Yang Zhilin es uno de los científicos expertos en inteligencia artificial (IA) más importantes de China. Ahora mismo es razonable incluso considerarlo el más relevante de esta nación asiática debido a que es el principal responsable de Kimi K3 , la IA china que ha conseguido pelear de tú a tú con los modelos más avanzados de OpenAI o Anthropic . La historia de Zhilin está marcada por el éxito desde el principio, pero lo que a menudo se pasa por alto es que las grandes tecnológicas estadounidenses pelearon entre ellas para ficharlo. Unos apuntes biográficos breves para meternos en harina.
Yang Zhilin, de 34 años, nació en Shantou, provincia de Guangdong (China), y se formó en Ciencias de la Computación en la prestigiosa Universidad de Tsinghua, en Pekín, un centro de enseñanza e investigación considerado "el MIT chino" . Cuando concluyó su licenciatura decidió complementar su formación en EEUU, así que consiguió que lo aceptasen en un programa de doctorado en la Universidad Carnegie Mellon, en Pittsburgh (Pensilvania). Durante sus años de formación en China, Zhilin exploró varias áreas de la informática, como la teoría de grafos o el aprendizaje multimodal, pero no se volcó definitivamente en la IA hasta que sus mentores en Carnegie Mellon, Ruslan Salakhutdinov (excientífico jefe de IA en Apple) y William Cohen, le animaron a focalizar su esfuerzo en los modelos de lenguaje. Este es el momento en el que su historia se pone realmente interesante.
Y es que Zhilin fue uno de los artífices de Transformer-XL y XLNet, las dos arquitecturas de procesamiento del lenguaje natural que han desencadenado la explosión de la IA que estamos viviendo. De Transformer-XL a Kimi K3 Los transformers de los que con tanta frecuencia oímos hablar en el ámbito de la IA son una arquitectura diseñada para conseguir que una máquina pueda entender las relaciones que existen entre las palabras o las diferentes partes de una información. Su propósito es identificar cuáles son realmente importantes para interpretar el conjunto de los datos que están siendo procesados. Los transformers fueron desarrollados por varios investigadores de Google, entre los que se encuentran Ashish Vaswani, Noam Shazeer, Niki Parmar o Łukasz Kaiser, entre otros.
En Xataka Los físicos creían conocer la estructura de los protones. Ahora saben que son mucho más asombrosos de lo que pensaban El corazón de los transformers es el mecanismo de atención, que, muy a grandes rasgos, permite a un modelo identificar qué palabras de una frase debe evaluar para comprender qué relaciones existen entre ellas y cuál es el significado de cada una de ellas, así como del conjunto. El problema de esta estrategia es que el contexto de los transformers estaba limitado a una ventana de tokens , por lo que cuando el modelo procesaba un nuevo fragmento de texto estaba restringido por la imposibilidad de acceder a la información que había quedado fuera de esa ventana. El mecanismo de atención permite a un modelo identificar qué palabras de una frase debe evaluar para comprender qué relaciones existen entre ellas Yang Zhilin y varios de sus colegas en Carnegie Mellon resolvieron esta limitación de un plumazo proponiendo una especie de memoria entre segmentos con Transformer-XL.
Y poco después junto a otros colaboradores desarrolló XLNet, una arquitectura que permite a un modelo predecir palabras a partir de diferentes órdenes de permutación. Estos dos trabajos fueron fundamentales en el desarrollo de la IA tal y como la conocemos, por lo que Zhilin pudo hacer estancias para seguir investigando en Google Brain y Meta, y cuando acabó su doctorado las grandes tecnológicas estadounidenses se lo rifaron. Pero Zhilin no tenía intención de quedarse en EEUU. Había viajado allí para completar su formación, y una vez que la dio por concluida decidió regresar a China con el propósito de fundar su propia empresa de IA .
Fue exactamente lo que hizo. Nada más regresar a China participó en dos proyectos nacionales esenciales: PanGu, de Huawei, y WuDao, de la Academia de Inteligencia Artificial de Pekín. Y en marzo de 2023 cofundó Moonshot AI junto a dos de sus antiguos compañeros en la Universidad de Tsinghua. El resto es historia.
En julio de 2026 Moonshot AI lanzó Kimi K3, un modelo de IA de 2,8 billones de parámetros con pesos abiertos y capaz de competir con los principales modelos cerrados de EEUU , como Claude Opus 4.8 de Anthropic o GPT-5.5 de OpenAI, quedando solo por detrás de los más recientes Claude Fable 5 y GPT-5.6 Sol. Zhilin ha sido utilizado por algunos inversores estadounidenses como el símbolo del debate sobre la fuga de talento en EEUU propiciada por la política migratoria de la Administración Trump, que, según ellos, está empujando a los mejores cerebros de vuelta a China. Imagen | Weibo (procesada con Gemini) En Xataka | Los dos ajustes invisibles que deciden si tu IA acierta o desvaría En Xataka | "Ya estamos en la singularidad de la IA": Sam Altman, CEO de OpenAI