20天，北京独角兽估值涨超35亿

月之暗面，再下一城

仅20天，一家AI大模型企业估值涨了35亿元。

2026年开年，中国AI大模型企业开始密集走向二级市场。1月，智谱AI与MiniMax相继在港股上市，成为国内最早一批真正进入公开市场交易的大模型公司。上市后，相关公司股价在数个交易日内出现阶段性走强，市场交易活跃度明显提升，第一次把“中国大模型公司到底值多少钱”从投资人会议室里拎到了盘面上。

在这一背景下，一级市场对尚未上市的头部大模型公司的估值，也随之发生变化。其中最引人注目的当属月之暗面（MoonshotAI）。

公开报道显示，月之暗面于2025年12月31日完成5亿美元C轮融资，投后估值约43亿美元，由IDG领投1.5亿美元，老股东阿里、腾讯等参与。进入2026年1月，多家媒体（彭博社、CNBC等）援引知情人士称，月之暗面正在推进新一轮融资，最新估值上调至48亿美元（约合人民币335亿元）。

短短20天，月之暗面的估值增加了约35亿元人民币。

估值快速抬升的同时，月之暗面对上市节奏保持着克制。当公司已经能在一级市场拿到大额融资，账面现金储备也足够覆盖接下来一段时间的研发与扩张，那么“是否立刻上市”就不是那么重要。与其在二级市场的短期波动里交答卷，不如把资金和时间继续押在模型迭代、产品打磨和商业化效率上。

成立不到三年，尚未给出明确IPO时间表，月之暗面已经进入国内大模型公司中估值最高的一档。

月之暗面

月之暗面成立于2023年初的北京，是国内这一轮大模型创业潮中并不算最早、却很快被资本和行业注意到的一家公司。

公司创始人杨植麟出生于1992年，本科毕业于清华大学计算机系，随后赴卡耐基梅隆大学攻读博士，长期从事大规模语言模型结构与训练方法相关研究。公开资料显示，他参与过XLNet、Transformer-XL等论文工作，在自然语言处理领域具备较高的学术影响力。

在正式创办公司之前，杨植麟并非只停留在学术研究层面，而是深度参与过国内早期千亿参数级大模型的工程实践，亲历模型从理论设计到真实训练、部署与优化的全过程。正是在这一阶段，他逐渐形成了一个更偏工程现实的判断：大模型能力的提升，并不是简单的“参数越大越好”，模型结构设计、训练稳定性、推理效率以及算力与成本之间的平衡，往往比参数规模本身更具决定性。

这一认知，直接影响了月之暗面的创业方向。公司成立之初，并未将重心放在某一垂直行业或具体应用场景上，而是选择优先构建可持续迭代的基础模型能力，希望先解决“模型本身能走多远”的问题，再讨论应用层面的扩展与商业化。

如果把时间拨回到2023年初，月之暗面的创立，其实发生在一个并不算友好的窗口期。ChatGPT的冲击已经传导到国内，但行业尚未形成清晰共识。一方面，大模型被普遍视为“下一代基础设施”，讨论热度极高；另一方面，真正敢于下注的资本并不多，尤其是对尚无产品、尚未验证商业化路径的团队。

当时的一级市场，对“大模型创业”仍然存在明显分歧：有人认为这是长期军备竞赛，初创公司难以承受；也有人判断，大厂很快会凭借算力和数据优势完成清场。在这样的背景下，月之暗面以一家纯技术导向的创业公司姿态进入市场，既没有现成的行业客户，也没有可快速变现的应用场景，团队规模很小、资源有限，所能展示的核心竞争力，主要集中在创始团队的研究背景与工程经验上。

也正是在这一阶段，月之暗面明确了相对克制的扩张节奏：先把模型能力做到足够扎实，再通过产品验证价值，而不是反过来用场景牵引模型。这一选择，使公司在创立初期并未急于铺开多个方向，而是集中资源，为后续产品化打基础。

在资源尚不充裕的早期阶段，资本进入的节奏尤为关键。

2023年上半年，月之暗面完成天使轮融资，引入红杉中国、真格基金、今日资本、Monolith等机构。这一阶段的资金，主要用于核心团队搭建与算力资源投入，为模型训练与工程体系打基础。彼时公司尚未推出对外产品，投资人押注的更多是创始团队的技术背景与长期判断。

