10月15日，陈广宇在X上发了一条简短的离职帖。

“过去一年在Kimi的工作是我迄今为止最美好的时光。”他写道，非常感激能够与如此出色和支持他的同事，共事并从中学到东西。

他没有解释原因，也没有透露去向。但业内人都知道这条帖子的分量，陈广宇只有17岁，而他参与研发的Attention Residuals架构，已经是Kimi K3、全球首个开放权重3T级大模型的底层技术之一。

评论区里，Anthropic可扩展强化学习方向负责人Sholto Douglas半开玩笑地问：原本去CMU的计划还作数吗？要不要来旧金山一起工作？

陈广宇回了一句：谢谢Sholto！我正要去海湾区。

一个17岁的中国少年，从惠州一所国际学校出发，用不到两年时间走进了Kimi的核心架构组，然后转身走向了硅谷。

这不是一个“天才少年好厉害”的故事。更像是一面镜子，照出中国AI产业正在经历的一场更深层的焦虑：我们已经能在全球范围内发现顶尖人才，但我们的组织、文化和技术天花板，真的接得住他们吗？

16岁实习生走进Kimi核心

陈广宇的起点，跟“天才少年”的刻板印象相去甚远。

他没有奥赛金牌，没有跳级经历，也不是从小写代码的神童。2009年出生于深圳，就读于惠州贝赛思体系学校，跟大多数高中生一样按部就班地上课、考试。

转折点发生在2024年4月。读高一的陈广宇做了一个决定：暂停所有不喜欢的事，专心学AI。

他的学习方法极具时代特征——把论文上传给Gemini，再一遍遍提问，他后来在博客里把Gemini称作“导师”。

2025年5月，他在社交平台上发了一篇关于DeltaNet的技术博客。DeltaNet是当时前沿的线性注意力架构。帖子被该领域关键贡献者、MIT博士杨松琳回复，随后又被硅谷AI初创公司Tilde Research的CEO发现，主动约他通话。

那年夏天，16岁的陈广宇一个人飞到加州帕洛阿尔托，开始了七周实习。他每天在办公室待15个小时，参与内存优化混合专家模型MoMoE项目。

这段经历的意义远超一份实习证明，它让陈广宇第一次接触到全球最顶尖的AI研究环境，那些只在论文里见过名字的人，可能就在隔壁工位，这也为他后来的选择埋下了伏笔。

实习结束后，陈广宇收到了月之暗面的邀约。2025年11月，他加入Kimi团队，担任机器学习研究员，当时他还只有16岁，身份是实习生。

进入Kimi后，陈广宇从内部48小时黑客马拉松冠军中突围，进一步进入了核心研究圈。

真正让他出圈的，是2026年3月发表的Attention Residuals论文。

共同一作的分量

Attention Residuals这篇论文，是理解陈广宇技术价值的关键。

简单说，它改进的是Transformer架构里沿用了近十年的残差连接机制。传统残差连接像一层层叠加的笔记，每一层加进新信息，但层数多了以后，早期的有用信息会被冲淡。

AttnRes的原始想法由苏剑林（旋转位置编码RoPE提出者）提出，张宇（Kimi Linear架构第一作者）和陈广宇加入后，在更大规模模型上进行验证。

最关键的工程突破，是陈广宇与张宇共同提出的Block AttnRes（分块注意力残差） 。把上百层网络划分成若干区块，块内维持低成本的基础累加，只在块间做精细的注意力聚合。这样显存复杂度从层数级降到了块数量级，只分约8个块，就能找回全量版绝大部分性能。

实测数据很硬核，Kimi Linear 48B模型上用1.4万亿token训练，AttnRes达到同样效果只需要基准模型约80%的算力，推理延迟增量不到2%。GPQA-Diamond提升7.5分，Minerva Math涨3.6分，HumanEval涨3.1分。

论文发布当天，硅谷半个AI圈被炸了出来。OpenAI联合创始人Karpathy评价：“看来还没把'Attention is All You Need'这句话按字面意思理解透。”马斯克留下一句：Impressive work from Kimi.

