月之暗面发布2.8万亿参数的Kimi K3模型，但用户看到的仍是一个简洁对话框。本文拆解AI公司三种商业模式：模型公司靠API赚钱却产品最轻，有模型但靠产品赚钱的公司现金流转正，不训模型只做产品层的公司毛利率85%。揭示对话框只是展厅，用户才是原材料的行业真相。

7月16日，月之暗面发布了 Kimi K3。

2.8万亿参数，全球最大的开源模型，编程能力在多个榜单上登顶第一，估值315亿美元。发布会上的数字一个比一个炸裂。

因为今天会来说一下，月之暗面这家公司，同时也会拿他家最新出的KIMI K3模型为拆解示例。那先搞清楚主体、产品和模型的区别，因为很多人云里雾里的。

首先，主体。月之暗面就是主体，负责融资、招人、定战略。

其次，产品。就是你手机里下载的那个 App Kimi。

最后说到模型。kimi-k3 就是模型，驱动这个 App 的引擎。发布会上说的2.8万亿参数，说的是引擎的规模，不是 App 的功能。

模型的型号也有讲究。

拿 Kimi K3 来说。

K 是 Kimi 模型系列的代号，3 是代际版本号，数字越大越新。

模型名字里带 Code 的，如：kimi-k2.7-code，说明这个版本是专门为编程优化的。

模型名字带 Mini 的，如：gpt-4o-mini，是轻量版，参数少、跑得快、便宜，但能力相应弱一些。

模型名字后面跟着数字加 B 的，如：DeepSeek-R1-7B ，B 是 Billion（十亿）是指参数量级。7B就是70亿参数的轻量版。

以后看到一个陌生的模型名字，按这个顺序拆就行了。先看品牌认出是谁家的，再看版本号判断新旧，最后看后缀判断它擅长什么、体量多大。

以kimi为例，打开 App ，一句「今天要和Kimi一起做点什么」，下面一个输入框，背景干干净净，像微信一样点开就能聊天。

2.8万亿参数的引擎，装在了一个记事本级别的外壳里。

发布会上秀的是引擎的马力，但用户打开 App 看到的是方向盘和仪表盘。引擎可以有2.8万亿参数，但方向盘长什么样、仪表盘显示什么信息，是另一件事。

别以为这是中国模型公司的特殊现象。ChatGPT 是全球产品做得最重的模型公司，同时也是亏得最多的，年亏损超过50亿美元。能撑住不是因为商业模式跑通了，是因为融资能力全球第一。

模型越来越大，产品还是一个对话框。

产品越重的公司，越不靠卖模型赚钱

这不是个别现象，是一条清晰的分界线。

我把国内主流的AI公司摆在一起看了一遍，发现一个很有意思的规律。自己训模型的公司，产品形态都很轻。Kimi 是对话框，豆包是对话框，DeepSeek 是对话框，智谱清言还是对话框。差别只在背景色和快捷入口的位置，核心交互就是一个输入框。

但走出对话框、把产品做重的公司，反而不是这些模型公司。

Perplexity，55个人的团队，自己不训一个参数，同时调度19家的模型，Anthropic 的 Opus 做核心推理，Google 的 Gemini 做深度研究，Grok 处理轻量任务。

它做出来的不是对话框，是一个完整的搜索引擎加研究助手加 Computer 平台。毛利率85%，比绝大部分传统软件公司都高。

Cursor，不训模型，调 Claude 和 GPT，但产品层有自己的代码索引、上下文管理、多文件编辑。这些都是模型之上的独立产品逻辑，把底层模型换掉，Cursor 的编辑器体验还在。

国内也有一个值得看的案例，昆仑万维。它有自研的 Skywork 系列模型，但它的钱不是从 API 来的。

DramaWave 这个 AI 短剧平台，80%以上的新内容是 AI 生成的。用户看到的不是一个对话框，是一个完整的短剧平台，有内容推荐、有付费体系、有创作者工具。

