17岁这年离开月之暗面，陈广宇没有把去向说得很满，只在社交平台上留下一句感谢，感谢团队当初愿意接纳一个16岁的年轻人。话很轻，分量不轻。对外界来说，这更像一次普通的人才流动；对AI圈来说，这个名字背后已经绑着一项被写进模型底座的技术，绑着一段极不寻常的成长轨迹。

有人习惯把这样的年轻人叫作“天才少年”，我更愿意把他看成一个把兴趣追到极深处的人。陈广宇没有奥赛光环，没有跳级履历，也不是那种从小学编程、一路竞赛开挂的标准样本。公开博客里能看到，他的转折点出现在高一那年。那时他做了一个很简单也很狠的决定：把自己不喜欢的事情先停下来，只留下计算机和人工智能。这个选择听起来稚嫩，实际很有力量。很多人终其一生都在被课程表推着走，他却在十几岁的年纪，开始主动为自己的时间划边界。
他的学习方式也不走寻常路。下载论文、上传给大模型、反复追问，把机器当成陪练和讲解员。他在博客里把Gemini称作“导师”，这话并不夸张。自学AI最难的地方，从来不是找资料，而是把抽象概念咬碎了再吞下去。线性注意力、残差连接、GPU内核、训练并行，这些词像一堵墙，许多初学者看两页就想退。他却一点点拆，拆到能动手写代码，拆到能理解“为什么这样做更省算力”，拆到能在别人讨论架构时接得上话。
真正让外界注意到他的，是一篇关于DeltaNet的技术博客。那篇文章发出后，相关领域的研究者给了回应，随后，更多人看到这个名字。对一个十几岁的学生来说，这种被圈内人“看见”的机会很珍贵。它不像考试出分那样一锤定音，更像一扇小门被推开了，门后不是掌声，而是真刀真枪的问题。有人主动找他交流项目，有人邀请他通话了解研究方向。后来他并没有急着投身任何机会，而是继续补课，继续写代码，直到自己能做自定义GPU计算内核，才真正走向实战。
这种节奏很像老匠人带徒弟。先别想着上桌吃席，先把工具认全，把木料摸透，把手上的活干明白。2025年夏天，他去了硅谷，在帕洛阿尔托做了七周实习。公开说法显示，他每天在办公室待很久，参与内存优化和混合专家模型相关项目。实习这件事在很多人看来像简历装饰，在他这里更像一次能力体检：论文读懂了不算数，能不能把想法落到机器上才算数。大模型研发很现实，纸面上一个漂亮公式，落地时可能被显存、带宽、延迟和稳定性卡得动弹不得。年轻人最容易犯的毛病，是只看“想法新不新”；真正做过工程的人都知道，能跑、跑稳、跑得起，才是第一道门槛。
后来他加入月之暗面，继续做模型架构研究。外界最记得的，是他与张宇、苏剑林共同署名的Attention Residuals。这项工作并不是凭空冒出来的灵感闪电，最初的思路来自苏剑林的小规模实验，后来团队一起往前推。研究人员常常像修路的人，先在地图上画线，再一点点把坑填平。AttnRes的核心，是让后面的层不再只是机械累加前面的信息，而是能更有选择地回看、取用、组织这些信息。打个比方，传统残差像把所有草稿揉成一摞，方便携带，难以检索；AttnRes更像把草稿按章节整理，后面的人需要哪一页，就翻哪一页。
好办法不等于好落地。模型越大，保存中间结果越费显存，层与层之间还会增加通信和计算压力。实验室里跑得通，工程上未必扛得住。团队后来提出分块版本，把上百层网络切成若干区块，块内保持低成本累加，块间再做更精细的聚合。这个思路很朴素，也很像现实中的治理逻辑：事事都全量拍板，系统会累死；分层处理，重点抽查，效率往往更高。公开数据里提到，这种设计在大模型上保住了主要效果，额外延迟也控制得较低。对研究团队来说，这种结果比一时的热搜更值钱，因为它不是概念秀，是能进系统的部件。
陈广宇参与的另一项工作，是优化KDA相关计算内核。很多读者看到这里会觉得枯燥，实际上这恰恰是决定一个模型能不能跑起来的地方。算法像菜谱，内核像灶台。菜谱再漂亮，灶台不顺手，火候也出不来。青年研究者愿意在这种地方死磕，说明他对“把事情做成”这四个字有敬畏。年少成名的人不少，愿意在底层工程里磨的人不多。前者容易被看见，后者更能留下东西。
他离开前，团队还发起过面向年轻人的招聘计划，强调不拘专业、不拘年级，甚至不把传统学历路径当成唯一门槛。这类做法很像在说：先看你能解决什么问题，再给你匹配位置。对一个研究型组织来说，这样的思路确实更接近前沿团队的真实需求。新问题往往没有标准答案，真正有价值的人，常常也不完全符合岗位说明书。问题在于，组织能不能承接住这种“不标准”。非典型人才通常需要更高频的沟通、更快的反馈、更大的试错空间，也更在意贡献是否被准确看见。给他们一套固定流程，可能会把好苗子磨平；给他们真实难题和足够资源，才有可能长出新的能力。
他在离职时写下“还有更多事情值得探索”。这句话没有戏剧腔，反倒很像一个认真做过事的人会说的话。一个17岁的年轻人，已经经历过自学、被看见、实习、论文署名、模型落地，再转身去下一段旅程，这种轨迹让人想到许多早年的科研故事。历史上不少重大发明都出自年轻人之手，真正让他们站稳的，不是天赋标签，而是持续投入。天赋像火种，环境像空气，少一样都烧不久。大厂若想留住这类人，靠的不会是口号，而是问题、算力、信任、成长空间，以及对个人探索的耐心。
陈广宇留下的，不只是一个名字和一段履历。他把“少年感”留在了年龄上，把“研究者”留在了成果里。离开团队不代表故事结束，能在极短时间里把兴趣变成产出，把产出变成系统里的一部分，这本身就说明了一件事：真正值得珍惜的人才，从来不是听话的零件，而是能把未知变成答案的人。