这时人们才注意到，三位共同第一作者中，有一个17岁的实习生。

但陈广宇反复强调一件事：不要造神。他说成果属于团队，希望外界看到的是研究本身试图解决的底层难题。苏剑林的复盘文章里也写过，训练团队曾认为方案还不够可行，原因很直白——说白了还是穷。

这个细节很重要，AttnRes不是某个人的灵光一现，而是在算力约束下整个团队逼出来的创新。陈广宇是关键一环，但不是全部。

更重要的是，这项成果已经进入了Kimi的生产环境，2026年7月发布的Kimi K3，总参数量2.8万亿，是全球首个开放权重的3T级模型，AttnRes正是支撑它的底座技术之一。

Wild Card的悖论

陈广宇离职前一个月，Kimi刚推出了一项雄心勃勃的招聘计划。

9月9日，Kimi宣布招募7名"Wild Card"人才——无法被常规岗位描述定义的人。同时推出穿越计划，不限专业、不限实习年级，不把学历和资历作为主要门槛，优秀者可获期权。

这套招聘逻辑，和陈广宇的经历几乎是一个模板：先找到人，再决定他能解决什么问题，先看上限，再补齐岗位名称。

这几乎是当前中国AI公司的共同姿态，打破常规、破格录用、天才少年、黑客松招人……所有人都在抢最聪明的大脑。

但问题来了：招进来了，然后呢？

陈广宇的离开，照出了这个模式的另一面。

钛媒体报道引用了Kimi团队研究者Yulun Du的话：“他曾就陈广宇的决定与他进行过几次长谈。看到他离开'很难过，也很令人心碎'，但在这个年纪，尽可能探索和追随新的好奇心，可能是对他最好的选择。”

这段话信息量很大。它没有明说为什么离开，但“探索新的好奇心”的措辞，暗示了一个核心矛盾：非典型人才的成长速度，可能比组织的上升通道更快。

一个16岁就能做出共同一作级别技术贡献的人，他的两年后在哪里？

如果在硅谷，他可能加入OpenAI或Anthropic，跟最顶尖的团队一起工作，解决最前沿的问题。如果留在国内，他的上升路径是什么？继续做研究员？升主管？管理一个团队？

对于真正的顶级人才来说，这些都不是最有吸引力的。他们要的是——最硬的问题、最好的同事、最大的杠杆。

Kimi是中国最好的大模型公司之一，但如果把视野拉到全球，跟Anthropic、OpenAI比，在基础研究深度、人才密度、问题前沿性上，仍然有差距。

这不是Kimi的问题，这是整个中国AI产业的现状。

Wild Card模式的悖论就在这里，你用最开放的姿态招到了最顶尖的人才，但如果你的技术天花板、组织复杂度和文化包容性跟不上，他们最终还是会走。

更深一层的矛盾在于，非典型人才往往不适应标准化的组织生活。他们需要更高密度的交流、更快的反馈、更大的试错空间。他们不一定适应汇报线，不一定愿意沿着传统职业路径往上走。

而中国公司，哪怕是最创新的AI公司，组织管理大多还是传统模式——职级、晋升、绩效、汇报。这些对常规人才是效率工具，但对Wild Card人才，可能就是束缚。

陈广宇去湾区，大概率不是为了钱。Anthropic出得起的薪酬，Kimi也出得起。他要的，可能是另一种东西，一种更适合他这种非常规选手生长的土壤。

人才焦虑，不止大模型圈

陈广宇的故事之所以值得关注，是因为他折射的人才焦虑，不只存在于大模型公司。

汽车行业正在经历同样的阵痛。

小鹏、理想、蔚来、比亚迪……每家车企都在疯抢智驾人才——大模型算法工程师、端到端智驾架构师、数据科学家。薪资水涨船高，有三年经验的算法工程师，年薪百万是起步价。

但招来的人，留得住吗？

汽车公司的组织文化，跟互联网和AI公司完全不同。层级分明、流程繁琐、节奏偏慢——这些对传统汽车工程师是常态，但对AI算法人才，可能就是无法忍受的低效。

某头部车企智驾部门负责人私下说过一句很扎心的话：“我们花两倍工资从互联网公司挖来的人，不到一年走了一半。不是钱不够，是他们受不了我们的流程。”

