The following article is from 字母榜 Author 毕安娣

撰文 | 毕安娣 编辑 | 王靖来 源 | 字母榜

图 片 |   字母榜资料图

" 中国会赢得人工智能竞赛。"

近期，一场闭门会议中黄仁勋的发言经由《金融时报》等主流媒体报道，迅速引爆舆论，甚至有 PDF 在坊间流传，其中最引人注意的就是这句。

在紧随而来的 " 辟谣 " 中，黄仁勋虽然淡化了措辞，表示并非断言中国会赢，但同时仍强调目前世界上最流行的开源人工智能模型都来自中国，美国必须 " 加快步伐 "。

黄仁勋是否真的逐字逐句地说出那句话，也许已经不重要。

他曾多次在公开场合发出警告，不断深化的芯片禁令也许不会起到美国期待的效果，而会适得其反——限制带来的也许不是沉寂，而是创新的迸发。

而如今，曾经的警告正在被印证，中美人工智能公司的两条不同路径愈发清晰。

以英伟达、OpenAI 为代表的企业正合力扩大市场规模，遵循高成本、高支出、高预期的模式。然而外界普遍质疑，这种内部循环正在放大泡沫风险，仿佛一颗随时可能破裂的 " 气球 "。

以 DeepSeek、MiniMax、Kimi 为首的公司则专注于夯实基础，秉持效率、性价比与商业化的务实路线。在英伟达、OpenAI 等企业的市值与估值引发疑虑之际，这些中国企业的估值却疑似被低估，潜藏着爆发潜力。

中国 AI 企业，正在 " 戳破 "AI 泡沫——即便不吹泡沫，人工智能依旧有路可走。

要理解黄仁勋那句话背后的深意，首先要了解硅谷当下对人工智能领域的核心争议。

一方面，是硅谷人工智能继续高歌猛进，凭借资本密集型投资和前沿模型迭代，维持着规模效应的叙事。

但另一方面，" 人工智能泡沫 " 的警示声浪却日益高涨，被视为系统性风险而严肃对待。

尤其是近期，OpenAI 提出的 " 政府担保贷款 " 构想——旨在支撑高达 1.4 万亿美元的数据中心基础设施扩张——引发了广泛质疑，行业对高估值与实际回报脱节有着挥之不去的焦虑。

和一年前相比，这种讨论已从私下交头接耳升级为公开警报，频频响起于主流媒体和投资圈层。

《大空头》原型迈克尔 · 伯里的赛昂资产管理公司在 2025 年 Q3 买入英伟达和帕兰提尔看跌期权，总名义价值逾 11 亿美元，此举被视为对 AI 泡沫的对冲。

《福布斯》杂志的精辟总结捕捉了这一情绪转折：无论当前的上涨行情多么令人陶醉，最终怀疑情绪总会浮出水面。关键问题是，烟雾报警器鸣响究竟源于电池耗尽的虚惊，还是真正大火的预兆？

但 " 人工智能泡沫 " 是不是属于世界的泡沫？还是硅谷的 " 局部现象 "？

就在 11 月，杰富瑞（Jefferies）在报告《全球语境下的中国人工智能》（China AI in a Global Context）中指出：2023 至 2025 年间，中国主要云厂商的资本开支总额为 1240 亿美元，比美国同行少了 82%，但中国最先进的大模型如 MiniMax M2 的性能，仅比美国最强的 模型如 GPT-5 落后约 10%。

黄仁勋真正想强调的是：眼下，中国并不显著落后于美国（用他的原话讲，只有 " 纳米级 " 的落后），并警告如果美国切断中国开发者对英伟达技术的访问，将导致中国转向本土栈，从而让美国失去影响力。

自三年前 ChatGPT 横空出世以来，AI 的主流叙事长期由 OpenAI、Anthropic、谷歌、微软等硅谷巨头主导，围绕 " 规模效应 " 和 " 昂贵的智能 " 构建高门槛壁垒。

然而，这一范式在 DeepSeek 推出推理模型 R1 时首次遭遇显著的挑战——该模型在数学和编码基准上比肩当时最先进模型，成本却是后者的约 3%，引发硅谷对 " 昂贵智能 " 必要性的深刻质疑。

