當(dāng)智譜AI與MiniMax相繼通過(guò)港交所聆訊，大模型的“燒錢(qián)成績(jī)單”也浮出了水面。

MiniMax：今年前三季度營(yíng)收3.77億元，同比增長(zhǎng)175%，但凈虧損高達(dá)36.05億元，是收入的近9倍，甚至已超過(guò)其2023年全年虧損。

智譜AI：上半年?duì)I收1.91億元，增速更猛（同比+325%），可虧損卻達(dá)23.58億元，相當(dāng)于每賺1塊錢(qián)，就虧掉12塊。

行業(yè)標(biāo)桿OpenAI目前每賺100美元，仍要虧250美元。但其最新一輪融資計(jì)劃卻高達(dá)1000億美元，若成功，估值或?qū)_上8000億美元。[1]

一邊投入指數(shù)增長(zhǎng)，一邊是盈利跑不贏銀行定存；

一邊財(cái)報(bào)還是赤字，一邊資本市場(chǎng)還在不斷加碼。

這看似矛盾的現(xiàn)實(shí)，引出三個(gè)關(guān)鍵問(wèn)題：

為什么大模型公司普遍深陷虧損，估值卻還在飆升？

訓(xùn)練模型動(dòng)輒數(shù)億美元，中小玩家還有沒(méi)有入場(chǎng)機(jī)會(huì)？

這場(chǎng)高燒不退的AI軍備競(jìng)賽，究竟是在筑基未來(lái)，還是在堆砌泡沫？

燒錢(qián)，燒錢(qián)，還是燒錢(qián)

大模型，跑的不是算力，燒的不是電力，是錢(qián)。

粗略來(lái)看，大模型企業(yè)的成本主要由五大要素構(gòu)成：算力、數(shù)據(jù)、人力、存儲(chǔ)、網(wǎng)絡(luò)和電力。

首先，來(lái)拆解算力。

算力的上游牢牢攥在硬件廠(chǎng)商手中，英偉達(dá)幾乎壟斷了全球高性能GPU市場(chǎng)，面對(duì)高昂的硬件門(mén)檻，企業(yè)通常有兩條路：上云租賃，或自建數(shù)據(jù)中心。

舉個(gè)例子：假設(shè)一次大模型訓(xùn)練周期為30天，使用的是80GB顯存的A100GPU，每小時(shí)租賃成本約1.2美元。如果對(duì)標(biāo)GPT-5這類(lèi)千億參數(shù)級(jí)別模型，所需規(guī)模可能達(dá)到5萬(wàn)張卡，那么單次訓(xùn)練成本約為：

50000×30×24h×1.2$/h≈4320萬(wàn)美元

換算成人民幣約3億，也就是說(shuō)，只有年?duì)I收或現(xiàn)金儲(chǔ)備達(dá)數(shù)十億人民幣，且將“模型能力”視為生死線(xiàn)的企業(yè)，才敢真正押注千億參數(shù)賽道。

所以，模型公司的錢(qián)，近三成要“孝敬”給云服務(wù)商。

這就導(dǎo)致頭部玩家開(kāi)始另謀出路，比如OpenAI已計(jì)劃投入1000億美元，在德克薩斯州和俄亥俄州自建超大規(guī)模數(shù)據(jù)中心，目標(biāo)是在2030年前實(shí)現(xiàn)算力自給，據(jù)測(cè)算長(zhǎng)期可節(jié)省近30%的算力成本。[2]

如果說(shuō)訓(xùn)練是“一錘子”買(mǎi)賣(mài)，推理作為日常開(kāi)銷(xiāo)，才是真正的“長(zhǎng)流水”。以當(dāng)前主流水平估算，每千tokens推理成本約0.1-0.2美分，如果一個(gè)AI助手日活用戶(hù)達(dá)百萬(wàn)量級(jí)，年推理支出輕松突破百萬(wàn)美元。

其次是大模型的“口糧”——數(shù)據(jù)。

高質(zhì)量數(shù)據(jù)得先經(jīng)過(guò)清洗、去重、標(biāo)注三道工序，這個(gè)過(guò)程既耗時(shí)又燒錢(qián)。業(yè)內(nèi)普遍估算，每千tokens的高質(zhì)量數(shù)據(jù)處理成本在2-5美分之間。

