杨植麟再访：AI逃离“缸中之脑”，迈向智能体与自进化之路

概述

2025年7月，月之暗面（Moonshot AI）发布开源编码与智能体大模型Kimi K2后，创始人杨植麟接受了第二次深度专访。此次对话围绕三个核心范式变迁展开：从“缸中之脑”（brain in a vat）式的纯粹推理，到多轮智能体强化学习所代表的与外部世界交互；从预训练 + 监督微调（SFT）的研发范式，转向预训练 + 强化学习（RL）并以此驱动智能体能力的范式；以及模型公司从依赖第三方脚手架“逆向工程”模型能力，转向构建“第一方智能体产品”的研发逻辑。访谈同时系统拆解了OpenAI L1‑L5框架的内在依赖关系，指出推理（Reasoner）与智能体（Agent）是解锁创新（Innovator）与组织（Organizer）阶段的前提，而AGI并非单一阶梯，而是一个不断爬升的方向。杨植麟借用物理学家大卫·多伊奇《无穷的开始》的哲学隐喻——“问题是不可避免的，问题是可解决的”——将人工智能研发视为永无顶峰的无尽雪山，追求的是攀登本身。

背景与问题

本次访谈发生在一个特殊的时点。距首次访谈一年半，期间基础模型赛道经历了剧烈的舆论起伏与能力飞跃。DeepSeek在2025年初达到全球峰值声望，而杨植麟本人几乎停止公开露面，在内部仅将飞书签名加上“时间的朋友”。K2的发布让公司重回公众视野，该模型被《自然》杂志称为“另一个DeepSeek时刻”。K2基于混合专家（MoE）架构，其核心突破在于通过编码能力让模型离开“缸中之脑”，长出“手”，能够操作外部数字世界，完成长达数小时的复杂端到端任务。

外部环境的变化映射出两个关键研究问题：

1. 大模型如何从封闭的推理环境过渡到多轮、多工具的交互式任务执行？
2. 模型公司如何构建可持续的研发范式，使模型不仅能使用工具，更能参与自身迭代（自进化），并最终形成可泛化的多智能体系统？

杨植麟在访谈中就此给出了技术判断与路线图。

核心内容解析

1. 从“缸中之脑”到世界交互：两种推理范式

杨植麟区分了当前两种关键的推理扩展方式，二者共同指向测试时扩展（test‑time scaling），即在预测阶段通过增加计算量与生成token数来完成更复杂的任务。

• 长思维推理（long‑thinking reasoning）：以o1为代表，模型在回答前进行内部反思，不断提出猜想并自我验证，将原本需要多次采样（Pass@k）才能得到的正确解浓缩为单次通过（Pass@1）。这一过程本质上是线性的串行采样，但可通过并行采样混合提升效率。杨植麟指出，虽然看起来是“自由探索”，但实际运作趋于线性——每次猜想建立在前序猜想（甚至是被否决的猜想）之上。该范式仍属于“缸中之脑”：模型不与外界互动，仅凭内部思维解决问题。

• 多轮智能体强化学习（agent RL）：模型在行动的同时思考，调用搜索引擎、浏览器、代码执行器等外部工具，根据环境反馈更新状态，在多轮交互中完成任务。这是模型从“颅内思考”向“手脑并用”的跃迁。K2正是通过这种范式呈现了克隆代码仓库、跨语言翻译、调试、测试等端到端编码能力，整个过程无需人类干预，时间跨度可达数小时。

两种范式的共同本质是在推理时扩展token数量：前者通过增加单轮思考token，后者通过增加交互轮次与工具调用，最终支撑起复杂、开放式的任务。

2. 研发范式迁移：从SFT到RL，从对话到智能体

访谈透露了Kimi内部研发重心的明确转向：

• 技术主线：从以预训练 + 监督微调（SFT）为中心的范式，切换至预训练 + 强化学习（RL）。这要求团队能力结构与研发流程的全面重塑。
• 产品形态：从纯对话（Chat）向智能体（Agent）演进。K1.5验证了RL技术栈，特别是端到端奖励信号的有效性。团队发现，无需过程奖励（process reward）或价值函数，直接用结果奖励训练即可，这些复杂机制反而可能引入副作用。这为后续K2的智能体RL训练扫清了路线。

3. 第一方产品 vs. 第三方脚手架：模型公司的新逻辑

杨植麟对比了两种开发范式：

• 第三方脚手架模式：基于模型已有的溢出能力，通过逆向工程猜测其训练环境中的工具、系统提示与上下文工程，搭建产品（例如Manus）。本质是拟合模型训练分布。
• 第一方智能体产品模式：从正向设计工具与环境，再在相同环境中端到端训练模型，使模型在该环境中获得天然的性能优势。工具和模型可以协同优化：模型表现不佳时，可调整工具设计并重新训练，形成更高的集成上限。

