月之暗面黄震昕：Kimi不做重交付，FDE难点不在于模型厂商

今年以来，当头部的大模型厂商在围绕模型迭代、产品力、融资、上市等集体抢占时间窗口时，商业化这个命题也被悄然塞进了他们的时间表里。

结合近期Kimi对外的披露，以及与月之暗面Kimi B端负责人黄震昕的交流，可以梳理出这家公司在商业化路径上的一系列战略选择与自我定位。

在过去两年间，Kimi首次大规模应用二阶优化器Muon取代了已成为行业标准10年之久的Adam优化器，推出基于KDA注意力机制的Kimi Linear架构，以及推出注意力残差方案，对计算效率得以大幅提升。

关于Harness，Kimi的判断是：随着基础模型变强，对外部复杂Harness的要求会降低，类似去年Prompt工程热度的下降。因此Kimi内部已开始实践Loop Engineering（循环工程）。

黄震昕认为，随着Token市场价格走高，用户对于高性能的Token需求仍有支付意愿，同时，虽然由于芯片荒和算力成本上升导致成本在涨，但模型厂商也在通过技术优化，将Token的实际成本往下降低。

在定价策略上，Kimi的定位是做高性能模型，而非最便宜的模型。尤其是伴随今年模型价格的集体上涨，背后核心原因仍然是全球算力供应跟不上Token需求增长。为此，Kimi对冲成本压力的方式是通过技术优化，其KV-Cache命中率达到90%以上。

“评估模型价格不能只看输入输出定价，还要看KV-Cache命中率。只要命中，成本就会降很多，能给用户节省成本。” 黄震昕告诉笔者。

作为Kimi B端负责人，黄震昕还着重提及了Kimi在To B业务的布局，包括三层服务体系：模型层提供K2.7 Code、K2.6等基础模型；架构层提供API及Agent SDK；产品层推出企业版，包含Kimi Agent集群、Kimi Code、Kimi Work等工具。黄震昕指出，Kimi不会做太重的交付工作，“模型本身还有大量技术难题待攻克，Kimi能把模型做好已经非常不易。”

对于企业级应用所需的“最后一公里”服务，Kimi选择通过FDE合作伙伴来完成端到端交付，而非自建重服务团队。在行业解决方案层面，Kimi也在尝试与亚马逊云科技等合作构建金融、医疗、制造等垂直场景的方案，前者提供模型能力，而后者主要提供行业经验与客户资源。

以下是黄震昕在亚马逊云科技中国峰会上的演讲全文。

我是月之暗面（Moonshot AI）的黄震昕，负责公司的B端业务。很高兴能在亚马逊云科技中国峰会上和大家分享我们的思考。

我加入月之暗面时，就被一个愿景所吸引：致力于寻找将能源转化为智能的最优解。为什么选择这个命题？人类历史上有三次真正的能源变迁。第一次是我们学会了利用阳光，第二次是我们发掘了煤炭，第三次，也就是现在，我们正在学习如何将能源高效地转化为智能。前两次转化是线性的、有限的，而这一次转化是可逆的、可扩展的、可存储的。

关于实现这一最优解，我们的目标一直是做出全球领先的模型。因此，对于月之暗面来说，扩大模型规模（Scaling）是一个必选项。大家从新闻中也了解到，我们近期完成了规模不小的融资，但和海外同行相比，这笔资金并不算多。因此，我们致力于找到效率的最优解。

为此，我们选择了三个技术方向，因为它们对应了智能体的三个核心能力维度：聪明程度、干活时长（Long Context）和协作能力（Agent Swarm）。

第一，聪明程度。数据并非无限，在相同的算力下，谁能学得更聪明，谁就更具优势。

第二，干活时长。这决定了模型如何能处理更长时间的任务，同时不忘记最初的目标是什么。

第三，协作能力。单个智能体再强大，也有其局限性。如何让多个智能体有效组队，协作完成复杂的用户任务，是另一个关键。

这三个维度结合起来，就是AI产品能力的整体体现。自2025年以来，我们在这三个方向上都取得了关键突破。大家可以看到，Kimi的每一项创新，都瞄准了最基础的模型架构，而不仅仅是工程效率的优化。