以字節(jié)跳動(dòng)旗下的豆包為例，官方曾披露其峰值調(diào)用量高達(dá)4萬(wàn)億tokens/天，按此計(jì)算，僅數(shù)據(jù)處理一項(xiàng)，高峰期的成本就在8萬(wàn)至20萬(wàn)美元/日。

為了不讓AI滿(mǎn)嘴胡話(huà)，模型對(duì)數(shù)據(jù)質(zhì)量的要求在不斷提高，優(yōu)質(zhì)標(biāo)注數(shù)據(jù)的價(jià)格也在持續(xù)上漲。

最后，也是最“人性化”的成本項(xiàng)：人才。

頂尖算法工程師本就稀缺，而當(dāng)整個(gè)行業(yè)集體轉(zhuǎn)向大模型，人才爭(zhēng)奪戰(zhàn)更是白熱化。

以字節(jié)跳動(dòng)為例，其“海外商業(yè)化-算法專(zhuān)家”崗位月薪最高可達(dá)8萬(wàn)元人民幣，校招的大模型算法工程師起薪也普遍在6萬(wàn)元/月。[3]

假設(shè)一家中型大模型公司組建一支30-50人的核心團(tuán)隊(duì)，人均月薪5萬(wàn)美元，那么光人力成本每月就要燒掉600萬(wàn)至1000萬(wàn)美元。

當(dāng)資本和機(jī)會(huì)集中涌向一個(gè)賽道，高薪挖角就成了常態(tài)。

這種“虹吸效應(yīng)”固然推動(dòng)了技術(shù)進(jìn)步，但也讓傳統(tǒng)科技領(lǐng)域頻頻遭遇人才流失之痛，有人笑稱(chēng)：“現(xiàn)在連做推薦系統(tǒng)的工程師，簡(jiǎn)歷都敢寫(xiě)‘精通Transformer’。”

除去以上三大重頭要素，電力成本和存儲(chǔ)大致占算力支出的2%和5%，但不能小看這2%和5%，在動(dòng)輒上億美元的算力投入面前，這些剛性支出，打底也是千萬(wàn)美元級(jí)別。

兩種變現(xiàn)路子，誰(shuí)能率先跑通？

事實(shí)上，智譜AI與MiniMax相繼通過(guò)港交所聆訊，傳遞了一個(gè)更微妙的信號(hào)：市場(chǎng)開(kāi)始相信，哪怕眼下還在“燒錢(qián)買(mǎi)未來(lái)”，大模型公司終將能找到賺錢(qián)的路子。

從招股書(shū)披露的數(shù)據(jù)看，兩家公司都處于高強(qiáng)度投入期，尤其是訓(xùn)練成本居高不下。但細(xì)看業(yè)務(wù)結(jié)構(gòu)，它們其實(shí)代表了大模型商業(yè)化的兩種典型路徑：一個(gè)向B/G（企業(yè)/政府）扎根，一個(gè)向C（消費(fèi)者）擴(kuò)張。

智譜AI約82%的收入來(lái)自私有化部署，主打“模型+工程項(xiàng)目”的交付模式，目標(biāo)是做AI基建，成為云廠(chǎng)商。

MiniMax則把重心放在AI原生產(chǎn)品上，71%的營(yíng)收來(lái)自To C業(yè)務(wù)。截至2025年9月，其旗下海螺AI、Talkie、MiniMax語(yǔ)音等應(yīng)用合計(jì)月活已達(dá)2760萬(wàn)，走的是“模型+產(chǎn)品”驅(qū)動(dòng)規(guī)模化的路線(xiàn)。[4]

然而，無(wú)論是To B還是To C，盈利之路都不平坦。

C端，用戶(hù)規(guī)模看似誘人，但付費(fèi)轉(zhuǎn)化率依然低迷。盡管已有數(shù)百萬(wàn)用戶(hù)愿意為高級(jí)功能買(mǎi)單，可相比動(dòng)輒千萬(wàn)級(jí)的月活，這仍是“九牛一毛”。

大多數(shù)用戶(hù)習(xí)慣了“用完即走”的免費(fèi)體驗(yàn)，對(duì)訂閱制天然抵觸，廠(chǎng)商因此陷入兩難：免費(fèi)版本是拉新和留存的命脈，卻要承擔(dān)高昂且持續(xù)增長(zhǎng)的推理成本；若強(qiáng)行推付費(fèi)墻，又可能打斷增長(zhǎng)飛輪。

