中信建投：国产模型Kimi投资机遇下周AI催化密集

　　中信建投证券研究

重要提示：通过本订阅号发布的观点和信息仅供中信建投证券股份有限公司（下称“中信建投”）客户中符合《证券期货投资者适当性管理办法》规定的机构类专业投资者参考。因本订阅号暂时无法设置访问限制，若您并非中信建投客户中的机构类专业投资者，为控制投资风险，请您请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合！

　　3月18日，月之暗面公众号消息显示Kimi智能助手将启动200万字无损上下文内测，后续将开放更多用户体验超长无损上下文能力的Kimi智能助手。

　　01Kimi优异表现带动国内AI市场加速

　　Kimi公众号宣布将内测200万字长文本能力，有望解决更复杂的应用场景，Kimi未来可能在极短时间内通过长文本优异表现成为国内C端AI爆款应用。随着内测逐步推进，更多更复杂应用场景有望落地，AI应用将迎良好发展机遇。随着Kimi用户数持续提升，已经出现短暂算力支持不足情况，考虑后续模型训练和推理需求，预期算力需求进一步提升，带动算力需求落地。建议关注1）AI应用板块，重点关注涉及长文本处理，如法律文本、合同文本、知识库学习、阅读、客服等需要文本知识输出场景的应用；2）算力产业链，预期随着AI产业发展，算力短期仍将处于需求大于供给状态。

　　***

　　3月18日，月之暗面公众号消息显示Kimi智能助手将启动200万字无损上下文内测，后续将开放更多用户体验超长无损上下文能力的Kimi智能助手。

　　简评

　　支持最大文字量提升十倍，有望解决更复杂任务，推动AI应用场景进一步落地。Kimi智能助手在2023年10月初次亮相，以20万汉字无损上下文能力帮助用户实现了学术论文快速翻译阅读与理解、API开发文档快速上手、一次性批量整理***等多个应用场景，其能够根据用户问题主动在互联网搜索出关联度最高的页面并进行整合，生成提炼后的答案，大大节省了搜索引擎查阅资料的时间。本次开启200万字内测，Kimi有望在十分钟内基于上传的海量材料，成为相关行业领域的初级专家，实现新领域的快速学习。同时，更大的文本量能够拓宽使用场景，例如大量简历的快速筛选、复杂源代码的快速梳理、书籍内具体信息的快速查找等。随着200万字上限内测推出，用户有望在使用中输入更长文本，并探索出更多的大模型及AI应用场景。

　　活跃用户持续提升，算力需求进一步扩大。根据Similarweb的数据，Kimi网页版日活用户数当前已连续数日超20万，峰值日活达34.6万，周活数据环比增长45%持续创造新高。在活跃用户数加速提升情况下，Kimi用户在使用中可能出现间歇性宕机情况，反映出其超长文本输入所带来的算力需求无法被充分满足。后续Kimi有望凭借技术和体验继续提升活跃用户数，叠加更长文本输入能力的上线，对其底层算力能力要求进一步提升。当前国内算力需求持续火热，供给端相对紧缺，算力领域有望迎来良好发展机遇。

　　投资建议：Kimi公众号宣布将内测200万字长文本能力，更长的文本输入有望解决更为复杂的应用场景，Kimi未来可能在极短时间内通过长文本优异表现成为国内一个C端AI爆款应用。随着内测逐步推进，更多更复杂的应用场景有望落地，AI应用将迎来良好发展机遇。随着Kimi用户数和访问量的持续提升，已经出现短暂算力支持不足得情况，考虑后续模型训练和推理需求的增量，预期算力需求进一步提升，进一步带动算力需求落地。我们建议关注以下方向，1）AI应用板块，重点关注涉及长文本处理，如法律文本、合同文本、知识库学习、阅读、客服等需要文本知识输出的场景的应用；2）算力产业链，预期随着AI产业的发展，算力短期仍将处于需求大于供给的状态。

