燒錢造神，變現成謎：大模型“軍備競賽”的真相

當智譜AI與MiniMax相繼通過港交所聆訊，大模型的“燒錢成績單”也浮出了水面。

MiniMax：今年前三季度營收3.77億元，同比增長175%，但凈虧損高達36.05億元，是收入的近9倍，甚至已超過其2023年全年虧損。

智譜AI：上半年營收1.91億元，增速更猛（同比+325%），可虧損卻達23.58億元，相當于每賺1塊錢，就虧掉12塊。

行業標桿OpenAI目前每賺100美元，仍要虧250美元。但其最新一輪融資計劃卻高達1000億美元，若成功，估值或將沖上8000億美元。[1]

一邊投入指數增長，一邊是盈利跑不贏銀行定存；

一邊財報還是赤字，一邊資本市場還在不斷加碼。

這看似矛盾的現實，引出三個關鍵問題：

為什么大模型公司普遍深陷虧損，估值卻還在飆升？

訓練模型動輒數億美元，中小玩家還有沒有入場機會？

這場高燒不退的AI軍備競賽，究竟是在筑基未來，還是在堆砌泡沫？

燒錢，燒錢，還是燒錢

大模型，跑的不是算力，燒的不是電力，是錢。

粗略來看，大模型企業的成本主要由五大要素構成：算力、數據、人力、存儲、網絡和電力。

首先，來拆解算力。

算力的上游牢牢攥在硬件廠商手中，英偉達幾乎壟斷了全球高性能GPU市場，面對高昂的硬件門檻，企業通常有兩條路：上云租賃，或自建數據中心。

舉個例子：假設一次大模型訓練周期為30天，使用的是80GB顯存的A100GPU，每小時租賃成本約1.2美元。如果對標GPT-5這類千億參數級別模型，所需規?？赡苓_到5萬張卡，那么單次訓練成本約為：

50000×30×24h×1.2$/h≈4320萬美元

換算成人民幣約3億，也就是說，只有年營收或現金儲備達數十億人民幣，且將“模型能力”視為生死線的企業，才敢真正押注千億參數賽道。

所以，模型公司的錢，近三成要“孝敬”給云服務商。

這就導致頭部玩家開始另謀出路，比如OpenAI已計劃投入1000億美元，在德克薩斯州和俄亥俄州自建超大規模數據中心，目標是在2030年前實現算力自給，據測算長期可節省近30%的算力成本。[2]

如果說訓練是“一錘子”買賣，推理作為日常開銷，才是真正的“長流水”。以當前主流水平估算，每千tokens推理成本約0.1-0.2美分，如果一個AI助手日活用戶達百萬量級，年推理支出輕松突破百萬美元。

其次是大模型的“口糧”——數據。

高質量數據得先經過清洗、去重、標注三道工序，這個過程既耗時又燒錢。業內普遍估算，每千tokens的高質量數據處理成本在2-5美分之間。

以字節跳動旗下的豆包為例，官方曾披露其峰值調用量高達4萬億tokens/天，按此計算，僅數據處理一項，高峰期的成本就在8萬至20萬美元/日。

為了不讓AI滿嘴胡話，模型對數據質量的要求在不斷提高，優質標注數據的價格也在持續上漲。

最后，也是最“人性化”的成本項：人才。

頂尖算法工程師本就稀缺，而當整個行業集體轉向大模型，人才爭奪戰更是白熱化。

以字節跳動為例，其“海外商業化-算法專家”崗位月薪最高可達8萬元人民幣，校招的大模型算法工程師起薪也普遍在6萬元/月。[3]

假設一家中型大模型公司組建一支30-50人的核心團隊，人均月薪5萬美元，那么光人力成本每月就要燒掉600萬至1000萬美元。

當資本和機會集中涌向一個賽道，高薪挖角就成了常態。

這種“虹吸效應”固然推動了技術進步，但也讓傳統科技領域頻頻遭遇人才流失之痛，有人笑稱：“現在連做推薦系統的工程師，簡歷都敢寫‘精通Transformer’?！?/p>

除去以上三大重頭要素，電力成本和存儲大致占算力支出的2%和5%，但不能小看這2%和5%，在動輒上億美元的算力投入面前，這些剛性支出，打底也是千萬美元級別。

兩種變現路子，誰能率先跑通？

事實上，智譜AI與MiniMax相繼通過港交所聆訊，傳遞了一個更微妙的信號：市場開始相信，哪怕眼下還在“燒錢買未來”，大模型公司終將能找到賺錢的路子。

從招股書披露的數據看，兩家公司都處于高強度投入期，尤其是訓練成本居高不下。但細看業務結構，它們其實代表了大模型商業化的兩種典型路徑：一個向B/G（企業/政府）扎根，一個向C（消費者）擴張。

智譜AI約82%的收入來自私有化部署，主打“模型+工程項目”的交付模式，目標是做AI基建，成為云廠商。

MiniMax則把重心放在AI原生產品上，71%的營收來自To C業務。截至2025年9月，其旗下海螺AI、Talkie、MiniMax語音等應用合計月活已達2760萬，走的是“模型+產品”驅動規?；穆肪€。[4]

然而，無論是To B還是To C，盈利之路都不平坦。

C端，用戶規?？此普T人，但付費轉化率依然低迷。盡管已有數百萬用戶愿意為高級功能買單，可相比動輒千萬級的月活，這仍是“九牛一毛”。

大多數用戶習慣了“用完即走”的免費體驗，對訂閱制天然抵觸，廠商因此陷入兩難：免費版本是拉新和留存的命脈，卻要承擔高昂且持續增長的推理成本；若強行推付費墻，又可能打斷增長飛輪。

