趋同是表象。分岔，才是正在发生的事实。

图片来源|网络（如侵权请联系删除）部分 AI 生成

2026 年过去大半，如果要在国内大模型赛道里挑出两家最值得放在一起看的公司，答案几乎没有悬念。

年初的时候，行业里流行一种叙事：Kimi 和 DeepSeek 正在 " 趋同 "。

两家都完成了大规模融资，都把长文本、Coding、Agent 写进了路线图，甚至连招聘岗位都出现了重叠。

放在两年前，Kimi 是融资最频繁的明星创业公司，DeepSeek 是那个 " 不融资、不商业化、不路演 " 的技术怪胎；但到了 2026 年，DeepSeek 也坐上了资本牌桌，Kimi 也开始大谈底层架构创新。边界似乎真的在模糊。

但把时间轴拉到今天，再把两家的融资节奏、收入结构、技术选择、商业化姿态和组织形态摊开来看，一个相反的结论会浮出水面：它们不仅没有变得更像，反而在每一个关键路口，都选了不同的方向。

两种 " 有钱 "，两种 " 值钱 "

2026 年最直观的差异，体现在资本对两家公司的定价方式上。

Kimi 的融资节奏，几乎是踩着模型发布的鼓点在走。2025 年底估值约 43 亿美元，2026 年 5 月一轮约 20 亿美元融资完成后投后估值突破 200 亿美元，7 月 K3 发布前后又完成一轮，投后达到 350 亿美元，紧接着以 500 亿美元投前估值推进 IPO 前最后一轮。

不到九个月，估值涨了约八倍，随后以保密形式向港交所递交了 A1 文件。

据一位接近交易的人士透露：Kimi 正在用 " 产品周期 " 给估值定价，每一代模型发布，都是一次重新融资的窗口。

DeepSeek 的节奏完全不同。它在 2026 年才第一次引入外部股权融资，首轮约 510 亿元，第二轮计划募资 500 亿元，对应投后估值 5000 亿元人民币，同时筹备上交所科创板上市。

换算下来，估值约 750 亿美元，是 Kimi 同期估值的两倍以上。

但值得注意的是，DeepSeek 的估值抬升，并不依附于某一次模型发布或某一条收入曲线的陡峭化。

它更像是在一个相对封闭的体系里被 " 一次性定价 "，这背后是幻方量化的持续输血能力、国产算力生态的战略站位，以及 " 中国 AI 技术底座 " 这个身份本身所承载的溢价。

两种 " 有钱 " 的背后，是两种公司被定价的方式。

Kimi 的估值跟着 ARR 和产品节奏走，是可以被月度数据验证的 " 经营型估值 "。

DeepSeek 的估值跟着战略身位和生态稀缺性走，更接近一种 " 基础设施型估值 "。

前者问的是 " 这个季度增长了多少 "，后者问的是 " 这件事如果不由它来做，还有谁能做 "。

收入与支出变化

融资数字只是入口。真正定义一家公司气质的，是拿到钱之后往哪个方向花。

Kimi 的融资用途，指向一个非常清晰的循环：买算力，训下一代模型，制造需求，再买更多算力。

2026 年 7 月 K3 发布后，需求迅速超过 GPU 容量，公司一度暂停新增订阅，把算力优先留给已经付费的用户。

这是一个典型的 " 产品驱动型 " 公司的困境和野心的混合体：模型能力制造了需求，但承接需求的基础设施还没有完全准备好。

与此同时，Kimi 的团队规模被刻意控制在约 300 人，平均年龄不足 30 岁，全职团队至今没有大幅扩张。钱主要流向算力和人才密度，而不是组织规模。

DeepSeek 的钱，指向的是另一套能力体系。它在 2026 年密集招聘的岗位里，出现了一个对模型公司来说意味深长的职位：" 数据中心高级交付经理 "，职责涵盖数据中心从立项、建设到交付运营的全流程，任职要求里明确写着 GPU 算力交付运维经验和大型集群规划建设经验。

这不是一家 " 只做模型 " 的公司会优先补的岗位。DeepSeek 正在把钱投向自建大型集群和底层基础设施，把算力从 " 租来的资源 " 变成 " 自己掌控的底座 "。

