对话叶奇意：「寻找」月之暗面杨植麟、中国两代 AI、十年人才迁徙与 AGI 信仰

节目信息

• 栏目：硅谷 101（视频播客）
• 主持：陈茜
• 发布时间：2026-07-28
• 采访嘉宾：叶奇意（Kiwi）—— Ailoha! 创始人、前美团龙珠投资人，主导推动月之暗面 A1 轮领投
• 主题：Kimi K3 发布震动硅谷之后，回看月之暗面真实的创业故事、上一代 AI 四小龙与这一代中国大模型公司之间的人才与理想如何重新汇合，以及「为什么是这些人」——关于 AGI 信仰

---

Kimi K3 重写了「中国 AI 震撼硅谷」的剧本

自 2025 年春节 DeepSeek-R1 时刻之后，市场对「中国开源大模型再次震惊硅谷」的阈值已经被拉得很高。但月之暗面 Kimi K3 的发布重新做到了。

叶奇意在访谈里把这次的「震撼」与 R1 时刻做了明确区分：K3 的训练过程——而不是只比推理优化——已经超过了 OpenAI o 系列当时所有的模型。换句话说，中国开源模型第一次不是在拼「性价比」，而是真正去「摸」那个 SOTA 模型本身。这件事的分量远大于「又一次优化突围」：它意味着你不再需要在「更便宜」和「更好」之间二选一。

也正因此，K3 带来的硅谷震撼比一年前的 R1 时刻更紧——上次是「中国的优化能追上来」，这次是「中国的基础研究也能摸到前沿」。这层差别的分量，硅谷感受得比国内更敏锐。

美团龙珠为什么敢在「没产品」时领投？

美团龙珠在 2023 年下半年领投月之暗面 A1 轮时，Kimi 还没有产品、估值也还没立起来，胜算并不明朗。同期百川、零一万物、智谱等的估值已经接近 1 亿美元，有些更早成立、估值过 1 亿美元的团队甚至还没跑出真正的大公司。

美团内部对这笔投资的讨论非常激烈。一边是「赌一个有泛化能力的模型必然诞生」的未来主义判断，一边是「模型就是无底洞，创业公司不可能承受」的现实主义担忧。领投的转折点，来自王兴的一句话——「创业公司做超级模型的概率确实低，但愿意支一把。」

这句话把团队从「算清楚再投」拽回到「理想主义也值得押注」的位置。对叶奇意来说，正是王兴这一句话，让美团龙珠在 2023 年上半年的犹豫之后坚定地领投。

更难的是怎么找到杨植麟。在尝试了多次微信申请、辗转通过共同朋友引荐之后，叶奇意才加上他的微信。第一次见面是她飞往北京、聊了很久。Kiwi 形容对杨植麟的第一印象是「纯粹、踏实、眼里有光」——即便当时团队只有二十几人、模型方向还在密集迭代期，他依然非常确定要做什么。

上一代与这一代：人才、经验与理想的重新汇合

Kimi 的崛起不是一两个人从零开始的故事。上一代中国 AI 四小龙（商汤、旷视、依图、云从）在 2018-2022 年那一波创业潮里培养了一整代 AI 人才，但他们之中的多数人在 2022-2023 年那波「理想主义破灭」里没有拿到世俗意义上的好回报——相当一部分人进入大厂，或者暂时离开 AI 一线。叶奇意自己就是这条曲线上的亲历者。

Kiwi 在 2018 年加入创新工场 AI 工程院——这是创新工场在 AI 1.0 时代专门孵化 AI 公司的小型组织，规模鼎盛时约 20 多人。她在那里负责细分领域探索，长期跟踪学术界突破到工业场景的落地路径，期间孵化了若干家 AI 公司。离开创新工场之后她转入投资，加入美团龙珠，主导推动月之暗面 A1 轮。

