20天，北京獨角獸估值漲超35億

月之暗面，再下一城

僅20天，一家AI大模型企業估值漲了35億元。

2026年開年，中國AI大模型企業開始密集走向二級市場。1月，智譜AI與MiniMax相繼在港股上市，成為國內最早一批真正進入公開市場交易的大模型公司。上市后，相關公司股價在數個交易日內出現階段性走強，市場交易活躍度明顯提升，第一次把“中國大模型公司到底值多少錢”從投資人會議室里拎到了盤面上。

在這一背景下，一級市場對尚未上市的頭部大模型公司的估值，也隨之發生變化。其中最引人注目的當屬月之暗面（MoonshotAI）。

公開報道顯示，月之暗面于2025年12月31日完成5億美元C輪融資，投后估值約43億美元，由IDG領投1.5億美元，老股東阿里、騰訊等參與。進入2026年1月，多家媒體（彭博社、CNBC等）援引知情人士稱，月之暗面正在推進新一輪融資，最新估值上調至48億美元（約合人民幣335億元）。

短短20天，月之暗面的估值增加了約35億元人民幣。

估值快速抬升的同時，月之暗面對上市節奏保持著克制。當公司已經能在一級市場拿到大額融資，賬面現金儲備也足夠覆蓋接下來一段時間的研發與擴張，那么“是否立刻上市”就不是那么重要。與其在二級市場的短期波動里交答卷，不如把資金和時間繼續押在模型迭代、產品打磨和商業化效率上。

成立不到三年，尚未給出明確IPO時間表，月之暗面已經進入國內大模型公司中估值最高的一檔。

月之暗面

月之暗面成立于2023年初的北京，是國內這一輪大模型創業潮中并不算最早、卻很快被資本和行業注意到的一家公司。

公司創始人楊植麟出生于1992年，本科畢業于清華大學計算機系，隨后赴卡耐基梅隆大學攻讀博士，長期從事大規模語言模型結構與訓練方法相關研究。公開資料顯示，他參與過XLNet、Transformer-XL等論文工作，在自然語言處理領域具備較高的學術影響力。

在正式創辦公司之前，楊植麟并非只停留在學術研究層面，而是深度參與過國內早期千億參數級大模型的工程實踐，親歷模型從理論設計到真實訓練、部署與優化的全過程。正是在這一階段，他逐漸形成了一個更偏工程現實的判斷：大模型能力的提升，并不是簡單的“參數越大越好”，模型結構設計、訓練穩定性、推理效率以及算力與成本之間的平衡，往往比參數規模本身更具決定性。

這一認知，直接影響了月之暗面的創業方向。公司成立之初，并未將重心放在某一垂直行業或具體應用場景上，而是選擇優先構建可持續迭代的基礎模型能力，希望先解決“模型本身能走多遠”的問題，再討論應用層面的擴展與商業化。

如果把時間撥回到2023年初，月之暗面的創立，其實發生在一個并不算友好的窗口期。ChatGPT的沖擊已經傳導到國內，但行業尚未形成清晰共識。一方面，大模型被普遍視為“下一代基礎設施”，討論熱度極高；另一方面，真正敢于下注的資本并不多，尤其是對尚無產品、尚未驗證商業化路徑的團隊。

當時的一級市場，對“大模型創業”仍然存在明顯分歧：有人認為這是長期軍備競賽，初創公司難以承受；也有人判斷，大廠很快會憑借算力和數據優勢完成清場。在這樣的背景下，月之暗面以一家純技術導向的創業公司姿態進入市場，既沒有現成的行業客戶，也沒有可快速變現的應用場景，團隊規模很小、資源有限，所能展示的核心競爭力，主要集中在創始團隊的研究背景與工程經驗上。

也正是在這一階段，月之暗面明確了相對克制的擴張節奏：先把模型能力做到足夠扎實，再通過產品驗證價值，而不是反過來用場景牽引模型。這一選擇，使公司在創立初期并未急于鋪開多個方向，而是集中資源，為后續產品化打基礎。

在資源尚不充裕的早期階段，資本進入的節奏尤為關鍵。

2023年上半年，月之暗面完成天使輪融資，引入紅杉中國、真格基金、今日資本、Monolith等機構。這一階段的資金，主要用于核心團隊搭建與算力資源投入，為模型訓練與工程體系打基礎。彼時公司尚未推出對外產品，投資人押注的更多是創始團隊的技術背景與長期判斷。

