广告
加载中

MiniMax、智谱上市背后:中国AI产业链的连锁反应正在到来

斗斗 2026-01-17 08:26
斗斗 2026/01/17 08:26

邦小白快读

EN
全文速览

MiniMax和智谱上市引发中国AI产业链连锁反应,揭示行业关键变化。

1. 上市表现:MiniMax定价165港元,首日涨幅超一倍,成为港股表现最强新股之一;智谱公开认购倍数超千倍,盘中股价一度超130港元,显示市场高度认可。

2. 行业阶段:大模型行业从概念验证期转向规模化探索期,用户规模达5.15亿,普及率36.5%,半年新增用户超2.6亿,346款AI服务完成备案。

3. 资本转型:VC融资下滑36%,外资投资回落,头部公司如智谱研发开支2024年达21.95亿元,MiniMax研发投入高但收入不匹配,转向公开市场寻求长期资本。

4. 实操干货:港股成为主战场,因港交所“18C”机制允许高投入公司上市;产业链转向协同,效率优先于规模,上游算力服务商获长期订单预期,下游行业客户更愿深度嵌入AI。

AI领域消费趋势和用户行为变化为品牌策略提供洞察。

1. 用户行为观察:生成式AI用户规模达5.15亿,普及率36.5%,企业客户从试点走向规模化应用,品牌需关注实际落地场景。

2. 消费趋势:To C护城河依赖上下文体验价值而非参数规模,如MiniMax产品Talkie和海螺AI依赖订阅和虚拟商品;品牌营销需结合多模态技术提升互动体验。

