在2026亚马逊云科技中国峰会上，国内大模型企业月之暗面成为焦点。其B端业务负责人黄震昕在会上分享了与亚马逊云科技的深度合作进展，并透露公司在算力支持、业务增长及技术创新等方面的最新动态，引发行业广泛关注。
黄震昕表示，月之暗面与亚马逊云科技的合作已形成“飞轮效应”。一方面，公司通过采购亚马逊云科技的全球云基础设施服务，为业务扩展提供稳定算力支撑；另一方面，借助亚马逊云科技的全球渠道网络，月之暗面得以高效触达海外企业客户。他特别强调，亚马逊云科技在品牌合规领域的优势，为月之暗面开拓国际市场提供了重要助力。
双方合作已覆盖技术栈全层级。在基础设施层，亚马逊云科技的全球数据中心网络为Kimi模型提供稳定运行环境；平台服务层，Kimi多款模型入驻Amazon SageMaker，开发者可便捷进行模型训练与推理，同时Amazon Bedrock已接入K2.5等开源模型，未来将扩展更多最新版本；业务合作层，Kimi官方API登陆AWS Marketplace，全球企业客户可实现“一键采购、按量付费”；垂直行业层，双方联合解决方案架构师，已在金融、医疗、制造等领域推出定制化行业方案。
针对企业级市场，月之暗面构建了完整的技术赋能体系。模型层提供K2.7 Code、K2.6等基础模型；服务层开放丰富API接口支持深度集成；产品层推出Kimi Agent集群、Kimi Code等即用型工具。黄震昕透露，公司通过预训练阶段融合视觉与文本数据，使模型具备“图片+代码”混合场景处理能力，例如其Visual-to-Code功能可将视觉动效直接转化为代码，近期与字节Trae合作的Visual Debug功能更支持程序员通过录屏标注快速修复代码漏洞。
面对大模型服务价格波动，黄震昕分析称，算力成本上涨与Token需求激增是当前涨价主因，但模型厂商正通过技术优化抵消成本压力。他以Kimi为例，公司自研的Mooncake架构将Cache命中率提升至92.5%，使K2.7-code模型有效输入价格降低74%；高速版K2.7-code-highspeed实现180tokens/s的输出速度，短上下文场景可达260tokens/s。他建议企业评估模型成本时，应重点关注Cache命中率等核心指标。
在技术创新领域，月之暗面聚焦智能体三大维度突破：通过Muon二阶优化器实现Token效率翻倍，该技术已被GLM、DeepSeek V4等模型采用；发布Kimi Linear架构，将长程推理成本从指数级增长压缩为线性增长；支持300个子Agent并行协作的集群系统，显著提升多Agent系统协作上限。公司正与亚马逊云科技探索底层推理优化能力共享，计划实现双方服务在Cache命中率、推理性能等指标上的同步优化。
黄震昕特别提到，月之暗面团队规模仅300余人，但通过持续底层创新，在模型效率优化领域取得显著成果。2026年初开源的“注意力残差”技术，为下一代大模型架构设计提供了新思路，获得OpenAI推理负责人Jerry Tworek“深度学习2.0时代正在到来”的高度评价。他强调，基础模型厂商需突破现有技术框架，向更底层的架构创新寻求突破，才能持续推动智能上限的拓展。