随着模型能力逐步成型，产品方向开始浮出水面。2023年下半年，月之暗面推出面向C端用户的AI助手Kimi，作为公司首个对外产品。产品推出后，公司开始围绕Kimi持续迭代模型能力，也由此进入“模型-产品-再回到模型”的正反馈阶段。

在产品路径逐渐清晰之后，月之暗面的融资节奏明显加快。2023年下半年至2024年，公司完成多轮融资，引入包括阿里巴巴、腾讯在内的产业资本，以及IDG资本、金沙江创投、五源资本等机构型投资人。这一阶段资本进入的逻辑，已不再只是对“大模型概念”的押注，而更多基于对模型工程效率、产品验证效果以及长期技术路线的判断。

2025年12月31日，月之暗面完成了5亿美元C轮融资，由IDG资本领投，老股东继续加码，投后估值约43亿美元。进入2026年初，多家外媒援引知情人士称，公司正在推进新一轮融资，估值区间已上调至48亿美元。

Kimi如何跑出来

在2023年下半年推出之初，Kimi面对的是一个看似热闹、但方向高度分化的市场环境。

一方面，大厂正在加速下场。字节跳动推出豆包，将大模型能力快速嵌入既有产品体系；阿里巴巴围绕通义千问布局多端产品；腾讯则以混元模型为底座，强调与社交、内容和企业服务的协同。

另一方面，行业内部对“大模型创业究竟应该押什么”，并未形成共识——是尽快做出应用、抢占用户规模，还是继续加码基础模型，拉开技术差距。

在这样的背景下，月之暗面并未选择与大厂在流量、渠道和生态上正面竞争，而是对Kimi进行了更为克制的定位：它不是一个追求“陪聊感”或泛娱乐体验的对话产品，而是被设计为模型能力的前台载体。

具体而言，Kimi将重点放在了长文本处理、复杂资料理解、多文档整合与结构化输出等能力上。这些能力并不天然适合爆量增长，却在研究人员、内容创作者、学生与知识工作者等高频信息处理人群中，具备明确的实际价值。用户是否持续使用，直接取决于模型能力本身，而非运营或投放强度。

这一产品策略，也使Kimi成为月之暗面内部验证模型能力的重要“试验场”。模型在真实使用中暴露的问题，会迅速反馈到训练和架构优化中，再反向提升产品体验，形成持续循环。

月之暗面选择持续将资源集中在Kimi一条主线上，通过单一产品不断打磨模型能力。

与之形成对比的是，智谱AI在这一阶段更明确地将重心放在B端与政企市场，通过GLM系列模型在科研机构、企业客户和政府项目中积累影响力；MiniMax则采取多产品并行的策略，在对话、多模态和生成式内容等多个方向同步试水，希望通过更广泛的应用探索寻找突破口。

进入2024年后，行业开始逐步意识到，参数规模和算力优势并不能无限拉开差距。开源模型能力提升、工程化门槛下降，使“大模型竞争”从早期的规模竞赛，逐渐转向对效率、架构选择与产品化能力的考验。

直到2025年初，DeepSeek通过模型表现与开源策略在业内引发广泛关注，这一趋势才被集中放大。DeepSeek展示了在相对克制的算力投入下，通过工程优化和结构设计同样可以实现显著性能提升的可能性，也让“效率”、“结构选择”、“真实使用反馈”成为行业讨论的核心关键词。

在这一背景下，月之暗面此前围绕Kimi所采取的高度聚焦策略，开始被重新理解。相比在多个场景中分散试错，通过一个产品持续验证并反哺模型能力的路径，显现出了更强的长期可行性。Kimi的意义，也逐渐从一款成功的C端应用，转变为月之暗面技术路线与产品判断的集中体现。

2026年，AI大模型上市潮

2026年，智谱与MiniMax的相继上市，使中国大模型企业第一次真正进入公开市场的定价体系。与此前主要由一级市场主导、围绕“潜力叙事”展开的阶段不同，二级市场开始用真实交易，对大模型公司的商业属性进行检验。

