切换到宽版
  • 51阅读
  • 2回复

[数码讨论]月之暗面,豪赌下一代AI范式 [复制链接]

上一主题 下一主题
在线jjybzxw

UID: 551814

 

发帖
219773
金币
676308
道行
2006
原创
2446
奖券
3340
斑龄
42
道券
1233
获奖
0
座驾
设备
摄影级
在线时间: 47834(小时)
注册时间: 2008-10-01
最后登录: 2026-01-18
— 本帖被 兵马大元帅 执行加亮操作(2026-01-17) —

作者 | 封华

编辑 | 魏晓

在智谱、MiniMax先后上市的同时,同为大模型创业公司的月之暗面(Kimi)适时对外发声。

1月10日的AGI-Next前沿峰会上,很久没有公开露面的月之暗面创始人杨植麟,详细地分享了Kimi的技术路线重点,以及对下一代AI技术范式、Agent前景的思考。

“希望在接下来的十年、二十年的时间,继续把K4、K5到K100做得更好。”

面对下一代通用人工智能往哪走的问题,杨植麟孤注一掷,要抢夺下一代AI技术范式的船票。

但与此同时,其C端的AI应用助手Kimi却经历着掉队的风险。

Kimi曾有过高光时刻,凭借长文本能力,最高峰时单月投放超亿元,拿到了最早的市场红利。

然而随着DeepSeek、豆包的冲击,Kimi的月活相比去年已然大幅下滑。月之暗面不得不做出取舍,把资源集中投入到大模型底层技术上。

代价则是算力投入高、周期也更长,而且从大模型霸榜历史上看,各家大模型“各领风骚三两月”,技术的先进性并无法长久保持。

对于尚未背靠大厂生态的月之暗面来说,保持技术领先固然重要,但也同样需要找到一条更清晰的商业落地与资本路径。

抢夺下一代技术范式的船票

同为“大模型六小龙”,各家的发展理念与技术路线,已然开始分化。

在智谱、MiniMax上市的同时,月之暗面杨植麟却在内部信中称“不急于上市”。他的理由很豪横,刚完成的5亿美元C轮融资,相当于友商IPO的融资规模。“我们有超过100亿人民币的现金储备。”在通往AGI的征途上,粮草充足。而在一级市场就能受到如此追捧,正说明了市场对月之暗面的认可度之高。

不过,友商也有不同看法。

智谱创始人张鹏在接受张小珺专访时说道:“从资本市场的角度,你在一级市场都算没有离开学校,还是在学习、培养、成长的阶段。到二级市场之后,是更接近市场的阶段。”

全联并购公会信用管理委员会专家安光勇向AI蓝媒汇表示:“月之暗面的选择,能够避开二级市场对短期盈利能力的严苛审视,专注于长周期研发,避免被资本市场的恐慌情绪左右决策。”

当然,无论上不上市,技术的演进和产品体验的提升,才是决定生存到最后的根本。

1月10日的AGI-Next前沿峰会上,智谱唐杰、月之暗面杨植麟、阿里Qwen林俊旸和腾讯首席AI科学家姚顺雨讨论一个焦点问题:下一代人工智能,还能往哪走?

共识是,Scaling(指提高模型的规模)虽仍有价值,但当算力、数据和成本的投入不断放大,智能提升的增量却持续变小。效率降低的同时,自主学习被认为是下一阶段的技术范式。

问题是,在这个技术路线接棒的过程中,中国大模型厂商有没有可能成为引领者?

