从一份财报，读懂中国AI的突围逻辑

作 者：刘溪

来 源：正和岛（ID：zhenghedao）

最近，中国AI行业又甩出一份亮眼的答卷。

8月26日晚，港股大模型公司MiniMax交出了上市后的第一份中期成绩单。上半年总收入1.166亿美元，同比增长283.1%，B端收入暴涨703.1%，其中海外收入占比超六成。7月，其Token消耗量增长到1月的20倍。

放眼整个中国AI行业，同样振奋人心。

IDC和TrendForce数据显示，2025年中国云端AI加速器市场中本土芯片厂商拿下近41%的份额，这是历史性的突破。7月31日国家发展改革委新闻发布会上发布，截至6月底，中国AI算力规模已达到去年同期的2.8倍。

OpenRouter数据测算显示，截至8月24日，中国AI大模型调用量已连续17周领跑全球，且前5名全是中国产品。

在高端算力受限的条件下，中国AI产业如何走出一条迥异于硅谷的突围路径，掀起属于中国的AI热潮？

答案是一场产业链的系统升维之战。

图源视觉中国

上游破局：产业协同下的“系统革命”

算力是AI的底座，也是当前中国AI产业链较为脆弱的环节。

当先进制程逼近原子级物理极限，EUV光刻机短期内难以突破，怎么让国产芯片在真实的大规模生产环境中“跑起来”，形成产业闭环？

中国AI产业必须啃下这块硬骨头

相比于极致的单点突破而言，系统智慧更是我们的强项。

2026年5月，华为首次提出了“韬（τ）定律”。当单一元件的极致遭遇瓶颈，时间的缩微、系统的协同、效率的极致，将成为新的竞争法则。我们不需要给汽车装上飞机的发动机，找到整体系统最优，就是一种新的生产力。

从“单点突破”换道“系统优化”，这是中国AI产业最锋利的破局之刃。不用等“完美芯片”，直接让现有芯片的能力，在系统协同中发挥到极致。

在这场突围战中，MiniMax的实践极具标本意义。

如今国产大模型和国产芯片的适配不断加速，国产算力生态已经具备了集体响应能力。但“能用”只是起点，“实战”才是破局的关键。MiniMax创始人、CEO闫俊杰在业绩电话会上披露，MiniMax正在推进M3和H3的国产芯片适配，大规模国产算力集群将很快上线，并逐步承担真实生产流量。

产业共建的第一步，是“敢用”。MiniMax M系列的三代文本模型的发布让开源社区热闹起来，华为昇腾、摩尔线程、沐曦、昆仑芯等国内芯片厂商，以及魔搭社区等国内开发者平台，在模型开源首日即完成模型接入与推理适配工作。

类似的模芯协同也在其他国产模型上重复发生。DeepSeek V4开源后，寒武纪、摩尔线程等国产芯片厂商也迅速完成适配。

8月3日，MiniMax H3开源当天24小时，包括华为昇腾、摩尔线程、沐曦、海光信息、昆仑芯、天数智芯、壁仞科技在内的7家国内芯片厂商完成“Day 0”适配，为模型部署提供算力支持；同时，魔搭社区、vLLM-Omni、SGLang及腾讯云等国内开发者社区与推理平台也已同步完成接入，LibTV等国内AI应用企业同样已支持相关模型能力，为开发者和企业用户提供更丰富的部署和应用选择。

无独有偶，GLM最新一代模型推理流量全部由国产AI芯片集群承载。模型正式上线后，其线上服务也运行在大规模国产算力集群上。

只有真刀真枪的业务场景，才能催生中国AI行业的真迭代。

从“能用”走向“好用”，算法与芯片的紧密配合。公司坚持自研的MSA（稀疏注意力）架构。在长序列任务中，传统Attention开销呈平方级增长，而MSA2.0通过更细粒度的blocking划分，能将长序列任务的Attention开销降低约8倍。

单点的“好用”还不够，真正的考验在于“组网”。一颗芯片、一个集群，撑不起整个商业世界。阿里把平头哥芯片、阿里云基础设施、千问模型和百炼服务放在一个体系中。MiniMax搭建了“自主可控核心集群+云厂商供给+Token Factory”的三位一体网络，让不同来源、不同代际的算力能够统一调度、弹性扩展。相当于给国产芯片造了一个“操作系统”，让它能无缝接入真实的商业流水线。当“多芯片”变成“一张网”，规模效应就开始显现。

多芯片适配带来的模型的算力选择范围扩大，以及定向优化后单位Token成本的下降，会直接转化为公司的降价空间和毛利率改善。国产芯片能帮企业赚到钱，就会刺激持续投入，形成技术的不断迭代。由此，国产芯片、大模型企业、云厂商和算力运营商，就形成了自主可控的产业正向飞轮，在系统工程中完成适配、在适配中完成进化。

这种“全栈能力”不但意味着不被“卡脖子”，还能让企业牢牢握住模型迭代的主动权，从而提升效率。当集群运行更稳定、训练和推理更高效，就能够持续产生和回收高质量数据，并支持更大规模的实验与强化学习。这是产业链自我进化、自我增强的内生动力。

中游破局：降本增效下的“效率革命”

全球大模型行业正陷入参数规模崇拜的“迷魂阵”。

每一次迭代都在传递一个隐含信号：模型越大，智能越强。但这种“军备竞赛”正在遭遇反噬——算力成本指数级攀升，训练费用和推理成本让普通企业和用户望而却步。

行业疯狂卷参数、卷模型，最后却卷到用户用不起。

中国AI产业没有条件参与这场“无限游戏”，但这种硬约束，却倒逼出了更强大的能力：当算力成为不可逾越的天花板，算法效率就是最大的杀手锏。

行业竞争的底层逻辑已经切换了。过去，比拼的是谁能堆出更大的参数规模；现在拼的，是单位算力能产出多少“有效智能”，是Token能否被规模化地生产、运营并真正落地。

“极致效率”正是中国企业擅长的。

国产模型的效率壁垒来自架构层的范式革命。DeepSeek V4采用MoE与混合注意力架构。根据其技术报告，在百万Token上下文条件下，V4 Pro的单Token推理计算量约为V3.2的27%，KV Cache则降至后者的10%。

