来 源：正和岛（ID：zhenghedao）
最近，中国 AI 行业又甩出一份亮眼的答卷。
8 月 26 日晚，港股大模型公司 MiniMax 交出了上市后的第一份中期成绩单。上半年总收入 1.166 亿美元，同比增长 283.1%，B 端收入暴涨 703.1%，其中海外收入占比超六成。7 月，其 Token 消耗量增长到 1 月的 20 倍。
放眼整个中国 AI 行业，同样振奋人心。
IDC 和 TrendForce 数据显示，2025 年中国云端 AI 加速器市场中本土芯片厂商拿下近 41% 的份额，这是历史性的突破。7 月 31 日国家发展改革委新闻发布会上发布，截至 6 月底，中国 AI 算力规模已达到去年同期的 2.8 倍。
OpenRouter 数据测算显示，截至 8 月 24 日，中国 AI 大模型调用量已连续 17 周领跑全球，且前 5 名全是中国产品。
在高端算力受限的条件下，中国 AI 产业如何走出一条迥异于硅谷的突围路径，掀起属于中国的 AI 热潮？
答案是一场产业链的系统升维之战。
算力是 AI 的底座，也是当前中国 AI 产业链较为脆弱的环节。
当先进制程逼近原子级物理极限，EUV 光刻机短期内难以突破，怎么让国产芯片在真实的大规模生产环境中 " 跑起来 "，形成产业闭环？
中国 AI 产业必须啃下这块硬骨头。
相比于极致的单点突破而言，系统智慧更是我们的强项。
2026 年 5 月，华为首次提出了 " 韬（τ）定律 "。当单一元件的极致遭遇瓶颈，时间的缩微、系统的协同、效率的极致，将成为新的竞争法则。我们不需要给汽车装上飞机的发动机，找到整体系统最优，就是一种新的生产力。
从 " 单点突破 " 换道 " 系统优化 "，这是中国 AI 产业最锋利的破局之刃。不用等 " 完美芯片 "，直接让现有芯片的能力，在系统协同中发挥到极致。
在这场突围战中，MiniMax 的实践极具标本意义。
如今国产大模型和国产芯片的适配不断加速，国产算力生态已经具备了集体响应能力。但 " 能用 " 只是起点，" 实战 " 才是破局的关键。MiniMax 创始人、CEO 闫俊杰在业绩电话会上披露，MiniMax 正在推进 M3 和 H3 的国产芯片适配，大规模国产算力集群将很快上线，并逐步承担真实生产流量。
产业共建的第一步，是 " 敢用 "。MiniMax M 系列的三代文本模型的发布让开源社区热闹起来，华为昇腾、摩尔线程、沐曦、昆仑芯等国内芯片厂商，以及魔搭社区等国内开发者平台，在模型开源首日即完成模型接入与推理适配工作。
类似的模芯协同也在其他国产模型上重复发生。DeepSeek V4 开源后，寒武纪、摩尔线程等国产芯片厂商也迅速完成适配。
8 月 3 日，MiniMax H3 开源当天 24 小时，包括华为昇腾、摩尔线程、沐曦、海光信息、昆仑芯、天数智芯、壁仞科技在内的 7 家国内芯片厂商完成 "Day 0" 适配，为模型部署提供算力支持；同时，魔搭社区、vLLM-Omni、SGLang 及腾讯云等国内开发者社区与推理平台也已同步完成接入，LibTV 等国内 AI 应用企业同样已支持相关模型能力，为开发者和企业用户提供更丰富的部署和应用选择。
无独有偶，GLM 最新一代模型推理流量全部由国产 AI 芯片集群承载。模型正式上线后，其线上服务也运行在大规模国产算力集群上。
只有真刀真枪的业务场景，才能催生中国 AI 行业的真迭代。
从 " 能用 " 走向 " 好用 "，算法与芯片的紧密配合。公司坚持自研的 MSA（稀疏注意力）架构。在长序列任务中，传统 Attention 开销呈平方级增长，而 MSA2.0 通过更细粒度的 blocking 划分，能将长序列任务的 Attention 开销降低约 8 倍。
