Kimi的問題不在對手，而在起點
（本文作者爲 略大參考，鈦媒體經授權發佈）
文 | 略大參考，作者|二毛
楊植麟身上正在形成一種很典型的創業者光環。
行業抬頭看技術，他站在臺上講推理、Agent和未來幾年由AI主導的研發；市場低頭看產品，Kimi在過去幾個月裏快速上線了一系列新功能：能寫文檔、做PPT、處理表格、寫代碼的KimiCode，能自動抓取網頁信息的Kimi Claw，能深度檢索資料的Deep Research，以及能多個AI協作完成複雜任務的Agent Swarm。
外界因此很容易得出一個順滑結論：月之暗面（以下簡稱月暗）正在從一家明星模型公司，走向一家下一代生產力平台公司。
這個判斷沒有錯，只是不夠完整。
因爲當Kimi不再滿足於只做一個「會回答問題」的模型，而是試圖成爲「知識工作的執行平台」，它真正進入的，就不再是一個靠技術突破就能輕易贏下來的賽道。那裏站着的不只是幾家大模型公司，而是一整排已經控制了開發者入口、辦公入口和企業工作流的巨頭。
而Kimi的難，不只是對手強，更在於它幾乎同時在做兩件最重的事：一邊補足承接複雜工作的底層能力，一邊又去爭知識工作的前臺入口——
別人要麼手裏已經有入口，要麼先從能力層往上爬，Kimi 則更像是在地基尚未完全築厚時就把自己推到了正面戰場。而這條路的資本強度太高，護城河形成速度又未必能快到和燒錢速度匹配。
楊植麟擅長把控方向，但一家公司的勝負，從來不只取決於方向，還取決於能不能把技術、產品、增長和商業化，用同一種節奏擰在一起。
前者更像天才的直覺，後者則屬於企業家的功課。與其說楊植麟已經給出了完整答案，不如說，他正走到這道題最難的部分。
2026年3月，美國拉斯維加斯英偉達GTC大會的主舞臺上，楊植麟與OpenAI、DeepMind的負責人並列而坐。這是全球AI頂級從業者的標準合影，但楊植麟的身份標籤與旁人略有不同——他是唯一獨立大模型創業公司的代表，其餘均爲科技巨頭旗下的項目負責人。
這張照片傳回國內時，月之暗面的估值剛剛突破180億美元，三個月內翻了兩番，創下中國公司晉級「十角獸」（指那些估值超過100億美元的未上市初創公司）的最快紀錄之一。
不過，它的身份或許很快會再次發生變化：前不久，彭博社傳出消息，月之暗面已與中金公司和高盛展開關於赴港IPO事宜的初步接觸。智譜與MiniMax高光在前，對於月暗的IPO之路，外界很容易把這種光提前投射到這家公司身上。
這也幾乎是楊植麟身上那層創業者光環的自然延伸。
在中國這一代AI創業者裏，楊植麟是少數幾個不能只放在國內語境裏討論的人。並且在決定大模型公司上限的那些關鍵問題上，月之暗面已經不能只拿來做本土比較。
真格基金作爲月暗早期的投資機構之一，管理合夥人戴雨森對於楊植麟的認可是不加掩飾的，他曾在一篇文章中透露，楊植麟在清華讀書時被公認爲「神中之神」。這樣的情緒渲染對於理解楊植麟並不完全多餘。
楊植麟的學術底色，幾乎是爲大模型時代提前鋪好的：
2015年，他從清華大學計算機系畢業，後以年級第一的成績進入卡內基梅隆大學語言技術研究所。此後四年，他持續出現在ICML、NeurIPS、ICLR等AI頂級會議的作者名單裏，很早就進入全球最核心的學術評價體系。
更重要的是，這並不只是「發過幾篇好論文」那麼簡單。他以第一作者或共同第一作者身份參與提出的Transformer-XL 和XLNet，至今仍是預訓練模型發展史上繞不開的名字。前者推動了長文本建模能力的躍遷，後者更是預訓練模型領域繞不開的里程碑，其思想直接影響了後續GPT系列的技術路線。
2019年，他成爲ACL（計算語言學協會，頂級國際學術組織）史上最年輕的領域主席之一，在創立月之暗面之前，又先後在Google Brain 和FAIR（Meta旗下基礎人工智能研究研究院）任職——既有理論研究者的鋒利，也有頂尖工業實驗室訓練出來的工程質感，這樣的經歷，在國內並不常見。
