Kimi Chat如何一步步破圈？带给AI的启示

Kimi最近非常火，作为一款模型即产品的通用对话类产品，Kimi如何破圈的？我们今天来尝试解读这个话题，希望对24年的SuperApp能带来一些启发！

Take Away：

1. Kimi爆火链路分析：非一日之功

2. 为什么是Kimi：（人才*长文本*用户用例）

3. 其他大模型怎么办：答案在vision和用户的结合

01 一步步还原Kimi爆火链路

事情还是比较有规律的发酵，最早是2月份中，被爆完成了一笔8-10亿美金的融资，估值达到25亿美金。

在即刻上大家除了恭喜，还有很深的疑虑：为何稀释这么多股份？

有了弹药后，月之暗面开始发力，大力招聘投放类岗位：

随后我们就看到了Kimi在B站的海量投放：

我们的疑惑继续：一款ToC产品，完全没有商业收入，就做海量投放，留存如何，是不是有价值？当然，对于跑马圈地很熟悉的国内玩家来说，这又是一个再熟悉不过的操作，结果是什么呢：

流量暴涨！

3月1日，腾讯科技发布了一篇浪漫的理想主义文章，把杨植麟和月之暗面给捧到了很高的位置：

后面又连续出了两篇，特别是朱啸虎和杨植麟两人对于现实和理想的碰撞，更是把热度拉满！

还没完，本周一，Kimi智能助手的公司Moonshot AI公众号发布了一篇文章：《Longer than long，Kimi 智能助手启动 200 万字无损上下文内测》，截止今天，阅读量是3.5万。

要知道，去年10月初，Kimi用支持20万字的超长窗口，就已经震惊了国内。要知道在当时，Kimi也算是全球支持最长的大模型：

原本在今年2月份，Google的Gemini 1.5发布了支持1000k的上下文长度，已经足够让人震撼了，没想到Kimi继续用10x的增长来宣布自己的优势！

200万，相当于2000k以上的长度，目前是世界第一。

好巧不巧，一篇《Kimi专家交流纪要》在20日出炉，在各个圈子疯传，光公众号文章就有2万+的阅读量。

因流量突然剧增，3月21日，陆续有用户在社交平台上表示，月之暗面旗下大模型应用Kimi智能助手的APP和小程序均无法正常使用。截至记者发稿时，相关页面和功能已经恢复正常。

此前，月之暗面公司发布情况说明称：从2024年3月20日 9:30:00开始，观测到Kimi的系统流量持续异常增高，流量增加的趋势远超公司对资源的预期规划。

进一步的传播，原本就不理智的A股，引起了不理智的疯涨：

大量股民的讨论，上了微博热搜：

接着Appstore免费榜单冲进前十：

OK，所以这里面一环扣一环，产品逐步破圈，叠加上最近的技术更新爆点，被券商挖掘出来，引入到了大A股，亿万股民看着Kimi概念股，嗨了！全民共舞~

02 为什么是Kimi？

抛开阴谋论，Kimi走到今天，仔细思考，确实是有这么几个要素构成了产品层面的成功，最后获得了出圈的结果。

第一 超高密度的人才

腾讯新闻《潜望》：你似乎一直在思考组织，在团队构建上是怎么做的？

杨植麟：招人思路发生过一些变化。世界上 AGI 人才非常有限，有经验的人很少。我们最早期的画像是，专注找对口的 genius（天才）。这个证明非常成功。之前有对模型动手术的能力，有训练超大规模模型直接的经验，就可以很快做出来。包括 Kimi 发布，资本效率和组织效率其实很高。

腾讯新闻《潜望》：花了多少钱？

杨植麟：一个挺小的数，相比很多其他花费，是花小钱办大事。我们很长一段时间是 30-40 人的状态。现在 80 人。我们追求人才密度。

人才画像后来发生了变化。最早期招 genius，认为他的上限高，公司上限是由人的上限决定的。但后面我们补齐了更多维度的人——产品运营侧的人，leader 型的人，能把事情做到极致的人。现在是一个更完整、有韧性、能打仗的团队。

除了产品人才以外，月之暗面最核心的竞争优势，是技术领域极高的人才密度，「创始团队核心成员参与了 Google Gemini、Bard、盘古 NLP、悟道等多个大模型研发，多项核心技术被 Google PaLM、Meta LLaMa 和 Stable Diffusion 等主流模型采用。

