2026年4月，Anthropic 的 ARR 突破 300 億美元，首次超越 OpenAI。 這本身已經是商業史上最快的增長曲線之一。但如果你只看到這一層，你錯過了更有意思的東西。 這家公司真正值得研究的核心問題是： 為什麼一個資源只有 OpenAI 三分之一、成立比它晚六年的小老弟，能在關鍵戰場上一刀一刀地反超？

自學習 AI 的融資神話，正在告訴我們一件事——這場 AI 軍備競賽，連研究員本身都要被「卷」進去了。1956 年，一批科學家聚在達特茅斯，第一次正式討論「機器能否思考」。他們樂觀地以為，用一個夏天就能解決這個問題。七十年後，這個問題依然沒有答案。但有一家公司，剛剛成立四個月，就拿到了 5 億美元融資，估值達到 40 億美元——只因為它宣稱，自己找到了一條路，讓 AI 學會自己做研究、自己進化。這家公司叫 Recursive Superintelligence。Google 風投 GV 領投，輝達跟投。兩家公司在 AI 生態裡的地位不需要贅述。它們同時出手，押注一家連產品都還沒有公開的初創公司，背後的邏輯值得認真拆解。01「把人從循環裡移走」先說說 Recursive Superintelligence 到底在做什麼。公司由前 Salesforce 首席科學家 Richard Socher 創立，核心團隊來自 Google DeepMind 和 OpenAI。這不是什麼陌生的組合——過去兩年，從頂級實驗室出走創業的工程師和研究員，已經形成了一股明顯的浪潮。Richard Socher 的 X 個人首頁，Altman 顯然關注了這位人才｜圖片來源：XSocher 並非矽谷常見的那種「大廠出來鍍金」的創始人。他 1983 年生於德國，在史丹佛大學師從 AI 先驅 Andrew Ng 和 NLP 權威 Christopher Manning，2014 年完成博士論文，拿下當年史丹佛電腦系最佳博士論文獎。Richard Socher 是將神經網路方法真正帶入自然語言處理領域的關鍵人物之一——他早期關於詞向量、上下文向量和提示工程的研究，直接奠定了今天 BERT、GPT 系列模型的技術基礎，Google學術引用量已超 18 萬次。博士畢業當年，他創立了 AI 初創公司 MetaMind，兩年後被 Salesforce 以戰略併購的方式收入麾下。此後他以首席科學家兼執行副總裁的身份主導 Salesforce AI 戰略長達數年，主導了 Einstein GPT 等企業級 AI 產品線的落地。離開 Salesforce 後，他又在 2020 年創立了 AI 搜尋引擎 You.com，2025 年完成 C 輪融資，估值達 15 億美元。這一次，他把目光從搜尋轉向了更底層的命題。Thinking Machines Lab、Safe Superintelligence、Ineffable Intelligence、Advanced Machine Intelligence Labs……每一家都拿著「前 XX 大模型核心團隊」的標籤出現，每一家都在講一個「下一代 AI」的故事。但 Recursive 的切入點，比大多數同行更激進。它的核心命題是「自學習 AI」——不是讓 AI 更聰明地回答問題，而是讓 AI 自主完成科學研究的全流程：提出假設、設計實驗、評估結果、迭代方向。換句話說，它想把人類研究員從這個循環裡完整地移走。這不是一個新鮮的方向，但 Recursive 把它放到了一個極其現實的商業邏輯裡。現在頂級 AI 研究員的年薪動輒 1500 萬到 2000 萬美元，如果一套系統能以更低的成本、更快的速度完成同樣的工作，前沿研究的經濟模型就會徹底改寫。投資人顯然看到了這個邏輯。融資輪據報導超額認購，最終規模可能達到 10 億美元。02Google 和輝達同時下注GV 領投，輝達跟投。這個投資人組合本身就是一個訊號。Google 的邏輯不難理解。DeepMind 多年來一直是「AI for Science」方向最重要的探索者，AlphaFold 破解蛋白質折疊問題，AlphaGeometry 在數學競賽中擊敗人類頂尖選手。但 DeepMind 的路徑是用 AI 解決具體的科學問題，Recursive 想做的是更底層的事——讓 AI 系統自主推進科學發現的過程本身。這對 Google 來說既是競爭關係，也是一個值得押注的避險。更重要的是，就在本月初，Google 剛剛與 Intel 宣佈了多代 AI 基礎設施的合作協議。這說明 Google 在 AI 基礎設施層面的佈局正在全面提速。對 Recursive 的投資，是這個大棋局裡的一顆棋子——誰來跑在最前面的模型上，Google 都想有份。輝達的邏輯則更直接。自學習 AI 的核心瓶頸不是演算法，是算力。如果 AI 要自主跑實驗、迭代模型，背後需要的 GPU 叢集規模是指數級增長的。輝達投 Recursive，某種程度上是在投自己的未來訂單。兩家公司同時出手，也釋放了一個更微妙的訊號——這個賽道，可能已經到了「不投就來不及」的階段。03四個月估值 40 億，合理嗎估計當所有人第一次看到 40 億美元這個數字的時候，第一反應是「又來了」。AI 創業估值泡沫這兩年已經不是新鮮話題。一個 PDF、一個 demo、幾張幻燈片，加上幾個來自頂級實驗室的名字，就可以撬動幾億美元——這在矽谷和倫敦已經不是傳說，而是日常。但仔細看 Recursive 的情況，有幾點和普通的「PPT 獨角獸」不太一樣。第一，創始團隊的份量。Richard Socher 在 NLP 領域有真實的學術積累，不是純粹靠「前大廠」光環包裝。核心團隊在 DeepMind 和 OpenAI 的經歷，也意味著他們切實接觸過前沿研究的痛點。第二，融資超額認購的事實。這意味著市場需求遠超供給，投資人在搶著進來，而不是被說服進來。但 40 億美元的估值，對於一家四個月、尚無公開產品的公司來說，定價的依據是預期，不是現實。這本質上是在為一個方向付費，而不是為一個產品或收入付費。這種定價邏輯在 AI 時代正變得越來越普遍，背後是投資人對「錯過下一個 OpenAI」的深層恐懼。