理解MiniMax：最轻的 AI 公司，干着最重的生意

一、朴素的疑问

上周五，在上海参加了一场腾讯云举办的 2026 年峰会活动。

因为工作的原因，过去几年主要参加Web3 行业的活动，传统的互联网大厂的线下展，参加的还真不多。

主论坛的演讲台上，讲的内容是：云基础设施怎么演进，大模型能力如何升级，企业场景怎么落地，生态伙伴如何协同，下一轮 AI 应用会从哪里冒出来。

除了腾讯云自己的分享， MiniMax 的负责人也来介绍其最新的动态，台下我想到的，却是一个极度朴素的问题：类似MiniMax 这样的大模型公司，他们到底靠什么赚钱？

以MiniMax为代表的大模型公司，很有意思。

他们不像传统企业那样，拥有厂房、设备和土地；也不像传统互联网平台，靠流量和网络效应赚取高额收益。

根据公开披露，到 2025 年末，MiniMax 的物业、厂房及设备约为 157 万美元，公司在上市文件中也将自身概括为一种"轻资产商业模式"，关键计算基础设施主要由外部供应商拥有和维护；但同一年，它的提供服务成本约为 5810 万美元，研发开支约为 1.94 亿美元，经调整净亏损约为 2.51 亿美元。

我突然觉得，MiniMax 这类大模型公司最值得讨论的地方，未必只是模型能力，开源策略或者产品热度，而是它可能代表了一种新的企业形态：表内很轻，经营很重。

二、轻与重之变

轻与重，这不是一个只关于 MiniMax 的问题。它其实是在讨论：今天这一代 AI 公司，和传统企业、传统互联网公司，有什么本质上的不同？

传统企业的"重"，是看得见的重。你走进一家制造业公司，眼前是厂房、设备、流水线、仓储、土地，这些东西会沉甸甸地压在资产负债表上，它的生产组织方式首先发生在物理世界里，所以它的"重"，是一种很直观的重。

互联网公司来了，它们不需要那么多机器和厂房，也不靠重型设备去完成生产，它的资产很轻，但运营重。在流量获取、用户时长、平台生态、渠道能力和网络效应，它要持续争夺入口，持续留住用户，持续维持系统运转。

很多头部大模型公司并不自己大规模持有底层硬件资源，从这个角度看，它当然算轻资产公司。

但它也不像成熟互联网平台那样主要依赖流量和运营来放大利润，模型训练要钱，推理调用要钱，研发迭代要钱，工程优化要钱，全球分发和产品竞争同样要钱。

以MiniMax 为例，MiniMax 2025 年收入约为 7903.8 万美元，但提供服务成本约为 5810 万美元，相当于收入的 73.5%；研发开支约为 1.94 亿美元，相当于收入的 245.5%；经调整净亏损约为 2.51 亿美元，相当于收入的 317.6%。如果只看提供服务成本和研发开支两项，合计已经相当于收入的约 319.0%。

这是一门又轻又重的生意：它的"轻"，体现在资产形态上；它的"重"，体现在经营实质上。

过去十多年里，我们习惯于用 SaaS 或者互联网平台的眼光去看新技术公司了。大家一看到没有厂房，没有重设备，没有自建大规模机房，就很容易下意识觉得，这是一门天然高毛利、边际成本不断下降、规模化之后会越来越舒服的生意。

但大模型并不完全是这样。

传统 SaaS 的边际成本，在很多场景里确实可以压得比较低；而大模型不是。用户越多，调用越频繁，任务越复杂，上下文越长，背后的推理成本就越真实。尤其是进入 Agent、多轮任务和多模态处理之后，公司卖给客户的虽然是"智能"，自己承担的却是非常具体的 GPU 成本、缓存占用、网络延迟和系统调度损耗。

所以，大模型公司不是传统意义上的重资产企业，但也不是那种"代码写完就可以躺着赚钱"的轻松软件公司。

三、护城河是什么

今天很多人谈大模型公司的壁垒，第一反应还是算法。这当然没错，算法当然重要。但如果今天还只把护城河理解成"谁模型更强"，那已经不够了。

2023 年前后，大模型行业的竞争还带着很强的"发明竞赛"色彩：谁参数更多，谁 benchmark 更好，谁模型更先进，谁就更容易获得市场关注。

可到了 2025 年、2026 年，行业已经明显变了。模型仍然在快速迭代，但能力差距在收敛，技术扩散速度在加快，API 定价也在快速透明化。

今天的大模型战争，早就不只是"谁做出了模型"，而是“谁能把模型变成一种可持续、可扩张、而且越来越便宜的能力"。

如果从这个角度看，MiniMax 这类公司的竞争力，至少有四个层面。

第一个层面，是系统工程能力。

MiniMax 在公开材料中提到，其推理 MFU 超过 75%，高于行业常见的 40% 到 50% 区间，并强调训练与推理资源统筹、跨集群负载均衡等能力。翻译成人话，便是：同样一批 GPU，别人只能跑出 100 分的产出，你能不能跑出 140 分？

这件事为什么重要？因为今天大模型公司表面上卖的是模型服务，本质上卖的却是一笔笔被切分出来的机器时间。客户买的是回答质量、响应速度和任务完成率，公司承担的是 GPU 成本、缓存浪费、带宽开销和系统调度损耗。谁能把同样的硬件压榨出更多有效产出，谁就更接近盈利。

第二个层面，是产品和分发能力。

如果只从工程师视角看，模型能力足够强，价格足够低，好像就能赢。但商业世界从来不只是技术世界。

根据公开披露，MiniMax 2025 年收入中约 67.2% 来自 AI 原生产品，约 32.8% 来自开放平台和企业服务，海外收入占比约 73%。也就是说，它现在的收入主轴仍然更偏向产品端，而不是一个纯粹依赖企业 API 收费的模型公司。这个结构本身很说明问题：它不是只在卖底层能力，而是在同时争夺用户入口、开发者生态和企业客户。

