MiniMax股价屡创新高背后：国产大模型的估值逻辑怎么拆？

过去两个月我把MiniMax的招股书前前后后翻了三遍——坦白讲，比看很多SaaS公司的财报有意思多了。不是因为数字多漂亮，而是它的营收结构里藏着一条特别清晰的线索：这家公司卖的不是软件，而是"模型迭代速度"这件事本身。

港股市场对AI公司的定价逻辑跟美股差得很远。美股那边看ARR和净留存率，港股这边更看"你有没有资格留在牌桌上"。所以当我第一次看到MiniMax股价盘中拉升、涨幅扩大到52%那个交易日的时候，并没有特别惊讶——真正让我意外的是后续几天的成交量结构，散户和高频资金在竞价阶段的表现完全不同。这个话题值得认真拆一拆。

核心结论：MiniMax股价的核心驱动不是短期财报数据，而是"大模型训练能力 + 大模型推理效率 + 多模态商业化落地"这个三角叙事。谁能持续证明技术迭代速度，市场就愿意给谁溢价。

MiniMax到底是一家什么公司？先搞清楚"标的"本身

MiniMax（稀宇科技）成立于2021年12月，创始团队来自商汤科技。跟很多纯做API生意的公司不一样，它很早就选择了C端产品和底层模型两条腿一起走的路线。

让我用一段话概括它的业务盘子：

• **底层模型层**：abab系列文本大模型、M系列多模态模型（视频生成是它比较有特点的一块）
• **应用层**：海螺AI（视频生成）、星野（AI角色扮演）、Talkie（海外版）
• **API层**：面向开发者和企业客户的模型调用服务

这三层结构的意义在于，它的收入口径比单一做API的公司要宽，但同时也意味着研发投入会持续维持在高位。我翻了招股书里研发费用那一栏，占营收的比重长期超过100%——这不是一个传统意义上的健康财务指标，但市场显然没按传统公司的尺子来量它。

为什么它的股价跟纯软件公司不一样

大模型公司的估值锚点，其实是"算力-数据-算法"三件事的循环速度。软件公司可以靠存量客户慢慢收钱，大模型公司不行。你半年不迭代，用户的调用量就跑到别家去了。所以MiniMax股价的波动，本质上反映的是市场对这家公司迭代节奏的预期变化，而不是当期利润。

股价走强的三条技术主线

先给结论：我把MiniMax股价近期走强的技术侧支撑分成三条线，缺一条都不成立。

第一条线：大模型训练成本的可控性

训练一个千亿参数级别的模型，单次成本在千万美元这个量级，这不是秘密。关键是摊薄到每次有效迭代的成本。MiniMax在这块的策略比较务实——不盲目追最大参数，而是把资源集中到具体能力上（比如长上下文、视频生成）。

根据中国信通院《人工智能发展报告（2024年）》的数据，国内头部大模型厂商的单次训练成本在2023-2024年间下降了约40%-60%，主要来自混合精度训练、MoE架构和更成熟的并行策略。这个趋势对MiniMax这种体量的公司特别重要——它意味着中小厂商还有机会留在牌桌上。

第二条线：大模型推理效率的工程能力

这一点经常被忽略，但它是影响毛利率的关键。用户调用量上来之后，推理成本会变成主要的烧钱口子。

我实际测过MiniMax的API延迟表现，在中文长文本场景下，首token响应速度跟几个头部模型处于同一梯队。这个"同一梯队"意味着什么？意味着它的推理侧不需要靠低价换量，还能守住一定的毛利空间。

关于推理优化的具体手段，可以参考大模型推理优化实践，里面整理了几家主流厂商的技术路线对比。

第三条线：多模态大模型的落地节奏

MiniMax在视频生成上的布局，比大部分国产厂商要早。海螺AI上线之后在海外社交平台上有一波自然传播，这件事对股价的短期催化作用其实比很多人想象的要大——因为它证明了一件事：中国团队做的多模态大模型，在海外C端市场是能被接受的。

