Moonshot AI 商业化加速，但大型互联网平台仍是强劲对手

概览

本报告总结 Nomura 中国互联网团队与 Moonshot AI 专家的电话会议要点。Moonshot AI 是一家北京生成式 AI 初创公司，由杨植麟博士及清华校友于2023年初创立，核心产品包括 Kimi 助手、K 系列基础模型以及 Kimi Code、Kimi Agent、Kimi Work 等 Agent 产品。公司获得 Alibaba、Tencent、HongShan、ZhenFund、IDG Capital 等支持，并据媒体报道于2026年5月完成 USD2bn 融资，投后估值 USD20bn。

核心观点

专家认为 Moonshot AI 商业化正在加速，ARR 由2026年中 USD400-500mn 有望在年末超过 USD1bn，海外 API 使用和 AI 编程能力是主要驱动。未来增长重点可能从 AI 编程扩展至医疗、教育、金融等垂直行业，稀缺的高质量专有数据将成为关键差异化因素。Nomura 同意 Moonshot 等独立 AI 实验室在部分垂直场景具备战术领先，但不完全认同其最终将战胜大型互联网平台；Nomura 认为 Alibaba、ByteDance 等公司拥有深厚技术、资本和数据生态，并有战略必要性持续投入自有 SOTA LLM。

分析框架

报告基于专家电话会信息，围绕 Moonshot AI 的收入增长、产品路线、模型开闭源策略、推理成本、垂直行业机会以及中国 LLM 竞争格局进行定性分析，并将专家观点与 Nomura 自身对大型互联网平台竞争力的判断进行对比。

方法论与常识提炼

• 专家访谈专家电话会议纪要

  通过行业专家观点补充对未上市 AI 公司的经营和竞争格局判断。

  报告主要信息来自 Moonshot AI 专家电话会，涉及 ARR、收入结构、海外需求、产品路线、算力成本和行业竞争等主题。

• 行业竞争分析LLM 竞争格局分析

  比较独立 AI 实验室与大型互联网平台在模型能力、数据、资金和商业化路径上的优劣。

  专家偏向看好 Moonshot、DeepSeek 等纯 AI 实验室；Nomura 则强调大型互联网平台拥有资本、数据生态和战略自研模型需求。

• 商业化分析ARR 与收入结构分析

  用 ARR、API 调用、订阅和私有化部署等指标观察 AI 公司的商业化进展。

  Moonshot 的收入重心正转向 API 调用，消费者订阅增长较慢，私有化部署占比相对较小且下降。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Moonshot AI

  报告核心研究对象，未上市生成式 AI 公司。

  优势

  ARR 快速增长，海外 API 使用强劲，Kimi 和 K 系列模型在 AI 编程与 Agent 能力上具备认知度，融资能力强。

  劣势

  AI 编程长期 TAM 可能有限，商业化仍依赖海外 API 扩张和持续模型升级，旗舰模型闭源可能削弱部分开发者传播。

  对比

  专家认为 Moonshot 与 DeepSeek 等纯 AI 实验室较大型平台更聚焦；Nomura 则认为大型平台仍具备资金和数据优势。

  风险

  API 降价、竞争加剧、海外需求波动、垂直行业数据获取困难、监管与合规约束、推理成本下降不及预期。

• Alibaba

  Moonshot AI 的投资方及潜在 LLM 竞争者，旗下 Qwen 被作为竞品参考。

  优势

  拥有资金、云基础设施、数据生态和自研 SOTA LLM 的战略必要性。

  劣势

  专家认为大型平台横跨 AI 全价值链可能分散专注度。

  对比

  Nomura 不认同大型平台会弱化自有 LLM 投入，并指出 Qwen 最新旗舰模型采取闭源高端 API 策略。

  风险

  模型竞争、开闭源策略权衡、云与模型商业化之间的资源分配。

• ByteDance

  大型互联网平台竞争者，报告认为其仍是中国 LLM 市场的重要对手。

  优势

  拥有大规模用户、数据生态、资本和应用场景。

  劣势

  专家观点认为大型平台可能因业务范围过宽而分散 AI 专注度。

  对比

  与 Moonshot 等独立 AI 实验室相比，ByteDance 的优势更偏平台数据、资金和应用分发。

  风险

  需持续投入以维持 SOTA 模型表现，且面临独立 AI 实验室在部分垂直场景的先发优势。

• NVIDIA H20 及国产推理芯片

  Moonshot AI 推理基础设施的一部分。

  优势

  国产推理芯片占比提升有助于降低单位推理成本，NVIDIA GPU 仍支撑部分推理负载。

  劣势

  算力组合和资源利用率会影响毛利率改善速度。

  对比

  成本下降可部分抵消行业 API 降价压力。

  风险

  芯片供给、性能、并发效率和资源利用率不及预期。

关键数据

• 报告日期2026-07-06报告首页日期。
• Moonshot AI 2026年中 ARRUSD400-500mn专家称月度 ARR 环比增长约10-20%。
• Moonshot AI 2026年末 ARR 预测超过 USD1bn该预测来自专家观点，主要依赖海外 API 调用、订阅和模型升级。
• 最新融资USD2bn据中国媒体报道，2026年5月完成，Meituan 领投。
• 投后估值USD20bn来自媒体报道的融资信息。
• K2.7 推理工作负载毛利率接近30%专家称在当前算力组合下，国产推理芯片使用比例提升有助于降低单位推理成本。
• K3 可能发布时间2026年9月左右专家称发布时间仍可能随 MiniMax、Zhipu、DeepSeek、Alibaba Qwen 等竞品节奏调整。

影响与含义

对投资研究的含义在于，中国生成式 AI 商业化正在从模型发布和用户增长转向可量化收入、API 调用、垂直行业落地和推理成本控制。Moonshot AI 的 ARR 增速强化了 AI 编程和海外开发者需求的商业价值，但长期竞争并不只取决于模型能力；专有数据、算力成本、闭源定价策略、垂直行业合规和大型平台的战略投入都将影响行业格局。

风险

• AI 编程高价值用户规模有限，长期市场空间可能低于当前预期。
• Anthropic、OpenAI 等国际玩家已占据部分高价值全球需求。
• API 价格下行可能压缩商业化空间，尽管成本下降可部分抵消压力。
• 医疗、教育、金融等垂直行业需要高质量专有数据，且受隐私、合规和监管限制。
• 大型互联网平台拥有资金、数据和应用生态，可能削弱独立 AI 实验室的长期领先优势。
• K3 等新模型发布时间和效果存在不确定性，并受 MiniMax、Zhipu、DeepSeek、Qwen 等竞品节奏影响。

后续跟踪

• Moonshot AI 年末 ARR 是否超过 USD1bn。
• 海外 API 调用和国际订阅增长是否持续。
• K3 的发布时间、模型能力和多模态、编程、Agent 编排表现。
• 旗舰模型闭源和中低端模型开源的分层策略能否提升变现和毛利率。
• 国产推理芯片占比提升后，单位推理成本和毛利率改善幅度。
• 医疗、教育、金融等垂直行业 AI Agent 的落地进度和数据获取能力。
• Alibaba Qwen、DeepSeek、MiniMax、Zhipu、ByteDance 等竞品模型发布和商业化策略。