最近，互联网上掀起了一场寻找陈广宇的热潮。
事情的起点是一则传闻：他收到了一份年薪100万美元的工作邀请。在硅谷，这个数字对资深工程师而言并不罕见，加上股票期权，达到这一水平并不稀奇。但关键在于，他今年只有17岁。
即便不谈薪资，一个17岁的少年被硅谷多家公司争抢，这件事本身就足够令人惊讶。
随后，关于他去向的传言层出不穷。有人说他加入了Anthropic，但陈广宇本人随后否认了这一消息。
接着又有说法称他去了卡内基梅隆大学继续深造，还有人说他加入了谷歌元老杰夫·迪恩（Jeff Dean）创立的Discovery Loop，这家公司的目标是利用AI实现科学研究的自动化。
但最重要的问题是，从AI巨头到风险投资机构，为什么所有人都在找他？
1
10月15日，陈广宇在社交平台上发帖，宣布离开月之暗面。他写道，在这里度过的一年是“迄今为止最美好的时光”。
这条帖子下方，Anthropic研究员肖尔托·道格拉斯（Sholto Douglas）留言，先是表示祝贺，随后询问他“去卡内基梅隆的计划是否依旧”，并邀请他到旧金山一起工作。
陈广宇回复：“谢谢肖尔托！我正要去湾区。”
既然Anthropic的研究员发出邀请，外界自然推测他会加入Anthropic。于是，社交媒体上迅速流传起“陈广宇在离开月之暗面24小时内加入了Anthropic”的说法。
但10月16日，有人在评论区直接问他是否加入了Anthropic。他的回答只有一个词：“No”。这条传闻就这样被他亲口否认了。
10月20日，一个专门追踪硅谷AI人才流动的匿名账号Arfur Grok发帖称，陈广宇加入了Discovery Loop。
Discovery Loop成立于今年8月，由杰夫、桑杰·格马沃特（Sanjay Ghemawat）、郭·勒（Quoc Le）和奥里奥尔·维尼亚尔斯（Oriol Vinyals）四位前谷歌核心研究者共同创立。
其中，杰夫曾是谷歌首席科学家，参与领导了Gemini的研发；维尼亚尔斯也是Gemini的重要技术负责人。
这家公司的目标，简单来说就是让AI自主进行科学研究。AI先提出假设，再设计并执行实验，分析结果，然后根据反馈进行下一轮研究，如此循环往复。Discovery Loop（探索循环）这个名字正是源于此。
这家公司的首轮融资由Radical Ventures和Khosla Ventures领投，谷歌母公司Alphabet也参与了投资。另据外媒报道，Discovery Loop至今未发布任何产品，却已在寻求约500亿美元的估值。
Discovery Loop表示不对人事问题置评，陈广宇也未回应。
此外，陈广宇原本就有回卡内基梅隆继续读书的计划，此前肖尔托那句“去卡内基梅隆的计划是否依旧”指的就是这个。
陈广宇的简历显示，他在今年八、九月份时，曾在卡内基梅隆学习过大约一个月。
Menlo Ventures的投资人迪迪·达斯（Deedy Das）表示，有个17岁的少年收到了5份百万美元级别的offer，但他没有点名。他还提到，这个少年飞越半个地球去美国前十的大学读本科，两周后辍学。
因此网友推测，此人很可能就是陈广宇。
但需要说明的是，卡内基梅隆大学的主校区位于美国东部宾夕法尼亚州的匹兹堡，距离湾区约4000公里，横跨整个美国。
湾区有一个小型分校区，位于硅谷的山景城（Mountain View，NASA Ames研究园区内）。但这个分校区规模很小，主要提供硕士项目和部分产学研合作。卡内基梅隆最核心的计算机学院（SCS）设在匹兹堡。
所以，陈广宇去湾区大概率不是为了上学。
不过，还有另一条线索：湾区与陈广宇的交集不止Discovery Loop，还有Tilde Research。
Tilde Research是帕洛阿尔托的一家机制可解释性（mechanistic interpretability）实验室，成立于2024年7月，2025年11月公开亮相，口号是“理解智能”。
Tilde Research专注于模型内部机理、新架构和预训练科学。2025年年中，它完成了800万美元的种子轮融资。
陈广宇与Tilde Research的缘分可谓“妙不可言”。
据陈广宇自己描述，他曾发表一篇文章，当时只有20个粉丝。这篇文章被DeltaNet关键贡献者、MIT在读博士、线性注意力开源社区FLA发起者杨松琳回复，从而扩散开来。Tilde Research的本·凯格温（Ben Keigwin）也因此注意到陈广宇，并主动约他通话介绍项目。
2025年7月，陈广宇独自前往加州帕罗奥图（Palo Alto），在Tilde Research开始了为期七周的实习。
因此，学界也有人猜测，陈广宇是想回到Tilde Research，继续此前的研究工作。
说了这么多，仍有一个关键问题没有解答：一个17岁的少年，凭什么能让这么多大厂和投资人追着跑？
2
3月16日，陈广宇作为共同第一作者的《Attention Residuals》（注意力残差）技术报告在社交媒体上被马斯克本人点赞。
马斯克评价这篇报告：“月之暗面干的事真是让人印象深刻！”
事实上，这只是陈广宇的高光时刻之一。
陈广宇所处的地段，是整个行业最缺人的位置。
打个比方，一个大模型就像一家大餐厅。架构相当于菜单怎么设计；优化器相当于厨师如何根据反馈不断改进手艺；而GPU kernel（GPU内核）则是后厨灶台上的具体操作，比如火开多大、锅怎么颠、食材怎么摆。
同样一道菜，只要后厨下功夫，哪怕设备相同，一晚上也能多做出好几倍的菜。
陈广宇的特别之处在于，这三个层面他都接触过。