隨著模型能力逐步成型，產品方向開始浮出水面。2023年下半年，月之暗面推出面向C端用戶的AI助手Kimi，作為公司首個對外產品。產品推出后，公司開始圍繞Kimi持續迭代模型能力，也由此進入“模型-產品-再回到模型”的正反饋階段。

在產品路徑逐漸清晰之后，月之暗面的融資節奏明顯加快。2023年下半年至2024年，公司完成多輪融資，引入包括阿里巴巴、騰訊在內的產業資本，以及IDG資本、金沙江創投、五源資本等機構型投資人。這一階段資本進入的邏輯，已不再只是對“大模型概念”的押注，而更多基于對模型工程效率、產品驗證效果以及長期技術路線的判斷。

2025年12月31日，月之暗面完成了5億美元C輪融資，由IDG資本領投，老股東繼續加碼，投后估值約43億美元。進入2026年初，多家外媒援引知情人士稱，公司正在推進新一輪融資，估值區間已上調至48億美元。

Kimi如何跑出來

在2023年下半年推出之初，Kimi面對的是一個看似熱鬧、但方向高度分化的市場環境。

一方面，大廠正在加速下場。字節跳動推出豆包，將大模型能力快速嵌入既有產品體系；阿里巴巴圍繞通義千問布局多端產品；騰訊則以混元模型為底座，強調與社交、內容和企業服務的協同。

另一方面，行業內部對“大模型創業究竟應該押什么”，并未形成共識——是盡快做出應用、搶占用戶規模，還是繼續加碼基礎模型，拉開技術差距。

在這樣的背景下，月之暗面并未選擇與大廠在流量、渠道和生態上正面競爭，而是對Kimi進行了更為克制的定位：它不是一個追求“陪聊感”或泛娛樂體驗的對話產品，而是被設計為模型能力的前臺載體。

具體而言，Kimi將重點放在了長文本處理、復雜資料理解、多文檔整合與結構化輸出等能力上。這些能力并不天然適合爆量增長，卻在研究人員、內容創作者、學生與知識工作者等高頻信息處理人群中，具備明確的實際價值。用戶是否持續使用，直接取決于模型能力本身，而非運營或投放強度。

這一產品策略，也使Kimi成為月之暗面內部驗證模型能力的重要“試驗場”。模型在真實使用中暴露的問題，會迅速反饋到訓練和架構優化中，再反向提升產品體驗，形成持續循環。

月之暗面選擇持續將資源集中在Kimi一條主線上，通過單一產品不斷打磨模型能力。

與之形成對比的是，智譜AI在這一階段更明確地將重心放在B端與政企市場，通過GLM系列模型在科研機構、企業客戶和政府項目中積累影響力；MiniMax則采取多產品并行的策略，在對話、多模態和生成式內容等多個方向同步試水，希望通過更廣泛的應用探索尋找突破口。

進入2024年后，行業開始逐步意識到，參數規模和算力優勢并不能無限拉開差距。開源模型能力提升、工程化門檻下降，使“大模型競爭”從早期的規模競賽，逐漸轉向對效率、架構選擇與產品化能力的考驗。

直到2025年初，DeepSeek通過模型表現與開源策略在業內引發廣泛關注，這一趨勢才被集中放大。DeepSeek展示了在相對克制的算力投入下，通過工程優化和結構設計同樣可以實現顯著性能提升的可能性，也讓“效率”、“結構選擇”、“真實使用反饋”成為行業討論的核心關鍵詞。

在這一背景下，月之暗面此前圍繞Kimi所采取的高度聚焦策略，開始被重新理解。相比在多個場景中分散試錯，通過一個產品持續驗證并反哺模型能力的路徑，顯現出了更強的長期可行性。Kimi的意義，也逐漸從一款成功的C端應用，轉變為月之暗面技術路線與產品判斷的集中體現。

2026年，AI大模型上市潮

2026年，智譜與MiniMax的相繼上市，使中國大模型企業第一次真正進入公開市場的定價體系。與此前主要由一級市場主導、圍繞“潛力敘事”展開的階段不同，二級市場開始用真實交易，對大模型公司的商業屬性進行檢驗。

