陈广宇（Nathan Chen）是2026年中国AI圈极具代表性的“天才少年”——2009年出生于深圳，2026年刚满17岁（高中已于当年6月毕业），却以共同第一作者身份参与了月之暗面（Moonshot AI）Kimi团队的核心模型架构创新，并在不到两年的时间内从自学起步走到国际前沿实验室关注的中心。

背景与成长路径

他并非传统意义上的“奥赛神童”：没有跳级、没有奥赛金牌、也没有从小持续高强度编程的经历。中学就读于华润小径湾贝赛思国际学校（BASIS体系，位于惠州，邻近深圳），此前也与原北大附中深圳南山学校有关联。课余曾组织青少年开源社区、尝试Shopify跨境电商、参与机器人相关项目，甚至一度对职业滑雪感兴趣；编程方面曾进入USACO（美国计算机奥林匹克）铂金组，并参与过海洋垃圾AI检测研究（将小目标检测性能提升约25%）。

真正转向AI是2024年高一时期。他觉得自己在机械完成社区服务、刷成绩等“申请大学该做的事”，决定暂停不感兴趣的内容，全身心投入计算机与人工智能。入门方式非常直接：大量下载论文上传给Gemini反复提问，把大模型当作“导师”。2025年前后开始深入线性注意力（如DeltaNet）等方向，并在网上分享技术博客，得到相关领域研究者（包括杨松琳等）的回应，进而引起关注。

关键经历与技术贡献

  • 2025年：参加中学生AI黑客松（与“ThirdArm”人类第三只机械辅助手构想相关），后被美国AI初创公司Tilde Research注意到。当年暑假独自前往加州帕洛阿尔托实习约7周，每天工作约15小时，参与内存优化混合专家模型（MoMoE）等项目。
  • 2025年11月：以16岁实习生身份加入月之暗面Kimi团队（公司与家长等多方沟通后以实习形式接收，计划满18岁再正式入职），担任机器学习研究员，聚焦模型架构与高效计算。入职后在内部48小时黑客马拉松中表现出色，并迅速进入核心研究圈。主要工作包括优化Kimi Delta Attention（KDA）的GPU计算内核、研究训练优化器、参与Kimi K3发布相关案例等。
  • 2026年3月：作为同等贡献共同第一作者（与苏剑林、张宇并列）参与发布《Attention Residuals》（注意力残差）论文。该工作针对Transformer中标准PreNorm残差连接的问题（固定单位权重累加导致隐藏状态随深度增长、早期层贡献被稀释），提出用可学习的、输入依赖的softmax注意力替代固定残差累加，让每层能选择性地聚合前序层表示。为解决大规模训练中的显存与通信开销，进一步提出Block AttnRes（按块聚合）。该技术被整合进Kimi相关架构（包括支撑Kimi K3的底层设计），在实验中带来更均匀的梯度分布与下游性能提升（例如在GPQA-Diamond等推理任务上有显著增益）。论文引发广泛关注，埃隆·马斯克曾公开评价Kimi的相关工作“Impressive”。

在Kimi约一年时间里，他从高中生实习生成长为核心架构贡献者之一，留下了可实际落地的技术痕迹。

离职与当前动向

2026年10月15日，陈广宇在X账号（@nathancgy4）发文宣布已离开月之暗面Kimi团队。他称过去一年是“迄今为止人生中最美好的时光”，特别感谢团队在他16岁时给予的机会与同事的支持，并表示“More things to explore”。评论区中，Anthropic相关研究员曾询问其是否仍计划去卡内基梅隆大学（CMU）并邀请加入，他回复正前往湾区，随后明确否认加入Anthropic。外界有关于其收到硅谷多家顶尖实验室高额offer（甚至有“五份超千万美元”级别的传闻）的讨论，但他本人更强调学习与探索本身。分析普遍认为他可能前往美国湾区继续研究或求学。

总体评价

陈广宇的路径打破了“天才少年”的刻板印象：起点普通、好奇心驱动、用大模型加速自学、通过公开技术分享与实战（黑客松、硅谷实习、核心论文）快速迭代。他代表了当前AI领域部分年轻人才的典型特征——年龄与正式学历不再是绝对壁垒，实际贡献与学习速度更能打开大门。其故事也折射出中美AI人才竞争的激烈程度，以及中国开源模型团队对非传统背景青年研究者的开放态度。