“极致效率”正在成为中国大模型的竞争优势。

美国资本市场近期对于AI资本支出和收入之间巨大差距的质疑正在进一步发酵，这也导致一些巨头的股价出现了明显波动。

IPO早知道发现，自10月27日至11月7日的两周之内，在“M7”公司中，微软股价已下调约5%、META的股价下调约16%，此外，Oracle的股价已下调约15.6%。

让市场进一步焦虑的是OpenAI的CEO Sam Altman在播客BG2上(11月1日)的一段回——当主持人、投资人Brad Gerstner问Altman如何看待市场对于1.4万亿美元的资本支出和大约130亿美元的营收差之时，Altman首先表示，OpenAI的年收入比这个要高（差不多200亿美元），然后便“怼”了回去：“Brad你要是想卖OpenAI的份额，我给你找买家，（买家）有的是。”

Brad Gerstner（右上）播客（来源：BG2@youtube）

而这段视频的剪辑随后在社交媒体上进一步发酵。上周五，Brad在All-in播客上也回应道，之所以有这么大的“流量“，是因为“收入和基础设施投入之间的差”这个问题过于重要。

就在美国市场对于AI泡沫破裂的担忧情绪中，中国AI企业却“悄悄地”追了上来。

中国AI模型的赶超

近一段时间以来，国内AI大模型公司接连发布了自己最新的模型产品。结合最新的MiniMax M2语言模型以及此前月之暗面发布的Kimi K2-thinking开源模型，再加上阿里的Qwen、DeepSeek、智普GLM等模型，从受全球开发者的欢迎程度来看，中国头部AI模型已经在身为上逐渐逼近甚至在某些纬度上领先于“OpenAI们”。

在All-in上周更新的播客中，主播、投资人Chamath Palihapitiya就透露，自己的孵化器8090在用Cursor 2.0，“你知道（Cursor）他们做了什么？他们用一款中国的开源模型替换掉了Anthropic。”

在全球范围内，越来越多的公司正在将以中国的开源模型作为底座。近期在A16Z播客中，知名AI分析师、创业者Nathan Labenz发现，80%的新兴AI创业公司正在使用中国的开源模型。

而此次MiniMax M2的发布再次反映了中国模型的吸引力。在HuggingFace，MiniMax这样描述：M2是一款紧凑、快速、且具性价比的MoE模型（总参数2300亿，激活参数100亿），专为在编程与智能体任务上实现卓越表现而打造，同时保持强大的通用智能。仅100亿激活参数，MiniMaxM2 就能提供当今顶尖模型所具备的成熟、端到端的工具使用能力，但以更精简的形态呈现，使部署与扩展比以往更容易。

最新一周Openrouter的排名显示，MiniMax M2已经成为调用Token最多的开源模型，而排在前面的三个版本的模型分别来自于xAI、Anthropic和谷歌，均为闭源模型。

来源： OpenRouter

在Token使用的市场份额方面，OpenRouter的11月9日数据显示，市场份额排名前9的模型4家来自中国公司，其中MiniMax的份额排名仅次于xAI、谷歌、Anthropic和OpenAI。而且，上榜中国公司的模型均为开源模型。

来源： OpenRouter

AI模型竞争：从“大力出奇迹”到“极致性价比”

今年年初DeepSeek在全球范围内的“爆火”直接改变了中国科技的叙事。凭借独特的工程能力和算法，DeepSeek为代表的中国开源AI大模型在性能十分接近的情况下，在训练成本上存在碾压优势。这也直接引发对中国资产的新一轮重估：上证指数已经站上了4000点，而港股也迎来了IPO项目数量和二级市场头部公司股价的爆发。

回过头来看，DeepSeek实际上完成了一次对AI模型乃至科技公司估值的“叙事转变”：最好的模型不一定来自美国，也不一定是闭源的，关键是性价比与高效。而DeepSeek R1的推出，大大降低了普通用户和小团队开发者调用领先大模型的成本。