結(jié)果就是，C端市場(chǎng)雖大，卻困在“規(guī)模不經(jīng)濟(jì)”的怪圈里——用戶(hù)越多，虧得越快。

B端常被視作“金礦”，但鏟子太貴了。比如一家銀行想把大模型接入風(fēng)控系統(tǒng)，往往要求私有化部署、數(shù)據(jù)不出域、行業(yè)術(shù)語(yǔ)微調(diào)，甚至輸出結(jié)果必須可解釋、可復(fù)現(xiàn)，一套流程下來(lái)，項(xiàng)目成本輕松突破數(shù)百萬(wàn)元，交付周期以月計(jì)。

更棘手的是，市面上大量所謂“行業(yè)大模型”不過(guò)是通用模型套個(gè)金融、醫(yī)療或法律的外殼，缺乏對(duì)業(yè)務(wù)流程的深度嵌入，客戶(hù)很難會(huì)為“看起來(lái)很智能，用起來(lái)沒(méi)差別”的方案買(mǎi)單。

目前，多數(shù)大模型公司的收入仍嚴(yán)重依賴(lài)兩條腿：云資源轉(zhuǎn)售和API調(diào)用量。

OpenAI的大部分營(yíng)收就來(lái)自微軟Azure的算力分成和開(kāi)發(fā)者API調(diào)用，說(shuō)白了還是在“賣(mài)算力”、“賣(mài)token”，這種模式雖然可計(jì)量、易擴(kuò)展，但也極易陷入價(jià)格戰(zhàn)。

相比之下，傳統(tǒng)企業(yè)軟件之所以能收高價(jià)，是因?yàn)樗苯觾?yōu)化了客戶(hù)的業(yè)務(wù)流程，ROI清晰可見(jiàn)；而大模型帶來(lái)的“智能增益”卻難以量化，客戶(hù)很難回答：“這玩意兒到底幫我多賺了多少錢(qián)？”

正因如此，資本市場(chǎng)對(duì)大模型公司的估值，更多基于市銷(xiāo)率，大家賭的不是今天賺多少，而是未來(lái)能占多大生態(tài)位。

歸根結(jié)底，技術(shù)驚艷只是入場(chǎng)券，大模型競(jìng)賽已從“誰(shuí)參數(shù)更大”進(jìn)入“誰(shuí)先跑通商業(yè)閉環(huán)”的新階段。

能否把算法優(yōu)勢(shì)轉(zhuǎn)化為可持續(xù)、可復(fù)制、可收費(fèi)的產(chǎn)品和服務(wù)，才是決定誰(shuí)能笑到最后的關(guān)鍵，否則，再高的估值，也不過(guò)是建立在token之上的空中樓閣。

牌桌進(jìn)入殘酷分化，中小玩家如何押注？

短短幾年，行業(yè)格局已迅速向頭部集中。

據(jù)IDC 2025年Q1報(bào)告，2024年全球大模型研發(fā)投入達(dá)118億美元，同比增長(zhǎng)55%；2025年全年投入預(yù)計(jì)突破150億美元。

然而，變現(xiàn)速度遠(yuǎn)遠(yuǎn)跟不上燒錢(qián)節(jié)奏，以Google為例，其模型API收入在2024年僅覆蓋研發(fā)投入的18%，而國(guó)內(nèi)90%的中小玩家至今仍在虧損線(xiàn)上掙扎。

頭部玩家之所以能穩(wěn)坐牌桌，靠的是算力、數(shù)據(jù)與生態(tài)構(gòu)筑的三重護(hù)城河。

從云廠(chǎng)商來(lái)看，僅微軟Azure一家，2024年就部署了超過(guò)50萬(wàn)塊AI芯片[5]，這種“先占先得”的資源卡位，讓后來(lái)者連入場(chǎng)券都很難拿。

今年，阿里宣布未來(lái)三年將投入531億美元專(zhuān)攻AI推理芯片，字節(jié)跳動(dòng)則規(guī)劃在2026年前投入227億美元用于相關(guān)基礎(chǔ)設(shè)施。邏輯很清晰：誰(shuí)能把推理成本壓下來(lái)，誰(shuí)才能真正掌握AI業(yè)務(wù)的毛利率。

從技術(shù)大廠(chǎng)來(lái)看，OpenAI、Google、Meta等巨頭不僅掌控全球超80%的高質(zhì)量訓(xùn)練數(shù)據(jù)，還在規(guī)劃自建數(shù)據(jù)中心，提前鎖定英偉達(dá)高端GPU供應(yīng)。