Safe Superintelligence 當年也是以幾乎沒有產品的狀態拿到了天價估值，Ilya Sutskever 的名字就是最硬的資產。Recursive 在複製同樣的路徑。這不是批評，而是一個客觀的觀察。04「自學習」這扇門，背後是什麼Recursive Superintelligence 這個名字，其實已經把公司的野心說得很清楚了。「Recursive」是遞迴的意思。在電腦科學裡，遞迴是一個函數呼叫自身的結構，是很多複雜演算法的核心機制。放到 AI 研究上，「遞迴超級智能」暗示的是一個系統能夠不斷最佳化自身、螺旋上升的過程。這個概念並不新鮮，它的極端版本就是「智能爆炸」——一個系統一旦超過某個臨界點，就能自主加速自身的進化，最終達到人類無法理解的智能層級。這是 AI 安全領域長期以來最核心的擔憂之一。但 Recursive 現在做的，應該遠沒有到這個層面。更現實的解讀是，它在嘗試建構一個可以自主驅動科學探索循環的系統，目標是大幅降低 AI 研究的人力成本和時間成本。如果它真的能做到，影響不會只停留在 AI 圈。它意味著藥物研發、材料科學、物理學等領域，都可能迎來一個「沒有人類科學家參與也能快速推進」的階段。當然，這還是「如果」。從聲稱到實現，中間的距離，在 AI 行業裡從來不是線性的。05浪潮的邏輯2025 年下半年以來，從頂級實驗室出走創業的浪潮一波接一波。Thinking Machines Lab、Safe Superintelligence、Ineffable Intelligence……這條名單還在變長。Recursive 是這個浪潮裡最新、也目前估值最高的一家。背後的結構性原因很簡單——OpenAI、Anthropic、Google DeepMind 的競爭已經讓這些頭部實驗室變得越來越像大公司，有 KPI、有合規、有政治。真正想押注最激進方向的研究員，反而覺得出來自己幹更自由。與此同時，資本市場的邏輯也在強化這個趨勢。對於有大廠背書的頂級研究員來說，現在創業的窗口期可能是歷史上最好的時候——投資人比任何時候都更願意為「方向」付錢。這場浪潮最核心的問題不是「誰會成功」，而是「成功的定義是什麼」。如果 Recursive 最終證明了自學習 AI 的可行性，它將改寫 AI 研究的底層範式。如果它沒有做到，5 億美元的彈藥燒完之後，留下的會是又一個被過度炒作的概念。兩種可能都真實存在。四個月，40 億美元估值，這個數字讓人興奮，也讓人警惕。AI 軍備競賽發展到今天，連「如何做研究」這件事本身，也變成了競爭的戰場。科學家們在達特茅斯爭論了一個夏天的問題，現在有人打算用 AI 來回答——用 AI 研究 AI，用遞迴的方式奔向超級智能。這條路通向那裡，沒有人真正知道。但顯然，Google 和輝達已經決定，不管通向那裡，都不能缺席。 (極客公園)

兩年半，從3億美元到180億美元。這不是科幻小說，而是AI公司月之暗面的真實估值曲線。2023年6月天使輪融資時，這家中國AI公司估值僅3億美元。2026年初，傳聞新一輪融資投前估值，這個數字已經變成180億美元——漲幅5900%。網際網路時代，從零到百億身家，需要5到10年。AI時代，2到3年就夠了。為什麼AI時代的造富速度如此之快？答案藏在生產要素的變遷裡。網際網路時代的核心要素是流量、資本與管道。商業邏輯是"先圈地、後變現"——燒錢買量，積累使用者，再通過廣告、電商間接變現。這是一場需要長期佈局的"化學爆炸"。AI時代完全不同。核心要素變成了算力、資料與演算法。商業邏輯是"直接交付價值"——使用者付費是因為模型能解決問題，而非單純的流量入口。這是一場瞬間釋放能量的"核聚變"。例如：月之暗面的Kimi模型支援200K+上下文窗口，直接切入法律、金融等長文字需求場景。200多家律所、50家券商成為付費客戶。不是先免費吸引使用者再變現，而是直接靠能力收費。網際網路時代的競爭壁壘是網路效應——使用者越多，產品價值越高。AI時代的競爭壁壘是技術飛輪——模型越好，使用者反饋的資料越多，模型迭代越快，精度更高。智譜AI的模型精度提升後，政企客戶反饋的資料質量隨之提高，反過來又加速了模型最佳化。這是一個強者恆強的正向循環。DeepSeek的程式碼理解能力已媲美GPT-4o，其開源模型在Hugging Face下載量超1090萬次。開發者生態反哺技術迭代，形成競爭壁壘。中國AI造富呈現出獨特的"三綁"特徵。一是科研繫結。智譜AI脫胎於清華大學KEG實驗室，GLM-130B是國內首個千億參數開源大模型。央國企客戶天然信任有高校背景的AI企業。二是資本繫結。阿里、騰訊等大廠不僅提供資金，更開放算力資源。阿里雲為月之暗面提供定製化萬卡叢集，支援其200K+上下文訓練。三是政策繫結。地方國資直接投資，杭州、珠海等地政府與智譜AI達成戰略合作，開發城市級大模型應用。與美國市場以C端產品為主不同，中國AI企業更側重B端政企服務。MiniMax海外收入佔比達73%，智譜AI企業級收入佔比超50%。AI時代的創業者，與網際網路時代截然不同。高學歷成為標配。福布斯中國2025年資料顯示，超過一半的AI創業者擁有博士或博士後學位。清北、浙大、中科院畢業生佔比超40%。年輕化趨勢明顯。AI創業者平均年齡32歲，90後佔比超60%。月之暗面創始人楊植麟1992年出生，MiniMax創始人閆俊傑1989年出生，Deepseek創始人梁文鋒1985年出生。更重要的是技術信仰。楊植麟每天工作12小時以上，親自參與模型研發；梁文鋒將幻方量化盈利全部投入DeepSeek，估值破兆也不分紅；閆俊傑面試演算法工程師通過率不足5%。他們不是商業模式的創新者，而是技術的攻關者。需要警惕的是，造富速度驚人，但風險也在累積。中國頭部AI企業市銷比普遍超過400倍。智譜AI約466倍，MiniMax約427倍。對比之下，輝達巔峰時期僅40倍，特斯拉巔峰時期僅30倍。估值嚴重脫離基本面。而且，盈利周期漫長。OpenAI預測最早2030年才能現金流轉正。中國多數AI企業需要5到7年才能盈利。此外，算力成本也在上漲。資料中心電力成本較2025年上漲40%，人才缺口超500萬，高校培養速度滯後產業需求6年以上。但長期趨勢依然樂觀。 (馬江博說趨勢)

