独家：月之暗面融资236亿，投资人狂抢股份，几天就没了

作者 | 铅笔道 黄小贵

编辑 | 铅笔道 邹蔚

封面图丨月之暗面

7月中旬，月之暗面公开承认：用户太多，算力不够用了。

Kimi K3发布后不到两天，用户请求量迅速逼近现有算力集群的极限。月之暗面不得不暂停接受新的消费者订阅，把有限算力优先留给已经付费的用户。

十天后，另一扇门也被挤爆了。

据报道，月之暗面刚刚完成一轮超过35亿美元（约合人民币236亿元）的F轮融资，投后估值达到350亿美元，认购金额超出原定目标3倍有余，本轮融资提前关闭。

这一轮头部AI项目的抢配程度，是近年少见的。“一级市场对确定性头部的容忍度已经极低，好的额度一旦放出，消化速度非常快，几天就没了。”庚辛资本创始合伙人鄢翔天向铅笔道表示。

在他看来，这种节奏其实是一把双刃剑：“留给机构做尽调、走内部流程的窗口越来越短，这对投资纪律是很大的考验——越热门的项目，越要提醒自己别被节奏裹挟。”

但市场似乎管不了这么多。供需的失衡也直接体现在价格上：想进场的机构远多于放出的额度，慢一步就可能错过。这为随后估值的快速抬升埋下了伏笔。

有消息称，月之暗面还准备提前启动Pre-IPO轮融资，计划以最高500亿美元的投前估值继续募资。“按现在的热度，这一轮大概率也会很快完成。”鄢翔天判断。

点击下方铅笔道-机会情报系统，每天看5分钟，提前了解AI投资机会。

估值暴涨的秘密

从去年年底至今，月之暗面的估值增长曲线很陡峭：

2025年12月C轮融资完成时，月之暗面投后估值约43亿美元；

进入2026年，融资节奏显著提速——年初连续完成多轮融资，估值攀升至约180亿美元；

5月D轮，估值突破200亿美元；

6月底投前估值升至315亿美元，7月F轮投后达到350亿美元。

七个月，估值从43亿涨到350亿，涨幅超8倍。

“这种斜率，用当期利润是解释不了的。”鄢翔天认为，关键在于估值的参照系变了。“大模型公司不是按当期利润线性定价的，而是按它进入头部阵营、并最终成为公众公司的概率来定价。一旦市场认为一家公司不仅能持续融资、还具备上市可能，它的定价基准就从普通创业公司切换到潜在IPO标的，估值自然会出现跳跃。”

年初智谱和MiniMax先后在港交所上市、股价表现强劲，为一级市场提供了新的估值锚；阶跃星辰在推进港股IPO的过程中，Pre-IPO估值也在一个多月里快速抬升。

这些案例让投资人看到，大模型企业的退出通道正在真实形成——IPO不再是一个遥远的故事，而是可以纳入模型测算的现实预期。

同时，一条新的资本循环正在形成：一级市场为模型训练提供资金；模型能力和收入增长推动公司上市；二级市场形成估值锚；新的估值锚再反过来抬高未上市头部公司的融资价格。

月之暗面超募3倍、提前关闭这件事本身，折射的信号比金额更强烈。

“在行业向头部集中的过程中，优质头部的稀缺性正在快速抬升。这与AI去泡沫并不矛盾——真正被出清的是缺乏壁垒的叙事型标的，而卡住用户入口、又具备基础模型能力的头部，反而在集中过程中受益。”鄢翔天说，“资本不是认为这个赛道没有风险，而是更怕错过头部公司的关键轮次、未来再也拿不到理想的入场机会。一旦只剩三四家这个假设成立，35亿美元的入场费，放在IPO的参照系里反而不算贵。”

投资人看Kimi的视角，变了

估值跳涨最直接的催化剂，是7月16日发布、7月27日全量开源的Kimi K3。

这款模型总参数量达2.8万亿，采用MoE稀疏架构（896个专家每次激活16个），原生支持视觉多模态理解，上下文窗口100万Token。结合自研的KDA混合线性注意力机制，整体扩展效率较上一代提升约2.5倍。

在第三方Frontend Code Arena前端编程榜单上，K3以1679分登顶全球第一，超越Claude Fable 5和GPT-5.6 Sol——这是开源模型首次在权威编程榜单上超越全部海外闭源模型。在Artificial Analysis智能指数上，K3排全球第三。

“它不只是把开源参数规模刷到了新的上限，更重要的是在编程、复杂推理、智能体和长上下文这些高难度任务上，已经接近国际一线闭源模型。”鄢翔天说。

K3发布后，中国模型在海外的影响力出现了一个值得关注的变化。Mozilla首席技术官Raffi Krikorian在K3发布数日后，便将它用于日历、文件和电子邮件等日常工作。部分美国企业也开始采用中国模型以降低调用成本。

