2025 年底的香港资本市场，因为两家中国 AI 独角兽的上市赛跑而变得格外热闹。

智谱 AI 和 MiniMax，这两家被称为 " 中国 AI 六小龙 " 中的佼佼者，在 48 小时内相继通过港交所聆讯，争先恐后地要拿下 " 全球大模型第一股 " 这个称号。

最终，智谱 AI 以 116.20 港元 / 股的发行价抢先一步，定于 2026 年 1 月 8 日挂牌，上市时市值预计将达到 511 亿港元。而 MiniMax 几乎贴身紧逼，宣布在 1 月 9 日上市，定价区间为 151 港元 / 股至 165 港元 / 股，发行估值将介于 461.23 亿港元至 503.99 亿港元之间，两者仅隔一天。

这意味着全球资本市场将在连续两天内，首次迎来纯粹以 AGI 基座模型为核心业务的上市公司。

此外，月之暗面创始人、CEO 杨植麟 12 月 31 日在内部全员信中表示，公司已完成 5 亿美元（约合 35 亿元人民币）C 轮融资，账面有超过 100 亿元人民币的现金储备。本轮融资由 IDG 领投 1.5 亿美元（约合 10.5 亿元人民币），阿里、腾讯等月之暗面老股东超额认购，公司投后估值达 43 亿美元（约合 300 亿元人民币）。据了解，王慧文已经累计投资月之暗面 7000 万美元（约合 4.9 亿元人民币）。

这不仅是中国公司间的竞速，更是一场横跨太平洋的 AI 资本大潮的缩影。在大洋彼岸，行业开创者 OpenAI 正在筹划可能高达万亿美元的惊人 IPO，而它的头号劲敌、以安全著称的 Anthropic 也被曝正在推进上市，估值剑指 3000 亿至 3500 亿美元。

上市当然不只是为了争一个 " 第一 " 的名头。招股书数字背后，是不同的投资者、不同的技术路线、迥异的商业探索，以及最根本的——几位背景截然不同的创始人，如何用各自的理念和故事，为公司刻下最初的基因，并吸引不同的资本 " 盟友 "。

这场竞赛，从一开始就充满了个人色彩和战略博弈。

这几家公司背后支持的投资机构呈现了不同的特点。智谱 AI 和 MiniMax 的股东名单，就像一幅中国科技投资的微缩地图，展示出了几大派系。而这些力量的选择，往往与创始团队的基因高度契合。

学术 " 正规军 " 智谱 AI

智谱 AI 身上有非常鲜明的 " 学院派 " 和 " 国家队 " 色彩。

这家公司起源于清华大学的知识工程实验室，其核心创始人是现年 48 岁、被认为是智谱灵魂人物的唐杰，他已于 2025 年 6 月辞任智谱董事职务，专心当清华博导去了。CEO 张鹏是清华大学自动化系博士后，还曾担任助理研究员。招股书显示，接替唐杰担任智谱首席科学家的，是 90 岁的清华大学教授、中科院院士张钹。

这种纯正的 " 清华血统 " 和深厚的学术背景，也为他们早期发展奠定了基础，形成了一种独特的气质：强调自主创新、重视底层技术、追求长线突破。

例如，当全球都在跟随 OpenAI 的 GPT 架构时，智谱团队选择了自研一条不同的技术路径—— GLM（通用语言模型）架构，这在当时需要不小的勇气和定力。

资料显示，GLM 架构的核心创新在于双向上下文建模，使模型在处理语言任务时能同时利用前向和后向信息，而 GPT 架构依赖纯自回归生成，仅基于前序 token 预测后续内容。这种设计差异使 GLM 在中文语境下表现出更强的语言理解能力，同时智谱通过持续迭代（如 GLM-130B、ChatGLM 系列到 GLM-4）实现了从百亿参数到千亿参数的跨越，整体性能逼近 GPT-4。

这种 " 技术理想主义 " 与长期主义的风格，恰好与注重国家战略和自主可控的 " 国家队 " 资本、地方国资的诉求深度吻合。智谱在上市前引入的基石投资者中，就包含了北京核心国资背景的基金。

这类资本往往看重的不仅仅是财务回报，更看重公司在人工智能基础软件、核心算法上能否实现自主突破，能否在关键领域摆脱依赖。智谱团队坚持做 " 中国自己的通用大模型底座 "，这种目标恰好符合战略资本的期望。

自然而然地，这种结合也帮助智谱在非常看重数据安全和技术可靠性的政府、大型国企及金融机构市场中，打开了局面，其超过 80% 的收入来自本地化部署，正好是这一路径的体现。

