這一資本操作模式，與此前英偉達和OpenAI之間的合作模式頗為相似，只是此次軟銀作為新的參與者加入，將巨額資金從英偉達轉(zhuǎn)移至OpenAI。這一動作對美股市場產(chǎn)生了顯著影響，2025年11月初，納斯達克綜合指數(shù)與標普500指數(shù)均錄得近一個月以來的最大單日跌幅，這已是年內(nèi)第二次因AI引發(fā)的市場震蕩。上一次震蕩源于中國大模型DeepSeek-R1的發(fā)布，該模型以遠低于OpenAI的成本，實現(xiàn)了與GPT-4相當?shù)男阅埽⑦x擇開源，引發(fā)市場對OpenAI神話能否持續(xù)的質(zhì)疑，而此次軟銀的操作則進一步加劇了資本市場對美國AI估值合理性的懷疑。
深入分析美國AI發(fā)展現(xiàn)狀，不難發(fā)現(xiàn)其正陷入高估值困局。從估值曲線來看，美國AI尚未出現(xiàn)泡沫破裂跡象，但從泡沫結(jié)構(gòu)分析，其已深陷困境。當前美國AI面臨的核心問題是技術(shù)發(fā)展迅速、收入增長較快，但利潤兌現(xiàn)緩慢，而資本市場的預(yù)期卻已提前延伸至未來5到10年。更為棘手的是，這一困境并非個別企業(yè)的問題，而是美國AI行業(yè)“人力—算力—資本”三條成本曲線同時失衡的結(jié)果。
在人力成本方面，美國AI人才高度集中于少數(shù)頭部企業(yè)，OpenAI、Anthropic、Google DeepMind等公司對博士人才的爭奪導致人才價格飆升。業(yè)內(nèi)普遍認為，一名實力較強的研究科學家年薪輕松超過150萬美元，頂級人才年薪更是高達250萬至300萬美元，meta、OpenAI等明星公司部分AI人才年薪甚至達到千萬美元級別。這意味著一家大模型公司僅核心成員的工資支出，一年就可能超過上億美元。
算力成本同樣高昂。以O(shè)penAI為例，作為全球最成功的Chatbot應(yīng)用，其訓練成本位居全球首位。外界估算，GPT-4的訓練成本在7000萬至1.4億美元之間，而GPT-5的成本預(yù)計更高。Anthropic也面臨類似問題，盡管其收入增長迅速，2025年預(yù)計接近90億美元，但算力和工程成本的增長速度更快，這意味著公司必須不斷加大投入才能維持技術(shù)領(lǐng)先地位。這種依賴持續(xù)加杠桿維持優(yōu)勢的商業(yè)模式，長期穩(wěn)定性存疑。
英偉達作為AI領(lǐng)域最大的“賣水人”，其股價漲幅已遠超利潤增長速度。今年英偉達市值突破5萬億美元后，一旦訓練端和推理端的需求增速放緩，其股價將首當其沖受到?jīng)_擊。年初DeepSeek的發(fā)布已對英偉達造成一定影響，未來國內(nèi)AI企業(yè)如MiniMax或智譜的上市，可能進一步影響其市值。軟銀在英偉達市值高位附近清倉，將利潤落袋為安，轉(zhuǎn)而投資OpenAI，這一選擇反映出美國AI估值敘事已出現(xiàn)動搖，即使是擅長把握科技周期紅利的軟銀，也開始調(diào)整投資策略。
與美國AI形成鮮明對比的是，中國AI在估值結(jié)構(gòu)和成本效率方面展現(xiàn)出獨特優(yōu)勢。海外報告指出，2023至2025年中國頭部云廠商的AI資本開支總和比美國同行低82%，且從投資回報率角度看，中國AI遠超美國，發(fā)展?jié)摿Ω蟆Ｐ袠I(yè)人士表示，美國用戶付費意愿較高，但成本結(jié)構(gòu)問題突出，而國內(nèi)部分團隊在商業(yè)化方面進展更快，例如MiniMax在海外擁有大量月活用戶，其中付費用戶占比較高，且訓練成本遠低于OpenAI，顯示出明顯的模式優(yōu)勢。