他认为，第一方产品拥有更高的天花板，但Kimi目前的投入仍以模型为主线，只是将这一趋势视为重要变量。

4. L1‑L5框架的重新审视：非线性跃迁与自进化之门

针对OpenAI定义的Chatbot → Reasoner → Agent → Innovator → Organizer五级跃迁，杨植麟给出了非教条式的解读：

• 推理与智能体并非严格的串行依赖。Claude的路径便是先做Agent再做狭义推理，技术路线选择造成短期分化，但若要攀向更高峰，二者终需兼备。
• 智能体能力是解锁创新（L4）的关键。只有当模型能参与模型自身的研发——提出新想法、运行实验、分析结果、迭代优化——才能进入创新阶段。K2被期望参与K3的开发。
• 组织（L5）与创新可能并行发生。L5可理解为多智能体系统：从一个智能体分叉出多个并行或串行的子智能体，分别负责代码、测试、文档、架构等分工。但如何端到端训练出泛化性强的多智能体系统，仍是巨大挑战。
• AGI不是某个阶梯上的瞬间，而是一个方向。技术上许多子领域已超过99%人类，但技术对社会结构的重塑（如蒸汽机般需要数十年消化）同样是AGI的组成部分。杨植麟比喻：公司的名字“Moonshot”（登月）与AI的差异在于，登月有“站上月球即可宣告成功”的时刻，而AI则永远在不断攀爬的路上，甚至将来可能是“你使用AI去攀登”。

5. 无限山峰的攀登哲学

杨植麟反复阅读《无穷的开始》，将两句铭文“问题是不可避免的，问题是可解决的”转化为研发信仰。在他看来，人类文明从静态走向动态，科学知识的边界不断扩张，每解决一个问题就产生新问题。AI的技术发展正处于完全相同的状态：RL解决后遇到评估与验证难题，验证问题解决后又会有新挑战。“也许有一天我们会发现这座雪山根本没有顶峰——我不知道——我希望它永远没有。”

关键概念与机制

以下对访谈中涉及的核心机制进行结构化拆解。

优势、局限与适用场景

优势

• 能力边界突破：从单轮对话到多轮交互、从文本生成到实际操作数字世界，打开了编程、科研、复杂工作流等应用场景。
• 长时自主作业：测试时扩展使得数小时的端到端任务成为可能，极大降低了人类监督成本。
• 第一方集成潜力：模型与工具协同训练可避免分布漂移，提高复杂场景下的可靠性。
• 开源与生态：K2以开源MoE架构推出，有望复现“DeepSeek时刻”的生态效应，促进社区二次开发。

局限与风险

• 评估与验证难题：对于开放式端到端任务，如何定义有效的自动评估指标仍无万全之策。模型的自我进化若缺乏可靠验证，可能走向不可控的行为漂移。
• 多智能体泛化挑战：训练多智能体系统时，极易过拟合于特定任务分工，难以泛化到未见的协作结构。
• 长期消化周期：技术影响力与人类社会的融合需要数十年，过早宣称某一阶段“已完成”可能掩盖大量未解决的边缘问题。
• 路径依赖风险：虽然推理与智能体可并行，但若某一方向投资过度而忽视另一方向，可能陷入局部最优。Kimi当前重心在模型，第一方产品投入尚小，可能限制产品化速度。

适用场景

• 复杂软件工程：代码仓库级别的翻译、重构、调试、测试自动化。
• 科研辅助：实验设计、结果分析与迭代优化，成为研究员的“放大器”。
• 多步骤业务流程：需串联搜索、数据查询、格式转换、报告生成的混合任务。
• 模型预研与自改进：利用智能体能力参与下一代模型的研发，形成闭环创新。

关键要点总结

• 范式双引擎：长思考推理（内部思维扩展）与多轮智能体强化学习（外部交互扩展）共同构成测试时扩展的基石，二者缺一不可，是通向更高级智能的必经之路。
• 研发重心转移：从SFT转向RL，从对话转向Agent，K1.5验证了端到端奖励信号的可行性，K2实现了从“缸中之脑”到“手脑并用”的工程落地。
• 产品逻辑演变：第一方产品模式通过正向设计工具与环境并联合训练，有望获得比逆向工程式脚手架更高的集成度和性能上限。
• L4/L5的前提是L3：智能体能力是让模型参与自身迭代（创新）和组织多智能体系统（组织）的关键锁钥，推理与智能体可交叉推进，但终需齐备。
• AGI非一步登顶：无绝对终点，更多维度上已超人类，但社会层面的消化与重塑是AGI的长期维度；追求的是持续攀登的过程本身。
• 哲学底色：“问题是不可避免的，问题是可解决的”贯穿创业与技术决策，将技术挑战转化为可解的问题，再从中衍生新的探索，构成无限进化的雪山攀登。

参考资料

• 访谈源推文（包含内容摘要与链接索引）：https://x.com/zhang_benita/status/2079758352213762367
• 本次访谈的完整中文文字稿及YouTube视频播客（英文字幕）信息见于该推文，具体链接未在摘录中提供，建议通过上述源线程获取。

本报告基于张小珺对杨植麟的第二次专访内容撰写，提炼了技术范式、研发策略与哲学层面的核心判断，适合作为追踪Kimi技术演进及AI智能体趋势的长期参考资料。