太真实了！深度拆解 MiniMax 与智谱招股书（非常详细），国产 AI 大模型生死局全曝光！

2025年12月，MiniMax与智谱AI相继向港交所递交招股书，揭开了行业的残酷真相：这是一场现金流的生死竞速。

一、上市融资已成生死时速

MiniMax成立不到四年累计亏损92.9亿元人民币，年度亏损从2022年的7370万美元飙升至2024年的4.65亿美元，2025年前九个月已达5.12亿美元。智谱更甚，2024年亏损29.58亿元，2025年上半年亏损23.58亿元，平均每月烧掉3亿元。三年半时间里，智谱累计研发投入超过44亿元，其中70%用于采购算力。

上市不是选择，是唯一的救生船。IPO能在资本窗口关闭前获得持续输血；落后一步，就可能在巨头参战的技术军备竞赛中弹尽粮绝出局。

二、ToB:自研模型的溢价

在巨额亏损中，ToB业务是两家公司获得稳定收入的核心资产。

智谱2024年本地化部署收入占比84.5%，毛利率达66.0%。MiniMax的企业服务毛利率达69.4%。这种高毛利来自系统性优势：

安全合规：金融、政府等B端客户对数据隐私有刚性要求。自研厂商掌握底层训练数据和模型权重，可提供全链路安全审计和"遗忘"机制，而开源模型面临版权诉讼等法律不确定性。

国产适配：智谱从GLM-4起完成了与寒武纪、摩尔线程、昇腾等国产芯片的深度适配，在国产算力环境下的推理效率远高于未经优化的开源模型。

服务保障：提供7x24小时商业级支持与持续安全补丁，B端客户愿意为这种确定性支付溢价。

这种高毛利、短账期（MiniMax应收账款周转仅38天）、强确定性的ToB收入，证明了一旦研发投入降低、规模效应显现，企业有能力实现正向现金流。

三、 ToC:电力红利争冠全球

ToC领域的竞争已从"谁更聪明"演变为"谁的Token更便宜"。大模型90%的能源消耗发生在推理阶段，中国的工业电价优势正在重塑全球竞争格局。

全球电价差异：中国科技中心电价约0.08美元/度，美国平均0.13美元/度，欧盟高达0.30美元/度。"东数西算"战略将算力枢纽布局在宁夏、内蒙古等能源充裕省份，西部枢纽电价低于0.08美元/度，绿电消纳比例超80%。

这种能源红利使中国厂商能以远低于海外对手的价格提供API服务，而海外同类企业仍在巨额电费中挣扎。

四、为快不破:抢跑数据飞轮

面对阿里（千问）、腾讯（混元）、字节（豆包）等拥有云生态和流量入口的巨头，初创公司的突围路径只有一条：全球抢跑细分场景，构建数据飞轮。

MiniMax的情感交互飞轮：通过Talkie/星野等产品，积累了大量带有情感偏好和多模态交互反馈的闭环数据，这是通用网页爬虫无法获取的专有资产。用户选择、对话时长、反馈按钮产生的数据快速喂回模型，实现针对特定场景的性能超越，吸引更多用户形成正循环。

智谱的Agent战略：AutoGLM作为全球首个可自主操作手机的开源智能体，能理解语音指令并跨APP执行任务。这种"行动数据"是下一代AI的核心，270万开发者生态在数万个垂直场景部署的Agent产生的数据，正在回补底座模型，形成技术上的反向合围。

全模态自研+强化编程：MiniMax和智谱坚持文本、视频、语音全模态同步自研，数据飞轮足够全方位。同时在兵家必争的编程领域持续打榜，在海外社媒拥有不错的口碑，GLM也成为Cursor这样硅谷明星创业团队的自研模型底座。

结论：结构性乐观

智谱与MiniMax的招股书揭示了中国AI大模型行业的真实图景：

ToB端，自研厂商利用代码可控性、安全合规性及国产算力适配性，将大模型转化为国家级和企业级基础设施，构建起60%+毛利率的护城河。

ToC端，中国特有的能源基建红利与"东数西算"地理跨度，提供了全球领先的价格竞争力，这是AI走向大规模商业化的前提，也是中国厂商在海外市场突破的底牌。

竞争格局上，初创公司虽面临巨头的算力与渠道压制，但通过"抢跑的数据飞轮"，在特定细分赛道建立起基于专有反馈数据的高墙。

然而，巨额研发费用和推广预算，使得上市融资成为生存的必要条件。两家公司的成功IPO将为中国AI产业提供一套在巨头夹缝中实现高增长与盈利修复的生存范本。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】