Yang Zhilin, el científico chino que dejó Silicon Valley para impulsar una de las IA más avanzadas del mundo
Yang Zhilin se ha convertido en una de las figuras más influyentes de la inteligencia artificial en China. A sus 34 años, es el principal responsable de Moonshot AI y de Kimi K3, un modelo que compite con algunas de las propuestas más avanzadas de OpenAI y Anthropic pese a contar con pesos abiertos.
El recorrido de este investigador resulta especialmente significativo porque varias grandes tecnológicas estadounidenses intentaron incorporarlo a sus equipos. Sin embargo, Zhilin decidió regresar a China después de completar su formación en Estados Unidos para fundar su propia compañía y participar en algunos de los proyectos estratégicos de IA del país.
De Tsinghua a Carnegie Mellon
Yang Zhilin nació en Shantou, en la provincia china de Guangdong. Se graduó en Ciencias de la Computación en la Universidad de Tsinghua, en Pekín, una institución considerada uno de los grandes referentes tecnológicos y científicos de China.
Tras finalizar sus estudios, continuó su formación en la Universidad Carnegie Mellon, en Pittsburgh, donde cursó un doctorado. Allí trabajó bajo la supervisión de investigadores como Ruslan Salakhutdinov, antiguo responsable científico de inteligencia artificial de Apple, y William Cohen.
Durante su etapa universitaria, Zhilin investigó áreas como la teoría de grafos y el aprendizaje multimodal. Este último permite a los sistemas de IA procesar y relacionar distintos tipos de información, como texto, imágenes, audio o vídeo.
Fue en Carnegie Mellon donde orientó definitivamente su carrera hacia los modelos de lenguaje. Su trabajo posterior le llevaría a participar en el desarrollo de Transformer-XL y XLNet, dos arquitecturas fundamentales para la evolución de la IA generativa.
La tecnología que cambió los modelos de lenguaje
Los transformers son un tipo de arquitectura de inteligencia artificial diseñada para analizar las relaciones entre las palabras y las distintas partes de un contenido. Su funcionamiento se basa en gran medida en un mecanismo denominado atención.
La atención permite que el modelo determine qué elementos de una frase o de un documento son más relevantes para interpretar el significado general. Por ejemplo, ayuda a relacionar un pronombre con el sustantivo al que se refiere, aunque ambos aparezcan separados por varias palabras.
El problema inicial era que estos sistemas trabajaban con una ventana de contexto limitada. Esta ventana es la cantidad máxima de información que un modelo puede tener en cuenta al mismo tiempo. Cuando el texto superaba ese límite, el sistema podía perder datos importantes incluidos en fragmentos anteriores.
Transformer-XL introdujo una especie de memoria entre segmentos. Gracias a ella, el modelo podía reutilizar información procesada previamente y mantener mejor la coherencia al trabajar con textos largos. La propuesta supuso una mejora relevante frente a las limitaciones de los transformers convencionales.
Más tarde, XLNet planteó una forma diferente de entrenar los modelos de lenguaje. En lugar de predecir siempre una palabra siguiendo un orden fijo, el sistema podía hacerlo a partir de distintas permutaciones de la secuencia. Esto le permitía captar relaciones más complejas entre las palabras y comprender mejor el contexto.
Una carrera académica con ofertas de las grandes tecnológicas
La relevancia de estos trabajos abrió a Yang Zhilin las puertas de algunos de los principales laboratorios de investigación del mundo. Durante su trayectoria realizó estancias en Google Brain y Meta, dos centros que han desempeñado un papel destacado en el desarrollo de las técnicas actuales de aprendizaje automático.
Al terminar su doctorado, las grandes tecnológicas estadounidenses competían por incorporarlo. Su experiencia en procesamiento del lenguaje natural, la rama de la IA que permite a las máquinas analizar y generar texto, le convertía en un perfil especialmente valioso en plena expansión de los asistentes conversacionales.
Sin embargo, el investigador optó por volver a China. En lugar de continuar su carrera en Estados Unidos, decidió aplicar sus conocimientos al desarrollo de una empresa propia y contribuir al crecimiento del ecosistema tecnológico chino.
El nacimiento de Moonshot AI
A su regreso, Zhilin participó en proyectos nacionales como PanGu, impulsado por Huawei, y WuDao, vinculado a la Academia de Inteligencia Artificial de Pekín. Estas iniciativas buscaban reforzar las capacidades de China en modelos de lenguaje y sistemas de inteligencia artificial de propósito general.
En marzo de 2023, cofundó Moonshot AI junto a dos antiguos compañeros de la Universidad de Tsinghua. La compañía comenzó a trabajar en Kimi, una familia de modelos y servicios de IA centrados especialmente en la comprensión de textos extensos y la interacción conversacional.
Kimi K3, el escaparate de la IA china
Moonshot AI lanzó Kimi K3 en julio de 2026. El modelo cuenta con 2,8 billones de parámetros, una cifra que refleja la cantidad de valores internos que utiliza una red neuronal para aprender patrones y generar respuestas.
Además, sus pesos son abiertos. Los pesos son los valores que definen el comportamiento aprendido por un modelo, y poder acceder a ellos permite a investigadores y empresas estudiar, adaptar o desplegar el sistema con mayor libertad que en el caso de las soluciones cerradas.
Kimi K3 ha logrado competir en distintas pruebas con modelos estadounidenses como Claude Opus 4.8, de Anthropic, y GPT-5.5, de OpenAI. Según las comparativas citadas en el sector, solo quedaría por detrás de propuestas más recientes como Claude Fable 5 y GPT-5.6 Sol.
El éxito de Zhilin también se ha incorporado al debate sobre la fuga de talento tecnológico. Algunos inversores estadounidenses consideran su caso un ejemplo de cómo las restricciones migratorias y la incertidumbre política pueden empujar a investigadores cualificados a regresar a sus países de origen.
Más allá de la rivalidad entre China y Estados Unidos, su trayectoria muestra el valor estratégico de la investigación académica. Los avances desarrollados durante su etapa universitaria terminaron influyendo en la generación actual de modelos de lenguaje y, años después, sirven como base para una de las IA chinas con mayor proyección internacional.
