AI付费率仅0.3% 张予彤解析Kimi技术人才与开源破局之路

“当前AI的体验与架构紧密相关，但从人类社会整体发展进程来看，智能技术带来的实际体验渗透率，仍处于一个非常早期的阶段。”5月12日晚，月之暗面Kimi总裁张予彤在北京大学光华管理学院的论坛上，开场便以这一清醒判断点明了行业现状，引发了业界对AI规模化应用的深度思考。

张予彤于2024年4月正式加入月之暗面。去年12月，她首次以Kimi总裁身份在清华大学公开亮相，明确了其负责公司整体战略与商业化推进的职责。此次北大光华论坛，已是她自去年末以来的第三次重要公开演讲。

作为清华校友，张予彤的履历与月之暗面有着深厚渊源。她曾代表金沙江创投投资过创始人杨植麟的早期创业项目“循环智能”，也因此被外界视为Kimi成长过程中的关键支持者。杨植麟曾公开表示，张予彤在业务战略制定及多轮关键融资中，为公司做出了重要贡献。

在今年1月的达沃斯世界经济论坛年会上，张予彤分享的一组对比数据令人印象深刻：Kimi仅投入了约相当于美国顶尖实验室1%的研发资源，便成功推出了达到行业领先水平的开源模型Kimi K2及Kimi K2 Thinking。这充分展现了公司在技术研发效率与成本控制方面的卓越能力。

而在本次北大光华的分享中，她首次系统性地对外阐述了Kimi在AI时代的人才观，并对开源战略与智能技术的未来演进路径给出了独到见解。她透露，在Kimi内部，尤其看重两类具备高阶抽象能力的人才：一类是能够洞察本质、提出真正原创价值主张的思考者；另一类则是在高度不确定性中坚持极致实验、推动持续迭代的坚定执行者。

谈智能普及：全球84%人口尚未接触AI，规模化应用仍处黎明前夕

“目前全球还有多少人从未使用过AI？答案是84%。”论坛上，张予彤首先引用了这组值得深思的数据。她指出，尽管人工智能已成为全球热议话题，甚至引发诸多关于其局限性与风险的讨论，但事实上，全球仍有高达84%的人未曾真正体验过AI产品。而愿意为AI服务付费的用户比例，更是低至0.3%。

这组数据揭示了一个核心现实：智能技术的规模化普及与应用，依然任重道远。如何理解智能的未来价值？张予彤做了一个历史类比：农业革命通过机械实现了生产自动化，工业革命则让标准化商品得以大规模、低成本生产。如今，智能本身也将成为一种可规模化提供的“商品”，而这种商品，本质上可由能源与算力转化而来。

正是基于这种长期主义的技术观，Kimi选择了一条注重效率的独特发展路径。创始人杨植麟在“2026中关村论坛年会”上曾指出，规模化是AI发展的基础，但真正的规模化绝非简单堆砌算力与能源，其核心在于系统效率的持续提升。为此，Kimi聚焦三大关键技术方向构建其规模化体系：Token（词元）使用效率、长上下文理解与处理能力、以及多智能体（Agent）协同机制，旨在有限的资源条件下实现智能产出的最大化。

这一战略思路在Kimi近期的产品迭代中清晰体现。今年1月，新一代K2.5模型正式发布，在智能体能力、代码生成、多模态理解及多项通用任务上均达到了开源领域的SOTA（当前最优）水平。短短三个月后，K2.6模型亮相并继续坚持开源。据悉，该模型具备业界领先的代码能力、长程复杂任务执行能力以及大规模智能体集群协作能力，最高可支持300个子智能体并行协作，完成多达4000个步骤的复杂流程。

面对未来，张予彤在论坛上坦言：“智能规模化的道路依然漫长，我们将持续投入其中。”她认为，智能技术仍有大量场景等待被规模化激活：首先是模型架构与参数效率本身，预计未来几个月就能见到新的突破。此外，在推理过程中也存在大量可优化的智能“增量”，通过资源的动态协同、链式“思考”以及外部工具的高效调用，这些能力均拥有广阔的提升与拓展空间。

谈及开源这一核心战略选择，张予彤强调，当智能发展的上限不再单纯受参数规模与算力约束时，高质量的数据与反馈将成为关键瓶颈。而开源技术体系与开放社区带来的持续反馈，正是提升数据质量、突破智能能力天花板的核心路径。

“这就像上同一门课程，每个人的收获却可能截然不同。”她比喻道，“开源生态让模型能够持续吸收网络前沿的知识与反馈。许多技术本身并非全新，在日常研发中已被熟知。但总有一部分人，更有勇气去挑战既有的技术范式，对其进行重新定义与整合，从而推动整个智能演进路径的升级。”

谈人才与创业：可迁移的通用能力比狭窄的专业技能更关键

当智能本身能够像标准化商品一样被高效生产时，AI时代什么样的人才更具持久价值？张予彤给出了明确答案，并提出了一个鲜明观点：Build Your Own Job（创造属于你自己的岗位）。

她表示，Kimi在人才选拔上已形成清晰标准：在AI驱动的环境中，可迁移的通用问题解决能力，比局限于某一领域的狭窄专业技能更为宝贵。原因在于，AI时代的大多数工作场景都缺乏成熟流程与现成答案，几乎所有挑战都是首次出现。“此时，我们需要的是那些面对未被明确定义的问题时感到兴奋，并且拥有扎实、可泛化的智能素养来系统性解决新问题的人。”

除了解决未知问题的通用能力，AI时代对工作模式的重构，也要求人才具备全新的协同思维。“并行优于串行。”张予彤指出，传统的串行工作流程每一步都严重依赖前序结果，整体效率受限。而在AI时代，通过智能体编排、工程化管道等技术，可以实现任务的大规模并行化处理。具备并行工程思维与协作能力的人才，将获得指数级提升的产出效能。

如果说通用能力与并行思维是AI时代人才的基础素养，那么对本质的洞察力、审美判断与原创能力，则是决定个体能否脱颖而出的核心差异化优势。

“追随行业共识是最安全的选择，但对创业公司而言，这可能恰恰是最危险的选择。”张予彤直言不讳，“当所有人都认同某个方向，其他公司也已开始布局，或者模式已被验证时，选择跟进看似安全。但对于创业公司来说，这通常意味着失去了构建独特优势的时间窗口。”

在她看来，人很难被简单的标签所定义，毕业院校、所学专业都只是外在标识。她更关注的是前述那两类抽象能力：一类是深入本质思考、能持续产出原创洞见的创新者；另一类则是在巨大不确定性中坚持高强度实验、在迭代中积累深层认知的偏执执行者。“一个优质创意往往需要上千次尝试打磨，多数人可能尝试十次便放弃了，而极少数人能通过反复试错形成超越常人的深刻理解。”这两类人才，在Kimi的业务推进与技术创新中均扮演着至关重要的角色。

随着AI能力快速进化，社会对其影响的担忧也日益增多。对此，张予彤保持着审慎乐观。她同时建议在校学生与从业者，一定要亲手使用各类AI工具，深度感知其能力边界与局限性。“长期来看，我相信AI将对人类社会产生积极影响。当然，对其安全性、可靠性及社会效应的担忧是正常且必要的。关键在于保持开放的学习心态，并建立基于实践的理解。一定要亲自上手体验。实践越多，认知越深。许多关键理解源于动手过程中的感悟，而不仅仅来自他人的观点。在一次次的真实交互中，你会获得更直观、更深刻的行业洞察。”