这一资本操作模式，与此前英伟达和OpenAI之间的合作模式颇为相似，只是此次软银作为新的参与者加入，将巨额资金从英伟达转移至OpenAI。这一动作对美股市场产生了显著影响，2025年11月初，纳斯达克综合指数与标普500指数均录得近一个月以来的最大单日跌幅，这已是年内第二次因AI引发的市场震荡。上一次震荡源于中国大模型DeepSeek-R1的发布，该模型以远低于OpenAI的成本，实现了与GPT-4相当的性能，并选择开源，引发市场对OpenAI神话能否持续的质疑，而此次软银的操作则进一步加剧了资本市场对美国AI估值合理性的怀疑。
深入分析美国AI发展现状，不难发现其正陷入高估值困局。从估值曲线来看，美国AI尚未出现泡沫破裂迹象，但从泡沫结构分析，其已深陷困境。当前美国AI面临的核心问题是技术发展迅速、收入增长较快，但利润兑现缓慢，而资本市场的预期却已提前延伸至未来5到10年。更为棘手的是，这一困境并非个别企业的问题，而是美国AI行业“人力—算力—资本”三条成本曲线同时失衡的结果。
在人力成本方面，美国AI人才高度集中于少数头部企业，OpenAI、Anthropic、Google DeepMind等公司对博士人才的争夺导致人才价格飙升。业内普遍认为，一名实力较强的研究科学家年薪轻松超过150万美元，顶级人才年薪更是高达250万至300万美元，meta、OpenAI等明星公司部分AI人才年薪甚至达到千万美元级别。这意味着一家大模型公司仅核心成员的工资支出，一年就可能超过上亿美元。
算力成本同样高昂。以OpenAI为例，作为全球最成功的Chatbot应用，其训练成本位居全球首位。外界估算，GPT-4的训练成本在7000万至1.4亿美元之间，而GPT-5的成本预计更高。Anthropic也面临类似问题，尽管其收入增长迅速，2025年预计接近90亿美元，但算力和工程成本的增长速度更快，这意味着公司必须不断加大投入才能维持技术领先地位。这种依赖持续加杠杆维持优势的商业模式，长期稳定性存疑。
英伟达作为AI领域最大的“卖水人”，其股价涨幅已远超利润增长速度。今年英伟达市值突破5万亿美元后，一旦训练端和推理端的需求增速放缓，其股价将首当其冲受到冲击。年初DeepSeek的发布已对英伟达造成一定影响，未来国内AI企业如MiniMax或智谱的上市，可能进一步影响其市值。软银在英伟达市值高位附近清仓，将利润落袋为安，转而投资OpenAI，这一选择反映出美国AI估值叙事已出现动摇，即使是擅长把握科技周期红利的软银，也开始调整投资策略。
与美国AI形成鲜明对比的是，中国AI在估值结构和成本效率方面展现出独特优势。海外报告指出，2023至2025年中国头部云厂商的AI资本开支总和比美国同行低82%，且从投资回报率角度看，中国AI远超美国，发展潜力更大。行业人士表示，美国用户付费意愿较高，但成本结构问题突出，而国内部分团队在商业化方面进展更快，例如MiniMax在海外拥有大量月活用户，其中付费用户占比较高，且训练成本远低于OpenAI，显示出明显的模式优势。
中国AI企业走的是一条务实发展路线，以“低成本高性能”为核心竞争力。低成本不仅体现在推理成本降低，更体现在通过模型架构创新降低训练成本。与美国企业追求模型参数规模不同，中国大模型企业更注重在相同规模下提升模型性能、加快推理速度、增强稳定性并降低成本。DeepSeek的成功便是这一路线的典型代表，其通过工程化提效、算子优化、异构训练和混合精度等底层技术投入，证明了在大模型竞争中，算力使用效率同样关键。
这一思路深刻影响了中国AI企业的模型竞争策略。报告显示，中国大模型能力已不逊色于全球领先的GPT-5，例如MiniMax的M2模型仅比GPT-5落后10%。MiniMax在架构创新方面表现突出，M1模型采用Linear Attention架构，以最小算力追求最大性价比；M2模型则回归Full Attention架构，强调模型稳定性和复杂任务处理能力。这种根据产品场景需求灵活调整架构的策略，体现了实用为先的逻辑，而非单纯追求技术炫技。
MiniMax的M1模型技术报告显示，其强化学习阶段仅花费约54万美元，使用512块H800芯片训练三周即完成。接近MiniMax的消息人士透露，该公司估值逻辑建立在架构创新基础上，即“用更少的钱实现同级别训练效果”。这种务实路线使中国AI企业在商业化方面进展更快，与美国企业“先做强模型再寻找场景”的逻辑不同，中国企业通常先确定产品场景，训练适用模型并快速推向市场，再通过用户反馈驱动模型迭代。这一方法在消费端效果显著，MiniMax成为中国最早实现大规模付费用户的厂商之一，其产品以服务真实用户为导向，而非单纯展示技术实力。
消息人士称，MiniMax目前商业化最成熟的是多模态模型，涵盖语音、音乐和视频模型。行业人士表示，MiniMax在海外市场的日活跃用户数和付费率均保持健康水平，且模型训练成本远低于OpenAI，商业闭环已初步形成。在挑战OpenAI的竞争中，MiniMax在技术、产品和商业化三个维度均表现突出，但同时也形成了差异化发展路径。
MiniMax与OpenAI在商业模式上均采用“订阅收入+API调用”的双轮驱动模式，据外媒报道，MiniMax年经常性收入已达1亿美元规模，多家头部企业正在使用其API服务。然而，MiniMax的独特之处在于其发展路径，它不将AI定位为“未来十年的操作系统”，而是聚焦于“未来三年的超级产品闭环”。OpenAI正将多种智能体能力整合至ChatGPT平台，并打通外部链接入口，构建覆盖文本、语音、视频、推理、工具链和算力平台的庞大体系，这种“长线OS化”路线需要长期资本和算力支持，节奏较为沉重。
相比之下，MiniMax采取完全相反的策略，其产品发布战略围绕语音、音乐、视频生成和文本模型构建能力矩阵，这些能力并非孤立发展，而是服务于同一目标：快速实现产品落地和商业化，而非构建未来平台。这种差异不仅源于路径选择，更得益于结构性成本优势。报告指出，同等智能水平下，中国模型价格普遍低于美国模型，这种成本优势在应用市场竞争中构成“降维打击”，有助于中国模型快速渗透全球市场。
