月之暗面黄震昕：Kimi要与海外三家模型掰手腕

界面新闻

海外付费用户数量激增4倍，API收入同比提升400%，产品已覆盖全球200多个国家和地区——这是中国AI大模型明星创业公司月之暗面Kimi在2026年交出的最新成绩单。

在近日举办的亚马逊云科技中国峰会上，月之暗面企业级业务负责人黄震昕向包括界面新闻在内的媒体透露，Kimi在B端市场的占比正持续攀升。当前，互联网、金融、制造、教育、医疗等行业均已成为公司重要的企业客户来源，与此同时，其海外业务也呈现出迅猛增长态势。

对于这家成立仅三年的明星AI大模型初创企业而言，这无疑标志着其发展进入了一个全新的里程碑阶段。

月之暗面海外付费用户规模实现4倍增长，API营收增幅高达400%。界面新闻摄

在过去数年间，月之暗面身上最显著的标签始终是“技术驱动”。长上下文处理能力、Scaling Law（扩展定律）以及基础模型创新，这些核心关键词帮助Kimi在业界迅速树立了强大的影响力。

时至今日，黄震昕在采访中依然反复强调，公司的战略重心始终锚定在模型底层的持续创新投入上。这既包括不断推动模型架构的演进升级，也涉及对Scaling Law边界的深入探索与突破。

在月之暗面看来，当前模型的能力还远未触及发展的天花板。无论是在预训练、后训练环节，还是在新一代模型架构的研发上，公司都在持续投入大量资源。一个有趣的佐证是：MuonClip技术已被DeepSeek V4所采用，而注意力残差等前沿创新架构，也将在下一代模型中得到应用。

然而，随着越来越多的企业开始采购AI服务，一个现实而关键的问题摆在所有模型公司面前：企业客户购买的核心，究竟是单纯的模型能力，还是一整套可落地的解决方案？

过去半年间，大量企业开始围绕Agent（智能体）构建应用。在这一趋势下，包括字节跳动、阿里巴巴在内的众多AI厂商都将资源重心倾斜至行业解决方案与场景化开发上。放眼海外，OpenAI与Anthropic也在积极扩张其企业服务团队。特别是Anthropic，其Forward Deployed Engineer（前场部署工程师，简称FDE）模式已成为企业业务的重要组成部分——模型厂商不仅提供API接口，更直接参与客户业务流程的改造与优化。

近期，火山引擎总裁谭待同样指出，企业的护城河核心无非两件事：一是模型本身的强大能力；二是如何将模型有效带入企业实际应用场景。这具体涉及FDE模式的落地实践、对行业痛点的深刻洞察、与生态伙伴的深度协作，以及团队自身在AI解决方案领域的专业水准。

在行业整体交付模式日趋“重资产”化的趋势下，月之暗面选择了一条截然不同的发展路径。

黄震昕认为，企业级AI的应用难点并非主要集中于模型厂商一侧，而在于如何精准切入并有效推动企业完成自身的AI转型。“目前海外两家巨头的做法各不相同，整个行业也都在摸索之中。”

对于行业方案定制、系统集成以及企业落地的“最后一公里”等环节，月之暗面更倾向于通过与合作伙伴协同完成。亚马逊云科技便是其深度绑定的核心合作伙伴之一。

按照双方的合作模式，Kimi专注于提供强大的模型能力，而亚马逊云科技则负责行业解决方案的构建、全球客户资源的对接以及合规体系的保障。目前，Kimi模型已上架Amazon Marketplace并开放API服务。展望未来，双方将推动Kimi模型深度集成到Amazon Bedrock中——这意味着Kimi的推理任务将直接依托亚马逊云科技的算力设施运行。月之暗面还将与亚马逊云科技的解决方案架构师团队携手，共同打造行业级解决方案。

黄震昕透露，随着合作的持续深化，双方未来还可能进一步探索在预训练层面的合作，例如将部分训练任务部署在Trainium芯片上运行。

月之暗面企业级业务负责人黄震昕。界面新闻摄

在黄震昕看来，仅仅把模型本身做好就已经是一项极具挑战性的工作，月之暗面希望将更多精力聚焦于模型能力的持续精进。即便在B端业务增长最为迅猛的阶段，公司依然保持着战略上的克制与专注。

截至目前，月之暗面的员工总数仅为300余人。相比之下，科技巨头旗下动辄数千人的AI团队规模，这家创业公司的队伍显得极为精简，而其资源配置的最高优先级始终落在模型研发层面。

“我们的最终目标依然是探索智能的边界与上限，希望能够与海外那三家顶尖模型公司同台竞技。”黄震昕表示。

随着模型能力的不断增强，月之暗面观察到，模型对复杂环境的适应能力正在显著提升。这一进步降低了对复杂外部工程框架的依赖，同时也简化了对Harness（管控框架）的要求。月之暗面内部已经开始实践新型的Loop Engineering（循环工程），相较于传统的Harness方案更为简洁高效——这标志着模型发展进入了一个新阶段。

今年以来，几乎所有模型厂商都相继提高了服务价格。其核心原因在于算力成本的持续攀升——无论是海外还是国内的算力资源，都已无法跟上Token需求的快速增长。算力成本压力最终传导至模型服务端。

黄震昕在采访中提到，用户对高性能Token存在溢价支付的意愿。与此同时，模型厂商也在通过优化Cache命中率、改进推理算法等技术手段，积极对冲成本上涨带来的影响，努力拉低Token的实际使用成本。目前，Kimi原厂服务的Cache命中率已成功突破90%。

在月之暗面看来，真正决定未来市场竞争格局的核心要素，归根结底仍然是模型能力本身。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：月之暗面黄震昕：Kimi要与海外三家模型掰手腕要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题