Kimi还能找到月之亮面吗？

现在很少有人提Kimi了。

取而代之的是夸克、腾讯元宝、阿里的Qwen……朋友圈也不再刷屏“Kimi能一次性输出20万字”，而是讨论谁家模型能生成视频、效果够不够好，谁的Agent能自动写代码、准确率高不高。

挺有意思。一年多前，Kimi还站在聚光灯下，仿佛在向世界宣誓：我们，才是下一波颠覆者。如今这颗明星，已经不再那么耀眼。

01

那问题来了，为什么当初资本会疯狂追捧它？其实答案一直摆在明面上：技术稀缺性。

当年Kimi长文本能力，确实碾压全场。从一开始支持20万字上下文，到后来飙到200万字，这种突破，几乎像“第一次登月”一样震撼。

要知道，那时整个AI圈还在为几千字的文档处理发愁，Kimi却突然宣布能处理百万级文本，对行业来说几乎是颠覆性。

这背后技术挑战非常高。不仅要保证信息无损压缩，还要解决多轮对话中的记忆连贯性和衰减问题。再加上中文数据本身就很抽象，比如古籍、专业文献，都是模型难以复制的内容。

所以从资本角度看，Kimi早期的技术优势，某种程度上就像一种“非对称竞争力”。

你想，当时OpenAI也没做到一次性输出这么多字，结果被Kimi卷了一把。“长文本”成了它的技术标签，也一下子撑起了30亿美元的估值。

当然，除技术之外，杨植麟的光环效应也非常明显。他的履历几乎为资本量身定制的“完美男大主”。

清华出身，卡内基梅隆大学（CMU）语言技术研究所（LTI）读博，导师是苹果AI负责人Ruslan Salakhutdinov和Google AI首席科学家William W. Cohen，这样的学术背景，在技术可信度上远超普通创业者。

而且他还有创业经历，比如循环智能，已经在企业级AI落地方面证明过自己。这让资本相信，这个人不只是懂技术，还会做生意。

更重要的是，他还提出了“登月第一步”的口号，把长文本技术提升到了“中国AGI突破口”的高度，精准匹配了资本对“中国版Altman”的期待，这也让Kimi的故事多了几分光芒。

最后不能忽视的，是资本的焦虑。

全球AI竞赛大背景下，当年腾讯、阿里这些大厂还没真正拿出自己的模型；而ChatGPT火得不行，却又在国内受限，催生出一大批想找替代品的C端用户。

这时，Kimi靠着免费策略和极简UI设计，几乎成了最顺手的“平替”，用起来不花钱、界面干净、功能看起来也够新，一下就抓住了这波需求。

阿里那笔8亿美元投资，占股36%，更多像一种防御性动作。说白了，不想在通用大模型这条赛道上掉队，投Kimi，其实是为了卡位。

别忘了，当时OpenAI估值已经飙到860亿美元，这对很多投资人来说，成了一个心理锚点：中国要也有个头部玩家，至少也该值个30%的溢价吧。

于是，技术稀缺、创始人光环、资本焦虑情绪，三股力量一叠加，Kimi就这样被推上了风口。

02

有钱是好事，但要说清楚怎么花钱、为什么花钱、花在哪儿，比拿到钱还难。

公司账面上突然多8亿美元，什么感受？可能整个人就懵了。就像马云说的那句话：“我对钱不感兴趣”，因为他实在太多了。

Kimi当时就面临这个问题：有了钱之后，开始拼命烧钱买用户、买声量，反而把自己的节奏带偏了。

它怎么一步步被流量牵着走的？我用AI交叉查了数据历史，Kimi单月投流费用最高达到2.2亿人民币。什么概念？相当于每天要烧掉700万。

我以前做电商时，一天都没烧过这么多钱。问题是钱到底去哪儿了？B站、知乎、微博……几乎所有主流平台都有它的广告。

关键词也铺得特别猛，ChatGPT平替、论文神器、打工人效率工具”这些词，几乎你刷到AI相关内容，就绕不开Kimi的身影。

短期来看，这套打法确实有效果：

DAU从2023年12月的50.83万，飙升到2024年5月的589.7万；访问量一度突破1261万，环比增长超过300%。

听起来是不是很厉害？但这种增长不是靠产品本身吸引来的，是靠砸钱砸出来的；据说，这种大规模投流并不是Kimi自己想做的，是投资人那边压力大，要求它尽快证明商业化能力。

