最近港股AI 雙雄的走勢分化，相信蹲這個賽道的朋友都看在眼裡。智譜一路走強，MiniMax 持續調整，市場吵來吵去核心就那幾件事：頭部模型的能力差距會不會越拉越大？變現能不能撐住當前估值？企業開始算 Token ROI 之後，中國模型到底有沒有全球機會？
剛好瑞銀上周發了一份2026 下半年中國 AI 的深度報告，把模型能力迭代、商業化變現、Token 投入產出三條主線拆得非常細，連智譜、MiniMax 的業績上調幅度、估值邏輯、出海進度全給了實打實的明細資料。
Q1：下半年看中國 AI 行業，最該盯的三條主線是什麼？
說白了就三件事，也是這份報告的核心框架：模型能力能不能拉開梯隊、變現能不能持續放量、企業算ROI 之後誰能吃到紅利。
第一，模型能力上，編碼依然是最確定的突破方向。而且現在已經出現了“強者恆強” 的早期訊號 —— 頭部 SOTA 模型靠資料飛輪、更好的產品化提升使用者粘性，甚至已經開始用 AI 來做模型研發，走遞迴自我改進的路子，領先的可能會越來越領先。
第二，變現端，模型層的商業化還在加速。AI 編碼的市場邊界一直在往外擴，早就不只是給程式設計師用了；另外多模態的進展其實被很多人低估了，國內模型在視訊生成上的變現速度比預想的快。
第三，就是Token ROI。企業從 “瘋狂堆 token” 的粗放階段，開始轉向 “算投入產出” 的精細化階段，這會帶動分層需求，SOTA 模型和普通模型的定價權會越差越大。而中國模型天生有成本效率優勢，反而可能在這波趨勢裡拿全球份額。
Q2：為什麼全行業都在卷編碼能力？它真的能決定模型梯隊嗎？
真的能。這份報告反覆強調，編碼是當前模型智能提升最清晰的路徑，沒有之一。
原因很實在：編碼是最適合用強化學習做後訓練的領域—— 結果可驗證（跑一下就知道對不對）、合成資料可規模化、還有編碼 Agent 的真實任務反饋，迭代效率比其他領域高得多。
更關鍵的是，現在編碼能力已經開始反哺模型研發本身，也就是大家常說的“遞迴自我改進”。Anthropic 最新披露的資料顯示，他們 80% 以上的實驗執行和研究工作流都用上了 AI，工程師每天合併的程式碼量是之前的 8 倍；OpenAI 更誇張，內部 99.8% 的合併程式碼都由 Claude 完成，工程師人均每日程式碼合併量比 2024 年漲了 70%，內部 Codex 每周輸出 token 量達到 100 萬。
國內廠商也沒閒著，都在扎堆做自研編碼Agent 產品：智譜 7 月 1 日剛上線 ZCode，主打桌面端編碼工作流；MiniMax 5 月底把 Agent 產品正式更名為 MiniMax Code，明確往編碼 Agent 定位靠；月之暗面 5 月發佈 Kimi Code CLI，DeepSeek 也在搭建專門的 Code Harness 團隊。
這種自研產品的核心價值，是使用者的真實互動和項目資料能直接喂回模型，形成資料飛輪；而且長期積累的項目上下文、使用者使用習慣，還能持續提升粘性，越用越難遷移。
Q3：AI 編碼只有程式設計師用？市場空間到底有多大？
早就不是了。這是我覺得最容易被低估的一點——AI 編碼的 TAM 正在從開發者工具，往全品類知識工作者生產力工具擴張。
OpenAI 的 Codex 使用者資料最有說服力：從 2025 年 8 月到 2026 年 6 月初，非開發者個人使用者增長了 137 倍，非開發者企業使用者增長了 189 倍，就連 OpenAI 內部的非開發者使用者都漲了 12 倍。非開發者已經成了增長最快的使用者群體。
背後是功能創新在推著場景走：比如Codex 的外掛能覆蓋資料分析、創意生產、銷售、產品設計、一級 / 二級市場投研這些崗位；Anthropic 的 Claude Tag 能直接整合到 Slack 裡，做團隊級 Agent，可呼叫工具、讀取程式碼庫、訪問內部資料。國內的 ZCode、Kimi Code 也都在往全場景工作流的方向走。
簡單說，以後只要是需要跟電腦、流程、資料打交道的工作，都能用得上編碼Agent，這個盤子比單純的開發者市場大太多了。
