出品｜徽声在线科技频道

作者｜宋思杭（改写）

编辑｜苗正卿（修订）

头图｜视觉中国

在2026年的人工智能大模型领域，月之暗面（Kimi）与DeepSeek无疑是最受瞩目的两家企业。它们不仅在资本市场上动作频频，更在技术路径上展现出前所未有的趋同性，引发了业界的广泛讨论。

从融资动态来看，Kimi在过去半年内连续完成了多轮融资，估值如火箭般飙升。而一向以技术自持、资金充裕著称的DeepSeek，也悄然启动了融资计划，这一转变令市场颇感意外。两年前，这样的场景几乎难以想象。

彼时，大模型行业呈现出两条截然不同的发展轨迹。

Kimi作为明星创业公司，凭借频繁的融资和持续的扩张策略，迅速在市场上占据了一席之地。而DeepSeek，在创始人梁文锋的带领下，则显得更为低调，外界对其的印象更多停留在技术层面。

然而，时至今日，两家公司却同时出现在了资本市场的聚光灯下，成为了投资者关注的焦点。

在技术路线上，尽管外界常将Kimi与DeepSeek相提并论，但实际上它们各有侧重。

Kimi一直致力于将模型能力转化为实际产品，从长文本处理、搜索功能，到后来的Agent智能体、Coding编程辅助，月之暗面不断探索模型能力的应用边界。

而DeepSeek则更像是一家纯粹的研究机构，其V2、R1、V3等模型版本，每一次发布都引发了行业对模型能力本身的热烈讨论。不过，从今年的V4版本开始，DeepSeek也开始将技术焦点转向了长文本、Coding和Agent等领域，显示出与Kimi相似的趋势。

这种趋同性不仅体现在技术路线上，更在两家公司的战略布局上得到了体现。

Kimi开始更加重视底层模型能力的提升，而DeepSeek则开始关注推理效率、工程体系以及大规模部署等问题。甚至在招聘方向上，两家公司也出现了重叠，都在积极招聘Harness相关岗位，以加强模型背后的基础设施建设。

对于大模型公司而言，Harness并非模型本身，而是模型训练、推理、调度和资源管理的关键系统。它确保了模型能够更快地训练出来、更稳定地运行，并以更低的成本被使用。

因此，当两家公司同时开始扩招Harness团队时，无疑传递出一个信号：它们关注的已经不仅仅是模型能力本身，而是模型如何被更高效地训练和部署。

除了融资和技术路线外，两家公司的创始人管理风格也颇具相似之处。

杨植麟和梁文锋都是典型的技术创始人，他们都不喜欢站在聚光灯下，也很少主动讲述公司的故事。相比市场、营销或融资，他们更愿意深入讨论模型、算法和技术本身。这种“技术理想主义”的标签，几乎成为了外界对两家公司的共同认知。

然而，融资之后，两家公司可能会走向新的分岔路。

DeepSeek融资背后的战略考量

对于DeepSeek而言，今年的最大变化莫过于融资。过去很长一段时间里，外界都认为DeepSeek“不缺钱”，因为其背后的幻方量化本身就具备持续投入AI研发的能力。

因此，当融资消息传出时，市场最关注的并非融资金额和估值，而是DeepSeek为何突然开始融资。

目前来看，人才或许是其中一个重要原因。随着大模型行业竞争的加剧，人才已经成为各家公司争夺的焦点。

无论是OpenAI、Meta还是国内头部模型公司，都在积极招聘顶级研究员和工程人才。对于DeepSeek而言，融资无疑能够提供更充足的激励工具，帮助其留住核心团队。

但仅仅为了留住人才，似乎还不足以解释DeepSeek最近的一系列动作。

近期，徽声在线注意到，DeepSeek正在招聘“数据中心高级交付经理”的岗位。该岗位负责数据中心项目从立项、建设、交付到运营的全流程管理，同时还需要参与IDC自动化运维平台建设、资源管理以及运维标准体系建设。

更引人注目的是，在任职要求中，DeepSeek特别提到了GPU算力相关交付运维经验以及大型集群规划建设经验。这对于一家大模型公司而言，意味着其正在加强基础设施能力的建设。

过去两年，行业讨论最多的是模型能力。但随着模型规模的不断扩大和Agent带来的Token消耗持续增长，模型公司面临的问题已经不仅仅是如何把模型训练出来。

如何管理庞大的GPU集群、如何提升算力资源利用率、如何保证训练和推理任务的稳定运行以及如何支撑下一代模型训练所需的基础设施规模等问题逐渐浮现。

而这些问题的解决，恰恰依赖于数据中心团队的能力。与此同时，DeepSeek也在持续扩张Harness团队，以加强模型训练和推理的基础设施平台建设。

从这个角度来看，DeepSeek当下的关注点已经不仅仅聚焦在模型能力上，还有基础设施能力。因为基础设施能力决定着模型能达到的上限。

这或许也是DeepSeek融资之后最值得关注的变化之一。

Kimi与DeepSeek：不同的商业化路径

2026年对Kimi来说是至关重要的一年。这一点从其半年融资三次、估值涨了5倍就可以看出。

今年年初，OpenClaw的推出带来了惊人的收入增长，让月之暗面第一次真正看到了商业化的希望。

与此同时，从Kimi今年发布的几款模型变化中也可以发现，模型技术开始越来越明显地为产品服务。

无论是Agent智能体、Coding编程辅助还是海外市场拓展，月之暗面都在试图证明模型能力最终能够转化为收入和增长。

因此，对于Kimi而言，既要继续提升模型的能力，又要加速投身商业化进程。

而对于DeepSeek而言，其关注点和Kimi并不相同。虽然两家公司都在融资和扩张团队，但它们要解决的问题完全不同。

对于Kimi而言，市场虽然关心技术，但更关心的是由技术和产品带来的增长以及Agent能否带来新的付费场景、海外市场能否复制国内的成功经验等问题。这些问题最终都会回到商业化本身。

但DeepSeek面临的压力并不在这里。从成立至今，DeepSeek最大的竞争力始终来自模型能力。无论是V2时期的低成本训练还是R1带来的推理模型热潮，其核心优势都建立在技术领先之上。

因此，对于DeepSeek而言，最重要的问题并不是如何找到更多用户，而是如何持续保持领先。

这也是为什么在融资之后，外界看到的并不是DeepSeek大规模扩张产品而是Harness团队扩张、数据中心岗位出现以及更多围绕基础设施建设的动作。

因为对于DeepSeek而言，模型能力本身仍然是最重要的资产。相比为某一个产品功能做针对性优化，DeepSeek更需要保证的是下一代模型能够继续迭代、下一次技术突破仍然发生在自己身上。

某种程度上，这也是两家公司最根本的区别。因为背靠量化的DeepSeek本质上不是一家纯粹的创业公司。Kimi需要向市场证明好的模型能够赚钱；而DeepSeek则需要向市场证明模型能够继续领先。

前者的资金最终会流向技术、产品、用户和收入；后者的资金则会流向算力、集群和基础设施。这也决定了同样是一笔融资两家公司最终会走向完全不同的方向。

本文来自徽声在线，原文链接：https://www.huxiu.com/article/4866794.html?f=wyxwapp（改写参考）