无论是月之暗面、智谱,还是其他行业竞逐者,当然希望自己能够率先突围。

从杨植麟的表述中,月之暗面几乎将所有核心工作都压在Token效率上,即用更少的Token,做到更低的Loss(损耗)。在Kimi K2模型中,他们尝试通过提升Token efficiency(效率),使模型“用一半数据达到相同效果”。

同时,效率优化要与长上下文能力被同时优化,前者决定单位Token的价值,后者则决定模型能否承担真实世界中的长程任务。两者叠加,杨植麟相信能在模型训练策略上达到最优的Agent效果。

简单来说,杨植麟的目标,就是抢到下一代技术范式的优先票,保持在技术上的领先优势。谁能在有限算力与数据条件下,更高效地“消耗Token”,谁就更有可能在下一阶段的模型竞争中占据主动。

这一战略,延续了月之暗面2025年以来的策略。

过去一年,月之暗面的主要任务,就是ALL in模型能力和Agent,到目前已取得了不小的成绩。

Kimi K2模型在基准测试中超越GPT-5、Sonnet 4.5等顶尖闭源模型,刷新SOTA,支持长链路、多步骤任务执行,为用户提供深度生产力场景能力。

同时,推出Agent模式OK Computer,目前已经支持包括图片生成、音频生成在内的20多种工具,提供写代码、设计、产品定义、后续开发等服务。

带来的结果是,Kimi的Web端流量,从2025年6月开始反弹,访问量环比增长30%,9-11月,Kimi的海外API收入增长4倍。

模型能力的增长,让月之暗面更有底气走自己的路,但这条路,仍是任重道远。

智谱唐杰对技术长跑保持着清醒:“尽管中国开源模型在2025年席卷了各大榜单,前五名几乎被中国模型包揽,但与顶尖闭源模型的实际差距可能并没有想象中那么小。只有去探索那些未知的Scaling范式,才能真正缩小这一差距。”

无论是杨植麟,还是唐杰,都在抢夺下一代技术范式的船票。在差异化的道路上摸索前进,也是一种押注,一旦赌输了,就有可能彻底出局。

AI也“拼爹”,月之暗面胜算几何?

对于月之暗面来说,即使坚持自己的技术路线,创业历程也注定艰辛。

Minimax创始人闫俊杰曾说:“留给领先模型的优势窗口期越来越短,最先进的闭源模型只能比同性能的开源模型领先6个月。”

当所有AI模型巨头都手握巨量的训练算力,最强的大模型永远是最新发布的大模型,大家轮流做第一。

Kimi的领先优势,能够保持多久,还真不好说。

重庆理工大学发规处高教室主任王文涛认为:“月之暗面的策略是典型的‘长线豪赌’,其成功与否取决于三点:一是能否在2-3年内实现技术里程碑;二是能否在垂直领域建立不可替代性;三是资本市场的耐心是否与其研发周期匹配。在当前行业分水岭阶段,这一选择既是机遇也是高风险博弈。”

而月之暗面这样的独立大模型公司来说,即使有相对充足的现金储备,但还是需要尽快建立健康的商业模式,带来更持续的收入和更高的利润率,这是实现长久发展的必要条件。

前不久,李彦宏在接受《时代》采访时,再次指出应用层的重要性:“AI应用层是价值创造的核心,其创造的价值可能达到芯片层的100倍。”“未来,只会存在少数通用大模型,但应用层在垂直方向上会涌现出众多成功参与者。”

这个看法已经构成一个信号——AI行业正在从技术叙事,转向结果叙事。

但在这方面,Kimi已然有所落后。

早在2023年10月,Kimi便推出C端产品Kimi助手,投流最激进时,最高峰时单月投放超亿元,拿到了最早的市场红利。

但在大厂迅猛反扑之下,C端AI助手这个领域竞争愈加激烈激烈了,豆包、通义、文心……等等,大厂都在布局,不仅基本免费,而且还在大力投流推广,DAU(日活跃用户数)和MAU(月活跃用户数)逐步拉高,将Kimi远远甩在身后。

而Kimi在2025年减少投流后,月活下降明显。据QuestMobile 2025年周活跃用户规模TOP10 AI原生App榜单上,Kimi以450万的周活跃仅排在第7位,豆包周活跃数是其34倍。

知名AI产业观察家、科方得咨询机构负责人张新原向AI蓝媒汇分析:“Kimi的优势在于深度文本理解和分析,适合研究、文档处理等专业场景;不足在于功能相对单一,缺乏视觉、语音等交互方式。未来需在保持核心优势的同时,拓展应用场景以提升竞争力。”

