月之暗面陷仲裁风波，创始人杨植麟称 AI 产品需具备深度推理能力

本报记者 李昆昆 李正豪 北京报道

经历了2024年的极速投流增长、近期的仲裁风波，大模型独角兽月之暗面一直处于风口浪尖之上。

近日，国内AI大模型领域的明星企业月之暗面创始人杨植麟、联合创始人兼 CTO 张宇韬，被他们在上一次创业时期的投资人在香港提起仲裁，引发广泛关注。创立月之暗面之前的2016年，杨植麟与张宇韬等人共同打造了自然语言处理领域的公司循环智能。

11月16日，月之暗面又宣布推出新一代数学推理模型k0-math。同时，杨植麟认为，AI产品包括AI技术接下来发展的重要能力应该是更加深度的推理能力，能够把现在只是短链路的简单问答，变成更长链路的组合式的任务操作。

相比技术上的进步，业内人士认为，月之暗面的大模型产品Kimi更大的难题可能来自国内大模型间的激烈竞争，以及未来的商业化难题。

用户黏性难题

据介绍，月之暗面将上线新一代数学推理模型k0-math，对标 o1系列可公开使用的两个模型：o1-mini和o1-。目前，在中考、高考、考研以及包含入门竞赛题的MATH等4个数学基准测试中，k0-math初代模型成绩超过了 o1系列的o1-mini和o1-模型。在两个难度更大的竞赛级别的数学题库OMNI-MATH和AIME基准测试中，k0-math初代模型的表现分别达到了o1-mini最高成绩的90%和83%。

11月16日，杨植麟还公布了最新数据：截至2024年10月，Kimi的月活用户为3600万。但对比豆包，依然有不小差距。第三方统计数据显示，豆包10月的月活为5130万；且2024年1月到10月，中国AI原生应用（App）累计下载量分别为豆包的1.08亿、文小言的2260万、Kimi的2100万、星野的1790万、天工AI的1170万。

Kimi的流量一定程度上依靠月之暗面在投流上的大手笔驱动。移动广告情报分析平台App 数据显示，Kimi在10月投放量飙升，20天投出1.1亿元，接近其整个第三季度的总和。

不过，有投资人认为，月之暗面将所有重心都放在Kimi上，还投入大笔资金投流，是不太理智的做法。在该投资人看来，Kimi作为一个生产力工具，存在两个问题：一是没有黏性，从Kimi换到豆包或者其他产品上，是很简单的事情；二是只要Kimi的竞争对手，比如豆包，一天不收钱，Kimi也收不上来钱。“没有黏性的东西盲目获客是没意义的。”该投资人说。

《中国经营报》记者就公司发展相关问题致电采访月之暗面，截至发稿无人接听。

财经专栏作者马继鹏告诉记者：“与其他平台相比，Kimi最大的优势在于其产品面向C端比较多一点，所以普通用户的感知度比较高，也导致其产品本身的关注度比较高，另外也跟其大力投放有很大的关系。劣势在于，大模型产品，你要发展更好的话，就要在这个行业中有更深度的应用。相比其他几个大模型产品，目前Kimi在这个行业中的应用情况还有待进一步深耕。因为在一个行业有更深度应用的话，这个大模型对某一个行业的理解会更加智能。”

Kimi未来几何

据杨植麟介绍，k0-math模型和更强大的Kimi探索版，未来几周将会分批陆续上线Kimi网页版和Kimi智能助手App，帮助大家解决更有挑战的数学和搜索调研类任务。

谈及商业化的问题，杨植麟表示，现在最关键的还是留存，“这个还是需要看得再长远一点，至少ROI（投资回报率）需要为正吧，这跟技术的进展是高度正相关的。最核心的是把留存和 （自然增长）做好。适当的投放是需要的，但是需要平衡好这几者之间的关系”。

Kimi也曾探索过商业化。2024年5月，Kimi曾上线打赏功能，从一朵小红花到直接登月6个档位，价格从5.2元到399元不等。10月，Kimi又推出了每天限用5次、搜索量更大的探索版，目前虽然不收费，但有消息称Kimi可能会在未来推出VIP计划。在to B领域，月之暗面于8月正式发布了Kimi企业级API（应用程序接口）。不过，其能否成为该公司稳定的盈利点还有待市场验证。

月之暗面成立初期，循环智能的老股东中，红杉中国和真格基金选择了继续跟投，但金沙江创投、博裕资本等机构由于不看好通用大模型，没有跟进。比如，金沙江创投的合伙人朱啸虎，就曾旗帜鲜明地表示“不会投资中国的基座大模型创业公司”，因为商业模式很难跑通。在他们看来，大模型真正的潜力在应用侧。

朱啸虎曾对智谱AI、百川智能、零一万物、月之暗面、、阶跃星辰六家独立大模型创业公司最后怎么收场，也表示“不乐观”，认为“六小虎”最好的结果就是卖给大厂。

从技术层面来看，杨植麟认为，AI的发展就像在荡秋千，在两种状态之间来回切换，“一种是算法、数据准备好了，但算力不够”。他认为，从架构诞生到GPT4的出现，更多的矛盾在于如何扩大规模，在算法和数据上不存在本质问题。但是到了今天，规模已经到达了一定的程度，会发现再加更多的算力，也不一定能解决问题，其中核心问题是没有高质量的数据。这时要做的事便是改变算法，突破瓶颈。现在这是他所在的公司乃至整个行业都面临的共同问题。“好的算法能够释放潜力，让模型持续变得更好。”他认为，强化学习是接下来很重要的一个趋势。

杨植麟认为，现在最核心的任务就是提升留存，或者把留存作为一个重要的衡量指标。“我觉得，用户留存和模型的成熟度、技术水平，也是一个正相关的过程。包括思考能力还不够强，交互不够丰富，所以它今天能做的交互还比较有限。无论是跟用户的交互，还是跟本身客观世界的交互，还有很大的提升空间。如果我们衡量离AGI（通用人工智能）目标的距离，我觉得现在还是初级阶段。当然，每年都有比较大的进步，如果我们用去年的产品，你会发现可能根本没法忍受。”