创始人31岁，公司成立仅2个月，一家AI公司天使轮获得近20亿元投资，投资机构包括了最头部的几家VC，如红杉资本、今日资本、砺思资本等。

这家公司名字听起来有些特别：月之暗面（Moonshot AI），由清华大学交叉信息学院、智源青年科学家杨植麟领衔创立于2023年4月，公司总部设立在北京，同时在上海临港设有分公司。

近日，这家明星大模型公司完成创业首秀，宣布在“长文本”领域实现了突破，推出了首个支持输入20万汉字的大模型moonshot，以及搭载该模型的智能助手产品Kimi Chat。

创始人杨植麟表示，“目前，团队成员在50人左右。首轮融资及接下来的新一轮融资，都将主要用于技术产品的研发，以及团队扩展上。”

今年6月，The Information评选了五家最有可能成为中国OpenAI的公司，其中月之暗面（Moonshot AI）就位列其中。

一家如此年轻的创始团队，为何被资本和业界一致寄予厚望？我们从其创始人经历，以及其对公司的业务规划、行业的思考等层面来进行一一展现。

01

清华毕业时成绩年级第一

师从苹果AI研究负责人

曾在Google人工智能实验室工作

创业新人杨植麟是典型的学院派创业者。相比王小川、王慧文这些互联网时代的风云创业者，杨植麟在公众中的知名度稍逊。但在AI圈和创投圈眼中，他在这一波大模型创业浪潮中的关注度丝毫不弱于前二者。

杨植麟

原因之一是，杨植麟在AI圈子中的履历堪称翘楚。

早在高中时期，杨植麟就表现优异，他在没有任何编程基础的情况下，被选拔进信息学奥林匹克竞赛培训班，最终顺利通过竞赛保送清华大学。

清华求学时，杨植麟师从清华大学计算机系知识工程实验室（KEG）带头人、智源研究院学术晶院长、悟道项目负责人唐杰教授。最终他以满分成绩通过所有程序设计课程，并以年级第一的成绩毕业。

根据机器之心此前的报道，2015年从清华计算机系毕业后，杨植麟前往美国卡内基梅隆大学攻读博士，师从苹果AI研究负责人Ruslan Salakhutdinov和谷歌首席科学家William Cohen。

博士期间，杨植麟先后以一作身份，发表Transformer-XL和XLNet两项工作，谷歌学术被引次数近两万。Transformer-XL成为首个全面超越RNN的注意力语言模型，论文成为NeurIPS 2019与ACL 2019的最高引论文之一；XLNet则在20项任务上超越谷歌BERT模型，一鸣惊人。

除开学术成果，杨植麟的职业经历也是AI圈中的“顶配”。根据GitHub上的个人资料，杨植麟曾在Google和MetaPlatforms的人工智能实验室工作。在创立Moonshot AI前，杨植麟还与他人共同创立了循环智能（Recurrent AI），红杉中国也对该公司进行了投资。

杨植麟的学术和创业实践背景，让月之暗面（Moonshot AI）成为了投资机构追逐的明星项目。在公司成立的前两个月，融资的消息就流传出来了。

据杨植麟介绍，公司的名称来源于自己最喜欢的英国摇滚乐队发行的专辑《The Dark Side of The Moon》（月之暗面），月之暗面是月亮的背面，令人好奇和向往。摇滚精神是其公司很重要的一个底色。

杨植麟认为，公司最主要的一个特色其实是人才密度。“我们希望通过这种很高的人才密度以及组织力量，能够打造一个很快迭代的组织机器，让人才能够快速基于我们现有和未来发展出的技术，开发出比较好的产品。”

据了解，月之暗面（Moonshot AI）创始团队核心成员参与了Google Gemini、Google Bard、盘古NLP、悟道等多个大模型的研发，多项核心技术被Google PaLM、Meta LLaMa、Stable Diffusion等主流产品采用。

而一位行业内人士指出，市场上大模型相关的人才非常稀缺，真正有相关经验、有计划有认知、愿意创业且在合适的年龄的人其实并没有那么多，在算法创新方面的人才稀缺程度则比之更甚。这也是月之暗面（Moonshot AI）被资本热捧的重要原因。