用其创始人在投资人会议上的话说，最坏的情况是卖 API 也能支撑一家上市公司，但真正的长期目标不在那里。

一个把钱花在 " 让更多人用上模型 "，一个把钱花在 " 让模型跑在自己的算力上 "。前者在经营一条产品曲线，后者在修筑一条基础设施跑道。

2026 年，两家公司的收入都上了台阶，但拆开来看，钱的 " 质地 " 完全不同。

Kimi 的 ARR 在 6 月中旬突破 3 亿美元，从 3 月的 1 亿美元到 6 月的 3 亿，曲线足够陡峭。

更关键的是结构：API 收入占整体收入七成以上，付费订阅和海外开发者调用是主要增量。

这意味着 Kimi 的收入正在从早期 C 端订阅的单一模式，转向以开发者和企业调用为核心的规模化变现阶段。

其 B 端负责人曾公开表示，公司正在从依赖个人订阅转向 B 端规模化变现，API 占比还在持续提升。

这是一条被 Anthropic 早期商业化验证过的路径：模型能力足够好，开发者用脚投票，收入随调用量线性放大。

DeepSeek 的收入体量在快速逼近，但收入的构成逻辑不同。

2026 年前七个月确认营收约 4.75 亿元，是 2025 年全年的约十倍，年化运行率在 9 月前后突破 10 亿美元。

API 业务毛利率高达 82.9%，整体毛利率 44.6%。高毛利率本身并不稀奇，稀奇的是它在一个长期以 " 低价 " 面目出现的公司身上持续存在。

DeepSeek 的定价逻辑从来不是 " 烧钱换规模 "，而是一套成本加成的朴素算式：买一批服务器回来，十个月收回设备成本，就是合理利润。

2026 年 8 月上调 API 定价、引入峰谷定价之后，客户并没有大规模流失，说明它的价格弹性来自效率冗余，而不是补贴惯性。

一个在经营 " 收入的质量 "，即 API 占比、海外增速、付费转化；一个在经营 " 成本的结构 "，即毛利率、算力自给率、单位推理成本。

Kimi 的财务叙事是增长驱动的，DeepSeek 的财务叙事是效率驱动的。

两者都可以赚钱，但赚钱的方式决定了它们在面对下一轮竞争时，会优先保护什么、牺牲什么。

产品化与研究化的区别

技术层面的分岔，比财务层面更早发生，也更难被 " 趋同 " 的叙事掩盖。

Kimi 的技术选择有一条贯穿始终的主线：把长上下文做成产品能力。

K3 拥有 2.8 万亿总参数和 100 万 Token 上下文窗口，依托自研的 KDA 混合线性注意力和注意力残差等底层架构创新，重点指向长程 Coding、复杂知识工作和 Agent 任务。

它的技术报告里反复出现的关键词是 " 长时程复杂任务执行能力 ""Token 利用效率 "" 原生视觉理解 "。

换句话说，Kimi 的架构创新，最终要回答的问题是：模型能不能连续几十分钟做一件复杂的事，并且把它做完、做好。这是一个产品公司会问的问题。

DeepSeek 的技术重心，落在另一个象限。

V4 的路线强调混合架构、推理吞吐效率和算力约束下的系统性优化，并且在发布策略上把国产芯片适配放在了极其靠前的位置，如 V4 在华为昇腾芯片首发，寒武纪、摩尔线程、海光等国产芯片实现 "Day0" 适配，模型发布即上线，芯片厂商不再需要漫长的调试周期。

DeepSeek 的研发逻辑里，" 在给定算力下把每一分效率榨出来 " 本身就是核心目标。

它的模型能力提升，很大程度上是效率工程的副产品：架构优化带来单位计算成本下降，成本下降换来更多探索次数，更多探索反过来推动下一轮效率提升。

一个在把长上下文变成可交付的产品体验，一个在把效率工程变成可复用的基础设施能力。

Kimi 的技术是 " 向外 " 的，服务于场景的复杂度和用户的任务长度；DeepSeek 的技术是 " 向内 " 的，服务于算力的约束条件和生态的适配广度。

两条路线都可以通向 AGI，但沿途需要的能力、需要的人、需要的时间，完全不同。

一个在 " 锁定 "，一个在 " 渗透 "