3. 产品研发启示:高投入特征明显,头部玩家如阿里投入3800亿元于AI基建,品牌应聚焦效率优化而非单纯规模扩张。

4. 风险提示:合规变量影响商业模式稳定性,MiniMax面临版权诉讼风险,品牌需加强合规体系建设。

政策、市场机会和风险提示助力销售策略调整。

1. 政策解读:监管框架逐步成型,国家网信办备案346款AI服务,合规要求提升;港交所“18C”机制提供分层上市路径,允许非商业化公司进入市场。

2. 增长市场机会:AI用户半年新增2.6亿,企业需求从试点复制到规模化,卖家可探索上游算力服务或下游行业应用合作。

3. 风险与机会提示:高研发投入(如智谱研发开支为收入8倍)带来现金流压力,融资窗口收紧风险;正面机会在于产业链协同,模型公司上市后提供稳定伙伴关系。

4. 最新商业模式:To B生产力竞赛和To C体验价值并存,卖家可学习MiniMax的订阅模式或智谱的政企基础设施路线。

AI产业链变化带来产品生产和商业机会启示。

1. 产品生产需求:算力和GPU需求上升,头部公司如字节大额采购,上游国产GPU、算力服务商面临长期订单预期,减少生产不稳定风险。

2. 商业机会:模型公司上市后稳定投入,工厂可围绕AI生态做软硬协同优化,如数据中心厂商绑定技术路线。

3. 推进数字化启示:AI在制造、能源、政务等行业深化应用,工厂需关注效率提升(如推理策略优化)而非规模扩张。

4. 风险提示:高投入特征(阿里云资本开支120亿美元)要求工厂评估长期合作风险,但资本结构变化提供腾挪空间。

行业趋势、新技术和解决方案应对客户痛点。

1. 行业发展趋势:产业链从试水转向协同阶段,模型公司如MiniMax和智谱上市后,竞争逻辑转向效率优先,服务商需聚焦智能提升而非参数堆叠。

2. 新技术:多模态扩展、Agent体系构建成为焦点,应用形态从对话工具转向长时间任务执行,服务方案应涵盖行为边界和责任划分。

3. 客户痛点:上游算力服务商需求不稳定,项目周期短;下游行业客户担忧国产模型风险,服务商需提供长期合作框架。

4. 解决方案:稳定资本结构(如港股上市)缓解痛点,服务商可设计围绕效率的协同方案,例如模型与基础设施软硬优化。

平台需求、最新做法和运营管理优化方向。

1. 商业对平台需求:模型公司如MiniMax依赖平台生态变现(订阅、虚拟商品),但合规环境变化影响稳定性,平台需强化风险管理。

2. 平台最新做法:港交所“18C”机制提供分层上市路径,允许高投入公司进入,平台招商聚焦AI公司扎堆港股(如基座模型、算力芯片企业)。

3. 运营管理:资本结构稳定后,竞争转向效率(推理扩展能力),平台应优化资源分配,避免单纯规模竞赛。

4. 风向规避:生成内容版权诉讼风险(MiniMax案例),平台需加强信息披露和合规约束,以支持长期伙伴关系。

产业新动向、政策启示和商业模式分析。

1. 产业新动向:MiniMax和智谱上市标志资本结构迁移,产业链从头部决战期转向协同阶段,上游获长期订单预期,下游嵌入核心系统。

2. 新问题:高投入高不确定性(智谱亏损扩大至1.9亿元)、技术路线未定型、商业模式覆盖挑战(研发投入远超收入)。

3. 政策法规启示:监管框架成型(346款备案),港交所“18C”机制提供分层规则,研究者可探讨其对长期技术工程的融资逻辑影响。

4. 商业模式:To B生产力竞赛和To C体验价值并存,但需长期跑道;公开市场约束成为进入关键场景(如Agent系统)的隐性前提。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

The IPOs of MiniMax and Zhipu AI have triggered ripple effects across China's AI industry chain, revealing critical shifts.

1. IPO Performance: MiniMax priced at HK$165, more than doubled on its debut, ranking among the top-performing new listings in Hong Kong. Zhipu AI saw over 1,000 times oversubscription, with its share price briefly exceeding HK$130, reflecting strong market confidence.

2. Industry Phase: The large model sector is transitioning from proof-of-concept to scaled exploration. User base reached 515 million, with a 36.5% penetration rate; over 260 million new users were added in six months, and 346 AI services completed regulatory filing.

3. Capital Shift: VC funding dropped 36%, foreign investment retreated. Leading firms like Zhipu AI reported R&D expenses of RMB 2.195 billion in 2024; MiniMax's high R&D spend lacks revenue parity, driving a turn to public markets for long-term capital.

4. Practical Insights: Hong Kong is the primary battleground due to HKEX's "Chapter 18C" rules enabling listings for high-investment firms. The industry chain emphasizes collaboration over scale, with upstream compute providers expecting long-term orders and downstream clients deepening AI integration.

Evolving consumer trends and user behavior in AI offer strategic insights for brands.

1. User Behavior: Generative AI users hit 515 million, with 36.5% penetration. Enterprise clients are moving from pilots to scaled adoption, urging brands to focus on practical application scenarios.

2. Consumption Trends: To C moats rely on contextual experience value, not parameter scale—e.g., MiniMax's Talkie and Haibao AI leverage subscriptions and virtual goods. Brand marketing should integrate multimodal tech to enhance engagement.

3. R&D Implications: High investment is pronounced, with players like Alibaba spending RMB 380 billion on AI infrastructure. Brands should prioritize efficiency over sheer scale expansion.

4. Risk Alert: Compliance variables impact business model stability; MiniMax faces copyright litigation risks, necessitating stronger compliance frameworks.

Policy, market opportunities, and risks inform sales strategy adjustments.

1. Policy Interpretation: Regulatory frameworks are maturing, with 346 AI services filed with the Cyberspace Administration. HKEX's "Chapter 18C" offers tiered listing paths for pre-revenue companies.

2. Growth Opportunities: 260 million new AI users in six months; enterprise demand shifts from replication to scale. Sellers can explore upstream compute services or downstream application partnerships.

3. Risks & Opportunities: High R&D (e.g., Zhipu's spend is 8x revenue) strains cash flow amid tightening funding. Positives include post-IPO stability enabling collaborative partnerships.

4. Business Models: To B productivity races coexist with To C experience value. Sellers can adopt MiniMax's subscription model or Zhipu's government-infrastructure approach.

AI industry chain shifts reveal production and commercial opportunities.

1. Production Demand: Compute and GPU needs rise—e.g., ByteDance's bulk procurement. Upstream domestic GPU and compute providers anticipate long-term orders, reducing volatility.

2. Commercial Opportunities: Post-IPO stability allows factories to optimize hardware-software synergy, like data center vendors aligning with tech roadmaps.

3. Digital Transformation: AI deepens in manufacturing, energy, and governance. Factories should focus on efficiency gains (e.g., inference optimization) over scale.

4. Risk Alert: High investment (e.g., Alibaba Cloud's $12B capex) requires long-term risk assessment, but capital structure changes offer flexibility.

Industry trends, new tech, and solutions address client pain points.

1. Trends: The chain moves from experimentation to collaboration. Post-IPO, competition shifts to efficiency over parameter scaling, urging focus on intelligence enhancement.

