題圖｜視覺中國

黃仁勛和奧特曼之間的“資本游戲”升級了，這次還多了一個(gè)新玩家——軟銀。

本周二，軟銀清倉英偉達(dá)，套現(xiàn)58億美元，遠(yuǎn)超市場平均預(yù)期的4182億日元（約等于27億美元）；更微妙的是，這筆交易發(fā)生在英偉達(dá)市值沖上5萬億美元高點(diǎn)后僅一周半。

當(dāng)全市場都在揣測軟銀“高位兌現(xiàn)”的真實(shí)動(dòng)機(jī)時(shí)，軟銀宣布將加注OpenAI，并直言“英偉達(dá)是軟銀最大的銀行”。CFO后藤芳光（Yoshimitsu Goto）這句話的含義不言自明——英偉達(dá)，是軟銀當(dāng)下所有AI野心的現(xiàn)金來源。

來源：The Guardian《衛(wèi)報(bào)》

這一幕聽起來似乎有些耳熟。它幾乎可以堪稱英偉達(dá)和OpenAI“左手倒右手”模式的放大版。

讓筆者來解讀一下，如果說之前英偉達(dá)的萬億市值，聽起來更像是黃仁勛和奧特曼合作的一場精密的資本劇本；

那么這次，軟銀就像是個(gè)超級玩家，將幾十億美金繞了一圈，從黃仁勛的口袋轉(zhuǎn)移進(jìn)了奧特曼的腰包里。

這一劑量下去，當(dāng)然對美股產(chǎn)生了不小的影響。

要知道就在2025年11月初，Nasdaq Composite與S&P 500均錄得近一個(gè)月以來的最大單日跌幅。

這已經(jīng)是2025年第二次因AI引發(fā)的市場震蕩——上一次，還是在春節(jié)前，中國大模型DeepSeek-R1橫空出世。DeepSeek用遠(yuǎn)低于OpenAI的成本，做出了可媲美GPT-4的模型，并選擇開源。

那是資本第一次認(rèn)真思考：也許OpenAI的神話，并非不可挑戰(zhàn)。而這次則更是讓資本市場二次質(zhì)疑：美國的AI估值，究竟被高估到何種程度？

在長期追蹤AI的過程中，筆者愈發(fā)發(fā)現(xiàn)中美正站在兩條分岔路口。以下將結(jié)合這一年的全球AI格局，剖析美國AI正遭遇的瓶頸與困局，并在這一對比下，從技術(shù)、產(chǎn)品到商業(yè)模式，逐層解析中國AI如何在壓強(qiáng)增長中完成“反向突破”。

美國AI的高估值困局

美國的AI泡沫真要破了嗎？

如果只看估值曲線，大概還談不上“破裂”；但如果從泡沫結(jié)構(gòu)來看，美國AI其實(shí)已經(jīng)踩進(jìn)一個(gè)越來越深的高估值困局。

目前，美國AI整體面臨的困境是：技術(shù)沖得快，收入漲得也快，但利潤兌現(xiàn)極慢，而資本的預(yù)期卻已經(jīng)提前飆到未來5～10年。

更麻煩的是，這還不是某家公司的問題，而是美國AI的“人力—算力—資本”三條成本曲線同時(shí)開始失衡。

先說“人”。美國的AI人才本來就呈現(xiàn)極端集中：OpenAI、Anthropic、Google DeepMind都在搶同一批博士，導(dǎo)致人才價(jià)格一路狂飆。

一個(gè)業(yè)內(nèi)共識是，一個(gè)強(qiáng)一點(diǎn)的research scientist年包輕松150萬美元起步，頂級梯隊(duì)甚至能做到250～300萬美元。這些還都不是特例，而是行業(yè)常態(tài)。甚至，Meta、OpenAI這類明星公司，AI人才的年薪部分高達(dá)千萬美金。

于是，一個(gè)大模型公司幾十名核心成員，光工資一年就要燒掉上億美元。

除了人貴，算力更貴。OpenAI是全球做得最好、也是付費(fèi)率最高的Chatbot應(yīng)用，這點(diǎn)毫無疑問；但它的訓(xùn)練成本同樣也是全球第一。

有外界估算，GPT-4的訓(xùn)練成本在7000–1.4億美元，而GPT-5只會更高。同樣，Anthropic也是一個(gè)典型樣本。一邊是增長極快的收入，據(jù)外媒報(bào)道，2025年預(yù)計(jì)接近90億美元；另一邊是不斷擴(kuò)大的算力需求，用來維持訓(xùn)練迭代。這意味著它的收入在增長，但算力和工程成本增長得更快。

