作者|二毛

楊植麟身上正在形成一種很典型的創(chuàng)業(yè)者光環(huán)。

行業(yè)抬頭看技術(shù)，他站在臺上講推理、Agent和未來幾年由AI主導的研發(fā)；市場低頭看產(chǎn)品，Kimi在過去幾個月里快速上線了一系列新功能：能寫文檔、做PPT、處理表格、寫代碼的KimiCode，能自動抓取網(wǎng)頁信息的Kimi Claw，能深度檢索資料的Deep Research，以及能多個AI協(xié)作完成復雜任務的Agent Swarm。

外界因此很容易得出一個順滑結(jié)論：月之暗面（以下簡稱月暗）正在從一家明星模型公司，走向一家下一代生產(chǎn)力平臺公司。

這個判斷沒有錯，只是不夠完整。

因為當Kimi不再滿足于只做一個“會回答問題”的模型，而是試圖成為“知識工作的執(zhí)行平臺”，它真正進入的，就不再是一個靠技術(shù)突破就能輕易贏下來的賽道。那里站著的不只是幾家大模型公司，而是一整排已經(jīng)控制了開發(fā)者入口、辦公入口和企業(yè)工作流的巨頭。

而Kimi的難，不只是對手強，更在于它幾乎同時在做兩件最重的事：一邊補足承接復雜工作的底層能力，一邊又去爭知識工作的前臺入口——

別人要么手里已經(jīng)有入口，要么先從能力層往上爬，Kimi 則更像是在地基尚未完全筑厚時就把自己推到了正面戰(zhàn)場。而這條路的資本強度太高，護城河形成速度又未必能快到和燒錢速度匹配。

楊植麟擅長把控方向，但一家公司的勝負，從來不只取決于方向，還取決于能不能把技術(shù)、產(chǎn)品、增長和商業(yè)化，用同一種節(jié)奏擰在一起。

前者更像天才的直覺，后者則屬于企業(yè)家的功課。與其說楊植麟已經(jīng)給出了完整答案，不如說，他正走到這道題最難的部分。

01光環(huán)

2026年3月，美國拉斯維加斯英偉達GTC大會的主舞臺上，楊植麟與OpenAI、DeepMind的負責人并列而坐。這是全球AI頂級從業(yè)者的標準合影，但楊植麟的身份標簽與旁人略有不同——他是唯一獨立大模型創(chuàng)業(yè)公司的代表，其余均為科技巨頭旗下的項目負責人。

這張照片傳回國內(nèi)時，月之暗面的估值剛剛突破180億美元，三個月內(nèi)翻了兩番，創(chuàng)下中國公司晉級“十角獸”（指那些估值超過100億美元的未上市初創(chuàng)公司）的最快紀錄之一。

不過，它的身份或許很快會再次發(fā)生變化：前不久，彭博社傳出消息，月之暗面已與中金公司和高盛展開關(guān)于赴港IPO事宜的初步接觸。智譜與MiniMax高光在前，對于月暗的IPO之路，外界很容易把這種光提前投射到這家公司身上。

這也幾乎是楊植麟身上那層創(chuàng)業(yè)者光環(huán)的自然延伸。

在中國這一代AI創(chuàng)業(yè)者里，楊植麟是少數(shù)幾個不能只放在國內(nèi)語境里討論的人。并且在決定大模型公司上限的那些關(guān)鍵問題上，月之暗面已經(jīng)不能只拿來做本土比較。

真格基金作為月暗早期的投資機構(gòu)之一，管理合伙人戴雨森對于楊植麟的認可是不加掩飾的，他曾在一篇文章中透露，楊植麟在清華讀書時被公認為“神中之神”。這樣的情緒渲染對于理解楊植麟并不完全多余。

楊植麟的學術(shù)底色，幾乎是為大模型時代提前鋪好的：

2015年，他從清華大學計算機系畢業(yè)，后以年級第一的成績進入卡內(nèi)基梅隆大學語言技術(shù)研究所。此后四年，他持續(xù)出現(xiàn)在ICML、NeurIPS、ICLR等AI頂級會議的作者名單里，很早就進入全球最核心的學術(shù)評價體系。

