张予彤，从金沙江的投资人摇身一变，成为了月之暗面的 " 掌舵人 "。

据每日新闻报道，近日，张予彤以月之暗面 Kimi 总裁的身份出现在清华大学的一场交流会上，而有关人士也确认了张予彤已经出任月之暗面 Kimi 总裁一职，负责公司整体战略与商业化。

而上一次张予彤如此引发关注，还是去年年底，金沙江创投主管合伙人朱啸虎公开指责其故意隐瞒自己拥有月之暗面股份，违反了基金合伙人和公司董事的受托责任，要求其公开道歉的消息。

据市场猜测，张予彤正式成为了月之暗面的总裁，大概率已经妥善解决了金沙江与月之暗面的纠纷，股权纠纷已不再是月之暗面继续任用张予彤的障碍。

不过，曾经闹得沸沸扬扬，一度被称为是中国创投史标志性法律纠纷的事件，站在一年之后再回头看仿佛已经尘埃落定，反倒是曾经被视作中国 AI 龙头的月之暗面，却在 2025 年末声量式微。

那么，作为曾经一时无比耀眼的 AI 独角兽企业，月之暗面和它的 Kimi 的现状如何？又遇到了哪些困难呢？

01大模型 AI 创企，没有护城河

如果说 2024 年的 Kimi 还在享受着技术红利，那么 2025 年其曾经拥有的护城河，却已不可避免地成为了行业基线。

这个基线，很大程度上可以用曾经让 Kimi 一鸣惊人、并有效提升用户体验感的长文本处理能力来代表。

2024 年中，Kimi 凭借着对 20 万、50 万甚至 200 万 Token 上下文窗口的突破，在国内 AI 圈掀起了一场小小的地震。这样的长上下文不仅仅是数字上的领先，更是实打实的用户体验碾压。

用户可以把整本财报、所有的会议纪要、甚至一部小说扔进去让 Kimi 分析，它都能保持连贯。这样的能力，让 Kimi 借助学术圈层的支持迅速站上了时代的风口。

但这样的技术领先，在这场全球性的 AI 军备竞赛中实在算不得什么。

大模型领域的技术迭代，遵循着一种近乎残酷的 " 开放 - 复制 - 追赶 " 路径。当 Kimi 证明长文本是刚需且技术可行时，国内所有大模型产品，都在几个月后标配了一致甚至更加强大的能力。

这其实也是当前大模型初创企业的最真实现状——曾经或许因某几项能力极为突出、一度成为了用户与资本市场的小甜甜，在几个月之后也不免沦为 " 牛夫人 "。

而导致出现这样情况的原因有二：国内盛行的开源生态和 AI 大模型不高的壁垒。

国内头部大模型创业企业，或是为了打造开源生态、亦或者是为了借助外部开发者的力量协助迭代模型、打出飞轮效应，往往都会对其基础模型架构和关键优化技术进行开源或半开源。

这极大地推动了模型的传播，但同时也意味着，一家大模型的有效突破成功，其背后的工程实现逻辑会在几周乃至几天的时间中通过研究论文和社区讨论的方式，被快速消化并集成到其他开源或商业模型中。

即便某个友商不直接开源其模型，通过对现有公开论文和模型的分析，几乎不可能出现 " 友商无法跟上 " 的情况，顶多是算力投入上的成本和时间差问题罢了。

这就像 Minimax 创始人闫俊杰所说的那样：" 留给领先模型的优势窗口期越来越短，最先进的闭源模型只能比同性能的开源模型领先 6 个月。即使 SOTA 模型需要大量的资金 / 能源 / 计算来训练，而追赶者们能够通过模型蒸馏低成本地创造类似的性能。"

这在北美更加常见，该趋势在 OpenAI、Anthropic、xAI、Google 之间显示的淋漓尽致，当所有 AI 模型巨头都手握巨量的训练算力，各家之间的差距真的没有多少，最强的大模型永远是最新发布的大模型，大家轮流做第一。

回到中国 AI 创企身上来，这就像所有参赛选手都拿到了相同的发动机蓝图。

其中 Kimi 其实就是最典型的选手，其依靠研发能力率先组装出了一辆跑得最远的汽车，但其他车队立即拆解了它的轮胎和燃料系统，并利用自身更雄厚的资金和算力优势，迅速完成了模仿和超越。

