AI应用爆发，谁是盈利王？

近期，智谱AI和Minimax两家中国大模型公司相继启动赴港上市流程，引发市场对AI商业化的深度思考。与此同时，DeepMind等海外巨头发布的新技术路线也在冲击行业格局。本次会议邀请资深产业专家李帮主，深入剖析了国内外大模型公司的商业模式、技术演进及投资机会。本文基于会议内容，提炼核心观点，供投资者参考。

一、 商业模式分野：To C付费率待提升，To B依赖大客户

从智谱与Minimax两家准上市公司的招股书数据中，可以清晰看到两种截然不同的商业模式。

1. Minimax：以C端为核心，付费率与盈利模型成焦点

• 业务构成：Minimax本质是一家To C公司。其收入主要来自五个产品：“Minimax”（智能体/Agent）、“海螺AI”（视频/图像）、“Minimax语音”、“星野”（角色扮演聊天）以及开放平台API。
• 关键数据：根据2025年前9个月数据（按年化），公司整体实现正毛利。其明星C端产品“星野”营收占比高达35%。
• 付费率剖析：
• “星野”的付费用户年人均贡献（ARPPU）约为5美元。然而，其整体用户付费率仅为1%左右（所有用户年人均贡献仅0.13美元）。
• 作为对比，市场估算OpenAI的ChatGPT付费率在2.7%-3% 之间。专家指出，互联网产品（包括AI）的付费率3% 是一个可以期待的合理水平。这意味着Minimax的C端付费率有约3倍的提升潜力。
• 盈利模型拆解：
• 成本端：主要包括推理成本（向云厂商租用算力）和获客成本。
• 获客成本迷思：按公司财报口径（仅计算“平台佣金”），其AI原生应用的单新增用户获客成本极低（2025年约0.02美元）。但若将同样为获客而支出的“业务推广费用”计入，则总获客成本与推理成本基本相当，约3600-3700万美元。若仅计入平台佣金和推理成本，则毛利为正（23.35%）；若将全部市场推广费用计入，则毛利为负。
• 对比海外：专家指出，类似产品在海外买量，单用户成本通常在1-2美元。像谷歌这类自带流量和算力的巨头，其C端产品的盈利模型（只计算内部结算后的推理成本）显然更具优势。

2. 智谱AI：深耕To B市场，商业模式稳健但增长依赖大客户

• 业务构成：智谱是一家To B公司，其80%-90%的营收来自企业私有化部署。其C端产品（如“智谱清言”）主要为模型优化提供数据和反馈，并非收入主力。
• 关键数据：2025年预期收入约4亿元人民币。
• 商业模式特点：项目制、定制化程度高，与头部客户深度绑定。商业模式相对稳健，但增长速度和规模化复制能力面临挑战。

核心结论：

• C端模型付费率：国内（约1%）与海外（约3%）存在显著差距，这既是挑战也是增长潜力所在。用户付费意愿的提升，直接依赖于模型能力、产品体验和创造价值的提升。
• 盈利关键：控制获客与推理成本是C端模型盈利的核心。拥有自有流量入口（如谷歌）或能将获客成本极致降低的公司，将具备显著优势。
• B端模型：更注重定制化能力、安全性与客户关系，马太效应明显，容易形成对大客户的依赖。

二、 技术路径演进：从“做深”到“做宽”，追求更高效率

当前，大模型的技术发展似乎进入了“平台期”，主流架构（Transformer）的性能提升边际效益递减。这促使巨头们探索新的技术路径。

1. 新方向：DeepMind的MHC架构

• 核心理念：打破OpenAI等主导的“纵深”（非常深的层数）思维链路径，转向 “宽维度和多通道”。
• 潜在优势：如同在城市间修建更多桥梁而非仅拓宽一条主干道，旨在减少信息在层级间传递的损失（失真），从而可能以更低的计算成本（更少的层数、更短的思维链）实现相同甚至更好的效果。这直接对应着推理速度更快、成本更低。
• 行业影响：这代表了大模型效率优化的重要探索方向。若验证成功，将极大降低大模型的部署和使用门槛，加速应用落地。

2. 硬件协同：低精度计算的普及

• 无论是英伟达还是国产算力芯片（如华为昇腾），推理精度从FP16到FP8再到FP4已成为趋势。
• 软件层面（如DeepSeek采用的混合精度训练与推理技术）与硬件层面的低精度适配相结合，将“暴力降低”推理成本。这为应用侧消耗更多Token（让模型“思考”更充分、输出更智能）提供了经济基础。