更重要的是，這并不只是“發(fā)過幾篇好論文”那么簡單。他以第一作者或共同第一作者身份參與提出的Transformer-XL 和XLNet，至今仍是預訓練模型發(fā)展史上繞不開的名字。前者推動了長文本建模能力的躍遷，后者更是預訓練模型領(lǐng)域繞不開的里程碑，其思想直接影響了后續(xù)GPT系列的技術(shù)路線。

2019年，他成為ACL（計算語言學協(xié)會，頂級國際學術(shù)組織）史上最年輕的領(lǐng)域主席之一，在創(chuàng)立月之暗面之前，又先后在Google Brain 和FAIR（Meta旗下基礎(chǔ)人工智能研究研究院）任職——既有理論研究者的鋒利，也有頂尖工業(yè)實驗室訓練出來的工程質(zhì)感，這樣的經(jīng)歷，在國內(nèi)并不常見。

也正因如此，外界在評價月之暗面時，談論的往往不只是能力，還有一種更難被量化的氣質(zhì)?；蛟S用Manus首席科學家季逸超對Kimi的評價可以一語概之：

“Kimi這家公司，還是比較有品的?！?/strong>

品味，taste，這兩年頻繁的在創(chuàng)投圈里被提起，常常被認為是AI公司唯一的護城河。2026年3月《紐約客》甚至直接寫：“taste”已經(jīng)成了硅谷新的buzzword，熱度有點像 2010年代的“disruption”。

在季逸超眼中，品味的具象化，體現(xiàn)在一家公司的evaluation或者內(nèi)部的benchmark上，“因為你內(nèi)部的衡量指標，無論是對于模型的benchmark，還是對于人，其實決定了這家公司和產(chǎn)品該走的方向”。

楊植麟身上一個很突出的特點是，他似乎并不滿足于“按別人的題目把分考高”，而總想先確認：這道題本身出得對不對。

絕大部分行業(yè)公開的benchmark從根本上來說是由人工定義的，經(jīng)常會存在benchmark不夠或者失效的現(xiàn)象。

“現(xiàn)在agent能用的benchmark不是很多，而且你在benchmark上看到一個分數(shù)，很多時候并不是agent能力的反應，甚至很片面，這個是我覺得大家要去解決的一個問題。”楊植麟在《張小珺|商業(yè)訪談錄》的播客中，曾披露過行業(yè)的這一現(xiàn)狀。

但很多公司為了刷分，只針對性的讓模型做幾個特定場景，以方便對外發(fā)新聞稿來達到不同的目的，然而，那并不是模型真實的表現(xiàn)能力，在一些更OOD(Out-of-Distribution，可簡單理解為“超綱“)的場景里，體感就會變得很差。

基于此，月暗內(nèi)部補了一套更貼近真實工作的benchmark：

比如K2.5在代碼方向上，并不只看公開榜單，而是自己設(shè)計了Kimi Code Bench，去衡量build、debug、refactor、test這些更接近真實軟件工程的任務；在辦公場景里，又專門做了AI Office Benchmark和General Agent Benchmark，去看Office輸出質(zhì)量和多步工作流到底完成得怎么樣。

往里一層，在K2.5 Agent Swarm的訓練里，它的獎勵機制也不只是“調(diào)來更多agent”這種表面的熱鬧，它會刻意避免兩種情況：看起來很多agent，實際還是串行在做；或者為了“并行”好看，硬拆出一堆無效步驟，反而拖慢整體進度。

這幾乎是季逸超那句話的具象版本：你用什么 benchmark，就會訓練出什么產(chǎn)品。月暗不是先做出一堆功能，再反過來替它們找解釋，恰恰相反，是它先決定什么樣的能力值得被度量，產(chǎn)品才沿著這些指標往外生長。