Q4：中國模型現在變現能力怎麼樣？除了編碼還有看點嗎？
變現整體在加速，但結構上有差異，也有明顯的瓶頸。
最確定的還是編碼：一方面TAM 在持續擴張，另一方面中國模型的成本優勢在高並行、重複性的編碼和 Agent 工作流裡特別突出，海外平台願意接入，全球份額正在穩步提升。
容易被忽略的是多模態。國內模型在視訊生成上其實已經跑出了領先的商業化成果，比如快手可靈，2026 年 5 月時 ARR 就已經達到 5 億美元，這個變現速度是超市場預期的。
當然也有硬約束：算力供給依然是核心瓶頸，ARR 最終能跑多快，很大程度上取決於能拿到多少算力資源。
Q5：現在都在說 Token ROI，這對中國模型到底是利多還是利空？
整體是利多，而且是結構性的長期機會。
之前企業用AI 是 “tokenmaxxing”，什麼好用什麼，只管效果不管成本；現在開始算 ROI 了，要衡量每花一塊錢 token 費，能換回來多少效率提升。這種轉變下，需求會明顯分層：
•核心、高難度、容錯率低的任務，用SOTA 模型，客戶願意支付溢價，SOTA 的定價權會越來越強；
•量大、重複性高的常規任務，會轉向性價比模型，對價格敏感度很高。
中國模型的優勢恰恰在這裡：結構性的成本效率，同等能力下價格差距非常大。我們直接上硬資料：
性能差距不大，但價格差幾倍甚至十幾倍，在大批次、重複性的推理場景裡，ROI 優勢非常直觀。這也是最近海外平台扎堆接入中國模型的核心驅動力。
Q6：智譜和 MiniMax 上市後走勢分化這麼大，核心原因是什麼？
核心就一點：市場對“SOTA 編碼模型” 和 “非 SOTA 模型” 的估值邏輯，已經開始徹底分化。
智譜的GLM-5.2 在編碼能力上已經摸到全球第一梯隊，而編碼又是當前變現最清晰、付費意願最強的場景，市場願意給確定性溢價。
MiniMax 雖然在算力獲取、研發效率上有自身優勢，多模態也有佈局，但文字模型的綜合性能還沒追上第一梯隊，所以短期估值折價還會持續，後續就看模型迭代能不能出現明確拐點。
Q7：瑞銀把智譜目標價調到 2200 港幣，估值邏輯是什麼？業績上調了多少？
這次智譜目標價從之前的1160 港幣直接上調到 2200 港幣，接近翻倍，核心是收入預測大幅上修，同時估值倍數也有提升。
先看業績調整：2026 年收入預測從 32.08 億人民幣上調至 54.94 億，上調幅度 71%；預計 2026 年底 ARR 達到 15 億美元，高於此前管理層內部 10 億美元的目標。
業務拆分來看：
•開放平台及API 收入：從 22 億調至 44.87 億，同比增長 104%，是收入增長的絕對主力；
•本地化部署收入：維持10.07 億不變。
利潤端：2026 年毛利率預計 32.1%，較之前下調 1.2 個百分點，主要是硬體相關成本上升；調整後淨虧損率從之前的 - 160% 縮小至 - 100.2%，但因為收入基數擴大，調整後淨虧損額仍增長 7%，至 55.04 億人民幣。
估值上，採用160 倍 2026 年 P/S，對應市值約 1.01 兆港幣，目標價 2200 港幣。支撐邏輯是 2025-2027 年收入 CAGR 達 332%，PSG 約 0.3 倍，與國內 AI 晶片公司的估值水平可比。
如果用SOTP 法交叉驗證：開放平台按 85 倍 P/ARR（對應 15 億美元 ARR），本地化部署按 40 倍 P/S，算下來目標價約 2258 港幣，與 2200 港幣基本一致。
Q8：MiniMax 目標價從 1000 降到 500，是不看好了嗎？
不是不看好，是ARR 預測大幅上修後，估值倍數做了下調，底層邏輯變了。
首先業績是大幅上調的：2026 年收入預測從 2.21 億美元上調至 4.61 億美元，上調幅度 108%；預計 2026 年底 ARR 約 10 億美元，與管理層內部目標基本吻合。2026 年 4 月時，ARR 較 2 月就已增長超 100%，增速較去年底至今年初的 50% 明顯加快。
