作者丨巴里

编辑丨吴岩

2025 年底的香港资本市场，因为两家中国 AI 独角兽的上市赛跑而变得格外热闹。

智谱 AI 和 MiniMax，这两家被称为"中国 AI 六小龙"中的佼佼者，在 48 小时内相继通过港交所聆讯，争先恐后地要拿下"全球大模型第一股"这个称号。

最终，智谱 AI 以 116.20 港元 / 股的发行价抢先一步，定于 2026 年 1 月 8 日挂牌，上市时市值预计将达到 511 亿港元。而 MiniMax 几乎贴身紧逼，宣布在 1 月 9 日上市，定价区间为 151 港元 / 股至 165 港元 / 股，发行估值将介于 461.23 亿港元至 503.99 亿港元之间，两者仅隔一天。

这意味着全球资本市场将在连续两天内，首次迎来纯粹以 AGI 基座模型为核心业务的上市公司。

此外，月之暗面创始人、CEO 杨植麟 12 月 31 日在内部全员信中表示，公司已完成 5 亿美元（约合 35 亿元人民币）C 轮融资，账面有超过 100 亿元人民币的现金储备。本轮融资由 IDG 领投 1.5 亿美元（约合 10.5 亿元人民币），阿里、腾讯等月之暗面老股东超额认购，公司投后估值达 43 亿美元（约合 300 亿元人民币）。据了解，王慧文已经累计投资月之暗面 7000 万美元（约合 4.9 亿元人民币）。

这不仅是中国公司间的竞速，更是一场横跨太平洋的 AI 资本大潮的缩影。在大洋彼岸，行业开创者 OpenAI 正在筹划可能高达万亿美元的惊人 IPO，而它的头号劲敌、以安全著称的 Anthropic 也被曝正在推进上市，估值剑指 3000 亿至 3500 亿美元。

上市当然不只是为了争一个"第一"的名头。招股书数字背后，是不同的投资者、不同的技术路线、迥异的商业探索，以及最根本的——几位背景截然不同的创始人，如何用各自的理念和故事，为公司刻下最初的基因，并吸引不同的资本"盟友"。

这场竞赛，从一开始就充满了个人色彩和战略博弈。

资本背后的不同逻辑与创始人的选择

这几家公司背后支持的投资机构呈现了不同的特点。智谱 AI 和 MiniMax 的股东名单，就像一幅中国科技投资的微缩地图，展示出了几大派系。而这些力量的选择，往往与创始团队的基因高度契合。

学术"正规军"智谱 AI

智谱 AI 身上有非常鲜明的"学院派"和"国家队"色彩。

这家公司起源于清华大学的知识工程实验室，其核心创始人是现年 48 岁、被认为是智谱灵魂人物的唐杰，他已于 2025 年 6 月辞任智谱董事职务，专心当清华博导去了。CEO 张鹏是清华大学自动化系博士后，还曾担任助理研究员。招股书显示，接替唐杰担任智谱首席科学家的，是 90 岁的清华大学教授、中科院院士张钹。

智谱 AI 创始人、前首席科学家 唐杰

这种纯正的"清华血统"和深厚的学术背景，也为他们早期发展奠定了基础，形成了一种独特的气质：强调自主创新、重视底层技术、追求长线突破。

例如，当全球都在跟随 OpenAI 的 GPT 架构时，智谱团队选择了自研一条不同的技术路径—— GLM（通用语言模型）架构，这在当时需要不小的勇气和定力。

资料显示，GLM 架构的核心创新在于双向上下文建模，使模型在处理语言任务时能同时利用前向和后向信息，而 GPT 架构依赖纯自回归生成，仅基于前序 token 预测后续内容。这种设计差异使 GLM 在中文语境下表现出更强的语言理解能力，同时智谱通过持续迭代（如 GLM-130B、ChatGLM 系列到 GLM-4）实现了从百亿参数到千亿参数的跨越，整体性能逼近 GPT-4。

这种"技术理想主义"与长期主义的风格，恰好与注重国家战略和自主可控的"国家队"资本、地方国资的诉求深度吻合。智谱在上市前引入的基石投资者中，就包含了北京核心国资背景的基金。

这类资本往往看重的不仅仅是财务回报，更看重公司在人工智能基础软件、核心算法上能否实现自主突破，能否在关键领域摆脱依赖。智谱团队坚持做"中国自己的通用大模型底座"，这种目标恰好符合战略资本的期望。

