国产AI要上市了

两家国产大模型公司MiniMax和智谱AI已经向港交所提交了招股说明书，很快将在香港上市。招股书中所披露的一些基本情况，网上的介绍文章已经很多，这里就不多赘述了。我们主要透过一些财务数据，来剖析这些头部AI初创企业的收入成本结构和商业模式。毕竟，脱离数字而争论泡沫与否，只能是空谈而已。

推理成本仍然很高

先来看毛利率，MiniMax 2023年毛利亏损，2024年转正到12.2%，2025年爬到23.3%。智谱好一些，最近3年稳定在50%-60%，这是由于toB/toG的单子通常要求本地化部署（占比接近70%），也就是客户自己承担了大部分的推理开销。2025上半年云端部署的毛利率甚至是负的，

以目前AI基建（芯片、服务器、数据中心、电力）的状况看，C端低毛利的状况很难在中短期内改变，成本降不下来，扩张也要对抗算力瓶颈，AI toC的生意其实是很难做的。要是转去B端G端想拿一个高毛利，比起toC生意肯定是高了，但60%的毛利率也很难谈得上优秀，只能说中规中矩。业界标杆Palantir能超过80%，Salesforce 70%，百分之五六十的毛利率大概相当于IBM、C3.ai这些公司的水平。

另一方面，随着业务规模扩大和本地化部署项目的增加，应收账款的周转时间显著变长：从2022年的23天一路涨到了2025年上半年的112天，这和海外同行比，是比较弱的。但在中国大型政企主导的市场环境下，这个数字其实还处于“中等偏优”的位置。在业务继续扩张的情况下，这个数能不能维持住甚至有所改善，是值得关注的。

产品交付了，钱还没收到，算是toC所没有的烦恼。

失控的研发支出

任何读了这两份招股书的人，都很难不注意到那惊人的研发开支，醒目到那一行的长度都和别行不一样。MiniMax 2023、2024年的研发支出分别达到了$70M和$189M（对比收入$3.5M和$30M）；智谱2022年、2023年、2024年的研发支出（按照人民币/美元1：7兑换）分别为$12M，$75M，$314M（对比收入$8.2M，$17.8M，$44.6M）。

什么东西要占那么多研发费用？当然是训练模型所需的算力，智谱披露的数据显示这一项占比高达70.7%，第二项工资成本占14.8%：

自研基座模型往往被视作AI公司的核心竞争力。然而在各家模型能力日渐趋同，互相拉不开身位的情况下，就很难差异化竞争。最好的结局是经历几轮残酷竞争后，大部分玩家退出，留下两三家能够持续迭代模型的通用能力，等待算力成本下降；最坏的情况是，scaling law失效，算力成本下降导致更多的竞争者出现，开源模型遍地开花，基座模型生意就真正变成了采矿生意，你采的矿和他采的矿没有区别，你的铲子和他的铲子也没有区别，在一个完全市场化的环境下，这就是最差的生意。

如果最后落地还是要引入大量垂直数据，如何去论证基座模型每年几亿美金的训练开销，是一个迟早要被回答的问题。

烧钱的还有广告

哪怕忽略研发支出，净利润也被营销成本拖了后腿。

MiniMax 2023、2024年的营销费用高达$23M和$87M，分别是当年收入的6.5倍和2.9倍。依旧是互联网时代烧钱买流量的思路。但问题是，买来的流量有没有形成足够强的网络效应？2025年前9个月，在大幅降低广告投放之后，MiniMax的平均MAU较同期下降了34%，新用户数更是跌了5成，这个成绩恐怕是很难让人满意的。

智谱那边的情况也好不到哪里去，营销费用基本和收入持平。事实上，这也是国内SaaS行业的普遍现状：毛利率50%左右，叠加营销成本高、应收账款周转时间长。这有部分是商业环境的问题。但从另一个角度看，AI商业化在短期内还没有形成一条颠覆性的路径，国内SaaS一直都不好做，现在换了个名字叫MaaS，换汤不换药，从前的坑一个没少，还要兼顾算力成本带来的新问题。

开源模型有没有商业模式

顺便聊几句开源的问题。

很多人会按照惯性思维，认为开源模型是能够商业化的，就像RedHat Linux，Docker，ElasticSearch，Apache Spark等等，都是非常成功的开源商业案例。然而，大模型开源和基础软件开源存在一个本质的区别：大模型开源是没有生态的。

传统的开源软件，虽然也是大部分人在白嫖，但有一部分的开发者会选择回馈社区，提交需求、bug修复、以及自己开发的新功能。这些开发者在改进软件的同时，自己也变成了这些软件的推广者，从而吸引身边更多的同事朋友加入到这个生态里来，这又增加了开发者的数量，进一步加快了软件的迭代。开源软件背后的企业其实是通过这样一个社区生态，实现了软件产品的网络效应：用的人越多，产品越好用，进一步吸引更多的人来用，形成良性循环。而企业作为主导的一方，就能通过提供服务来捕获附加价值。

这里面的关键，是你不能藏着。而开源模型呢？要数据没有训练数据，要代码没有训练代码，只开源一个模型权重。这就好比你写了个C++程序，编译之后把执行文件给“开源”了，这能叫开源吗，这叫免费。

同样的，别人把你的开源模型拿过去再做微调对齐，他们也不会把数据和训练代码返还到你的生态里。相比开源软件，开源模型的生态是非常非常弱的，如果再考虑到成本，这里面是不存在商业模式的。

到最后，大模型开源变成了打口碑打广告，本质上是把天量研发费用变成了营销费用。

——当然还有技术沉淀，

最后说说情怀

我时常会想，我们究竟该怎样看待一场科技泡沫？

美国对投资者征收最多20%的长期资本利得税，对个人征收最高37%的收入税，企业税虽然已经从最高点的52.8%一路降到了21%，但仍然负担了大量的社会福利、医疗、养老成本。躺平的富人竟然比辛勤劳动的普通人有更多的税收优势（我知道马上有人要说buy-borrow-die了，我也知道还有很多国家甚至不对资本利得征税）。在一个制度性鼓励被动收入的世界，要如何去回答这个公平性的问题？

虽然税制在偏袒资本，但科技却在另一维度完成“平权”。它让信息与基础设施的使用权高度趋同——顶级富豪与普通人共享着同样的数字终端和底层网络。更重要的是，科技进步是过去50年最有效的财富洗牌机，它不断开辟新的上升通道，冲击那些靠被动收入“躺平”的存量阶层。而这种普惠式的跨越，从来都以巨大的资本损耗为入场券。

科技泡沫只是以一个更激烈的方式，加速了这个技术平权的过程。我看了很多人的采访，贝佐斯是难得很诚实的，他说，当前的AI热潮应被视为一场“工业泡沫”，而非纯粹的“金融泡沫”。类似2008年银行业危机那样的金融泡沫对社会“只有坏处”，但工业泡沫即便破裂，也能留下宝贵的遗产。

泡沫破裂所带来的价值毁灭，从来也不是技术价值的毁灭，它所毁灭的只是贪婪和懒惰。