2025年5月，他写了如何用Triton实现矩阵乘法并做L2缓存优化；同月，他还写了如何推导并实现一个核范数约束下的优化器。
7月，他用TileLang实现Flash Attention，相关论文称比FlashAttention-2快1.3倍，随后他参与了MoMoE。
9月，他连续写了两篇Triton讲解。
10月，他又写了Gram-Space Manifold Muon，也是一篇关于优化器的文章。
从底层的GPU代码，到中间的优化器，再到顶层的模型架构，当时只有16岁的陈广宇，一个人走完了别人一辈子都不一定能走完的路。
他在自己的主页上也写得很直白：他关心的是“高效的、与硬件对齐的算法和内核”，还特意标注了一句“co-design them!”（把它们一起设计）。
这是一个刚诞生没多久的赛道，没有任何“经验”可谈。
BigGo Finance的分析指出，在大模型时代，底层算子优化、注意力机制的数学推导这类前沿领域，没有现成的教科书可抄，全世界最聪明的人其实站在同一条起跑线上。
最关键的一点是，陈广宇是真的“懂了”。
陈广宇有一篇文章，标题是《Triton Flash Attention Kernel Walkthrough: The Forward Pass》（Triton Flash Attention内核逐行讲解）。
开头陈广宇就说，他不打算讲基础语法，官方文档已经讲得很好了，这篇要讲的是“为什么”（This is about understanding the why）。
文章里有个细节：陈广宇的代码把循环拆成了两段。
对此，他的解释是，因为掩码操作tl.where很慢，如果每一块都用一遍，会拖慢速度。拆成“对角线之外”和“对角线上”两段，只在必要的地方使用。
还是用厨房来举例：原材料在上砧板前要检查，以前的规矩是不管原材料如何，都需要检查一遍。但现实是99%的原材料根本不需要检查，因为这些原材料在放进去之前就已经检查过了，只有那些容易腐烂和损坏的原材料才需要检查。
陈广宇的做法就相当于只检查那1%容易坏的，其他99%都直接通过。这变相提升了100倍的效率。
除此之外，陈广宇还是一个非常会学习的人，成长速度惊人。陈广宇曾在2025年9月时表示，他接触Transformer并没有多久。第一次认真接触科研时，他称自己什么都不懂，不知道Transformer是什么，也看不懂机器学习论文。
如今，陈广宇已成为行业里的大拿。
这其中的主要原因，是他的学习方法也很特别。陈广宇表示，他从一篇经典论文开始，每天花几个小时和Gemini对话。遇到看不懂的地方截图发给它，让它解释，再反过来向它提问。
同时，陈广宇还会去读GitHub、博客、研究者的个人主页，琢磨他们的“研究品味”。他不走传统的学习路线，一门一门地学，他认为那样太慢了。
当然，AI也不是万能的。遇到重大选择时，陈广宇会去请教DeepSeek研究员袁境阳。陈广宇自己总结说，网络很重要。即使你再有信心，也能从前辈那里学到很多经验。
陈广宇在Codeforces（编程竞赛平台）上有2000分以上的评分，属于前3%左右。这说明他是有编程底子的。
3
陈广宇宣布离职后，当年拍板招他的月之暗面研究员杜雨伦，在他的离职帖下评论，说自己和陈广宇就这个决定“有过几次长谈”。
他还说，看到陈广宇离开，自己“难过、心碎”，但在这个年纪，尽可能去探索、追随新的好奇心，可能是更好的选择。
这里还有个小细节：杜雨伦其实也毕业于卡内基梅隆。
离职难免都会有些不舍，但也会为公司留下些什么。比如DeepSeek的郭达雅，今年年初离职后，他曾经发表的GRPO算法被DeepSeek沿用至今。DeepSeek的V4.1 Flash技术报告中就曾提到，后训的第一步，就是采用了监督微调（SFT）和基于GRPO的强化学习，分别训练各领域的专家模型。
那么陈广宇给月之暗面究竟留下了什么呢？
陈广宇在月之暗面只待了不到一年，从2025年11月作为16岁的实习生加入，到2026年10月离开。但他留下的东西，已经深入Kimi最核心的位置。
2026年7月，Kimi K3发布，总参数2.8万亿。月之暗面称它是全球首个开放权重的3万亿级别模型。
K3发布当天，在Artificial Analysis的智能指数上，K3得分57，排名第三，仅次于Claude Fable 5和GPT-5.6 Sol，超过了Claude Opus 4.8。
前文提到的Attention Residuals，就是K3的底层技术之一。
陈广宇还参与了月之暗面KDA（Kimi Delta Attention）的计算内核加速。在离职帖里他写到，自己和张宇一起优化了它的内核，并探索了各种可能的设计。
不过，就在陈广宇离开月之暗面前后，K3.1的消息开始密集出现。
9月底，月之暗面开放平台后台的注册表里，出现了“kimi-k3-1”的字样。
10月10日，开放平台出现预告页：100万token上下文、Low/High/Max三档推理、Agent、Swarm多智能体能力。野村证券称，“K3.1会在10月中旬前发布”。
10月17日前后，官网前端再次出现“k3d1-agent”，并发现了新的bot模块，官网的模型指纹也被指有变化。
从目前的蛛丝马迹看，K3.1更像是K3的增强版，偏Agent和长任务，并没有更换架构。
所以，就算陈广宇离开了，他对月之暗面的贡献依然在那里摆着。
人会走，技术留下。
本文来自微信公众号 “字母榜”（ID：wujicaijing），作者：苗正，36氪经授权发布。