产品 " 野战军 "MiniMax

与智谱的 " 学院派 " 路径不同，MiniMax 的故事从一开始就更偏向互联网和全球化。

创始人闫俊杰的个人经历就是这条路径的绝佳诠释。他 1980 年出生于河南省的一个小县城，凭借对数学和 AI 的兴趣，一路自学考入中科院读博。但他并非单纯的科学家，职业生涯的关键一战是在商汤科技，从实习生一路做到副总裁。这段经历让他成了一个 " 多栖人才 "：既懂最前沿的算法，更深谙如何把技术打包成可落地、能吸引用户的产品。

闫俊杰创立 MiniMax 的念头很朴实。他曾提到，有一天外公告诉他想写一本回忆录，却没办法做到，因为需要非常好的语言组织能力，并且外公不会打字。" 那个时候，我认为只有人工智能可以帮他实现这件事。"

这让他坚信，AI 技术必须足够普惠和易用，能直接改善普通人的生活。因此，公司刚成立，他就确立了 " 一边研发底层模型，一边自己做 AI 应用 " 的双线战略。

这种强烈的产品化、市场化和全球化思维，迅速吸引了追求快速增长和生态协同的互联网巨头。阿里巴巴和腾讯曾先后投资 MiniMax，阿里更是一度投资 6 亿美元。

更引人注目的是其上市前的基石投资者阵容。除了老股东阿里，还出现了中东主权财富基金阿布扎比投资局（ADIA）、知名投资机构博裕资本等国际化资本，合计认购约 3.5 亿美元。

这也清晰地表明，国际资本对 MiniMax" 生而全球化 " 故事的认可。公司超过 30% 的员工有海外背景，产品设计一开始就面向全球，超过 70% 的收入来自海外市场。

闫俊杰团队凭借对全球青少年社交需求的敏锐洞察，已经用 "Talkie" 这样的 AI 虚拟社交应用在海外杀出一条路，这种打法正是吸引全球资本的关键。

硅谷的理想主义与 " 反叛 "

创始人的基因决定公司气质，这个规律在美国同样显著，甚至更具戏剧性。

OpenAI 的联合创始人萨姆 · 奥特曼是典型的硅谷 " 造梦者 "，曾是顶级创业孵化器 YC 的总裁。他怀抱着 " 确保 AGI 造福全人类 " 的宏大理想创立 OpenAI，最初甚至是非营利组织。

但当发现实现这个理想需要天文数字般的资金时，他展现了极其务实乃至激进的一面——推动公司转型，并引入微软超过百亿美元的巨额投资。这种在崇高理想与冷酷资本间穿梭的能力，是奥特曼的个人特质，也成了 OpenAI 的独特基因。

而 Anthropic 的诞生，则直接源于一次对 OpenAI 路径的 " 反叛 "。

其创始人达里奥 · 阿莫迪兄妹曾是 OpenAI 的核心研发人员，主导了 GPT-3 等关键项目。他们因为担心公司过快的商业化会损害 AI 的安全性，从而选择离开并创立 Anthropic。他们将学术的严谨和对 AI 伦理的执着注入新公司，首创了 " 宪法 AI" 训练框架。

这种 " 安全至上 " 的基因，使得 Anthropic 虽然技术顶尖，但气质上更偏向稳健、可靠，因此吸引了谷歌、亚马逊等同样看重合规与可控性的科技巨头作为战略投资者。

拿到投资只是开始，钱要怎么花，路要怎么走，实际上从第一天起就由创始人的认知画好了草图。他们选择的商业化路径，直接决定了公司的收入和生存状态。

智谱 AI 走的是 " 赋能千行百业 " 的路线，主要服务企业和政府机构。这非常符合张鹏团队从学术研究到解决重大工程问题的思维方式。

他们的商业模式像是 AI 时代的 " 基础软件供应商 "，主要分为两种：

一种是本地化部署，即为客户（尤其是政府、银行、大国企）将整套大模型部署在客户自己的服务器上，确保数据安全。根据招股书，这部分收入占了智谱总收入的 80% 以上，毛利率较高。

智谱高级副总裁吴玮杰就曾在小红书上披露过，从客户结构看，智谱本地化部署业务里互联网及高科技客户占比五成；从经营指标看，这类付费客户年复购率约为 70%，而本地化部署毛利率在 2024 年也接近 70%，明显高于传统 ToB 公司的水平。

