小龙”之一的依图科技，到参与月之暗面A轮领投，再到在创新工场见证早期探索，他完整穿越了中国AI的两次浪潮。本期访谈中，他深入剖析了两代AI公司在人才、资本、技术路径上的传承与变迁，分享了与杨植麟相识、投资月之暗面的幕后故事，并对AGI的未来产品形态提出了独到见解。
投资人亲历：从AI四小龙到大模型，两代浪潮的人才与信仰迁徙
投资人叶奇意（Kiwi）回顾了其亲历的中国AI两大浪潮。他详述了如何在AGI信仰驱动下，从上一代“AI四小龙”的人才库中寻觅并支持了杨植麟与月之暗面，并对比了两代公司在泛化能力、商业模式与人才构成上的根本差异。文章探讨了从追求模型能力到构建智能生态的行业演进，并展望了智能普惠的未来产品形态。
大纲与深读 8 章
展开「深读」看每一段讨论的问题与论据。
01
投资月之暗面：缘起与建联
02:40- Kiwi在ChatGPT发布后，识别出大模型具备通用人工智能的潜力，开始在中国寻找有信仰的团队。
- 他通过追踪技术履历发现杨植麟一直追求Transformer架构下的模型规模化，将其列为重点目标。
- Kiwi作为行业新人，花了近4个月时间追到杨植麟，并通过推荐优秀工程师加入团队等方式建立信任。
深读这一段
讨论的问题：在ChatGPT引发行业变革后，投资人是如何在中国寻找并最终投资月之暗面的？
论据 / 案例：杨植麟在2019年Google实习时参与发表Transformer XL和XLnet，此后在国内智源研究院和华为盘古团队都参与了相关工作。
02
A轮决策与AGI信仰
09:20- 美团龙珠在月之暗面A一轮领投，当时其估值相对其他头部模型公司较低，因为团队年轻且尚未证明自己。
- 内部投委会对投资创业公司做超级模型存在巨大争议，王兴最终表态愿意支持这一理想主义探索。
- Kiwi认为押注杨植麟的关键在于其团队对AGI目标的纯粹性，没有被短期商业化目标干扰。
深读这一段
讨论的问题：在众多大模型公司中，美团龙珠为何最终决定领投月之暗面的A轮？
论据 / 案例：王兴在投委会上表态：“我确实认为创业公司能够去做超级模型和超级应用的概率很低，但我愿意支持一把。”
03
Kimi成长：从探索到Kimi Moment
11:30- 2024年初，Kimi因展示长文本读研报能力而获得DAU暴涨，但也面临追求AGI与商业化证明的两难平衡。
- DeepSeek R1的发布是转折点，教育了资本市场，让模型公司能更专注于AGI目标收敛。
- K3的发布是中国模型首次在性能上触摸顶尖水平，且选择开源，带来了比去年DeepSeek更震撼的“Kimi Moment”。
深读这一段
讨论的问题：Kimi团队在2024-2025年经历了哪些关键转折与挑战，如何实现技术突破？
论据 / 案例：K3在发布时超越了OpenAI o1系列的所有模型，且训练过程已触及顶尖水平；DeepSeek R1在2025年初开源，展示了思维链过程。
04
AI1.0四小龙与2.0传承
30:10- 上一代AI公司（商汤、旷视等）因模型泛化能力不足，商业化本质沦为高成本的服务型生意。
- 但上一代培养了对技术的信仰和探索精神，为2.0大模型公司输送了核心人才与工程经验。
- 两代AI公司的核心传承是为顶尖年轻人创造宽松、重探索的环境，而非预设严格的路径。
深读这一段
讨论的问题：上一代中国AI“四小龙”留下了哪些经验教训，又如何影响了当下的大模型竞争？
论据 / 案例：人脸识别在不同省市因风雨雪雾天气和摄像头高度差异，需要重新标注数据和训练模型，导致模型泛化能力不足，业务模式类似服务型公司。
05
DeepSeek与差异化人才策略
43:00- DeepSeek作为黑马，早期招人策略是只招最聪明的ACM/NOI竞赛人才，与创始人量化背景的惯性有关。
- 不同模型公司因创始人背景不同，在触达特定优秀人才群体上存在效率差异，形成不同的人才分布。
- Kimi、智谱等公司则因有上一代四小龙或清华实验室背景，在触达有经验的中间力量方面更有优势。
深读这一段
讨论的问题：DeepSeek作为黑马异军突起，其人才策略与团队构成有何独特之处？
论据 / 案例：DeepSeek创始人梁文锋之前运营幻方量化，该公司原本就偏好招最聪明的ACM/NOI人才，因此在招人上有惯性。
06
创新工场AI探索与Scaling Law认知
