48 小时内，中国大模型领域的两只 " 独角兽 " ——智谱与 MiniMax 先后叩响港股大门，" 全球大模型第一股 " 的讨论迅速升温。

但在水面之下，当 AI 投资从 " 讲故事 " 进入 " 算回报率 " 阶段，资本市场开始做一件很残酷的事：不再问你做得有多酷，而是问——十年后，谁还离不开你？

一边，是向下扎根、试图成为 AI 时代 " 水电煤 " 的智谱；另一边，是向上生长、不断制造更炫酷 " 电器 " 的 MiniMax。

当 AI " 基建派 " 与 " 应用派 " 在上市路口迎面相撞，这已经不只是两家公司之间的较量，而是一场关于 AI 产业最终价值归属的正面对照。

两家公司的分野，并不是在上市前才显现，而是在创立之初就已写入基因。

如果把 AI 产业比作一座正在建设中的现代城市，那么智谱选择先修电网、水厂和操作系统；而 MiniMax，则选择率先点亮霓虹灯，让城市 " 看起来很繁华 "。

但是，霓虹灯越亮，越需要稳定的电压。而修电网的人，通常不会出现在夜生活的合影里。

智谱的起点，是清华大学实验室，路线也始终保持着 " 学院派 " 的克制与耐心。

它坚持全栈自研 GLM 架构，从模型结构、训练框架到工具链几乎不依赖外部闭源体系。与 " 在别人的操作系统上做应用 " 不同，智谱更像是在从零编写一个 AI 时代的 Windows 或 Android。

这是一条典型的重投入、长周期路径。但它的目标也足够清晰：成为 AI 时代的 " 发电厂 "，通过 API（模型即服务）向企业和开发者持续、稳定地供给底层能力。

截至 2025 年 6 月 30 日，智谱的模型已服务超过 8000 家机构客户，赋能约 8000 万台设备，覆盖科技、金融、医疗等多个关键行业。这种规模化、跨行业的渗透能力，正是基础设施型公司的典型特征。也正因此，智谱在 OpenAI 的内部文件中，被点名为国际市场中最具威胁性的竞争对手之一。

MiniMax 的路径，几乎完全相反。

这家公司选择了一条更 " 轻 " 的捷径：先做出能被用户直接感知的爆款产品。

尽管同样拥有自主研发的 Abab 系列模型，但其战略重心和市场声量，更多来自于将技术快速转化为应用层产品的能力。

无论是 AI 对话、陪伴，还是音视频生成，MiniMax 更像一家典型的互联网公司：强调快速迭代、即时反馈和用户增长，用前端产品的爆发力迅速打开市场认知。招股书显示，公司营收超 7 成来自于 to C 产品，尤其是海螺 AI、Talkie/ 星野两款应用，合计占据了总营收的 67.7%。

简而言之，智谱试图构建的是 " 基建系统 "，去定义 AI 时代的底层规则；而 MiniMax 更希望成为 " 垂直电器品牌 "，在具体应用场景中占领用户心智。

这两条路径，并没有绝对的高下之分。但在一个技术仍处于高速演进期的行业里，选择做 " 底座 " 还是 " 应用 "，本身就决定了长期价值的天花板高度。

在资本市场，所有宏大叙事，最终都会被压缩成两个问题：你的商业模式，到底靠什么赚钱？这种赚钱方式，是否具有长期壁垒？

从招股书披露的数据看，智谱与 MiniMax 的差异，并不在 " 有没有收入 "，而在于在两者不同的商业模式下，收入从哪里来、稳不稳定、可不可替代，以及同样关键的：能否保证足够健康的毛利率。

智谱的 " 发电厂 " 模式，是把 AI 做成基础设施，其商业模式以 B 端和 G 端为核心。

根据智谱招股书，其历年收入全部来自通过 MaaS 平台提供大模型服务。2024 年全年收入达到 2.63 亿元，2025 年前 6 个月收入 1.62 亿元，根据往年 130% 的年复合增长率计算，2015 年全年收入将在 7.18 亿以上。

值得注意的是，自 2024 年起，海外客户开始产生收入，到 2025 年上半年，海外客户贡献的营收已经占到 11.6%，说明其出海初见成效。

这一结构本身，就已经清晰勾勒出智谱的定位：不是卖功能，而是卖 " 底层能力 "。

这种模式的硬核之处，首先在于极高的粘性和可持续性。政企客户一旦将核心业务接入底层模型，所涉及的不只是技术迁移，更牵扯数据安全、业务流程与组织协同，替换成本极高。其 79% 的年复购率，正是这一特征的直接体现。