另一种是云端 API 服务，类似 OpenAI，让开发者和企业通过接口调用模型能力，这部分增长很快，但当前占比还小。这种路径的优势是客单价高，能快速建立标杆案例。

招股书显示，智谱的客户包括中国前十大互联网公司中的九家。但挑战也同样明显：每个本地化项目都需要大量定制和交付，是 " 重活、累活 "，难以像互联网产品那样指数级规模化增长。而且，其最大客户收入超过总收入 10%，前五大客户收入占营收始终超过 40%，客户集中度较高，且年度间前五大客户变动很大，存在一定的项目制波动风险。

MiniMax 走了一条更贴近普通消费者的路，这与闫俊杰 "AI 必须产品化 " 的信念一脉相承。

他有一个核心观点：" 在大模型时代，真正的产品其实就是模型本身，传统意义上的产品更像是一个渠道。" 因此，MiniMax 一手打磨底层模型，另一手直接下场打造现象级的 AI 应用。

其收入结构清晰地反映了这一战略：2025 年前三季度，高达 71.1% 的收入直接来自 AI 原生应用。

其中，AI 虚拟社交应用 "Talkie/ 星野 " 贡献了 35.1%，视频生成工具 " 海螺 AI" 贡献了 32.6%。这些应用在海外青少年中非常流行，用户日均使用时长高达 70 分钟，黏性极强。剩下的 28.9% 收入，则来自面向企业的开放平台 API 服务。

这种 " 产品驱动 " 的模式让 MiniMax 的全球化程度非常高，海外收入占比超 70%，规避了单一市场风险。但这种模式的挑战在于，需要持续的产品创新和强大的运营能力来留住用户，同时也要面对更复杂的国际环境。

一个现实的挑战是，MiniMax 正因其视频生成功能，在海外面临迪士尼、华纳等巨头的版权诉讼，这可能带来高达 7500 万美元的潜在赔偿，几乎相当于其一年收入。

美国的同行们也走出了两条不同的路。

OpenAI 在 ChatGPT 引爆全球后，迅速将自己打造成了一个 "AI 操作系统 "，通过 API 服务成为无数应用背后的引擎，构建了强大的开发者生态和网络效应。

Anthropic 则另辟蹊径，不追求最激进的功能，而是将 " 安全、可靠、可控 " 作为核心卖点，主打对安全性要求极高的企业级和金融客户，形成差异化优势。

无论故事多么动听，所有顶尖的大模型公司都面临一个共同的现实：巨额亏损。这也是在大模型这样一个 " 烧钱 " 的赛道必须要支付的代价。但亏损的结构和背后的原因，则体现了它们不同的商业模式和效率。

根据招股书，智谱 AI 在 2025 年上半年收入约 1.91 亿元人民币，但净亏损高达 23.58 亿元。其研发投入是收入的 8.35 倍，这意味着每获得 1 元收入，就要投入超过 8 元搞研发。

这钱主要烧在了持续训练更强大的基座模型（如最新的 GLM-4.7）、维持庞大的博士研发团队以及支付天价的算力成本上。2025 年上半年，其用于研发的算力服务费就达 11.45 亿元，占研发开支的 70% 以上，这是一条重研发、长周期的基础设施型道路的典型财务表现。

MiniMax 在 2025 年前 9 个月收入 5344 万美元（约合 3.73 亿元人民币），净亏损 5.12 亿美元（约合 35.78 亿元人民币）。它的钱除了投入研发，在早期也大量投在了全球市场的营销和用户获取上，以支撑其 C 端应用的爆炸式增长。2024 年，其销售与市场费用曾占到收入的 285%。

不过，其财务状况正在发生积极变化：毛利率已从 2023 年的 -24.7% 显著改善至 2025 年前三季度的 23.3%。尤其值得注意的是，其面向 B 端企业的开放平台业务，毛利率高达 69.4%，具备健康的盈利潜力。

有分析估算，MiniMax 累计投入约 5 亿美元就实现了多模态技术突破和规模化收入，这笔钱甚至不及某些国内大厂一个季度推广单一 AI 产品的营销费用，这也体现创业公司与大厂不同的成本控制思路。

更值得关注的是，其累计研发投入仅约为 OpenAI 的 1%，却用 385 名员工的精干团队，在全球市场服务了超过 2.12 亿用户，跑出了极高的投入产出比。

但与于美国同行比，中国头部公司的投入规模还是非常克制的。

作为行业的定义者，OpenAI 的投入强度达到了前所未有的量级。2025 年上半年，其营收为 43 亿美元，但研发支出高达 67 亿美元，占营收的 156%。其算力成本更为惊人，仅服务器租赁的年费用就高达 160 亿美元，而为了构建未来的基础设施，公司预计从 2025 年至 2030 年间的计算总支出将超过 1500 亿美元。