　　风险提示：（1）大模型用户数增长不及预期：当前kimi大模型用户以金融及相关行业为主，活跃用户后续持续保持增长需要拓展其他领域，存在不确定性；（2）技术迭代风险：kimi大模型将开启200万文字内测，对于大模型能力有指数级提升需求，内测产品效果可能无法达到当前相对较小规模的输入量下的效果；（3）算力不足风险：大模型训练和推理需要大量算力，当前国内算力处于需求大于供给的状态，若后续算力能力无法匹配模型能力及用户数，可能出现模型持续宕机风险。

　　02Kimi Chat访问激增，下周AI催化密集

　　AI应用：国产Kimi/Pix不断出圈，下周海外催化密集

　　1）国内：近期国内AI新星不断冒头，月之暗面的Kimi Chat，爱诗科技的Pixverse，2月访问量分别超300万、100万，同比均有翻倍增长。其中Kimi Chat突破20万文本能力，对AI阅读、AI剧本撰写、AI文字推理游戏等有直接的提升。此外，零一万物也支持输入30万汉字，国产模型长文能力不断提升。

　　此外，美图设计室23年快速增长，实现营收1亿元，同比增加230%，用户付费渗透率达5.5%。

　　2）海外：关注下周密集的AI大***催化，包括GDC（英伟达/腾讯的AI游戏引擎+工具）、英伟达GTC（加速计算/机器人）和微软发布会（Win11+Copilot，Surface+AI）。

　　风险提示：版权保护力度不及预期，知识产权未划分明确的风险，IP影响力下降风险，与IP或明星合作中断的风险，大众审美取向发生转变的风险，竞争加剧的风险，用户付费意愿低的风险，消费习惯难以改变的风险，关联公司公司治理风险，内容上线表现不及预期的风险，生成式AI技术发展不及预期的风险，产品研发难度大的风险，产品上线延期的风险，营销买量成本上升风险，人才流失的风险，人力成本上升的风险，政策监管的风险，商业化能力不及预期的风险。

　　03国产模型Kimi突破长文本能力

　　Kimi Chat最高支持20万汉字输入，逐渐破圈。智能助手Kimi Chat，是国内创业公司月之暗面首个C端产品，目前免费开放。能高效处理约20万汉字上下文，具备智能搜索、高效阅读、整理资料、***创作等功能。近期Kimi Chat出圈，据SimilarWeb，2月网页版访问量291万，环比翻倍；3/2-3/8周度访问量135万，环比+24%。

　　为什么月之暗面可以打造高关注度应用Kimi Chat？

　　原因一：核心团队技术背景深，具有Google、Meta、Amazon等海外大厂的工作经历，仅用一年时间完成无损长上下文窗口的技术突破。

　　原因二：产品面向C端免费开放，注重产品运营。目前招募更多市场、运营类人才，后续有望推动产品进一步破圈。

　　大模型长文本能力持续突破，应用场景拓宽。2月Gemini 1.5已支持100万token上下文，对应80万汉字。长文本能力，能将大模型应用场景拓展至长文总结、剧情创作、代码复现等复杂任务，且可以直接基于全文理解进行问答和信息处理，从而缓解大模型“幻觉”问题。

　　一、Kimi Chat最高支持20万汉字输入，逐渐破圈

　　智能助手Kimi Chat具备长文本能力，近期访问量显著增加。Kimi Chat是国内创业公司月之暗面的首个C端产品，于23年11月正式向所有用户免费开放，能高效处理约20万汉字的上下文，完成智能搜索、高效阅读、整理资料、***创作等功能。该产品已先后推出网页版、小程序版和APP版本。据Similarweb，2月网页版访问量291万，环比翻倍；3/2-3/8周度访问量135万，环比+24%，屡创新高。据七麦数据，目前App版本排名IOS中国区效率（免费）榜20-30名，呈现上升趋势。

