Kimi K3 營收分成」模式：與微軟亞馬遜Google談合作

Kimi K3 營收分成是這篇文章討論的核心

月之暗面 Kimi K3 為何敢跟微軟、亞馬遜、Google 談營收分成？2026 年 AI 商業模式大地震的完整拆解

圖：Kimi K3 正從中國市場殺出重圍，試圖以營收分成模式打入 Azure、AWS 與 Google Cloud 的三大美國雲端陣營。

我這兩天盯著路透社那則獨家新聞，看了一整個下午——不是因為這消息多轟動，而是因為它透露的訊號太耐人尋味了。月之暗面（Moonshot AI）這家北京出身的新創，居然在跟微軟、亞馬遜、Google 三大美國雲端巨頭談「營收分成」。是的你沒聽錯，不是單純按 token 算錢的 API 計價，而是更進一層的 revenue-sharing——這在過去，幾乎是只有好萊塢片商跟串流平台才會玩的把戲。

把時間線拉出來：Kimi K3 在 7 月 16 日首發，7 月 27 日開放權重（open weights），參數量高達 2.8 兆，是迄今人類釋出過最大的開放權重模型，光權重檔就有將近 1.5 TB。結果一個月後，它就出現在微軟、亞馬遜、Google 的會議桌上。這種節奏，不是新創公司慣有的冒進，反而像是被資金壓力逼出來的戰略突圍。

快速精華（Key Takeaways）

💡 核心結論：Kimi K3 的營收分成協議，標誌 AI 模型供應鏈從「按 token 計價」翻轉到「綁定雲端生態抽成」的新時代。中國模型開始以「開放權重 + 平台分成」雙重夾擊，直接挑戰閉源壟斷。
📊 關鍵數據（2026–2027）：2026 年全球 AI 支出預估達 2.59 兆美元（Gartner），年增 47%；AI 基礎設施支出上看 1.43 兆美元，2027 年逼近 1.9 兆。Kimi K3 尋求的營收分成比例最高 30%。
🛠️ 行動指南：開發者與企業應趁開放權重模型降價之際，用 Kimi K3 打造長尾應用、串接雲端原生服務，把 AI 自動化轉成可重複變現的被動收入管道。
⚠️ 風險預警：中美監管、出口管制與「去中國化」浪潮隨時可能中斷合作；30% 分成加上雲端抽成，成本結構可能比表面報價高得多。

在深入拆解之前，先說一句：這不是什麼遙遠的矽谷八卦。這是一場正在上演的、關於「AI 變現方式」的權力重分配。過去你以為 AI 公司靠賣 token 賺錢、靠雲端抽成賺錢，如今有人想把它們綁成一條龍。而這條龍的第一節，就是 Kimi K3。

一、月之暗面為何急著把 Kimi K3 送進美國雲端？資金與生態的雙重算盤

路透社點出最刺眼的那句：任何協議若談成，都將是「中國 AI 模型開發商與美國頂級雲端供應商之間的首次大型營收分成合作」。這背後藏著兩層動機。

第一層是錢。訓練一個 2.8 兆參數的模型，燒的是天文數字的算力帳單。月之暗面雖然估值驚人，但面對 OpenAI、Anthropic 動輒數百億美元的軍備競賽，光靠融資絕對喘不過氣。營收分成等於把「賣模型」變成長期年金——只要 Azure、AWS、Google Cloud 上有企業持續呼叫 Kimi K3，月之暗面就有源源不絕的分潤進帳。

第二層是生態。開放權重再香，如果只能在自家平台或小眾自架環境跑，影響力終究有限。擠進三大雲端，等於瞬間打通了全球企業採購的通道。這招跟當年 Android 免費授權給手機廠的概念神似——先搶佔地盤，再談收割。

Pro Tip 專家見解：別只看「分成 30%」這個數字。真正的殺招是月之暗面把 K3 的權重無償開放，這等於直接挑戰了 GPT-5 類閉源模型的定價天花板。開放權重模型把「推理成本」下放給雲端廠商，月之暗面則專注於最肥的「模型層」抽成。這是一套進可攻、退可守的槓桿策略。

二、營收分成與 API 收費到底差在哪？30% 抽成背後的商業邏輯

傳統上，AI 模型供應商賺的是「單位價格 × 用量」的 token 費。但營收分成是另一套玩法：雲端廠商把模型包裝成服務賣給企業，賣出多少錢，模型方就從「總收入」裡抽一個百分比——據報導，月之暗面喊到最高 30%。

這中間的差別可大了。API 收費是「你用了才付錢」，抽成是「你的客戶付了錢我就分羹」。對月之暗面來說，抽成意味著綁定了雲端廠商的銷售火力，等於免費借用了微軟、亞馬遜、Google 幾十萬家企業客戶的渠道。對雲端廠商來說，則是拿別人的模型來補足自家模型庫的缺口，避免在模型競賽中被拋在後頭。

但別忘了，雲端廠商也不是吃素的。30% 是開價，最後談成多少、怎麼設下限、有沒有獨家綁定條款，都是未知數。這正是 2026 年最值得看的一場談判拉鋸。

三、2.8 兆參數開放權重，為何會成為 2026 年 AI 市場的「價格屠夫」？

數據會說話。Kimi K3 是稀疏混合專家（MoE）架構，總參數 2.8 兆，但每次推理只啟動約 1040 億參數——這代表它在「聰明度」上逼近閉源前沿模型，但推理成本卻能壓得比 GPT-5 類模型低得多。它還支援 100 萬 token 的長上下文，等於一次能吞下二十幾篇科學論文、跑完三百多條狀態方程，或一口氣生成數千行程式碼。

在獨立測試中，Kimi K3 在 Artificial Analysis 的 Intelligence Index 拿到 60 分，跟 GLM-5.3 打平，距離頂尖閉源模型只差三分左右。更誇張的是它在 Frontend Code 競技場直接登頂。

問題來了：這麼強的開放權重模型「免費釋出」，意味著什麼？它直接把「模型能力」變成近乎免費的公共財，逼得閉源玩家不得不跟著降價。這正是為什麼微軟、亞馬遜、Google 明知道對方來自中國，還是願意坐下來談——因為市場已經開始用腳投票，誰不接這尊大神，誰的模型庫就缺一塊。

Pro Tip 專家見解：如果你是開發者，現在正是卡位的好時機。Kimi K3 的 1M 上下文和 1040 億有效參數，特別適合做「長文件 RAG 檢索」與「程式碼補全」類的高價值應用。趁著營收分成協議還沒塵埃落定、價格尚未被重談鎖死，先把自己綁進這個生態系，後面才有被動收入可講。