文：王智遠 | ID:Z201440

跟一個做投資的朋友吃飯，他問了我一個問題：你覺得春節(jié)，誰是贏家？

我第一反應，大概率字節(jié)吧，高光時刻；他笑了笑，說在看一個數(shù)據(jù)，有國外機構統(tǒng)計了中國大模型的調(diào)用量，排名前四的是 MiniMax、DeepSeek、Kimi 和智譜。

我們聊了很久。他說，過完年這段時間，明顯感覺到一件事：

大廠們花了幾十億買熱度，熱度跟著紅包散了；反倒技術型公司，沒發(fā)紅包，也沒冠名春晚，但每隔一段時間就會在朋友圈炸一次鍋。

上一次 DeepSeek，這次是 Kimi。就在我寫這篇文章前一天，虎嗅剛發(fā)了一篇關于 Kimi 的文章，講它發(fā)布 K2.5 之后，用不到 20 天時間，收入超過了 2025 年全年。

我問他，這說明什么？

他說，這不僅是商業(yè)問題。你想過嗎？同樣AI 公司，為什么有人砸錢沒動靜，有人什么都沒做卻頻繁出圈？

01

2025 年春節(jié)前后，DeepSeek 橫空出世，那段時間朋友圈的刷屏頻率，可能是過去兩年科技圈最密集的一次。

國內(nèi)媒體在寫，海外媒體在寫，OpenAI 投資人在發(fā)推，英偉達股價應聲大跌；一家中國 AI 公司，在短短兩周內(nèi)變成了全球科技圈最熱的話題。

Kimi 在哪里？

那段時間 Kimi沒有消失，產(chǎn)品還在迭代，團隊還在干活，但在傳播層面，它幾乎是隱形的。不是說它沒有發(fā)內(nèi)容、沒有做動作，DeepSeek 制造的那股浪里，Kimi 找不到一個位置插進去。

這件事背后有一個值得認真想的問題：DeepSeek 出圈，靠什么？

表面上看，是技術牛。但技術牛的公司多了去了，我認為，真正讓 DeepSeek 出圈的，是它提供了一個任何人都能講清楚的故事。

一家中國公司，花了極低的成本，訓練出了能和 OpenAI 掰手腕的模型，還開源了。這個故事有對手，有反轉(zhuǎn)，有態(tài)度。

記者記住后，不需要讀懂論文，就能寫出一篇 10 萬加；投資人不需要跑盡調(diào)，就能感受到這件事的分量。

Kimi 那時故事是什么？長文本做得不錯的 AI 助手。這個描述沒有錯，但它是一個產(chǎn)品介紹；故事和產(chǎn)品介紹的區(qū)別在于，產(chǎn)品介紹是給已經(jīng)準備好要用你的人看的，故事是讓根本不認識你的人也想了解你。

Kimi 一直活在前者的邏輯里，默認做好產(chǎn)品、用戶自然會來，把傳播這件事基本上交給了自然生長。

這不是 Kimi 一家公司的問題，幾乎所有從技術背景出發(fā)的創(chuàng)業(yè)公司都會踩的坑。為什么？因為工程師文化有一種根深蒂固的信念。

技術說話，產(chǎn)品說話，別的都是虛的；這個信念在公司早期是對的，甚至是必要的，但當行業(yè)進入一個競爭白熱化、所有人都在搶用戶注意力的階段，只靠產(chǎn)品自己「說話」是不夠的。

產(chǎn)品說的話，得有人幫它翻譯，翻譯成一個普通人能被打動的敘事。

DeepSeek 之所以出圈，有一部分運氣，技術突破恰好踩在了一個全球?qū)χ袊?AI 高度關注的節(jié)點上。

但更重要的是，回過頭看，它的敘事足夠清晰，清晰到可以像病毒一樣復制擴散，每一個轉(zhuǎn)發(fā)它的人都在無意識地幫它傳播那個故事。

Kimi 去年缺這個東西。

它有產(chǎn)品能力，沒有一個可以被人「帶著走」的敘事內(nèi)核；別人聊起 DeepSeek，可以用一句話講完它的故事；聊起 Kimi，大多數(shù)人只能說「好像挺好用的」，然后就說不下去了。

