在2026年英伟达GTC大会上，月之暗面Kimi创始人杨植麟通过公开演讲，深入探讨了人工智能大模型发展的技术路径。他指出，当前大模型智能水平的提升已进入关键阶段，突破现有瓶颈需要从底层架构入手，对优化器设计、注意力机制优化及残差连接等核心组件进行系统性重构。这种重构并非简单调整参数，而是通过重新定义计算单元间的交互方式，为模型智能上限的突破提供新的可能性。
杨植麟首次完整披露了Kimi K2.5模型的技术演进框架，将其发展策略概括为三个相互支撑的技术维度。在Token效率层面，模型通过动态压缩算法将信息密度提升40%，同时保持语义完整性；长上下文处理方面，采用分层记忆架构使模型能够稳定处理超过百万token的输入；智能体集群技术则通过构建动态协作网络，使多个专用模型能够根据任务需求自动组合成最优解。这三个维度的技术突破形成乘数效应，推动模型整体性能呈现指数级提升。
针对行业关注的模型扩展问题，杨植麟提出"三维Scaling"新范式。他强调，单纯增加计算资源或模型参数的传统方式已触及边际效益递减点，未来需要同时优化计算效率、记忆容量和协作机制。通过将这三个关键要素进行协同扩展，模型能够在相同算力消耗下实现更显著的智能提升。这种技术路线已在Kimi K2.5的研发中得到验证，实测数据显示其综合性能较前代提升2.3倍。
在演讲最后部分，杨植麟对人工智能形态的演进方向作出判断。他认为，随着多模态交互需求的增长，未来智能系统将从单体架构向动态集群架构转变。这种转变不仅体现在模型数量的增加，更重要的是形成能够自主感知环境、分配任务、协同决策的智能网络。Kimi团队正在研发的Agent Swarms技术，正是通过构建去中心化的智能体协作框架，为这种转型提供技术储备。目前该技术已在复杂任务分解、实时决策等场景中展现出初步优势。
