InfoQ 中文 · 10/18/2026, 23:01:04
17-Year-Old Kimi Architect Chen Guangyu Leaves for Bay Area, Denies Anthropic Move
Chen Guangyu, a 17-year-old researcher who contributed to Kimi's core architectures like Attention Residuals and MoMoE, has left Moonshot AI for the San Francisco Bay Area. He explicitly denied rumors of joining Anthropic, leaving his next employer unconfirmed.
SOURCE COVERAGEFull Original Report
Contents2 sections
陈广宇已离开月之暗面，将赴旧金山湾区，但未加入 Anthropic；其在 Kimi 期间主导或参与多项底层架构研究。
Attention Residuals 共一作者，MoMoE 项目核心作者；聚焦 GPU 算子优化与训练效率提升；16 岁即深度参与大模型系统级研发。
适合大模型系统工程师、AI 架构师、GPU 高性能计算研究员阅读。
曾以共同第一作者身份参与 Kimi 底层架构研究的陈广宇，正在开启下一段职业旅程。
17 岁 Kimi 架构核心参与者离职，否认去了 Anthropic
10 月 15 日，陈广宇（nathan chen）在 X 上宣布，自己近日已离开月之暗面。他将过去一年在 Kimi 的经历形容为迄今人生中最美好的时光，并感谢团队在他 16 岁时给予机会。
Anthropic 研究员 Sholto Douglas 在陈广宇评论区邀请他去旧金山，Sholto 写道：“恭喜兄弟！很高兴上周见到你。卡内基梅隆大学的计划还一样吗？你应该来旧金山，和 Prime/Base10 他们一起工作！”
陈广宇随后回复，确认自己将前往美国旧金山湾区。
这段互动引发了外界对其加入 Anthropic、参与 Claude 研发的猜测。于是有人在评论区提问，是否要加入 Anthropic，陈广宇很快给出了很直接的回复：不是。
截至发稿，我们可以从陈广宇本人表态中确定他的确已经离开 Kimi 并将前往湾区，但尚无法得知他的下一家雇主、职位及入职时间。
暂且不论他最终会选择哪里，这位年轻研究者留下的一些技术成果还是值得关注的：Attention Residuals 共同第一作者、MoMoE 项目作者，以及围绕优化器、GPU 算子和模型训练效率展开的一系列研究与技术分享。
陈广宇此前的个人主页显示，他在 Kimi 从事大语言模型扩展与预训练工作，涉及 Kimi K3，研究重点包括模型架构和优化器，同时关注高效、适配硬件的算法与计算内核。在加入 Kimi 之前，他曾在 Tilde Research 从事应用可解释性研究。需要注意的是，检索时这份主页仍保留着其在 Kimi 工作的介绍，任职状态应以最新离职声明为准。
从高中生到 AI 项目核心成员
据新华财经此前报道，陈广宇来自深圳，2026 年从惠州华润小径湾贝赛思国际学校高中毕业。其“17 岁研究者”的身份，在今年 3 月 Attention Residuals 论文发布后受到关注。
《深圳特区报》在当时的采访中记录了他的研究起点：通过阅读经典论文和追踪 GitHub 开源项目补足基础，随后在社交平台分享技术思考，引起一家硅谷 AI 初创公司负责人的注意。他通过限时实验测试后，获得了赴美实习的机会，并在当地工作了七周。
2025 年 11 月，他进入 Kimi 团队实习。
从其个人博客可以看到，他实际参与了这些项目的研究，而不是只有论文上的署名。
在 2025 年的技术文章中，他讨论过使用 Triton 实现矩阵乘法及 L2 缓存优化、使用 TileLang 实现 Flash Attention，以及 Triton Flash Attention 前向计算的实现。这些内容集中于一个具体问题：如何把数学上的算法，变成能够在 GPU 上高效执行的程序。
这些工作与他后面的研究方向一脉相承。模型架构决定计算如何组织，优化器影响训练如何更新参数，计算内核则决定这些操作在硬件上执行得有多快。从其公开项目看，他的兴趣横跨了这几个相互关联的层面。