据Sensor Tower估算，K3发布后一周，Kimi全球下载量超过93万次，较前一周大幅增长；其中美国市场增长尤为明显。

“K3至少重新证明了一件事：月之暗面不是只有产品流量，它具备持续训练前沿模型的能力。”他说，“投资人对Kimi的认知，正在从长文本加个人助手，扩展到编程、智能体、多模态和复杂任务执行。”

月之暗面创始人杨植麟在Kimi产品发布会演讲 来源：钛媒体

随着模型增强，营收数据也在快速增长。据公开信息，月之暗面ARR（年度经常性收入）于2026年3月首次突破1亿美元，5月达2亿美元，6月站稳3亿美元；其中API收入占整体收入七成以上，公司正从依赖C端订阅转向B端规模化变现。

但高估值背后也有长期的风险。

“估值涨得越快，未来要兑现的增长就越多——它不仅要证明模型做得好，还要证明用户能留下来、收入能持续增长，并最终形成一套与500亿美元量级相匹配的商业模式。”鄢翔天提醒。

“此外还有一层外部不确定性不能忽视：围绕先进算力获取、以及海外对训练路径与合规的质疑，都会直接影响它全球化和退出通道的可持续性。这些才是高估值背后真正需要盯住的尾部风险。”

大模型的赚钱方法在迭代

中国大模型的竞争，正在悄然发生变化。

鄢翔天的判断是：模型能力仍是入场门槛，但下一阶段真正拉开差距的，是谁能进入真实生产流程、掌握用户的上下文。

“今天很多模型在通用问答、写作、总结这些基础能力上的差距，已经没有早期那么明显。榜单上领先几个百分点，未必能转化成商业优势。用户真正需要的，也不是一个更聪明的聊天机器人，而是一个理解他的工作环境、业务目标和历史信息、并能持续把任务做完的系统。”

他进一步解释，所谓掌握上下文，不只是记住用户说过什么，而是理解他的工作流、组织关系、数据权限、决策习惯和具体目标。“模型只有进入真实场景，才知道问题到底出在哪里，也才能把一次性的回答，变成连续的任务执行。”

他给出了一个更直接的判断标准：下一阶段决定胜负的，不是谁先获得企业数据的读权限，而是谁先获得写权限。

读权限，意味着模型可以读取邮件、查询数据库、总结文件；写权限，则意味着模型可以修改数据库、发送邮件、创建订单、调整库存，乃至嵌入更核心的生产流程。只有拿到写权限，模型才真正进入企业的生产链条。

近期模型上下文协议（MCP）的演进，也印证了这一趋势：新版本开始重点解决无状态部署、长时间任务、企业授权和大规模扩展问题，使智能体更容易连接外部工具和企业系统；其授权规范亦要求，当智能体访问邮件、文件、数据库或执行管理操作时，应采用标准化授权、记录操作，并取得用户许可。

过去，大模型行业的基础设施是GPU、数据和训练框架；未来，权限管理、任务编排、模型路由、身份系统和审计工具，也可能成为新的基础设施。

与此同时，模型竞争正在从文本扩展到完整的多模态任务。各家的路线已经出现三条同时推进的分支：基础模型继续扩大规模、提高推理能力；智能体进入编程、办公和企业工作流；多模态模型进入广告、电商、游戏和内容生产。

Kimi选择的重点，是长周期编程、知识工作和个人智能入口；MiniMax押注多模态内容和海外消费产品；智谱更接近企业和政务客户；阿里和字节拥有云计算、电商、办公、广告和内容分发场景；DeepSeek则继续依靠模型效率和开发者影响力扩大生态。

中国大模型行业曾经把竞争焦点放在每百万Token多少钱，但随着智能体兴起，简单比较Token单价正在失去意义。

“Token根本不是一个标准化商品。哪怕调用同一个模型，不同服务商的延时、吞吐、并发、稳定性和缓存机制都不一样，价格自然不同。对企业用户来说，一次调用能不能及时返回、高峰期稳不稳、复杂任务能不能一次做完，往往比名义上的每百万Token单价更重要。”鄢翔天说。

需求本身也在分化：海量文本分类、基础客服要极致低成本；编程、科研、金融分析、企业决策更看重推理质量和可靠性；实时交互场景对延时极其敏感。“同样是Token，创造的价值完全不同，不能放在一起简单比价。用户买的从来不是Token本身，而是能解决问题的Token。”

在他看来，大模型的商业模式将逐渐演变为：基础调用价格继续下降，但高质量推理、低延时服务、专属部署、行业数据、智能体和任务交付，会分层定价。当市场从“每百万Token多少钱”，转向“一个任务最终花多少钱、省多少人力、创造多少价值”，单纯的价格战自然会失去意义。

本文内容仅供参考，不构成任何投资建议。

欢｜迎｜联｜系

想获得调研，请联系：qianbidao01

想加入社群，请联系：qianbidao01

想市场合作，请联系：qianbidao01

文章转载，请联系：qianbidao01