也正因如此，外界在評價月之暗面時，談論的往往不只是能力，還有一種更難被量化的氣質。或許用Manus首席科學家季逸超對Kimi的評價可以一語概之：
「Kimi這家公司，還是比較有品味的。」
品味，taste，這兩年頻繁的在創投圈裏被提起，常常被認爲是AI公司唯一的護城河。2026年3月《紐約客》甚至直接寫：「taste」已經成了硅谷新的buzzword，熱度有點像 2010年代的「disruption」。
在季逸超眼中，品味的具象化，體現在一家公司的evaluation或者內部的benchmark上，「因爲你內部的衡量指標，無論是對於模型的benchmark，還是對於人，其實決定了這家公司和產品該走的方向」。
楊植麟身上一個很突出的特點是，他似乎並不滿足於「按別人的題目把分考高」，而總想先確認：這道題本身出得對不對。
絕大部分行業公開的benchmark從根本上來說是由人工定義的，經常會存在benchmark不夠或者失效的現象。
「現在agent能用的benchmark不是很多，而且你在benchmark上看到一個分數，很多時候並不是agent能力的反應，甚至很片面，這個是我覺得大家要去解決的一個問題。」楊植麟在《張小珺|商業訪談錄》的播客中，曾披露過行業的這一現狀。
但很多公司爲了刷分，只針對性的讓模型做幾個特定場景，以方便對外發新聞稿來達到不同的目的，然而，那並不是模型真實的表現能力，在一些更OOD(Out-of-Distribution，可簡單理解爲“超綱“)的場景裏，體感就會變得很差。
基於此，月暗內部補了一套更貼近真實工作的benchmark：
比如K2.5在代碼方向上，並不只看公開榜單，而是自己設計了Kimi Code Bench，去衡量build、debug、refactor、test這些更接近真實軟件工程的任務；在辦公場景裏，又專門做了AI Office Benchmark和General Agent Benchmark，去看Office輸出質量和多步工作流到底完成得怎麼樣。
往裏一層，在K2.5 Agent Swarm的訓練裏，它的獎勵機制也不只是「調來更多agent」這種表面的熱鬧，它會刻意避免兩種情況：看起來很多agent，實際還是串行在做；或者爲了「並行」好看，硬拆出一堆無效步驟，反而拖慢整體進度。
這幾乎是季逸超那句話的具象版本：你用什麼 benchmark，就會訓練出什麼產品。月暗不是先做出一堆功能，再反過來替它們找解釋，恰恰相反，是它先決定什麼樣的能力值得被度量，產品才沿着這些指標往外生長。
只是，這樣的路徑也意味着更高的研發成本，更慢的產品節奏，以及對底層模型能力持續兌現的更高要求。
事實上，這也是楊植麟過往風格的延續。
無論是Transformer-XL，還是後來的XLNet，他做的都不只是沿着既有路徑再往前推一點。前者試圖解決的是，模型在面對更長信息時，爲什麼總會出現記不住、接不上的問題；後者則乾脆繞開當時主流預訓練路線的一些先天缺陷，重新改寫了題目本身。
這兩項工作的共同點在於，它們都沒有停留在既定框架裏做加法，而是直接碰了當時行業默認接受的前提。
這就是楊植麟。他似乎從來不滿足於只在現成賽道上提速，而總要先追問一句：這條賽道的起點、規則和邊界，是否本來就值得重畫。
到了創業時期，他身上這種「先定義問題，再做技術」的習慣，變得更具體了。
早在2023年Kimi以超長文本能力進入公衆視野時，楊植麟看重的就不只是「能裝下更多內容」，而是另一件更底層的事：當信息越來越多、任務越來越長時，模型還能不能把前後文接住，並持續往前推。
今天再回頭看，Kimi首頁擺出來的，已經不只是一個對話框，而是Docs、Slides、Sheets、Deep Research、Kimi Code、Kimi Claw、Agent Swarm這樣一整排能力模塊。表面上看，這是產品在變多；往深一層看，它們其實都在回答同一個問題：