于是Kimi只能一边硬着头皮烧钱，一边放弃原本的技术深耕节奏，转向“用户越多估值越高”的传统互联网增长逻辑。

结果呢？

你看到了，起个大早，赶个晚集；成本高了不说，还给大厂留出很多时间做技术，大厂有了模型后也开始降维打击。字节豆包靠着抖音生态直接垄断流量，一个月投流预算高达1.24亿，六天冲上应用商店榜首。

所以，Kimi本来想靠流量跑出规模，结果，反而陷入了“越烧钱越被动”的死循环，资本输血没让它变得更自由，反而加速了战略自主权的流失。

当然，为了留住花钱买来的用户，它也做了不少营销动作：和甜宠剧合作，在B站放广告，主打“Kimi帮你写剧本”；跟《咸鱼之王》这样的挂机游戏联动，让用户边玩边问AI。

看起来挺聪明，能提升用户黏性，但事后复盘你会发现，这背后藏着几个很大的问题。

第一个是场景错配。

Kimi一开始切的是学术、法律、专业文档处理这条赛道，核心用户是需要处理大量文本的人群。可它后来却去跟短剧观众、游戏玩家打交道，这些人要娱乐消遣，根本不是深度理解能力。

第二个问题，品牌调性受损。杨植麟早期把Kimi定位为“高知人群效率工具”，这一通短剧营销下来，知乎上的高知用户明显流失了不少。

第三个点，我觉得是技术投入空心化。当资源全都往流量倾斜，真正该做的技术升级就被耽误了，比如多模态能力、视频理解这些方向，Kimi都没有及时跟进。

与此同时，DeepSeek已经开源自己的长文本模型，豆包也能调用抖音的视频库，相比之下，Kimi还在依赖单一的文本交互，技术护城河就这样慢慢被侵蚀掉了。

所以，Kimi当时陷入了一个典型的“数据飞轮幻觉”。

它以为只要用户多，反馈就能自动变成模型进步的燃料，实际上，并没有构建起用户行为、模型优化、场景落地的闭环。

还有一个细节，关于Scaling Law。以前OpenAI有个很强的叙事叫“扩展模型”：只要数据够多、模型够大，效果就会越来越好。听起来也很有道理。

但到2024年，拐点来了，OpenAI摇身一变成了渣男，嘴上说着数据越大越好，转身又说RLHF（人类反馈强化学习）比单纯数据更重要。

再看Kimi，既没有足够高质量的数据闭环，也没有构建起有效的用户反馈机制，骑墙在中间，很尴尬。

03

所以，Kimi还有机会吗？它应该靠什么？我说的三个方向不一定准。

第一个关键词是：价值密度。

像Kimi前两天上线的Kimi Researcher，我也体验了一下，最大的感受就是：价值密度不够高。

里面很多内容冗余、很废话，我还要挨个去筛选、校准；而且我发现，大家都在做Researcher类的产品，但只有扣子平台有“自主干扰模式”，其他平台还做不到“打断+追问”。

什么意思呢？你给AI一个标题让它研究，它只能一股脑儿地输出一堆结果下来，但用户想要的，可能是中间某个环节就打断，输入新的问题，或者再加一份文档进去继续生成。

这一步如果没做到，“深度研究”就成了“一次性输出”，用起来就很鸡肋。所以我说，这是个机会点。

除了Researcher之外，还有一个需求很强的场景是：Deep Search（深度搜索）。

现在很多人查财经数据、行业报告，都要交叉验证多个来源，这个过程特别痛苦。尤其在金融领域，一个小偏差就可能导致判断错误。

从这个角度看，Kimi+是有潜力的，但它目前的表现说实话还没夸克好；百度那边文心一言也没跟上，这种“深搜”的需求其实很深，也很刚需，但目前还没有哪家真正做好了。

第二个方向是对开发者。

虽然它开始尝试开源一些东西，但我认为“开源”只是第一步。更重要的是，你能不能把背后的模型调试工具、微调指南、部署方案都做得很细？

现在的Kimi API几乎只有基础接口，企业要用还得自己搭适配系统，成本陡增。这就像你买了一台顶级相机，结果连镜头都没有，得自己配。

所以你想，一个企业客户，会愿意花时间去适配这样一个“半成品”吗？显然不会；在这方面，DeepSeek就做得很好。它配套了完整的开发工具链，甚至包括企业部署方案，形成了一个良性循环。