这跟陈广宇的故事，本质上是同一个问题——组织能力跟不上人才密度。

再看机器人行业，人才问题更尖锐。

具身智能是交叉学科，需要同时懂大模型、机器人控制、硬件、软件的复合型人才。而这样的人，全球都没多少。

智元、宇树、银河通用……每家公司都在抢同一批人。薪资越炒越高，但真正能干活的就那么多。而且跟大模型公司比，机器人公司的技术深度和品牌吸引力还弱一档——顶尖人才的第一选择往往还是大模型公司。

更严峻的是，机器人行业的人才流失不仅流向硅谷，也在行业内部流动。一家公司刚培养出来的工程师，可能被另一家以翻倍薪资挖走。整个行业都在抢人，但很少有人认真思考：我怎么才能把人留住？

答案当然不只是涨工资。

真正能留住顶级人才的，是三个东西：值得投入的问题、足够聪明的同事、清晰可见的成长空间。

问题决定了工作的意义，你是在做改变行业的事情，还是在做边缘的修修补补？

同事决定了工作的密度，跟比你聪明的人一起工作，成长速度是指数级的；跟平庸的人一起工作，只会被消耗。

成长空间决定了工作的未来——你能看到自己三年后在哪里，五年后在哪里，而不是在一个位置上原地打转。

用这三个标准去衡量，中国的AI公司、汽车公司、机器人公司，有多少能真正达标？

从发现人才到配得上人才

陈广宇的离开，不是Kimi的失败。

恰恰相反，Kimi能在一个16岁高中生还没出名的时候发现他、信任他、给他核心项目做，这本身已经比绝大多数中国公司做得都好。

但陈广宇的离开，确实提出了一个全行业都需要回答的问题：

当我们已经学会了在全球范围内发现最顶尖的人才，我们的产业、我们的公司、我们的组织，准备好了接住他们吗？

这个问题的答案，决定了中国AI产业的下一个十年。

过去十年，中国AI的进步有目共睹。我们有了Kimi、DeepSeek这样能跟全球顶尖公司掰手腕的选手。我们有了智元、宇树这样的具身智能第一梯队企业。我们有了小鹏、理想这样的智能汽车新势力。

但如果把竞争维度从产品拉到人才，差距依然明显。

硅谷的优势，从来不只是钱和技术。它的优势在于——它有一个完整的生态系统，让最聪明的人愿意来、来了能成长、成长了能留下。 这个生态系统里，有世界上最好的大学，有最活跃的创业文化，有最成熟的资本体系，有对"怪人"最大的包容度。

陈广宇去湾区，他面对的不只是Anthropic一家公司，而是整个硅谷生态——那里有跟他一样聪明的同龄人，有最前沿的问题，有最快的反馈循环，有最大的舞台。

反观国内，我们的AI生态还在建设中。我们有好公司，但不够多；我们有好大学，但跟产业的结合还不够紧密；我们有资本，但更追求短期回报而非长期价值。

人才争夺战打到最后，拼的不是谁出的工资高，而是谁的生态系统更有吸引力。

对于汽车智能和机器人行业来说，这个问题更迫切。因为这些行业的AI人才缺口更大、复合型人才更少、组织转型的难度更高。

车企需要的不只是招几个算法工程师，而是整个组织从"汽车思维"转向"软件思维"——从层级制走向扁平化，从流程驱动走向问题驱动，从按部就班走向快速迭代。

机器人公司需要的也不只是挖几个大模型人才，而是建立一个能让硬件和软件人才深度协作的环境——让搞机械的和搞算法的能真正对话，而不是各干各的。

这些改变，都比涨工资难多了。

但也只有做到这些，中国的科技公司，才能真正留住陈广宇这样的人。