2025年营收82亿元，现金流已经转正。

模型是底下的基础设施，不是拿出去卖的商品。

这里可以看到三档公司。

第一档，模型公司。Kimi、豆包、智谱、DeepSeek。产品极轻，钱从 API 来，对话框是展厅，不是商品。

第二档，有模型但靠产品赚钱的公司。昆仑万维。模型服务于产品，不对外卖 API，不存在自己跟自己抢客户的问题。

第三档，不训模型，全部精力做产品层。Perplexity、Cursor。调别人的 API，把产品逻辑做厚。

判断一家AI公司的产品到底是轻还是重，有一个简单标准。把底层模型换掉，产品还在不在？Perplexity 的搜索架构还在，昆仑万维的短剧平台还在，Cursor 的编辑器还在。Kimi 的对话框呢？模型换掉，产品就不存在了。

三档公司，三种结果。产品越重的赚钱越多，产品最轻的亏损最大。

问题来了，模型公司又不是看不到这个规律，为什么就是不做？我拆了三层原因，每一层都会回头看看另外两档公司是怎么绕过这个坑的。

第一层，AI 不是软件业，是服务业

模型公司产品做不重，第一层原因是成本。

传统软件的生意逻辑很简单，写一次代码，复制无数份，多一个用户几乎不增加成本。微信多一个用户，服务器成本可以忽略不计。Photoshop 多卖一份许可证，Adobe 几乎是纯赚。这是软件业能做到「先免费铺量再靠规模赚钱」的底层前提，边际成本趋近于零。

AI 不是这样。

每一次对话都要跑一次推理，每一次推理都在烧 GPU 算力。用户问一句「帮我写个周报」，后面是真实的电费、真实的芯片折旧、真实的带宽开销。

产品功能越重，每次交互消耗的 token 越多，成本越高。加上语音、视频、图像识别这些多模态能力，推理成本是纯文字的几倍到几十倍。

豆包的数据最能说明问题。日活2亿，日均算力开支千万元级别，日收入不足百万。你没看错，多一个用户不是多赚一份钱，是多亏一份钱。

2026年5月月活从3.45亿降到3.30亿，第一次出现下滑，收费刚开始推，用户就开始走了。

这不是豆包一家的问题，整个行业年亏大约180亿元。

AI 更像麦肯锡，不像微信

其实这种成本结构在商业史上不是新东西。律师按小时收费，咨询师按项目收费，会计师按报表收费，每服务一个客户都要投入真实的人力和时间，不能复制、不能无限扩张。

AI 模型公司面对的其实是同一个问题，只不过把「合伙人的时间」换成了「GPU 的算力」。

所以与其拿 SaaS 来类比 AI 模型公司的生意，不如拿麦肯锡来类比。麦肯锡不会做一个免费的「战略咨询对话框」让所有人随便用，因为每回答一个问题都在烧合伙人的时间。AI 模型公司面对的是一模一样的约束。

推理成本在降，但利润率没涨

有人会说，推理成本在降啊，GPU 越来越便宜，模型越来越高效，未来成本会降到可以忽略。

没错，成本确实在降。但有两个问题。

第一，成本降了，价格也跟着降了。DeepSeek 带头把 API 价格打下来，所有模型公司跟着降价，利润率并没有因为推理成本下降而改善。成本降50%，售价也降50%，毛利还是那个毛利。

第二，产品做重带来的成本增速，比推理成本的降速更快。纯文字对话确实越来越便宜，但模型公司要做重产品，就得加语音、加视频、加图像识别、加 Agent 多步推理。每加一层多模态能力，算力开销就翻着倍地往上涨。

成本在降，但做重的成本升得更快。两条线在赛跑，目前做重的那条跑得更快。

回头看另外两档公司。昆仑万维面对的是同样的推理成本，但它的产品本身在收费，DramaWave 的用户是付费看短剧的，产品营收能覆盖推理成本，所以它敢做重。

Perplexity 更极端，推理成本全是别人的模型在承担，它自己只抽产品层的利润，所以毛利高得离谱。

同样的成本压力，商业模式不同，承受能力完全不同。

第二层，对话框是展厅，用户是原材料

成本解释了模型公司为什么做不重，但没有解释一个更根本的问题。

既然产品不赚钱，为什么还要做？

模型公司又不傻，做一个日亏千万的对话框，图什么？

图三样东西。获客、估值、数据。说到底是同一件事，对话框的作用不是服务用户，是从用户身上提取价值。

第一样，获客漏斗。 开发者不会凭一份技术文档就决定调你的 API，他要先试一下你的模型到底行不行。对话框就是最低成本的试用入口。用完觉得行，去调 API，这才是模型公司真正想做的生意。