所以，「好像挺好用的」傳不出去的。另外，這里有一個技術公司經(jīng)常忽視的細節(jié)：

傳播這件事在你的用戶和他們身邊的人之間發(fā)生。用戶覺得你好用，只是第一步；他們能不能把「你好用」這件事講給別人聽，取決于，你有沒有給他們提供一個足夠好用的「話語工具」。

DeepSeek 給了，低成本、開源、打敗 OpenAI，這三個詞就是話語工具。Kimi 去年沒有給；所以， Kimi 去年不是被 DeepSeek 的技術打敗的，是敘事這場競爭里，壓根沒有參賽。

02

這一次，今年，Kimi 給了一個故事；2026 年 1 月 27 日，Kimi 發(fā)布了 K2.5，并同步開源。

從結果往回看，這件事的傳播路徑和 DeepSeek 當年驚人地相似：一個中國 AI 公司，開源，性能打到全球第一梯隊，價格比 OpenAI 低 6 到 10 倍。故事結構幾乎一模一樣，有對手，有反轉(zhuǎn)，有態(tài)度。

但 Kimi 這次多做了一件事。

K2.5 全面兼容 OpenAI 的 API 接口，海外開發(fā)者想切換過來，只要改一行 URL就行。這個細節(jié)，在開發(fā)者社區(qū)里的傳播效果是炸裂的。

GitHub、Hugging Face 上那批人，最怕遷移成本，Kimi 直接把這個門檻砍掉了。一位硅谷工程師在社交媒體上發(fā)了一句話：推理速度更快、響應更穩(wěn)、價格相當，我為什么不用？

這句話本身就是一個話語工具，比任何品牌文案都管用。

數(shù)據(jù)接著來了。K2.5 發(fā)布后，全球付費用戶規(guī)模增長約 4 倍，海外收入首次超過國內(nèi)；發(fā)布不到一個月，近 20 天的累計收入超過了 2025 年全年總和。

在 OpenRouter 的調(diào)用量排行榜上，Kimi K2.5 持續(xù)排名第一；這些數(shù)字當然重要，但更值得關注的是它們?yōu)槭裁磿l(fā)生。

Kimi 這次的傳播，除了主動媒體投放或品牌營銷，還依賴開發(fā)者社區(qū)的自發(fā)擴散；這批人有一個共同特點：

他們一旦認可某個工具，會主動、反復地在自己的圈子里推薦它；他們寫技術博客，發(fā)推特，在 Discord 群里分享經(jīng)驗，這種傳播有信用背書，不像廣告，是有人拿自己的技術判斷力在為你站臺。

所以，Kimi 今年做對的事情，就是把這批人變成了自己的傳播節(jié)點。

春節(jié)期間上線的 Kimi Claw 進一步放大了這個效果；Kimi Claw 是一個云端托管工具，用戶不需要服務器，可以直接在瀏覽器里用上 K2.5 的能力。

這個產(chǎn)品的邏輯很清楚：

K2.5 拿下了開發(fā)者，Kimi Claw 拿下了想用 AI 但沒有技術背景的人；兩個產(chǎn)品，覆蓋了兩個圈層，外加媒體、博主助力，傳播面自然就寬了。

所以，回過頭看，Kimi 這次出圈，跟大廠砸紅包的邏輯是兩個完全不同的世界；大廠買曝光，花錢換眼球，錢停了熱度就散；Kimi 買信任，用產(chǎn)品能力換開發(fā)者的口碑，口碑一旦建立，會自己往外長。