自然而然地，这种结合也帮助智谱在非常看重数据安全和技术可靠性的政府、大型国企及金融机构市场中，打开了局面，其超过 80% 的收入来自本地化部署，正好是这一路径的体现。

产品"野战军" MiniMax

与智谱的"学院派"路径不同，MiniMax 的故事从一开始就更偏向互联网和全球化。

创始人闫俊杰的个人经历就是这条路径的绝佳诠释。他 1980 年出生于河南省的一个小县城，凭借对数学和 AI 的兴趣，一路自学考入中科院读博。但他并非单纯的科学家，职业生涯的关键一战是在商汤科技，从实习生一路做到副总裁。这段经历让他成了一个"多栖人才"：既懂最前沿的算法，更深谙如何把技术打包成可落地、能吸引用户的产品。

闫俊杰创立 MiniMax 的念头很朴实。他曾提到，有一天外公告诉他想写一本回忆录，却没办法做到，因为需要非常好的语言组织能力，并且外公不会打字。"那个时候，我认为只有人工智能可以帮他实现这件事。"

这让他坚信，AI 技术必须足够普惠和易用，能直接改善普通人的生活。因此，公司刚成立，他就确立了 "一边研发底层模型，一边自己做 AI 应用" 的双线战略。

这种强烈的产品化、市场化和全球化思维，迅速吸引了追求快速增长和生态协同的互联网巨头。阿里巴巴和腾讯曾先后投资 MiniMax，阿里更是一度投资 6 亿美元。

更引人注目的是其上市前的基石投资者阵容。除了老股东阿里，还出现了中东主权财富基金阿布扎比投资局（ADIA）、知名投资机构博裕资本等国际化资本，合计认购约 3.5 亿美元。

这也清晰地表明，国际资本对 MiniMax "生而全球化" 故事的认可。公司超过 30% 的员工有海外背景，产品设计一开始就面向全球，超过 70% 的收入来自海外市场。

闫俊杰团队凭借对全球青少年社交需求的敏锐洞察，已经用" Talkie "这样的 AI 虚拟社交应用在海外杀出一条路，这种打法正是吸引全球资本的关键。

硅谷的理想主义与"反叛"

创始人的基因决定公司气质，这个规律在美国同样显著，甚至更具戏剧性。

OpenAI 的联合创始人萨姆 · 奥特曼是典型的硅谷"造梦者"，曾是顶级创业孵化器 YC 的总裁。他怀抱着"确保 AGI 造福全人类"的宏大理想创立 OpenAI，最初甚至是非营利组织。

但当发现实现这个理想需要天文数字般的资金时，他展现了极其务实乃至激进的一面——推动公司转型，并引入微软超过百亿美元的巨额投资。这种在崇高理想与冷酷资本间穿梭的能力，是奥特曼的个人特质，也成了 OpenAI 的独特基因。

而 Anthropic 的诞生，则直接源于一次对 OpenAI 路径的"反叛"。

其创始人达里奥 · 阿莫迪兄妹曾是 OpenAI 的核心研发人员，主导了 GPT-3 等关键项目。他们因为担心公司过快的商业化会损害 AI 的安全性，从而选择离开并创立 Anthropic。他们将学术的严谨和对 AI 伦理的执着注入新公司，首创了"宪法 AI "训练框架。

这种"安全至上"的基因，使得 Anthropic 虽然技术顶尖，但气质上更偏向稳健、可靠，因此吸引了谷歌、亚马逊等同样看重合规与可控性的科技巨头作为战略投资者。

不同的路怎么走：技术产品化与商业落地

拿到投资只是开始，钱要怎么花，路要怎么走，实际上从第一天起就由创始人的认知画好了草图。他们选择的商业化路径，直接决定了公司的收入和生存状态。

智谱 AI 走的是"赋能千行百业"的路线，主要服务企业和政府机构。这非常符合张鹏团队从学术研究到解决重大工程问题的思维方式。

他们的商业模式像是 AI 时代的"基础软件供应商"，主要分为两种：

一种是本地化部署，即为客户（尤其是政府、银行、大国企）将整套大模型部署在客户自己的服务器上，确保数据安全。根据招股书，这部分收入占了智谱总收入的 80% 以上，毛利率较高。

智谱高级副总裁吴玮杰就曾在小红书上披露过，从客户结构看，智谱本地化部署业务里互联网及高科技客户占比五成；从经营指标看，这类付费客户年复购率约为 70%，而本地化部署毛利率在 2024 年也接近 70%，明显高于传统 ToB 公司的水平。