ChatGPT 爆火之后 OpenAI 的 API 调用量跟着暴涨，所有模型公司都看到了这条路径。对话框是漏斗的入口，不是漏斗的终点。

第二样，融资叙事。 投资人看得懂 DAU，看不懂 benchmark。你跟投资人说「我们的模型在 MMLU 上跑了92分」，不如说「我们的产品月活好几个亿」。

豆包的月活、Kimi 的估值，这些数字全要靠 C 端产品撑。对话框不需要做得好，需要做得轻，门槛越低越容易冲量，量越大估值故事越好讲。

第三样，数据回流。 这一样是最关键的。

打开任何一个模型公司的产品，第一件事不是开始对话，是弹一个数据授权协议，让你同意它用你的对话内容来训练模型。

这不是附带条款，这是产品存在的核心原因之一。

你在对话框里打的每一句话，每一次点赞点踩，每一次觉得回答不好点了重新生成，都是免费的 RLHF 训练数据。模型公司不需要花钱雇标注员，你自己就是标注员。

对话框是模型公司最便宜的数据采集器，用户是免费的数据标注工人。

传统互联网有一句老话，如果你没有付费，你就是产品。说的是你的注意力被卖给了广告商。AI 模型公司的版本更直接，如果你没有付费，你就是训练数据。 你的对话喂给模型，模型变强，变强的模型通过 API 卖给 B 端客户。你以为你在用产品，其实产品在用你。

所以你看，三样东西指向同一个结论，做一个对话框，但不要做得更多。对话框够轻、够便宜、够多人用，作为获客漏斗、估值故事、数据采集器，它已经是最优形态了。做重了反而不划算，成本高了，但多收集不了多少额外的训练信号。

做好了反而坏事

那为什么不能往前再走一步，把对话框真的变成一个好产品？

因为走一步就踩进自己的生意里了。

模型公司的主营收逻辑是 API，卖给 B 端客户让他们基于模型能力构建自己的产品。

如果模型公司自己的 C 端产品做得太好、场景覆盖太全，B 端客户马上会问一个问题，我为什么还要花钱调你的 API 自己做？直接用你的产品不就行了？

有人会拿 AWS 举例，说平台和应用可以共存。确实可以，但前提是平台和应用不争夺同一批用户的同一个需求。AWS 卖算力，Amazon.com 卖商品，没有一个 AWS 客户会说「我不建自己的应用了，直接用 Amazon.com 就行」。

但 Kimi 和 Kimi API 之间不是这种关系。一个 B 端客户想做一个文档分析工具，发现 Kimi Work 已经做了这个场景，他就不会再调 API 自己做了。竞争关系是直接的，同场景的。

那往后退一步呢？把对话框撤掉？更不行。获客漏斗断了，融资叙事断了，数据回流也断了。三条线同时断裂。

所以对话框卡在了 Demo 和产品之间，进不得退不得。

做重的尝试，和做不重的组织

有人会说，Kimi 不是有 Kimi Work、Kimi Code 吗？字节不是有扣子吗？这些不是在做重产品吗？

拆开看。扣子说到底是面向开发者的可视化 API 调用工具，它加强的是 API 生态，不是消费级产品。Kimi Work 和 Kimi Code 打开看，还是对话界面换了个系统提示词，产品层的独立逻辑非常薄。

模型公司即使尝试做重，也是往开发者方向做，不是往消费者方向做。

而且就算想做好产品，组织架构也不支持。模型公司最贵的人是研究员和 ML 工程师，不是产品设计师和 UX 研究员。团队的激励、晋升、资源分配全是围绕模型训练搭的，不是围绕产品体验搭的。

一家公司真正重视什么，看它最贵的人在做什么就行了。

K3 的定价也说明了一切。API 按 token 计费，兼容 OpenAI SDK，降低开发者接入门槛。这套设计从头到尾是对着开发者说的，不是对着打开 Kimi 聊天的你和我说的。

