自2022年11月OpenAI发布ChatGPT以来，AI风口席卷全球，国内外科技巨头都纷纷布局，加入到这场全球新一轮 AIGC 技术竞赛，微软以股权投资OpenAI的方式,获得GPT技术授权推出Copilot服务，Google发布 Bard及升级版Gemini，Apple放弃造车业务全面投入AI怀抱。资本不断地涌入AIGC，AI初创公司Anthropic、Cohere、Coreweave、Inflection AI估值都在50亿美元以上。

在这场AI竞赛中，来自中国的一家名为月之暗面（Moonshot AI）的初创公司引发A股热潮，公司目标主攻AGI，最新一轮估值在25亿美元左右，这是国内AI有史以来最大的单轮融资，也使得月之暗面一跃成为中国AI大模型的第一梯队选手。公开信息显示，月之暗面 (Moonshot AI) 创立于2023年3月，致力于寻求将能源转化为智能的最优解，通过产品与用户共创智能，2023年10月推出全球首个支持输入20万汉字的智能助手产品Kimi。2024年3月19日，发布了200万字上下文窗口的Kimi模型，使其能够完成更长和更复杂的任务。

1

优秀的团队背景

初创公司之所以能够吸引知名机构的疯狂追捧，其优秀的团队背景必定是重要因素之一。在这方面，月之暗面无疑让投资人毫不迟疑，创始成员堪称全明星豪华阵容。

创始人杨植麟是典型的学霸，目前任职于清华大学交叉信息学院助理教授（研究方向：大规模预训练，自然语言处理，自然语言理解与生成，少样本学习，零样本学习，多模态学习），其本科毕业于清华大学，博士毕业于卡内基梅隆大学，师从苹果 AI 研究负责人 Ruslan Salakhutdinov 和谷歌首席科学家 William Cohen。博士期间，杨植麟先后以一作身份，发表 Transformer-XL 和 XLNet 两项工作，谷歌学术被引次数近两万。Transformer-XL 成为首个全面超越 RNN 的注意力语言模型，论文成为 NeurIPS 2019 与 ACL 2019 的最高引论文之一；XLNet 则在 20 项任务上超越谷歌 BERT 模型，一鸣惊人。根据 GitHub 上的个人资料，杨植麟曾在 Google 和 Meta Platforms 的人工智能实验室工作。在创立 Moonshot AI 前，杨植麟还与他人共同创立了循环智能（Recurrent AI），红杉中国也对该公司进行了投资。据该公司网站称，Recurrent AI 为销售人员开发工具。杨植麟的学术和创业实践背景，让 Moonshot AI 成为了投资机构追逐的明星项目。

除了杨植麟，月之暗面的创始团队成员还包括周昕宇、吴育昕、张宇韬、汪箴等也值得关注。周昕宇是杨植麟在清华的本科同学，他在大学毕业后加入旷视，研究算法量产，就职期间，他和旷视研究院基础科研负责人张祥雨一道，研究移动端模型，以共同一作的身份撰写 ShuffleNet 中了 CVPR 最佳论文。吴育昕同样毕业于清华大学，以及卡内基梅隆大学，大学毕业后在Meta的人工智能研究院工作。张宇韬本硕均在清华大学计算机系就读。他的研究方向是异构数据融合和知识图谱构建，在KDD、CIKM等计算机顶会上发表多篇文章。他作为技术负责人，参与了科技大数据分析平台AMiner的研发。汪箴则毕业于复旦大学计算机科学系，后就读新加坡南洋理工大学计算机工程系，主要研究工作面向AI在鉴证科学上的应用。此前，他曾在Google担任高级软件工程师/技术主管，开发移动端网页搜索、社交平台等产品。后又担任新加坡AI技术驱动独角兽领创集团（ADVANCE.AI）技术委员会负责人/技术副总裁，还有过投资机构的从业经历。

2

技术亮点：长文本输入

评价一个AI，一个是单次和模型对话能够输入的文本-长文本输入能力，二是多模态能力，三是输出结果的准确度。长文本输入技术极大地增强了大型语言模型的处理能力，允许AI更深入地理解复杂的文本结构和丰富的上下文信息，从而提供更精准的分析和生成内容。目前公开可用的LLM中Claude 3能够单次处理超过15万英文单词，GPT-4 Turbo的上下文窗口为128k能够单次处理9.6万个英文单词，Gemini 1.5能够稳定处理的信息量高达100万个tokens相当于70万个单词。

而月至暗面推出的Kimi智能助手，最亮眼的当属它在跨模态超长文本理解能力上的大幅突破，其支持200万字上下文窗口，这相当于4本专业书，此次Kimi已在窗口长度上成功碾压所有大模型。更大的查询窗口在具体实际场景中会非常有用，电影制作人可以上传他们的整部电影，询问Kimi是什么意见，公司可以使用Kimi审查大量的财务记录，学生可以上次整本专业书，询问Kimi书中的各种论点。可以说KIMI对超长文本强大的分析推理能力是其它大模型做不到的。

基于20万字长文本输入

3

商业模式：专注于to C

大模型有ToB和ToC两个不同的阵营，不同于国内其他大模型玩家热衷于“赋能toB”的思路，月之暗面另辟蹊径，将toC作为发展重点。正如杨植麟在谈到月之暗面愿景时所说的那样，“月之暗面想通过AI给个人提供更便捷，更强大，更个性化的普惠产品”。

杨植麟在专访中表示：我们做 ToC 其实还是以终为始来看这个问题。我们最终想去探索智能边界，想让它真正有用，想去做个性化。以终为始去讨论的话，最终需要的一个很重要的东西，是能够有非常快速的迭代效率，不管是在技术、还是产品侧能够去快速去推进。所以迭代效率可能是我们现在最重要的一个关键词。那迭代效率的话，我觉得 ToC 是一个非常自然的选择。它会决定你的企业文化、他会决定你的人才结构、他也会决定你最终到底是用什么样的思路、做出来什么样的事情。所以把这几个维度加起来，你发现其实只有 ToC 这一条路。而且，每个时代，当有新的技术变革时，都会产生很多新的 Super APP。从市场的存在性的角度来讲，我觉得大模型赛道大概率也会出现，所以这是我们现在最关注的一个方向。

结 语

目前，Kimi智能助手和传统打法无异，以免费的方式吸引用户和使用量，现行抢占用户，未来也不排除进行商业化，推出收费版本。对于长文本输入的优势，早在Gemini1.5发布时，Google已成功测试了高达1000万tokens，相当于一次将整个《指环王》三部曲放进去，换成文字就是700万。对于大模型来说，重要的不是声明中实现多少上下文长度的神话，而是模型实际上如何使用上下文来解决现实世界的问题，期待国产模型未来有更多的进步。