出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜視覺中國

月之暗面（以下簡稱“Kimi”）和DeepSeek，已然成為2026年大模型圈內最受關注的兩家公司。與此同時，兩家公司也越來越相似。

首先是融資。過去半年里，Kimi連續完成多輪融資，估值快速上漲。而另一邊，此前一直被視為不差錢的DeepSeek，也終于啟動了融資。放在兩年前，這其實是一件很難想象的事情。

當時的大模型行業里，兩家公司代表著兩種不同的發展路徑。

Kimi是明星創業公司，融資頻繁，持續擴張；DeepSeek則顯得有些特殊。梁文鋒很少出現在融資新聞里，外界對于DeepSeek最大的印象，也始終是技術。

但到了今年，一個越來越明顯的變化是，兩家公司開始同時出現在資本市場的牌桌上。

其次是技術路線。過去很長一段時間里，外界總喜歡把兩家公司放在一起比較，但實際上，它們做的事情并不完全一樣。

Kimi一直更靠近產品。從長文本、搜索，到后來的Agent、Coding，月之暗面始終試圖把模型能力變成產品。

而DeepSeek則更像一家研究機構。無論是V2、R1還是V3，行業討論最多的始終是模型能力本身。但從今年的V4開始，在技術路線上，DeepSeek也將焦點放在了長文本、Coding和Agen上。

這兩家公司的邊界正在變得模糊。

Kimi開始越來越重視底層模型能力；而DeepSeek也開始越來越關注推理效率、工程體系以及大規模部署問題。甚至連招聘方向都開始出現重疊。

虎嗅注意到，近期Kimi和DeepSeek都在持續招聘Harness相關崗位。對于大模型公司而言，Harness并不是模型本身，而是模型背后的基礎設施。訓練、推理、調度、資源管理，都需要依賴這一套系統。

換句話說，當兩家公司同時開始擴招Harness團隊時，說明他們關注的已經不只是模型能力，而是模型如何被更快地訓練出來、更穩定地運行，以及更低成本地被使用。

而除了上述所提到的融資、技術路線，創始人的管理風格也有一些相似之處。

楊植麟和梁文鋒都屬于典型的技術創始人，他們都不喜歡站到聚光燈下，也很少主動講故事。相比市場、營銷或者融資，他們更愿意討論模型、算法和技術本身。

過去幾年里，“技術理想主義”幾乎成為外界貼在兩家公司身上最統一的標簽。

但融資之后，兩家公司可能又會走向新的分岔。

DeepSeek的錢，準備花在哪？

對于DeepSeek來說，今年最大的變化是融資。過去很長一段時間里，外界對DeepSeek的印象都是“不缺錢”。

梁文鋒背后的幻方量化，本身就擁有持續投入AI研發的能力。相比很多需要不斷融資才能維持訓練節奏的大模型公司，DeepSeek一直顯得有些特殊。

這也是為什么，當融資消息傳出時，比起融資金額和估值、融資方外，大家最關注的還是，DeepSeek為什么突然開始融資了？

目前來看，人才或許是其中一個原因。

過去一年，大模型行業最激烈的競爭，已經從模型能力逐漸轉向人才競爭。

無論是OpenAI、Meta還是國內頭部模型公司，都在持續爭奪頂級研究員和工程人才。而對于DeepSeek來說，融資無疑能夠提供更充足的激勵工具，幫助其留住核心團隊。

但如果僅僅是為了留住人才，或許還不足以解釋DeepSeek最近的一系列動作。

近期，虎嗅注意到，DeepSeek正在招聘“數據中心高級交付經理”的崗位。從崗位職責來看，其負責內容包括數據中心項目從立項、建設、交付到運營的全流程管理，同時還需要參與IDC自動化運維平臺建設、資源管理以及運維標準體系建設。

更值得關注的是，在任職要求中，DeepSeek特別提到了GPU算力相關交付運維經驗，以及大型集群規劃建設經驗。

對于普通互聯網公司來說，這或許只是一個基礎設施崗位。但對于一家大模型公司而言，這背后對應的其實是另一套能力體系。

過去兩年，行業討論最多的是模型能力。R1、V3、V4，每一次模型發布都會引發外界關注。但隨著模型規模不斷擴大，以及Agent帶來的Token消耗持續增長，模型公司面臨的問題已經不僅僅是如何把模型訓練出來。

越來越多的問題開始出現在模型之外。例如，如何管理越來越龐大的GPU集群；如何提升算力資源利用率；如何保證訓練和推理任務穩定運行；以及如何支撐下一代模型訓練所需要的基礎設施規模。

而這些，恰恰是數據中心團隊所要解決的問題。與此同時，DeepSeek也在持續擴張Harness團隊。

對于很多模型公司而言，Harness更接近訓練和推理基礎設施平臺。它并不直接參與模型研發，但負責讓模型訓練、推理以及資源調度能夠更加高效地運行。

從這個角度來看，DeepSeek當下的關注點已經不僅僅聚焦在模型能力上，還有基礎設施能力，因為它決定著模型能達到的上限。

這或許也是DeepSeek融資之后，最值得關注的變化之一。

一個流向用戶，一個流向GPU

2026年對Kimi來說是至關重要的一年，這一點從其半年融資三次，估值漲了5倍，就可以看出。

今年年初，OpenClaw帶來了驚人的收入增長。這讓月之暗面第一次真正看到了商業化的希望。

與此同時，從Kimi今年發布的幾款模型變化中也可以發現，模型技術開始越來越明顯地為產品服務。

無論是Agent、Coding還是海外市場，月之暗面都在試圖證明，模型能力最終能夠轉化為收入和增長。

所以，對于Kimi來說，既要繼續摸高模型的能力，又要加速投身商業化。而對于DeepSeek來說，其關注點和Kimi并不相同。

雖然兩家公司都在融資，也都在擴張團隊，但它們要解決的問題完全不同。

對于Kimi來說，市場關心技術，但更關心的是由技術和產品帶來的增長，以及Agent能否帶來新的付費場景？海外市場能否復制國內的成功經驗？這些問題最終都會回到商業化本身。

但DeepSeek面臨的壓力并不在這里。從成立至今，DeepSeek最大的競爭力始終來自模型能力。無論是V2時期的低成本訓練，還是R1帶來的推理模型熱潮，其核心優勢都建立在技術領先之上。

因此，對于DeepSeek而言，最重要的問題并不是如何找到更多用戶，而是如何持續保持領先。

這也是為什么，在融資之后，外界看到的并不是大規模產品擴張，而是Harness團隊擴張、數據中心崗位出現，以及更多圍繞基礎設施建設的動作。

因為對于DeepSeek來說，模型能力本身仍然是最重要的資產。

相比為某一個產品功能做針對性優化，DeepSeek更需要保證的是，下一代模型能夠繼續迭代，下一次技術突破仍然發生在自己身上。

某種程度上，這也是兩家公司最根本的區別，因為背靠量化的DeepSeek本質上不是一家創業公司。Kimi需要向市場證明好的模型能夠賺錢。DeepSeek則需要向市場證明模型能夠繼續領先。前者的資金最終會流向技術、產品、用戶和收入。后者的資金則會流向算力、集群和基礎設施。

而這也決定了，同樣是一筆融資，兩家公司最終會走向完全不同的方向。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4866794.html?f=wyxwapp