只是，這樣的路徑也意味著更高的研發(fā)成本，更慢的產(chǎn)品節(jié)奏，以及對底層模型能力持續(xù)兌現(xiàn)的更高要求。

事實上，這也是楊植麟過往風格的延續(xù)。

無論是Transformer-XL，還是后來的XLNet，他做的都不只是沿著既有路徑再往前推一點。前者試圖解決的是，模型在面對更長信息時，為什么總會出現(xiàn)記不住、接不上的問題；后者則干脆繞開當時主流預訓練路線的一些先天缺陷，重新改寫了題目本身。

這兩項工作的共同點在于，它們都沒有停留在既定框架里做加法，而是直接碰了當時行業(yè)默認接受的前提。

這就是楊植麟。他似乎從來不滿足于只在現(xiàn)成賽道上提速，而總要先追問一句：這條賽道的起點、規(guī)則和邊界，是否本來就值得重畫。

到了創(chuàng)業(yè)時期，他身上這種“先定義問題，再做技術(shù)”的習慣，變得更具體了。

早在2023年Kimi以超長文本能力進入公眾視野時，楊植麟看重的就不只是“能裝下更多內(nèi)容”，而是另一件更底層的事：當信息越來越多、任務越來越長時，模型還能不能把前后文接住，并持續(xù)往前推。

今天再回頭看，Kimi首頁擺出來的，已經(jīng)不只是一個對話框，而是Docs、Slides、Sheets、Deep Research、Kimi Code、Kimi Claw、Agent Swarm這樣一整排能力模塊。表面上看，這是產(chǎn)品在變多；往深一層看，它們其實都在回答同一個問題：

模型真正的價值，不是某一刻把一句話答得多漂亮，而是任務一旦被拉長、被做復雜之后，它還能不能一路不掉鏈子地把整件事接住。

而一個試圖做到這一點的產(chǎn)品，最終就很難停留在“聊天助手”的位置上，它會被一步步推向更重的角色：知識工作的入口、調(diào)度臺，甚至執(zhí)行平臺。

但當Kimi從“回答問題”轉(zhuǎn)向“調(diào)度知識工作”，它就很難只守一頭：往下要補模型，往上要爭入口。缺了用戶關(guān)系，只是別人的能力供應商；缺了底層能力，又撐不起“把事做完”的承諾。這意味著月之暗面從一開始就走進了一場更重的戰(zhàn)役——資本密度更高，兌現(xiàn)周期更長。

而當一家公司同時打兩場戰(zhàn)爭，錢就不再只是財務問題，而是戰(zhàn)略本身。月之暗面當然不至于為生存發(fā)愁，但它怎么會不缺錢呢？

02怎么會不缺錢呢？

2025年的最后一天，楊植麟發(fā)布內(nèi)部信，透露公司的現(xiàn)金持有量超過100億元，作為對比，同樣以IPO前的財務數(shù)據(jù)為基準：MiniMax在赴港招股時，若只看現(xiàn)金及現(xiàn)金等價物，約為24.9億元人民幣；智譜同期約為25.5億元人民幣。若按更寬口徑看可動用資金，MiniMax約為72.1億元人民幣，智譜約為32.1億元。

于是，楊植麟說：“我們短期不著急上市”。然而3個月后，月暗IPO的消息不脛而走。看起來，似乎與楊植麟的“不著急”前后矛盾。

不過，把這兩句話放回同一條時間線上看，它們未必真的互相抵觸：前者說的是，月之暗面當下并不需要為生存或續(xù)命倉促上市，后者對應的則是，在AI概念再度受到資本追捧的窗口期，這家公司也沒有理由把一條可能更寬的融資通道長期關(guān)在門外。

要知道，能不為眼前的生存焦慮上市，和該為下一場更昂貴的戰(zhàn)爭提前備糧，本來就是兩回事。

更何況，月之暗面怎么會不缺錢呢？

行業(yè)如今正在發(fā)生的變化是：模型公司向上搶入口，辦公巨頭向下吞模型，協(xié)作平臺橫向加AI。這三股力量表面上方向不同，但底層想爭的是同一樣東西：知識工作的控制點——也就是楊植麟目前所在的戰(zhàn)場。

說的更直接一些，大家都想從“幫用戶做一點事”走向“定義用戶怎么做事”。

原因并不復雜：大模型正在變得越來越聰明，但“聰明”本身并不直接創(chuàng)造價值。真正決定價值能否落地的，是誰能先把這顆大腦接進現(xiàn)實世界的手和腳里。

