近日，月之暗面Kimi总裁张予彤出席达沃斯2026世界经济论坛年会。

　　在《中国AI+经济》和《原生AI驱动型企业》两场主题对话中，张予彤阐述了中国在AI技术浪潮中的核心竞争力，并揭秘了中国AI公司如何在资源仅为美国同行1%的背景下，通过极致的算法创新与算力协同，打造出具备全球竞争力的大模型。并称：“我们很快就会发布一个新模型。”

　　值得一提的是，在出任月之暗面Kimi总裁后，张予彤近期较为频繁的公开露面，此前还出现在清华大学一场关于创新、创业的交流活动中。

　　“很快就会发布一个新模型”

　　随着AI推理成本在过去一年中下降了100至1000倍，张予彤认为“智能”正在成为一种新的通用语言。在她看来，未来的软件将走向“无形化”：人类无需再通过点击成百上千个按钮或背诵复杂公式来操作GUI，取而代之的是通过自然语言，经由智能体（Agent）调用一切功能。

　　“软件不会消失，但它将变得随手可得且‘可丢弃’。”张予彤预测，未来的代码将通过“氛围编程”（vibe coding），只要意图清晰，AI就能即时编写出个性化工具交付结果。

　　这种变革也在重塑劳动力市场与企业架构。张予彤透露，Kimi目前仅有300人左右，却支撑起了底层模型研发与数千万用户的应用运营，甚至有不到10人的应用公司利用数百个智能体实现了极高的运营杠杆。她强调，未来的原生AI组织将不再强调机械的职能分工，而是看重员工的通用智能能力与学习力。

　　在论坛问答环节，当被问及今年是否会出现新的“中国AI时刻”时，张予彤笑着回应：“我们很快就会发布一个新模型。”

　　而此前《科创板日报》记者独家获悉，月之暗面计划今年一月或者三月上线多模态新模型，型号或为K2.1/K2.5。

　　1%资源下的不对称竞争

　　在探讨中美AI竞争格局时，张予彤分享了一个极具冲击力的事实：Kimi仅使用美国顶尖实验室1%的资源，就开发出Kimi K2、Kimi K2 Thinking这样全球领先的开源模型，甚至在部分性能上超越美国的顶尖闭源模型。“从创业第一天起我们就清醒地意识到，中国初创公司没有随意堆砌算力的条件。”她表示，“这迫使我们通过大量的基础研究创新来换取极致的效率。”

　　张予彤透露，Kimi投入了大量精力将工程化思维引入研究环节，确保所有算法创新都能在生产系统中大规模稳定运行。例如，Kimi是全球首个在大型语言模型训练中跑通Muon优化器的公司；同时，自研的线性注意力机制（Kimi Linear）在处理速度上已显著超越传统的全注意力系统，实现了效率的跨越式提升。

　　这种效率优势正快速转化为“平权”生产力。张予彤分享道：“现在我们收到的大量简历不再是PDF，而是个人网站链接。即使是完全不懂代码的人，也能通过AI生成的网页代码展示才华。AI让专业技能平权化，释放了每个人的个体创造力。”

　　针对中国AI产业的独特底色，张予彤总结了中国在当前AI竞赛中的三大驱动力。

　　首先是规模化市场的赋能。张予彤表示，中国庞大的制造业与零售业为AI提供了得天独厚的使用场景。这种海量数据与复杂业务逻辑的结合，使中国公司能够在生产环节中构建真正可扩展的系统，让技术在实际落地中完成高效迭代。

　　其次是社会对新技术的包容与开放态度。回顾新能源汽车、太阳能、智能手机及自动驾驶的发展历程，张予彤认为，中国用户与企业对提升生产力的新工具展现出极高的拥抱意愿，“对技术的开放性和拥抱新技术的态度，是中国非常独特的优势”。

　　最后是“基建先行”的思维模式。中国在电力供应、跨区域高速公路以及多城市巨型数据中心方面的持续投入，有效降低了能源获取成本。这种数字基建的领先地位，确保了前沿创新不受能源瓶颈阻碍，为技术爆发提供了稳固支撑。

　　大模型企业加速分化

　　曾经的大模型“六小虎”正加速分化，今年初，头部企业智谱与MiniMax先后登陆香港联合交易所，上市后市值双双突破千亿港元。

　　在智谱、MiniMax等竞争对手借助上市融资扩大竞争优势的背景下，月之暗面选择暂缓上市，其底气主要来源于充足的私募资金支持。

　　此前月之暗面创始人杨植麟通过内部信披露，公司已完成5亿美元C轮融资且大幅超募，当前现金储备超100亿元，并明确表示“短期不着急上市，也不以上市为目的”。

　　而近日，《科创板日报》记者独家获悉，月之暗面正在敲定新一轮融资，此轮融资投前估值达到48亿美元，而在几周前，该公司估值还是43亿美元。据了解，市场需求旺盛导致投资者兴趣激增，此轮融资将很快完成交割。月之暗面目前尚未就本次融资置评。

　　当前中国大模型领域竞争白热化，各家路径差异逐渐清晰。与一些公司追求用户规模、快速推进商业化应用和资本化不同，月之暗面旗帜鲜明地将宝押注在技术极限的突破和AGI的长期愿景上，试图通过打造“不被定义”的独特能力建立壁垒。

　　然而，这条路径也伴随着高风险。巨额算力投入、技术路线的潜在波动、商业化深度与广度之间的平衡，以及全球顶尖实验室的激烈竞争，都是其面临的挑战。能否持续获得大规模私募资金支持以维持其“烧钱”研发模式，将是关键。

（文章来源：财联社）