月之暗面黄震昕：Kimi的目标是和海外三家模型掰手腕

界面新闻记者 | 程璐 界面新闻编辑 | 文姝琪 海外付费用户增长4倍、API收入增长400%、产品进入200多个国家和地区，这是中国明星模型厂商月之暗面Kimi在2026年最新交出的成绩单。 在刚刚结束的亚马逊云科技中国峰会上，月之暗面B端（企业）负责人黄震昕向界面新闻在内的媒体透露，Kimi B端业务占比正在持续提升，互联网、金融、制造、教育、医疗等行业，都已经成为公司重要企业客户来源，海外业务同时也在快速增长。 对于这家成立仅三年的明星AI大模型创业公司而言，它正在进入新的阶段。 月之暗面海外付费用户增长4倍，API收入增长400%。界面新闻摄 过去几年，月之暗面的标签始终是技术，长上下文、Scaling Law、基础模型创新，帮助Kimi迅速建立起行业影响力。 直到今天，黄震昕仍在采访中反复强调，公司的核心仍然是对模型底层创新的投入，包括继续推动模型架构演进，以及坚持探索Scaling Law的边界。 在月之暗面看来，模型能力仍然远未触及天花板。无论是预训练、后训练还是模型架构创新，公司都在持续投入资源，例如MuonClip已经被DeepSeek V4采用，而注意力残差等新架构也将应用于下一代模型。 不过，随着越来越多企业开始采购AI服务，一个现实问题摆在所有模型公司面前：企业究竟购买的是模型，还是解决方案？ 过去半年，大量企业开始围绕Agent构建应用后，包括字节、阿里AI厂商也在将资源投入行业方案和场景开发。在海外，OpenAI和Anthropic也在扩张企业服务团队，尤其是Anthropic，其Forward Deployed Engineer（FDE）模式已经成为企业业务的重要组成部分。模型厂商不仅提供模型API，也直接参与客户业务流程改造。 近期火山引擎总裁谭待同样提到，企业护城河核心就两件事，一是模型能力；二是如何把模型带进企业里去，这包括FDE模式的落地、对行业的深刻理解、生态伙伴的深度合作，以及团队自身对AI解决方案的专业度。 相比行业越来越“重”的交付趋势，月之暗面选择了另一条路线。 黄震昕认为，企业级AI难点并不在模型厂商这一侧，在于如何去切入和推进企业完成AI转型。“目前海外两家巨头的做法都不一样，大家也都在摸索。” 对于行业方案、系统集成以及企业“最后一公里”落地，月之暗面更倾向于通过合作伙伴完成。亚马逊云科技是其深度绑定的合作方之一。 按照双方的合作模式，Kimi负责模型能力，亚马逊云科技负责行业解决方案、全球客户资源以及合规体系。目前，Kimi模型已上架Amazon Marketplace提供API服务，未来双方将推动Kimi模型进入Amazon Bedrock的深度集成，Kimi的推理直接跑在亚马逊云科技的算力设施上。月之暗面还会和亚马逊云科技的SA（解决方案架构师）一起去打造行业性的解决方案。 黄震昕透露，随着合作深入，双方可能进一步探索预训练层面的合作，例如将部分训练任务运行在Trainium芯片上。 月之暗面B端负责人黄震昕。界面新闻摄 在黄震昕看来，把模型做好本身已经是一件足够困难的事情，月之暗面希望把更多精力留给模型本身。即便在企业业务增长最快的时候，月之暗面仍然保持克制。 截至目前，月之暗面员工规模只有300多人，相比大厂动辄数千人的AI团队，创业公司队伍精简，且资源配置的最高优先级仍然在模型研发层。 “最终还是希望探索智能的上限，希望能和海外那三家模型公司掰掰手腕。”黄震昕说。 随着模型能力持续增强，月之暗面看到，模型对于复杂环境的适应能力提升，从而降低对外部复杂工程框架的依赖，对Harness的要求也随之简化。月之暗面内部已经开始实践新的Loop Engineering（循环工程），相比传统Harness更简洁，代表了新的阶段。 今年以来，几乎所有模型厂商都在涨价，核心原因是算力成本的上涨，无论是海外还是国内算力资源，都跟不上Token需求的增长，算力成本压力最终传导到了模型服务这一侧。 黄震昕在采访中提到，用户对于高性能的Token需求有溢价支付意愿，但模型厂商也在通过Cache命中率优化、推理优化等技术努力，去对冲成本影响，将Token的实际成本往下拉。目前Kimi原厂服务的Cache命中率已经超过90%。 在月之暗面看来，真正决定未来竞争格局的，仍然是模型能力本身。