这一点非常关键。模型只是发动机，不是整辆车。真正能形成护城河的，不只是你有没有发动机，而是你能不能把它装进用户愿意持续使用，企业愿意持续付费，合作方愿意持续接入的产品体系里。

过去很多技术公司不是死在技术本身，而是死在没有入口，没有分发，没有稳定场景。AI 行业同样如此。技术能力越来越普及，产品位置和用户心智反而越来越稀缺。MiniMax 这类公司如果最终能建立长期价值，靠的不会只是"模型能力领先"，而是"模型能力能否变成产品留存、企业续费和平台调用"。

第三个层面，是数据和反馈闭环。

开源可以复制权重，但复制不了真实使用过程。你可以下载模型，理解论文，利用开源框架快速部署相似能力，却很难复制另一家公司在海量真实交互中积累下来的失败样本、偏好数据、复杂任务轨迹和产品反馈。

MiniMax 披露，其服务覆盖 200 多个国家和地区，累计用户约 2.36 亿，企业客户及开发者约 21.4 万。 这些数字未必自动等于利润，但它们至少说明，这家公司有机会建立一个真实而持续的反馈网络。对于 AI 产品来说，这种反馈网络不是锦上添花，而是下一轮优化和商业化的地基。

第四个层面，是全球化的组织能力。

今天中国很多 AI 公司都在卷榜单、卷价格、卷参数，但真正难的是把产品和平台做成一门跨地域、跨法域的全球生意。MiniMax 海外收入占比高达 73%，这至少意味着它并不只是一个困在本地市场内卷的故事。 全球化当然会带来更复杂的合规、内容治理和分发挑战，但反过来看，谁能真正把全球市场跑通，谁就更有机会摊薄成本、扩大反馈网络，并形成更强的生态位置。

四、合作与竞争

MiniMax 在上市文件的风险披露：部分模型和产品的开源，可能使第三方，包括竞争对手，访问、修改和再分发其技术，从而削弱公司的商业化和差异化能力；开源许可本身也可能带来知识产权和合规方面的复杂风险，可见公司并不回避开源的代价。

开源会削弱参数优势，但不会自动消灭经营能力。真正的问题不是模型能不能被复制，而是利润能不能被复制。谁都可以拿到一份相近的能力，未必谁都能把它做成一门更便宜、更稳定、更有续费能力的生意。

不过，如果把视野再拉远一点，MiniMax 这类公司面临的最大压力，也许并不是来自另一家模型公司，而是来自它们所依赖的云厂商。

这是"云上大模型公司"最现实也最尴尬的处境：你依赖云厂商提供算力、带宽和基础设施，而云厂商自己也在卖模型服务。

腾讯云的大模型 API 页面已经把自研模型和第三方模型一起纳入服务体系；阿里云、华为云也都在推进模型即服务能力。对独立模型厂商而言，云厂商既是基础设施提供者，也是潜在竞争者。

这意味着，独立模型公司面对的不只是上游供应商，而是一个同时掌握水电煤、渠道和客户资源的平台型角色。云厂商有算力资源，有销售网络，有政企客户，也有将模型能力包装成标准化服务模块的能力。一旦客户发现，在同一个云平台上既可以调用云厂商自研模型，也可以方便接入第三方和开源模型，那么独立模型公司的议价空间就会被持续压缩。

因此，这类公司必须证明三件事中的至少一件：它比平台默认选项更强，它比平台默认选项更便宜，或者它比平台默认选项更懂某些具体任务和具体客户。否则，它就很容易滑向一个"可替代中间层"的位置。

五、估值的真相

如果把视角再往前推一步，讨论就不只是停留在行业竞争层面了。

资本市场真正关心的，是另一个问题：这样一种表内很轻，经营很重的大模型公司，应该是什么样的估值？

这就不只是 MiniMax 一家公司的问题了，而是今天整个 AI 赛道在资本市场上的定价逻辑。

同样以 MiniMax 为例。2025 年，公司收入约 7903.8 万美元，同比增长 158.9%，毛利约 2007.9 万美元，毛利率约 25.4%；公开市场数据显示，其市值一度达到约 3061.6 亿港元。

把这两组数字放在一起看，反差其实很明显：市场今天给它定价，显然不是基于当期利润能力，而是在提前给未来几年的增长，成本下行、平台化成功和生态扩张买单。

换句话说，资本市场买入的，不只是一个已经被验证的盈利模型，更是一整套对未来的预期：它能不能把今天的技术能力变成更稳固的产品留存，能不能把产品热度变成企业收入，能不能把高投入换成更低的单位成本，能不能在开源扩散和云厂商平台化的压力下，继续保住自己的位置。

任何一个假设没有兑现，估值都可能被重写。

所以，从投资角度看，这类公司不确实不适合用"传统成长股"的简单逻辑去理解。这种公司最吸引人的地方是想象空间大，最危险的地方也是想象空间太大。一旦后面的现实接不上，市场翻脸会很快。

再新的行业，最后也绕不开那些最朴素的商业现实：成本、效率、现金流、客户、组织和利润。

工业时代，伟大的公司靠拥有更多机器。

互联网时代，伟大的公司靠更强的运营和更大的入口。

而到了 AI 时代，一批新公司正在试图证明：资源是租来的，技术是开源的，平台是别人的，你仍然可以依靠更强的工程能力、更好的产品定义，更低的成本结构和更快的组织速度，成为新一代的主角。

这是一个很迷人的故事，也是一场非常残酷的游戏。

本文作者