“今年以来所有模型厂商都在涨价，核心原因是算力成本在全球范围内上涨，不管海外还是国内的卡，都跟不上token需求的增长。”月之暗面Kimi B端负责人黄震昕在近期一场媒体沟通会上坦言。

　　下游企业AI应用需求爆发式增长，上游算力供给却因芯片产能限制持续紧张。他认为，供需两端的双重挤压下，API价格水涨船高已是必然。

　　不过，黄震昕表示，如果只盯着输入输出价格的变化来评判模型性价比，对客户而言并不公允。他提到了一项指标——Cache率（缓存命中率，指模型在处理重复或相似输入时复用已缓存计算结果的比例，命中率越高，实际使用成本越低）。

　　据其介绍，以Kimi为例，原厂Cache命中率达到90%以上，在第三方平台OpenRouter的公开排名中位列第一。“Cache命中率九十多和七八十相比，成本可能差好几倍。”他说。

　　黄震昕进一步以某互联网大厂为例佐证AI生产力变革的真实性。该企业给每个员工每月800美元的Coding Quota，“老板算得过来账，才愿意投入资源和资金。”

　　在他看来，这一轮AI变革与移动互联网的本质区别在于，后者提升了信息交换速度，但生产力、生产结构并未发生根本性改变；而这一次，当企业主能够算清ROI并持续追加投入时，意味着生产力提升“已经踏踏实实有了质变”。

　　他同时回应了外界对行业泡沫的担忧。“现在肯定有泡沫，”他承认，但随即补充道，“Anthropic已经实现了季度盈利，收益是实实在在的。”泡沫存在，但基本面并不空洞，当生产力真实发生质变时，算得过账的企业会持续投入，这正是行业健康度的信号。

　　对于模型的未来发展路径，黄震昕表示Kimi不会因底层架构创新难度大而绕路。“我们选择直接向最难的问题发起挑战，只有实现底层架构突破，才能做更大的模型，让Scaling Law持续往前走。”他透露，Kimi首次大规模验证和应用的Muon优化器后续已被GLM、DeepSeek V4等模型采用，成为新的标准。

　　至于企业AI落地的“最后一公里”，他判断目前的FDE（前沿部署工程师）模式仍在摸索期。“难点不在模型厂商，而在于如何快速找到最先能实现效率提升的业务环节，行业还没有标准范式。”但他相信，随着模型基础能力持续变强，应用层的技术范式也会随之简化，“去年大家还在整天讨论Prompt怎么写，今天随着模型变聪明，已经很少有人提了。”