因此，在现在中国的 AI 赛道中，除了少数拥有过人研发能力、持续致力于底层架构革新的企业，比如像 DeepSeek 这种持续推动开源模型能力创出新高、对计算经济学有颠覆性影响的创业公司，能够真正做到 " 人无我有 " 的技术压制外，剩下的玩家，有一个算一个，几乎都陷入了功能上的混战。

而 Kimi 这样一年之前还是最耀眼的 AI 创企，也同样被迫下场和友商们 " 贴身肉搏 "。

现实就是这么残酷，Kimi 在未来数年的最大的挑战，或许不再是技术突破，而是如何在一个人人都能快速提升模型能力的时代，重新找到或定义自己的生存价值。

如今，Kimi 的技术光环已然褪去，真正考验它的，已不再是算法或模型，而是张予彤所肩负的商业化突围之战。

02  想要追求 AGI，得先活下去

比通往 AGI 的路更难走的，是商业化的道路。

当技术上的领先优势迅速被行业抹平时，所有独立的 AI 初创公司都猛然从 " 技术信仰 " 的幻梦中清醒，直面残酷的生存挑战，那就是如何将持续燃烧的算力成本转化为真金白银的营收，将月亮变为六便士，完成商业闭环。

这对于融资相对更困难的国内大模型创业企业而言，更是如此。

它们不像那些背靠互联网巨头或通讯巨头的大模型团队，拥有近乎无限的资金输血，以及现成的、等待优化的应用场景和亿级用户流量：譬如百度有文心一言嫁接在搜索和企业云服务上，阿里有通义千问融入钉钉和电商体系。

而 Kimi、智谱（尽管获得了巨头投资，但仍需自证能力）这类纯粹的 AI 独角兽，必须完全依靠自身力量，从零开始去 " 找钱 " 和 " 找场景 "，去证明自己的商业化价值，甚至需要用远期的高额回报预期来安抚背后的资金。

这也是智谱近日对外发声，称要冲击 " 中国 AI 第一股 " 的原因——它必须对站在身后的资本做出交代。

事实上，这种压力并非中国独有，甚至与公司技术地位无关。即便是全球 AI 领域的领跑者 OpenAI，其商业化的压力也从未停止。

尽管 OpenAI 的最新估值已经到达了 5000 亿美元，但这都是 " 纸上富贵 "，没办法迅速转换成为购买、租赁 GPU 的现金，也无法为科学家、工程师们支付下个月的工资。

这导致 OpenAI 为了获得下一阶段的持续融资，必须要像 " 半个上市公司 " 一般，每年披露数版对未来业务和财务的预测，向投资人描绘出一个宏伟的蓝图，才有可能顺利拿下融资。

除了向外部 " 要钱 "，OpenAI 在技术路线上也悄然转向：最新发布的 GPT-5 并未展现出突破性的模型能力，更多聚焦于商业化落地与应用场景优化——这本身便释放出一个强烈信号：对 AI 创企而言，商业化早已不是 " 加分项 "，而是决定生死的必选项。

而在中国，情况并无本质不同。

对于 Kimi 这样的独立大模型公司来说，可选的商业化路径本就极为有限：既无庞大的自有流量池可供导流，也缺乏嵌入成熟业务体系的天然场景。在 B 端市场尚未形成稳定付费习惯、政府与企业采购周期漫长的前提下，面向终端用户的订阅制，几乎成了不得不抓住的 " 救命稻草 "。

Kimi 为此推出了一系列举措：上线高级功能、提供更稳定的 API 服务，甚至尝试 "AI 砍价 " 等创新营销，试图将高频使用者转化为付费用户。   不过，想要从中国用户口袋里直接掏钱，可比让他们每个月看半个小时广告难多了。

有业内人士告诉超聚焦，Kimi 当前的付费用户转化率甚至不到 1%，这样的付费率遇上提供推理服务、进行大模型训练都在时刻烧钱的 AI 企业来说，与杯水车薪并无差异。

在这样的背景下，" 新加入 " 的张予彤肩负的不仅仅是提升月之暗面的估值，更是在技术优势迅速消失的背景下，为公司重新锚定生存价值和找到持续输血的商业模式。

Kimi 必须在算力投入和产出回报之间找到一个可持续的平衡点，否则，无论技术如何迭代，都逃脱不了被市场淘汰的命运。

毕竟，在技术神话退潮之后，AI 的终局不在于谁先触碰到 AGI 的星辰，而在于谁能在这片烧钱的荒原上，种出可持续生长的商业绿洲。

张予彤与杨植麟的真正考验，或许 2026 年才刚刚开始。