中國AI企業(yè)走的是一條務(wù)實發(fā)展路線，以“低成本高性能”為核心競爭力。低成本不僅體現(xiàn)在推理成本降低，更體現(xiàn)在通過模型架構(gòu)創(chuàng)新降低訓練成本。與美國企業(yè)追求模型參數(shù)規(guī)模不同，中國大模型企業(yè)更注重在相同規(guī)模下提升模型性能、加快推理速度、增強穩(wěn)定性并降低成本。DeepSeek的成功便是這一路線的典型代表，其通過工程化提效、算子優(yōu)化、異構(gòu)訓練和混合精度等底層技術(shù)投入，證明了在大模型競爭中，算力使用效率同樣關(guān)鍵。
這一思路深刻影響了中國AI企業(yè)的模型競爭策略。報告顯示，中國大模型能力已不遜色于全球領(lǐng)先的GPT-5，例如MiniMax的M2模型僅比GPT-5落后10%。MiniMax在架構(gòu)創(chuàng)新方面表現(xiàn)突出，M1模型采用Linear Attention架構(gòu)，以最小算力追求最大性價比；M2模型則回歸Full Attention架構(gòu)，強調(diào)模型穩(wěn)定性和復(fù)雜任務(wù)處理能力。這種根據(jù)產(chǎn)品場景需求靈活調(diào)整架構(gòu)的策略，體現(xiàn)了實用為先的邏輯，而非單純追求技術(shù)炫技。
MiniMax的M1模型技術(shù)報告顯示，其強化學習階段僅花費約54萬美元，使用512塊H800芯片訓練三周即完成。接近MiniMax的消息人士透露，該公司估值邏輯建立在架構(gòu)創(chuàng)新基礎(chǔ)上，即“用更少的錢實現(xiàn)同級別訓練效果”。這種務(wù)實路線使中國AI企業(yè)在商業(yè)化方面進展更快，與美國企業(yè)“先做強模型再尋找場景”的邏輯不同，中國企業(yè)通常先確定產(chǎn)品場景，訓練適用模型并快速推向市場，再通過用戶反饋驅(qū)動模型迭代。這一方法在消費端效果顯著，MiniMax成為中國最早實現(xiàn)大規(guī)模付費用戶的廠商之一，其產(chǎn)品以服務(wù)真實用戶為導向，而非單純展示技術(shù)實力。
消息人士稱，MiniMax目前商業(yè)化最成熟的是多模態(tài)模型，涵蓋語音、音樂和視頻模型。行業(yè)人士表示，MiniMax在海外市場的日活躍用戶數(shù)和付費率均保持健康水平，且模型訓練成本遠低于OpenAI，商業(yè)閉環(huán)已初步形成。在挑戰(zhàn)OpenAI的競爭中，MiniMax在技術(shù)、產(chǎn)品和商業(yè)化三個維度均表現(xiàn)突出，但同時也形成了差異化發(fā)展路徑。
MiniMax與OpenAI在商業(yè)模式上均采用“訂閱收入+API調(diào)用”的雙輪驅(qū)動模式，據(jù)外媒報道，MiniMax年經(jīng)常性收入已達1億美元規(guī)模，多家頭部企業(yè)正在使用其API服務(wù)。然而，MiniMax的獨特之處在于其發(fā)展路徑，它不將AI定位為“未來十年的操作系統(tǒng)”，而是聚焦于“未來三年的超級產(chǎn)品閉環(huán)”。OpenAI正將多種智能體能力整合至ChatGPT平臺，并打通外部鏈接入口，構(gòu)建覆蓋文本、語音、視頻、推理、工具鏈和算力平臺的龐大體系，這種“長線OS化”路線需要長期資本和算力支持，節(jié)奏較為沉重。
相比之下，MiniMax采取完全相反的策略，其產(chǎn)品發(fā)布戰(zhàn)略圍繞語音、音樂、視頻生成和文本模型構(gòu)建能力矩陣，這些能力并非孤立發(fā)展，而是服務(wù)于同一目標：快速實現(xiàn)產(chǎn)品落地和商業(yè)化，而非構(gòu)建未來平臺。這種差異不僅源于路徑選擇，更得益于結(jié)構(gòu)性成本優(yōu)勢。報告指出，同等智能水平下，中國模型價格普遍低于美國模型，這種成本優(yōu)勢在應(yīng)用市場競爭中構(gòu)成“降維打擊”，有助于中國模型快速滲透全球市場。