業務拆分來看：
•2B 開放平台：從 0.98 億調至 2.51 億美元，同比增長 156.5%；
•2C AI 原生產品：從 1.23 億調至 2.1 億美元，同比增長 70.1%。
利潤端：研發費用預測上調18%-23%，主要用於加大模型參數規模、追趕性能；非 GAAP 淨虧損率從之前的 - 229% 縮小至 - 119.4%，虧損額 5.5 億美元，同比增長 9%。
估值上，P/ARR 倍數從之前的 125 倍降至 20 倍，對應 200 億美元估值，目標價 500 港幣。
倍數下調的核心原因，是報告認為MiniMax 的模型仍需時間追趕 SOTA 水平。但 20 倍 P/ARR 其實已經處於全球 AI 龍頭估值區間（20-34 倍）的下限，且 MiniMax 作為上市公司流動性更好。換句話說，市場現在給的是 “非 SOTA” 的定價，如果後續模型能力追上來，估值修復的空間也不小。
Q9：中國模型出海現在到底走到那一步了？有實錘嗎？
進展非常快，尤其是2026 年 6 月，幾乎是集中爆發式地進入海外主流平台，而且很多都是 GLM-5.2 發佈當天或次日就上線，速度超預期。
挑幾個有代表性的列，全是6 月份的落地：
•基礎設施層：Fireworks AI、Vercel AI、Cloudflare Workers AI 這些開發者常用的推理平台、AI 閘道器，都上線了 GLM-5.2，Kimi、MiniMax、通義等模型也陸續接入；
•應用層：Notion、Perplexity、Devin 等主流生產力、編碼產品，都接入了 GLM 和 Kimi 模型；
•企業端：Coinbase 正在測試將 GLM-5.2 和 Kimi 2.7 作為默認開源權重模型，核心目的就是降低 AI 開支，同時不限制工程師的 token 使用；
•消費端：Fello AI、Poe 等多模型聚合應用，也已把主流中國模型全部納入可選列表。
這不是小範圍的試水，是真的開始進入全球開發者和企業的選型供應鏈，成本優勢是核心驅動力。
Q10：兩家公司中長期的業績預測是什麼樣的？
直接給明細資料，均為最新預測口徑：
智譜（人民幣口徑）
•收入：2026 年 54.94 億，同比 + 658.5%；2027 年 135.31 億，同比 + 146.3%；2028 年 178.85 億，同比 + 32.2%；
•毛利率：2026 年 32.1%，2027 年 40.0%，2028 年 44.6%，隨規模效應逐年提升；
•調整後淨虧損率：2026 年 - 100.2%，2027 年 - 31.4%，2028 年 - 16.0%，持續縮小。
MiniMax（美元口徑）
•收入：2026 年 4.61 億，同比 + 483.0%；2027 年 10.13 億，同比 + 119.9%；2028 年 18.08 億，同比 + 78.5%；
•毛利率：2026 年 34.3%，2027 年 42.5%，2028 年 49.0%；
•非GAAP 淨虧損率：2026 年 - 119.4%，2027 年 - 58.5%，2028 年 - 25.7%。
整體節奏非常一致：收入維持高速增長，虧損隨規模效應逐年縮小，開放平台/ 2B 業務的收入佔比持續提升。
Q11：接下來有什麼催化劑？核心風險是什麼？
智譜
催化劑：中期業績發佈、新模型迭代落地、A 股上市預期；
核心風險：地緣政治與監管不確定性、算力供給不及預期、行業競爭加劇導致份額下滑。
MiniMax
催化劑：港股通納入、中期業績發佈、M 系列文字模型與海螺視訊模型的迭代落地；
核心風險：模型性能迭代不及預期、商業化進度慢於預期、算力供給波動。
最後說兩句：
下半年的AI 行情，大機率不會是之前齊漲齊跌的狀態，分化會是主旋律。編碼能力是當前的勝負手，變現能力是估值的錨，而全球企業向 Token ROI 轉型的趨勢，是中國模型突圍的重要窗口期。
所有資料都擺在這裡了，怎麼判斷，就看大家各自的投資邏輯。 (有道調研)