48:00- 创新工场AI工程院早期为解决AI1.0商业化问题，探索将学术突破产品化，但路径依赖于上一代的垂直To B模式。
- 2019年尝试做中文版GPT-2，虽获赠几百台V100算力，但因数据清洗不到位和认知局限效果不佳。
- 当时并未真正理解Scaling Law，直到ChatGPT发布后才意识到数据工程和规模化计算的决定性作用。
深读这一段
讨论的问题：在ChatGPT爆发前，中国AI界对大模型和Scaling Law的认知经历了怎样的过程？
论据 / 案例：2019年创新工场用几百台V100训练中文GPT-2，但模型效果糟糕，回邮件时会连续输出三个逗号。
07
大厂角色与超级应用未来
59:20- 字节跳动通过AI短剧和抖音生态，展示了模型生产、消费、分发的闭环，打法非常先进。
- 阿里通过投资和提供算力，扮演了中国大模型“基建支持者”的角色，对行业至关重要。
- 腾讯的微信拥有全球最好的用户交互环境之一，是未来大模型产品不可小觑的平台。
深读这一段
讨论的问题：在中国大模型生态中，字节、阿里、腾讯等大厂分别扮演着怎样的角色？
论据 / 案例：字节推出AI短剧等产品，实现了模型、应用、分发的闭环；阿里投资了几乎所有国内头部大模型公司，提供算力资源。
08
Kiwi创业：聚焦人与人交互
66:40- Kiwi认为当前很多AI产品让用户感觉像“二等公民”，因为无法平等地利用AI能力。
- 他创办的公司专注于“for human interaction”的小工具，旨在服务和增强人与人之间的交流。
- 他相信人与人交流是共同制造场域、重建意图的过程，而非单纯的编码解码信号。
深读这一段
讨论的问题：Kiwi离开美团后选择创业，他看到了当前AI产品的什么核心问题，想解决什么？
论据 / 案例：Kiwi自称是“AI世界的二等公民”，因为作为非技术背景用户，在开放式AI产品中感觉不够聪明，产出的代码也不可维护。
金句
- "I definitely think the probability of a startup being able to build both a super model and a super application is very low, but I'm willing to take a bet on it." —— 我确实认为创业公司能够去做超级模型和超级应用的概率很低，但我愿意支持一把。
- "We were actually searching for people who truly believed in AGI, and whose technical faith and excitement about 'AI+' were sufficient." —— 我们去追到底谁相信AGI，并且我们认为他的技术的信仰，对于AI+的这个exciting的程度是足够的。
- "K3 is the first time for a Chinese model that we are not competing on cost-effectiveness, but saying we can touch the frontier models." —— K3是中国模型第一次不是在拼性价比，而是说我们可以去摸那个索塔（frontier）模型。
- "The core of these AI companies is to create a good environment for them, and constantly adjust the reward. Let everyone have a good reward feedback system." —— 这波AI公司核心的是为他们去创造好的环境和相对我觉得不断的调整这个reward吧。就让大家有一些好的reward反馈的体系。
- "I've always felt like a second-class citizen in the AI world. A product that makes a group of users feel like second-class citizens is probably not a good product." —— 我一直觉得我是AI世界的二等公民。一个产品如果一直让一波用户觉得他是二等公民，它大概率不是一个好产品。