回头看另外两档。昆仑万维没有这个困境，因为它的模型不对外卖 API，不存在自己的产品抢自己客户的矛盾，模型就是给自己的短剧平台和音乐平台用的。

Perplexity 也没有，因为它根本不训模型，不存在「模型该卖给谁」的选择题。对话框卡在中间进退两难，是模型公司独有的结构性困境，不是所有 AI 公司的宿命。

第三层，模型在降价，产品层才是终局护城河

前面两层解释的是模型公司为什么被卡住，这一层要往前看一步，被卡住之后会怎样。

一个正在发生的事实，模型在加速变成基础设施。

K3 宣布7月27日开源全部权重，DeepSeek 从 V2 开始就一直在开源，智谱拿了新一轮融资继续扩大开源。模型公司自己在把模型往外送。

你可能会觉得这跟前面说的矛盾，K3 的安全评测只拿了美国前沿模型四成的分数，中美模型差距明明还很大，怎么能说模型在同质化？

因为同质化不是说所有模型变得一模一样，是说对大部分实际需求来说，差异不再重要。前沿的天花板确实还有差距，后面会讲到 K3 的安全评测跟美国模型差了一大截，但地板已经拉平了。

文本生成、内容摘要、客服问答、代码辅助，这些覆盖了90%以上商业场景的能力，开源模型已经够用了。就像 Intel 和 AMD 确实有跑分差距，但绝大部分用户买哪个不看跑分，看价格和生态。

而且模型公司自己的行为就是最好的证据。你不会开源你的护城河。想想看，每一次开源都是在说，这代模型的能力已经不是我的核心竞争力了，我拿它换开发者生态和品牌影响力。代价是什么？加速模型层的同质化。

价值往两头流动

如果模型最终变成水电煤一样的东西，长期的商业价值会从模型层往两头流动。

往上是独占的数据，谁有别人拿不到的数据谁有壁垒。往下是深度适配场景的产品层，谁把产品做得更厚、场景吃得更深，谁就能在模型之上建立自己的护城河。

中间的模型层呢？变成管道。就像今天没有人关心自己家的电是哪个发电厂发的，未来也不会有太多人关心自己用的 AI 底层跑的是哪个模型。真正赚钱的不是发电厂，是用电的工厂和商场。

模型公司现在把产品做轻，其实是在赌一件事，赌模型不会同质化，赌自己的模型能力永远是差异化优势。但它们自己正在用开源加速同质化，等于一边下注一边拆自己的台。

Perplexity 已经站在了这个趋势的终点上。它不关心底层模型是谁家的，哪家好用就调哪家，全部精力放在产品层。赚钱不是因为它技术多强，是因为它把自己放在了价值链上对的位置。

昆仑万维在国内走的也是这条路，模型自己训，但不拿出去卖，所有模型能力都灌进自己的产品里，用产品赚钱。

国内有没有「中国的 Perplexity」？一个不训模型、在 API 上面做出重产品的独立公司？我想了挺久，很难举出来。不是没人尝试，是模型公司的免费对话框把 C 端入口占住了，豆包几个亿的月活、品牌声量极大的 Kimi，独立应用层公司很难从中间切走用户。