模型真正的價值，不是某一刻把一句話答得多漂亮，而是任務一旦被拉長、被做複雜之後，它還能不能一路不掉鏈子地把整件事接住。
而一個試圖做到這一點的產品，最終就很難停留在「聊天助手」的位置上，它會被一步步推向更重的角色：知識工作的入口、調度台，甚至執行平台。
但當Kimi從「回答問題」轉向「調度知識工作」，它就很難只守一頭：往下要補模型，往上要爭入口。缺了用戶關係，只是別人的能力供應商；缺了底層能力，又撐不起「把事做完」的承諾。這意味着月之暗面從一開始就走進了一場更重的戰役——資本密度更高，兌現週期更長。
而當一家公司同時打兩場戰爭，錢就不再只是財務問題，而是戰略本身。月之暗面當然不至於爲生存發愁，但它怎麼會不缺錢呢？
2025年的最後一天，楊植麟發佈內部信，透露公司的現金持有量超過100億元，作爲對比，同樣以IPO前的財務數據爲基準：MiniMax在赴港招股時，若只看現金及現金等價物，約爲24.9億元人民幣；智譜同期約爲25.5億元人民幣。若按更寬口徑看可動用資金，MiniMax約爲72.1億元人民幣，智譜約爲32.1億元。
於是，楊植麟說：「我們短期不着急上市」。然而3個月後，月暗IPO的消息不脛而走。看起來，似乎與楊植麟的「不着急」前後矛盾。
不過，把這兩句話放回同一條時間線上看，它們未必真的互相牴觸：前者說的是，月之暗面當下並不需要爲生存或續命倉促上市，後者對應的則是，在AI概念再度受到資本追捧的窗口期，這家公司也沒有理由把一條可能更寬的融資通道長期關在門外。
要知道，能不爲眼前的生存焦慮上市，和該爲下一場更昂貴的戰爭提前備糧，本來就是兩回事。
更何況，月之暗面怎麼會不缺錢呢？
行業如今正在發生的變化是：模型公司向上搶入口，辦公巨頭向下吞模型，協作平台橫向加AI。這三股力量表面上方向不同，但底層想爭的是同一樣東西：知識工作的控制點——也就是楊植麟目前所在的戰場。
說的更直接一些，大家都想從「幫用戶做一點事」走向「定義用戶怎麼做事」。
原因並不複雜：大模型正在變得越來越聰明，但「聰明」本身並不直接創造價值。真正決定價值能否落地的，是誰能先把這顆大腦接進現實世界的手和腳裏。
就像一個偉大的方案，若不能執行落地，那無異於紙上談兵。
一個大模型公司都不得不面對的事實是：模型層的「純智力租金」正在快速被壓縮。
我們以Anthropic爲例：Anthropic在2024年6月發佈Claude 3.5 Sonnet時，API定價就是$3/百萬輸入token、$15/百萬輸出token；到2026年的Claude Sonnet 4.6，官方文檔給出的價格仍然是$3/$15，但上下文窗口已經到了1M token，並明確主打agents、coding、computeruse。
也就是說：模型能力在顯著躍遷的同時，單位「智力」的價格並沒有跟着抬升，反而更像被競爭鎖死了。
國內就更不必說，2025年，大模型價格戰已經卷到幾乎貼着成本線打：阿里雲2月將通義千問視覺理解模型降價超80%，百度4月發佈文心4.5 Turbo和X1 Turbo時，又把輸入價分別打到0.8元和1元/百萬tokens，月暗也在同月下調開放平台價格，官方明確寫到，Kimi-latest自動緩存後的價格仍只有1元/百萬tokens。
《財經》曾援引多位雲廠商負責人的說法指出，2024年5月以前，國內大模型推理算力毛利率還高於60%；但在5月各大廠接連降價後，這一毛利率已跌至負數。
另一邊，頭部公司的路徑已經越來越一致：賣的都不只是 token，而是把模型變成能真正幹活的系統。
OpenAI已經把web search、file search、containers 單獨拿出來收費，在Responses API 和Agents SDK 裏，也直接把工具調用、狀態管理、多步執行寫進產品定義；Anthropic同樣不再只收模型調用費，web search 和 code execution另行計價，對Claude Code的定義也不再是代碼補全，而是能讀代碼庫、跨文件修改、運行測試、交付結果；