以优化器为例，经典的Adam优化器诞生于11年前，我们将一种新的优化技术运用到了大部分训练中，使实际数据的使用效率提升了27%，整体效率直接翻倍。在长文本（Long Context）方面，传统的Attention架构诞生于八年前，我们推出了Kimi Linear Attention技术，将在下一代模型中应用。传统架构下，模型扩大十倍，训练和推理成本将扩大一百倍；而采用新技术后，仅需十倍的算力即可实现。此外，残差连接技术诞生于十年前，我们推出了注意力残差（Attention Residual）技术，使效率提升了25%。

马斯克也曾专门为我们的技术点赞。可以说，模型的规模瓶颈正在被我们逐一解决，更大规模、更高质量的模型成为可能。一个行业常识是，KV缓存命中率很大程度上影响用户的最终使用成本。我们通过研发Kimi的工程优化，持续提升效率，降低KV缓存失效率，从而降低了API的使用成本，让更多用户能够用得起。

最近，我们也发布了Kimi K2.7，其代码能力大幅提升。我们还特别推出了高速版本，输出速度达到了180 token/秒。很多朋友反馈，用上之后就再也回不去了。这也是我们努力通过推理优化提升客户体验的例证。

Kimi是一家注重审美的公司，我们的品牌调性很明确，专注于生产力领域。我们把有限的能源和算力，集中在学术研究、软件工程、复杂推理等领域。长期使用的用户会发现，我们的核心场景始终围绕着提升生产力。

大家可能对Kimi的印象更多停留在To C端，但其实我们在To B领域也并非简单地售卖API，而是提供了一整套完整的生产力赋能体系。该体系具备三层能力：

模型层：Kimi持续做最强的基础模型。目前底座已涵盖K2.7 Code、K2.6和K2.5等模型，为企业级应用提供坚实的智能底座。

服务层：Kimi提供丰富的API，开发者可以借此进行深度集成，将Kimi的能力无缝嵌入到企业自身的工作流中，例如网页搜索、PPT生成等。

工具/产品层：Kimi提供包括Kimi Agent集群、Kimi Code、Kimi Claw、Kimi Work等开箱即用的产品。该层级直接解决企业真实场景中的复杂问题，例如让Agent自动处理报表、生成行业分析、管理项目文档等。

在全球化业务拓展方面，Kimi正携手亚马逊云科技推进全球业务协同，借助其从基础设施层到应用落地层面的全方位助力，实现全球化规模加速，为全球企业赋能生产力：

基础设施和服务层面：Kimi运行在亚马逊云科技遍布全球的数据中心和网络基础设施上，获得了稳定可靠的算力支持，确保模型运行得又快又稳。Kimi多个模型现已登陆Amazon SageMaker，让更多开发者可以进行模型的训练与推理，大幅降低使用门槛。同时，Amazon Bedrock已经接入了Kimi K2.5等开源模型，未来Kimi正在积极推进接入更多最新模型，让用户无需自行管理基础设施或单独部署服务器就能使用Kimi模型。此外，Amazon Bedrock Guardrails的企业级安全能力也将自动适用于Kimi，提供有害内容过滤、提示词攻击防护以及企业合规保障。

业务合作层面：Kimi已登陆亚马逊云科技Marketplace，直接触达全球数百万活跃企业客户。全球客户可以通过该数字软件市场简化采购流程，实现一键使用、按量付费与零门槛接入。同时，借助APN合作伙伴网络，Kimi正在快速拓展企业客户。

垂直行业层面：Kimi与亚马逊云科技联合打造行业解决方案，已覆盖金融、医疗、制造等垂直行业场景。在合作中，Kimi提供核心大模型，亚马逊云科技发挥其丰富的行业经验与客户资源，共同将Kimi的能力无缝嵌入到企业的真实业务流程中。

以上就是今天的分享。我们期待与亚马逊云科技携手，继续探索将能源转化为智能的最优解。

（作者 | 杨丽，编辑 | 杨林）