在“AI也拼爹”的时代,Kimi显得力不从心。暂时放弃开拓C端市场,押注技术路线,是月之暗面在资源有限的情况下做出的取舍。大厂则不需要如此孤注一掷,可以投入更多的钱开启战线。

据“晚点LatePost”总结,2025年,百度在AI上的资本开支计划在300至500亿元;腾讯则在700至1000亿元;阿里投入了1200亿元;字节则投入了1600亿元。大厂们在底层算力、自研模型到超级应用上,都花了大力气。

甚至得出结论:中国AI的战局,有可能是变成“阿里系”和“字节系”的竞争。

月之暗面等大模型创业公司在大厂的夹缝中,或许早晚要从技术信仰的幻梦中清醒,直面残酷的生存挑战。

对于他们来说,挑战才刚刚开始。

Lanmeih/今日话题

你用过Kimi吗,感受怎么样?

山庄提示: 道行不够,道券不够?---☆点此充值☆
 
在线jjybzxw

UID: 551814


发帖
219773
金币
676308
道行
2006
原创
2446
奖券
3340
斑龄
42
道券
1233
获奖
0
座驾
设备
摄影级
在线时间: 47834(小时)
注册时间: 2008-10-01
最后登录: 2026-01-18
只看该作者 沙发  发表于: 01-15
未直接提及用户使用Kimi的具体感受,但可从以下角度分析Kimi的使用体验及市场反馈:
一、Kimi的技术能力与使用场景
1. 长文本处理能力  
   Kimi以长文本理解和分析为核心优势,适合研究、文档处理等专业场景。例如,用户可通过Kimi快速解析论文、法律文件或复杂报告,提取关键信息并生成摘要。

2. Agent模式与工具支持  
   Kimi的Agent模式(OK Computer)支持图片生成、音频生成等20余种工具,可提供写代码、设计、产品定义等服务。这一功能扩展了其应用场景,但用户需适应多工具协作的交互方式。

3. 模型性能提升  
   Kimi K2模型在基准测试中超越GPT-5等顶尖闭源模型,支持长链路、多步骤任务执行。用户在使用深度生产力场景(如自动化流程设计)时,可能感受到效率提升。
二、用户规模与市场反馈
1. 活跃用户排名  
   根据QuestMobile数据,2025年Kimi周活跃用户规模为450万,位列AI原生App第7名,与头部应用(如豆包15,520万)存在显著差距。这可能反映其用户渗透率较低,或功能迭代速度未跟上竞争节奏。

2. 用户增长波动  
   Kimi曾通过激进投流(单月超亿元)获取早期市场红利,但2025年减少投流后月活明显下降。这表明其用户留存可能依赖持续营销投入,产品自然增长力不足。
三、用户评价的潜在方向
1. 专业场景优势  
   用户可能认可Kimi在学术研究、法律分析等垂直领域的能力,认为其文本处理精度高于通用型AI助手。

2. 功能单一性争议  
   缺乏视觉、语音等交互方式可能被用户诟病,尤其在需要多模态输入的场景(如视频内容分析)中体验受限。

3. 免费策略影响  
   面对大厂推出的免费AI助手(如豆包、通义),Kimi的付费模式或功能限制可能降低普通用户的使用意愿。
四、竞争环境对用户体验的间接影响
1. 大厂挤压生存空间  
   百度、腾讯、阿里等大厂在AI领域的巨额投入(如字节跳动1600亿元资本开支),可能通过生态整合(如搜索、办公套件)提供更流畅的用户体验,间接削弱Kimi的竞争力。

2. 技术迭代压力  
   若Kimi未能持续保持模型领先性(如Token效率优化),用户可能因性能差距转向其他工具。

如何不发帖就快速得到金币道行
 
在线姜谷粉丝

UID: 1569053

精华: 2
级别: 玉清道君

发帖
168045
金币
497481
道行
20030
原创
766
奖券
359
斑龄
0
道券
30
获奖
0
座驾
设备
摄影级
在线时间: 20719(小时)
注册时间: 2012-06-21
最后登录: 2026-01-18
只看该作者 板凳  发表于: 01-15
月之暗面(Moonshot AI)正以激进的技术路线押注下一代AI范式,其核心战略聚焦于突破现有大模型能力的边界,探索通用人工智能(AGI)的终极形态。这一“豪赌”具体体现在以下关键方向:

一、技术范式的根本转向:从规模扩张到智能效率
放弃传统Scaling Law的局限性
月之暗面创始人杨植麟认为,单纯依赖算力、数据规模的线性增长(Scaling Law)已面临边际效益递减。下一代AI的核心是提升智能的能源转化效率,即通过更少的计算资源实现更高水平的智能。其提出的“Token效率”概念,旨在优化单位Token的信息承载量和模型损耗(Loss),实现“用一半数据达到相同效果”23。

Agent优先的战略重心
月之暗面将资源集中投入自主智能体(Agent)的研发,推出OKComputer平台,支持20多种工具调用(如图片生成、代码编写、产品设计等)。其目标是让AI从被动应答转向主动规划与执行复杂任务,例如协调多步骤的机票预订、跨平台信息整合等2316。

二、核心技术创新:Kimi-K2模型的突破性能力
万亿参数架构与稳定训练技术
Kimi-K2采用混合专家模型(MoE),总参数达万亿级,但通过稀疏激活技术(每次仅激活320亿参数)显著降低推理成本。其核心技术MuonClip优化器解决了超大规模训练的梯度爆炸问题,实现15.5万亿Token的稳定训练——这在工程层面被视为重大突破316。

长上下文与多步推理能力
支持128K上下文窗口,能处理整本小说、财报等长文档,并通过强化学习框架赋予模型多步规划能力。在SWE-bench编程测试中,Kimi-K2单次任务完成率达65.8%(超越GPT-4.1),多步任务中可自主调用17种以上工具316。

三、商业路径的取舍:牺牲短期红利,押注技术壁垒
C端产品的战略收缩
尽管Kimi曾凭借长文本能力获得早期市场红利(单月投放超亿元),但面临字节“豆包”、深度求索(DeepSeek)的冲击,其月活用户已大幅下滑。月之暗面选择将资源从C端应用转向底层技术研发,聚焦模型能力而非短期流量2312。

暂缓上市,百亿现金支撑长线研发
杨植麟在内部信中强调“不急于上市”,因公司手握超100亿人民币现金储备(C轮融资5亿美元),足以支撑AGI的长周期投入。这一决策与智谱、Minimax等竞对的上市路径形成鲜明对比23。

四、行业竞争格局下的高风险博弈
技术窗口期的残酷性
Minimax创始人闫俊杰指出:“闭源模型的领先窗口仅剩6个月”。月之暗面若未能在2-3年内实现技术里程碑(如通用Agent的落地),或未在垂直领域建立不可替代性,可能因技术路线失败而彻底出局312。

中国AI厂商的范式突围挑战
中国大模型厂商在开源生态中表现亮眼(全球榜单前五名多被中国模型占据),但与顶尖闭源模型的实际能力仍有差距。月之暗面需在效率优化与长程任务能力上同步突破,才可能引领下一代技术范式311。

五、未来赌注:能源→智能转化率的终极命题
月之暗面的终极目标是定义“将能源转化为智能的最优解”。杨植麟认为,未来的AGI需突破数据瓶颈,实现“拔掉数据线,仅靠电力输入持续输出智能”。这一愿景依赖两大支点:

开放强化学习:让模型在真实环境中交互进化;
计算范式革命:通过合成数据与架构创新降低能源依赖915。
结语
月之暗面的豪赌,本质是对AI发展范式的重构——从堆砌资源的“暴力计算”转向追求智能本质的效率革命。其成败将验证一个命题:在算力与数据逼近物理极限的时代,中国能否诞生定义AGI技术规则的公司。这一征程无惧短期沉寂,唯以时间积累换取突破的可能。
如何不发帖就快速得到金币道行
 
我有我可以
快速回复
限120 字节
认真回复加分,灌水扣分~
 
上一个 下一个