超额融资35亿美元，月之暗面逼近500亿美元估值

月之暗面CEO杨植麟。图片经由AI生成

文｜谢瑞瑞

编辑｜徐青阳

7月29日消息，随着开源大模型Kimi K3的发布及其在海外技术圈引发的广泛讨论，中国头部AI创企月之暗面（Moonshot AI）在资本市场跑出了令人瞩目的加速度。

据知情人士透露，月之暗面在这轮刚完成的融资中成功筹集到35亿美元，远超此前预期的10亿至20亿美元目标，其投后估值达到350亿美元。

目前，这家总部位于北京的AI创企已开始接触潜在投资者，拟以500亿美元的投前估值开启新一轮Pre-IPO融资，寻求在今年年内赴港上市前，完成最后一轮融资与资本积累。

一位接近Kimi的知情人士表示：“完成350亿美元（估值），开启500亿美元，跟我们听到的信息一致。”

从一家技术导向的实验室到即将冲击500亿美元估值的国内AI头部企业，月之暗面正用极致的开源模型突破与资本狂飙，重新定义全球AI竞争格局。

01 6个月，估值飙升12倍

事实上，今年早些时候，月之暗面就已开始考虑在香港上市，并已就推进上市事宜与中国国际金融股份有限公司（中金公司）和高盛集团进行了洽谈。

资本市场的追捧直接反映在估值上。这轮闭环的新一轮融资中，这家中国头部大模型公司的估值达到350亿美元，并开始向500亿美元的Pre-IPO估值目标发起冲击。

这家快速成长的公司由CEO杨植麟于2023年初与周昕宇、张予彤等人联合创立。杨植麟今年33岁，曾就读于清华大学与卡内基梅隆大学，曾在Meta和谷歌工作过。从实验室的学术成果到掌舵350亿美元的拟上市企业，杨植麟仅仅用了三年时间。

在资本与业务的双重催化下，月之暗面的上市筹备已迈出关键一步。现在，分发股东决议这一实质性动作的启动，意味着其IPO流程已正式驶入快车道。创始人杨植麟正有意加快推进步伐，因为模型取得突破后的窗口期，比大多数人预期的闭合得更快。

支撑350亿美元估值与赴港IPO底气的，是实打实的财务数据。今年4月，月之暗面的年化营收（ARR）为2亿美元，6月，飙升至3亿美元，两个月内实现了50%的增长。

月之暗面的商业变现路径也非常清晰：C端依靠Kimi聊天机器人的分级订阅，B端则向企业客户出售底层技术接口。今年6月初，该公司还推出了通用AI智能体产品Kimi Work以拓宽应用场景。

将时间倒退至2025年12月31日，彼时杨植麟发内部信确认完成了5亿美元的C轮融资。

他在信中表示：“当前现金持有量超过100亿元。相比于二级市场，我们判断还可以从一级市场募集更大量资金，事实上，我们B/C轮融资金额就超过绝大部分IPO募资及上市公司的定向增发。所以我们短期不着急上市。”

资料显示，月之暗面的C轮完成后，投后估值为43亿美元。今年5月完成的200亿美元估值D轮融资由美团旗下的龙珠资本领投，国有背景的中国移动和清华资本也参与其中。

02 Kimi K3爆火：终结闭源神话

引起月之暗面这一轮资本狂欢和上市决心的直接导火索，是其7月16日发布的开放权重模型Kimi K3，几乎一夜之间，月之暗面的名字在美国AI公司内传开。

Kimi K3大火，美国科技圈的一些人甚至开始反思：为什么杨植麟卡内基梅隆博士毕业后，不留在美国创业？作为年度最强开源模型，这款拥有2.8万亿参数的开放权重模型，直接打乱了硅谷的节奏。

上一次造成这种市场震荡的，还是DeepSeek发布R1模型的时候。

在第三方AI分析机构的前沿基准测试中，Kimi K3的表现甚至排在了Anthropic顶级模型Claude Opus 4.8之前，成为首个达到这一里程碑的中国开放权重模型。

在知名AI模型排名平台Arena的排行榜上，Kimi K3在评估AI模型执行某些任务表现的榜单中高居第一，在法律自主工作基准测试中以26.7%的成功率领先，近乎Claude Fable 5的两倍。

加州大学伯克利分校计算机科学教授、Databricks及Arena联合创始人伊恩·斯托伊卡指出，早期结果（特别是在编码方面）表明，Kimi K3与Anthropic 的Fable和OpenAI的高端GPT-5.6 Sol模型处于同一水平。

斯托伊卡表示，过去常说开源模型尤其是中国的模型落后于前沿模型大概六到九个月，而现在差距可能只有两到三个月。

月之暗面承认，在整体基准测试中它仍落后于Anthropic的Claude Fable 5和OpenAI的GPT-5.6 Sol，但在关键评估指标上将差距缩小了4分。

