[智能应用]全球AI付费率仅0.3%！智能规模化“黎明前夜” 张予彤拆解Kimi技术、人才、开源三重逻辑 [复制链接]

“今天AI（人工智能）的体验和架构相关，智能的体验在人类的规模上看只是可以忽略不计的事情。”5月12日晚，月之暗面 Kimi 总裁张予彤现身北京大学光华管理学院，在“AI 时代的边界探索与人才机遇” 论坛开场，直接抛出一句戳破行业幻象的清醒观点，引发业界关注。
张予彤于2024年4月加入月之暗面。2025年12月，她首次以月之暗面Kimi总裁的身份现身清华大学交流会，明确其负责公司整体战略与商业化。而此番北大之行，已是去年年末以来，她的第三次公开亮相。
身为清华校友，张予彤曾代表金沙江创投投资过月之暗面创始人杨植麟首个创业项目循环智能，也一度被视作Kimi背后的关键投资人，杨植麟曾公开评价她在业务、战略及多场融资战役中，对公司作出了重要贡献。
今年1月的世界经济论坛年会上，张予彤抛出一组极具冲击力的数据：Kimi仅使用美国顶尖实验室约 1% 的资源，就开发出达到行业领先水平的开源模型 Kimi K2、Kimi K2 Thinking，直观展现了公司成本控制与技术效率。
而此次北大光华之行，《每日经济新闻》记者获悉，张予彤不仅首次系统对外揭示了Kimi对AI时代核心人才的评判标准。也对Kimi的核心战略之一开源，以及智能的未来表达了自己的看法。她透露，在Kimi具有两类抽象能力的人才更被看重：一类是能提出真正原创、有价值想法的创新者；另一类是在不确定性中疯狂实验、持续迭代的偏执执行者。
谈智能：全球84%的人从未用过AI、仅0.3%付费 规模化尚在黎明前夜
“现在还有多少人没有用过AI？答案是84%的人。”张予彤在论坛上首先分享了这样一组数据。她指出，即便AI已经被广泛讨论，甚至让人产生担忧或感到许多不足，但全球仍有84%的人从未用过AI，而真正用过付费AI产品的人，只有0.3%。
在张予彤看来，智能的规模化仍处于黎明前夜。她对智能的未来表达了自己的看法。“农业革命时通过器械完成了农业自动化，工业革命可以大规模生产商品，商品变得非常便宜、个性化，大家触手可及。今天，智能也会变成一种商品，这种商品可以由能源来转化。”
为此，Kimi选择了长期主义的技术路线。杨植麟曾在“2026中关村论坛年会”上表示，规模化是AI发展的核心基础，但规模化并非暴力堆砌算力与能源，而是以提升效率为核心。Kimi围绕三大方向构建规模化策略：Token（词元）效率、长上下文、Agent（智能体）集群，在有限资源下实现智能最大化。
这几个关键词在Kimi今年的产品迭代中亦可窥见。
今年1月，Kimi发布新一代K2.5模型，在Agent、代码、图像、视频及一系列通用智能任务上取得开源SOTA（行业当前最高水平）表现。三个月后，K2.6亮相，同样上线即开源。据介绍，该模型具备行业领先的代码能力、长程任务执行能力与Agent集群能力，最高可支持300个子Agent并行完成4000个协作步骤。
本次论坛上，张予彤也坦言：“接下来的路径会很长，也会持续做智能规模化的事情。智能还有很多场景可以被规模化，首先是模型的架构、参数，过几个月就可以看到新的突破与创新。在推理过程中有很多智能值得挖掘，通过资源的同步提升质量，过程中进行思考，也可以调用工具，这些都可以继续拓展相应的能力。”
对于Kimi的核心战略之一开源，张予彤表示，当智能的上限不再被参数和算力约束，高质量数据将成为核心瓶颈。开源技术与社区反馈，正是提升数据质量、突破智能上限的关键。
“同样上一门课，每个人学习到的东西其实是不一样的。”张予彤说：“开源机制让模型能够看到网络前沿的信息，这些技术并非全新，而是在日常工作或研发中广为人知、广为应用的技术与场景。但有些人会更有勇气挑战这些已经存在已久的技术，重新进行定义，并通过这样的方式去提升智能路径。”
谈人才和创业：通用能力比专业能力更宝贵 追随共识是创业公司最危险的选择
当智能可以被大规模生产，什么样的能力在AI时代更具价值？张予彤给出了她的答案，并在演讲中抛出一个核心观点：Build Your Own Job（创造属于你的岗位）。
张予彤表示，Kimi在人才画像上形成了一些偏好：做AI相关工作，通用能力比专业能力更宝贵。因为AI时代的大多数工作都没有成熟的流程和定义，所有问题都是第一次出现。“这时候需要的同学，是面对一个没有被定义的问题时感到兴奋，并且拥有良好的、可泛化的智能能力去解决新问题。”
除了解决未知问题的通用能力，AI时代对工作方式的重构，也要求人才具备全新的思维模式。“并行比串行好。”张予彤指出，传统的串行工作方式每一步都依赖前一步的结果，效率低下。而在AI时代，通过Agent、技术与工程化手段，可以实现大规模并行作业。拥有并行工程思维的人，将拥有指数级更高的生产力。
如果说通用能力和并行思维是AI时代人才的基础素养，那么审美与原创能力，则是决定一个人能否脱颖而出的核心竞争力。
“追随共识是最安全的选择，但也是创业公司最危险的选择。”张予彤直言，“别人都这么认为，其他公司也做了这件事，或者已经看到它被验证了，这时候跟进或者做同样的事情是非常安全的选择，但对于创业公司来说，这不是最安全的选择，而是最危险的选择”。
张予彤同时认为，人很难被标签化，学校、专业只是外在标签。她更看重两类抽象能力：一类是能提出真正原创、有价值想法的创新者，这类人关注本质思考，不断提出新想法；另一类是偏执的执行者，他们能在不确定性中疯狂实验、持续迭代。“一个好的想法往往需要尝试上千次，多数人十次就放弃，而极少数人能在反复试错中形成认知。”张予彤表示，这两类人，在Kimi的业务中都占据重要位置。
此外，随着AI能力的逐渐提升，各类但担忧的声音开始出现，但张予彤保持着乐观态度，她同时也建议在校学生，亲自上手用AI，深度感知它的能力边界。“我相信AI长期对我们是有益的，但大家有各种各样的担心，比如安全性、性能问题。期待一定是好的，所以希望以开放的心态来看，深度理解它，一定要亲自上手。动手越多，认知越深，很多理解是在动手中形成的，而不是今天听到一些观点或感受。在不断的一次次动手中，会有更深刻的理解。”