隨著羅斯·諾迪恩（Ross Nordeen）本周五離職，曾與埃隆·馬斯克一同建立人工智慧初創公司xAI的11名聯合創始人全部離職。知情人士稱，36歲的諾迪恩在xAI直接向馬斯克匯報，擔任他的左右手，協調優先事項並推動公司各項工作的執行。△埃隆·馬斯克（資料圖）(極目新聞)

如果你最近在關注AI創業，可能會有一種很強的撕裂感。一邊是每天都有新產品上線、融資、爆火；另一邊，越來越多一線投資人開始給出同一個判斷：未來三年，70%—80%的AI應用會消失。作為投資者和創業者該如何判斷？下面這篇訪談可能有些啟發。這篇訪談的題目是《How Anthropic’s $100M Anthology Fund Works | Menlo Ventures》（《Anthropic 1億美元 Anthology 基金運作模式 | Menlo Ventures》）。訪談的主講人Deedy Das，是Menlo最新晉陞的合夥人，此前是企業搜尋獨角獸Glean的創始團隊成員。除了投資人身份，他也是X上頗具影響力的AI領域KOL，對AI創業與行業趨勢有持續觀察。去年，Menlo Ventures與Anthropic聯合設立了1億美元的 Anthology Fund，專門投資AI生態中的早期公司。Menlo Ventures目前管理資產規模超過68億美元，歷史上投出過80多家上市公司，同時也是Anthropic最大的機構投資人之一。在這場訪談中，Deedy Das系統講清了三件正在發生的變化：為什麼大模型公司開始親自下場做生態投資？為什麼VC不再只看賽道，而是在看“學習速度”？以及在AI時代，真正的護城河，可能已經只剩下三樣東西。以下為訪談內容整理（經壓縮編輯，僅保留核心觀點）。———————————————————————Molly O’Shea：很多人聽說了 Anthropic 的$100M Anthology Fund，但不太清楚它到底是一個什麼結構。它是 Anthropic 自己在投公司嗎？還是一個傳統VC基金？Deedy Das：本質上，它是一種新型的合作模式，介於傳統風險投資和平台生態基金之間。Anthropic 並不是在做一個典型意義上的獨立VC。它真正想做的是，找到最優秀的 AI 原生創業公司，並讓這些公司深度使用 Claude。Anthology Fund 的目標不是財務回報最大化，而是讓更多優質公司建構在 Claude 之上，形成生態，以加速真實世界中的應用場景，同時通過這些公司反向獲得產品反饋。Molly：那這個基金的錢是誰來決定投給誰？是 Anthropic 決定，還是 Menlo Ventures？Deedy：這是這個模式裡最關鍵的一點。Anthology Fund 是這樣一個聯合投資結構：Anthropic 提供戰略資源和生態支援，Menlo Ventures 負責投資決策與執行。投資流程和普通VC一樣：看團隊、看產品、看市場、看執行能力。但除此之外，會多一個維度，即這個公司是否適合深度使用 Claude，它能否成為 AI-native 的公司？被投公司除了資金，通常會獲得Claude 使用額度，與 Anthropic 產品團隊直接溝通的機會，及優先獲得新模型能力等生態資源。Molly：Anthology Fund 更選擇投資什麼樣的公司？Deedy：我們重點關注三類公司：第一是， AI-first 公司，它們不是“給原產品加個AI功能”，而是，如果沒有大模型，這個公司就不存在。第二，是深度呼叫模型能力的公司，比如 Agent 系統、自動化流程、企業知識工作自動化等。第三，是增長速度快的團隊。在AI時代，速度就是護城河，誰迭代更快，誰就能贏。Molly：現在的投資邏輯和以前比有什麼改變？Deedy ：過去VC 主要看的是市場規模、商業模式，及長期壁壘等，而在 AI 投資裡，則更看重創始人執行速度、學習能力，及能否快速跟上模型能力變化快速迭代。因為，產品優勢的半衰期越來越短。所以投資邏輯正在從分析市場，轉向押寶創始人速度。Molly：現在AI應用創業特別多，但也有人說，大部分都會被淘汰。你怎麼看？Deedy：我認為確實如此。一個很現實的判斷是，未來幾年，可能 70%-80% 的 AI 應用都會消失。原因主要有三個。第一，模型能力在快速上升。基於此，很多今天的創業公司，其實只是 prompt 工程，或者就是一層包裝，甚至是個簡單的workflow。但隨著模型越來越強，這些功能會被模型原生支援，“如果你的產品只是包裝層，模型會把你吃掉”。第二，產品差異化太弱。現在很多AI產品的問題是，功能相似，技術門檻不高，使用者切換的成本接近於零。沒有真正的資料、流程或系統繫結，很難形成護城河。第三，創業者低估了模型進化速度很多團隊按照“傳統軟體節奏”在做規劃，比如 12 個月的產品路線圖，但現實是，模型能力可能 3 個月就有一次躍升。因而，如果產品設計依賴某個當前能力，很可能半年後就被底層能力替代Molly：那什麼樣的AI公司更有機會活下來？Deedy：真正有機會的是三類。1）深入企業流程的公司如果AI只是一個工具，很容易被替代。但如果它能嵌入工作流，改變組織流程，成為日常營運的一部分，那替換成本就會非常高。流程，就是新的護城河。2）擁有獨特資料的公司AI時代另一個關鍵點是資料專屬性。如果你的系統能持續積累使用者資料，形成反饋循環，那競爭優勢會越來越強。3）能快速迭代的團隊。速度是一切。因為模型、使用者需求、競爭者都在快速變化。AI創業的本質已經變成，一個持續實驗的過程，而不是一次性產品設計。Molly：從投資角度看，AI改變了什麼？Deedy：最大的變化是過去VC強調市場規模、長期壁壘、商業模式穩定性等，而現在創始人的適應能力、學習速度、對技術變化的理解等，則成了主要競爭力。我們投資的是學習速度。在AI時代，商業模式會變、產品會變、技術會變，唯一穩定的變數，是創始人的進化能力。Molly：AI 對公司的形態會有什麼影響？Deedy：未來公司的變化是團隊更小、效率更高、人均產出更大。因為AI 正替代大量重複工作，自動化程度大幅提高，這樣一來一個小團隊可以完成過去大公司的工作。