Story

2026 年 3 月，英伟达 GTC 大会的现场，黄仁勋在主题演讲中放出一张幻灯片：在中国开源模型 Kimi K2.5 的推理速度排名里，一家名叫 Eigen AI 的公司排在首位。

“我们事先并不知道。是他在台上讲的那一刻，我们才发现，原来我们真的做到了最快的速度。”Eigen AI 创始人兼 CEO 王瀚锐向 DeepTech 回忆当时的心情：非常意外，也非常兴奋。

那时，Eigen AI 才正式成立 9 个月，员工 20 人左右。不到两个月后，上市 AI 云服务商 Nebius 宣布以超 10 亿美元对价收购 Eigen AI。消息一出，Nebius 股价连续大涨。王瀚锐当时感到一种“复杂”的心情：股价上涨是资本市场的认可，但市场的期待也随之水涨船高，“越涨，我们肩上的重担就越大”。

王瀚锐博士就读于麻省理工学院（MIT）电子工程与计算机科学系（EECS），是韩松教授的“开门弟子”。他从 2017 年起就聚焦 Transformer 和 GPT 架构的高效计算，主导开发的稀疏注意力（sparse attention）系统 SpAtten 是 2020 年以来 HPCA（高性能计算机架构国际研讨会）引用最高的论文之一，配套加速器完成了台积电 28nm 工艺流片。

2024 年从 MIT 毕业后，他推迟了加州大学洛杉矶分校（UCLA）计算机系助理教授的入职时间，选择与两位 MIT 校友联合筹办 Eigen AI。公司的业务很好懂：让开源大模型在 GPU（图形处理器）上跑得更快、更省，再按 Token 对外出售。截至被收购前，在独立评测平台 Artificial Analysis 上，Eigen AI 的推理性能在 25 个主流开源模型上均位列第一。

近日，凭借在 AI 推理效率上的一系列突出工作，他入选了亚太区《麻省理工科技评论》“35岁以下科技创新35人”（Innovators Under 35）。

加入 Nebius，王瀚锐出任高级副总裁（SVP），全面负责 Token Factory 业务，涵盖推理、后训练和智能体系统三条产品线。7 月底，Nebius Token Factory 成为 2.8 万亿参数混合专家（MoE）模型 Kimi K3 的 Day 0 首发合作伙伴。

从学者到创业者，再到大公司的管理者，王瀚锐在几年间换了三种身份，他对此的看法很务实：不为创业而创业，学术和产业之间也从来不是单选题，关键看哪种组织形态最能让技术落地。

看到了领域内尚未被解决的关键问题，也是他做出很多决定的核心驱动力：创业是因为发现GPU大部分时间都在空等数据；谈到未来还想进入哪些领域，他同样描述了两个尚未得到满足的需求：自动为用户挑选最合适的模型，以及人与智能体之间的交互能否突破说话和阅读速度的限制。

在对话中，问及对 AI 长期走向的看法时，王瀚锐的态度相当乐观。在他看来，模型的规模增长（scaling）远没有到头，“再提高 1,000 倍都是有可能的”，Token Factory 的终点则是让智能变得像水和空气一样便宜。

落到具体的产业判断上，他又很冷静。他坦言，推理服务夹在 GPU 厂商和客户之间，是微笑曲线的中段，“更容易受到挤压”。本科和博士期间都做过芯片设计，他却不急于跟进自研推理芯片的热潮，理由是模型的底层算子仍在快速变化，“现在造出来的芯片，3年之后可能就会不适配”。

以下是DeepTech与王瀚锐的对话实录，经过编辑整理。

从 NLP 研究者到 AI 研究者

DeepTech：先请你向我们的读者介绍一下自己，包括之前的经历，以及现在在做什么。

王瀚锐：我目前在 Nebius 工作，负责整个 Token Factory 业务，包括推理、后训练和智能体系统。之前本科就读于复旦大学，2018 年毕业后进入 MIT，成为韩老师的第一个博士生。当时的研究方向是高效 AI 计算（efficient AI computing），核心问题是如何通过跨层级的硬件-算法协同设计，来提高模型效率、降低成本和内存消耗。

我从 2017、2018 年就开始做 Transformer 相关的研究，主要方向是稀疏化，包括 Token 剪枝（为模型去除不重要的 Token 或 KV 缓存），和量化（对高精度模型的压缩）。除此之外，还做过早期的缩放定律（scaling law）研究，观察不同规模的模型对性能和速度的影响。我们也做过芯片，比如稀疏注意力（sparse attention）芯片 SpAtten，用台积电 28nm 工艺流片做出来。当时是把算法从上到下、一直做到底层硬件平台。

