China's AI War: The "Hundred Models Battle" has ended, and the largest profit pool belongs to the big companies. How will KNOWLEDGE ATLAS and MiniMax break through?
中国 AI 行业的 “百模大战” 正在落幕，真正的玩家已缩减至 10 家。最刺耳的结论是，最大利润池将归掌控分发的腾讯、阿里等大厂，而非模型公司。独立厂商中，智谱靠本地化部署守住 59% 高毛利，MiniMax 则靠 73% 的海外收入和全模态产品突围。当模型不再稀缺，变现才是王道。
当模型不再稀缺，真正稀缺的，是能把模型变成现金流的能力。
据追风交易台消息，2 月 9 日，摩根大通证券（中国）发布研究报告《中国人工智能行业：全球布局与模型创新驱动新一代领军者》，首次覆盖中国独立大模型厂商智谱与 MiniMax。
报告开宗明义：中国人工智能行业正从 “百模大战” 阶段，迈向以商业化落地能力、模型创新实力及全球化布局为决定成败之关键的阶段。中国 AI 市场正在迅速整合，“具备实力且资金充足的模型开发商数量已从超 200 家缩减至不足 10 家。”
摩根大通犀利指出，国内 AI 行业最大的利润池恐将流向掌握分发的平台巨头；而独立厂商的突围，则取决于谁能通过 “结构性中立” 找到生存缝隙——智谱向内深耕高合规的本地化部署，MiniMax 向外拓展高溢价的全球市场。
这一判断的背景并不复杂。报告指出，随着模型训练成本、算力获取门槛和商业化难度持续上升，资本与算力的硬约束开始主导行业结构。换句话说，行业已经不再奖励 “能不能做模型”，而是奖励 “能不能长期活下来”。
在摩根大通看来，这一阶段的核心变化在于：模型能力逐步趋同；资金消耗呈指数级上升；客户开始更关注 “交付能力、稳定性与可持续性”。
这意味着，大模型竞争的主线，正在从技术竞赛，转向商业系统的构建能力。
最 “刺耳” 的结论：利润池可能不在模型公司
在整份报告中，最容易引发市场讨论的，并不是对智谱或 MiniMax 的财务预测，而是摩根大通对利润归属的判断。
报告在 “中国生成式 AI 行业的长期利润池” 一节中明确指出：生成式 AI 的持久利润池，可能高度集中于大型互联网平台。
“我们仍认为国内生成式 AI 的持久利润池将高度集中于大型互联网平台，尤其是腾讯和阿里巴巴，因为它们掌控着全国范围层级的分发、变现通道以及高频消费和商户事务流。 ”
摩根大通给出的理由非常直接。
第一，平台掌控分发。报告指出，大型互联网公司天然拥有高频用户触点和成熟应用场景，AI 能力更容易被 “内化为功能”，而不是作为独立产品售卖。
第二，平台掌控变现路径。无论是广告、电商、游戏、内容付费还是企业服务，平台已经具备成熟的收费机制，AI 更多是提升 ARPU 与转化率的工具。
第三，平台掌控高频交易与消费流。报告强调，“高频使用场景决定了推理调用量，也决定了规模效应是否成立。”
报告用平台触达举例：
“微信处于日常消费活动的中心，月活用户合计约 14 亿。” 腾讯将聊天机器人 “元宝” 嵌入微信，“用户可以将其添加为联系人进行互动，无需下载单独应用”。
阿里巴巴则把 AI 变成交易漏斗的一部分：“阿里巴巴升级了旗下千问（Qwen）AI 应用…全面接入淘宝、支付宝、飞猪和高德地图…AI 压缩了从浏览到支付的漏斗，从而支撑更高的转化，并有望提高广告收益率及抽佣率。”
在这一框架下，模型能力本身并不必然对应利润能力。在中国市场，把 AI 能力送到用户面前、并把钱收回来，或许往往比模型本身更重要。
这也是摩根大通反复强调的一句话：