這兩種邏輯的本質(zhì)區(qū)別在于，前者是向外借力打力，后者向內(nèi)蓄力。借來的力氣，還回去就沒了；蓄起來的勢能，才能在下一次產(chǎn)品發(fā)布時再爆發(fā)一次。

03

那么，問題來了，有些廠牌有錢，有團隊，有資源，為什么每年還是在重復同一件事？

每年春節(jié)都要打一場「紅包大戰(zhàn)」；今年也不例外，幾十億砸下去，話題有了，熱搜上了，然后呢？節(jié)過完，熱度散了，用戶該用什么還是用什么。

背后有成熟的品牌團隊，有專業(yè)的投放策略，為什么偏偏在 AI 這件事上效果有限？因為用了一套在別的行業(yè)完全正確、但在 AI 這里根本跑不通的邏輯。

快消品、飲料、零食，這些產(chǎn)品的傳播假設是「觸達越多人越好」，覆蓋足夠廣，總有人看到之后去買一瓶試試；這套邏輯有效，因為這類產(chǎn)品的決策門檻極低，一個廣告就能觸發(fā)一次購買行為。

AI 產(chǎn)品的采用路徑完全不是這樣的。

普通用戶，不會因為看了一個紅包活動，就開始每天用某個 AI 助手，他們需要「有人告訴我這個東西在什么場景下真的有用」。

這個「有人」，是他們信任的人，圈子里懂技術、提效率、會折騰工具的朋友，是他們關注的科技博主，開發(fā)者社區(qū)里某個人寫的一篇真實使用評測。

也可以是垂直領域里有影響力的創(chuàng)作者，主動把使用體驗帶出技術圈，傳遞給更大的人群。

這批人，就是 AI 產(chǎn)品傳播鏈條上真正的核心節(jié)點，數(shù)量不多，但每一個人的推薦都有信用背書，能產(chǎn)生真實的弱傳播。

紅包覆蓋最大公約數(shù)的人群，這在消費品邏輯里沒有錯，只是 AI 產(chǎn)品的傳播鏈條跟消費品不一樣。

這批核心節(jié)點不刷紅包，他們在 GitHub 上，在 X 上，在各種垂直技術社區(qū)里，是分散在不同圈層里的 KOC 和 KOL，觸達他們，靠產(chǎn)品本身的說服力。

回頭看那個調(diào)用量數(shù)據(jù)：

國外機構統(tǒng)計的中國大模型調(diào)用量前四；它們共同的路徑，是先打進開發(fā)者社區(qū)，建立技術可信度，然后，口碑自己往外擴散，這是 AI 產(chǎn)品傳播的基本規(guī)律。

當然，大眾曝光未必全無意義，品牌認知也是生意的一部分。但 AI 產(chǎn)品跟其他消費品有一個根本的不同。用戶留不留下來，最終還是看模型好不好用。

地基不穩(wěn)，樓蓋得再高也沒用。那基地怎么打？AI技術傳播這件事，要分層建。

04

很多公司談傳播，上來就問：我們要做哪些渠道？找哪些媒體？要不要請 KOL？

這些問題都沒錯，但問早了；渠道、媒體是工具，工具有沒有用，取決于有沒有先把底層的東西建好。底層缺了，工具越多越亂。

我經(jīng)常給服務的客戶說：AI 公司傳播體系，從底到頂分三層。

第一層是技術可信度。這是所有傳播的前提，沒有這一層，后面什么都是空的。

建立技術可信度只有一條路，讓那批最挑剔的人先信任你。這批人是開發(fā)者，他們會自己跑測試，會在社區(qū)里互相驗證，會把結論寫出來給所有人看。

贏得他們需要真實的技術能力加上足夠透明的表達；開源是一種方式，發(fā)扎實的技術報告是一種方式，在開發(fā)者社區(qū)里真實地出現(xiàn)、回應問題也是一種方式。