就像一個偉大的方案，若不能執(zhí)行落地，那無異于紙上談兵。

一個大模型公司都不得不面對的事實是：模型層的“純智力租金”正在快速被壓縮。

我們以Anthropic為例：Anthropic在2024年6月發(fā)布Claude 3.5 Sonnet時，API定價就是

也就是說：模型能力在顯著躍遷的同時，單位“智力”的價格并沒有跟著抬升，反而更像被競爭鎖死了。

國內(nèi)就更不必說，2025年，大模型價格戰(zhàn)已經(jīng)卷到幾乎貼著成本線打：阿里云2月將通義千問視覺理解模型降價超80%，百度4月發(fā)布文心4.5 Turbo和X1 Turbo時，又把輸入價分別打到0.8元和1元/百萬tokens，月暗也在同月下調(diào)開放平臺價格，官方明確寫到，Kimi-latest自動緩存后的價格仍只有1元/百萬tokens。

《財經(jīng)》曾援引多位云廠商負責人的說法指出，2024年5月以前，國內(nèi)大模型推理算力毛利率還高于60%；但在5月各大廠接連降價后，這一毛利率已跌至負數(shù)。

另一邊，頭部公司的路徑已經(jīng)越來越一致：賣的都不只是 token，而是把模型變成能真正干活的系統(tǒng)。

OpenAI已經(jīng)把web search、file search、containers 單獨拿出來收費，在Responses API 和Agents SDK 里，也直接把工具調(diào)用、狀態(tài)管理、多步執(zhí)行寫進產(chǎn)品定義；Anthropic同樣不再只收模型調(diào)用費，web search 和 code execution另行計價，對Claude Code的定義也不再是代碼補全，而是能讀代碼庫、跨文件修改、運行測試、交付結(jié)果；

Google一邊在Gemini API里把搜索增強、上下文緩存存儲拆出來賣，一邊又把Gemini全面塞進 Gmail、Docs、Sheets、Meet、NotebookLM 等Workspace體系，強調(diào)服務每個員工、每條工作流；

微軟則把Copilot做成貫穿Microsoft 365的工作入口，覆蓋聊天、搜索、文件、郵件和agents構(gòu)建；飛書和釘釘也都在把AI往會議紀要、任務提醒、知識問答這些高頻工作環(huán)節(jié)里嵌。

甚至連Notion、Cursor這樣的輕量級選手也已經(jīng)把自己包裝成“AI workspace”，主打Agent、Enterprise Search、自動化和知識空間。

Kimi也把錢從API挪到“我替你動用了多少工具、占用了多少環(huán)境、持續(xù)運行了多久”上：Kimi web search每次調(diào)用收費0.005美元，搜索結(jié)果token還會繼續(xù)計費；Kimi Claw的一鍵云部署則需要Allegretto（每月$31）或更高會員。

市場也用真金白銀給出答案：微軟這邊，2026財年第二季度財報顯示，Microsoft 365 Copilot的付費席位已達 1500萬個，按標價年化測算約為54億美元；谷歌則成功實現(xiàn)了Scaling Law到商業(yè)利潤的轉(zhuǎn)化。根據(jù)2026年初的披露，Gemini Enterprise已售出超過800萬個付費席位，覆蓋超過2,800家大型企業(yè)客戶。

當然，“喜報”里也有升級為“知識工作執(zhí)行平臺”的Kimi：

據(jù)第三方基于Stripe支付數(shù)據(jù)的追蹤，Kimi個人訂閱用戶1月支付訂單數(shù)環(huán)比增長8280%，2月環(huán)比再漲123.8%。在其全球支付榜單上，短短兩個月，Kimi排名由百名開外飆升至第9位。

據(jù)Gartner（全球最知名的技術(shù)研究與咨詢公司）判斷，到 2035年，agentic AI可能貢獻企業(yè)應用軟件收入的約 30%，規(guī)模超過4500億美元。