2. New Tech: Multimodal expansion and Agent systems gain traction, evolving from conversational tools to long-task execution. Solutions must define behavioral boundaries and accountability.

3. Client Pain Points: Upstream compute demand is volatile with short cycles; downstream clients fear domestic model risks, necessitating long-term cooperation frameworks.

4. Solutions: Stable capital (e.g., HK listings) alleviates pains. Providers can design efficiency-centric collaborations, like hardware-software optimization for models and infrastructure.

Platform demands, latest practices, and operational optimizations.

1. Platform Needs: Model firms like MiniMax monetize via platform ecosystems (subscriptions, virtual goods), but regulatory changes affect stability, requiring robust risk management.

2. Latest Practices: HKEX's "Chapter 18C" enables tiered listings for high-investment firms. Platforms should attract AI clusters (e.g., base models, compute chips) listing in Hong Kong.

3. Operations: Post-stable capital, competition pivots to efficiency (e.g., inference scalability). Platforms must optimize resource allocation, avoiding pure scale races.

4. Risk Mitigation: Copyright litigation (e.g., MiniMax) necessitates enhanced disclosure and compliance to sustain long-term partnerships.

Industry movements, policy insights, and business model analysis.

1. New Dynamics: MiniMax and Zhipu IPOs signal capital structure migration. The chain shifts from winner-takes-all to collaboration, with upstream long-term orders and downstream core system embedding.

2. Emerging Issues: High investment amid uncertainty (Zhipu's loss widened to RMB 190M), unresolved tech routes, and revenue-model challenges (R&D far exceeds income).

3. Policy Implications: Regulatory frameworks solidify (346 filings); HKEX's "Chapter 18C" introduces tiered rules, offering avenues to study financing logic for long-term tech projects.

4. Business Models: To B productivity and To C experience values coexist but require long runways. Public market constraints become implicit prerequisites for key scenarios like Agent systems.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

2026年初,智谱和MiniMax先后敲钟上市,中间间隔不到48小时。

两家公司的商业模式并不相同,前者偏基座模型和政企生意,后者更偏多模态和消费应用,但在港交所,他们被放在了同一个坐标系里,成为资本市场理解中国大模型的两个典型样本。

市场给出的反馈,也直接反映出这两家公司的含金量。数据显示,MiniMax定价165港元,上市首日收盘涨幅超过一倍,成为当年港股开年以来表现最强的新股之一;智谱的公开认购倍数超过千倍,盘中股价一度超过130港元。

如果把这一轮AI技术浪潮视作一次新的产业叙事,那么MiniMax和智谱的上市,俨然已经成为公开市场接棒VC的重大节点。

在这样的背景下,一些问题开始变得清晰而迫切:为什么是现在?为什么都选择了同一上市路径?未来AI产业链又将发生什么变化?

大模型公司,需要换种活法

回看过去两年,中国大模型行业经历了几次明显的换挡。

从最初能不能做大模型的验证期,到后来谁能留下来的能力分化期,先当下,问题已经转向规模化探索期,即谁能在高投入环境下,把业务真正跑到规模化。

这种变化首先体现在用户侧。根据CNNIC发布的《生成式人工智能应用发展报告(2025)》显示,截至2025年6月,中国生成式AI用户规模达到5.15亿,普及率36.5%,半年内新增用户超过2.6亿。同一时期,国家网信办披露已有346款生成式AI服务完成备案。

用户规模的扩张和监管框架的逐步成型,意味着大模型已经走出概念验证阶段。企业客户开始下单,行业试点逐步复制,模型公司面对的核心问题也随之变化,从能做什么,变成能撑多久、能跑多远。

其实,在整个基础模型领域,从商业模式来看,To B更像生产力竞赛,企业往往只愿意为最强模型支付溢价。To C的护城河则越来越依赖上下文带来的体验价值,而不是单纯的参数规模。但无论押注To B还是To C,底层都绕不开算力、训练、人才和工程体系。而这也意味着重投入。

可以看到的是,一些云厂商已经开始投入远超早期预期的资源。例如2025年,阿里巴巴宣布未来三年投入3800亿元用于云与AI基础设施建设。阿里云披露的最新财报也显示,其过去四个季度资本开支达到120亿美元。这是一种典型的“大厂式”投入。另一边,字节跳动也频繁被提及在算力和GPU上的大额采购。

