這一資本操作模式，與此前英偉達和OpenAI之間的合作模式頗為相似，只是此次軟銀作為新的參與者加入，將巨額資金從英偉達轉移至OpenAI。這一動作對美股市場產生了顯著影響，2025年11月初，納斯達克綜合指數與標普500指數均錄得近一個月以來的最大單日跌幅，這已是年內第二次因AI引發的市場震蕩。上一次震蕩源于中國大模型DeepSeek-R1的發布，該模型以遠低于OpenAI的成本，實現了與GPT-4相當的性能，并選擇開源，引發市場對OpenAI神話能否持續的質疑，而此次軟銀的操作則進一步加劇了資本市場對美國AI估值合理性的懷疑。

深入分析美國AI發展現狀，不難發現其正陷入高估值困局。從估值曲線來看，美國AI尚未出現泡沫破裂跡象，但從泡沫結構分析，其已深陷困境。當前美國AI面臨的核心問題是技術發展迅速、收入增長較快，但利潤兌現緩慢，而資本市場的預期卻已提前延伸至未來5到10年。更為棘手的是，這一困境并非個別企業的問題，而是美國AI行業“人力—算力—資本”三條成本曲線同時失衡的結果。

在人力成本方面，美國AI人才高度集中于少數頭部企業，OpenAI、Anthropic、Google DeepMind等公司對博士人才的爭奪導致人才價格飆升。業內普遍認為，一名實力較強的研究科學家年薪輕松超過150萬美元，頂級人才年薪更是高達250萬至300萬美元，meta、OpenAI等明星公司部分AI人才年薪甚至達到千萬美元級別。這意味著一家大模型公司僅核心成員的工資支出，一年就可能超過上億美元。

算力成本同樣高昂。以OpenAI為例，作為全球最成功的Chatbot應用，其訓練成本位居全球首位。外界估算，GPT-4的訓練成本在7000萬至1.4億美元之間，而GPT-5的成本預計更高。Anthropic也面臨類似問題，盡管其收入增長迅速，2025年預計接近90億美元，但算力和工程成本的增長速度更快，這意味著公司必須不斷加大投入才能維持技術領先地位。這種依賴持續加杠桿維持優勢的商業模式，長期穩定性存疑。

英偉達作為AI領域最大的“賣水人”，其股價漲幅已遠超利潤增長速度。今年英偉達市值突破5萬億美元后，一旦訓練端和推理端的需求增速放緩，其股價將首當其沖受到沖擊。年初DeepSeek的發布已對英偉達造成一定影響，未來國內AI企業如MiniMax或智譜的上市，可能進一步影響其市值。軟銀在英偉達市值高位附近清倉，將利潤落袋為安，轉而投資OpenAI，這一選擇反映出美國AI估值敘事已出現動搖，即使是擅長把握科技周期紅利的軟銀，也開始調整投資策略。

與美國AI形成鮮明對比的是，中國AI在估值結構和成本效率方面展現出獨特優勢。海外報告指出，2023至2025年中國頭部云廠商的AI資本開支總和比美國同行低82%，且從投資回報率角度看，中國AI遠超美國，發展潛力更大。行業人士表示，美國用戶付費意愿較高，但成本結構問題突出，而國內部分團隊在商業化方面進展更快，例如MiniMax在海外擁有大量月活用戶，其中付費用戶占比較高，且訓練成本遠低于OpenAI，顯示出明顯的模式優勢。

中國AI企業走的是一條務實發展路線，以“低成本高性能”為核心競爭力。低成本不僅體現在推理成本降低，更體現在通過模型架構創新降低訓練成本。與美國企業追求模型參數規模不同，中國大模型企業更注重在相同規模下提升模型性能、加快推理速度、增強穩定性并降低成本。DeepSeek的成功便是這一路線的典型代表，其通過工程化提效、算子優化、異構訓練和混合精度等底層技術投入，證明了在大模型競爭中，算力使用效率同樣關鍵。

這一思路深刻影響了中國AI企業的模型競爭策略。報告顯示，中國大模型能力已不遜色于全球領先的GPT-5，例如MiniMax的M2模型僅比GPT-5落后10%。MiniMax在架構創新方面表現突出，M1模型采用Linear Attention架構，以最小算力追求最大性價比；M2模型則回歸Full Attention架構，強調模型穩定性和復雜任務處理能力。這種根據產品場景需求靈活調整架構的策略，體現了實用為先的邏輯，而非單純追求技術炫技。

MiniMax的M1模型技術報告顯示，其強化學習階段僅花費約54萬美元，使用512塊H800芯片訓練三周即完成。接近MiniMax的消息人士透露，該公司估值邏輯建立在架構創新基礎上，即“用更少的錢實現同級別訓練效果”。這種務實路線使中國AI企業在商業化方面進展更快，與美國企業“先做強模型再尋找場景”的邏輯不同，中國企業通常先確定產品場景，訓練適用模型并快速推向市場，再通過用戶反饋驅動模型迭代。這一方法在消費端效果顯著，MiniMax成為中國最早實現大規模付費用戶的廠商之一，其產品以服務真實用戶為導向，而非單純展示技術實力。

消息人士稱，MiniMax目前商業化最成熟的是多模態模型，涵蓋語音、音樂和視頻模型。行業人士表示，MiniMax在海外市場的日活躍用戶數和付費率均保持健康水平，且模型訓練成本遠低于OpenAI，商業閉環已初步形成。在挑戰OpenAI的競爭中，MiniMax在技術、產品和商業化三個維度均表現突出，但同時也形成了差異化發展路徑。

MiniMax與OpenAI在商業模式上均采用“訂閱收入+API調用”的雙輪驅動模式，據外媒報道，MiniMax年經常性收入已達1億美元規模，多家頭部企業正在使用其API服務。然而，MiniMax的獨特之處在于其發展路徑，它不將AI定位為“未來十年的操作系統”，而是聚焦于“未來三年的超級產品閉環”。OpenAI正將多種智能體能力整合至ChatGPT平臺，并打通外部鏈接入口，構建覆蓋文本、語音、視頻、推理、工具鏈和算力平臺的龐大體系，這種“長線OS化”路線需要長期資本和算力支持，節奏較為沉重。

相比之下，MiniMax采取完全相反的策略，其產品發布戰略圍繞語音、音樂、視頻生成和文本模型構建能力矩陣，這些能力并非孤立發展，而是服務于同一目標：快速實現產品落地和商業化，而非構建未來平臺。這種差異不僅源于路徑選擇，更得益于結構性成本優勢。報告指出，同等智能水平下，中國模型價格普遍低于美國模型，這種成本優勢在應用市場競爭中構成“降維打擊”，有助于中國模型快速滲透全球市場。