2024 年博士毕业后，我全职开始筹办创业，2025 年正式创办了 Eigen AI。公司的方向是帮助企业用户做开源模型的优化和部署，一边有训练团队，帮企业用自己的数据把小模型训练到超过闭源模型的准确率；一边做推理系统，把后训练好的模型大规模部署到 GPU 集群上，让用户可以通过 API 调用。2026 年春天，我们并入 Nebius。进入这个更大的平台，是为了把之前的技术最大化地部署到更多 GPU 上，惠及更多客户。

DeepTech：你是韩松的开门弟子，为什么会选择加入他的实验室，你们当时做的事在整个领域里算前沿吗？

王瀚锐：韩老师是整个高效 AI 方向的开山鼻祖，我在读博前就和他有合作。当时高效 AI 计算已经是一个有一定关注度的方向，但我是整个实验室里第一个做 Transformer 方向的人。当时很多同学还在做其他模型的效率优化，比如视觉模型、3D 点云模型。

这个方向当时确实小众。我选它，一是因为它的架构不同于传统的卷积网络，更适合并行计算。二是 Transformer 本身展现出的能力很有意思。当时最流行的是 BERT 这类模型，GPT 架构还不是主流，只在实验里做一些纯生成式模型的对照。

但我们看到 Transformer 既有并行加速的潜力，又能解决之前解决不了的问题，还展现出生成文章的能力，感觉有机会突破图灵测试，最终决定做这个方向。

DeepTech：ChatGPT 火了之后，Transformer 成了非常主流的架构。你们当时预料到今天这样的局面了吗？

王瀚锐：没有预料到规模化会这么快，也没想到零样本学习（zero-shot learning）的能力会变得这么强。

这个领域最早叫“机器学习”：做任何任务，都得先准备数据、设计输入输出和损失函数，把模型“教”会才谈得上推理。其实在七八年前，模型都只能从一个任务扩展到十个、几十个，直到 GPT-4 前后，所有任务才被统一成文字输入/输出的形式。

就像现在已经没人自称机器学习研究者了，大家都叫 AI 甚至 SI（Super Intelligence）研究者，因为智能成了模型自带的属性，泛化能力强到足以忽视“学习”的过程。

最早的原始 Transformer 只有千万级参数，最近 GPT-6 发布，网传参数超过 10 万亿，6 年里差了 6 个数量级，我觉得这非常惊人。硬件也一样，2020 年我在英伟达实习时常去参加黄仁勋主持的公司会议，当时英伟达的主要业务还是游戏，数据中心只占据一小块。但现在大家也看到，训练和推理所需的算力规模已经相当大了。

DeepTech：你觉得这种规模化有没有接近极限？

王瀚锐：我觉得远远没到头，再提高 1,000 倍都有可能。预训练确实受数据限制，但在后训练和强化学习（RL）阶段，模型可以在各种各样的强化学习环境中自由探索、自我演化，不再受制于数据。

如果只把网上的文字喂给模型，它的能力上限就是人类智能；如果给模型一个足够复杂的客观环境，它的上限就变成环境本身的复杂程度。人的智商最高可能在 200~300，但以数学为例，这是一个非常复杂的环境，模型在数学世界里或许能达到 500 甚至 1,000 的智商，提出一些人类已经无法理解，但很有启发性的想法。

训练是证明能力，推理才真正让能力被用起来

DeepTech：你们 2025 年创业时，正是训练最火的时候，为什么选择做推理？

王瀚锐：当时训练确实非常火。GPT-4 横空出世，接着是备受欢迎的 GPT-4o，人们也很期盼 GPT-5，大家都在讨论规模化能达到什么高度。

我们的判断是，训练在资本市场很火热，是因为它证明模型具备很多以前无法想象的能力。但到 2024 年，这种证明已经做得很充分了，滞后的是应用：模型能力上限越高，能解锁的任务就越多，影响的行业也越多，这部分市场很大。

真正发挥模型能力的应用，必须在经济上说得通。我和其他联合创始人此前的研究，都是在让模型更实用、更高效。这些技术正好可以帮大家从惊叹、观望，走到真正下场使用。

DeepTech：决定创业有没有具体的契机？

王瀚锐：2024 年就决定了，一个很重要的原因来自技术层面，我们做架构研究时发现，Token 的生成是内存受限的，每次都要把模型权重重新加载一遍，GPU 大部分时间都在等数据搬运。但如果把很多用户的请求聚合在一起，这一层计算就从矩阵与向量乘法变成了矩阵与矩阵乘法，大幅提高 GPU 的利用率。我们做了实验和性能剖析，发现确实能做到。

当时 OpenAI、Anthropic 都是云端服务模式。因此，我想到自己之前的稀疏注意力工作、联合创始人的 AWQ（激活感知权重量化，一种大模型低比特量化方法）也不必局限在边缘设备和端侧 GPU 中，可以放到大规模云上，处理更大的吞吐量和流量。