DeepSeek R1 的突破并非孤例，中国 AI 企业一次次证明，高智能未必依赖天文数字般的成本投入。

其实，中国 AI 公司的这条 " 暗线 " 早已悄然发力，形成群雄并起的生态景观：智谱 AI 成立于 2019 年，MiniMax 于 2022 年初起步，月之暗面和 DeepSeek 则在 2023 年相继涌现。

在 DeepSeek 惊艳全球后的半年内，各家纷纷战略调整——有的选择断臂求生以优化资源配置，有的则强势进攻，通过亮眼成绩单凸显决策魄力和运营灵活度。

智谱 AI 和 MiniMax 均属于后者，前者加速模型迭代、强化企业级应用，后者则在开源基准上屡创佳绩，全面布局多模态，彰显出对市场动态的敏锐响应。

黄仁勋本人也多次来到中国，与中国人工智能界保持交流。

今年 7 月，黄仁勋脱下皮衣换上唐装，出现在北京，除了与雷军等老朋友重聚，黄仁勋还和 MiniMax 创始人闫俊杰单独进行了长达两个小时的深入交流。

这次交谈的一个月之前，MiniMax 推出了全球首个开源的大规模混合架构的推理模型 M1。

一个季度之后，在硅谷持续推动人工智能向高成本方向演进之际，中国 AI 领域迎来一波密集爆发。

智谱 AI9 月发布 GLM-4.6，MiniMax10 月推出 M2，Kimi11 月发布 Kimi K2 Thinking。

这些接连发布是本土创新的集体涌现：GLM-4.6 在效率优化上表现突出，K2 Thinking 继承原有架构，改进数据和训练配方，M2 则用回 Full Attention，以求性能与成本的最佳平衡。

这些模型，不约而同地凸显着 " 收劲 " 的艺术——通过精准控制和内敛发力，实现最大化输出，降低单位智能成本，而非盲目扩张。

在模型的用户友好度和部署可行性层面，中国开源模型已明显在全球竞争中脱颖而出。

兼顾性价比的典范如 MiniMax M2，在同等智能水平下其 API 定价仅为 Claude Sonnet 4.5 的 8%，却在推理速度上快了近一倍。

M2 甫一发布，在全球开发者社区迅速掀起浪潮，媒体纷纷跟进报道。The Information 提到，M2 这种低成本与亮眼表现的组合，可能对 Anthropic 等美国 AI 模型制造商造成冲击，后者营收增长的显著份额依赖于为 AI 代理系统提供动力。

计算机科学家吴恩达（Andrew Ng）的 AI 学习网站 DeepLearning.AI 在上周发布的周报中，特别比较了当前主流模型在 AA 性能标准和 token 成本上的分布：

在性能层面，GPT-5 的两个版本虽领先市场，但其 token 成本却远远落后；而在成本与性能综合领先的第一象限，MiniMax 的 M2 与 Grok 4 Fast 难分伯仲。

开发者们正用实际行动投票。

MiniMax M2 的日 token 调用量已远超 OpenAI，比肩谷歌，而 OpenAI 的开源 GPT-OSS 模型因效果不佳和使用复杂而乏人问津。

开源后，MiniMax M2（含免费与付费版本）在第三方平台 OpenRouter 上的调用量已突破 800 亿，位居开源模型前列。

作为汇集全球第三方 AI 应用流量的平台，OpenRouter 的数据更接近市场的真实反馈—— M2 能在短时间内快速赢得部分原属硅谷模型的用户与算力时间，显示出中国模型在开放生态中的势能。

中美两国不仅走出了两条迥异路径——硅谷的规模效应主导与中国的效率换增长模式——而且二者并非完全平行，而是交织互动的关系。

当中国 AI 公司携技术决心和便宜易用的开源模型，在国际舞台上与硅谷的闭源模型展开角逐，也进一步放大对硅谷巨额投入的质疑，促使行业反思高 CAPEX（资本性支出）模式的长期可持续性。