未來會出現大量小團隊、高收入 的AI公司。Molly：從Anthropic、OpenAI這些公司的動作來看，它們不僅在做模型，還在做生態、投資、開發者關係。你覺得它們最終會變成什麼樣的公司？Deedy：我認為，大模型公司正在走向一個非常熟悉的終局，它們會變成平台公司。就像過去的AWS（雲平台）、IOS 作業系統、Android、Saleforce 等。未來的競爭不只是模型能力，而是開發者數量、企業客戶規模、生態繁榮程度、默認的使用習慣。最終勝出的模型公司，會成為默認基礎設施。一旦成為默認選擇，切換成本就會非常高。從這個角度看，Anthology Fund的意義就很清晰了，它不是為了賺投資回報。它的真正作用是，扶持創業公司使用Claude，讓優秀應用繫結Claude，以提前鎖定生態，建立開發者關係。這是一種長期的競爭策略。因為在AI時代，誰擁有更多的真實應用，誰就更可能成為平台。Molly：如果看未來兩到三年，你覺得最大的變化會是什麼？Deedy：最大的變化是AI能力會繼續快速提升，但真正的價值會嚮應用層轉移。一方面，模型能力差距逐漸縮小，成本持續下降，推理越來越便宜而當模型逐漸“商品化”之後，競爭點就變成誰更理解使用者，貼近場景，更能切入實際工作流。分發能力和流程嵌入，會比模型質量更重要。Deedy：AI創業最最容易犯的錯誤是那些？Deedy：現在很多創業者有一個典型誤區。他們關注的是模型能力有多強，技術細節，以及benchmark 排名資料。但真正重要的是使用者每天會不會用你的產品，你的產品能不能進入工作流程，以及是否可以帶來真實效率提升。如果產品不能成為日常使用工具，很可能不是一個真正的生意。總之，AI時代的核心邏輯正在變成三點：速度勝過一切，流程就是護城河，生態決定勝負。而Anthology Fund，本質上就是圍繞這三點在佈局。 (創頭條New)

初五迎財神，是中國人最虔誠的春節儀式之一。2026年的馬年初五（2月21日），當朋友圈照例被"恭喜發財"刷屏時，中國AI公司們也正在以一種極其暴力的方式，完成一場真正意義上的"迎財神"——智譜（02513.HK）單日暴漲42.72%，收盤報725港元，市值突破3232億港元。MiniMax（00100.HK）收漲14.52%，報970港元，市值衝破3042億港元。兩家成立不過幾年的AI公司，在農曆新年開市第一天，以超過3000億港元的市值體量，正式碾壓“傳統”網際網路公司京東、快手、攜程們，並逼近百度。而在一級市場，最受關注也是最有指標意義的月之暗面，它的最新融資估值也據傳翻倍突破100億美元，與此前一輪相比翻倍，並且眼看停不下來，繼續奔著1000億估值衝去。中國AI公司們一起迎財神了。3000億港元俱樂部：一個月漲5倍的魔幻劇本先看資料。智譜（02513.HK）IPO日期：2026年1月8日發行價：116.20港元上市首日市值：約555億港元2月20日收盤價：725港元2月20日市值：3232億港元上市43天累計漲幅：超500%MiniMax（00100.HK）IPO日期：2026年1月9日發行價：165港元上市首日收盤市值：約1050億港元（首日漲幅109%）2月20日收盤價：970港元2月20日市值：3042億港元上市42天累計漲幅：約488%一個月出頭，兩家公司的市值膨脹了5倍左右。如果你在IPO當天買入並持有到今天，恭喜，你的回報率超過了絕大多數十年期基金產品。更直觀的對比是把它們放進港股科技公司的排名中——數字的對比很魔幻。京東一年營收11588億元，淨賺414億，市值3024億港元。智譜2024年全年營收3.12億元，虧損24.66億，市值3232億港元——比京東還高。快手7.36億月活使用者，年賺177億，市值不到2900億。MiniMax全年營收約2.2億元人民幣，虧損約32億，市值反而破了3000億。百度做了26年搜尋引擎，年收1331億，利潤238億，市值3500億。智譜成立5年，距離超越百度只差一個漲停板。攜程一年運送上億人次出行，淨利172億。泡泡瑪特把Labubu賣到全球，半年營收就超過了2024年全年。這些公司花了十年甚至二十年建構的市值護城河，被兩家還在燒錢的AI公司在43天裡追平。顯然市場在給兩種完全不同的東西定價：一種叫"現在的利潤"，另一種叫"下一個時代的入場券"。Kimi：不上市，但估值照樣翻倍如果說智譜和MiniMax是在二級市場"迎財神"，那月之暗面（Kimi）則是在一級市場完成了同樣壯觀的財富敘事。2月17日，多家媒體報導：月之暗面正在完成一輪超7億美元的新融資，由阿里、五源、九安等老股東聯合領投，騰訊也參與投資。本輪融資後，Kimi估值直接翻倍，突破100億美元大關，達到100億至120億美元區間。梳理月之暗面的融資節奏：兩個月內，連續兩輪累計融資超過12億美元，這勢頭不會停下來，奔著1000億而去。更令人矚目的是創始人楊植麟的態度。他在內部信中明確表示"公司短期不著急上市"，並指出B/C輪融資金額已超過多數公司IPO的募資規模。公司目前帳面現金儲備超過100億元人民幣——這個數字接近智譜和MiniMax兩家IPO前現金之和。把Kimi的估值放到更大的坐標系中：Kimi目前的估值約為OpenAI的2%、Anthropic的3%。但考慮到中國AI公司在海外融資和估值體系中長期被低估，以及Kimi K2.5模型在HLE、BrowseComp等評測中展現的全球領先水平，100億美元很可能只是它在一級市場的中間站。而智譜和MiniMax在二級市場的瘋漲，正在為Kimi等尚未上市的中國AI公司確立新的估值錨。暴漲背後：具體的催化劑與整體的氛圍之變這輪暴漲，既有個體層面清晰的催化劑，也有產業層面深刻的氛圍轉變。1. 智譜：GLM-5引爆估值重定價2月12日，智譜正式開源發佈新一代基座模型GLM-5。這不是一次普通的版本更新——GLM-5總參數達到744B，預訓練資料量28.5T，採用了與DeepSeek-V3同源的稀疏注意力機制和多Token預測技術，在多項核心程式設計與推理榜單中穩居開源模型第一，部分指標逼近全球頂尖閉源模型Claude Opus 4.5。