結果就是，C端市場雖大，卻困在“規模不經濟”的怪圈里——用戶越多，虧得越快。

B端常被視作“金礦”，但鏟子太貴了。比如一家銀行想把大模型接入風控系統，往往要求私有化部署、數據不出域、行業術語微調，甚至輸出結果必須可解釋、可復現，一套流程下來，項目成本輕松突破數百萬元，交付周期以月計。

更棘手的是，市面上大量所謂“行業大模型”不過是通用模型套個金融、醫療或法律的外殼，缺乏對業務流程的深度嵌入，客戶很難會為“看起來很智能，用起來沒差別”的方案買單。

目前，多數大模型公司的收入仍嚴重依賴兩條腿：云資源轉售和API調用量。

OpenAI的大部分營收就來自微軟Azure的算力分成和開發者API調用，說白了還是在“賣算力”、“賣token”，這種模式雖然可計量、易擴展，但也極易陷入價格戰。

相比之下，傳統企業軟件之所以能收高價，是因為它直接優化了客戶的業務流程，ROI清晰可見；而大模型帶來的“智能增益”卻難以量化，客戶很難回答：“這玩意兒到底幫我多賺了多少錢？”

正因如此，資本市場對大模型公司的估值，更多基于市銷率，大家賭的不是今天賺多少，而是未來能占多大生態位。

歸根結底，技術驚艷只是入場券，大模型競賽已從“誰參數更大”進入“誰先跑通商業閉環”的新階段。

能否把算法優勢轉化為可持續、可復制、可收費的產品和服務，才是決定誰能笑到最后的關鍵，否則，再高的估值，也不過是建立在token之上的空中樓閣。

牌桌進入殘酷分化，中小玩家如何押注？

短短幾年，行業格局已迅速向頭部集中。

據IDC 2025年Q1報告，2024年全球大模型研發投入達118億美元，同比增長55%；2025年全年投入預計突破150億美元。

然而，變現速度遠遠跟不上燒錢節奏，以Google為例，其模型API收入在2024年僅覆蓋研發投入的18%，而國內90%的中小玩家至今仍在虧損線上掙扎。

頭部玩家之所以能穩坐牌桌，靠的是算力、數據與生態構筑的三重護城河。

從云廠商來看，僅微軟Azure一家，2024年就部署了超過50萬塊AI芯片[5]，這種“先占先得”的資源卡位，讓后來者連入場券都很難拿。

今年，阿里宣布未來三年將投入531億美元專攻AI推理芯片，字節跳動則規劃在2026年前投入227億美元用于相關基礎設施。邏輯很清晰：誰能把推理成本壓下來，誰才能真正掌握AI業務的毛利率。

從技術大廠來看，OpenAI、Google、Meta等巨頭不僅掌控全球超80%的高質量訓練數據，還在規劃自建數據中心，提前鎖定英偉達高端GPU供應。

在這個新戰場上，算力正取代流量，成為衡量一家科技公司未來價值的“硬通貨”。

更關鍵的是，巨頭們早已把大模型深度嵌入自有生態：Google將Gemini無縫整合進Workspace，Meta推動Llama系列與WhatsApp、Instagram聯動，OpenAI則借力Microsoft 365快速滲透企業市場。

這種“算力+數據+場景”的閉環，不僅加速模型迭代，還大幅攤薄單位推理成本。

與此同時，開源與閉源路線的分化進一步固化了格局。Meta選擇開源Llama系列，意在搶占開發者；OpenAI堅持閉源，旨在保護商業壁壘?？此坡窂藉漠悾瑢崉t殊途同歸，都是為了鞏固主導地位。

但這并不意味著中小玩家毫無機會。“贏家通吃”在AI領域并非鐵律，通用大模型在金融、醫療、法律等專業場景中，常因缺乏領域知識而“水土不服”，反而為垂直模型留下縫隙。

于是，聰明的中小團隊開始放棄參數軍備競賽，轉而追求“小而美”。

通過MoE架構、知識蒸餾或量化壓縮，把模型做得更輕、更快、更??；不再只賣API，而是深入行業流程，提供端到端解決方案。比如，用LoRA微調一個垂類技能，成本可能只需幾十美元，樣本量小的時候，甚至十來個數據點就能跑通。

說到底，產業智能化的真實需求是碎片化、場景化、高價值。

所以，大模型戰場并非只有零和博弈，只要找準位置，小玩家也能活得滋潤，畢竟在現實世界里，不是所有問題都需要千億參數來回答。

結語

《時代》周刊將2025年的“年度人物”授予“AI構建者”。

封面則致敬了1932年《摩天樓頂上的午餐》，昔日鋼鐵工人在云端筑起城市天際線，今日AI領袖在無形的高塔上重構人類認知與生產力的邊界。

大模型對世界的影響，已超越技術本身，成為重塑經濟、社會結構與人類認知的“變量”。它正在將無形的智能，鍛造成像電力一樣的基礎設施——雖不常被感知，卻無處不在。

這場變革的勝負，取決于誰能把技術嵌入真實世界的毛細血管，巨頭憑借算力與生態構筑起護城河，但真正的價值洼地，或許藏在某些更貼近“人”的角落。

當所有人都在追問“下一個GPT在哪里”時，或許更該思考：

我們究竟要用AI重建什么？又為誰而建？

參考資料：

[1]晚點LatePost 大模型公司的燒錢賬

[2]格隆匯

[3]投資界 全員漲薪潮

[4]21世紀經濟報道 MiniMax閃電沖擊港股：C端收入超七成

[5]觀察者網 英偉達AI芯片最大買家曝光，一年囤了近50萬顆GPU

公司與行業往期回顧：