而随着AI应用开发者日益繁荣，中国AI模型的“效率”路线优势正在延续。

以MiniMax刚刚发布的M2模型为例，计算机科学家吴恩达（Andrew Ng）的AI学习网站DeepLearning.AI在上周发布的周报文章中特别比较了目前几大模型在性能（AA标准）和token成本上的分布：在性能层面，GPT-5 的两个版本模型领先市场，但问题是其token成本却远远落后；而在第一象限（成本、性能综合领先）中的模型，MiniMax 的M2与Grok 4 Fast难分伯仲（见下图）。

来源：DeepLearning.AI

而且，除了调用token的推理成本差别。据科技媒体theVerge，Grok 4的训练成本大约4.9亿美元，相比之下，的MiniMax披露其M1模型的训练成本大约在54万美元，训练相差数百倍。

尽管OpenAI们以AGI为终极目标，但对创业公司而言，如此量级的成本差异很难不改变市场的思考方式。

关于“这为什么重要”，DeepLearning.AI在文章中认为：要开发可靠的智能体应用，需要不断试验提示词、工具以及任务分解的各种组合与排列，这会产生大量的 tokens。像 MiniMax-M2 这样既省成本又具备智能体能力的模型，可以帮助更多小团队在智能体领域进行创新。

而在“造血”方面，据IPO早知道了解，MiniMax的商业化进程也在高速推进中。据报道，MiniMax的ARR已超1亿美元门槛，是年化可持续收入和国际化收入最高的中国公司。

另据MiniMax早期投资人透露，相比于国内其他大模型厂商，MiniMax的营收更市场化，现金流更健康，“这也是其估值增长能够领跑的重要原因之一”。

市场有分析指出，目前AI底层技术仍处在高速迭代发展之中，产业链价值中枢倾向于于技术甚至是底层基建（“今年以来美股涨幅最高的公司中，有多家是存储和数据中心基建等硬件公司”），而产品的大规模爆发通常是在技术成熟稳定、迭代放缓之际。

从组织形态来看，实现这一“ROI”优势的背后，是MiniMax技术和产品双轮驱动的结果——这与团队基因、组织形态和其在工程及算法上的技术都有密切关系。MiniMax创始人闫俊杰此前曾在商汤科技担任高管，见证了中国AI企业在技术和商业化上的几波浪潮，对商业化和技术优势之间如何平衡有更多切身体会。

中国AI模型公司被低估了？

而从资本化节奏来看，目前OpenAI已明确表示近期无IPO计划，投资者只能通过一级市场老股转让（或者少部分代币化股权）来参与投资OpenAI。此前外媒报道称MiniMax已于今年7月向港交所秘交招股书，最快将于今年第四季度赴港上市；与此同时，智谱AI也被报将同时准备在香港和A股上市，这意味着中国AI大模型公司有望率先登录港股这一面向中国内地和海外资金来源的资本市场。

美国二级市场的投资者对AI巨头们的风吹草动已经“极度敏感”，背后原因之一正是对美国AI巨头“资本开支与营收不成比例”这一问题的担忧，最终直接体现为巨头市值们的频繁波动。

投资人Azeem Azhar认为，衡量AI泡沫的大小，最关键的指标是AI带来营收的增速能否赶得上AI基础设施投入的增速。而他认为AGI并不会以想象的方式到来，目前的更多是“信仰“和“心理”层面。而且，他还指出，目前美国AI巨头的数据中心融资实际上发生在表外，这都不是乐观的指标。

而相比之下，中国AI大模型企业无论是在模型的训练和商业化的投入产出比，还是调用模型的性价比上，都具有明显优势。

站在更长期视角，中国高效的能源基础设施和工程人才，让在AI的竞争中优势极其明显。

硅谷AI分析师Dwarkesh Patel在文章中指出：如果在2030年之前没有出现纯软件的智能爆炸，而AI只是变成了一场涵盖从机器人到太阳能电池板、电池再到钢铁的整个供应链的大规模工业竞赛，那么为什么最终不是中国领先呢？中国的差异化优势不正是这种快速和大规模的基础设施建设吗？

黄仁勋近期甚至直接告诉FT：“中国将赢得人工智能竞争。”

倘若如此，来到二级市场的中国头部大模型公司市值对标OpenAI（约5000亿美元）、Anthropic（约1830亿美元），并非不可想象。

本文为IPO早知道原创

作者｜MD

微信公众号｜ipozaozhidao

本文来源：IPO早知道