月之暗面创始人杨植麟演讲核心观点 - 大模型的本质是将能源转化为智能，规模化是行业发展的核心基础，但规模化并非暴力堆砌算力与能源，而是以升级效率为核心 [1] - 公司围绕三大方向构建规模化策略：Token效率、长上下文、Agent集群，旨在有限资源下实现智能最大化 [1] 公司规模化策略三大方向 - 提升Token效率：通过更优的网络架构与优化器，从等量的有效数据（有限常量）中学习更多智能 [3] - 拓展长上下文能力：通过自研Kimi Linear架构，让模型在更长输入下获得更低的损失函数，从而支撑更长输出与更复杂任务的执行 [3] - 突破Agent效率瓶颈：在最新发布的旗舰模型K2.5中，首创了Agent集群技术，以彻底打破单一智能体的效率瓶颈 [3] 大模型训练三阶段演进 - 第一阶段（约三年前）：行业主要使用互联网天然数据，搭配少量人工标注，通过标注判断内容是否符合价值观与偏好 [3] - 第二阶段（2025年）：行业更加重视大规模强化学习系统，由人工筛选高质量任务并定义任务，再通过强化学习提升模型效果，编程、数学等领域的性能提升主要源于此路线 [3] - 第三阶段（未来几年）：人工智能的研究与研发方式将发生重大变化，越来越多的研究工作将由AI主导，每个研究员将配备海量的Token，由AI自动合成新任务、构建新环境、定义最优奖励函数，甚至自主探索全新网络架构，从而进一步加快整个AI领域的研发速度 [3]