Google一邊在Gemini API裏把搜索增強、上下文緩存存儲拆出來賣，一邊又把Gemini全面塞進 Gmail、Docs、Sheets、Meet、NotebookLM 等Workspace體系，強調服務每個員工、每條工作流；
微軟則把Copilot做成貫穿Microsoft 365的工作入口，覆蓋聊天、搜索、文件、郵件和agents構建；飛書和釘釘也都在把AI往會議紀要、任務提醒、知識問答這些高頻工作環節裏嵌。
甚至連Notion、Cursor這樣的輕量級選手也已經把自己包裝成「AI workspace」，主打Agent、Enterprise Search、自動化和知識空間。
Kimi也把錢從API挪到「我替你動用了多少工具、佔用了多少環境、持續運行了多久」上：Kimi web search每次調用收費0.005美元，搜索結果token還會繼續計費；Kimi Claw的一鍵雲部署則需要Allegretto（每月$31）或更高會員。
市場也用真金白銀給出答案：微軟這邊，2026財年第二季度業績顯示，Microsoft 365 Copilot的付費席位已達 1500萬個，按標價年化測算約爲54億美元；谷歌則成功實現了Scaling Law到商業利潤的轉化。根據2026年初的披露，Gemini Enterprise已售出超過800萬個付費席位，覆蓋超過2,800家大型企業客戶。
當然，「喜報」裏也有升級爲「知識工作執行平台」的Kimi：
據第三方基於Stripe支付數據的追蹤，Kimi個人訂閱用戶1月支付訂單數環比增長8280%，2月環比再漲123.8%。在其全球支付榜單上，短短兩個月，Kimi排名由百名開外飆升至第9位。
據Gartner（全球最知名的技術研究與諮詢公司）判斷，到 2035年，agentic AI可能貢獻企業應用軟件收入的約 30%，規模超過4500億美元。
於是，一個更清晰的格局開始浮現：大模型公司的終局對手正在快速收斂。
OpenAI、Anthropic、Google、微軟，以及月之暗面這樣的新玩家，看上去分屬不同位置，做的卻越來越像同一門生意——把模型接進真實工作流，爭奪知識工作的入口、調度權和收費權。也正因此，他們彼此都在改寫對方的邊界，也彼此成爲對手。
這場戰爭燒錢的速度，與對手的體量成正比，而月之暗面要同時與數家萬億市值的巨頭對壘，每一輪彈藥補給都是生死線。
請輸入圖說圖注：月之暗面要同時對壘的巨頭們
而最難的是，儘管站在同一片戰場上，大家要打的仗卻並不一樣。
對大多數公司來說，這更像是一場單線推進的競爭：
有的是從既有入口往下壓，比如Google、微軟、飛書等，它們原本就守着Docs、Sheets、Word、Excel這些現成的入口，AI對它們只是升級，不是開荒；
有的公司選擇從模型能力往上爬，比如智譜和MiniMax，皆是以能力層起家，再慢慢往agent和應用層上探。 OpenAI和Anthropic也是同理，先模型後產品，並且如今它們已經佔住了開發者和代碼助手的高地，可以從容地向外擴張；
而Notion、Cursor、Perplexity這種，它們的優勢不是模型一定更強，而是用戶原本就在它們那裏幹活，已經在用戶的某個具體工作場景裏扎得很深了。
它們各自都有根據地，只需專注在將自己的優勢繼續放大上。
但Kimi沒有。對楊植麟而言，他像是在同時應付幾場戰役：
它既沒有現成的辦公入口，也不甘心只做底層能力的供應商。它想讓用戶直接把工作交給Kimi，這就意味着它不僅要證明模型夠強，還要證明用戶有理由改變原本的工作習慣。
前一種成本，是訓練、推理、Infra和工程；後一種成本，是產品打磨、市場教育、組織滲透和企業信任。這意味着月之暗面要同時承擔兩條最昂貴的戰線：一條是模型軍備競賽的硬成本，一條是用戶習慣遷移的軟成本。