图 | Eigen AI在NeurIPS 2025 展览（来源：受访者提供）

DeepTech：现在也有人在做端侧推理。在你看来，云端和端侧有优劣之分吗？

王瀚锐：我们在 Eigen 也思考过是否要把一部分工作放到端侧。在卷积神经网络（CNN）时代，手机上能跑的模型和最前沿的模型差得不多。但6年过去，模型规模涨了 10 万倍，手机和电脑的内存显然没涨这么多，最前沿的模型越来越难在端侧运行——我们不太可能把 Kimi K3 压缩一下放到手机上跑。

最近一个有意思的变化是，很多模型都在出轻量级版本。比如 Qwen-3.8-27B 只有 270 亿参数，能力却远超两年前的同规模模型。如果以后可以压缩到几十亿参数，32GB 内存的笔记本都能跑，两者的差距又在缩小。

不过目前看来，唯一能证明端侧必要性的应用场景是隐私，总有小部分人和公司需要在本地运行模型，这个需求会一直存在，但占比不大。从增长速度来讲，云端依然快于边缘推理。

光速就是第一性原理

DeepTech：你 2020 年在英伟达实习，当时公司是什么样的氛围？对你后来的工作思维有哪些影响？

王瀚锐：对，2020 年我在英伟达研究院（NVIDIA Research）研究全连接层的稀疏化，公司有几个理念对我影响很大。

一个是研究要从真实问题出发，必须思考技术转化。在英伟达研究院，做项目需要在产品部门找到一个支持者，并且在它启动之前就要回答一个问题：如果这件事做得非常成功，会带来怎样的影响？所以后来我们创办 Eigen AI、决定做推理，也是从真实需求出发。

另一个是“光速”（Speed of Light）。它有两层意思，一层是做事要快；更深的一层是，光速是不变的物理定律，代表第一性原理。我们做推理优化时，会先算 GPU 有多少个流式多处理器（基本计算单元），如果全部用满，理论上能达到什么速度，再反推现在的每个环节离上限还差多少。这就让我们有了一个明确的、可以逼近的目标。

DeepTech：从需求出发的理念，是在英伟达形成的，还是更早？

王瀚锐：其实从读博时就有了，我们实验室跟工业界的合作很紧密，经常和产业方对接，他们会反馈实际生产中的问题和想要的解决方案。韩老师的理念是，高效AI计算必须能产生真实的影响力。所以从读博开始，我们做的东西坚持全部开源，论文全部发表，所有细节都列出来，就是为了让企业能直接用上，也方便后来者在我们的基础上继续往下做。

DeepTech：在你们看来，做推理最大的技术壁垒在哪里？

王瀚锐：最大的壁垒是让系统不断适应快速增长的规模。谁能最快地把服务模型的能力提高 10 倍，不断提高一个又一个数量级，谁就能领先。用计算机领域的话说就是，“任何比现有系统大 10 倍的东西，都是完全不同的东西”。

推理这个词的内涵很广，在笔记本上跑一个三层全连接网络是推理，在几万、几十万张 GPU 上每秒处理海量 Token 也是推理。难的是在大规模 GPU 上把开源模型部署得既稳定、又快、经济上又划算。这和业务相辅相成，足够多的需求才能推动技术更上一层楼。

另一个壁垒是让技术的演进自动化。现在最前沿的研究话题之一是递归式自我改进（RSI），我们也在把它用到服务引擎和内核设计上。未来一两年，用智能体优化系统会是很重要的壁垒，但目前还有很多问题需要解决，比如不同模型能优化到什么程度，自我改进的边界在哪里，什么时候需要人来监督。第一个攻破这些问题的公司，就会和对手拉开差距。

DeepTech：你们做推理的前提是开源模型。客观来讲，如今开源模型和闭源模型的差距有多大？

王瀚锐：和最前沿的 GPT-6.1、Claude Fable 5.1 比，开源模型在基准测试和最难的推理任务上肯定还有差距。但一年前大家觉得差了 9 个月到一年，半年前觉得差 6~9 个月，现在可能只差不到 6 个月。

在 Token Factory，我们有一个很重要的观察：客户其实并不在意模型是开源还是闭源，也不需要最强的、面面俱到的模型。拿到客户的数据，针对他们的任务、调用框架和运行环境做后训练，让开源模型在客户更关注的问题上表现超过闭源模型，这就够了。

DeepTech：你们的客户也会价格敏感吗？

王瀚锐：客户大致有两类需求。一类看重可控性和安全性，他们想知道自己的数据是怎么被处理的、用的是什么模型，还希望把积累的客户数据和经验变成竞争壁垒。这需要我们对模型进行定制化的调整，只能用开源模型。