单点的 " 好用 " 还不够，真正的考验在于 " 组网 "。一颗芯片、一个集群，撑不起整个商业世界。阿里把平头哥芯片、阿里云基础设施、千问模型和百炼服务放在一个体系中。MiniMax 搭建了 " 自主可控核心集群 + 云厂商供给 +Token Factory" 的三位一体网络，让不同来源、不同代际的算力能够统一调度、弹性扩展。相当于给国产芯片造了一个 " 操作系统 "，让它能无缝接入真实的商业流水线。当 " 多芯片 " 变成 " 一张网 "，规模效应就开始显现。
多芯片适配带来的模型的算力选择范围扩大，以及定向优化后单位 Token 成本的下降，会直接转化为公司的降价空间和毛利率改善。国产芯片能帮企业赚到钱，就会刺激持续投入，形成技术的不断迭代。由此，国产芯片、大模型企业、云厂商和算力运营商，就形成了自主可控的产业正向飞轮，在系统工程中完成适配、在适配中完成进化。
这种 " 全栈能力 " 不但意味着不被 " 卡脖子 "，还能让企业牢牢握住模型迭代的主动权，从而提升效率。当集群运行更稳定、训练和推理更高效，就能够持续产生和回收高质量数据，并支持更大规模的实验与强化学习。这是产业链自我进化、自我增强的内生动力。
全球大模型行业正陷入参数规模崇拜的 " 迷魂阵 "。
每一次迭代都在传递一个隐含信号：模型越大，智能越强。但这种 " 军备竞赛 " 正在遭遇反噬——算力成本指数级攀升，训练费用和推理成本让普通企业和用户望而却步。
行业疯狂卷参数、卷模型，最后却卷到用户用不起。
中国 AI 产业没有条件参与这场 " 无限游戏 "，但这种硬约束，却倒逼出了更强大的能力：当算力成为不可逾越的天花板，算法效率就是最大的杀手锏。
行业竞争的底层逻辑已经切换了。过去，比拼的是谁能堆出更大的参数规模；现在拼的，是单位算力能产出多少 " 有效智能 "，是 Token 能否被规模化地生产、运营并真正落地。
" 极致效率 " 正是中国企业擅长的。
国产模型的效率壁垒来自架构层的范式革命。DeepSeek V4 采用 MoE 与混合注意力架构。根据其技术报告，在百万 Token 上下文条件下，V4 Pro 的单 Token 推理计算量约为 V3.2 的 27%，KV Cache 则降至后者的 10%。
MiniMax 则选择了 "Minimize the Inference Cost, Maximize the Intelligence"（最小化推理成本，最大化智能水平）的技术路线。
但降本不是目的，而是手段。
只有把推理成本降到足够低，才有财力支撑更大规模的后训练——包括强化学习和合成数据生成——从而规模化迭代出更高级的智能。算法效率提升会降低推理成本，便宜了用户规模自然扩大，这就为后训练提供了更丰富的素材，模型智能就会持续提升，然后又吸引更多用户加入。
成本和智能的正向循环一旦启动，就会越转越快，最后就成了一道越来越宽的护城河。
今年 6 月，MiniMax 发布的 M3 文本模型采用自研 MSA（MiniMax Sparse Attention）稀疏注意力架构，在百万 token 长上下文下，计算量仅为上一代约 1/20。让客户花更少的钱，用更好的模型。
7 月，MiniMax Token 消耗量达到 1 月的 20 倍，这正是效率飞轮开始轰鸣的标志。
正如 MiniMax 创始人闫俊杰所言：" 智能的提升几乎没有尽头，但能源和算力是有限的。AI 真正的长期竞争，不是把模型做得更强，而是能不能用更低的成本，把更高水平的智能提供给更多人。"