于是，一個更清晰的格局開始浮現(xiàn)：大模型公司的終局對手正在快速收斂。

OpenAI、Anthropic、Google、微軟，以及月之暗面這樣的新玩家，看上去分屬不同位置，做的卻越來越像同一門生意——把模型接進真實工作流，爭奪知識工作的入口、調(diào)度權(quán)和收費權(quán)。也正因此，他們彼此都在改寫對方的邊界，也彼此成為對手。

這場戰(zhàn)爭燒錢的速度，與對手的體量成正比，而月之暗面要同時與數(shù)家萬億市值的巨頭對壘，每一輪彈藥補給都是生死線。

而最難的是，盡管站在同一片戰(zhàn)場上，大家要打的仗卻并不一樣。

對大多數(shù)公司來說，這更像是一場單線推進的競爭：

有的是從既有入口往下壓，比如Google、微軟、飛書等，它們原本就守著Docs、Sheets、Word、Excel這些現(xiàn)成的入口，AI對它們只是升級，不是開荒；

有的公司選擇從模型能力往上爬，比如智譜和MiniMax，皆是以能力層起家，再慢慢往agent和應用層上探。 OpenAI和Anthropic也是同理，先模型后產(chǎn)品，并且如今它們已經(jīng)占住了開發(fā)者和代碼助手的高地，可以從容地向外擴張；

而Notion、Cursor、Perplexity這種，它們的優(yōu)勢不是模型一定更強，而是用戶原本就在它們那里干活，已經(jīng)在用戶的某個具體工作場景里扎得很深了。

它們各自都有根據(jù)地，只需專注在將自己的優(yōu)勢繼續(xù)放大上。

但Kimi沒有。對楊植麟而言，他像是在同時應付幾場戰(zhàn)役：

它既沒有現(xiàn)成的辦公入口，也不甘心只做底層能力的供應商。它想讓用戶直接把工作交給Kimi，這就意味著它不僅要證明模型夠強，還要證明用戶有理由改變原本的工作習慣。

前一種成本，是訓練、推理、Infra和工程；后一種成本，是產(chǎn)品打磨、市場教育、組織滲透和企業(yè)信任。這意味著月之暗面要同時承擔兩條最昂貴的戰(zhàn)線：一條是模型軍備競賽的硬成本，一條是用戶習慣遷移的軟成本。

Google和微軟每年在AI上的投入以百億美元計，但它們的Office 365和Workspace本就是盈利業(yè)務，AI投入是“升級存量”而非“創(chuàng)造增量”。

OpenAI雖也無宿主平臺，但其C端付費用戶數(shù)已突破 5000萬，月收入約20億美元，年化收入超過250億美元；Anthropic近期被報道年化已快速抬升至300億美元，形成了自我造血飛輪。

月之暗面則不然。它的估值在三個月內(nèi)從43億美元飆至180億美元，創(chuàng)下中國“十角獸”最快晉級紀錄之一，但這恰恰說明資本對其“多線作戰(zhàn)”能力的極度渴求——

既要養(yǎng)得起K2.5這樣的萬億參數(shù)模型和端到端強化學習的算力消耗，又要熬得起企業(yè)客戶從試用到真正依賴的18個月平均轉(zhuǎn)化周期；既要維持C端免費策略以搶奪用戶時長，又要搭建企業(yè)級私有化部署和API服務體系。

據(jù)行業(yè)估算，其2024年單年算力支出已超10億元人民幣，而Agent產(chǎn)品的工程化、多模態(tài)能力的持續(xù)迭代、以及海外市場拓展，都將繼續(xù)推高這一數(shù)字。

更關(guān)鍵的是，這場戰(zhàn)爭沒有終局。模型能力每提升一代，入口爭奪就要重新打一遍；用戶習慣每松動一寸，就需要持續(xù)的產(chǎn)品投入來鞏固。短時間內(nèi)就去IPO，更像是“永遠需要更多錢”的注腳。