陈广宇最受关注的成果，是 2026 年 3 月 16 日公开的 Attention Residuals （《注意力残差》）。他与张宇、苏剑林被标注为同等贡献的共同第一作者。
这项研究关注的是大模型内部不同层之间如何传递和利用信息。
在常见的 PreNorm Transformer 中，残差连接以固定权重累加各层输出。论文指出，随着网络加深，这种累加可能使隐藏状态的幅度不断增大，逐渐稀释单层贡献。Attention Residuals 的思路，是用跨层的 softmax 注意力替代固定累加，让模型通过可学习、与输入有关的权重，选择性地聚合前面各层的表示。
可以将其理解为：模型在经过许多层处理后，不再只能接收此前信息不断相加的结果，而是获得了一种重新选择和组合早期表示的机制。这里的“注意力”作用于模型深度方向，与通常讨论的不同 token 之间的注意力有所区别。
但让每一层访问此前所有层的输出，也会增加存储和通信负担。为此，团队进一步提出 Block AttnRes：把网络层划分成多个区块，区块内部保留普通残差累加，在区块之间进行注意力聚合，以降低额外开销。
《中国新闻周刊》在引用苏剑林的研究回顾时介绍，最初的想法及小规模实验由苏剑林提出，张宇和陈广宇随后参与更大规模验证，并共同提出了论文中的 Block Attention Residuals 设计。这个分工说明，陈广宇的重要贡献包括将初步方案推进到更适合大规模训练的形式。
论文在总参数 480 亿、激活参数 30 亿的 Kimi Linear 架构上进行了验证，预训练数据规模为 1.4 万亿 token。官方项目资料称，在其扩展规律实验中，Block AttnRes 可以达到需要多用 25% 计算量的基线模型的损失水平。这个结论对应特定实验条件，不应扩写为所有模型训练都能获得同等收益。
事实上，在参与 Attention Residuals 之前，陈广宇已经参与了 Tilde Research 的 MoMoE 项目。
Tilde 于 2025 年 7 月发布的《MoMoE: Memory-optimized Mixture of Experts》将 Nathan Chen 列为作者之一。他的个人博客也收录了这项工作。
MoMoE 处理的是混合专家模型的工程效率问题。MoE 通过每个 token 只调用部分专家降低活跃计算量，但实际实现仍可能受到不合理的数据布局、碎片化计算和中间张量存储等因素限制。MoMoE 使用融合 Triton 内核、优化内存布局，并提供可配置的反向传播方案，在计算与内存占用之间做取舍，重点面向模型训练和微调。
这项工作的价值在于，模型架构带来的理论优势，需要通过底层实现才能转化为实际吞吐和显存收益。它与陈广宇后来关注的硬件适配算法、计算内核方向具有连续性。
他还参与了优化器相关研究。Tilde 于 2025 年 10 月发布的《Gram-Space Manifold Muon》署名包括 Ben Keigwin、Dhruv Pai 和 Nathan Chen；其个人网站也列出了这项成果。相比泛泛地称其参与“模型研发”，这些可追溯的项目更具体地说明了他的研究范围。
此外，《中国新闻周刊》报道，他加入 Kimi 后较早参与的工作之一，是加速 KDA，即 Kimi Delta Attention 的计算内核。
这次离职消息传播过程中，也出现了有关百万美元工作邀约、退学和具体岗位的讨论。
几天前，投资人 Deedy Das 在 x 上曾分享过一位 17 岁年轻人获得多家实验室邀约的经历，Deedy 在 x 上写道：“今天遇到一个孩子，14 岁时英语不太好，却用大模型自学了人工智能，，在一家顶尖人工智能公司实习了一年，然后飞越半个地球去美国排名前十的大学读本科；两周后辍学；17 岁时就收到了旧金山顶尖新实验室的 5 份年薪 100 万美元以上的工作邀请。”
Deedy 同时感慨，传统教育已经彻底消亡了，现在的孩子们体质和以前不一样了。
网络讨论随后将其与陈广宇联系起来，认为这位投资人提到的天才少年就是陈广宇。
但这些都只是猜测，Deedy 后续并未透露他遇到的这位少年的真实姓名。
17 岁，陈广宇的研究生涯才刚刚开始。从阅读论文、编写计算内核，到参与大模型架构研究，他已经把好奇心变成了具体的成果。前往湾区之后，他还会遇到新的问题、伙伴和选择。
比下一站加入哪家公司更值得期待的，是这个年轻人接下来还会给行业带来什么新惊喜。对他而言，未来有足够的时间去探索，也有足够的空间让作品走在“天才”的标签前面。
参考链接：
https://www.chinanews.com/sh/2026/08-10/10675225.shtml