另一种是云端 API 服务，类似 OpenAI，让开发者和企业通过接口调用模型能力，这部分增长很快，但当前占比还小。这种路径的优势是客单价高，能快速建立标杆案例。

招股书显示，智谱的客户包括中国前十大互联网公司中的九家。但挑战也同样明显：每个本地化项目都需要大量定制和交付，是"重活、累活"，难以像互联网产品那样指数级规模化增长。而且，其最大客户收入超过总收入 10%，前五大客户收入占营收始终超过 40%，客户集中度较高，且年度间前五大客户变动很大，存在一定的项目制波动风险。

MiniMax 走了一条更贴近普通消费者的路，这与闫俊杰" AI 必须产品化"的信念一脉相承。

他有一个核心观点："在大模型时代，真正的产品其实就是模型本身，传统意义上的产品更像是一个渠道。"因此，MiniMax 一手打磨底层模型，另一手直接下场打造现象级的 AI 应用。

其收入结构清晰地反映了这一战略：2025 年前三季度，高达 71.1% 的收入直接来自 AI 原生应用。

其中，AI 虚拟社交应用" Talkie/ 星野"贡献了 35.1%，视频生成工具"海螺 AI "贡献了 32.6%。这些应用在海外青少年中非常流行，用户日均使用时长高达 70 分钟，黏性极强。剩下的 28.9% 收入，则来自面向企业的开放平台 API 服务。

这种"产品驱动"的模式让 MiniMax 的全球化程度非常高，海外收入占比超 70%，规避了单一市场风险。但这种模式的挑战在于，需要持续的产品创新和强大的运营能力来留住用户，同时也要面对更复杂的国际环境。

一个现实的挑战是，MiniMax 正因其视频生成功能，在海外面临迪士尼、华纳等巨头的版权诉讼，这可能带来高达 7500 万美元的潜在赔偿，几乎相当于其一年收入。

美国的同行们也走出了两条不同的路。

OpenAI 在 ChatGPT 引爆全球后，迅速将自己打造成了一个" AI 操作系统"，通过 API 服务成为无数应用背后的引擎，构建了强大的开发者生态和网络效应。

Anthropic 则另辟蹊径，不追求最激进的功能，而是将"安全、可靠、可控"作为核心卖点，主打对安全性要求极高的企业级和金融客户，形成差异化优势。

现实都亏钱，但亏得不一样

无论故事多么动听，所有顶尖的大模型公司都面临一个共同的现实：巨额亏损。这也是在大模型这样一个"烧钱"的赛道必须要支付的代价。但亏损的结构和背后的原因，则体现了它们不同的商业模式和效率。

根据招股书，智谱 AI 在 2025 年上半年收入约 1.91 亿元人民币，但净亏损高达 23.58 亿元。其研发投入是收入的 8.35 倍，这意味着每获得 1 元收入，就要投入超过 8 元搞研发。

这钱主要烧在了持续训练更强大的基座模型（如最新的 GLM-4.7）、维持庞大的博士研发团队以及支付天价的算力成本上。2025 年上半年，其用于研发的算力服务费就达 11.45 亿元，占研发开支的 70% 以上，这是一条重研发、长周期的基础设施型道路的典型财务表现。

MiniMax 在 2025 年前 9 个月收入 5344 万美元（约合 3.73 亿元人民币），净亏损 5.12 亿美元（约合 35.78 亿元人民币）。它的钱除了投入研发，在早期也大量投在了全球市场的营销和用户获取上，以支撑其 C 端应用的爆炸式增长。2024 年，其销售与市场费用曾占到收入的 285%。

不过，其财务状况正在发生积极变化：毛利率已从 2023 年的 -24.7% 显著改善至 2025 年前三季度的 23.3%。尤其值得注意的是，其面向 B 端企业的开放平台业务，毛利率高达 69.4%，具备健康的盈利潜力。

有分析估算，MiniMax 累计投入约 5 亿美元就实现了多模态技术突破和规模化收入，这笔钱甚至不及某些国内大厂一个季度推广单一 AI 产品的营销费用，这也体现创业公司与大厂不同的成本控制思路。

更值得关注的是，其累计研发投入仅约为 OpenAI 的 1%，却用 385 名员工的精干团队，在全球市场服务了超过 2.12 亿用户，跑出了极高的投入产出比。

但与于美国同行比，中国头部公司的投入规模还是非常克制的。

作为行业的定义者，OpenAI 的投入强度达到了前所未有的量级。2025 年上半年，其营收为 43 亿美元，但研发支出高达 67 亿美元，占营收的 156%。其算力成本更为惊人，仅服务器租赁的年费用就高达 160 亿美元，而为了构建未来的基础设施，公司预计从 2025 年至 2030 年间的计算总支出将超过 1500 亿美元。