Google和微軟每年在AI上的投入以百億美元計，但它們的Office 365和Workspace本就是盈利業務，AI投入是「升級存量」而非「創造增量」。
OpenAI雖也無宿主平台，但其C端付費用戶數已突破 5000萬，月收入約20億美元，年化收入超過250億美元；Anthropic近期被報道年化已快速抬升至300億美元，形成了自我造血飛輪。
月之暗面則不然。它的估值在三個月內從43億美元飆至180億美元，創下中國「十角獸」最快晉級紀錄之一，但這恰恰說明資本對其「多線作戰」能力的極度渴求——
既要養得起K2.5這樣的萬億參數模型和端到端強化學習的算力消耗，又要熬得起企業客戶從試用到真正依賴的18個月平均轉化週期；既要維持C端免費策略以搶奪用戶時長，又要搭建企業級私有化部署和API服務體系。
據行業估算，其2024年單年算力支出已超10億元人民幣，而Agent產品的工程化、多模態能力的持續迭代、以及海外市場拓展，都將繼續推高這一數字。
更關鍵的是，這場戰爭沒有終局。模型能力每提升一代，入口爭奪就要重新打一遍；用戶習慣每鬆動一寸，就需要持續的產品投入來鞏固。短時間內就去IPO，更像是「永遠需要更多錢」的註腳。
而比「永遠需要更多錢」更緊迫的現實是：它的錢甚至還沒找到穩定的來路。
如果把這場競爭理解成一場陣地戰，Kimi更像是一個火力很猛、意圖很靠前的遠程兵種：出手快、爆發強、打法直接，但它背後的補給線、原生地盤和容錯空間，卻遠比對手脆弱。
月暗的造血困境，藏在它最光鮮的履歷裏。
儘管估值已經突破180億美元，但它的收入規模尚不及對手的零頭。2025年，月之暗面C端訂閱收入估算約2億元人民幣（數據來自於媒體《光錐智能》），加上API收入也難以觸及1億美元。
即便2026年K2.5發佈後「20天收入超過2025年全年」，這種爆發更多反映的是此前基數之低，而非商業模式之穩。
更深層的問題在於，它的用戶來得快，去得也快：2024年11月，它的月活是3600萬，一年後（2025年Q3）跌至不足千萬。
數據過山車的背後，也暴露出楊植麟在運營層面的偏好：更擅長方向判斷與關鍵決策，而非漸進式的節奏把控。
2024年，月暗是行業公認的「投流狂魔」，高峰期每月投放高達數億元，10月和11月單月投放甚至超過了2億元。
但到了2025年情況變了。字節、阿里這樣的巨頭，靠着自己原有的流量入口和產品生態，把拉新成本抬得很高。對月之暗面這種創業公司來說，單靠花錢買用戶，越來越像一個填不滿的無底洞。
與此同時，DeepSeek又用極高的工程效率，把模型能力的價格迅速打了下來。Kimi早期靠「長文本」建立起來的那點領先優勢，也被快速稀釋了。
在此背景下，楊植麟的應對不是精細化調優，而是直接「踩剎車」：全面停止投放，暫停多個安卓渠道與第三方廣告合作，停更兩款出海產品。全員信明確「不以絕對用戶數量爲目標」。
請輸入圖說圖注：楊植麟內部信截圖
從「燒錢換增長」到「全面收縮」，戰術轉換大開大合，幾乎沒有中間過渡地帶。這意味着前期投入的人力與資源並未沉澱爲可持續的能力，而是隨着戰略轉向直接清零。用戶側更出現真空期：原有C端用戶習慣被中斷，新用戶群體教育尚未完成，品牌能見度驟降。
但問題並不止於此。
比起增長失速更值得警惕的是，月之暗面的收入結構本身，也沒有看上去那麼紮實，尤其是被寄予厚望的海外業務。
月暗的API收入在2025年底增長4倍，2026年初，隨着開源Agent產品OpenClaw爆火，近四分之一的Tokens消耗來自該生態，另有大量調用來自AI編程工具如Kilo Code等第三方編程工具。
也就是說，Kimi的海外收入並非來自自有產品的粘性用戶，而是作爲底層能力被集成進別人的應用——用戶不屬於自己，入口也不掌握在自己手裏。
請輸入圖說圖注：OpenRouter數據顯示，今年2月，Kimi K2.5模型成爲海外市場調用量第二名