这个问题目前还没有明确的解法。但至少趋势是清楚的，模型在变成基础设施，产品层的机会在变大，只是国内谁先吃到这块，还没跑出来。

产品层的真空，已经开始出事了

前面三层讲的都是商业逻辑，这一层讲一个已经真实发生的后果。

当产品层只剩一个对话框，有些本来应该由产品层负责的事情，就没人管了。

最明显的是安全。

就在 K3 发布一周后，7月23日，英美两国的 AI 安全机构联合发布了一份评测报告，测的就是 K3 的网络安全能力，结果不太好看。

在 ExploitBench 这个漏洞利用测试里，K3 拿了32.2%，美国前沿模型的平均分是76.2%。

差距已经很大了，但更刺眼的是另一项，最高威胁级别的任意代码执行测试，美国头部模型平均完成20个任务，K3 是零。

智谱的 GLM-5.2 也在同一份报告里被拿来做对比，ExploitBench 只有24%，比 K3 还低。

两层都没兜住

这些数字说明的是模型能力层面的差距，但报告里还有一条更关键的结论，K3 在 Agent 模式下的安全防护机制没有能拦住漏洞利用尝试。

这条才是产品层的问题。

模型本身有能力缺口，这不奇怪，每个模型都有弱项。但一个做得足够厚的产品层，应该在模型有缺口的地方做补偿，加护栏、加过滤、加审核，不让模型的弱点直接暴露给用户。

问题是模型公司的产品层太薄了，这层补偿不存在。模型的弱点直接穿透到了用户面前，两层都没兜住。

这不是 K3 一家的技术债。回到前面的结构性分析，模型公司的产品不是利润中心，产品团队不是公司里最受重视的团队，安全护栏这种「产品层的脏活」，没有人的 KPI 里写着要做好它。

安全只是最容易被量化的一个例子。场景适配、用户体验、错误处理、权限管理，这些产品层该干的活，在对话框的形态下全部处于半真空状态。不是没人意识到，是结构上没有人有足够的动力去做。

你买的是引擎还是整车

回到最开始的问题。2.8万亿参数，打开还是一个对话框。

现在你知道为什么了。不是产品经理偷懒，不是技术不够，是成本结构不允许做重，商业博弈不允许做好，连组织架构都不支持做深。对话框不是一个没做完的产品，是模型公司在所有约束条件下的最优解。

但最优解不等于好的结果。对话框够轻、够便宜、够多人用，作为获客漏斗、估值故事、数据采集器，它很称职。作为一个产品，它把安全、适配、体验全留在了真空里。

所以你选一个 AI 工具的时候，先搞清楚一件事，你面对的是哪一档公司。

第一档，钱从 API 来的模型公司，对话框是展厅，不是成品。你是展厅里的参观者，顺便也是免费的数据标注员。安全、适配、体验，这些产品层的活全要你自己补，或者你的技术团队补。

第二档和第三档，不管它训不训模型，关键是它的钱从产品来。钱从产品来的公司，产品层的体验就是它的命根子，它有动力做好，也有团队在做。

引擎和整车，价格不一样，你要自己补的东西也不一样。

如果你自己在造车

选工具是一方面。但如果你自己也在做 AI 产品，还有一个我觉得更值得想的问题。你自己的产品，护城河建在哪一层？

如果你的产品只是在某个模型的 API 上包了一层界面，那你和模型公司的对话框没什么区别。模型降价你跟着降价，模型换代你跟着重做，你的命运绑在别人的引擎上。

Perplexity 底层模型随时可以换，但它的搜索架构、研究链路、产品体验是自己的。昆仑万维模型自己训，但短剧推荐算法、付费体系、创作者工具是模型之上独立的一层，换一个模型这些东西照样跑。

这两家做对的事情是同一件，产品的价值不绑在某一个模型上。

所以如果你也是一个产品经理，正在基于大模型的能力构建自己的产品，有三件事我觉得值得想清楚。

第一，把模型当零件，不要当地基。 你的产品架构里，模型应该是一个可以替换的组件。今天用 Kimi 的 API，明天 DeepSeek 更便宜了，后天开源模型够用了，你能不能换？

如果换一个模型你的产品就要重写，说明你的产品逻辑和模型耦合太深了，你建的不是自己的护城河，是在帮模型公司守护城河。

第二，产品层要有自己的数据和工作流。 模型提供的是通用能力，你的产品价值来自于你对具体场景的理解。

你收集的行业数据是模型没有的，你设计的多步工作流是对话框做不到的，你在用户场景里踩过的坑和攒下来的处理逻辑是通用模型不会覆盖的。这些东西越厚，你对模型的依赖就越小。

第三，安全和边界情况是产品层该干的活，不是模型该干的。 前面讲过，模型公司的产品层太薄，安全护栏掉在了真空里。如果你自己在做产品，这恰恰是你的机会。

在模型能力有缺口的地方做补偿，在模型可能出错的场景做兜底，在通用对话框覆盖不了的边界情况做适配。这些脏活累活是模型公司不愿意做的，但也是用户最愿意为之付费的。

模型在同质化，价格在下降，这对做产品的人来说确实是好消息。引擎越便宜，整车的利润空间越大。关键是你得真的在造车，不是在引擎上面套了一个壳就拿出去卖。