02

首创20万字超长输入

以此为切口构建大模型竞争力

月之暗面（Moonshot AI）首秀产品有何特别？

当前大模型输入长度普遍较低的现状对其技术落地产生了极大制约，例如：目前大火的虚拟角色场景中，由于长文本能力不足，虚拟角色会轻易忘记重要信息。

月之暗面（Moonshot AI）观察到了“大模型输入长度受限带来的应用困难”，据杨植麟介绍，大模型moonshot支持20万字超长输入。“据我们所知，全球其他家目前还没有（支持这么长的文本的大模型产品）。”

杨植麟表示，做长文本，不管是存储、算力还是带宽，消耗其实都非常大。做长文本只是其“登月计划”的第一步，先从长文本入手克服困难。“当我们去看计算机系统发展史，一个必然的趋势是，都是从最开始的很小内存的计算机服务，再到很大的内存的服务。所以我觉得大模型肯定也是会有一样的趋势，从现在很少内存的大模型，到以后的很大内存。而且这个可能是决定模型的应用最关键的因素之一，我们是觉得这里面它的重要性其实非常大，另一个是刚刚说到的参数量。当AI计算足够复杂时，需要有足够大的内存来管理这个过程。我们要去真正克服这些困难，在这里面做了算法的优化。”

换言之，当大家都在拼AI的处理器时，他还把目光瞄向做大AI的内存。

据杨植麟介绍，moonshot可实现完整的上下文接入，不管是50个文档还是10个链接，可以同时对这些内容去进行处理。以Kimi Chat的一些实际使用为例，他进行了详细介绍。

来源：月之暗面（Moonshot AI）

案例二：出差发票太多？全部拖进Kimi Chat，它可快速整理信息。

案例三：发现了新的算法论文时，Kimi Chat能够直接帮你根据论文复现代码。

杨植麟在发布会上分享了公司未来的发展规划，他表示将会以长文本输入为核心构建其底座大模型的差异化竞争力。他认为这是行业现在最需要解决的问题，也是通往下一步产品化路上的最大卡点。

03

最高优先级做ToC产品

赛道很宽，市场不会只有一家OpenAI

杨植麟透露，未来公司不会拘泥于单一产品，而是多个产品共同发展。“大模型公司不可能说只局限在一个很狭窄的方向上，因为这是它的成本结构所决定的。不管是娱乐、还是生产力的工具与场景，还有多模态，我们都会去做尝试。”

另外，他还表示，Moonshot AI现在最高优先级的任务是在C端找到产品、技术以及市场的方向。但同时也会以开放心态去看B端的方向。“我觉得首先会分成ToB和ToC，它可能是两个不同的阵营。我们肯定是坚定在ToC这个阵营，ToC会产生头部的Super APP（超级应用），我认为这些Super APP会是基于自研的模型做出来的，因为需要在用户体验上能够有差异化，我们希望能够在Super APP 里面去占领一个比较好的位置。但同时我们还会觉得可能会出现一个长尾的各种各样的应用，这样的应用有可能是基于开源模型去做的。”

在杨植麟看来，短期来看，国内大模型公司与美国存在差距，但长期来看是比较乐观的。“虽然OpenAI在某些智能领域做得很好，但可能在某些特定场景中，比如生成图片的美学价值上，它暂时还无法超过Midjourney。由于AI是异质化的，面向不同人的智能维度完全不一样，每个公司可能都有自己擅长的部分。”

所以，对于当下而言，相比于商业模式，他认为现阶段的核心议题是产品创新。做到产品创新的关键，在于公司的人才和组织能力。“大模型有点类似登月计划，本身需要自顶向下的规划和统筹，但同时，我们需要鼓励自下而上的创新，保持一定程度的开放性和组织的扁平化，这样创新就更容易发生。

而在未来，杨植麟说希望月之暗面（Moonshot AI）通过AI给个人提供更便捷、更强大、更个性化的普惠产品。