徽声在线记者 | 程璐
徽声在线编辑 | 文姝琪

在2026年，中国AI大模型领域的明星企业月之暗面Kimi交出了一份令人瞩目的成绩单：海外付费用户数量激增4倍，API业务收入增长高达400%，产品成功打入全球200多个国家和地区的市场。这一系列亮眼数据，彰显了Kimi在国际舞台上的强劲竞争力。

在近期举办的亚马逊云科技中国峰会上，月之暗面的B端（企业端）业务负责人黄震昕向包括徽声在线在内的多家媒体透露，Kimi在企业市场的业务占比正稳步提升。互联网、金融、制造、教育、医疗等多个行业，均已成为Kimi的重要客户来源，同时海外业务也呈现出快速增长的态势。

对于这家成立仅三年的AI大模型创业公司而言，这无疑标志着其正迈入一个全新的发展阶段。

月之暗面海外业务迅猛增长，API收入大幅攀升。徽声在线摄

回望过去几年，月之暗面始终以技术创新为标签，通过长上下文处理、Scaling Law研究以及基础模型创新等手段，迅速在行业内树立了良好的口碑和影响力。

黄震昕在采访中多次强调，公司始终将模型底层创新作为核心战略，持续推动模型架构的演进，并不断探索Scaling Law的边界。他坚信，模型能力仍有巨大的提升空间。

为了实现这一目标，月之暗面在预训练、后训练以及模型架构创新等方面投入了大量资源。例如，其研发的MuonClip技术已被DeepSeek V4采用，而注意力残差等新架构也将应用于下一代模型中，进一步提升模型性能。

然而，随着越来越多的企业开始采购AI服务，一个现实问题逐渐浮现：企业究竟购买的是模型本身，还是基于模型的解决方案？

过去半年里，大量企业开始围绕Agent构建应用，字节跳动、阿里巴巴等AI厂商也纷纷将资源投向行业方案和场景开发。在海外，OpenAI和Anthropic等领先企业也在积极扩张企业服务团队，尤其是Anthropic的Forward Deployed Engineer（FDE）模式，已成为其企业业务的重要组成部分。这些模型厂商不仅提供模型API，还直接参与客户的业务流程改造。

近期，火山引擎总裁谭待也指出，企业护城河的核心在于两点：一是模型能力；二是如何将模型有效带入企业，这包括FDE模式的落地、对行业的深刻理解、与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。

面对行业越来越“重”的交付趋势，月之暗面选择了另一条差异化的发展路线。

黄震昕认为，企业级AI的难点并不在于模型厂商本身，而在于如何切入并推动企业完成AI转型。他表示：“目前海外两家巨头的做法各不相同，大家也都在摸索中前进。”

对于行业方案、系统集成以及企业“最后一公里”的落地问题，月之暗面更倾向于通过合作伙伴来完成。亚马逊云科技便是其深度绑定的合作方之一。

根据双方的合作模式，Kimi负责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打造、全球客户资源的拓展以及合规体系的建立。目前，Kimi模型已上架Amazon Marketplace提供API服务，未来双方还将推动Kimi模型进入Amazon Bedrock进行深度集成，使Kimi的推理直接运行在亚马逊云科技的算力设施上。此外，月之暗面还将与亚马逊云科技的解决方案架构师（SA）共同打造行业性的解决方案。

黄震昕透露，随着合作的深入，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，以进一步提升模型训练效率。

月之暗面B端业务负责人黄震昕。徽声在线摄

在黄震昕看来，把模型做好本身就是一件极具挑战性的事情。因此，月之暗面希望将更多精力投入到模型本身的研发上。即便在企业业务增长最快的时候，月之暗面也保持了高度的克制和专注。

截至目前，月之暗面的员工规模仅有300多人，相比大厂动辄数千人的AI团队，这家创业公司显得尤为精简。然而，其资源配置的最高优先级始终放在模型研发层上。

“我们的最终目标是探索智能的上限，希望能与海外那三家模型公司一较高下。”黄震昕充满信心地说。

随着模型能力的持续提升，月之暗面发现模型对于复杂环境的适应能力也在不断增强，从而降低了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更加简洁高效，代表了模型研发的新阶段。

今年以来，几乎所有模型厂商都面临着涨价的压力，核心原因是算力成本的上涨。无论是海外还是国内的算力资源，都跟不上Token需求的增长速度，导致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，虽然用户对于高性能的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、推理优化等技术手段努力对冲成本影响，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%，有效降低了运营成本。

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。只有不断提升模型性能和创新力，才能在激烈的市场竞争中立于不败之地。