2025 年下半年，中美 AI 圈中的讨论，有两个有趣的现象：
一是，讨论的焦点不再是“中美技术究竟差几代”，而是开始认可中国 AI 势力崛起甚至即将迎来反超，比如以 Airbnb 为代表的海外企业，公开表示大量采用通义千问而不常用 OpenAI；MiniMax开源模型 M2 的 AI Coding 能力超越 Claude，位居 OpenRouter 编程能力前三。
二是，资本的豪赌与泡沫风险都更加剧烈——OpenAI 与英伟达等厂商签下了 1.4 万亿美元算力订单；OpenAI CFO 一句“需要政府为 AI 投资担保”的言论引发了美股科技股大地震，八大科技巨头一周内蒸发近 8000 亿美元。
不同的是，前者指向市场，说明需求方不再盲目追求智能上限，转而选择成本低、速度快、更具性价比的中国模型；后者则指向资本，揭示了美国 AI 产业在极高的估值和巨大的资本支出（CAPEX）之间正面临着一场严峻质疑，投资者对需要持续给创业公司输血的“高举高打”模式，已经开始感到不安和恐慌。
这两个现象都意味着昔日由美国科技巨头 OpenAI 绝对主导的 AI 叙事开始出现裂痕，我们正站在一个关键的历史节点：中国 AI 不仅在追赶，可能来到了反超美国 AI 的前夜。
01
泡沫与洼地：重估中国 AI 时刻
AI 的估值泡沫，在美股 AI 神话的破灭中最先得到验证。2025 年 11 月， AI 资本市场创今年 4 月份以来最差表现，纳斯达克指数单周跌幅超 3%。
显然，美国资本市场的 AI 神话已无法继续讲述，市场越来越担心泡沫随时破裂。其核心风险并非否认 AI 技术的长期潜力，而在于美国 AI 投资规模巨大、增长速度缓慢、现有收益远超商业价值的兑现能力。
从资本投入一侧来看，OpenAI 研发成本惊人。与英伟达等厂商签下的 1.4 万亿美元算力订单，这个数字相当于美国 GDP 的 5%。OpenAI 背后也不只英伟达一家，微软 Azure 、亚马逊云均提供算力支持，“循环注资”模式下加的杠杆作用会让数额再高出几倍。
再来看投资回报一侧，强如行业领头羊的 OpenAI，其巨额研发投入与商业化收入之间形成了鲜明反差：2024年其研发投入超过150亿美元，但商业化收入却不足30亿美元。即使能够如 Altman 预期在 2025 年底的年收入年化率将超过 200 亿美元，到 2030 年增长到数千亿美元，也难以形成正向现金流。
反观中国，AI 公司普遍处于价值被低估的状态，被传即将上市的智谱和 MiniMax 也不过小几百亿人民币，算下来研发成本则更少。若以 OpenAI 的估值逻辑来重新审视中国 AI 企业，它们的估值或许有 30 倍、甚至 50 倍的上升空间。
而两者之间的差距真有这么大吗？恐怕未必。当热潮退去，美股的AI泡沫开始破裂，资本寻求避险和高增长机会的 AI 公司，必然会重新审视并发现中国 AI 这片价值洼地。
02
百倍 ROI 下的效率革命
中国 AI 模型正以远低于美国的资本支出快速追赶。根据 Jefferies 发布的《China AI in a Global Context》，2023–2025 年间，中国超大规模企业的总资本支出为 1240 亿美元，比美国同行低 82%。在成本消耗悬殊的情况下，中国 AI 公司的模型性能、定价却更低。
今年下半年，国内 AI 初创公司密集推出新一代大模型：
9月，智谱AI发布 GLM-4.6 模型，该模型在中文编程基准测试CC-Bench 中，相较于 Claude Sonnet 4 的胜率达到48.6%，基本实现性能持平；
10月，MiniMax 推出 M2 模型，根据LMSys Arena发布的网页开发能力排行榜，该模型在开源模型中排名第一，综合排名第四，仅次于 Claude、GPT-5 与 Gemini；
11月，月之暗面推出 Kimi-K2-Thinking 模型，在软件工程任务基准SWE-Bench Verified测试中，该模型以71.3%的得分超过Claude Sonnet 4.5的69.8%。
这些模型在达到逼近甚至部分超越 Claude 性能的同时，定价远低于国际同类产品，甚至 MiniMax-M2 在面世时就明确打出「Claude 级别的性能，8%的价格」，精准切入Coding 市场。其输入、输出每百万 tokens 定价分别为 0.5 美元和 2.2 美元，而 Claude Sonnet 4.5 的对应价格高达 3 美元和 15 美元。