而比“永遠需要更多錢”更緊迫的現(xiàn)實是：的錢甚至還沒找到穩(wěn)定的來路。

03道阻且長

如果把這場競爭理解成一場陣地戰(zhàn)，Kimi更像是一個火力很猛、意圖很靠前的遠程兵種：出手快、爆發(fā)強、打法直接，但它背后的補給線、原生地盤和容錯空間，卻遠比對手脆弱。

月暗的造血困境，藏在它最光鮮的履歷里。

盡管估值已經(jīng)突破180億美元，但它的收入規(guī)模尚不及對手的零頭。2025年，月之暗面C端訂閱收入估算約2億元人民幣（數(shù)據(jù)來自于媒體《光錐智能》），加上API收入也難以觸及1億美元。

即便2026年K2.5發(fā)布后“20天收入超過2025年全年”，這種爆發(fā)更多反映的是此前基數(shù)之低，而非商業(yè)模式之穩(wěn)。

更深層的問題在于，它的用戶來得快，去得也快：2024年11月，它的月活是3600萬，一年后（2025年Q3）跌至不足千萬。

數(shù)據(jù)過山車的背后，也暴露出楊植麟在運營層面的偏好：更擅長方向判斷與關(guān)鍵決策，而非漸進式的節(jié)奏把控。

2024年，月暗是行業(yè)公認的“投流狂魔”，高峰期每月投放高達數(shù)億元，10月和11月單月投放甚至超過了2億元。

但到了2025年情況變了。字節(jié)、阿里這樣的巨頭，靠著自己原有的流量入口和產(chǎn)品生態(tài)，把拉新成本抬得很高。對月之暗面這種創(chuàng)業(yè)公司來說，單靠花錢買用戶，越來越像一個填不滿的無底洞。

與此同時，DeepSeek又用極高的工程效率，把模型能力的價格迅速打了下來。Kimi早期靠“長文本”建立起來的那點領(lǐng)先優(yōu)勢，也被快速稀釋了。

在此背景下，楊植麟的應對不是精細化調(diào)優(yōu)，而是直接“踩剎車”：全面停止投放，暫停多個安卓渠道與第三方廣告合作，停更兩款出海產(chǎn)品。全員信明確“不以絕對用戶數(shù)量為目標”。

從“燒錢換增長”到“全面收縮”，戰(zhàn)術(shù)轉(zhuǎn)換大開大合，幾乎沒有中間過渡地帶。這意味著前期投入的人力與資源并未沉淀為可持續(xù)的能力，而是隨著戰(zhàn)略轉(zhuǎn)向直接清零。用戶側(cè)更出現(xiàn)真空期：原有C端用戶習慣被中斷，新用戶群體教育尚未完成，品牌能見度驟降。

但問題并不止于此。

比起增長失速更值得警惕的是，月之暗面的收入結(jié)構(gòu)本身，也沒有看上去那么扎實，尤其是被寄予厚望的海外業(yè)務。

月暗的API收入在2025年底增長4倍，2026年初，隨著開源Agent產(chǎn)品OpenClaw爆火，近四分之一的Tokens消耗來自該生態(tài)，另有大量調(diào)用來自AI編程工具如Kilo Code等第三方編程工具。

也就是說，Kimi的海外收入并非來自自有產(chǎn)品的粘性用戶，而是作為底層能力被集成進別人的應用——用戶不屬于自己，入口也不掌握在自己手里。

這類收入的最大問題在于，議價空間有限，替代風險極高。一旦這些外部產(chǎn)品轉(zhuǎn)向其他模型，收入鏈將瞬間斷裂。

與此同時，它的燒錢速度從未放緩。2025年底對全員進行調(diào)薪和期權(quán)激勵，2026年計劃將平均激勵翻倍；新增融資明確用于“擴增顯卡規(guī)模、推進K3研發(fā)”。賬面現(xiàn)金超過100億元，卻在不到兩個月內(nèi)連續(xù)完成兩輪超12億美元融資——

充裕的儲備反而印證了造血能力的不足，若自我運轉(zhuǎn)強勁，便無需如此急切地儲備彈藥。

但這也是戰(zhàn)略定位的必然代價：既無現(xiàn)成入口，又未建立穩(wěn)定的用戶付費心智，當對手可以靠既有業(yè)務輸血、靠生態(tài)鎖定用戶時，月之暗面只能靠自己一輪又一輪地融資，來同時填滿兩個無底洞。

