在英伟达的 GTC2026大会上，杨植麟进行了个人的GTC首秀。他在这次活动中把大模型 Scaling 方法做了展示。在3月18日这一天，杨植麟向公众透露了关于 Kimi K2.5模型背后的核心技术路线图。这个模型为大模型进化提供了一个全新思路。他给这个模型的进化路线做了归纳，分为Token效率、长上下文和智能体集群三个维度。他希望这三个维度协同发展，以此来突破智能上限。在这次演讲中他把Kimi的优点以及未来前景和大家分享了。这个演讲给大模型赛道的竞争焦点提供了新的方向。现在人们更注重模型的智能密度，而不是仅仅关注参数量了。 在这三个维度中，Token效率指的是模型能把资源利用好，提升计算能效比。它把资源空转的情况给拒绝了。在这次演讲中他也提到了长上下文是 Kimi 的长程记忆优势，可以处理超大规模信息。智能体集群则是把单模型独立作战变成了动态生成的集群协作模式。这次演讲中他还提到了目前 Scaling 的发展方向，是效率、记忆和自动化协作上寻找规模效应。他希望通过这三个方面相乘带来更强大的智能水平。在1月底发布的 Kimi K2.5 已经显示出这种“全能”特质。这个模型不仅在代码和视觉理解上表现出色，还可以灵活切换思考和非思考模式适应不同场景。 这次演讲中还提到了Agent集群成为未来智能形态的趋势。杨植麟提出“三维相乘”逻辑来实现跨越式进化。他也提到月之暗面 （Moonshot AI） 在这次大会上展现了SOTA性能和多模态架构等技术优势，让大家看到了AI领域未来的发展趋势。这次GTC2026大会上的精彩演讲给大模型 Scaling 提供了新思路和方法，也让大家对未来 AI 的发展充满期待。