另一类更看重成本和容量。很多客户直接用 OpenAI 或 Anthropic，未必能拿到足够的预留容量，比如需要几千张 GPU、几十亿 Token 的额度。开源推理服务商能提供更大的预留容量，既满足他们持续扩张的需求，成本也更低。

开源模型能力变强的同时，价格也在上涨。但对流量非常大的企业来说，哪怕把成本降低 5% 都是很大一笔钱，降低一半就更有吸引力了。

DeepTech：直接用开源模型的企业，和“先闭源跑通、再切换到开源”的企业，二者的相对比例在最近有没有变化？

王瀚锐：直接尝试开源模型的企业越来越多。一方面是品牌认知，以前大家信任 OpenAI、Anthropic，因为这两家做的最早，而这两家恰好都做闭源；后来 DeepSeek、Kimi 的品牌声誉做起来了，大家看到它们用更低的成本达到了不错的准确率，就会直接尝试开源模型。

另一方面是实际使用。用过一段时间闭源模型的客户，跑出的工作流里往往有很多个模型，有的用开到最高推理强度的模型，有的用小一些的。他们会逐步把简单环节换成开源模型，最复杂的高层规划、判断类环节先保留闭源，慢慢地，他们也会把一部分高难度环节换成开源模型。这是一个渐进的过程，因为他们已经积累了真实的调用记录、失败案例和评测基准，能判断出某个模型的准确率够不够。

DeepTech：在模型能力、品牌、价格、灵活性、隐私安全等因素中，客户的权重大概是怎样的？

王瀚锐：成本大概占了一半，准确率提升占 30%，可控性占剩下的 10% 到 20%。很多客户还在意我们能不能帮他们做后训练，做到超越闭源模型。例如本来要用最大的闭源模型、开最高的推理强度才能达到某个准确率，但客户希望在准确率和成本的权衡曲线上找到更好的点。为了满足这部分需求，我们在训练上也投入了很多，帮企业搭建数据飞轮，让模型持续变好。

DeepTech：国内也有企业在做类似的事，中美两边的公司，在商业模式上有哪些不同？

王瀚锐：我和国内一些同行交流过，从技术交流和开源社区来看，两边都很有活力，技术规律和趋势有很多相似之处。商业模式也非常类似，都是按 Token 计价，一些差异是在按 GPU 还是按 Token 数预留容量等细节处。不过，两边最大的区别是硬件层面，也就是能否用上最新的硬件。

“从来不会为了创业而创业”

DeepTech：在 2026 GTC 的演讲幻灯片里，黄仁勋展示了 Eigen AI 在 Kimi K2.5 上的推理速度排第一。这件事对公司影响大吗，你们事先知道吗？

王瀚锐：这是我们公司非常难忘的一段经历。他发布之前我们并不知道，是在发布的那一刻才发现，原来我们真的做到了最快的速度，当时非常意外，也非常兴奋。

这次曝光对我们的帮助肯定很大。一方面，老黄在 3 月份的主题演讲里再次强调推理，大家对推理的关注开始升温，当然，这也和 OpenClaw、Kimi 等工具或模型的出现有关。另一方面，我们在正在爆发的推理市场里做到了最快，主动找来的客户更多了，对团队士气也是很大的鼓舞。

（来源：X@Eigen_AI_Labs）

DeepTech：公司成立一年左右就被收购，当时是怎么考虑的？

王瀚锐：如果只看公司的成立时间，这个速度确实很快。但我们在这个领域已经有了十年左右的技术积累。我从 8 年前开始做稀疏注意力、KV 缓存量化，另两位联创中，金帝 2015 年就开始做 NLP 研究，韋程也从 2015 年开始做效率和内存系统，这些技术都直接用到了我们的推理和训练产品上。

我们的出发点一直是让研究产生更大的影响，尽量保持初创公司的发展速度，同时解决一些硬性约束。进入 Nebius 一个季度（Quarter）后——在大公司才会“按季度过日子”（笑），我们确实感到客户、GPU 数量等各方面的规模都比以前大了很多，所以这是一个互利共赢的选择。

DeepTech：你们对被收购的态度一直是比较开放的？

王瀚锐：我们的思路是，有些事情一定要在创业公司做。放在 5 年前，推理平台根本不存在，这类新产业用创业的速度来做肯定是合理的。但我们还要找到最能让技术产生影响的组织形态。

近期大家都意识到了推理的价值，更多的算力、更大的市场和更强的销售团队可以支撑更快的发展，我们自然对这些选择保持开放。当然，我们也可以选择独立发展，这是一个权衡问题。

DeepTech：当时接触的公司里，为什么最后选择了 Nebius？

王瀚锐：有几个方面。首先我们的瓶颈是 GPU，那就要选一家有 GPU 的公司，也就是各种新型云服务商（neocloud）；因为我们做的是软件，所以需要一家非常重视全栈的公司。