这些动作说明头部玩家正在把竞争门槛推向高资本投入。拼的不只是模型能力,也是谁能更长时间维持高强度投入。

不过,模型公司即便保持高投入,也很难用短期提升换来足够快的回收,融资和现金流压力会被拉长。

这种压力在两家上市公司身上体现得很典型。智谱研发开支从2022年的8440万元增长到2024年的21.95亿元,2025年上半年的研发开支甚至是当期收入的8倍以上。

MiniMax的研发开支同样迅速放大,2023年为5436万美元,2024年为1.85亿美元,2025年前九个月为2.21亿美元。最直观的对比是,MiniMax 2024年的研发投入约为当年收入的六倍。

但从两家的收入来看,并不成正比。所以,大模型公司真正需要的,是一种能够承接“长期重投入”的资本结构。

这种变化不仅是因为大模型本身发展需求,更在于过去依靠一轮轮VC融资滚动推进的方式,正在变得越来越难。

GlobalData数据显示,2025年前八个月,中国VC融资总额同比下滑36%,大额轮次明显减少,投资人更倾向于规模更小、确定性更高的项目。PitchBook在2025年11月的报告中指出,外资在大中华区AI领域的投资活跃度也出现明显回落。资金变少、偏好变稳,意味着依赖私募融资持续补血的成本越来越高,条件也越来越苛刻。

更关键的是,头部竞争进入加速阶段。模型迭代提速,企业客户从试点走向规模化,算力成本持续上行。若不尽早锁定长期资本,未来可能在融资窗口收紧时被迫压缩投入,错失关键迭代节奏。对大模型公司而言,“晚一点再上”未必更稳,反而风险更大。

一个清晰的周期迁移路径已然显现,那就是对于大模型厂商而言,早期靠VC讲技术的可能性,中期靠产业资本讲场景的落地,到了今天,则需要公开市场提供长期跑道。

总的来说,基础模型领域已经从“全民试水期”走到了“头部决战期”,但技术还没完全定型,商业化又必须加速,资本却已经开始变得挑剔。在这个夹缝里,继续靠一轮轮私募融资较难,走向公开市场,成了摆在头部玩家面前的一条现实道路,“IPO窗口”也因此在这个节点被打开。

港股,为何成为AI主战场?

公开市场的介入,带来的不仅是资金来源的变化,也意味着审视方式的升级。现金流状况、合规体系、信息披露和商业模式,都开始接受持续检验。

然而,一个事实是,大模型公司普遍具有高投入和高不确定性的特征。

MiniMax的研发开支同样迅速放大,2022年、2023年、2024年及2025年前三个季度,MiniMax的研发开支分别为1060万美元、7000万美元、1890万美元及1803万美元,总计研发投入约为1.2亿美元。

在看其商业模式,MiniMax的变现主要依赖订阅、虚拟商品和线上营销,核心产品包括Talkie和海螺AI。这类内容互动型收入高度依赖平台生态和合规环境,一旦监管尺度变化,商业模式的稳定性就会受到影响。招股书中,公司也明确披露了生成内容涉及版权诉讼的潜在风险,以及在美国等市场需满足聊天机器人披露和合规要求。

高投入和高不确定性在智谱身上亦有体现。

从收入来看,智谱2022年至2024年,分别实现营收5740万元、1.245亿元、3.124亿元,但研发和算力成本具有明显刚性,短期内难以被收入完全覆盖。对应的结果是亏损持续扩大,2024年上半年净亏损约1亿元,2025年上半年进一步增至约1.9亿元,净负债规模也随之上升。

把MiniMax和智谱放在一起看,MiniMax增长更快,但商业模型更依赖内容生态,合规变量更多。智谱更接近政企基础设施的路线,投入重、回收慢。总的来说,这两家公司商业化路径虽然不成熟,但已经跑出轮廓,不是完全没收入,而是收入还不够大。

作为当前大模型梯队里的“急先锋”,也是最典型的“高研发、长周期、不确定收益”的代表。这类公司需要的,并非低门槛的市场,而是能够承受当前亏损、理解长期不确定性的制度环境。允许其用更长的时间证明商业化,而不是被单一的利润指标卡死。

而港交所近几年为特专科技公司搭建的“18C”机制,正好提供了这种分层框架。规则把公司按是否达到商业化收益门槛进行区分,商业化公司需要满足最近一个经审计年度至少2.5亿港元收入门槛,同时也允许仍在投入期、尚未达标的公司进入公开市场。这类安排,把长期技术工程的融资逻辑更明确地写进规则,也为处于高投入阶段的公司保留了腾挪空间。

