问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年3月25日，月之暗面创始人杨植麟在中关村论坛年会上公开提出，大模型训练已进入由AI主导的第三发展阶段，研发范式将从依赖人工标注、人工设计任务转向AI高度自动化自我进化，研发人员角色将转型为AI算力调度者，AI研发效率有望进入指数级加速期。旗下核心产品Kimi也将围绕这一路线联合开源社区共建协同进化生态。
2026年中关村论坛年会的人工智能分论坛上，关于大模型研发范式的讨论成为全场焦点。作为国内长上下文大模型的代表性厂商，月之暗面创始人杨植麟提出的“三阶段划分论”，为整个行业梳理了大模型训练的演化脉络，也指明了下一阶段的技术竞争核心。
杨植麟在演讲中把过去三年大模型训练的发展路径划分为三个清晰的阶段：第一阶段以互联网公开天然数据为核心训练素材，仅需少量人工标注完成价值观对齐即可上线，是典型的“数据喂给AI”的模式；第二阶段则引入了大规模强化学习机制，依赖研究员精选高质量任务数据集来针对性提升模型性能，研发的核心主导权仍然掌握在人工手中。
而2026年开启的第三阶段，是行业首次实现研发过程的AI主导：AI将自主调用海量Token合成训练任务与模拟环境，自行定义适配的奖励参数，甚至可以主动探索更高效的模型网络架构，整套训练流程的人工干预度将降到历史最低水平。
范式转移带来的最直接变化，是AI研发团队的角色重构。过去大模型研发团队的核心工作集中在数据清洗、任务设计、参数调优等具体技术环节，而进入第三阶段后，研发人员的核心职责将转向“AI算力调度者”，只需要把控研发方向、协调算力资源分配，具体的研发探索工作将由AI自主完成。
按照杨植麟的测算，这套AI主导的训练模式落地后，大模型的研发效率将进入指数级加速期，原本需要数月完成的版本迭代，未来可能仅需数周甚至更短时间即可完成。
作为月之暗面的核心产品，Kimi大模型已经率先启动了第三阶段训练模式的落地验证。月之暗面方面透露，未来Kimi的迭代将完全围绕AI自主进化的技术路线展开，同时团队也将把相关技术能力逐步开放给开源社区，和全行业共同构建协同进化的技术生态，推动通用人工智能的落地进程。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号