Nebius 从 Yandex 分拆而来，后者相当于俄罗斯的 Google，企业文化里对软件有很强的信念，Nebius 的愿景也是做全栈，我们加入后会比较受重视。GPU 是 Nebius 的强项，它的市场团队也非常强，正好补上我们的短板。

其次，我们希望有足够大的施展空间。Nebius 规模很大，但又没有大到失去灵活性，虽然是上市公司，行动速度依然像创业公司一样快。有硬件、重视软件、行动又快，满足这几条的公司在市场上其实很少。另外，我们和 Nebius 在并购之前就合作了很长时间，一起推进了很多个模型的推理加速，比较“情投意合”。

DeepTech：如果没有 Nebius 这个选项，你们最想加入的公司会是哪一家？

王瀚锐：如果没有 Nebius，我们可能就会选择独立走下去。

DeepTech：交易宣布后，Nebius 股价连续大涨，到 6 月交易完成时，涨幅已经相当可观。这个过程中你们是什么心情？

王瀚锐：心情还是挺复杂的。股价上涨大家肯定都很高兴，交割时收购对价翻倍，Eigen AI 成为独角兽，这是资本市场的认可。超出预期的是，最后涨出来的部分已经远超这笔收购的对价。但越涨，我们肩上的重担就越大，大家的期待会更高，我们需要尽快交付实际的成果。

DeepTech：你们团队二十多人整体加入了 Nebius，但硅谷这两年流行另一种模式：只挖走创始人和核心团队，再签一份技术授权，公司本身留在原地。你们整体加入，是你们的坚持，还是有其他原因？

王瀚锐：其实我们没有经过很复杂的谈判，默认就是收购整个公司。Windsurf、Groq 等交易是最近才出现的一种模式。它的好处是，如果只收购人才、签技术授权，就不需要经过复杂的审批流程，符合 AI 快速发展的节奏。但它也有弊端，公司对剩下的员工、投资人，以及原有客户的善后工作都会变得非常棘手。

DeepTech：所以它可能只是权宜之计。

王瀚锐：没错。比如英伟达宣布收购 Hugging Face，就没有用挖角式收购（acqui-hire），关键在于公司是偏技术，还是更依靠整体的市场影响力。像 Hugging Face、OpenRouter 这种平台型公司，不可能只靠挖走几个工程师实现收购目的，必须整体收购。但如果目标只是几个人、几项核心技术，而且很容易剥离，大公司就会希望快刀斩乱麻，把人和技术授权一起拿过来，这样可以省去很多法律风险和原公司的担责风险。

我不认为“部分收购”会成为标准模式，它更多像特殊时期的特殊办法，只有在大家抢同一家公司、或者出于战略考虑必须快速完成的时候，才会用这一招。大部分收购最终还是要整体并购。

DeepTech：其实你对收购这件事应该不是很陌生，曾经实习过的深鉴科技被赛灵思（Xilinx）收购，导师韩松联合创办的 OmniML 被英伟达收购，现在你自己的公司也被收购了。做 AI 系统方向的初创公司，保持独立是不是一个伪命题？如果要保持独立，至少需要具备哪些特质？

王瀚锐：这里肯定有选择性偏差，被收购的公司更容易被看到。但 AI 系统软件在整个价值链上确实只是中间的一环。

微笑曲线告诉我们，越靠中间，就越容易被挤压，利润率很难做高。推理业务一边要面对 GPU 厂商，一边要面对客户，同一层还有很多竞争对手。

回看上一代基础设施，有个很有意思的现象：亚马逊云服务（AWS）、微软 Azure、谷歌云都背靠一家大公司，没有哪家独立云服务商做到非常大的规模。大公司的资本资源不用说，客户资源和渠道也是现成的。

AI 基础设施的增长取决于客户业务规模的增长，AI 系统这一层要想独立存在、持续做大，需要绑定几个稳定的大客户一起成长，最好是高增长的客户。

另一个生存之道是保持中立，可以接入不同的 GPU、不同的芯片和数据中心，支持各种各样的模型，成为一个中立平台。大公司总会和客户在别的业务上有重合，比如有的客户不想用谷歌云，因为和谷歌有竞争。

还有一点，AI 系统不从某个垂直行业出发，可以用在很多行业，所以很难积累某个行业的专门知识。也许另一条路是做更适配某个垂直行业的基础设施。比如有几家公司专门给药企做云服务和软件平台，它们是技术公司，但非常了解药企的各种合规要求，这也是能持续增长、保持独立的一种方式。

把 Token Factory 变成“万物工厂”

DeepTech：从创业到加入 Nebius，你的状态、关注点和日常工作有什么明显变化？

王瀚锐：创业公司的 CEO 是“首席什么都管官”（chief everything officer），客户、融资、招聘、产品、工程、营销都要管，核心任务是让公司活下来。