MiniMax则选择了“Minimize the Inference Cost, Maximize the Intelligence”（最小化推理成本，最大化智能水平）的技术路线。

但降本不是目的，而是手段。

只有把推理成本降到足够低，才有财力支撑更大规模的后训练——包括强化学习和合成数据生成——从而规模化迭代出更高级的智能。算法效率提升会降低推理成本，便宜了用户规模自然扩大，这就为后训练提供了更丰富的素材，模型智能就会持续提升，然后又吸引更多用户加入。

成本和智能的正向循环一旦启动，就会越转越快，最后就成了一道越来越宽的护城河。

今年6月，MiniMax发布的M3文本模型采用自研MSA（MiniMax Sparse Attention）稀疏注意力架构，在百万token长上下文下，计算量仅为上一代约1/20。让客户花更少的钱，用更好的模型。

7月，MiniMax Token消耗量达到1月的20倍，这正是效率飞轮开始轰鸣的标志。

正如MiniMax创始人闫俊杰所言：“智能的提升几乎没有尽头，但能源和算力是有限的。AI真正的长期竞争，不是把模型做得更强，而是能不能用更低的成本，把更高水平的智能提供给更多人。”

在Token成本成为行业达摩克利斯之剑的今天，降本能力，就是最深的护城河。

下游破局：“开放生态”进入商业可验证阶段

最先进的模型往往属于大厂，且大多闭源，他们用生态壁垒筑起高墙、锁定市场。但中国AI企业却选择了一条截然不同的路——开源与开放，并在全球竞争的铜墙铁壁中撕开了一道口子。

很多人误以为开源是商业化的对立面，这是工业时代的思维惯性。过去，模型的定价权取决于“封闭”——越封闭，越稀缺，越能卖高价。但AI时代，一个模型长期的定价能力，最终取决于效果、成本、稳定性和迭代速度。

开源是“引水入渠”，商业化是“筑坝发电”。水越引越多，坝才越有价值。没有生态流量的堤坝，只是一座死坝。

MiniMax的实践，是这套逻辑的最佳注解。

8月初，MiniMax开源全模态视频模型H3，三个多星期下载量超2400万次，衍生出超过300个公开模型，成为2026年全球下载量最高的开源模型之一。这“池水”，引得很成功。

但如果把MiniMax的开源战略仅仅理解为“放模型换流量”，就低估了这盘棋，它是“开放权重模型、AI原生产品、云端API服务”三个层面的相互促进。

开源带来的是生态的快速扩张。目前，MiniMax企业客户和开发者数量已突破200万，是2025年底的10倍。这是实打实的市场渗透与技术采纳的加速。更重要的是，海量的外部开发“贡献者”，还能形成强大的生态网络。

C端AI原生产品的持续打磨，也会反向优化底座模型的易用性——让模型“聪明”且“好用”。

然后，在B端完成变现。开源社区本质上是一场大规模的市场实验：哪些场景能跑通、哪些需求是真需求，社区用实践会给出答案。验证有效的创新，会沉淀至官方云端API服务与企业级开放平台，将生态流量转化为规模化的B端商业收入。

三层飞轮环环相扣，可以让模型迭代速度、成本优势、场景适配性持续领跑行业，最终构筑起其长期且不可逆的全球竞争壁垒。

更有想象力的是，当这样的AI能力注入中国41个工业大类，多模态和专业领域的能力深度，能够让AI进入更深、更广阔的真实世界。“工业主战场”这片大模型应用的蓝海一旦打开，注定会爆发出振奋人心的能量。这是属于中国AI企业的“开源辩证法”。

开源积累的生态优势，能否转化为全球市场的商业竞争力？

MiniMax的回答是肯定的。2026年上半年，其海外收入占比超过60%。8月ARR突破8亿美元，B端收入暴涨703%。

这是在最残酷的考场，锻造出来的产品力。中国AI企业从诞生的第一天起，就选择了全球技术架构部署，“生而全球化”。

这是中国AI能力嵌入全球数字基础设施的过程。

支撑这套全球化能力的，是MiniMax一套面向未来的智能基建底座。从数据生产、算力调度，到预训练、强化学习、评测体系和在线推理，形成完整的工程闭环。这些基建能力在不断迭代中沉淀下来，不只服务于当下的某一款模型，而是能够支撑M3.1、M3 Pro、H3.1及后续模型的持续演进，让训练、验证、上线、推理的全链路效率越来越高。

这种积累，是长期模型迭代最深厚的护城河。

结语

8月ARR突破8亿美元，B端收入暴涨703%，海外收入占比超六成，H3成为全球下载量最高的开源模型之一……MiniMax的这些数字不是终点，而是一个新范式的起点。

西方科技的底层逻辑，长于“造物”——在原子与比特的微观世界凿开从0到1的突破口。而中国产业的深层智慧，精于“织网”——在产业链的宏观尺度上编织从1到N的效率与规模。

中国AI的突围，本质上是将“系统优化”的工程智慧，从制造业迁移到AI产业——他们都在努力用产业生态的系统优势，对冲单点技术的资源约束。

从华为的“韬定律”在底层重构芯片竞争力，到MiniMax串联起AI生态，AI产业的系统升维之战悄然拉开。

这，就是中国AI企业在全球浪潮中撕开缺口的深层逻辑。