如果只看发布会，两家公司的商业化故事似乎正在靠近：都讲企业服务，都讲 Agent 落地。但真正落到组织动作上，差异反而在扩大。

Kimi 在 2026 年 9 月启动的 " 登月计划 "，是一个信号很强的事件。

它与中软国际、金山云、华胜天成、亚康股份、亚信科技等系统集成商合作，共建前线部署工程师队伍，把 Kimi 的模型嵌进客户的核心业务流程。

FDE 模式的逻辑并不复杂：一旦模型被接进企业的核心系统，换模型的沉没成本会高出一个数量级，收入就不再是 " 按月波动的 API 调用费 "，而是带有黏性的中长期合约。

对于一个正在冲刺 IPO、需要向公开市场证明收入可预测性的公司来说，这是一步必须走的棋。

Kimi 并不打算自己做重交付，它把 " 最后一公里 " 交给合作伙伴，自己守住模型层和架构层。

这是一种 " 轻资产锁定 "：用生态伙伴的手，抓住大客户的钱。

DeepSeek 的商业化姿态，更接近 " 渗透 "。

它没有专有的 Coding 产品，没有大规模的企业交付团队，主要依靠免费 Web/App、低价 API 和开放权重来输出能力。

但渗透的效果并不差。在 OpenRouter 平台上，DeepSeek 的 Token 调用份额从年初的 9% 翻倍升至 18%；在美国企业的软件账单数据里，它一度登顶趋势榜，部分美国企业直接付费采购而非仅仅本地部署开源权重。

DeepSeek 并不急于把每一个企业客户 " 锁 " 进自己的交付体系，它更在意的是让尽可能多的开发者和企业 " 用起来 "，让模型成为默认选项之一。

开源在这里不是一种情怀，而是一种分发策略：权重开放降低接入门槛，低价 API 承接规模调用，国产芯片适配扩大可部署的硬件范围。

三件事叠加，形成的是广度上的渗透，而不是深度上的锁定。

Kimi 在经营 " 替换成本 "，DeepSeek 在经营 " 接入成本 "。

一个想让客户离不开，一个想让客户进得来。

这两种商业化哲学，在 2026 年都跑出了自己的节奏，但它们对组织能力的要求是相反的：前者需要交付体系和客户关系，后者需要模型性能和成本结构的持续领先。

300 人的产品公司和 270 人的研究机构

一个容易被忽略但极其关键的差异，藏在组织形态里。

Kimi 的全职团队长期维持在约 300 人，平均年龄不到 30 岁，管理层级极少，角色边界模糊，算法工程师可以去做数据，做营销的可以转去做模型评估。

这种组织的优势是决策链路短、产品迭代快、人对算力的比例高。

它适合做一家 " 产品公司 "：快速把模型能力转化成可用的功能，在市场上试错，用收入反馈驱动下一轮融资和模型迭代。

但它的约束也很明显：300 人不可能同时做底层模型、企业交付、海外拓展和生态建设，所以 Kimi 选择把交付交给 FDE 伙伴，把行业解决方案交给云厂商，自己守住最核心的模型层。

DeepSeek 的核心研究团队在约 270 人的量级，其中研究工程团队占绝大多数，商业合规团队只有几十人。

它的组织更像一个大型实验室：人员集中在算法研究、模型训练、推理框架、分布式存储等底层环节，产品化速度刻意保持克制。

这种组织的优势是技术纵深足够深，能够在架构层面做出从 0 到 1 的突破，也能够在算力约束下把效率做到极致。

但它的短板同样清晰：当商业化从 " 开发者自服务 " 走向 " 企业级交付 " 时，270 人的团队不可能同时覆盖销售、交付、客户成功和海外运营。

DeepSeek 的选择是用开源和低价 API 把长尾需求交给生态，把组织精力集中在它认为真正决定终局的环节：模型能力、算力底座、国产芯片适配。

Kimi 的组织是为 " 市场 " 设计的，DeepSeek 的组织是为 " 技术 " 设计的。一家公司的天花板取决于它能不能把模型卖出去，另一家公司的天花板取决于它能不能把模型做到别人做不到的程度。