从上市后的市场反应来看，资金并未简单围绕短期盈利能力博弈，而是更集中地评估三类核心因素：模型能力是否具备持续演进空间，产品是否已经完成真实需求验证，以及商业化路径是否具备可复制性。这一套标准，构成了当前资本市场理解大模型公司的基本框架。

在这一框架下，智谱与MiniMax实际上被放在了两种不同的定价逻辑中。

智谱AI更接近“基础设施型”大模型公司的估值范式。其模型能力长期服务于科研机构、政企客户及B端场景，商业节奏相对稳健，收入结构以项目制与服务型为主。市场对智谱的判断重点，并非短期业绩弹性，而在于其是否具备长期交付能力和稳定需求来源。

MiniMax则更偏向“应用驱动型”路径。其在C端产品、多模态内容生成等方向的持续投入，使市场更关注用户规模、产品迭代速度以及应用层放量的可能性。MiniMax的上市，本质上是将“大模型公司究竟更像技术公司，还是更接近互联网公司”这一问题，直接交由公开市场定价。

二级市场的变化很快向一级市场传导。

进入2026年初，月之暗面、百川智能等尚未上市的头部公司估值抬升，并非源于短期经营指标的变化，而是被重新放入了一个更清晰的参照体系中——以已上市的中国大模型公司为锚点，而非简单对标传统互联网企业或海外OpenAI。

这也解释了一个阶段性现象：在当前环境下，越是不急于上市的公司，反而越容易获得更高估值。上市不再只是融资出口，而逐渐转化为一种可选择的战略工具。月之暗面在完成大额融资、现金储备充足的前提下放缓IPO节奏，是将“上市时点”从被动节点，转为主动筹码。

类似的逻辑，在海外市场同样成立。OpenAI仍由非营利组织控制，但其营利实体已持续引入外部资本，并通过调整非营利与营利结构的权责边界，为未来可能的IPO铺路。

大模型公司开始被公开定价，也迅速影响了更广泛的二级市场结构。

与先前“算力先行”的行情不同，进入2026年，资金关注重心开始明显向模型与应用层迁移。在智谱、MiniMax上市前后，A股与港股中，AI应用、软件服务、数据与模型落地相关板块的交易活跃度明显提升，而单纯以算力、服务器为核心叙事的板块，则进入相对分化的阶段。

具体到A股层面，与大模型应用落地关系更紧密的方向，获得了更多的资金关注。

例如在办公软件与企业服务领域，金山办公、用友网络、泛微网络等公司，因具备稳定客户基础、且已在既有产品中探索接入大模型能力，被视为最有可能率先兑现应用价值的载体；在内容生成与多模态应用方向，万兴科技、当虹科技等公司，也因其在视频、内容生产链条中与生成式AI的天然契合度，成为市场讨论中的代表性标的。此外，在医疗与金融IT场景中，卫宁健康、创业慧康、恒生电子等公司，因已在实际业务中探索将大模型用于辅助决策与效率提升，同样进入部分资金的观察范围。

从更宏观的角度看，大模型企业走向公开市场，意味着AI正在从“技术爆发期”迈入“产业化中段”。在这一阶段，决定公司长期定价能力的，不再只是算力规模或参数指标，而是模型的持续迭代能力、产品化效率以及资本结构的耐久性。

对月之暗面而言，这既是压力，也是机会。在同行已经完成定价的背景下，它所代表的，是另一种路径选择：在模型能力尚未触及天花板之前，更从容地推进技术与产品，而不是被上市节奏牵引。

结语

如果把这一轮变化放到更长的时间轴上看，智谱、MiniMax的上市，与月之暗面暂缓IPO，本质上是中国大模型产业开始具备分工与层级的标志。

在早期阶段，所有公司都被迫讲同一个故事：参数、算力、对标海外、争夺“第一”。而当大模型真正走向资本市场，故事开始分化——有的公司更像基础软件，追求稳定交付；有的公司押注应用，接受市场波动；也有的选择在上市前，继续拉开技术与产品的边界。

资本并未替行业选出“唯一正确答案”，但正在用价格迫使所有路径接受同一套检验。

当上市不再稀缺、融资不再无限，大模型公司的分水岭，正在从“谁跑得快”，转向“谁能跑得久”。能够存活下来的，或许会是那些能在有限资源条件下，把模型能力稳定转化为产品与收入的公司。