在這個(gè)新戰(zhàn)場(chǎng)上，算力正取代流量，成為衡量一家科技公司未來(lái)價(jià)值的“硬通貨”。

更關(guān)鍵的是，巨頭們?cè)缫寻汛竽Ｐ蜕疃惹度胱杂猩鷳B(tài)：Google將Gemini無(wú)縫整合進(jìn)Workspace，Meta推動(dòng)Llama系列與WhatsApp、Instagram聯(lián)動(dòng)，OpenAI則借力Microsoft 365快速滲透企業(yè)市場(chǎng)。

這種“算力+數(shù)據(jù)+場(chǎng)景”的閉環(huán)，不僅加速模型迭代，還大幅攤薄單位推理成本。

與此同時(shí)，開(kāi)源與閉源路線(xiàn)的分化進(jìn)一步固化了格局。Meta選擇開(kāi)源Llama系列，意在搶占開(kāi)發(fā)者；OpenAI堅(jiān)持閉源，旨在保護(hù)商業(yè)壁壘。看似路徑迥異，實(shí)則殊途同歸，都是為了鞏固主導(dǎo)地位。

但這并不意味著中小玩家毫無(wú)機(jī)會(huì)。“贏家通吃”在AI領(lǐng)域并非鐵律，通用大模型在金融、醫(yī)療、法律等專(zhuān)業(yè)場(chǎng)景中，常因缺乏領(lǐng)域知識(shí)而“水土不服”，反而為垂直模型留下縫隙。

于是，聰明的中小團(tuán)隊(duì)開(kāi)始放棄參數(shù)軍備競(jìng)賽，轉(zhuǎn)而追求“小而美”。

通過(guò)MoE架構(gòu)、知識(shí)蒸餾或量化壓縮，把模型做得更輕、更快、更省；不再只賣(mài)API，而是深入行業(yè)流程，提供端到端解決方案。比如，用LoRA微調(diào)一個(gè)垂類(lèi)技能，成本可能只需幾十美元，樣本量小的時(shí)候，甚至十來(lái)個(gè)數(shù)據(jù)點(diǎn)就能跑通。

說(shuō)到底，產(chǎn)業(yè)智能化的真實(shí)需求是碎片化、場(chǎng)景化、高價(jià)值。

所以，大模型戰(zhàn)場(chǎng)并非只有零和博弈，只要找準(zhǔn)位置，小玩家也能活得滋潤(rùn)，畢竟在現(xiàn)實(shí)世界里，不是所有問(wèn)題都需要千億參數(shù)來(lái)回答。

結(jié)語(yǔ)

《時(shí)代》周刊將2025年的“年度人物”授予“AI構(gòu)建者”。

封面則致敬了1932年《摩天樓頂上的午餐》，昔日鋼鐵工人在云端筑起城市天際線(xiàn)，今日AI領(lǐng)袖在無(wú)形的高塔上重構(gòu)人類(lèi)認(rèn)知與生產(chǎn)力的邊界。

大模型對(duì)世界的影響，已超越技術(shù)本身，成為重塑經(jīng)濟(jì)、社會(huì)結(jié)構(gòu)與人類(lèi)認(rèn)知的“變量”。它正在將無(wú)形的智能，鍛造成像電力一樣的基礎(chǔ)設(shè)施——雖不常被感知，卻無(wú)處不在。

這場(chǎng)變革的勝負(fù)，取決于誰(shuí)能把技術(shù)嵌入真實(shí)世界的毛細(xì)血管，巨頭憑借算力與生態(tài)構(gòu)筑起護(hù)城河，但真正的價(jià)值洼地，或許藏在某些更貼近“人”的角落。

當(dāng)所有人都在追問(wèn)“下一個(gè)GPT在哪里”時(shí)，或許更該思考：

我們究竟要用AI重建什么？又為誰(shuí)而建？

參考資料：

[1]晚點(diǎn)LatePost 大模型公司的燒錢(qián)賬

[2]格隆匯

[3]投資界 全員漲薪潮

[4]21世紀(jì)經(jīng)濟(jì)報(bào)道 MiniMax閃電沖擊港股：C端收入超七成

[5]觀(guān)察者網(wǎng) 英偉達(dá)AI芯片最大買(mǎi)家曝光，一年囤了近50萬(wàn)顆GPU

公司與行業(yè)往期回顧：