戴雨森曾透露，楊植麟希望被認可的標簽里，“企業(yè)家”是其中之一。只不過到今天，這位“天才”身上更鮮明的，仍然是工程師的質(zhì)地。

在2025年底的那封內(nèi)部信里，楊植麟把“超越 Anthropic、成為世界領(lǐng)先的AGI公司”寫成最重要目標，又強調(diào)“不以絕對用戶數(shù)量為目標，持續(xù)追求智能上限”，甚至明確提到“需要一點偏執(zhí)的審美堅持”。

野心與方向感依然堅定，但反過來看，問題也在這里：一個創(chuàng)始人如果太相信只要模型足夠好，別的問題都會被穿透。

事實上，這種思路不只影響他怎么看產(chǎn)品，也影響他怎么搭組織。因為當“更快、更強、更直接”被放在首位時，組織結(jié)構(gòu)也會自然向極致扁平和高強度溝通傾斜。

公開報道里，楊植麟的個性簽名就是“直接溝通”；公司長期堅持極致扁平，沒有中間管理層，聯(lián)創(chuàng)要直接對接40到50位同事。這樣的組織當然有速度，也很適合高天賦、高自驅(qū)的人，但報道也同時寫到：規(guī)模一大就會出現(xiàn)信息過載，一些員工會因為缺少清晰反饋和確定性而感到失重。

換句話說，他可能更擅長拉高標準、壓縮鏈路、逼近真相，但未必同樣擅長給更大規(guī)模的人群提供秩序感、安全感和可持續(xù)的管理結(jié)構(gòu)。

一個人被過早放進“神中之神”的敘事里，市場就會天然高估他的確定性，低估一家公司真正要面對的復雜性。

楊植麟信奉一句話：“Problems are inevitable, but problems are soluble.” （問題是不可避免的，但問題也都是可以被解決的），這句話出自近年來被硅谷追捧的一本書：《The Beginning of Infinity》，這本書是由物理學家David Deutsch撰寫的。

巧合的是，有批評者認為，Deutsch的這本書低估了組織、政治、人性在知識傳播中的摩擦成本——這正是楊植麟這類技術(shù)理想主義者容易忽視的維度。

在回答張小珺“為什么AI產(chǎn)品還沒有形成數(shù)據(jù)飛輪”時，楊植麟是這樣解釋的：

“因為基于算力的scaling太強大了……另一方面，所謂的數(shù)據(jù)飛輪是很依賴外部環(huán)境的feedback(反饋)，這個feedback我們不希望它有很多的噪聲，但現(xiàn)在可能somehow還沒有把這個問題解決的很好，大模型的學習對噪聲還是比較敏感的，跟傳統(tǒng)的推薦系統(tǒng)不太一樣?！?/p>

簡單理解就是：在當下這個階段，算力擴張和強化學習帶來的能力提升仍然十分明顯；相比之下，讓模型直接從復雜、嘈雜的用戶反饋中持續(xù)學習，這條路還沒有被真正跑通。

某種程度上，這種對“內(nèi)部確定性”的倚重，也延伸到了楊植麟看待外部世界的方式里。

他曾說，要在“自己的故事里去感受自己是個什么樣的人”。這句話未必是一種回避，更像是他處理不確定性的方式：當外界圍繞投放、留存和商業(yè)化不斷提出疑問時，他更愿意回到自己更熟悉、也更相信的那部分東西——技術(shù)迭代、能力提升，以及內(nèi)部邏輯的持續(xù)自洽。

但月之暗面終究會走向更大的舞臺。Scaling Law的紅利也許還沒有結(jié)束，可一家公司能不能走遠，終究不只取決于模型本身。再往后，真實世界的反饋、團隊的承接和商業(yè)的耐心，都會成為同樣重要的變量。

對楊植麟而言，這或許也是另一門課：如何讓技術(shù)之外的部分，也慢慢長出來。

圖片來源于網(wǎng)絡(luò)，侵刪