也就是說，無論是OpenAI還是Anthropic，他們都必須不斷加杠桿才能維持領(lǐng)先。市場之所以緊張，是因?yàn)槿魏涡枰俺掷m(xù)加杠桿”才能維持技術(shù)優(yōu)勢的商業(yè)模式，都很難在長期跑得穩(wěn)。

英偉達(dá)的例子同樣說明問題。它當(dāng)然是AI最大的“賣水人”，但股價(jià)上漲的速度已經(jīng)遠(yuǎn)遠(yuǎn)超過了利潤兌現(xiàn)。

今年英偉達(dá)沖上5萬億美元市值之后，一旦訓(xùn)練端和推理端的需求增速出現(xiàn)任何松動(dòng)，英偉達(dá)就是最先感到?jīng)_擊的企業(yè)。就像年初DeepSeek給英偉達(dá)帶來的沖擊一樣，未來可能影響到英偉達(dá)市值的因素則有可能是國內(nèi)AI六小龍的上市，如MiniMax或智譜。

軟銀的態(tài)度也很說明問題——在市值頂部附近迅速清倉英偉達(dá)，把賬面利潤抽走，轉(zhuǎn)身投向OpenAI。這不是看空AI，而是重新選擇在價(jià)值鏈中更靠前的位置站隊(duì)。

換句話說，連慣于在科技周期中吃盡紅利的軟銀都開始“換座位”，這說明美國AI的估值敘事已經(jīng)開始動(dòng)搖。

而相比之下，中國AI的估值構(gòu)成則完全不同。

從成本的角度，中國AI已經(jīng)在現(xiàn)有的壓強(qiáng)下盡力追趕，甚至還有反超的可能性。有海外Franchise報(bào)告指出，中國頭部云廠商23-25年的AI資本開支(Capex)總和，比美國同行低了82%。且該報(bào)告還指出，從投資回報(bào)率（ROI）的角度，中國遠(yuǎn)超美國，甚至更有潛力。

來源：Jefferies Franchise Report

另有行業(yè)人士也對虎嗅表示：“現(xiàn)在業(yè)內(nèi)的共識是，美國用戶付費(fèi)意愿確實(shí)高，但還得看成本結(jié)構(gòu)。”

他接著補(bǔ)充：“反倒是國內(nèi)某些團(tuán)隊(duì)商業(yè)化跑得更快。我認(rèn)為在C端，真正把商業(yè)模式做通的其實(shí)只有MiniMax。他們在海外的月活非常高，而且一大部分是付費(fèi)用戶。關(guān)鍵是，他們的訓(xùn)練成本遠(yuǎn)低于OpenAI。這就是模式優(yōu)勢?！?/p>

其背后的潛臺詞已經(jīng)足夠明確：不是美國不賺錢，而是美國的“成本曲線”太陡，而中國的“效率曲線”反而更平。

中國AI的務(wù)實(shí)派路線：從DeepSeek到MiniMax

與美國AI的“高估值+高賭注”模式不同，中國AI走的是“務(wù)實(shí)”風(fēng)。

首先，中國AI公司整體估值沒那么高。與海外OpenAI、Anthropic等明星AI公司動(dòng)輒上百億美元的估值對比，中國大模型獨(dú)角獸的估值最高僅幾十億美金。

在這種顯性的估值對比下，國內(nèi)AI自從2025年DeepSeek橫空出世后，務(wù)實(shí)的路徑更加清晰。

而所謂的務(wù)實(shí)派即“低成本高性能”。其中低成本一方面指推理成本降低，另一方面指通過模型架構(gòu)創(chuàng)新來降低訓(xùn)練成本。

中國大模型的轉(zhuǎn)向最直觀地體現(xiàn)在“參數(shù)不是第一優(yōu)先級”這一點(diǎn)上。過去兩年，美國模型廠商幾乎默認(rèn)以規(guī)模取勝，從70B、400B一路往萬億參數(shù)沖；

而國內(nèi)廠商很快發(fā)現(xiàn)，這條路徑在中國并不現(xiàn)實(shí)：無論是算力價(jià)格、電力供給、數(shù)據(jù)中心布局，還是融資規(guī)模和資本周期，中國完全沒有條件走美國式的“高賭注”路線。

因此，中國公司的策略變成了：不是堆更大的模型，而是把同樣規(guī)模的模型訓(xùn)練得更好、推得更快、跑得更穩(wěn)、成本更低。

DeepSeek的出現(xiàn)是分水嶺。

但它的成功不是偶然，而是工程化提效、算子優(yōu)化、異構(gòu)訓(xùn)練和混合精度等一整套底層投入的結(jié)果。它證明了一件非常重要的事：大模型的競爭不一定是“誰更大”，也可以是“誰更聰明地用算力”。