对比之下,A股尤其科创板,更偏向产业化路径清晰的硬科技企业,对收入规模的要求更直接。例如部分标准要求最近一年营业收入不低于5亿元等。

也因此,港股自然成为AI新叙事下,大模型厂商的主战场。且从近两年上市节奏看,基座模型、算力芯片、企业级大模型应用等AI公司明显扎堆选择在港上市,数量与类型均呈现出前所未有的集中度。

总的来说,大模型公司扎堆选择港股,并不是因为这里“门槛低”,是因为其需要的是一个能承受他们现在的亏损,接受未来的高不确定性的“跑道”,且这个“跑道”还需要给他们一个和全球同行对标的估值和叙事空间,而港股在制度和环境层面恰恰是最适配的。

资本结构变化下,再看AI产业链

很多时候,资本结构的变化,往往会比技术突破更早影响产业格局。

上市带来的,不仅仅是一次性融资,而是一种更稳定的“补血机制”,使得模型公司第一次有条件围绕三到五年的周期规划算力投入、模型迭代和团队扩张。

值得注意的是,时间被拉长之后,研发方式随之改变。基座模型训练、多模态扩展、Agent体系构建,本质上都是投入巨大、反馈缓慢的工程。如果资金压力始终悬在头顶,团队自然会优先选择短期可讲清楚的路线,参数规模、榜单排名往往比效率更重要。

当现金流更稳定,竞争逻辑开始转向另一端,即投入多少算力和数据,究竟能换来多少真实的智能提升。行业从“谁能堆得更快”,走向“谁能用得更省”,效率开始取代规模,成为下一阶段的核心变量。

研发节奏稳定下来,也会改变模型公司在产业链中的角色。

随着持续披露、合规约束和财务透明度,使得模型公司更像长期可依赖的技术供给方。政企客户、跨国合作方在评估风险时,不仅是看技术演示和短期合同,将会把模型公司视作可能长期共建的基础设施节点。

更重要的变化是,这种信号,会迅速传导到产业链上游。过去一年,国产GPU、算力服务商和数据中心厂商面临的核心问题并不是需求不足,而是需求不稳定。项目多,但周期短,扩产和深度适配的风险始终存在。当模型公司具备持续投入能力,上游看到的不再是单个订单,而是长期算力消耗曲线。是否提前扩产,是否围绕某一模型生态做软硬协同优化,是否把研发资源绑定在某条技术路线上,都开始变成可以计算的决策。

当算力不再完全被交付和救急占满,模型公司才有余裕在架构、训练方式和推理策略上做更系统的尝试。行业开始更多讨论效率、推理阶段的扩展能力,以及模型与底层基础设施的协同设计,而不是单纯依赖更大的参数和更多的卡。

而这种变化,只有在资金和节奏相对稳定的前提下才可能发生。

同样的逻辑也会传导到下游。对金融、制造、能源、政务等行业客户来说,“敢不敢用国产模型”,从来不是单纯的技术问题,而是风险问题。模型厂商如果长期处在融资不确定状态,企业就会天然将其放在边缘场景或非核心系统。当这些公司进入公开市场,财务和治理透明度提高,持续经营能力更清晰,行业客户才会开始考虑更深度的嵌入,把模型嵌进生产调度、风控、设计、决策链路中。

与此同时,应用形态的变化也在抬高行业门槛。随着模型从对话工具走向Agent,系统开始在更长时间尺度内执行任务、调用工具、影响真实环境。这一阶段,风险不再只体现在内容层面,还涉及行为边界和责任划分。

不难发现,公开市场的持续约束,在某种程度上会成为进入这些关键场景的隐性前提。

从更大的视角看,2026年初这轮上市所打开的,并不是一个简单的融资窗口,而是一种新的产业运行方式。模型公司获得持续投入能力,上游获得长期订单预期,下游获得更可控的技术伙伴。产业链开始从试水状态,转向围绕长期能力建设的协同阶段。

当然,这并不意味着胜负已分。技术路线是否成立,效率提升能否跑通,商业模式是否能覆盖持续投入,都会在更长周期里被反复检验。但至少在这一刻,MiniMax和智谱的上市释放了一个清晰信号:中国大模型的竞争,开始进入一个用耐心、资本和工程能力共同博弈的阶段。

注:文/斗斗,文章来源:产业家(公众号ID:chanyejiawang),本文为作者独立观点,不代表亿邦动力立场。

文章来源:产业家

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0