在 Token 成本成为行业达摩克利斯之剑的今天，降本能力，就是最深的护城河。
最先进的模型往往属于大厂，且大多闭源，他们用生态壁垒筑起高墙、锁定市场。但中国 AI 企业却选择了一条截然不同的路——开源与开放，并在全球竞争的铜墙铁壁中撕开了一道口子。
很多人误以为开源是商业化的对立面，这是工业时代的思维惯性。过去，模型的定价权取决于 " 封闭 " ——越封闭，越稀缺，越能卖高价。但 AI 时代，一个模型长期的定价能力，最终取决于效果、成本、稳定性和迭代速度。
开源是 " 引水入渠 "，商业化是 " 筑坝发电 "。水越引越多，坝才越有价值。没有生态流量的堤坝，只是一座死坝。
MiniMax 的实践，是这套逻辑的最佳注解。
但如果把 MiniMax 的开源战略仅仅理解为 " 放模型换流量 "，就低估了这盘棋，它是 " 开放权重模型、AI 原生产品、云端 API 服务 " 三个层面的相互促进。
开源带来的是生态的快速扩张。目前，MiniMax 企业客户和开发者数量已突破 200 万，是 2025 年底的 10 倍。这是实打实的市场渗透与技术采纳的加速。更重要的是，海量的外部开发 " 贡献者 "，还能形成强大的生态网络。
C 端 AI 原生产品的持续打磨，也会反向优化底座模型的易用性——让模型 " 聪明 " 且 " 好用 "。
然后，在 B 端完成变现。开源社区本质上是一场大规模的市场实验：哪些场景能跑通、哪些需求是真需求，社区用实践会给出答案。验证有效的创新，会沉淀至官方云端 API 服务与企业级开放平台，将生态流量转化为规模化的 B 端商业收入。
三层飞轮环环相扣，可以让模型迭代速度、成本优势、场景适配性持续领跑行业，最终构筑起其长期且不可逆的全球竞争壁垒。
更有想象力的是，当这样的 AI 能力注入中国 41 个工业大类，多模态和专业领域的能力深度，能够让 AI 进入更深、更广阔的真实世界。" 工业主战场 " 这片大模型应用的蓝海一旦打开，注定会爆发出振奋人心的能量。这是属于中国 AI 企业的 " 开源辩证法 "。
开源积累的生态优势，能否转化为全球市场的商业竞争力？
MiniMax 的回答是肯定的。2026 年上半年，其海外收入占比超过 60%。8 月 ARR 突破 8 亿美元，B 端收入暴涨 703%。
这是在最残酷的考场，锻造出来的产品力。中国 AI 企业从诞生的第一天起，就选择了全球技术架构部署，" 生而全球化 "。
这是中国 AI 能力嵌入全球数字基础设施的过程。
支撑这套全球化能力的，是 MiniMax 一套面向未来的智能基建底座。从数据生产、算力调度，到预训练、强化学习、评测体系和在线推理，形成完整的工程闭环。这些基建能力在不断迭代中沉淀下来，不只服务于当下的某一款模型，而是能够支撑 M3.1、M3 Pro、H3.1 及后续模型的持续演进，让训练、验证、上线、推理的全链路效率越来越高。
这种积累，是长期模型迭代最深厚的护城河。
西方科技的底层逻辑，长于 " 造物 " ——在原子与比特的微观世界凿开从 0 到 1 的突破口。而中国产业的深层智慧，精于 " 织网 " ——在产业链的宏观尺度上编织从 1 到 N 的效率与规模。
中国 AI 的突围，本质上是将 " 系统优化 " 的工程智慧，从制造业迁移到 AI 产业——他们都在努力用产业生态的系统优势，对冲单点技术的资源约束。
从华为的 " 韬定律 " 在底层重构芯片竞争力，到 MiniMax 串联起 AI 生态，AI 产业的系统升维之战悄然拉开。
这，就是中国 AI 企业在全球浪潮中撕开缺口的深层逻辑。
排版 | 丘秋
审校 | 丘秋 主编 | 夏昆