这一模式还意味着可观的毛利率。招股书显示，智谱自 2022 年至 2025 年上半年，毛利率基本维持在 50% 以上。要知道，以高毛率著称的腾讯，去年全年毛利率是 53%。作为一家尚在研发投入期的初创公司，智谱能做到 50% 以上毛利率，着实令人刮目相看。

与此同时，在开发者侧，智谱的基座能力也开始显现出变现效率。其 AI 编程订阅制产品上线仅两个月，年度经常性收入（ARR）便突破亿元，说明当模型真正进入生产环节，付费意愿并不依赖营销，而源于效率本身。

以 API 为载体，交付通用智能，而不是一次性的定制项目。这种模式不只是 SaaS 的延伸，更是云计算的下一层抽象——把 " 智能 " 变成基础设施。这便是智谱的核心路径—— MaaS（模型即服务）。

招股书显示，截至 9 月末，智谱模型已赋能全球 1.2 万家企业客户、覆盖逾 8000 万台终端，平台上聚集超 270 万企业及应用开发者，并对接超 4500 万开发者生态，API 场景越广，数据反馈越多，模型能力越完善，形成 " 数据—模型—开发者—应用 " 的飞轮。

招股书显示，2025 年 11 月，智谱日均 token 消耗量为 4.2 万亿。而 OpenAI 的 API 每分钟调用 60 亿 tokens，相当于日均 8.64 万亿，仅为智谱的两倍。

MiniMax 的 " 应用店 " 模式，则是把 AI 做成爆款产品。

其商业模式聚焦 C 端订阅与应用内购买，通过爆款应用快速获取用户与现金流。根据 MiniMax 招股书，2025 年前 9 个月，其收入为 5344 万美元，其中应用相关收入达到 3802 万美元，占总收入的 71.1%。

这一模式的优势非常直观：起量快、变现快、现金回收速度快，对资本市场的吸引力毋庸置疑。

但短板同样摆在眼前。

首先就是较低的毛利率。招股书数据显示，2023 年至今，MiniMax 的毛利率从未超过 25%，尤其在 2024 年，毛利率更是低至 12.2%。

为何毛利率如此之低？为不断获客而产生的海量营销投放是重要原因。据招股书数据，2024 年 MiniMax 收入 3052 万美元，折合人民币 2.15 亿元，是智谱的 69%；同期 MiniMax 的营销开支是其营收的 2.8 倍，达到 8700 万美元，折合人民币约 6.12 亿元，是智谱的 158%。

考虑到应用层竞争激烈、产品可替代性强，MiniMax 的高昂营销投入与低毛利显然并非短期挑战，而是需要长期面对的问题。

但另一个高毛利率指标，成了 MiniMax 招股书中最亮眼的存在——即 B 端业务 ( 开放平台及其他基于 AI 的企业服务 ) 毛利率高达 69.4%，在最擅长的 C 端毛利仅为 4.7% 的情况下，MiniMax 却将自己不太擅长的 B 端毛利率做到了如此之高。

要知道，国内字节、阿里等大厂当前阶段 API 毛利率为个位数，中小云厂商甚至是负数。Minima 一枝独秀的高毛利率水平，不得不说是一个 " 奇迹 "。

根据两家招股书显示，2025 年上半年智谱亏损 17.52 亿，MiniMax2025 年 1-9 月亏损超过 35 亿（约 5.12 亿美元）。

但亏损仍不是中国大模型真正的 " 学费 " ——真正的学费从不是烧了多少钱，而是烧钱的目的和方式。换言之，问题的核心在于算力的 " 回报率 "，如何将算力成本转化为收入与毛利。这是智谱和 MiniMax 都面临的问题，在巨额的投入下，如何确保能够实现 " 可持续的收入和毛利 "。

智谱的收入与毛利，更多地依赖于面向企业客户的本地化部署，稳健有余，但扩展难度较大。它的主要客户包括互联网企业，很有可能随着开源模型性能持续提升，以及微调与部署工具持续降低门槛，逐步转向垂直自研。