所以，我觉得，如果Kimi能在这块补上短板，至少在B端市场上还能扳回一城。

第三个方向，我觉得是：质量比数量更重要。

腾讯元宝、阿里通义、甚至Kimi自己，都在补全多模态能力。我相信Kimi也能做出视频理解、图像生成这些东西，只是时间问题。

但比起“炫技式”的功能，Kimi更该思考的问题是：自己的用户到底是谁？

从我的观察来看，Kimi的核心用户是几千万效率工作者，这些人更在意生成的内容有没有方向性、有没有逻辑、有没有实际帮助。

换句话说，用户要的不是更多，而是更好。

如果Kimi能在C端建立起真正的反馈机制，在B端深入垂直场景（比如医疗病历分析、法律条款审查），它依然有机会重新赢得信任。

最后，我想说一句总结的话：Kimi现在的问题，不是技术不行，而是还在用旧世界的思维，应对新世界的规则，也许，Kimi需要一场彻底的“技术理性主义革命”。

04

Kimi三年过山车，起得快、摔得也快。智远觉得它给很多AI创业者都提了个醒。

最起码的一点是：要有战略定力。

智远对“战略定力”的理解，不是说你要死磕AGI不放，或者一定要做出个大模型才算成功。而是说：一家公司要清楚地知道自己该打哪一场仗，不该打哪一场仗。

《矛盾论》里讲过一句话我很认同：复杂事物发展过程中会有多个矛盾，但其中一定有一个是主要矛盾，它决定了其他矛盾的发展方向。

那放在公司或业务上，什么是主要矛盾？就是抓住需求。当客户愿意为你的产品和服务买单，就说明这个需求是真的、成立的。

所以我说，付费需求才是战略中的主要矛盾，跟竞争对手较量的关键，就在于谁能识别并满足真正的用户需求。

那次要矛盾是什么呢？

是如何高效、持续地满足这个需求，是在服务过程中不断优化流程、提升效率、配置资源；这些也很重要，但它们永远服务于“抓住需求”这个核心目标。

换句话说：

战略不是坚持熬、不是卷，而是做对的事；定力也不是硬扛，而是持续地做正确的事。这让我想到《毛选》里的思路，也想到曾国藩说的那句话：“守正出奇”。

正兵是根基，奇兵是变化。真正战略定力，是看准方向之后，能守住正道，再灵活应变。

第二点我想说：从一开始要想清楚商业化的问题。

Kimi把自己的模型变成了很多产品：学术搜索、医疗搜索、合同审查、翻译通……看起来功能很全，但问题在于，很多产品并没有真正商业化。

这就提醒我们：中小AI公司在做一个产品时，上来就要问一句，这个东西有人愿意买单吗？有没有清晰的变现路径？

不要等到开发完了才开始想怎么赚钱，那就晚了，没有商业化的“单纯为爱发电”，到最后反而会变成一种负担。

商业化当然需要投流，但这里有个简单的公式可以参考：

可持续增长率 = （付费收入 ÷ 总成本）×（1 - 投流费用占比）

什么意思呢？如果你靠资本输血烧钱买流量，投流费用占比超过30%，就要开始警觉了；而Kimi的数字一度高达70%，这不是增长，这是饮鸩止渴。

第三点，最根本的一点：以用户付费为商业北极星。

我越来越觉得，真正健康的护城河，不在融资头条里，而在客户的付款凭证中，一家公司能不能活下去，最终要看有没有人愿意为它掏真金白银。

那些靠投资人催着做增长、靠流量堆数据的公司，往往最后都会陷入Kimi式的困境，越扩张越空心。

所以，中小AI公司的出路，不是比谁参数更高，是：找到真实的需求、做出有价值的产品、并且让它能持续带来收入，这才是真正的技术信仰，也是穿越周期的底气。

Kimi的故事，更像整个AI创业浪潮的一面镜子，月之暗面”另一面，是“月之亮面”，希望Kimi能在我主沉浮之后，依然能找到那束光。

本文来自微信公众号 “王智远”（ID：Z201440），作者：王智远，36氪经授权发布。