Mistral 是一個很好的例子。

這家法國公司，幾乎沒有做過任何大眾層面的品牌營銷，但在全球 AI 開發(fā)者圈子里認知度極高。

它每次發(fā)布新模型，都會同步放出詳細的技術說明，告訴開發(fā)者這個模型適合什么任務、在哪些基準測試上表現(xiàn)如何、跟上一版本比有哪些具體改進。

這份說明是給開發(fā)者的「使用地圖」，背后邏輯是，我信任你能讀懂這些，我也有底氣讓你來驗證。這種姿態(tài)，比任何廣告語都有說服力。

第二層是場景敘事。

有了技術可信度，下一步是把產(chǎn)品能力翻譯成「在什么場景下解決了什么問題」；這個翻譯工作，公司必須主動做，不能等用戶自發(fā)總結。

用戶就算用得很爽，也未必能把這種爽感講清楚；講不清楚，就傳不出去。

Kimi 這次「改一行 URL 就能遷移」是一個很干凈的場景敘事，具體、可感、有行動指引；更早一些，OpenAI 當年推 ChatGPT，在開發(fā)者社區(qū)里流傳最廣的是一批用戶自發(fā)寫的「我用它做了什么」的帖子。

從寫代碼到寫合同到哄孩子睡覺，每一個場景都是一次真實的傳播；這些內(nèi)容之所以能擴散，因為讀者看完之后會想「我也可以這樣用」，這個「我也可以」是傳播的引擎。

所以，場景敘事是幫用戶想象自己用它的樣子。

具體怎么講？有兩個思路。

一個是「任務型」，直接告訴用戶這個產(chǎn)品能幫你完成什么具體的事；Notion 早期在設計師和產(chǎn)品經(jīng)理圈子里出圈，靠大量用戶在社區(qū)里分享自己搭建的模板。

我用它管項目、我用它做周報、我用它整理讀書筆記，每一個模板都是一個場景入口，看到的人不需要被說服，直接就能復用。

另一個是「對比型」，用切換前后的反差來制造敘事張力。

Cursor 出圈的方式就是這個邏輯，大量開發(fā)者在社交媒體上發(fā)了同一類內(nèi)容：同樣一個功能，以前我要寫兩個小時，現(xiàn)在二十分鐘搞定。

沒有技術術語，沒有產(chǎn)品介紹，只有一個數(shù)字對比。讀者不需要懂代碼，就能感受到「變了」這件事。反差本身是故事，這種敘事方式特別適合技術產(chǎn)品，它不要求用戶理解底層原理，感受到「變簡單了」就可以了。

有了這些前置條件，第三層是社區(qū)擴散，才輪到渠道和人的問題。

開發(fā)者社區(qū)打透之后，借助垂直領域里有影響力的創(chuàng)作者，把使用體驗帶出技術圈，觸達更大的人群。

這批創(chuàng)作者的價值，是他們在各自圈子里積累的信任；他們推薦一個工具，讀者的第一反應是「這個人不會隨便推」。

這三層有嚴格的順序，不能跳。

很多公司的傳播失敗，是直接從第三層開始，找了一堆創(chuàng)作者，寫了一堆內(nèi)容，發(fā)現(xiàn)沒什么水花；老板一問，傳了嗎？傳了？傳了怎么過兩天又沒聲音了？

因為底下兩層是空的，創(chuàng)作者自己都沒有真實的使用感受，寫出來的東西讀者一眼就能看出來是在應付。

所以，順序?qū)α?，每一層才能把力量傳遞到下一層。

這套邏輯，我在跟不同 AI 公司同學聊傳播時，幾乎每次都會提到。它不復雜，但真正愿意從第一層開始建的公司，比你想象的少。

DeepSeek、Kimi 之后，一定還會有下一個出圈的技術型公司，它不一定是現(xiàn)在最被關注的，但一定是把產(chǎn)品能力、敘事都建好了的公司。會是誰呢？