在Kimi K3发布当天，全球顶尖的AI代码编辑器Cursor便迅速宣布对其完成集成。更具实用意义的是，通过这种集成，美国企业团队现在拥有了一条合规路径在本土运行该模型，且整个流程中没有任何中国基础设施参与。

Cursor的集成并非一朝一夕之功。Cursor曾在3月承认，在构建其产品时曾将Kimi模型作为基础。这一渊源使得发布首日的集成看起来不像是一次出于便利的临时合作，更像是长期存在的合作线索浮出水面。

03 价格战降维打击：硅谷实验室的战略尴尬

低成本AI重塑格局：中国模型性能达前沿，成本仅及美国对手零头。

Kimi K3的发布契合了一个更大的趋势：据CNBC报道，随着OpenAI和Anthropic的使用成本飙升，中国开源模型正在美国企业中赢得越来越多的市场份额。

这种价格差距绝非微不足道。中国模型在Token成本上比美国同行便宜高达9倍，在某些工作负载下，节省的成本甚至高达90%。

DeepSeek V4 Flash的输入Token报价为每百万0.14美元，而GPT-5.2的报价为1.75美元。相当于同样用1美元，DeepSeek V4 Flash能处理714万个输入token，而GPT-5.2只能处理57万个。

由此衍生出的采用率数据令人瞩目：OpenRouter数据显示，自2月8日以来，美国公司在中国模型上消耗的Token份额每周均保持在30%以上，某些周甚至高达46%，而在那之前的12个月平均值仅为11%。

据报道，OpenAI正考虑大幅下调Token价格，这一举动表明该公司已将来自中国的价格压力视为生存威胁，而非边缘挑战。

这让美国AI实验室当前的战略处境非常尴尬。他们围绕闭源专有权重、企业合同以及“模型质量将持续吸引客户支付溢价”的假设构建了护城河。

然而，像月之暗面、DeepSeek和智谱这样的中国实验室正在免费或以极低的价格提供顶级权重，且其模型质量正不断逼近前沿水平。过去用来支撑OpenAI和 Anthropic高定价的质量差距，正在以任何人都能看到的基准测试公开缩小。

04中国芯片的“第二场战争”

如果说上市是中国芯片行业打赢的第一场战争，那么接住国产大模型爆发的需求、为其 Token 成本与推理经济性托底，则将成为关键的第二战。

“Kimi K3目前证明的是技术能力进入前沿，还没有完全证明推理经济性、产品体验和商业模式同样成立，”一位匿名的科技投资人表示。

根据Artificial Analysis的“智能指数”评测，Kimi K3在全部9项测试中总共产生了约1.3亿个输出Token，跑完整套评测的总账单高达2709.75美元，而同类参评模型的中位数仅为6300万个。拆分成单一任务，Kimi K3的平均花费为0.94美元，GPT-5.6 Sol为1.04美元，Claude Opus 4.8为1.8美元。

单看定价，Kimi K3的Token已经不算便宜。

知名开发者西蒙·威利森在博文中评价称，Kimi K3是“迄今为止中国 AI 实验室发布的最昂贵的模型”。

敢于定高价的底气，源于月之暗面判断K3在编码和其他高价值智能体任务上表现出色，足以向客户收取溢价。月之暗面自身关于这个问题的解释是：中国开源模型不应该被贴上性价比标签，SOTA模型（代指某领域/任务/评测中表现最好的模型）应该有自己的定价权。

追逐性价比本质上就是追逐更高的经济性。资深互联网与数字经济研究专家胡延平提出的“量效比”观点指出，如果不考虑量效比，长期竞争会面临“Token不经济”的问题。

他以英伟达为例，强调在H200上Token的ROI可能是亏损的，但升级为B300后则大不相同。这给国产算力提出了新的要求：既要保证模型供给，也要在硬件层面释放 Token的经济性。

高交互负载下，B200 NVFP4 较 H100 FP8 运行Minimax 2.5成本对比

SemiAnalysis 5月份报告显示，在MiniMax-M2.5的8K/1K负载下，B200 NVFP4凭借硬件与内核优化，每百万Token为0.09美元；而H100 FP8在统一条件下为0.74美元，实现了超过8倍的性价比提升。

在国产算力进化方面，2026年世界人工智能大会（WAIC）展示了积极趋势。最典型的是华为从CloudMatrix 384到Atlas 950两代超节点的进化——单柜从32卡增至64卡，计算柜从12个增至16个，从支持千亿参数训练扩展至万亿参数模型的低精度训练和混合推理。

国产算力进化背后充满故事：随着公司上市，员工获得股权激励，市场也开始为中国芯片重新定价。

虽然Kimi K3在整体性能上仍有提升空间，其IPO进程也取决于市场环境，但月之暗面已经让太平洋彼岸的人们再也无法忽视它的存在。

特约编译无忌对本文亦有贡献