行业现状判断
张予彤在2026年5月12日北京大学光华管理学院论坛上披露，当前全球仍有84%的人口从未使用过AI产品，AI付费用户占比仅0.3%，行业整体仍处于智能规模化的黎明前夜。她表示，未来智能将像农业、工业革命中的商品一样，实现低成本、普惠化普及，这一趋势成为Kimi坚持长期主义技术路线的核心依据。

Kimi核心逻辑拆解
1. 技术路线：效率优先的开源策略
Kimi以资源效率为核心导向，2026年1月披露仅使用美国顶尖实验室约1%的资源，便开发出达到行业领先水平的开源模型KimiK2、KimiK2Thinking。最新迭代的KimiK2.6模型于4月20日开源，在代码编写、长程任务执行、Agent集群能力上实现全面升级，在博士级难度考试、软件工程能力评估等测试中表现持平或优于GPT-5.4、ClaudeOpus4.6等闭源模型。
其技术路线聚焦Token效率、长上下文、智能体集群三个维度的协同增益，通过自研MuonClip优化器、KDA混合线性注意力架构等技术，实现2倍于传统方案的计算效率，超长上下文解码速度提升5-6倍。

2. 人才标准：两类核心能力导向
张予彤首次公开Kimi的人才评判标准，重点关注两类抽象能力：一类是能提出真正原创、有价值想法的创新者，另一类是在不确定性中持续迭代实验的偏执执行者。

3. 商业化与资本支撑
2026年Kimi商业化进入爆发期，K2.5模型开放调用不到1个月，20天累计收入已超过2025年全年总和，收入来源包括个人订阅、API服务及B端企业合作，目前已接入超10万开发者。
资本层面，公司最新完成约20亿美元融资，估值突破200亿美元，半年内估值涨幅超367%，是当前国内估值最高的独立大模型厂商之一。

以上内容仅供信息参考，不构成任何投资建议。金融产品存在市场风险，请以银行/监管官网披露为准。

张予彤在北京大学光华管理学院的“AI时代的边界探索与人才机遇”论坛上的发言，提供了对人工智能行业发展和人才培养的深刻见解。以下是对她发言内容的一些总结和分析：

1. AI的普及与体验：
张予彤指出，尽管AI技术被广泛讨论，但全球仍有84%的人从未使用过AI，而真正使用过付费AI产品的人仅占0.3%。这表明AI技术的普及和应用仍有很大的发展空间。

2. 智能的规模化：
她认为智能的规模化仍处于早期阶段，并类比农业革命和工业革命，预测智能也将成为一种可由能源转化的商品。

3. Kimi的技术路线和产品迭代：
Kimi选择了长期主义的技术路线，注重Token效率、长上下文和Agent集群三大方向，在有限资源下实现智能最大化。
Kimi发布的K2.5和K2.6模型展示了公司在Agent、代码、图像、视频等通用智能任务上的技术实力。

4. 开源战略：
开源是Kimi的核心战略之一，张予彤认为高质量数据将成为智能发展的核心瓶颈，而开源技术与社区反馈是提升数据质量和突破智能上限的关键。

5. AI时代的人才需求：
张予彤强调，在AI时代，通用能力比专业能力更为宝贵，因为AI时代的工作往往没有成熟的流程和定义，需要面对新问题。
她提倡“Build Your Own Job（创造属于你的岗位）”的理念，并强调审美与原创能力是脱颖而出的关键。

6. 创新与执行：
张予彤认为，能提出真正原创、有价值想法的创新者和能在不确定性中疯狂实验、持续迭代的偏执执行者是Kimi看重的两类人才。

7. 对AI的态度：
尽管存在对AI的各种担忧，张予彤保持乐观，并鼓励学生亲自实践AI，深度感知其能力边界。

张予彤的发言不仅提供了对AI行业发展的深刻洞察，也对如何在AI时代培养和识别关键人才提出了独到的观点。她的见解对于理解AI技术的发展趋势、企业战略规划以及人才培养具有重要的参考价值。