“模型能力本身并不必然转化为盈利能力，分发和变现路径在中国市场尤为关键。”
独立模型公司还有没有机会？
既然平台巨头如此强势，独立模型厂商如智谱、MiniMax 的生存空间在哪里？
摩根大通并未否认独立模型公司的价值，但其判断明显更为现实。报告将行业玩家分为双轨竞争格局：一类是拥有全栈生态的综合型科技巨头，另一类是在特定维度具备领先性的独立模型开发商。
在摩根大通看来，独立模型公司的机会，不在于与平台正面竞争，而在于提供一种 “结构性中立” 的选择。
报告提及，独立模型开发商的激励结构，与平台型公司存在本质差异，其目标是赋能客户应用，而非与客户形成竞争关系。
“独立提供商通常通过 API、企业授权或私有化部署……直接将模型变现。这些渠道服务于同一个根本目标——最大化模型采用及利用——而不要求客户绑定单一基础设施或软件生态。”
对于大型企业而言，引入平台模型，往往意味着潜在的战略依赖风险；而独立模型商更容易被视为 “工具型伙伴”。摩根大通强调：
“独立模型提供商通过结构性中立来缓解这种担忧。他们的业务激励依赖于赋能客户应用，而非与客户竞争，从而降低感知到的战略和执行风险。”
智谱：用私有化部署守住现金流
在摩根大通的分析框架下，智谱被定义为 “以结构性持久的本地化业务为锚点，并迎来能力导向型 API 业务拐点” 的典型代表。
1. 财务真相：本地化部署才是当前的利润支柱
智谱的商业模式清晰地分为两部分：本地化部署（On-premise）和云端部署（Cloud-based）。
数据显示，智谱目前的收入重心在 “高合规” 需求上：“2025 财年上半年，公司总收入的 85% 来自本地化部署，该业务板块毛利率达到可观的 59.1%，而云端部署毛利率为-0.4%。”
摩根大通分析称，在中国受监管行业（如政府、金融、央国企），本地化部署是通常要求。
这不仅仅是一次性买卖。报告指出：“随着基础模型的迭代，这一安装基数有可能演变为升级驱动型、经常性经济利益。” 因为一旦模型嵌入关键工作流，切换成本巨大，连续的模型迭代会将本地化部署转变为一种类 SaaS 的经常性经济利益。
2. 增长拐点：云端 API 蓄势待发
虽然本地化部署赚取了高毛利，但规模化的未来在于云端 API。摩根大通认为，智谱正处于一个重要拐点。
随着 GLM-4.7 的发布，智谱战略重心明显向智能体系统和工具增强推理倾斜。报告指出：“我们预计随着 GLM-4.7 在全球开发者社群（尤其是在高付费意愿和使用强度的编程工作流领域）中获得认可，其采用率将加速提升。”
摩根大通预测，随着规模效应显现，“我们预计 2025 年下半年起云端部署的收入和利润率将双双爬坡。”
3. 估值与预测
基于其稳固的本地化基本盘和高增长的 API 潜力，摩根大通给予智谱 “增持” 评级，目标价 400 港元。
增长预测： 预计 2026-2030 年营收年复合增长率（CAGR）高达127%。
盈利时间表： 预计公司将于2029 年实现盈利，2030 年的正常化调整后净利润率将达到 20%。
融资需求： 预计公司可能需要在 2026 年和 2027 年进行外部融资，预计每年的融资金额为 50 亿元人民币。
MiniMax：用全球化 ToC 跑出能力边界
如果说智谱是深耕国内 B 端的典范，MiniMax 则被摩根大通描述为 “拥有可扩展增长引擎的全谱系 AI 企业”，其核心标签是 “天生全球化” 和 “全模态”。
1. 收入结构：海外占比超七成，业务 “三分天下”
MiniMax 展现出了与国内其他厂商截然不同的收入画像。
报告披露了一个惊人的数据：“2025 年前九个月，公司 73% 的总收入来自中国以外的市场，已在 200 多个国家和地区进行部署。”