A1 轮融资之外，更难的是找人。叶奇意一个一个去找上一代四小龙里愿意重新出山的人。结果让她意外又感慨——80% 的上代四小龙小伙伴拒绝了她，因为「已经燃烧过一次」，不想再走那条路；只有 1% 到 20% 的人愿意再次入局，他们的标准不是回报，而是「这件事是否足够让我兴奋、足够有影响力」。正是这少数人，构成了月之暗面最早的核心团队。

杨植麟、唐杰（清华、智谱）以及创新工场 AI 工程院，是这条延续了很多年的中国 AI 脉络的几个关键节点。Kiwi 特别提到唐杰曾是杨植麟在清华时期的导师，如今智谱与月之暗面正在成为中国大模型市场里最直接的两个竞争者——但「圈内」的关系并非零和，而是一起去探索未知世界、齐头并进、共同面对「圈外」质疑的小团队。

「白色钢琴」与 AGI 信仰

叶奇意第一次走进月之暗面办公室，印象最深的是「进去就是一台白色钢琴」——每个会议室一个不同主题。对她来说，这种「看起来非必要」的环境恰恰是一家公司文化最直接的体现：意味着这家公司相信「做一件不一定有用、但令人兴奋的事」本身就是值得追求的。

这种氛围的形成不是偶然。在上一代四小龙那里，「商业化压力」是悬在团队头上永远的紧箍咒——To G / To B 的服务型生意把 AI 公司逼成了「高级外包」，利润率低、规模化困难，反而让最优秀的人才在最好的年纪做着重复性的数据标注和场景定制工作。Kimi 的创始团队显然想把这件事反过来：先想「这件事是否令人兴奋」，再想「怎么赚钱」。

这背后是叶奇意所说的「AGI 信仰」——不是宗教意义上的「相信」，而是一种工程意义上的优先级排序：在 AGI 还没有到来的漫长过程里，你需要不计回报、只问「这件事是否足够让我兴奋」的志同道合者，否则你熬不到那一天。

中国 AI 的两个最深层困境：算力与商业模式

但「理想主义」不能解决所有问题。叶奇意毫不避讳中国 AI 公司的两个硬约束。

第一个是算力。在 2024 年初，中国主要大模型公司能调动的算力远小于美国头部；即便是国内最领先的实验室，单一集群规模也与北美巨头不在一个量级。这直接决定了模型规模、训练策略、迭代节奏——你能尝试的实验更少、容错空间更小、一次预训练失败的代价更高。在 2024-2025 年的某个时间点，叶奇意说「只要是 AI 公司都缺算力」——这不是修辞，是她跑过十几家模型公司之后的事实。

第二个是商业模式。叶奇意亲历过上一代四小龙的失败——那个失败的根因不是技术不够强，而是「模型的泛化能力不足」：同一个模型换一个城市、换一种天气、换一种摄像头高度就要重新标注重新训练，这让 AI 渗透到下游应用的过程必须持续投入大量工程服务，商业模式本质上变成「高级外包」，市场天花板很低。这一代大模型公司如果不能把模型能力从「场景定制」推进到「通用交付」，就会重蹈覆辙。

模型能追上，但单一公司会掉队

叶奇意对中美 AI 差距的判断是：模型能力层面的差距会持续缩小——DeepSeek R1 时刻证明了优化空间，K3 证明了基础研究也可以摸到前沿；但商业层面的差距未必会同步缩小，资源约束会让部分中国大模型公司在长期消耗战中掉队。她更愿意押注的是那些「能构建出持续产出智能数据、形成自我迭代飞轮」的公司——这才是真正的护城河。

这也是为什么她对「零一万物为什么没有像 Kimi 那样起来」的回答出乎意料地直接：技术从来不是问题，难的是「让非 AI 领域的人愿意接受 AI 的介入」——这是一个组织、文化、交互、技术四件套问题，而不只是模型问题。

视频最后，叶奇意把中国 AI 公司的「活路」总结为：这一代大模型公司如果不能在「场景里的智能交互」上跑出真正的飞轮，光靠模型能力本身，撑不起超额利润。R1 时刻是分水岭，K3 是下一个分水岭——分水岭之后能不能走出来，取决于这一代 AI 人是否真的把「信仰」转化为「工程」。