在GLM-5正式發佈之前，一個名為"Pony Alpha"的匿名模型出現在全球模型聚合平台OpenRouter上，程式設計和推理能力極為強悍，被社區91%以上的使用者判斷為GLM-5的測試版。僅這一個"洩露"就直接引爆了智譜股價——2月9日單日暴漲36.22%。更關鍵的訊號是：智譜隨即宣佈對GLM Coding Plan套餐漲價，國區漲幅30%起步，海外版漲價超100%，新套餐上線即告售罄。從"價格戰"到"漲價"，補貼換市場變成了用價值換溢價。2. MiniMax：OpenClaw浪潮中的最大贏家之一如果說智譜的催化劑是GLM-5，那MiniMax的催化劑則來自一個更戲劇性的場景——2026年開年最大的AI應用爆款OpenClaw。OpenClaw（原名Clawdbot）是2026年初爆火的開源AI Agent項目，支援本地部署和多平台消息整合，迅速成為全球開發者追捧的現象級工具。而在這波浪潮中，MiniMax的模型成為了最受歡迎的選擇之一。OpenClaw創始人Peter Steinberger在播客訪談中直言：MiniMax M2.1是"當下最優秀的開源模型"。他更進一步表示，在程式設計任務上，MiniMax可以僅以Claude 5%的花費實現接近的效果——這句話直接引爆了資本市場對MiniMax的重新定價。OpenRouter平台的資料印證了這一點：春節期間，中國開源大模型呈現霸榜之勢，MiniMax憑藉極致性價比成為開發者大量轉向的首選。在OpenClaw的實際呼叫中，搭載MiniMax M2.1作為核心引擎的方案在工具呼叫精準率、任務執行效率及成本管控方面均表現優異。這背後的邏輯非常清晰：OpenClaw重新定義了AI模型的消費場景——不再是人類在聊天框裡提問，而是Agent在後台持續高頻呼叫。在這種場景下，"夠用+便宜"的組合碾壓"最強+昂貴"。MiniMax恰好卡在了這個甜蜜點上。Reddit上大量使用者反饋，使用Claude作為OpenClaw引擎的token帳單動輒幾百美元，轉向MiniMax和Kimi等中國模型後，成本降到了原來的八分之一到九分之一。這種實打實的使用遷移，讓MiniMax從"知名度有限的中國模型"變成了全球開發者工具鏈中的標配選項。3. DeepSeek預期：從"利空"到"利多"的根本性翻轉去年春節，DeepSeek-R1的橫空出世曾讓中國AI投資圈心情複雜。一方面，中國AI的整體認知被拉升了；另一方面，DeepSeek以極低成本打穿性能天花板，讓其他燒了大量資金的AI公司顯得性價比很低。彼時DeepSeek對同行而言，更多是一種"利空"——你們花幾十億做出來的模型，人家幾百萬就搞定了。但一年之後，情況發生了根本性翻轉。2026年春節前，市場瘋傳DeepSeek將發佈下一代旗艦模型V4。面對這個預期，各家AI公司沒有選擇等待或躲避，而是爭先恐後地搶在DeepSeek之前亮出自己的底牌。這場春節檔AI大戰的本質是：DeepSeek的存在不再是利空，而是整個中國AI陣營的競爭勢能催化劑。各家都在開源，各家都在全球平台上競爭，各家的模型在OpenRouter上霸榜，這變成了一種集體從GPT、Claude等閉源巨頭手中搶奪全球開發者的呼叫量和注意力的行為。DeepSeek撕開的口子，其他中國公司正在一湧而入。對資本市場來說，這意味著一件事：你投的不是某一家中國AI公司，你投的是中國AI作為一個整體在全球AI版圖中份額提升的趨勢。這個敘事的力量遠大於任何單一公司的業績。4. 中國AI估值與國際接軌的轉折點以前，中國AI公司的估值普遍遠低於美國同行。Kimi的C輪估值43億美元，同期Anthropic已經1830億美元。中美AI公司的估值差距，不僅僅是技術差距，更是資本市場信任度的差距。現在，智譜和MiniMax用3000億港元（約385億美元）的市值至少刺激了市場去思考和開始習慣一件事，那就是中國AI公司也可以在公開市場享受高估值。這種估值體系的接軌意義深遠——當全球資本看到中國AI公司可以在港股獲得與國際同行可比的估值倍數時，更多國際資本將主動流入中國AI市場。摩根大通已經在研報中首次覆蓋兩家公司並給出樂觀評級，這只是開始。高盛此前分析指出，中國AI模型的全球競爭力將帶來超過2000億美元的投資組合資金流入。5. 春晚機器人：14億人的AI啟蒙一課別忘了一個容易被"專業人士"忽略的變數：2026年春晚。這是機器人登場密度最高的一屆央視春晚。宇樹科技、魔法原子、銀河通用、松延動力、越疆機器人、科大訊飛——六家機器人和AI企業組團亮相除夕之夜。宇樹科技的人形機器人叢集武術表演《武BOT》成為當晚話題焦點，數十台G1機器人在快速奔跑中完成穿插變陣和高難度武術動作，高並行叢集控制技術全球首次亮相。春晚開播兩小時，京東上機器人搜尋量環比增長超300%，訂單量暴漲150%。當14億人在除夕夜看到機器人打太極、耍長棍、做後空翻，AI不再是抽象概念，而變成了一種撲面而來的視覺衝擊和未來感。這種全民等級的認知刷新，會轉化為開市後對AI類股最樸素也最強大的買入動力——"我看好AI"。這一輪的模型競爭，前所未有的需要資源的比拚，初五迎財神，講的是開門納福，顯然把這些市場上的資源，都納入進來，才能繼續競爭下去。 (矽星人 Pro)