技术演进的投资启示：关注在模型架构创新和软硬协同优化上具备前瞻性的公司。技术迭代带来的成本下降，是行业从“烧钱”走向“赚钱”的重要推力。

三、 投资机会排序：应用层 > 模型层 > 基础设施层

基于商业化进程和受益逻辑，专家对产业链的投资优先级进行了排序：

1. 第一梯队：AI应用与智能体（Agent）解决方案

• 核心逻辑：直接面向用户或企业解决具体问题，创造可量化的价值（省钱或赚钱），因此商业化路径最清晰，潜在市场规模最大。
• 两类机会：
• 通用型入口Agent：如Minimax的智能体。未来趋势是成为能力聚合平台，通过调用垂直领域的专业Agent来完成任务，并从收入中分成。这种模式具有强大的网络效应和入口粘性。
• 垂直行业Agent：在特定领域（如金融、电商、客服、代码生成、企业业务流程自动化RPA）深度赋能。只要能证明其带来的效率提升价值（节省的人力/资源成本）显著高于其使用成本，就会有旺盛需求。例如，将AI与企业后台复杂业务系统结合，实现自动化操作，替代大量人工。

2. 第二梯队：模型层（Token消耗）

• 核心逻辑：作为“发电厂”，其需求直接由上层应用驱动。随着应用爆发和模型技术优化带来的Token成本下降，总Token消耗量预计将持续快速增长。
• 竞争格局：市场共识是模型能力必须持续领先，竞争激烈。但具备独特数据优势、算法创新能力或强大生态（如自带流量） 的模型公司，有望构筑护城河。

3. 第三梯队：算力基础设施（推理卡、云服务）

• 核心逻辑：属于确定性受益的“卖水人”。无论哪家模型或应用胜出，都需要消耗算力。技术路径向低精度、高效率发展，有利于推理卡的需求和迭代。
• 关注点：具备高性能、低成本推理芯片能力的厂商，以及能提供高性价比算力服务的云厂商。

四、 海外镜鉴：SaaS巨头的AI转型与生态博弈

海外市场为AI商业化提供了重要参照。

1. 传统SaaS巨头的AI收入已初具规模：

• Salesforce（CRM）：AI产品年化收入已达5.4亿美元，增速超过200%。
• ServiceNow（工作流自动化）：AI年化收入5亿美元，明年指引10亿美元。
• Snowflake（云数据平台）：AI助手年化收入超1亿美元。
• 尽管目前AI收入占这些巨头总营收比例仍较低（约1%-5%），但已成为强劲增长引擎，验证了AI赋能传统软件的巨大潜力。

2. 生态位博弈：以Shopify与Salesforce的对比为例

• Shopify（电商建站平台）：接入AI后股价持续走强。其成功关键在于：1）其服务的小微商家本身是独立流量入口，AI（如智能客服、营销）是赋能工具，而非被替代的主体；2）其收入与商家流水挂钩，与AI创造的价值直接关联。
• Salesforce：与OpenAI深度集成后，市场反应相对平淡。部分投资者担忧，这种合作可能使Salesforce从“平台”降级为OpenAI生态系统中的一个“功能模块”，削弱了其自身的平台控制权和流量入口价值。

启示：在与基础大模型合作时，能否保持自身产品的独立价值、用户关系和商业模式闭环，是判断其受益程度的关键。纯粹的工具性、赋能型应用（如Shopify）可能比平台型、入口型应用（如传统CRM）更易在合作中获益。

结论与风险提示

当前，AI产业正从技术狂热走向商业务实。投资重点应从追逐参数规模，转向寻找可持续的盈利模型和真实的用户价值。

• 投资主线：优先关注在垂直赛道或通用入口有清晰变现路径的AI应用公司。其次，跟踪模型技术降本增效的进展及带来的产业链机会。
• 关键跟踪指标：C端产品的付费率、ARPPU、获客成本；B端业务的大客户依赖度、复购率；以及技术侧的推理成本下降曲线。
• 风险提示：行业竞争加剧导致获客和留存成本高企；技术迭代不及预期；商业化进程缓慢；以及部分公司可能存在的盈利模型包装风险。投资者需仔细甄别企业的核心竞争力和商业模式的健康度。

免责声明：本文由音频通过AI自动生成，内容仅供参考，不构成任何投资建议。市场有风险，投资需谨慎。

来源：股市调研