這種思路，直接加速了后續(xù)幾乎所有中國AI企業(yè)的模型競爭策略。

據(jù)該Franchise報(bào)告，在模型效果上，中國大模型能力完全不輸全球最強(qiáng)模型GPT-5，其中MiniMax M2模型僅略遜于前者10%。也就是說，在“誰更聰明地用算力”這件事上，中國的大模型公司已經(jīng)派出了代表。

今年以來，MiniMax將架構(gòu)創(chuàng)新發(fā)揮到了極致：M1用Linear Attention，用最少的算力追求最大的性價(jià)比；M2又回到Full Attention，強(qiáng)調(diào)模型穩(wěn)定性和更復(fù)雜任務(wù)的表現(xiàn)。

盡管切換架構(gòu)在行業(yè)內(nèi)被解讀為“開倒車”，但實(shí)際上從成本、性能、效率三者平衡的角度來看，是為了滿足產(chǎn)品場景的真實(shí)需求——海外用戶長對話、多輪推理、工具調(diào)用需求高，F(xiàn)ull Attention在這些任務(wù)上的穩(wěn)定性遠(yuǎn)勝于Linear。這種選擇不是炫技，而是實(shí)用為先的邏輯驅(qū)動(dòng)。

再看訓(xùn)練成本，MiniMax M1模型發(fā)布后，其技術(shù)報(bào)告清晰地向大眾告知了其模型的訓(xùn)練成本。報(bào)告顯示，M1的強(qiáng)化學(xué)習(xí)階段只花了約54萬美元、用512塊H800訓(xùn)練僅三周。

MiniMax M1技術(shù)報(bào)告來源：Github

當(dāng)然也有接近MiniMax方面知情人士向虎嗅透露道，“MiniMax的估值邏輯與國內(nèi)其他AI獨(dú)角獸都不同，這家公司的高估值是建立在架構(gòu)創(chuàng)新基礎(chǔ)上的，‘用更少的錢跑出跟別人同級別的訓(xùn)練效果’，是MiniMax目前在技術(shù)上的主線”。

相得益彰的是，正因?yàn)檫@種務(wù)實(shí)路線，中國AI在商業(yè)化上的速度反而更快。從這點(diǎn)來看，美國的大模型公司的邏輯幾乎都把商業(yè)化放在第二階段：先把模型做到最強(qiáng)，再去找場景。

但國內(nèi)公司通常是反過來的：相比于海外的“拿著錘子找釘子”的邏輯，國內(nèi)更傾向于先選定明確的產(chǎn)品場景，把模型訓(xùn)練得夠用好用，迅速推向市場，再用真實(shí)用戶反饋驅(qū)動(dòng)模型迭代。

這種方法論在ToC端尤其明顯。MiniMax之所以能成為中國最早跑通大規(guī)模付費(fèi)用戶的廠商之一，就是因?yàn)樗漠a(chǎn)品不是為了展示技術(shù)，而是為了服務(wù)真實(shí)用戶。

有接近MiniMax方面知情人士向虎嗅透露道，“MiniMax目前商業(yè)化路線最成熟的是多模態(tài)模型，其中包括語音模型、音樂模型和視頻模型。”

另有行業(yè)人士對虎嗅表示，“MiniMax在海外市場DAU、付費(fèi)率都維持在非常健康的區(qū)間，而模型訓(xùn)練成本卻遠(yuǎn)低于OpenAI。這意味著它的商業(yè)閉環(huán)是成立的?！?/p>

中國有誰能挑戰(zhàn)OpenAI？

OpenAI正在逐漸演變成一個(gè)“參照物”。無論是模型能力、產(chǎn)品形態(tài)，還是商業(yè)化路徑，它都已為全球AI公司樹立了某種標(biāo)準(zhǔn)動(dòng)作。

MiniMax 在很多方面最像 OpenAI，在技術(shù)、產(chǎn)品、商業(yè)化方面“三線全過關(guān)”，但在一些關(guān)鍵維度上又不像它。