最近在學 ComfyUI，前幾天同事和我說，Flux 又出新的模型了——Flux 2 Klein，模型小，改圖能力很強。我拼寫的時候還以為他說的是 client，他糾正說 K-l-e-i-n，我一看，這不是德語裡面表示"小"的意思那個單詞嘛。他說 Flux 模型是由 Stable Diffusion 那個團隊的核心人員開發的。我看著"klein"這個單詞，猜想這是不是一家德國的團隊，就去查了查背後的故事，好傢伙，整個故事還是很精彩的。我們都知道，OpenAI 之前或者之後發佈的文生圖模型 DALL-E 2 和 DALL-E 3 都是閉源模型，之前很火的 Midjourney 也只能付費使用。但是 2022 年，大家的視野中出現了一個叫 Stability AI 的公司，這個公司發佈了一系列的 Stable Diffusion 模型，爆火全球。毫不誇張的說，Stable Diffusion 模型之於文生圖，類似於 ChatGPT 之於聊天模型。其中 22 年 10 月發佈的 SD1.5 以及 23 年 7 月發佈的 SDXL 是其中最最經典的模型，也是那個時期被使用最多的模型，那怕我一個新手開始學習 ComfyUI，回望文生圖的來時路，這兩個模型也是不能不學習的模型。這些模型的開源催生了很多的微調模型和 LoRA 外掛，極大地推動了文生圖整個行業的生態。故事的開始但是真正的故事要從 2021 年說起。那一年，德國慕尼黑大學的 CompVis 小組發了一篇論文《High-Resolution Image Synthesis with Latent Diffusion Models》，這篇論文的作者是 Robin Rombach、Andreas Blattmann、Dominik Lorenz、Patrick Esser 和 Björn Ommer。這篇論文裡開發出了 Latent Diffusion Model (LDM)，只用了幾十個 GPU 訓練。這篇論文已經獲得了超過 29000 次引用。2022 年，Stability AI 給這個團隊提供了算力支援，改進模型，改進後的模型被改名為 Stable Diffusion，以 Stability AI 的名義推出，此後發佈的所有的模型都叫 Stable Diffusion，成為一個系列。所以，Stability AI的 CEO Emad Mostaque 的貢獻主要是商業化包裝和算力支援，但他在宣傳中把自己塑造成了技術締造者，這引起了原團隊的一些不滿。慕尼黑大學的 Ommer 教授曾表示："據我所知，在我們發佈 Latent Diffusion 時，Stability AI 根本不知道這回事，他們是後來才跳上這架馬車。"（原文在此："Stability, as far as I know, did not even know about this thing when we created it," Björn Ommer, the professor who led the research, tells Forbes. "They jumped on this wagon only later on." ）後來，迫於資金壓力，Stability AI 想要商業化文生圖模型，不再想要發佈開源模型，但是技術團隊堅持開源。於是 2024年 3月，Stability AI 的核心技術團隊離職。2024 年 8 月，他們創立了黑森林實驗室（Black Forest Labs），黑森林實驗室團隊的核心成員包括上面那篇論文的所有作者。 這個實驗室在弗萊堡創立，這座城市就在著名的黑森林地區，著名的黑森林蛋糕就是那裡的。這個團隊發佈了 Flux 模型，Flux 的成績很耀眼，那個時候大家的使用逐漸從 SD1.5 和 SDXL 轉向了 Flux 模型。兩家公司的不同命運兩周之前我開始學習 ComfyUI 的時候，發現現在業界普遍在用阿里出的開源圖像模型，Flux 1 沒有那麼多人使用了，黑森林實驗室 11 月發佈的的 FLUX.2 [pro]、FLUX.2 [flex]、FLUX.2 [dev] 沒有同期發佈的 Z-Image-Turbo 效果好，但是他們 2026 年 1 月又發佈了 Flux 2 Klein，重新回到大家的視野。同時他們也拿到了很多融資，2025 年 12 月完成 3 億美元 B 輪融資，估值 32.5 億美元，累計融資 4.5 億美元，黑森林實驗室的商業模式是大客戶戰略，他們不燒錢做 C 端，專注 B2B API 服務，有一些大客戶比如 Meta、Adobe 和 xAI 等。而之前的 Stability AI 這個公司，現在的前景不容樂觀。2024 年 Q1 收入不足 500 萬美元，虧損超 3000 萬美元，欠債近 1 億美元，創始人已辭職，2025 年面臨嚴重現金流斷裂，正在進行重組引入外部資本。最前沿的研究裡，人才是最重要的。離開了 Stability AI，Rombach 團隊也能做出同樣好的成績，但是反觀 Stability AI，現在的發展就不行。Rombach 團隊支援開源，Flux 1 和 Flux2 開源，對於行業來說就是一個台階一個台階往上走，每個模型比之前的要好一點，讓人敬佩。（同樣感謝一直開放原始碼的國產模型。）同時黑森林實驗室的商業路線，既保證了開放原始碼的初心，又保證了盈利的可能性。歐洲的其他AI公司除了黑森林實驗室，歐洲還有幾家值得關注的 AI 公司。Mistral AI 是法國的大語言模型公司，做開源和閉源的 LLM。 他們發展勢頭最猛，2025 年 9 月完成 17 億歐元 C 輪融資，估值達 117 億歐元，ASML 投資 13 億歐元成為最大股東。2024 年收入 3000 萬美元，2025 年預計增至 6000 萬美元。HuggingFace 也是法國的做開源模型社區和開發者平台的公司，有點像 AI 界的 GitHub。 最新融資是 2023 年 8 月的 D 輪 2.35 億美元，目前估值 45 億美元（約 330 億人民幣）。它目前的挑戰是盈利路線不清晰，估值遠超營收，需要持續證明商業價值。DeepL 是德國的翻譯公司。 DeepL 的發展讓人驚訝，因為 LLM 出現之後，翻譯被認為是最容易被大模型替代的方向，沒想到 DeepL 能藉著大語言模型的浪潮打一個翻身仗。我感覺主要有兩個原因，一是 DeepL 在翻譯精準性、專業術語和語境理解方面比通用大語言模型效果要好，特別是德語、法語等的翻譯。二是歐洲企業對資料隱私極為敏感，DeepL 提供本地部署和嚴格的資料保護承諾，因而有大量的企業客戶。另外，還有來自德國柏林的 n8n，來自瑞典的 AI 程式設計平台 Lovable 等等。歐洲 AI公司的困境我之所以關注歐洲的 AI 發展，除了 AI 產品本身有趣，也是期待在歐洲這些國家能有一些 AI 的應用和突破，而不是死守著資料隱私法過日子。之前 Jina AI 被收購時，CEO 肖涵對德國和歐洲的AI 環境提出了很尖銳的批評。