加入大平台，至少融资不用我负责了，我开始管预算、对损益负责，更多时间花在协调不同组织之间的行动上。比如要和 GPU 团队协调，因为他们提供算力；要和市场团队协调，确保对外传递的信息准确。我们作为“应用 AI 部门”，目标很明确，就是把模型产品做到最好，也能做得更深。

另一个挑战是我们现在是全球团队，欧洲也有大团队加入了“应用 AI 部门”，需要做很多全球协调，这是以前在创业公司不会面对的挑战。

DeepTech：在现在的团队里，你觉得把技术做到最前沿更重要，还是把产品打磨好更重要？

王瀚锐：产品打磨更重要。我们是基础设施公司，不是新的 AI 实验室，也不是研究机构。基础设施公司要做到每件事都可以复现、值得信任，我们不一定永远做最前沿的技术，但做出来的东西一定要让客户最放心。产品必须可复现、可扩展、可靠，让大家一提到 Nebius 就知道，找它一定没问题。像空气一样不被人注意到，可能是基础设施的最高境界。

研究我们也做，因为这个领域发展太快，基础设施还远没有到稳定状态，需要做一些前沿研究才能跟上最新的变化。但发论文、开发新技术不是我们的唯一目的，更重要的是把它们做成真正可落地的产品。

DeepTech：团队做研究和做产品的取向，和你个人的取向有没有细微的差别？

王瀚锐：我个人博士期间做过一些更前沿的硬件，比如用光子器件加速 Transformer，也做过用量子器件加速 Transformer。现在做“应用 AI 部门”的研究，还是希望能落到真实产品和生产环境里。不是说每项研究都必须落地，但很多问题是从产品里出现的真实问题，或者我们预测未来几个月会出现的问题出发的。

DeepTech：现在没有太多精力做前沿探索，你会觉得可惜吗？

王瀚锐：以前做研究，是在智识上很有满足感；现在在公司里把业务做起来、解决客户的实际问题也很有意思，两者各有吸引人的地方。

DeepTech：加入 Nebius 之后，你们陆续做了很多新模型的 Day 0 上线，比如 Kimi K3。为了做到这一点，你们有什么特别的尝试？和之前自己创业时做发布有什么不同？

王瀚锐：我们是所有新型云服务商里唯一一家做到 Day 0 支持 Kimi K3 的。因为我们是 Kimi 的合作伙伴，会提前做计划，准备好算力和各种优化。一是准确率，我们要通过 Kimi K3 的厂商验证工具（vendor verifier），保证准确率完全对齐。二是我们同时并行做几种优化，哪种有效就在 Day 0 用上。

能做到这一点，一是现在团队更大，可以在 Day 0 之前同时推进几个优化方向；二是我们有英伟达 B300 这样更先进的 GPU。

DeepTech：你们现在除了推理和后训练，还在做智能体。在你看来，智能体和之前的推理有哪些不同？

王瀚锐：智能体要做规划、调用工具、读结果、自我纠错、重试，步骤多得多。步骤多了，KV 缓存复用的机会就多。早期我们在 Eigen AI，聊天、客服这类请求的 KV 缓存命中率达不到 80%，但在智能体、编程、协同办公这些场景，命中率可以到 90%，甚至 95% 以上。这对 KV 缓存管理提出了更高的要求。

另外，评价指标也在变，从单纯计算每秒 Token 数转向看任务成功率或者每个任务的耗时。换一个小模型，Token 可能生成得更快，但需要重试更多次，时间反而更久；同样地，每个 Token 更便宜，完成任务需要的 Token 却更多了。所以智能体需要更高一层的评估。评估框架和接口层也要跟上，比如调用框架和模型是否兼容，能否支持各种对话模板和结构化输出，这些我们都必须支持。

DeepTech：那你们在智能体上有没有做一些比较有意思的尝试？

王瀚锐：一个是模型的自动选择，相当于一个路由器（router），智能体在不同步骤可以切换不同的模型。比如我们之前有个产品叫 Eigen Data，是一个合成数据生成平台，流程里要调用 14 个不同的智能体。现在我们在研究如何在不同位置用不同的模型，并根据生成数据的难度来切换模型，从整体上优化智能体工作流。

DeepTech：在智能体完成任务的过程中，你们观察到了哪些新的风险？

王瀚锐：一个是有些模型不支持工具发现，用户希望它完成某个任务，它知道某个工具的名字，却不知道具体实现和参数格式，就会凭空“编”出一个工具来，导致用户的调用框架报错。

另一个是系统层面的挑战，如果某个节点宕机，它存储的 KV 缓存就没了。如果不能快速恢复，重启后重新预填充这些缓存要花很长时间，还会打乱整个缓存路由过程，用户体验会变得很差。

