這一操作被業內人士解讀為英偉達與OpenAI“資本閉環”的升級版，只不過這次加入了軟銀這個重量級玩家。資金從英偉達流向OpenAI，不僅影響了美股走勢，更引發了對美國AI估值泡沫的二次質疑。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最大單日跌幅，這是繼春節前中國大模型DeepSeek-R1發布后，AI領域引發的第二場市場震蕩。DeepSeek以遠低于OpenAI的成本實現了媲美GPT-4的性能，并選擇開源，這一舉動首次讓資本市場意識到：美國AI的神話并非不可撼動。
美國AI產業正陷入一個結構性困境：技術迭代與收入增長的速度，遠不及資本預期的膨脹速度。這種矛盾在“人力—算力—資本”三條成本曲線上體現得尤為明顯。以AI人才為例，OpenAI、Anthropic和Google DeepMind等頭部企業爭奪同一批頂尖博士，導致人才價格飆升。一個資深研究科學家的年薪普遍超過150萬美元，頂級團隊甚至達到250萬至300萬美元。meta、OpenAI等明星公司的AI人才年薪部分突破千萬美元，這意味著一家大模型公司的核心團隊年薪支出就可能超過1億美元。
算力成本的壓力同樣巨大。OpenAI作為全球付費率最高的聊天機器人應用，其訓練成本也是行業之最。據估算，GPT-4的訓練成本在7000萬至1.4億美元之間，而GPT-5的成本只會更高。Anthropic的情況類似：盡管2025年預計收入接近90億美元，但算力需求的擴張速度更快，導致其收入增長難以覆蓋成本攀升。這種“必須持續加杠桿”的商業模式，讓市場開始擔憂其長期可持續性。英偉達的股價走勢也印證了這種焦慮——作為AI最大的“賣水人”，其市值上漲速度已遠超利潤兌現能力。一旦訓練和推理需求增速放緩，英偉達將首當其沖受到沖擊。
軟銀的決策反映了市場態度的微妙變化。在英偉達市值高點附近清倉，并將資金轉向OpenAI，這種“換倉”操作并非看空AI，而是對價值鏈位置的重新選擇。連擅長在科技周期中獲利的軟銀都開始調整策略，說明美國AI的估值敘事已出現裂痕。相比之下，中國AI的估值邏輯呈現出截然不同的特征。
從成本結構來看，中國AI企業正在現有條件下實現追趕甚至反超。Jefferies的報告指出，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%，而投資回報率（ROI）卻顯著更高。這種差異源于中國企業的務實路線——不追求參數規模的盲目擴張，而是通過模型架構創新、算子優化和異構訓練等技術手段，在相同算力下實現更高性能。DeepSeek的成功是這一路線的典型案例：其通過工程化提效和混合精度訓練，證明了大模型競爭的核心不是規模，而是算力利用效率。
這種務實策略在中國AI企業中已形成共識。以MiniMax為例，其M1模型采用Linear Attention架構，在512塊H800顯卡上僅用三周就完成了強化學習階段，訓練成本約54萬美元。M2模型則切換回Full Attention架構，以平衡復雜任務表現與穩定性。這種根據產品需求靈活調整架構的做法，體現了“實用為先”的邏輯。據知情人士透露，MiniMax的高估值建立在架構創新基礎上——用更少的錢實現同等訓練效果，是其技術路線的主線。
商業化速度的差異更為明顯。美國企業普遍遵循“先做強模型，再尋找場景”的邏輯，而中國公司則更傾向于“先確定場景，再訓練適用模型”。這種反向操作在ToC端效果顯著。MiniMax成為中國最早跑通大規模付費模式的AI企業之一，其多模態模型（包括語音、音樂和視頻）在海外市場表現出色，日活躍用戶（DAU）和付費率均維持在健康水平，而訓練成本卻遠低于OpenAI。某頭部視頻平臺、大型教育科技公司和全球語音通訊服務商等企業，均已與MiniMax建立API合作，驗證了其商業閉環的可行性。
當OpenAI試圖構建覆蓋文本、語音、視頻和工具鏈的“未來操作系統”時，中國AI企業選擇了另一條路徑：在3至5年的關鍵窗口期內，快速落地應用、構建生態和積累用戶。MiniMax的產品戰略體現了這一思路——其語音、音樂、視頻生成模型與文本模型形成能力矩陣，圍繞“立即商業化”的目標展開，而非等待未來平臺的成熟。這種差異不僅源于路徑選擇，更來自結構性成本優勢。報告顯示，中國模型在同等智能水平下的價格普遍低于美國模型，這種“降維打擊”能力將加速中國模型在全球市場的滲透。
中國AI版圖中，頭部企業的差異化格局逐漸清晰。阿里Qwen依托阿里云的算力體系，在政企、金融和制造等領域實現深度落地，其模型版本更新頻繁、穩定性強，為大模型基礎設施提供了堅實支撐；Kimi在長文本處理上保持優勢，提供高質量內容體驗和資料整理能力；智譜則在企業合作廣度和技術路線扎實性上領先，成為ToB部署的重要參與者。這些企業共同構成了中國AI的多元生態，分別滿足產業鏈的不同需求。在這場全球AI競賽中，中國企業的務實路線和成本優勢，正在重塑競爭格局。
