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，大模型赛道的头部玩家们都在拼命抢时间窗口——模型迭代、产品打磨、融资、上市，哪个环节都不敢落下。而与此同时，“商业化”这个命题，也悄悄被塞进了他们的日程表里。

最近，结合Kimi对外披露的信息，以及与月之暗面Kimi B端负责人黄震昕的交流，这家公司在商业化路径上的一系列战略选择与自我定位逐渐清晰起来。

过去两年间，Kimi干了几件大事：首次大规模将二阶优化器Muon引入训练，取代了已沿用十年之久的行业标准Adam优化器；推出了基于KDA注意力机制的Kimi Linear架构；还搞出了注意力残差方案。这些动作直接带来了计算效率的大幅提升。

关于Harness（外部复杂任务编排框架），Kimi的观点很鲜明：随着基础模型能力越来越强，对外部复杂Harness的需求自然会降低，这就像去年Prompt工程热度的退潮。因此，Kimi内部已经开始实践Loop Engineering（循环工程），让模型在自我循环中完成任务。

黄震昕提到，现在Token市场价格在走高，但用户对那些高性能的Token仍然愿意掏钱。另一边，芯片荒和算力成本上升虽然推高了成本，但模型厂商也在通过技术优化，把Token的实际成本往下压。

在定价策略上，Kimi的定位很清楚——做高性能模型，而不是最便宜的那个。尤其是今年模型价格集体上涨，背后的核心原因仍然是全球算力供应跟不上Token需求的增长。Kimi应对成本压力的方式，一是靠技术优化，二是他们引以为傲的KV-Cache命中率，据说已经达到了90%以上。

“评估模型价格不能只看输入输出定价，还得看KV-Cache命中率。只要命中率上去了，成本就会降很多，这能帮用户省下不少钱。”黄震昕解释道。

作为Kimi B端的掌舵人，黄震昕还详细介绍了公司在To B业务上的布局，核心是三层服务体系：模型层提供K2.7 Code、K2.6等基础模型；架构层提供API以及Agent SDK；产品层则推出企业版，包括Kimi Agent集群、Kimi Code、Kimi Work等一系列工具。值得注意的是，黄震昕明确表示，Kimi不会做太重的交付工作，“模型本身还有大量技术难题等着攻克，Kimi能把模型做好已经很不容易了。”

对于企业级应用所需的“最后一公里”服务，Kimi选择了一条更轻盈的路径——通过FDE（前端交付）合作伙伴来完成端到端交付，而不是自建一支庞大的服务团队。在行业解决方案层面，Kimi也在尝试与亚马逊云科技等伙伴合作，共同构建金融、医疗、制造等垂直场景的方案。合作中，前者提供模型能力，后者则贡献行业经验与客户资源。

以下摘录了黄震昕在亚马逊云科技中国峰会上的演讲核心观点。

他谈到，加入月之暗面时，被一个愿景深深吸引：致力于寻找将能源转化为智能的最优解。为什么是这道命题？人类历史上有三次真正的能源变迁：第一次是学会利用阳光，第二次是发掘煤炭，第三次，也就是现在，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——是可逆的、可扩展的、可存储的。

关于实现这一最优解，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。近期完成的融资规模不小，但和海外同行相比，这笔钱并不算多。所以，必须找到效率的最优解。

为此，Kimi选择了三个技术方向，因为它们分别对应了智能体的三大核心能力维度：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，谁就更有优势。
第二，干活时长。这决定了模型如何处理更长时间的任务，同时不忘记最初的目标。
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。

这三个维度合在一起，就是AI产品能力的整体体现。自2025年以来，Kimi在这三个方向上都取得了关键突破。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。

举个例子，经典Adam优化器诞生于11年前，Kimi把一种新的优化技术运用到了大部分训练中，实际数据使用效率提升了27%，整体效率直接翻倍。在长文本方面，传统Attention架构诞生于八年前，Kimi推出的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；而新技术只需十倍的算力就能实现。此外，残差连接技术诞生于十年前，Kimi的注意力残差技术让效率提升了25%。

马斯克也曾专门为这些技术点赞。可以说，模型的规模瓶颈正在被逐一解决，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。通过研发和工程优化，Kimi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，让更多用户用得起。

最近发布的Kimi K2.7，代码能力大幅提升，还特别推出了高速版本，输出速度达到180 token/秒。很多朋友反馈，用上之后就再也回不去了。这也是通过推理优化提升客户体验的一个例证。

Kimi是一家注重审美的公司，品牌调性很明确——专注生产力领域。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，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，但其实在To B领域，Kimi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，具备三层能力：

模型层：Kimi持续做最强的基础模型。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，开发者可以进行深度集成，将Kimi的能力无缝嵌入企业自身的工作流，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，直接解决企业真实场景中的复杂问题，比如让Agent自动处理报表、生成行业分析、管理项目文档。

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，借助其从基础设施到应用落地的全方位助力，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，获得稳定可靠的算力支持。多个模型现已登陆Amazon SageMaker，让更多开发者可以进行训练与推理，大幅降低使用门槛。同时，Amazon Bedrock已接入Kimi K2.5等开源模型，未来Kimi正积极推进接入更多最新模型，用户无需自行管理基础设施就能使用。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。全球客户可以通过这个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。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，覆盖金融、医疗、制造等垂直行业场景。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的能力无缝嵌入企业的真实业务流程。