马斯克点赞的深圳AI少年:该忙正事了

这两天，AI 圈最出圈的中国年轻人，不是创业明星，也不是流量博主，而是一个还没高中毕业的深圳少年。3 月 16 日，月之暗面 Kimi 团队发布论文《Attention Residuals》；同一天，马斯克在 X 上评论“Impressive work from Kimi”。而排在作者名单最前面的 Guangyu Chen，经媒体核实，正是来自深圳、年仅 17 岁的高中生陈广宇；论文附录也显示，他与张宇、苏剑林同为共同一作。 

真正让人震一下的，不是“17 岁”这三个字，而是他碰的不是应用层的小修小补，而是大模型最底层的结构问题。按照论文和官方仓库的说明，这项工作瞄准的是大模型里沿用已久的“残差连接”：传统做法会把前面各层的输出一股脑往后累加，层数越深，信息越容易被稀释。Kimi 团队提出的 Attention Residuals（注意力残差），本质上是让模型在“深度维度”上也学会选择，决定该重点参考哪些前层表示；而 Block AttnRes（分块注意力残差） 则是把这个想法做成了可以大规模训练的工程化版本。 

这件事之所以会被行业认真看待，不只是因为概念新。Kimi 官方在 X 上给出的说法是，这个结构作为标准残差连接的替代方案，能带来约 1.25 倍的训练算力优势，而推理延迟增加不到 2%；论文则写明，这套方法已经被整合进 Kimi Linear 架构，在 48B 总参数、3B 激活参数、1.4T tokens 的预训练中验证了效果。

换句话说，这不是一句“未来可期”，而是已经做到了“能跑、能训、能见效”。 

更关键的是，陈广宇并不是“挂名天才少年”。据深圳媒体转述苏剑林《Attention Residuals 回忆录》的内容，陈广宇和张宇提出了论文里的 Block AttnRes 设计，这一步解决的正是新结构额外带来的显存、通信和计算开销问题，也是这项方法能真正走向大规模训练的关键。说得直白一点，他参与的不是锦上添花，而是决定这项创新能不能落地的那一刀。 

但比“少年一作”更耐人寻味的，是他后面的反应。面对突如其来的关注，陈广宇多次强调成果属于团队，希望外界不要“造神”；在社交平台上感慨这项工作可能改变大语言模型历史之后，他很快又写下了一句很有分量的话：“感慨完毕，回归正事。” 

这句话，可能比“马斯克点赞”更值得写。

为什么？因为今天太多人想借 AI 做流量，太多人想用一个爆点把自己包装成“下一个天才”，但真正把事情做出来的人，往往没空沉迷于自己的热搜。17 岁当然稀有，但更稀有的是：被全网围观之后，还知道马上把注意力拉回到问题本身。

这其实也是这件事最有价值的地方。它提醒我们，AI 竞争已经不是只看谁会写提示词、谁会做套壳应用、谁更会讲故事了。真正拉开差距的，还是底层能力：能不能读懂论文，能不能参与研究，能不能把一个想法做成工程上可用的东西。马斯克点赞，给的是全球注意力；而“回归正事”，给的是一种更稀缺的气质——不被热度带偏，继续向难题里走。

所以，这篇文章真正想写的，不是“深圳出了一个 AI 天才少年”，而是另一句话：

比起被看见，更重要的是先把事做成。
      比起被神化，更重要的是继续解决问题。
      比起一夜爆红，更重要的是第二天还能坐回电脑前。

马斯克的点赞，当然很耀眼。
但一个 17 岁少年最厉害的地方，也许恰恰是——他没有停在那条点赞通知上。

他知道，自己该忙正事了。