纵览全球，AI确实是一个高智力密度的产业，三个臭皮匠的故事并不生效。

第二 对长文本的判断

去年10月份，在Founder Park的文章《融资超2亿美元，月之暗面发布超长文本模型产品，目标C端Super-App》中，就提出了杨植麟对长文本的思考：

纵观计算机发展的历史，内存拓展是必然趋势，杨植麟认为，上下文长度就是大模型的「内存」，它是决定大模型应用最关键的两个因素（参数量和上下文）之一。

3月初腾讯新闻的访谈里，又再次提到了长文本。

腾讯新闻《潜望》：为什么长文本是登月第一步？

杨植麟：它很本质。它是新的计算机内存。

可以看到，这确实是领先于市场的思考。

说回我自己的使用场景，过去我主要用Claude，因为免费、支持上传文档，100k，GPT太短了，完全不够用，到后面Kimi出来后，慢慢的就迁移过来了，同样继承了Claude的优点-，-还不用翻墙，你说呢。

长文本在早期的市场竞争中，确实是很关键的一步，彼时国内大多数还是32k长度（是吧？），这个时候上来一个200k的，简直不要太爽，再加上Kimi文本输出的质量还不错，就开始获得了更多用户的认可。

我们先来看看用户对于Kimi的使用反馈，在即刻，@junyu发了一个提问贴：

你们为啥用 Kimi 而不是别的类 ChatGPT 产品？

看了下答复，有几个点：

• 支持超长文
• 响应速度快
• 可以直接读链接
• 小程序访问方便
• 输出效果不错

第三 用户用例的反馈

按照我的理解，Kimi是综合层面在用户使用上得到了整体的胜出，再加上有很强的记忆点：超长上下文，早期积累下来的口碑得到持续滚动，从而获得了更多用户基于长文本的探索：

各个KOC得到肯定鼓励后，愈发愿意传播，形成了涟漪效应：

今天用户帮我们发现了很多从没考虑过的场景。他拿这个筛选简历，这是我们设计产品时没想过的，但它天然work。用户的输入反过来让模型变得更好。Midjourney为什么效果好？它在用户端做了scaling——user scaling和model scaling需要同时做。反过来，你如果只关注应用，不关注模型能力迭代，不关注AGI，贡献也有限。

从这里，我们可以理解AI时代，基于单点能力突出，获得的红利，再返回来获得用户用例，继续去强化模型能力，重复这一过程的滚雪球价值：

03 其他大模型怎么办？

跟随策略肯定是很难有效的，我现在倒是更理解了杨植麟所说的Tech Vision：

腾讯新闻《潜望》：除了资本和人，你在 2023 年还做了哪些关键决策？

杨植麟：要做什么事。这是我们这类公司的优势——在最高层面的决策有技术 vision（愿景）。

上面说的技术能力领先，长文本是一个很显著的要素，除此之外，还会有别的么？肯定有的：

当然马拉松刚开始，接下来会有更多差异化，这需要你提前预判到底什么是「成立的非共识」。

Sora出来，跟进？长文本有了，我们也去冲？好像都不对。

目前看到的大额融资：月之暗面、MiniMax、智谱，都各有各的活法，对于后面的几家，就提出了很高的挑战了！

尽管我们之前详细研究过TPF：

穿透下来，大模型打出什么差异化亮点，仍然需要深度的理解用户，从用户侧获得洞察，反过来对模型能力做针对性的提高：

把下面这条链路构建起来，仍然是产品经理的超级价值点！

大模型公司既要警惕陷入局部用户的无限调优中，又要放开思路深入用户，还蛮有意思的！

焦虑没有意义，专注找到自己的方向，更加靠近用户一些，绝望中寻找希望，才是其他大模型的出路。

其实Kimi并不是无敌的，比如200k大海捞针经常丢失重要信息，幻觉依然很严重，用着用着也老会说无法联网了。

但它是更加toC的，我们看文心一言和智谱清言等，加入了各种智能体，为何仍然增长无力呢？这个答案的背后或许隐藏着SuperApp的可能性：）

周五了，大家周末愉快：）