DeepTech：现在大家都在谈 RSI，让 AI 自己改进自己。作为中间层，你们在这件事上可以做些什么？

王瀚锐：我觉得关键在于怎么定义验证器（verifier），也就是怎么定义对错、怎么定义进步。我们现在也在大量使用这种方法，比如内核设计智能体，我在一些会议上也介绍过相关进展，和英伟达、MIT 也有一些合作。

我们能做的，是让 RSI 在我们的基础设施上跑得更快，用更强的模型来做验证。它的消耗确实很大，用好的话，一个月写上百万行代码都有可能。但最核心的瓶颈，比如怎么设计验证闭环、怎么设计评判机制，很多不在基础设施的范围内。

DeepTech：现在 Artificial Analysis 的排行榜上，你们和 Together AI、CoreWeave、Fireworks 等公司你追我赶。这种竞争有没有尽头？如果有一天大家不那么关注速度了，最终比的是什么？

王瀚锐：Artificial Analysis 更像一个展示平台，决定了谁能被看到。上面除了速度，还有模型的智能水平、多模态评分，大家在上面看各种信息、互相分享，会形成一个整体的市场印象。

但基准测试和实际生产不可能完全一样。实际生产中，并发量、输入输出五花八门，Artificial Analysis 只能反映一部分，准确率也是同样的道理。既然它决定了谁能被看到，大家就会一直在上面展示，相当于宣布“我们支持这个模型了，速度很快，快来试试”。能不能把客户留下来，还是看生产环境的稳定性。

还有很重要的一点是算力，谁有卡。现在 GPU 非常紧缺，大家的瓶颈都卡在台积电的产能上，这也是为什么马斯克要做 TeraFab。这个瓶颈显然不是一两年能解决的，所以除了模型速度，谁能提供稳定、可持续扩展的算力，也是一层壁垒。

DeepTech：未来基准测试会不会有变化，比如加入模型性能或其他维度的评估？

王瀚锐：这个变化正在发生。Artificial Analysis 上大部分模型比的是速度，但像 GLM-5.2 这样的模型已经有了准确率指数，不只比推理服务商谁快，还要比谁准确。Nebius 目前在准确率上经常排第一。

我觉得 Artificial Analysis 以后会引入更多针对推理端点的比较维度。除了基准测试的准确率，真实生产中还有很大一部分在于API前端，比如工具调用处理得好不好，是否支持延迟加载工具，结构化输出的格式是否准确。这些都是智能体实际使用中的细节，也是我们花时间最多的地方，但目前 Artificial Analysis 的排行榜没有体现这些内容。

客户会看整个 API 前端，也就是模型之上的接口层，能不能把工具调用做得非常稳定、没有漏洞，这决定了他们会不会留下来。之后它可能会推出类似测试调用框架的基准，看挂到调用框架上能不能真正完成任务。大家的注意力正在从聊天转向智能体，很多指标也从 Token 层面转到了任务层面。

DeepTech：作为个人用户，我的感受是，随着推理能力变强，大家对速度的容忍度好像提高了。企业客户有没有类似的趋势？比如以前要求一秒出结果，现在等一个小时也能接受，只要最后能把任务做好。

王瀚锐：这个观察很有意思。我们看到，大家对首个 Token 的响应时间依然要求很高，因为这直接影响用户体感。但在高吞吐、高并发的情况下，每个用户的输出速度是每秒 300 个 Token还是 500 个 Token，其实人已经看不过来了，或者输出是给智能体调用工具用的，人也不会直接看。所以我们观察到，对每秒 Token 数的需求有一个上限，到 300 到 500 这个范围之后，很少有人再要求一定要到 2,000 甚至 3,000。

但随着大家把更多任务交给智能体，完成任务的端到端速度会越来越重要。现在让智能体写个文档，可能要等将近 10 分钟，我自己已经会有点不耐烦了。我们和英伟达合作的 Groq LPX 可以做到每秒 3,000 个 Token，想象一下，准备一份幻灯片从等 10 分钟变成等 1 分钟，用户体验还是会有明显提升的。

DeepTech：有时候模型回得太快，反而让人怀疑它是不是没认真推理。

王瀚锐：没错。现在还有一个很大的问题，比如 ChatGPT 可以选不同的推理强度，但这个选择很模糊，到底该用超高、最高还是中等，非常不直观。

所以现在开始兴起路由这一层，帮用户选模型，我觉得这是对的方向。就像我们用 Wi-Fi，不会去选它是 5G 还是 2.4G，这属于基础设施的底层参数。根据用户任务的难度，甚至在多智能体系统里，决定不同智能体什么时候用大模型、什么时候用小模型，这还是一个空白领域，也许以后会有更多公司出现，Nebius 也在做这方面的探索。