他說："雖說強者不抱怨環境，可我覺得我另一個錯誤就是對歐洲和德國抱有太多的期待和幻想。直到 2024 年我來到美國灣區後，我發現自己在一個過分平庸的地方浪費了很多寶貴的時間。對於整個德國和歐洲社會的左和保守，對 AI 紙上談兵和杞人憂天，勞動法對創業者缺乏理解尊重，及對優秀人才的冷漠無視，這些都讓我在 2023 年後對歐洲和德國無比失望。"他還提到，2023 年在公司裡叫上幾個德國同事一起去做一些 lobby 遊說，希望多參與到歐洲議會和德國政界來獲取關注和資源，一年下來活動參加不少，進展為零。直到有一天他明白了，他們邀請他去參加這些議會完全是把他看做一個 Diversity Guest，他們不需要他的專業知識，只需要那張亞洲面孔。Jina AI 本身是一家很厲害的德國 AI 創業公司，現在已經被Elastic 收購了，但是創始人對德國和歐洲有這樣的評價，實在是令人惋惜。這幾年歐洲出現的能打的 AI 公司也確實很少，因為歐洲 AI 公司的挑戰是很多的——面臨算力成本高，沒有自己的雲基礎設施，市場規模小並且歐洲市場分散，人才流失嚴重（頂尖人才去了美國和英國），政府和法律缺乏支援和融資環境差等等問題。但話說回來，黑森林實驗室的故事也證明了德國學術界的技術實力還是很強的，Flux 系列絕對是第一梯隊的模型。問題不在於技術能力，而在於是否有土壤和文化支援吧。 (地球美好不)

最快上市AI公司誕生？智東西12月22日報導，12月21日，港交所官網顯示，中國AI大模型龍頭企業MiniMax（稀宇科技）發佈聆訊後資料集（PHIP）版本的招股書資料，正式衝刺港股“大模型第一股”，有望刷新紀錄，成為從成立到IPO歷時最短的AI公司。招股書顯示，MiniMax成立於2022年初，是一家全球化的通用人工智慧（AGI）公司，也是少數自創立起就專注於全模態模型研發的大模型公司之一，以及當前國際化收入最高的中國大模型公司。這是一支年輕的團隊，由385人組成，平均年齡29歲，人效比極高，基於自研大模型已打造出覆蓋C端與B端的AI原生產品矩陣，包括海螺AI、Talkie、星野等，並為企業使用者和開發者提供開放平台服務。截至2025年9月30日，MiniMax已有超過200個國家及地區的逾2.12億名個人使用者以及超過100個國家的13萬家企業客戶；公司自成立以來累計消耗約5億美元（約合人民幣35億元），約等於僅用了OpenAI開銷的不到1%。值得關注的是，其2025年前9個月營收同比增長超過170%，海外市場收入貢獻佔比超70%，展現了出色的全球市場開拓能力與收入結構的健康多元。MiniMax坐擁豪華股東陣容，獲得米哈游、阿里、騰訊、小紅書、高瓴、IDG、紅杉、經緯、明勢、雲啟等多家頂尖機構的投資和支援，也是目前成長最快、估值最高的AI科技公司。隨著全球AGI賽道從“百模大戰”進入整合期，具備全模態技術能力、已驗證全球化商業化路徑且組織高效的 MiniMax，其上市處理程序備受市場矚目。作為全球AGI賽道的稀缺標的，MiniMax有望成為具有全球競爭力的AI領軍企業。01. 收入逐年快速增長，前9個月虧損還不及大廠單季投流費用MiniMax的願景聚焦兩個重點：研發先進的大模型，打造AI原生產品，以提升社會整體生產力並豐富個人生活質量。該公司以MiniMax M2、Hailuo-02和Speech-02為核心的自研大模型組合，具備長上下文處理能力，可理解、生成並融合文字、視覺、音訊等多種模態。這些模型支援著其核心AI原生產品，包括MiniMax、海螺AI、MiniMax語音、Talkie/星野，以及面向企業和開發者的開放平台，為全球使用者提供極致的智能體驗。從招股書來看，在可持續的、多元化收入模式的支撐下，MiniMax的財務資料展現出資本利用率高、商業化效率高的特徵。2023年、2024年、2025年1-9月，MiniMax收入分別為346萬美元、3052萬美元、5344萬美元。▲2023年~2025年1-9月MiniMax收入變化（智東西製圖）同期，其經調整淨虧損分別為8907萬美元、2.44億美元、1.86億美元；研發費用分別為7000萬美元、1.89億美元、1.80億美元，主要包括模型訓練涉及的雲服務費用。▲2022年~2025年1-9月MiniMax經調整淨利潤、研發支出變化（智東西製圖）可以看到，其經調整淨虧損在2025年1-9月與去年同期相比近乎持平，實現了在高速增長下的虧損有效縮小。其今年前9個月虧損（1.86億元）還不及騰訊元寶單季度投流費用。註：AppGrowing資料顯示，2025年第一季度，MiniMax星野的投流規模為5400萬元，而Kimi、豆包等AI產品投流規模超過1億元，騰訊元寶更是高達10億級。這得益於多元化的收入模型與高效的費用投入。2025年前9個月，在收入同比增長超170%的同時，MiniMax的研發開支同比增幅為30%，銷售及行銷開支更是同比下降26%，印證了其產品依靠模型智能與使用者口碑驅動的增長邏輯，而非依賴巨額流量投入。截至2025年9月，MiniMax累計花費5億美元（約合人民幣35億元）。對比OpenAI 400億至550億美元（約合人民幣2816億至3873億元）累計花銷，MiniMax相當於僅僅用了不到1%的開銷，做出了全模態全球領先的公司。MiniMax預計截至2026年12月31日止年度，銷售成本及研發費用的絕對值將繼續增加，反映了該公司提升基礎AI模型能力的戰略重心。其現金儲備充足，截至今年9月30日超過11億美元，可支援超50個月營運。02. 可持續、多元化收入模式，全球化收入超70%MiniMax的收入增長，主要得益於AI原生產品和開放平台的快速擴展以及多樣化的變現策略。根據灼識諮詢，MiniMax的產品在生產力、音訊生成、文字、視覺、音訊等大模型應用領域均有知名產品。其AI原生產品使用者數不斷增長，累計使用者數截至2025年9月30日增至2.12億以上，平均MAU從2023年的314萬增長超6倍至2024年的1911萬，並進一步增至2025年1-9月的2764萬。2023年、2024年、2025年1-9月，其AI原生產品的付費使用者數分別為11.97萬名、65.03萬名、177.16萬名；開放平台上的付費使用者數分別為100家、700家、2500家。