從上市后的市場反應來看，資金并未簡單圍繞短期盈利能力博弈，而是更集中地評估三類核心因素：模型能力是否具備持續演進空間，產品是否已經完成真實需求驗證，以及商業化路徑是否具備可復制性。這一套標準，構成了當前資本市場理解大模型公司的基本框架。

在這一框架下，智譜與MiniMax實際上被放在了兩種不同的定價邏輯中。

智譜AI更接近“基礎設施型”大模型公司的估值范式。其模型能力長期服務于科研機構、政企客戶及B端場景，商業節奏相對穩健，收入結構以項目制與服務型為主。市場對智譜的判斷重點，并非短期業績彈性，而在于其是否具備長期交付能力和穩定需求來源。

MiniMax則更偏向“應用驅動型”路徑。其在C端產品、多模態內容生成等方向的持續投入，使市場更關注用戶規模、產品迭代速度以及應用層放量的可能性。MiniMax的上市，本質上是將“大模型公司究竟更像技術公司，還是更接近互聯網公司”這一問題，直接交由公開市場定價。

二級市場的變化很快向一級市場傳導。

進入2026年初，月之暗面、百川智能等尚未上市的頭部公司估值抬升，并非源于短期經營指標的變化，而是被重新放入了一個更清晰的參照體系中——以已上市的中國大模型公司為錨點，而非簡單對標傳統互聯網企業或海外OpenAI。

這也解釋了一個階段性現象：在當前環境下，越是不急于上市的公司，反而越容易獲得更高估值。上市不再只是融資出口，而逐漸轉化為一種可選擇的戰略工具。月之暗面在完成大額融資、現金儲備充足的前提下放緩IPO節奏，是將“上市時點”從被動節點，轉為主動籌碼。

類似的邏輯，在海外市場同樣成立。OpenAI仍由非營利組織控制，但其營利實體已持續引入外部資本，并通過調整非營利與營利結構的權責邊界，為未來可能的IPO鋪路。

大模型公司開始被公開定價，也迅速影響了更廣泛的二級市場結構。

與先前“算力先行”的行情不同，進入2026年，資金關注重心開始明顯向模型與應用層遷移。在智譜、MiniMax上市前后，A股與港股中，AI應用、軟件服務、數據與模型落地相關板塊的交易活躍度明顯提升，而單純以算力、服務器為核心敘事的板塊，則進入相對分化的階段。

具體到A股層面，與大模型應用落地關系更緊密的方向，獲得了更多的資金關注。

例如在辦公軟件與企業服務領域，金山辦公、用友網絡、泛微網絡等公司，因具備穩定客戶基礎、且已在既有產品中探索接入大模型能力，被視為最有可能率先兌現應用價值的載體；在內容生成與多模態應用方向，萬興科技、當虹科技等公司，也因其在視頻、內容生產鏈條中與生成式AI的天然契合度，成為市場討論中的代表性標的。此外，在醫療與金融IT場景中，衛寧健康、創業慧康、恒生電子等公司，因已在實際業務中探索將大模型用于輔助決策與效率提升，同樣進入部分資金的觀察范圍。

從更宏觀的角度看，大模型企業走向公開市場，意味著AI正在從“技術爆發期”邁入“產業化中段”。在這一階段，決定公司長期定價能力的，不再只是算力規模或參數指標，而是模型的持續迭代能力、產品化效率以及資本結構的耐久性。

對月之暗面而言，這既是壓力，也是機會。在同行已經完成定價的背景下，它所代表的，是另一種路徑選擇：在模型能力尚未觸及天花板之前，更從容地推進技術與產品，而不是被上市節奏牽引。

結語

如果把這一輪變化放到更長的時間軸上看，智譜、MiniMax的上市，與月之暗面暫緩IPO，本質上是中國大模型產業開始具備分工與層級的標志。

在早期階段，所有公司都被迫講同一個故事：參數、算力、對標海外、爭奪“第一”。而當大模型真正走向資本市場，故事開始分化——有的公司更像基礎軟件，追求穩定交付；有的公司押注應用，接受市場波動；也有的選擇在上市前，繼續拉開技術與產品的邊界。

資本并未替行業選出“唯一正確答案”，但正在用價格迫使所有路徑接受同一套檢驗。

當上市不再稀缺、融資不再無限，大模型公司的分水嶺，正在從“誰跑得快”，轉向“誰能跑得久”。能夠存活下來的，或許會是那些能在有限資源條件下，把模型能力穩定轉化為產品與收入的公司。