不过上市的选择，也是两种叙事的收束。

2026 年下半年，两家公司几乎同时向资本市场迈出了实质性一步，但目的地不同。

Kimi 以保密形式向港交所递交 A1 文件，推进港股 IPO，投前估值 500 亿美元。

港股是一个对收入增速、商业化叙事和国际化故事更敏感的市場。Kimi 需要向公开投资者证明的，不是 " 模型有多强 "，而是 " 收入有多可持续、客户有多难被替换、海外市场有多大的增量 "。

FDE 模式、API 收入占比、海外付费用户增长四倍，这些数字构成了它 IPO 叙事的骨架。

DeepSeek 选择的是上交所科创板，已聘请中信证券进行上市辅导。

科创板对一家 AI 公司的定价逻辑，天然更偏向技术壁垒、国产替代和战略稀缺性。DeepSeek 的招股故事不会围绕 "ARR 增速 " 展开，它更可能围绕 " 国产算力全栈适配 "" 开源生态的全球辐射 "" 效率工程带来的成本护城河 " 来组织。

某种程度上，Kimi 去港股，是在向市场化资本证明自己是一家能赚钱的产品公司；DeepSeek 去科创板，是在向战略性资本确认自己是一家不可替代的基础设施公司。

两个 IPO 目的地，对应的是两种资本市场语言，也是两家公司对自己身份的最终确认。

分岔是分工的开始

Kimi 和 DeepSeek 的差异越来越明显，不是因为其中一家选错了路，而是因为中国大模型行业走到了一个需要分工的阶段。

2024 年和 2025 年，所有模型公司都在做同一件事：把模型能力追上来。

到了 2026 年，能力差距在头部玩家之间迅速收窄，真正决定一家公司长期形态的，不再是 " 模型能不能打 "，而是 " 用什么样的组织、什么样的收入结构、什么样的生态站位，把模型能力持续地转化成别人无法轻易替代的东西 "。

Kimi 选择的是产品公司的路径：用模型能力制造需求，用 API 和 FDE 锁定收入，用融资和 IPO 放大产品周期的杠杆。

它必须跑得快，必须让市场持续看到增长，必须在收入质量和组织效率之间找到平衡。

DeepSeek 选择的是研究机构的路径：用效率工程压低成本，用开源和国产适配扩大渗透，用战略稀缺性换取长期投入的空间。

它可以跑得慢一些，但必须在技术纵深和生态站位上保持不可替代性。

两种路径都有各自的风险。产品公司的风险在于，当模型能力差距缩小到一定程度，收入增长会越来越依赖交付和销售，而不是模型本身；研究机构的风险在于，当商业化从 " 开发者渗透 " 走向 " 企业级收入 " 时，克制可能变成迟缓，开源生态的热闹未必能等比例地转化为财务回报。

但恰恰是这种风险结构的不同，让两家公司不再需要用同一把尺子来衡量。

Kimi 的尺子是 ARR、API 占比、客户替换成本和 IPO 估值；DeepSeek 的尺子是毛利率、算力自给率、国产芯片适配广度和开源生态的调用份额。

用 Kimi 的尺子量 DeepSeek，会得出 " 商业化太慢 " 的结论；用 DeepSeek 的尺子量 Kimi，会得出 " 技术纵深不够 " 的结论。两把尺子都没有错，但它们量的是两种不同的公司。

2026 年之前，行业习惯把 Kimi 和 DeepSeek 放在同一个筐里，叫 " 中国大模型双子星 "。

2026 年之后，这个筐正在裂开。Kimi 在成为一家以产品和收入为轴心的 AI 公司，DeepSeek 在成为一家以效率和生态为轴心的技术底座。

它们依然会在模型能力的榜单上短兵相接，依然会在开源社区里互相借鉴，依然会被媒体放在同一个标题里比较。

但在公司形态的底层，分岔已经发生，而且不太可能再合拢。

对于关注这个行业的人来说，这其实比 " 谁更强 " 更有意思。

一个行业真正走向成熟的标志，从来不是所有玩家变得越来越像，而是头部玩家开始在不同的生态位上各自扎根，用不同的方式回答同一个问题：模型能力，到底应该通过什么样的组织，变成什么样的价值。

Kimi 和 DeepSeek 给出的，是两份完全不同的答卷。

而这两份答卷同时存在，本身就是中国 AI 行业在 2026 年最重要的一次结构升级。

01

02

03