昨天，智譜公布了2025 年全年業績，這也是其上市后的首份財報。

全年實現收入7.24 億元，同比增長 131.9%；但在 31.8 億元研發投入的拉動下，經調整凈虧損達到 31.82 億元。

雖然虧了這么多，市場的反饋卻非常積極。今天，智譜的股價上漲了31.8%。

其中，一個很重要的原因是，賣API這事看上去好像跑通了。

2025年，賣API的收入從2024年的0.48億元增長至1.9億元，同比增長296%。同時，智譜管理層在電話會議中明確提到，當前API服務ARR約為2.5億美元，預計年底可以達到10億美元。

更重要的是，這并不是孤例。在其他大模型公司身上，我們也逐漸看到類似的趨勢：Token 調用量在上升，API 正在成為最直接的變現路徑之一。

那么，我們應該怎么看待這個現象？今天我們就來結合智譜的財報說說。

基模增長，靠賣API

在智譜這份財報中，最值得關注的變化，是收入結構的遷移。

云端部署，已經成為最核心的增長來源。所謂云端部署，本質上就是API服務。2025年，這部分收入從2024年的0.48億元增長至1.9億元，同比增長296%；收入占比也從15.5%提升至26.3%。

API的增長，核心邏輯是調用量的增長。

而這背后離不開OpenClaw的推動。當Agent開始自動執行任務，一次需求往往對應多輪調用，Token消耗被成倍放大，API調用量隨之上升。

這背后逐漸形成一個行業共識：當大模型具備長程任務執行能力后，調用不再停留在單次輸入輸出，而是演化為可持續運行的系統化過程。

在這種結構下，Token本身，成為最直接、也是最確定的計費單位。

換句話說，當模型能力足夠強時，API本身就會收斂為大模型最清晰的商業模式。

這一趨勢，正在成為大模型廠商的共同選擇。

海外已經走得更早。Anthropic 約80%的收入，來自企業級API調用服務，本質就是圍繞Token消耗的收費體系。

國內也在迅速靠攏這一結構。

目前，國內主流基座模型公司，如智譜AI、MiniMax、月之暗面的核心收入，正在逐步向API調用收斂，MaaS（Model as a Service）成為承接增長的主要路徑。

智譜管理層在電話會議中明確提到，當前API服務ARR約為2.5億美元，預計年底可以達到10億美元。未來，公司也將更加側重標準化API服務。到2026年，API服務與本地化部署預計各占一半；再往后2-3年，重心將進一步向API傾斜。

類似的變化，也正在MiniMax身上發生。

2025年，其開放平臺與企業服務收入達到2596.3萬美元，同比增長197.8%，收入占比從28.6%提升至32.8%。

截至2026年2月，公司ARR已突破1.5億美元，相比2025財年的7900萬美元實現翻倍增長。增長的核心驅動力，同樣來自Token消耗的提升，尤其是編碼助手與智能體（Agent）場景的放量。

高盛預計，2026年MiniMax來自開放平臺（API）收入占比將達到約40%。

大模型商業模式的收攏，意味著價值的衡量方式也隨之變得清晰：從“能力指標”，轉向“Token計量”。

路線分化背后，兩種解題思路

隨著AI進入應用階段，一個問題開始變得具體：當模型能力逐漸收斂，大模型的核心競爭力到底是什么？

關于這個問題，智譜和MiniMax 給出了兩種不同的解法。

智譜的邏輯是，追求極致的模型上限。

張鵬提出了TAC（Token Architecture Capability，Token 架構能力）這一概念，本質可以拆解為三點：調用規模、調用質量，以及轉化為收入的能力。

其核心判斷是：智能的質量，決定定價權。

智譜的判斷是：“隨著Agent的演進，Token也會分層，低復雜度、標準化的token走向低價甚至免費，只有高復雜度、高可靠性的高質量token具備持續定價權。”