这些数字背后，是 OpenAI 为维持技术领先所选择的 " 资本密集型 " 路线，其 2025 年上半年的净亏损达到了 135 亿美元。

作为 OpenAI 最强劲的对手，Anthropic 也采取了相似的重投入战略，但路径略有不同。

它不仅获得了来自微软、英伟达等巨头的高达 150 亿美元的资本支持，更签署了价值 300 亿美元的 Azure 算力采购合同，并计划投资 500 亿美元自建数据中心。

除了通用的模型训练，Anthropic 还与 OpenAI 一同，正将巨资投向 " 强化学习 " 等新训练范式。例如，Anthropic 计划投资 10 亿美元创建 " 企业应用克隆体 " 来训练 AI 成为 " 虚拟同事 "，这也为未来指明了可能的盈利方向。

尽管投入巨大，Anthropic 在细分领域也展现了其商业化效率，API 业务收入在 2025 年已实现对 OpenAI 的反超，在编程等垂直场景凭借 Claude Code 产品也建立了优势。

两家中国公司虽然都面临亏损，但现金储备还算充足。智谱上市募资约 43 亿港元，其中 70% 将继续投入研发。MiniMax 上市预计募资约 38 亿港元，更是计划将 90% 用于未来五年的研发。

这说明，上市对于它们而言，并非单纯的 " 救命钱 "，更是为下一轮更残酷的技术和商业竞赛储备弹药。

而 OpenAI 和 Anthropic 的路径则表明，这场通向 AGI 的竞赛，已经演变为一场由顶尖技术、庞大资本和长期主义共同驱动的超级工程。

每条路线都在赌一个未来：中国公司试图以更高的商业效率和差异化的市场路径穿越周期，而美国巨头则试图用压倒性的资源投入，直接定义下一个时代的技术标准与市场格局。

这几家公司的密集上市筹备，将在人工智能这个关键战略领域的竞争态势清晰地摆上了台面。这不仅仅是公司之间的比赛，更是不同区域不同技术路线、产业路径和发展模式的碰撞。

美国 AI 产业呈现出明显的巨头主导和生态闭环特征。

以谷歌为例，它构建了从自研 AI 芯片（TPU）、深度学习框架（TensorFlow）、大模型（Gemini）到云服务的完整垂直闭环。这种 " 软硬一体 " 的模式效率极高，但技术栈相对封闭，本质上是一场属于巨头的游戏。

OpenAI 虽然独立，但也通过与微软的深度绑定，形成了强大的生态联盟。这种路径追求在尖端技术和生态标准上建立绝对霸权。

中国的 AI 发展则呈现出更丰富的多样性。

在基础层面，面临芯片等供应链约束，产业更倾向于走 " 开源开放、协同创新 " 的路线，通过构建统一标准，整合多元化的国产算力。在模型层面，则诞生了像智谱和 MiniMax 这样路径迥异但都极具代表性的公司。

智谱代表着一种选择：依托深厚的学术积累，攻克通用大模型底座，再通过开源（如 GLM 系列）和技术赋能，在 B 端和 G 端市场寻求突破，承担起基础技术自主化的责任。

但智谱们的挑战不小。前有阿里等深耕 B 端、G 端且具有深厚客户积累的巨头，后有 DeepSeek 这样低调却无处不在的大神级对手。只有在垂直行业深扎，才是破局关键。

MiniMax 则代表了另一种选择：充分发挥中国公司在产品化、快速迭代和洞察用户需求方面的优势，避开在通用底座上与巨头正面 " 卷 " 参数，而是通过打造成功的全球化消费级应用，在市场中找到立足点，并用收入反哺技术。

但对于 Mini Max 们来说，在 C 端市场已有字节这种无可争辩的霸主，在国内依然挑战巨大。或许全球化，才是他们的唯一路径。

智谱和 MiniMax 在 2026 年开年接连上市，向世界展示了中国 AI 产业的两种活法和两种可能：一个扎根底座，深耕国内；一个走向应用，面向全球。

上市不是终点，而是一个更严格考试的开始。这意味着，它们将从一级市场讲 " 未来故事 " 的阶段，进入二级市场用每个季度的财报接受全球投资者审视的阶段。

在世界科技博弈的大背景下，未来的竞争，不仅仅是技术榜单上的分数之争，更是商业化能力、生态构建能力、全球资源整合能力的综合比拼。