一個(gè)有趣的對比是：MiniMax在很多方面最像OpenAI，但在一些關(guān)鍵維度上又不像它。

先來看兩者的相似之處。MiniMax和OpenAI都構(gòu)建了“訂閱收入+ API調(diào)用”的雙輪驅(qū)動(dòng)商業(yè)模式。

據(jù)外媒報(bào)道，MiniMax今年的ARR已經(jīng)達(dá)到1億美元規(guī)模。而虎嗅從多方渠道注意到，包括某頭部視頻平臺、某大型教育科技公司以及一家全球語音通訊服務(wù)商，都在與MiniMax進(jìn)行API形式的合作。這表明它的能力已經(jīng)能夠?yàn)橥獠科髽I(yè)提供穩(wěn)定供應(yīng)能力。

但如果只停在“商業(yè)模式相似”，那MiniMax就只是跟隨者。

真正讓它具備挑戰(zhàn)OpenAI的可能性，是它所代表的另一條中國路徑：不是把AI做成“未來十年的操作系統(tǒng)”，而是把AI做成“當(dāng)下三年的超級產(chǎn)品閉環(huán)”。

虎嗅注意到，自GPT-5發(fā)布后，OpenAI的產(chǎn)品路線正在悄然發(fā)生變化，其已經(jīng)逐漸將多種智能體能力都整合在ChatGPT平臺上，不僅如此，ChatGPT甚至還打通了與外部鏈接的入口。

而背后的邏輯正是“長線OS化”，即構(gòu)建一個(gè)覆蓋文本、語音、視頻、推理、工具鏈再到算力平臺的巨大體系。這種路線當(dāng)然具備一定優(yōu)勢，但節(jié)奏沉重，需要漫長的資本和算力周期支撐。

相反，MiniMax走的是另一條完全相反的路線。

先縱觀MiniMax的產(chǎn)品發(fā)布戰(zhàn)略，它不是把多模態(tài)當(dāng)作孤立產(chǎn)品線，而是把語音模型、音樂模型、視頻生成模型與文本模型一起，構(gòu)成一個(gè)可快速落地的能力矩陣。這些能力看似分散，實(shí)際上圍繞的是同一個(gè)目標(biāo)：讓模型立即成為產(chǎn)品，立即商業(yè)化，立即推向市場，而不是成為未來的平臺。

也就是說，OpenAI在定義更長遠(yuǎn)的AGI，而MiniMax則是一邊實(shí)現(xiàn)AGI，一邊抓住未來商業(yè)化關(guān)鍵的三年窗口期。?

值得注意的是，這種差異并不僅來自路徑選擇，更來自結(jié)構(gòu)性成本優(yōu)勢。上述報(bào)告指出，在同等智能水平上，中國模型的價(jià)格普遍低于美國模型。換句話說，在應(yīng)用市場的正面競爭中，中國團(tuán)隊(duì)往往以更低成本提供同等級能力，這對商業(yè)化而言幾乎是一種“降維打擊”，會讓全球市場在短期內(nèi)更容易被中國模型快速滲透。

圖源：OpenRouter

而在此前提下，再疊加算力可控和訓(xùn)練成本低等優(yōu)勢，以MiniMax為代表的中國AI模型便正好踩中了一個(gè)非常罕見的時(shí)間窗口——在OpenAI忙著追逐AGI和構(gòu)建未來超級系統(tǒng)的時(shí)間縫隙中，國內(nèi)AI正好可以在短期的3～5年內(nèi)做應(yīng)用、做生態(tài)、做用戶。

與此同時(shí)，國內(nèi)幾家頭部玩家也逐漸拉開了差異化的格局。阿里Qwen依托阿里云的算力體系與企業(yè)服務(wù)能力，在政企、金融、制造等場景中形成了深度落地，其模型版本更新快、穩(wěn)定性強(qiáng)，為中國的大模型基礎(chǔ)設(shè)施提供了穩(wěn)固底盤。

而在如今的大模型六小龍之中，Kimi在長文本能力上保持優(yōu)勢，提供高質(zhì)量的泛內(nèi)容體驗(yàn)、資料整理能力和大文本交互體驗(yàn)；而作為最早提出“國內(nèi)版OpenAI概念”的智譜，則是在模型技術(shù)路線以及ToB部署上保持扎實(shí)節(jié)奏，其企業(yè)合作廣度在行業(yè)領(lǐng)先。

這些公司都在中國AI的版圖中扮演關(guān)鍵角色，也分別滿足產(chǎn)業(yè)鏈的不同側(cè)面需求。

回到最開始的核心問題上，我們來重新審視今天的國內(nèi)AI格局，會發(fā)現(xiàn)“誰能挑戰(zhàn)OpenAI”這個(gè)問題的答案顯而易見。

本內(nèi)容由作者授權(quán)發(fā)布，觀點(diǎn)僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯(lián)系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4805292.html?f=wyxwapp