仅讲求效率尚不足以构筑完整生态。在 " 收劲 " 的艺术中，中国 AI 企业已悄然实现商业闭环，通过精炼的技术路径和资源配置，最大化产出价值。

中国 AI 的 " 模型 ROI"（投资回报率）堪称美国的百倍之巨。MiniMax M1 便是一个典型例证：模型在强化学习阶段的训练成本仅为 54 万美元（使用 512 块 H800 GPU，历时三周），几乎只是 OpenAI 同等规模模型训练成本的零头。

以更少的资金撬动更多价值，这正是中国 AI 的核心竞争力所在。

但在这种竞争力背后，中国公司们也在思考一个更深的问题：当技术门槛不断降低，智能究竟属于谁？

带动中国开源风潮的 DeepSeek 给出了一个回答——用最长远的眼光去应对最大的命题。

MiniMax 则选择了另一种表达："Intelligence with Everyone"，让每个人都能拥有充裕的智能。

" 信仰，有点像描述一个很远的未来；信念是，自己想怎么做，并能坚持做下去。"

MiniMax 创始人兼 CEO 闫俊杰在一次采访中，用 " 信念 " 来概括他对 AI 技术的态度。

仰望天空的同时，如何走好脚下的每一步？从今年中国 AI 头部公司的布局来看，这正是他们共同思考的问题。

所谓 " 性价比 " 与 " 务实 "，背后是对路线的持续审视与及时调整。

MiniMax 的演进路径尤为典型，且早早显露出转折信号：早期产品如 Talkie 与星野在语音交互上初露锋芒，随后 Hailuo AI 在视频生成领域后来居上。在 DeepSeek V3 发布后，又在文本领域果断转向开源。

" 如果可以重新选，应该第一天就开源。" 闫俊杰在采访中说。他认为，开源是技术加速的前提——与其套用移动互联网的逻辑，不如回到以研究和工程为核心的 AI 路径。这种开放不仅能启发更多研究者，也可能成为推动 AI Agent 时代到来的关键力量。

如今，MiniMax 更聚焦技术。视频生成和语音模型都位居领先之后，M2 实现了编码模型位居全球前三。这意味着在文本模态上，公司也最终实现突破，补齐了重要的一环。

作为一家创业公司，在语音、视频、文本三个模态的模型及产品上进行布局，一直有过度分散不集中的质疑。不过在谷歌 Veo 3 的音视频融合，Open AI Sora 2 的语言理解与视觉生成，多模态融和的技术趋势越来越明显。此时，多模态技术布局的重要性才逐渐显现。

据 The Information 报道，MiniMax 的年化订阅收入（ARR）已达 1 亿美元，且均为用户直接付费订阅。海外用户愿意为海螺视频（类似 Sora/Pika 的产品）、M2 模型、Audio 等服务付费。这一成功源于从模型到产品的布局目的——构建健康的商业闭环。

百倍 ROI 的本质在于，从技术到智能、再到成本的高效资源转化。这种高效的资源转化率，在资本市场，最终就会体现在 " 模型投资回报率 " 上。

MiniMax 的最新估值达 40 亿美元，OpenAI 最新估值 5000 亿美元。相比硅谷的资本扩张与昂贵智能，中国 AI 独角兽公司的估值或许被严重低估。

大洋彼岸，硅谷 AI 公司仍在囤积算力、推进基建。最新，Meta 披露对美国 6000 亿美元投资承诺的细节信息，未来三年重点建设 AI 数据中心。

而中国公司的路径更像是一种 " 有限理性 " ——在约束中追求最优解，通过资源配置与模型设计的高效配合，形成另一种可持续的增长曲线。

全球 AI 进入下半场，叙事的主轴或许不再是 " 规模的极限 "，而是谁能率先找到 " 效率的极限 "。

长远来看，我们或许可以对中国 AI 更有信心。

- End -

更多文章

微信又双叒调整推送规则啦～ 如果没给我们标星，新鲜内容很容易被信息流 " 埋 " 掉！

赶紧点击右上角「⭐」标星，每篇推文都会优先出现在你的列表，新内容一更新就能第一时间找到，咱们再也不缺席～