这些数字背后，是 OpenAI 为维持技术领先所选择的"资本密集型"路线，其 2025 年上半年的净亏损达到了 135 亿美元。

作为 OpenAI 最强劲的对手，Anthropic 也采取了相似的重投入战略，但路径略有不同。

它不仅获得了来自微软、英伟达等巨头的高达 150 亿美元的资本支持，更签署了价值 300 亿美元的 Azure 算力采购合同，并计划投资 500 亿美元自建数据中心。

除了通用的模型训练，Anthropic 还与 OpenAI 一同，正将巨资投向"强化学习"等新训练范式。例如，Anthropic 计划投资 10 亿美元创建"企业应用克隆体"来训练 AI 成为"虚拟同事"，这也为未来指明了可能的盈利方向。

尽管投入巨大，Anthropic 在细分领域也展现了其商业化效率，API 业务收入在 2025 年已实现对 OpenAI 的反超，在编程等垂直场景凭借 Claude Code 产品也建立了优势。

两家中国公司虽然都面临亏损，但现金储备还算充足。智谱上市募资约 43 亿港元，其中 70% 将继续投入研发。MiniMax 上市预计募资约 38 亿港元，更是计划将 90% 用于未来五年的研发。

这说明，上市对于它们而言，并非单纯的"救命钱"，更是为下一轮更残酷的技术和商业竞赛储备弹药。

而 OpenAI 和 Anthropic 的路径则表明，这场通向 AGI 的竞赛，已经演变为一场由顶尖技术、庞大资本和长期主义共同驱动的超级工程。

每条路线都在赌一个未来：中国公司试图以更高的商业效率和差异化的市场路径穿越周期，而美国巨头则试图用压倒性的资源投入，直接定义下一个时代的技术标准与市场格局。

AI 路径分野，不同道路的竞争

这几家公司的密集上市筹备，将在人工智能这个关键战略领域的竞争态势清晰地摆上了台面。这不仅仅是公司之间的比赛，更是不同区域不同技术路线、产业路径和发展模式的碰撞。

美国 AI 产业呈现出明显的巨头主导和生态闭环特征。

以谷歌为例，它构建了从自研 AI 芯片（TPU）、深度学习框架（TensorFlow）、大模型（Gemini）到云服务的完整垂直闭环。这种"软硬一体"的模式效率极高，但技术栈相对封闭，本质上是一场属于巨头的游戏。

OpenAI 虽然独立，但也通过与微软的深度绑定，形成了强大的生态联盟。这种路径追求在尖端技术和生态标准上建立绝对霸权。

中国的 AI 发展则呈现出更丰富的多样性。

在基础层面，面临芯片等供应链约束，产业更倾向于走 "开源开放、协同创新" 的路线，通过构建统一标准，整合多元化的国产算力。在模型层面，则诞生了像智谱和 MiniMax 这样路径迥异但都极具代表性的公司。

智谱代表着一种选择：依托深厚的学术积累，攻克通用大模型底座，再通过开源（如 GLM 系列）和技术赋能，在 B 端和 G 端市场寻求突破，承担起基础技术自主化的责任。

但智谱们的挑战不小。前有阿里等深耕 B 端、G 端且具有深厚客户积累的巨头，后有 DeepSeek 这样低调却无处不在的大神级对手。只有在垂直行业深扎，才是破局关键。

MiniMax 则代表了另一种选择：充分发挥中国公司在产品化、快速迭代和洞察用户需求方面的优势，避开在通用底座上与巨头正面"卷"参数，而是通过打造成功的全球化消费级应用，在市场中找到立足点，并用收入反哺技术。

但对于 Mini Max 们来说，在 C 端市场已有字节这种无可争辩的霸主，在国内依然挑战巨大。或许全球化，才是他们的唯一路径。

智谱和 MiniMax 在 2026 年开年接连上市，向世界展示了中国 AI 产业的两种活法和两种可能：一个扎根底座，深耕国内；一个走向应用，面向全球。

上市不是终点，而是一个更严格考试的开始。这意味着，它们将从一级市场讲"未来故事"的阶段，进入二级市场用每个季度的财报接受全球投资者审视的阶段。

在世界科技博弈的大背景下，未来的竞争，不仅仅是技术榜单上的分数之争，更是商业化能力、生态构建能力、全球资源整合能力的综合比拼。