月之暗面的Kimi在B端发力能成功吗
Kimi在B端的新动作
月之暗面旗下的Kimi在B端的动作引起了市场的关注。八月尚未过半，就有两则与商业化进程紧密相关的消息传出。
企业级API正式发布
首先是2日，Kimi母公司月之暗面官宣了Kimi企业级API的正式发布。相较于面向C端需求的通用模型，企业级模型推理API具备更高等级的数据安全保障和并发速率，能够有力支持企业内部复杂的工作流和大规模的数据处理需求。这一举措无疑为企业用户提供了更强大、更安全、更高效的解决方案。
开放平台存储费用降低
五天后，公司又宣布了Kimi开放平台的上下文缓存Cache存储费用降低50%。这一价格调整从10元/1Mtokens/min降至5元/1Mtokens/min，且于2024年8月7日生效。这项技术早在7月1日就已通过开放平台启动公测，通过预存可能被反复引用和频繁请求的信息，实现模型推理过程的“降本增效”。
大模型应用的分歧
在2024年，关于大模型应用的立场逐渐清晰地分为两派。
大厂的观点
在七月初的上海世界人工智能大会（WAIC）上，百度CEO李彦宏发表了他对于大模型应用的看法。他认为，C端固然要做，但大模型更有成果的应用场景在B端。在AI时代，那些能够深刻影响产业、显著提升应用场景效率的“超级能干”的应用，价值更为重大，所创造的整体价值远超移动互联网时代的某些“超级应用”。未来，在医疗、金融、教育、制造、交通、农业等领域，将依据各自场景特点、经验、规则和数据资源，定制开发出各种各样的智能体，形成庞大的智能体生态。从硅星人统计的大模型相关项目中标情况来看，百度今年在多个领域中标多个项目，金额可观。
初创公司的态度
而初创公司代表，如百川智能的王小川、月之暗面的杨植麟，过去给外界的印象一直是坚定的ToC支持者。王小川曾表示，toB业务并非百川主要的商业模式，国内市场C端比B端“大十倍”。月之暗面创始人杨植麟虽未过多谈及公司变现，但也曾表示可能“第一次出现了这种AItoC的机会”，不过也留有余地，表示toB并非完全不做。
KimitoB的挑战与机遇
技术挑战
从浅表层面看，做toB解决方案与之前在C端的Kimi相比，首先要解决的是服务器稳定性问题。算力规模是关键，月之暗面虽是大模型赛道内的流量和使用量顶流，但作为初创公司，资源相对大厂不富裕。用户高峰时算力不足的情况时有发生，而企业客户将Kimi作为常用生产力工具，就要求服务器具备高稳定性和可靠性。
技术优化
结合降价的上下文缓存技术，Kimi除了按需扩大服务器规模，还注重对现有模型推理的“降本增效”。在大模型使用场景中，用户的请求涉及上下文理解，将中间结果和关键信息缓存起来，可节省算力资源、提升结果生成效率，还能保证响应速度和处理效率，优化用户体验。在未来面对更多B端用户和集中的数据处理请求时，其价值将更加凸显。
月之暗面的融资动态
toB动作不断的月之暗面，近期还获得了来自腾讯的大额融资。市场消息称，腾讯参与了月之暗面最新一轮3亿美元融资，完成后公司市值升至33亿美元，成为国内大模型初创企业中估值最高的一家。尽管月之暗面未对此回应，但有接近腾讯的消息源表示参投属实。至此，“新AI四小龙”的智谱AI、MiniMax、百川智能和月之暗面，背后投资阵营都有了腾讯及阿里巴巴的参与。
Kimi在B端的发力是一个充满挑战与机遇的过程，其未来发展值得持续关注。
相关问答
Kimi企业级API有何优势？
Kimi企业级API具有更高的数据安全保障和并发速率，能支持企业复杂工作流和大规模数据处理需求。
为什么说大模型在B端更有成果？
因为B端能深刻影响产业，提升应用场景效率，创造的价值可能超过移动互联网时代的某些超级应用。
Kimi在B端面临哪些技术挑战？
主要是算力规模不足导致服务器稳定性问题，可能影响企业客户的使用体验。
上下文缓存技术有什么作用？
能节省算力资源，提高结果生成效率，保证响应速度和处理效率，优化用户体验。
月之暗面获得腾讯融资有何影响？
可能提升公司市值和发展能力，也反映了行业投资格局的变化。
初创公司和大厂在大模型应用上为何观点不同？
初创公司认为C端市场大，大厂则看到B端更能提升产业效率和创造价值。
