月之暗面融资35亿美元，投后估值达350亿

月之暗面（Moonshot AI）近日完成新一轮融资，金额高达 35 亿美元，远超此前预期的 10 亿至 20 亿美元，投后估值达到 350 亿美元。知情人士透露，公司已开始接触潜在投资者，拟以 500 亿美元的投前估值开启 Pre-IPO 融资，目标在今年年内赴港上市前完成最后一轮资本积累。一位接近 Kimi 的知情人士确认：「完成 350 亿（估值），开启 500 亿，跟我们听到的信息一致。」

估值六个月飙升 12 倍

月之暗面的估值增长堪称迅猛。2025 年 12 月 31 日，创始人杨植麟在内部信中确认完成 5 亿美元 C 轮融资，投后估值 43 亿美元；今年 5 月，D 轮融资以 200 亿美元估值完成，由美团旗下龙珠资本领投，中国移动、清华资本等国资背景机构参与。从 43 亿到 350 亿美元，仅用了约六个月。

支撑这一估值跳升的，是同样高速增长的营收数据：

今年 4 月，年化营收（ARR）为 2 亿美元。
今年 6 月，ARR 已飙升至 3 亿美元，两个月内增长 50%。

商业化路径方面，C 端依托 Kimi 聊天机器人的分级订阅，B 端面向企业客户出售底层技术接口。今年 6 月初，公司还推出通用 AI 智能体产品 Kimi Work 以拓宽应用场景。

月之暗面由杨植麟于 2023 年初联合周昕宇、张予彤等人创立，总部位于北京。杨植麟今年 33 岁，本科毕业于清华大学，博士毕业于卡内基梅隆大学，曾任职于 Meta 和 Google。从实验室到掌舵 350 亿美元估值的拟上市企业，他用了不到三年。

Kimi K3 引爆海外技术圈

推动本轮资本狂飙的直接导火索，是 7 月 16 日发布的开放权重模型 Kimi K3。这款拥有 2.8 万亿参数的模型发布后，迅速在美国 AI 公司内部流传，被视为「年度最强开源模型」。

第三方基准测试中，Kimi K3 的表现排在 Anthropic 顶级模型 Claude Opus 4.8 之前，成为首个达到这一里程碑的中国开放权重模型。在 AI 模型排名平台 Arena 上，Kimi K3 在任务执行榜单中高居第一，法律自主工作基准测试中以 26.7% 的成功率领先，接近 Claude Fable 5 的两倍。加州大学伯克利分校计算机科学教授、Arena 联合创始人伊恩·斯托伊卡指出，Kimi K3 在编码方面的早期表现已与 Anthropic Fable、OpenAI 高端 GPT-5.6 Sol 处于同一水平。

不过月之暗面也承认，在整体基准测试中仍落后于 Claude Fable 5 与 GPT-5.6 Sol，只是将关键指标差距缩小至 4 分。Kimi K3 发布当天，AI 代码编辑器 Cursor 即宣布完成集成。值得注意的是，Cursor 早在 3 月就承认在构建产品时曾将 Kimi 模型作为基础，此次首日集成更像是长期合作的浮出水面。

价格战重塑全球竞争格局

Kimi K3 的发布契合了一个更大趋势：中国开源模型正在凭借显著的成本优势在美国企业市场赢得份额。据 CNBC 报道，中国模型在 Token 成本上比美国同行便宜高达 9 倍，部分工作负载下节省成本可达 90%。

具体对比方面：

DeepSeek V4 Flash 输入 Token 报价为每百万 0.14 美元。
GPT-5.2 报价为每百万 1.75 美元。
同样 1 美元，DeepSeek V4 Flash 可处理 714 万个输入 Token，GPT-5.2 仅可处理 57 万个。

OpenRouter 数据显示，自 2 月 8 日以来，美国公司在中文模型上消耗的 Token 份额每周保持在 30% 以上，部分周高达 46%，此前 12 个月的平均值仅为 11%。报道称 OpenAI 正考虑大幅下调 Token 价格，显示其已将中国模型的价格压力视为生存威胁。

推理经济性与国产算力考验

资本与开源叙事之外，月之暗面仍面临推理经济性的验证。根据 Artificial Analysis「智能指数」评测，Kimi K3 跑完全部 9 项测试产生约 1.3 亿个输出 Token，总账单高达 2709.75 美元，远超同类模型中位数的 6300 万 Token。开发者西蒙·威利森评价称 Kimi K3 是「迄今为止中国 AI 实验室发布的最昂贵的模型」。

月之暗面的解释是：中国开源模型不应被贴上「性价比」标签，SOTA 模型理应拥有自己的定价权。资深数字经济研究专家胡延平提出的「量效比」观点指出，不考虑量效比，长期竞争将面临「Token 不经济」的问题——这意味着国产算力需要同步进化，在硬件层面释放 Token 的经济性。

2026 年世界人工智能大会上，华为展示了从 CloudMatrix 384 到 Atlas 950 两代超节点的进化，单柜从 32 卡增至 64 卡，计算柜从 12 个增至 16 个，已可支持万亿参数模型的低精度训练与混合推理。随着公司推进上市，员工股权激励的落地以及市场对中国芯片的重新定价，国产算力与国产大模型的协同将进入新阶段。