　　产品具体功能包括：

　　1）智能搜索：整合并总结互联网信息，并附上相关链接，支持在特定网站内搜索。

　　2）高效阅读：理解和处理多种文件格式，包括PDF、Word、Excel、PPT、图片等，可以基于长篇幅文本，提取关键信息、回答用户疑问。

　　3）资料整理：自动识别和提取文档中的关键信息，例如识别***图片中的关键信息。

　　4）***创作：具备文本创作和代码编写能力，还能快速阅读和理解API文档。

　　月之暗面同时布局模型和应用，主推C端产品。公司成立于2023年3月，仅用一年时间完成无损长上下文窗口的技术突破，并推出主力产品Kimi智能助手。在模型侧，公司已训练了千亿级别的自研通用大模型，聚焦上下文窗口的突破；在应用侧，除了C端产品Kimi以外，还向B端开放自研模型的API接口，上下文长度8-128k，每1000 tokens价格为0.012-0.06元。据每日经济新闻，公司之所以聚焦C端产品，主要是因为国内市场的B端产品往往需要私有化部署和定制化开发，而基于现有模型的某个版本做私有化部署和定制化的开发，将会导致B端产品的能力和用户体验跟不上模型能力的快速提升。

　　公司已完成3轮融资，估值25亿美元。据36氪、硅星人，公司分别于成立初期和23年10月获得融资5000万美元、3亿美元；2月公司完成新一轮超10亿美金融资，投资方包括阿里、红杉中国、小红书、美团等，估值25亿美元。

　　技术人才密度高，发力产品营销。据每日经济新闻，目前团队规模超80人，其中大部分为技术人员。创始人团队技术背景深，其中杨植麟毕业于清华大学、卡内基梅隆大学，学术引用量自2019年起已超2万余次；另外两位联合创始人周昕宇和吴育昕也均出身清华大学，拥有Meta、旷视科技等科技公司工作经验；其余团队成员也具有CMU LTI、Google、Meta、Amazon等海外大厂的工作经历。在产品和运营领域，公司相关人员曾操盘过数亿DAU产品。另据公司***，目前在招的31个岗位中，其中6个为市场、运营类岗位，包括达人运营、国内广告投放等，反映公司对产品营销和运营的重视程度。

　　二、长文本能力拓宽大模型应用场景

　　大模型上下文窗口长度持续突破。文本生成以token作为处理文本的单位，复杂汉字（如“夔”）可能会分解为若干token的组合，“中国”等短且常见的短语则可能使用单个token。通常而言，1个token相当于1.5-2个汉字；最大上下文长度，则指文本输入和输出合计使用的token数量上限。23年上半年发布的GPT-4、Claude-100k上下文长度分别为32k、100k，对应2.5万、8万汉字的上下文；23年下半年发布的GPT-4 Turbo将上下文长度增加至128k，预计对应10万汉字。而24年2月发布的Gemini 1.5，则实现破纪录的100万token上下文。据月之暗面，Kimi Chat在中文上具备显著优势，实际使用效果能够支持约 20 万汉字的上下文，显著多于GPT-4 Turbo。

　　大模型上下文窗口受限，会制约大模型技术落地。模型参数量影响计算复杂度，上下文窗口则影响大模型的内存空间。内存空间较小时，大模型同时理解和处理的信息量就较小，从而导致模型的应用场景受限。例如：

　　1）虚拟角色：长文本能力不足时，虚拟角色会在多轮对话后忘记自己的身份；

　　2）AI+推理游戏：剧本杀类游戏开发，需要将大量剧情设定和游戏规则作为prompt输入模型，若上下文长度不足，则需削减规则和设定，无法达到预期游戏效果。

　　3）AI Agent：Agent运行需要基于大量历史信息和当前场景，进行多轮规划和决策，上下文长度限制了信息的输入量。

　　长文本能力增加，能显著拓宽大模型应用场景。以月之暗面为例，公司克服文本内容精准抓取、高算力需求、严重显存压力等困难，研发出首个支持20万字输入的千亿参数LLM产品Kimi Chat。在长文本能力加持下，该产品具备的能力包括：通过多篇财报进行市场分析、处理超长的法务合同、快速梳理多篇文章或多个网页的关键信息、基于长篇***设定进行角色扮演。