這類收入的最大問題在於，議價空間有限，替代風險極高。一旦這些外部產品轉向其他模型，收入鏈將瞬間斷裂。
與此同時，它的燒錢速度從未放緩。2025年底對全員進行調薪和期權激勵，2026年計劃將平均激勵翻倍；新增融資明確用於「擴增顯卡規模、推進K3研發」。賬面現金超過100億元，卻在不到兩個月內連續完成兩輪超12億美元融資——
充裕的儲備反而印證了造血能力的不足，若自我運轉強勁，便無需如此急切地儲備彈藥。
但這也是戰略定位的必然代價：既無現成入口，又未建立穩定的用戶付費心智，當對手可以靠既有業務輸血、靠生態鎖定用戶時，月之暗面只能靠自己一輪又一輪地融資，來同時填滿兩個無底洞。
戴雨森曾透露，楊植麟希望被認可的標籤裏，「企業家」是其中之一。只不過到今天，這位「天才」身上更鮮明的，仍然是工程師的質地。
在2025年底的那封內部信裏，楊植麟把「超越 Anthropic、成爲世界領先的AGI公司」寫成最重要目標，又強調「不以絕對用戶數量爲目標，持續追求智能上限」，甚至明確提到「需要一點偏執的審美堅持」。
野心與方向感依然堅定，但反過來看，問題也在這裏：一個創始人如果太相信只要模型足夠好，別的問題都會被穿透。
事實上，這種思路不只影響他怎麼看產品，也影響他怎麼搭組織。因爲當「更快、更強、更直接」被放在首位時，組織結構也會自然向極致扁平和高強度溝通傾斜。
公開報道里，楊植麟的個性簽名就是「直接溝通」；公司長期堅持極致扁平，沒有中間管理層，聯創要直接對接40到50位同事。這樣的組織當然有速度，也很適合高天賦、高自驅的人，但報道也同時寫到：規模一大就會出現信息過載，一些員工會因爲缺少清晰反饋和確定性而感到失重。
換句話說，他可能更擅長拉高標準、壓縮鏈路、逼近真相，但未必同樣擅長給更大規模的人群提供秩序感、安全感和可持續的管理結構。
一個人被過早放進「神中之神」的敘事裏，市場就會天然高估他的確定性，低估一家公司真正要面對的複雜性。
楊植麟信奉一句話：「Problems are inevitable, but problems are soluble.」 （問題是不可避免的，但問題也都是可以被解決的），這句話出自近年來被硅谷追捧的一本書：《The Beginning of Infinity》，這本書是由物理學家David Deutsch撰寫的。
巧合的是，有批評者認爲，Deutsch的這本書低估了組織、政治、人性在知識傳播中的摩擦成本——這正是楊植麟這類技術理想主義者容易忽視的維度。
在回答張小珺「爲什麼AI產品還沒有形成數據飛輪」時，楊植麟是這樣解釋的：
「因爲基於算力的scaling太強大了……另一方面，所謂的數據飛輪是很依賴外部環境的feedback(反饋)，這個feedback我們不希望它有很多的噪聲，但現在可能somehow還沒有把這個問題解決的很好，大模型的學習對噪聲還是比較敏感的，跟傳統的推薦系統不太一樣。」
簡單理解就是：在當下這個階段，算力擴張和強化學習帶來的能力提升仍然十分明顯；相比之下，讓模型直接從複雜、嘈雜的用戶反饋中持續學習，這條路還沒有被真正跑通。
某種程度上，這種對「內部確定性」的倚重，也延伸到了楊植麟看待外部世界的方式裏。
他曾說，要在「自己的故事裏去感受自己是個什麼樣的人」。這句話未必是一種迴避，更像是他處理不確定性的方式：當外界圍繞投放、留存和商業化不斷提出疑問時，他更願意回到自己更熟悉、也更相信的那部分東西——技術迭代、能力提升，以及內部邏輯的持續自洽。
但月之暗面終究會走向更大的舞臺。Scaling Law的紅利也許還沒有結束，可一家公司能不能走遠，終究不只取決於模型本身。再往後，真實世界的反饋、團隊的承接和商業的耐心，都會成爲同樣重要的變量。
對楊植麟而言，這或許也是另一門課：如何讓技術之外的部分，也慢慢長出來。
風險及免責聲明：以上內容僅代表作者個人觀點，不代表富途任何立場，亦不構成任何投資建議，富途對此不作任何保證與承諾。更多信息
評論
發表評論
1