☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
界面新闻
海外付费用户激增400%、API营收飙升400%、产品覆盖全球超200个国家和地区——这是中国头部大模型厂商月之暗面（Moonshot AI）旗下Kimi在2026年交出的最新业务答卷。
在刚刚落幕的亚马逊云科技中国峰会上，月之暗面B端商业化负责人黄震昕向界面新闻等媒体透露：Kimi企业级客户占比正持续攀升，互联网、金融、智能制造、教育及医疗等行业已构成其核心客户矩阵，同时海外商业化进程显著提速。
对于这家成立仅三年的AI原生公司而言，它正加速迈入技术深化与商业落地并重的新周期。
月之暗面海外付费用户增长4倍，API收入增长400%。界面新闻摄
过往数年，月之暗面始终以“硬核技术派”形象立于行业前沿——长上下文建模、Scaling Law系统性验证、基础模型架构原创突破，成为Kimi快速建立技术公信力的关键支点。
直至今日，黄震昕仍在采访中反复强调：模型底层创新仍是公司不可动摇的战略重心，涵盖预训练范式迭代、后训练机制升级、以及MoE架构、注意力残差结构等下一代模型核心技术的持续攻坚。例如，其自研的MuonClip模块已被DeepSeek V4采纳；而更轻量、更高鲁棒性的新型注意力机制，也已明确列入Kimi K3研发路线图。
但一个愈发清晰的现实正浮现于整个产业：当AI从实验室走向产线，企业采购的究竟是“一个模型”，还是“一套可交付、可度量、可持续演进的智能生产力系统”？
过去半年，随着Agentic AI进入规模化部署临界点，字节跳动、阿里通义等国内厂商纷纷加码垂直场景方案团队；海外方面，OpenAI加速拓展Enterprise Sales体系，Anthropic则大力复制其Forward Deployed Engineer（FDE）模式——即派遣工程师常驻客户现场，深度嵌入业务流程重构。模型厂商的角色，正从“API提供方”向“AI生产力共建方”跃迁。
火山引擎总裁谭待近期亦指出：企业AI护城河的本质在于两点——一是模型能力的代际领先性；二是将模型真正“带进企业”的综合能力，包括FDE式交付、行业Know-How沉淀、生态协同效率，以及解决方案团队的专业纵深。
面对这一日益“重交付”的行业趋势，月之暗面选择了一条差异化路径。
黄震昕表示，企业AI转型的最大瓶颈，并不在于模型本身，而在于组织适配、流程再造与信任建立。“目前海外头部玩家的策略各不相同，整个行业仍在共同探索最优解。”
从零搭建飞书机器人。支持 MiniMax/MiMo 等模型、工具调用（搜索/天气/百科/记忆）、Skill 架构。一站式交付可上线运行的飞书群聊 bot。基础版本，后续可自行升级能力
因此，在行业方案设计、系统集成实施及“最后一公里”落地环节，月之暗面坚持“能力聚焦、生态协同”原则——将模型能力做到极致，把场景化工程交付交给专业伙伴。亚马逊云科技正是其战略级协同伙伴之一。
根据双方合作框架：月之暗面专注模型研发与Agent原生能力输出；亚马逊云科技则依托其全球合规体系、行业解决方案积累与本地化SA（解决方案架构师）网络，负责客户联合拓展、垂直场景方案共建及安全合规保障。目前，Kimi模型已正式上架Amazon Marketplace，面向全球客户提供标准化API服务；下一阶段，双方将推进Kimi深度接入Amazon Bedrock平台，实现模型推理全链路运行于AWS基础设施之上。此外，月之暗面还将与AWS SA团队联合打造面向金融、制造等重点行业的端到端智能体解决方案。
黄震昕进一步透露，随着合作纵深发展，双方已在探讨预训练层面的技术协同可能，例如利用AWS Trainium芯片集群承担部分Kimi K3的预训练任务。
月之暗面B端负责人黄震昕。界面新闻摄
在黄震昕看来，“把模型做到世界顶尖”已是极具挑战的目标，月之暗面无意分散核心资源于非模型主航道。“哪怕在B端增长最快的阶段，我们依然保持高度克制。”
截至目前，公司员工总数仍维持在300余人规模，远低于头部科技企业动辄数千人的AI团队体量。所有资源调度的最高优先级，始终锚定在模型基础研究与架构创新层。
“终极目标，是不断逼近智能的理论上限。我们希望未来能与全球最顶尖的三家模型公司同台竞技。”黄震昕说。
伴随模型能力持续跃升，月之暗面观察到：模型对复杂业务环境的泛化适应能力显著增强，从而降低了对外部重型工程框架（如传统Harness）的依赖。内部已启动新一代Loop Engineering范式实践——相比旧有架构更轻量、更自治、更贴近真实任务流，标志着其Agentic AI技术栈进入成熟演进新阶段。
今年以来，国内外主流模型厂商普遍上调服务价格，主因在于算力供需严重失衡：Token消耗增速远超GPU/TPU等硬件产能扩张节奏，算力成本压力正层层传导至模型服务侧。
黄震昕坦言，高端Token服务具备明确溢价空间，用户愿为确定性性能与低延迟体验支付更高成本；与此同时，月之暗面正通过Cache命中率优化（当前原厂服务Cache命中率已突破90%）、KV Cache压缩、动态批处理等推理层技术创新，主动对冲成本上涨压力，持续压降单Token实际推理开销。
在月之暗面的战略认知中，决定长期竞争格局的终极变量，依然是模型本身的能力密度与进化速度。
本文来自微信公众号“界面新闻”，作者：程璐，36氪经授权发布。