這一點已經在數據上有所體現。一季度，智譜API定價提升83%，但需求并未收縮，反而呈現供不應求，調用量增長達400%。

如果說智譜AI在講的是“質量決定定價權”，那MiniMax講的，其實是另一套邏輯：模型的競爭力，來自“路徑差異化”和“效率”。

MiniMax選擇了一條并不主流的路線——文本、視頻、語音、音樂四大模態并行推進的全模態自研。這一點，在當前大模型廠商中并不常見。

這條路線的核心，不在于“多”，而在于“廣”。

在閆俊杰看來，AI時代平臺公司的價值，本質上是：智能密度 × Token吞吐量。

多模態的意義，是在不顯著降低智能密度的前提下，放大Token吞吐量。因為它改變的不是能力上限，而是使用門檻。

當產品里加入圖片、語音等交互方式時，用戶的理解成本和操作門檻會明顯下降，用戶群體也隨之擴展到更廣的人群，包括老人、小孩等原本難以覆蓋的群體。

這件事，其實在移動互聯網已經發生過一次——從圖文的信息流，到短視頻的爆發，本質上都是通過降低交互門檻，換來滲透率的躍遷。

再看效率。MiniMax的另一條主線，是極致的資源利用效率。

2025年，公司研發投入2.53億美元，同比增長33.8%，明顯低于158.9%的營收增速。

對比之下，智譜AI的策略，更接近“高舉高打”。

2025年，智譜收入7.24億元，對應研發費用31.8億元，研發費用率高達439%；同期MiniMax收入5.4億元，研發費用17.43億元，研發費用率為323%。

在經營效率上，智譜每獲得1元收入，對應約4.4元虧損；MiniMax則為3.2元。在人效上，智譜約66萬元，而MiniMax達到126萬元。

當然，這里面有一部分差異來自商業模式，MiniMax更多依賴產品收入，而智譜仍以本地化部署為主。

但即便如此，兩條路徑的分化依然清晰：

一邊是在追求“智能上限”，通過提升能力獲取定價權；

另一邊是在優化“效率與覆蓋”，通過擴大使用規模，放大Token吞吐量。

本質上，這是同一個公式下，兩種完全不同的解法。

寡頭格局，才是基模生意的最大確定性

拋開估值不談，模型廠商這門生意，其實已經開始顯現出一個相對清晰的輪廓。

基模這門生意，不像傳統軟件。

傳統軟件是前期高投入、后期慢慢回收，但基模不一樣，它的成本是臺階式上升的，收入卻未必同步變厚，反而可能在競爭加劇中被不斷壓縮。

從這個角度看，它更像一種“先天偏脆弱”的結構。但有意思的是，這種結構反而指向了另一種結果：

它天然會走向寡頭。

因為只有極少數公司，能夠持續承受這種級別的投入。商業形態上，它更像電池或者晶圓廠，前期投入巨大，但一旦卡位成功，競爭者極少，蛋糕又足夠大。

同時，大模型還有一個更微妙的地方：它并不完全是一個“贏家通吃”的市場，更接近是一個分層市場。

最頂層的模型，哪怕只有5%的效果優勢，在coding等效率導向的復雜場景下會被放大成50%以上的溢價，這是乘數效應決定的。

但同時，并不是所有任務都需要最強模型。

于是市場會自然分層：頂層吃溢價，中層跑規模，底層承接長尾需求。甚至不同層級之間，還會形成某種“Token流動”——復雜任務向上，簡單任務向下。

即使你做不到全局SOTA，那在某個細分領域做到SOTA，也是一條成立的路徑。

而在這個結構里，效率也是一個非常關鍵的變量。

因為這個行業幾乎沒有網絡效應，用戶切換成本極低。這就意味著，只要有公司能做出一個“90分”的模型，同時價格更低，就可以迅速放量。

在這個過程中，效率也會成為商業化過程中重要變量。

由于沒網絡效應，用戶切換成本低，只要有公司能做出一個“90分”的模型，同時價格更低，也能迅速放量。

原因也很直接，在部分場景里，并不需要最強模型。當效果差距有限時，價格就成為決定性因素。

而價格的背后，本質是成本。這不僅取決于技術，還有算力和電力等一系列成本的差異。

以中國為例，通過工程優化、規模化部署以及更低的電力成本，可以顯著壓低推理成本。這使得同等能力的模型，可以以更低價格對外提供Token服務。

現在一部分中國模型廠商的出海，本質上做的是一門“Token差價”的生意。

固然，收入增長性來源于爆發性的需求以及寡頭的市場格局，不過這事也不能過于樂觀，畢竟由于競爭環境的差異，中美在賣API這事上仍然有著很多不同：

比如，美國的大模型生態更依賴開發者長尾需求，企業客戶和開發者更愿意為能力付費，模型性能更容易直接轉化為溢價。

而國內調用更集中在頭部客戶，包括互聯網平臺和政企客戶，加上供給端的競爭，Token的溢價大概率不會長期存在。

某種程度上說，在美國，基模更接近軟件與平臺的結合體，而在中國則更像基礎設施的一部分。

從這個角度上說，國內大模型公司商業模型到底能跑到什么程度，或許還得再看看。

文/阿奇

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。