17岁Kimi核心研究员陈广宇离职赴湾区，否认加入Anthropic

10月15日，年仅17岁的AI研究者陈广宇（Nathan Chen）在X平台发布简短声明，确认已离开月之暗面（Moonshot AI），结束其在Kimi项目近一年的核心研发工作。他在帖文中称，这段经历是“迄今人生中最美好的时光”，并特别感谢团队在他16岁时给予的信任与机会。随后，他回复Anthropic研究员Sholto Douglas的邀请：“谢谢Sholto！我正要去湾区。”这一互动迅速引发外界对其职业去向的广泛猜测——尤其指向硅谷大模型公司Anthropic及其Claude系列模型研发团队。但次日，面对直接提问“是否加入Anthropic”，陈广宇明确回复：“no :)”。截至发稿，其具体雇主、职位及入职时间尚未公开。

陈广宇的学术与工程履历高度聚焦于大语言模型底层架构优化。公开资料显示，他出生于2009年，2025年11月以高三学生身份加入Kimi拓展团队实习，此前曾在Tilde Research完成为期七周的暑期实习，参与内存优化混合专家模型（MoMoE）项目。在Kimi期间，他深度参与Kimi Delta Attention（KDA）计算内核加速、GPU算子开发及训练效率提升工作，研究方向横跨模型架构、优化器设计与硬件适配算法。

其最具影响力的技术成果是2026年3月16日发布的论文《Attention Residuals》（注意力残差）。该论文由陈广宇、旋转位置编码（RoPE）提出者苏剑林、Kimi Linear架构第一作者张宇三人共同担任同等贡献的第一作者。研究针对Transformer中沿用近十年的固定权重残差连接结构提出改进：引入跨层注意力机制，使模型可根据输入动态加权聚合前序各层输出，从而缓解深层网络中隐藏状态幅值膨胀、单层贡献被稀释的问题。为控制额外开销，团队进一步提出Block AttnRes方案——将网络分块，块内保留传统残差累加，块间启用注意力聚合。实验在总参数480亿、激活参数30亿的Kimi Linear模型上完成，预训练数据达1.4万亿token；结果显示，新方法在推理延迟仅增加2%的前提下，性能增益相当于额外投入约25%算力。

该技术成为Kimi K3模型的关键支撑之一。2026年7月发布的Kimi K3总参数量达2.8万亿，是全球首个开放权重的3T级大模型。特斯拉CEO埃隆·马斯克两次在X上评价“Kimi的工作令人印象深刻”（Impressive work from Kimi），足见其技术突破的行业认可度。

值得注意的是，陈广宇并非传统意义上的“神童”。据其个人博客与媒体访谈，他2025年3月才系统接触机器学习，初期通过每日下载论文并借助Gemini反复提问自学，两个月后即撰写DeltaNet线性注意力机制分析博客，意外获得开源社区关键贡献者杨松琳回应，进而引出Tilde Research实习机会。他本人多次强调“不要造神”，主张将关注点回归团队协作与技术本质问题本身。

陈广宇的职业路径折射出当前AI人才竞争的前沿趋势：顶尖科技公司对高潜力青年研究者的争夺已前移至大学入学前阶段。2026年9月，Kimi启动新一轮全球招聘，特设7个“Wild Card”岗位，明确面向“无法被常规岗位描述定义”的顶尖人才；而类似陈广宇这样高中阶段即深度参与工业级大模型研发的案例，在中美科技圈正逐渐增多。探月学校创始人王熙乔曾指出，“超级高中生”现象的兴起，源于AI工具极大缩短了从创意到工程实现的周期，使具备强逻辑能力与自主驱动力的青少年得以快速进入科研一线。

其离职时间节点亦具象征意义：恰逢Kimi K3模型稳定运行、技术路线初步验证完成之际。作为架构层核心参与者，陈广宇的阶段性退出或标志着项目从“攻坚突破”转向“规模化落地”阶段的人才轮动。他未来选择——无论是赴卡内基梅隆大学深造，还是加入湾区某家专注基础模型或强化学习的初创团队——都将持续受到学界与产业界关注。

目前可确认的事实链条清晰：陈广宇已离任月之暗面；他将赴旧金山湾区；他明确排除了加入Anthropic的可能性；其技术贡献真实且具工程落地价值。其余细节尚待本人进一步披露。在AI研发日益依赖跨代际协作的当下，一位17岁研究者从自学入门到参与万亿参数模型架构设计的历程，既是个体成长的缩影，也映射出整个领域对“能力本位”而非“资历本位”的价值重估。