这一点在投资者沟通会上被反复提及。说实话，我觉得这才是"MINIMAX股价涨幅扩大至52%"那个交易日背后真正的情绪来源。

估值怎么算？一张表看清可比公司

| 公司 | 主要模型 | 商业化重心 | 上市/融资状态 | 估值特征 | |------|---------|-----------|--------------|---------| | MiniMax | abab / M系列 | C端应用 + API | 已上市（港股） | 高成长溢价，波动大 | | 智谱AI | GLM系列 | B端/政企 + API | 拟上市阶段 | 稳健估值，偏To B | | 月之暗面 | Kimi | C端订阅为主 | 未上市 | 用户规模驱动 | | 百川智能 | Baichuan系列 | 医疗 + 通用 | 未上市 | 垂直行业叙事 |

这张表我做了好几版，最后砍掉了一列"研发人员规模"——因为那个数据各家口径差太多，放上去反而误导。

从表里能看出一个规律：越偏C端的大模型公司，市场愿意给的估值弹性越大，但波动也越大。MiniMax股价之所以能屡创新高又回调明显，跟这个结构有关。

如果你在关注MiniMax股价预测相关的讨论，建议不要只盯着目标价，先看它的C端MAU和API调用量这两个季度指标。这两个数据比任何分析师的目标价都实在。

我观察到的三个风险信号

讲完优点，说点不舒服的。坦白讲，我对这家公司中长期是看好的，但短期的风险点很明确。

风险一：C端应用的留存问题

AI角色扮演和视频生成这两个品类，用户获取成本不算高，但留存曲线不够健康。星野和Talkie的用户粘性数据没有公开披露，这是招股书里比较模糊的一块。如果留存没跑通，营销费用会变成一个无底洞，直接压制利润率。

风险二：算力供应的不确定性

训练和推理都依赖高端算力。虽然国产替代在推进，但在最前沿的多模态训练上，算力获取的稳定性和成本还是变量。这件事短期内无解。

风险三：估值透支

当一家公司的股价在短时间内涨幅扩大至52%，里面一定有情绪成分。情绪退潮的时候不会提前打招呼。我见过太多人在这类标的上把长期逻辑当成短期交易理由，结果两头都不讨好。

对开发者和产品人来说，该关注什么？

换个角度，如果你不是投资者，而是开发者或者做AI产品的人，MiniMax股价涨跌跟你有什么关系？

关系还挺大。股价表现会直接影响一家模型厂商的API定价策略和免费额度政策。融资顺利的时候，接口便宜；压力大的时候，限流和涨价会一起来。

我给三条可落地的建议：

1. **别把业务绑死在单一模型供应商上**。做一层模型路由抽象，切换成本会低很多。
2. **关注季度调用量数据**。如果一家厂商的API调用量增速放缓，通常会在定价上体现出来，提前感知能省不少钱。
3. **多模态能力先做小范围测试**。视频生成这条链路目前还在快速演进，别一上来就重投入。

关于多模态模型的实际评测方法，我在这篇多模态大模型评测笔记里写过一些具体的测试用例设计思路，感兴趣可以看看。

总结一下我自己的判断

MiniMax股价的走势，本质上是市场对"国产大模型能不能跑通商业化"这个问题投的一次票。这个票不一定准，但它反映的是真实预期。

三个我比较确定的判断：

• **短中期内，技术迭代速度仍是股价的第一驱动因素**，财报数据是第二位的
• **C端应用的用户留存数据，会是下一个关键变量**，比模型跑分更能决定估值
• **波动性会持续存在**，这个赛道还没有进入稳态

关键要点速览

1. MiniMax股价的核心驱动是"训练能力 + 推理效率 + 多模态落地"三角叙事
2. 大模型推理效率直接决定毛利率，是容易被忽视的估值变量
3. C端应用留存数据是下一个关键观察点，目前披露信息有限
4. 估值在快速上涨后存在情绪透支风险，需要区分长期逻辑和短期交易
5. 对开发者而言，模型供应商的股价状态会影响API定价和免费额度政策

相关推荐

• **阅读相关专题**：想系统了解国产大模型的商业化路径，可以关注我们持续更新的"大模型产业观察"系列
• **查看工具推荐**：更多AI工具和模型评测资源，访问 [VergeX AI工具导航](https://nav.vergex.cn)
• **订阅更新**：VergeX 每周整理大模型领域的技术动态和市场观察，可通过站内邮件订阅或微信公众号获取最新推送