这种全球化布局带来了极大的经济灵活性。摩根大通指出：“在推理成本高企、国内竞争激烈的行业背景下，进入国际市场、多元化的客户群和差异化的定价环境，为公司提供了结构性优势。”
在业务构成上，MiniMax 极好地平衡了风险：“2025 年前三季度，开放平台、生成式媒体和 AI 陪伴业务的营收占比各约三分之一。”
AI 陪伴（Talkie/星野）： 贡献 35% 收入。摩根大通预计到 2030 年，该业务付费率将达到 18%（对标腾讯音乐 2023 年水平），年度 ARPU 达到 31 美元。
生成式媒体（海螺 AI）： 贡献 33% 收入。为内容创作者提供视频工具，年度 ARPU 高达 75 美元。
开放平台（API）： 贡献 29% 收入。服务 13.2 万名开发者，付费用户年化 ARPU 达 8200 美元。
2. 技术策略：技术即产品
MiniMax 的技术策略被总结为 “全栈” 和 “全模态”。报告指出，MiniMax 采用混合专家（MoE）架构，迭代速度极快：“两月一次的模型迭代（速度快于 3-4 个月的行业平均水平）。”
这种速度得益于其独特的 “双引擎” 策略：将消费者应用作为技术的验证器。
“与许多先构建模型、后搜索用例的 AI 实验室不同，MiniMax 同时开发模型和消费者产品……随着每天有数百万用户与 Talkie 互动，MiniMax 会收到实时反馈……这种专有的交互数据被反馈到研发流程中，用于微调模型。”
3. 估值与预测
鉴于其稀缺的全球化能力，摩根大通给予 MiniMax“增持” 评级，目标价 700 港元。
增长预测： 预计 2026-2030 年营收 CAGR 高达138%。
盈利时间表： 预计公司将于2029 年起实现盈利，2030 年调整后净利润率将正常化至 24%。
融资需求： 预计集团将需要在 2026 年和 2027 年进行外部融资，预计每年金额为 7 亿美元。
一个决定胜负的变量：推理成本
在对两家公司的深入分析中，摩根大通揭示了一个行业共性的财务拐点，这对理解 AI 公司的长期价值至关重要：算力成本结构将从 “训练驱动” 彻底切换为 “推理驱动”。
报告指出，虽然总算力消耗将持续扩大，但 “训练与推理的增长曲线和成本驱动因素将与 2022-25 年的扩张阶段出现显著差异”。
1. 训练成本：走向 “正常化”
随着基础模型架构的确立，前沿扩展预训练将变得更具选择性。摩根大通预测：
智谱： 训练成本占算力总成本的百分比将从 2025 年的 93%大幅下降至 2030 年的 32%。
MiniMax： 同期占比将从80% 下降至 28%。
这意味着，过去那种为了追求参数规模而不计成本的 “军备竞赛” 式支出将告一段落，研发支出将进入更理性的 “正常化阶段”。
2. 推理成本：成为支出的绝对大头
未来的竞争，是推理效率的竞争。摩根大通预测：
智谱： 推理相关算力成本占比将从 2025 年的 7% 激增至 2030 年的68%。
MiniMax： 同期占比将从 20% 激增至72%。
这一变化对财务模型有深远影响：算力支出将逐渐从 “研发费用”（R&D）转移到 “营收成本”（COGS）。这也解释了为什么摩根大通如此强调 API 定价、推理效率（单次调用 GPU 时长）以及利用率对毛利率的决定性作用。
这意味着，未来竞争的核心不再是 “谁能训更大的模型”，而是：谁的推理更便宜；谁的利用率更高；谁能掌握定价权。
在摩根大通看来，智谱与 MiniMax 的价值，不在于挑战平台，而在于占据平台之外但不可或缺的位置。
~~~~~~~~~~~~~~~~~~~~~~~~
以上精彩内容来自追风交易台。
更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】