DeepTech：你毕业时拿到了加州大学洛杉矶分校计算机系的教职，你对未来的职业规划是怎样的？会回到学术界做更基础的研究，还是留在产业界？

王瀚锐：目前还是专注在 Nebius，把 Token Factory 做好。这个领域变化很快，未来有很多不确定性。我觉得不一定要二选一，在 Nebius 也可以做研究、发论文，到时候看整个产业的发展。

DeepTech：你对 Token Factory 这项事业有没有一个长期目标？希望它最终变成什么样子？

王瀚锐：我觉得很重要的一点是，Token Factory 就是一个万物工厂（everything factory）。因为人的输出，包括各种机器、物理实体，都可以看作由 Token 控制的。只要有足够多的 Token、足够多的智能，就可以在数字世界里构建一切，也可以在硬件世界里构建实体。

以此推演，Token Factory 就成了一个不受人口限制、可以持续增长的智能银行。智能可以增长百倍、千倍、万倍，成为一个没有上限的资源，经济不再受限于人。亚马逊、苹果的规模取决于有多少人网购、多少人买手机，Meta 的日活用户有 30 亿，是因为拥有手机的人数有上限，而如果大家可以无限地使用 Token，就能获得无限的智能，这种智能的水平还可能超过人类，我觉得这是非常令人兴奋的一点。

它会构建出什么，风险和机遇并存，有人会说这就是硅基生命，但我觉得人总会想出控制它的办法。我们要做的就是让 Token Factory 真正把智能变得像水和空气一样便宜，然后看它能构建出什么。

DeepTech：现在不少初创公司和大公司都开始自己做推理芯片，你们有这方面的计划吗？

王瀚锐：我个人对推理芯片还是很有感情的，本科时我同时修读了计算机科学和电子工程，做过一颗推理芯片，博士期间又做了一颗。但在 Nebius，我们目前没有做自研芯片的计划，还是先把最擅长的事情做大。

至于现在是不是做芯片的好时机，我觉得主要看基本算子是否还在快速变化。之前大家觉得都用 Transformer，那是不是就可以造 Transformer 芯片了？但最近注意力机制出现了各种变体，比如分组查询注意力（GQA）、多头潜在注意力（MLA）、Kimi Delta注意力（KDA）……底层架构还没有完全固定下来。

另外，模型规模还在不断扩大，每层的规模、KV 缓存的分配方式都在变。这些都会影响芯片的基本处理单元以及多级存储系统的设计。现在造出来的芯片，3 年之后可能还是不适配。所以如果要做芯片，必须提前准备，给未来的算子留出余量，内存层级的设计也要留足空间，才能做到向前兼容。

DeepTech：你刚才提到了物理AI的一些场景。Token Factory 目前有没有明确面向物理 AI 或具身智能的部分？

王瀚锐：Token Factory 内部有个团队专门做机器人方向，我们会支持自动训练物理 AI 模型，用智能体去训练物理 AI 模型，包括设计数据、使用云端仿真器等。另外也在支持多模态模型，其中包括世界模型（world model）。虽然还处在早期，但这是我们的重点关注方向，会做必要的准备。

DeepTech：你认可具身智能的前景吗？

王瀚锐：我不是这方面的专家，但我曾参观过 Figure AI 等机器人公司。这个方向非常必要，但在实现的时间线上，我没有那么确定。自动驾驶需要很多数据和多年积累，但汽车的自由度有限，而且它是工具，人坐在里面开车就可以收集数据。

具身智能的难点在于没法这么自然地收数据，总不能让人穿上钢铁侠那样的盔甲去采集。它的自由度更高，需要的数据更多，收集难度也更大，两方面叠加，数据就成了很大的瓶颈。所以我们看到，过去四五年，语言模型的规模涨了五六个数量级，具身智能模型可能只涨了两个数量级，因为数据跟不上。怎么解决数据瓶颈，我觉得非常重要。

DeepTech：如果有可能，你还会离开大组织，自己出来创业吗？

王瀚锐：我不会为了创业而创业，或者为了成为连续创业者而创业，更多是看我感兴趣、想做的方向，是否需要创业公司的形式。如果它特别新，或者需要跑得很快，可能需要。但目前我们最感兴趣、最兴奋的是构建智能工厂，Token Factory 是当下最有可能支持我们快速推进的平台，它的资源和架构也最适合我们把这件事落地和规模化。

DeepTech：你心里有没有想过一些适合用创业形式来做的方向？不一定真的去做。

王瀚锐：我想过一些从瓶颈出发的方向。比如刚才说的路由，大家选模型的时候很随机，这方面可以做的更系统。另外，在用编程智能体的时候，我需要通过说话或打字把想法传给智能体，瓶颈就在交互方式上，也就是我的说话速度和阅读速度。有没有办法把这个瓶颈去掉，以及未来人和智能体如何交流和共生，我觉得也是很有意义的方向。

注：首图/封面由 AI 辅助生成