MiniMax的AI原生產品通過向個人使用者提供訂閱服務創收，在2024年及2025年1-9月為公司貢獻了超過71%的收入。其按產品及進一步按變現方式劃分的收入明細如下：從收入地域分佈來看，2025年1-9月，其來自海外收入已超過70%。2025年1-9月，MiniMax整體毛利率為23.3%，B端毛利率為69.4%，C端毛利率為4.7%。除星野外，該公司整體毛利率近50%。03. 平均年齡29歲，AI原生組織效率高持續高強度研發投入、快速迭代全模態模型的背後，離不開MiniMax高效組織效率。截至2025年9月底，MiniMax員工共385人，平均年齡29歲（95後），研發人員佔比近74%，海外歸國人才佔比超30%。其核心研發團隊由來自微軟、Google、Meta、阿里巴巴、字節跳動、DeepSeek等全球AI領先企業的技術人員組成。MiniMax創始人、董事長、執行董事、CEO兼CTO閆俊傑博士便是核心研發成員之一，擁有逾十年的研究與開發經驗，為MiniMax奠定基礎，且數年來對制定MiniMax研發及營運的長期戰略至關重要，尤其是在應用及發展MoE及Linear Attetion等對於整個行業極為重要的技術創新方面。閆俊傑今年36歲，本科畢業於東南大學，博士畢業於中科院自動化所，曾在清華大學從事博士後研究，並曾在AI公司商湯集團擔任副總裁及研究院副院長等職務，在頂級會議及期刊上發表了約200篇學術文章，引用次數超過30000次，獲得了多項獎項及榮譽。執行董事、大語言模型研究及工程負責人趙鵬宇自2023年8月起加入MiniMax，今年29歲。他本碩均畢業於北京大學，在演算法相關研發方面擁有豐富的經驗，並行表了多篇涵蓋神經網路、強化學習等領域的論文。執行董事兼視覺模型研究及工程負責人周彧聰自2022年3月起加入MiniMax，今年32歲。他本碩畢業於北京航空航天大學，在電腦視覺、自動化機器學習及AI訓練系統設計方面擁有豐富的研發經驗，亦在神經網路及深度學習領域撰寫過論文。整個MiniMax董事會也均由青年才幹組成，平均年齡僅32歲（90後）。這支極致年輕的AI原生組織以扁平化的管理架構，不到4年實現了文字、視訊、語音全模態模型領先，以及全球化產品的研發與營運，人效居於行業前列。此前，MiniMax創始人閆俊傑與羅永浩的訪談廣泛刷屏，透露出這家大模型公司的戰略定力。閆俊傑彼時談道，MiniMax整個團隊比較純粹、踏實，大家是真心熱愛，國內不是沒有Ilya那樣的人才，有很多有潛力的人。他認為，對於優秀的人來說，首先錢肯定要到位，其次在組織中要能發揮重要作用、為自己做的事情感到驕傲，AI原生公司的人才結構應該是把幾種不同畫像的優秀人才基於一些底層的原則聚集在一起來工作。閆俊傑制定了三個原則：直接服務使用者、做國際化、技術驅動。MiniMax一直在最佳化兩個目標：堅持技術領先性、通過技術領先性帶來收入的跳變。他透露說，MiniMax已經多次實現，而且每實現一次，規模和數量級就能大很多。在他看來，AI行業不是網際網路的延續，大模型時代真正的產品是模型本身，本質上是提供智能。他相信AI時代最核心的競爭力是想像力，誰有最好的想像力，誰能最堅持它，誰對社會價值大，那就應該是這樣的人出來。截至最後實際可行日期，MiniMax在中國國家智慧財產權局註冊了74項專利，在中國註冊了146項商標，在中國國家版權局註冊了72項著作權，擁有28個在中國註冊備案的域名，並在國際範圍內註冊了87項商標。閆俊傑、Local Linearity Inc.、MiniMax Awakening、MiniMax Limited、Alpha EXP、Scaling EXP Limited及MiniMaxMatrix將共同構成MiniMax的控股股東集團。04. 全球唯四，全模態國際第一梯隊團隊的高戰鬥力，直觀反映在研發成績上。根據灼識諮詢，按2024年基於模型的收入計，MiniMax是全球第四大pureplay大模型技術公司。MiniMax專注全模態模型自研，技術迭代密集，模型進展每年上一個台階，實現持續突破，是“全球唯四全模態進入第一梯隊”的大模型公司。語音生成模型方面，MiniMax在2023年推出國內首個基於Transformer架構的語音大模型Speech 01，隨後在2024年將綜合性能提升至全球第一的Speech 02，累計已生成超過2.2億小時的語音。視訊生成模型方面，其2024年8月發佈的Video-01模型及海螺AI產品已達到當時業界頂尖水平；2025年6月推出的升級版Hailuo-02，在權威的Artificial Analysis視訊評測中位列全球第二，累計生成視訊超5.9億個。大語言模型方面，2025年10月，該公司發佈並開源新一代文字大模型MiniMax M2，發佈即在Artificial Analysis位列全球前五、開源第一，也是中國開源大模型首次在該榜單中躋身全球前五。M2在全球模型聚合平台OpenRouter上迅速爬升到國內模型token用量第一，程式設計場景排名全球token用量第三。該公司在早期階段便採用了混合專家（MoE）架構及混合注意力機制，在保持全球領先性能的同時，亦能夠大幅降低計算資源消耗。通過高效研發，其訓練成本佔比大幅下降。招股書顯示，訓練相關的雲端運算服務開支佔收入比已從2023年的超過1300%最佳化至2025年1-9月的266.5%。05. 結語：4年躋身全球AI第一梯隊，多元化收入跑通商業化路徑大模型市場正以前所未有的速度發展，並迅速重塑人類社會。全球大模型市場規模預計2030年將超過3000億美元。IDC預計，到2030年人工智慧將累計為全球經濟貢獻19.9兆美元，並推動2030年全球GDP增長3.5%。而MiniMax，這家兼具年輕、高效、多模態等特色的AI公司，從成立到上市僅用四年便躋身全球AI第一梯隊，管理層與員工平均年齡刷新了資本市場的紀錄，以多元化收入模型跑通可持續商業化路徑，成為全球AI產業從“技術競賽”向“商業化與全球化並進”轉型的重要風向標。 (智東西)