因此，智谱的选择道路是，将自己在定制化服务上的技术栈与工程经验，标准化并迁移至云端模型即服务 ( MaaS ) 服务上，是一条变现扩展路径。在智谱的商业化设计中，高毛利率的本地化部署和爆发性增长的云端业务，实现双轮驱动，其中本地化部署是 " 稳定器 " 和 " 现金牛 "，云端业务是 " 增长引擎 " 和 " 未来 "。

MiniMax 则是另一条路，迅速转向消费者市场。对应 API 调用的 " 开放平台 " 业务，在 MiniMax 的收入占比从最初的近 80% 下降至目前的不足 30%，取而代之的是低毛利率和低收入的 "AI 原生产品 "。

根据招股书披露的数据计算，B 端拥有 2.5 万付费企业客户，平均每家企业一年的贡献 4.5 万元（约合 6000 美元）；工具类 C 端，语言模型付费用户 1 万人，每人每年平均贡献 530 元左右；海螺视频付费用户 30 万，每人每年平均贡献 400 元左右；流量类 C 端产品，Talkie/ 星野虽然有 140 万付费用户，每人每年平均贡献 36 元。

如果只是收入不高，还可以说是市场培育期。但 AI 行业的致命伤在于：成本结构的刚性。MiniMax2025 年 1-9 月的研发总开支约 13 亿元，但需要将 77% 支付给算力供应商。而智谱，这一比例为 71.8%。

这就是目前 AI 创业的真实汇率：你每花出去 3 块钱的算力成本，只能从市场上收回来 1 块钱。这是一场极其昂贵的 " 烧钱换增长 "，而且这烧掉的钱，并没有像传统互联网那样带来边际成本的指数级下降。

如果算法优化的速度跑不赢算力涨价的速度，这门生意就是无底洞。但优化算法的根本解决之道，在应用层创新还是基础层创新？这个问题的答案，显而易见。

而这，只是浅层的 " 学费 "。对于中国 AI 大模型的发展，要追问更深层的 " 学费 "——烧了钱换回来了什么？或者留下来了什么？是中国 AI 技术的跃升与全球竞争中不被 " 卡脖子 "，还是以爆款给全球市场提供 " 情绪陪伴 "？

回看技术产业的演进史，或许能从中找到答案。

在 PC 时代，真正沉淀长期价值的，并非某一款现象级软件，而是微软所定义的操作系统标准；在移动互联网时代，资本一度追逐无数明星 App，但最终掌握产业主动权的，是构建底层生态的 iOS 与 Android；云计算浪潮中，市场也曾为形态各异的 SaaS 应用欢呼，却逐渐发现，最大、最稳定的利润池，始终流向 AWS、Azure 这些 " 出售算力与基础服务 " 的公司。

应用会更替，平台会沉淀；爆款会轮换，底座会垄断。很少有人还记得，当年 PC 时代最赚钱的软件是哪一款；但几乎所有人，都记得是谁定义了操作系统。

大模型行业同样如此。它仍处在高速演进的早期阶段，其技术轨迹始终遵循一条被反复验证的路径：底层能力的跃迁，最终会重构上层应用形态。反过来看，应用层的生存与发展，通常依赖底层模型所释放的 " 能力红利 "。一旦基座技术发生跃迁，原有优势往往会被迅速抹平，甚至直接被淘汰。

就像 GPT-4 发布后，大批基于 GPT-3.5 的明星应用迅速褪色；Sora 横空出世后，不少文生视频创业公司的估值直接归零。随着大模型玩家持续增多，应用层竞争不可避免地走向同质化与免费化，长期盈利能力本身就存在结构性不确定。

应用这条路充满挑战。

字节跳动、腾讯、阿里等巨头拥有成熟的 " 产品工厂 " 能力和庞大的流量资源，即便像 MiniMax 短期吸引用户，也很容易被这些巨头在短时间内复制、整合进自己的生态系统。

资本市场或许会为某一款惊艳的应用爆款献上掌声，但产业史反复证明：真正能够穿越周期、持续获得超额回报的，往往是那些默默铺设时代地基的 " 根技术 " 提供者。

应用层的繁荣是阶段性的，基座层的统治才是结构性的。

智谱与 MiniMax 的 " 第一股 " 之争，不只是一个谁先谁后上市的时间问题。真正的问题是：当热闹散场，谁还站在舞台中央？

因为，当热潮退去，决定企业最终价值的，从来不是某一款应用的热度，而是——底层技术是否具备不可替代性，商业模式是否具备长期稳定性，以及在产业生态中所处的位置。