编辑 | 铅笔道 黄小贵
图片 | 铅笔道制图
8 月最后一天，MiniMax 股价盘中一度飙涨 19%，报 357 港元，市值冲到 1249 亿港元。距 7 月 27 日的低点算起，一个月涨了 92%。
刺激股价的是中报——上半年收入 1.17 亿美元，同比涨 283.1%，半年就超过了去年全年。B 端收入暴增 703.1%，占比从 30% 涨到 63.4%，第一次超过 C 端成为第一大收入来源。亏损也在收窄，净亏 3.58 亿美元，同比少亏了 11%。
更刺激的数字不在报表里，而在业绩电话会上：今年 7 月，MiniMax 全平台的 Token 消耗量已经达到 1 月份的 20 倍；8 月份的年化经常性收入（ARR）已经突破 8 亿美元。
" 虽然 MiniMax 还没有赚钱，它找到了一条能赚钱的路。" 智师益友创始人徐乔告诉铅笔道。
这才是市场真正兴奋的点：大模型的商业化，可能正在从尝鲜期进入放量。
Token 增 20 倍，谁在买单
一年时间，B 端收入占比从三成翻到六成多，直接从配角变成了主角。
企业客户和开发者数量暴增。截至目前，MiniMax 全球企业客户和开发者突破 200 万，是 2025 年底的 10 倍。客户多了，基数自然就大。
"To C 用户和 AI 聊天，一个问题来、一个答案走，数据量有限。但企业场景完全不一样——后面连着知识库、内部文档、业务系统，一个问题进来，模型要先读一大堆资料，再检索、判断、输出，中间消耗的 Token 和算力差了不止一个量级。"
这也解释了为什么 Token 消耗量暴增了 20 倍，背后就是 Agent 的兴起。一个 Agent 跑起来，背后不是调用一次模型，而是一步接一步地调用。任务越复杂，Token 烧得越快。
收入涨的同时，毛利率也在改善——从去年的 12.1% 升到 17.9%。规模上去了，单位算力成本摊薄了，这是大模型商业化进入正轨的微弱信号。
但别急着下结论 " 大模型赚钱了 "。
收入大涨，还在亏钱
收入涨了近 3 倍，毛利涨了 4.6 倍，听起来很美好。但净亏损呢？上半年亏了 3.58 亿美元。
亏在哪？核心是研发。
上半年研发费用 2.97 亿美元，同比增长 138.8%，是总收入的 2.55 倍。也就是说，每赚 1 块钱，要往里砸 2 块 5 搞研发。
这不是 MiniMax 一家的问题，OpenAI 最夸张，二季度营收 67 亿美元，但营业亏损 123 亿美元，每赚 1 美元要烧掉 1.8 美元以上，而且亏损还在扩大。
为什么亏损这么难降？因为大模型的成本逻辑和互联网完全不一样。互联网的边际成本几乎为零——多一个用户不用多花什么钱。但大模型不是，每一次调用都要烧电、占芯片，用户越多、调用越频繁，亏得越狠。
徐乔打过一个比方：" 大模型公司就像开金矿的，矿是越挖越深，设备也得越买越贵。你以为挖到金矿就赚钱了？不对，买设备的钱比金子还贵。"
成本端的压力还不止研发。Token 消耗量暴涨 20 倍，意味着算力投入也得跟着涨。模型推理的成本，是跟消耗量直接挂钩的。
徐乔认为，这是基础模型公司目前很难绕开的矛盾。
一方面，DeepSeek 等公司不断通过算法和工程优化压低单位推理成本；但另一方面，Agent 越来越复杂，一个任务需要消耗的 Token 也在迅速增加。
" 成本在下降，使用量却可能增长得更快，这就很容易出现收入增长了，整体成本依然很高的情况。" 徐乔说。
MiniMax 并不是特例，海外头部公司同样在付巨额算力账单。
截至今年 7 月底，Anthropic 年化收入运行率已经超过 650 亿美元，但与此同时，公司仍在大规模签订算力合同。Anthropic 计划未来六年向 Nscale 支付约 450 亿美元租用 AI 计算能力。
这是整个基础模型行业的现状：智能开始卖得出去，但制造智能仍然很贵。
值得注意的是，MiniMax 已经出现了一些规模效应。上半年收入增长 283.1%，研发费用增长 138.8%，毛利润则增长 464.8%；销售及分销费用甚至同比下降 17.9%。
这些数字说明，它正在努力让收入跑得比成本更快，但距离稳定利润，仍然有一道算力、研发和价格竞争构成的高墙。
这也解释了为什么，下一轮 AI 真正容易出现利润的地方，可能并不全部在基础模型层。
行业里一个普遍的预期是：国内头部基座大模型厂商的盈亏平衡点，可能要等到 2028 到 2030 年。这意味着，接下来两三年，" 高增长 + 高亏损 " 还会是大模型公司的标配。
谁先赚到钱了？
短期看，B 端收入翻 7 倍、Token 涨 20 倍、ARR 破 8 亿，这些数字确实很硬。而且不是 MiniMax 一家在涨，Anthropic、智谱的 B 端都在爆发，这是全行业的趋势。
但长期看，大模型这门生意的终局还远没定。研发投入还在涨、竞争格局还在变、成本曲线能不能持续往下走，都是未知数。
真正确定的是什么？是大模型的使用量正在爆发，而离用户最近、能解决具体问题的应用层玩家，已经先一步吃到红利。
徐乔长期做企业客户后形成了一个判断：" 企业真正愿意为什么付钱，其实从来没有变过。"
它不为 " 用了 AI" 付钱，而为业务结果付钱。
比如一家企业准备使用 AI 改造销售培训，站在培训部门的角度，最容易想到的需求是让 AI 制作 PPT、生成课程。一套工具一天可以生产 100 份培训材料，看起来效率提高了很多。
但真正走到一线门店，可能会发现问题完全不同。员工甚至讲不清公司最新活动的卖点。客户问一句 " 为什么我要现在买 "，销售就不知道应该怎么回答。
此时，生成 100 份 PPT，并不会直接多产生一笔订单。
徐乔团队因此选择做 AI 销售陪练。AI 模拟顾客，与销售人员直接对话，提出真实客户可能提出的异议，再根据员工的表达、逻辑和销售话术给出反馈。
这时候 AI 产生的价值就开始变得可以计算：
新人是不是更快上岗？培训成本有没有下降？销售转化率有没有提高？
" 如果一个 AI 只是帮企业把文档写得快一点，价值可能很难衡量；但如果它能够直接影响销售转化、获客成本或者订单量，那么企业很快就知道这件事情值多少钱。" 徐乔说。
短视频带货也是类似逻辑。
一条 AI 视频生成得有多漂亮，其实不是最重要的。重要的是发出去以后有没有流量、有没有订单、带来了多少交易额。
效果离钱越近，产品越容易定价。
未来 AI 行业最值钱的公司，未必是消耗 Token 最多的公司，而可能是最有能力给 Token 加价的公司。