可见，与美国 AI 的“高举高打”形成鲜明对比，中国 AI 走出了一条“效率优先”的道路，投入更少、性能差距不大。
从以往的模型发布来看，高效率一直是 MiniMax 的追求。6 月份推出的 MiniMax-M1 同样惊艳，整个强化学习过程仅使用了 512 块英伟达 H800 GPU 进行三周训练，租赁成本为 53.74 万美元（约合380万人民币），这几乎只是OpenAI 同等模型训练成本的零头。
这种追求也体现在推理效率上。M2 作为一款稀疏混合专家模型，总参数230B，激活参数仅10B，这种设计实现了更高的推理效率和更低的成本。据测试，M2的在线推理服务速度可达每秒 100Token，同时成本仅为Claude 3.5 Sonnet的8%。
从市场表现来看，MiniMax M2 赢得了广大开发者和用户的认可。11月初，MiniMax M2 在 OpenRouter上的日token消耗量超过50B，成为中国首个达到这一里程碑的模型。
在 Token 使用的市场份额方面，OpenRouter 的11月9日数据显示，市场份额排名前9的模型4家来自中国公司，其中MiniMax的份额排名仅次于 xAI、Google、Anthropic 和OpenAI。而且，上榜中国公司的模型均为开源模型。
OpenRouter汇集的是全球第三方 AI 应用的调用数据，意味着模型必须在纯粹的开放市场中，与所有国际顶级玩家直接竞争；而Token的消耗量也直接反映了一线开发者用脚投票的结果。相比之下，OpenAI 开源的 GPT-OSS 模型因效果不佳、使用困难而乏人问津。
2025年，MiniMax 最新估值已接近 300 亿人民币，相比之下刚完成 130 亿美元 F 轮融资的 Anthropic 估值是 1830 亿美元，而OpenAI 的估值可达 5000亿美金。
当前者用后者的百分之一的资金成本的情况下，却做出了可以追齐智能水平的模型之后，其资金效率可想而知。这种效率优势，体现了一个核心关键指标——“模型投资回报率（Model ROI）”。
中国AI的“模型ROI”是美国的 100 倍，这是一个惊人的数字。
03
谁是被低估的中国版 OpenAI
一个难以回避的事实是，ChatGPT 今年预期的收入将超 200 亿美元，而中国的任何一家 AI 公司，距离这一体量仍有不小差距。
商业成绩的背后，真正起决定作用的仍是模型能力。ChatGPT 之所以能以横扫之势，揽夺 8 亿用户，并一直独占鳌头，其根本原因在于他们的模型能力长期保持领先。类似的场景也发生在今年2月， DeepSeek 的模型推理能力达到全球第一梯队时，用户量在极短时间内迎来爆发，其 2 月份的网站访问量甚至一度超越 ChatGPT。
这说明，模型能力与产品增长之间的正向循环，正是 AI 竞争的核心机制。当中国 AI 公司用更低的成本、更高的性能、百倍的 ROI 夯实模型硬实力时，一旦能力充分转化为产品价值，用户量、实用性和变现能力都将迅速上升。
基于中国 AI 整体崛起的事实，这里不妨做一个大胆的提问：如果美国资本开始转向性价比更高的中国市场，哪个中国 AI 公司能够承接得住？答案的关键，除了资本效率（ROI）之外，还有商业化路径的影响。
投资人告诉 AI 科技评论，盘点历经两年洗牌的国内 AI 公司，MiniMax 的商业化能力名列前茅，在自身定位和综合实力角度能对标得上 OpenAI 的屈指可数，MiniMax 算是“赢面”较大的一个。
“2025年6月，MiniMax 的海螺 AI 仅 Web 端 ARR（年度经常性收入）已达1000万美元左右，总体的 ARR 已达 1 亿美元，且均为用户直接付费订阅，这是模型能力和实用价值最直接的证明。”
而 MiniMax 更浓墨重彩的表现，则是强劲的海外收入：Talkie 已多次成为美国市场下载量排名靠前的 AI 陪伴类应用；视频生成赛道的海螺 AI 在海外迅速破圈，访问量排名一度位居国内外榜首；Speech 系列的语音模型也能媲美 Elevenlabs ，并被头部的开源框架 LiveKit、Pipecat、声网RTE等选为底层技术引擎。
复盘 MiniMax 的成长路径会发现，MiniMax 按照自己的节奏一步步构建了多模态版图：海螺模型及其产品线目前更新至 2.3 版本，强化其复杂物理动作的特长；Speech2.6 在技术指标之外针对Voice Agent 场景进展优化；MiniMax M2跻身全球前三的 Coding 模型，擅长复杂问题的工具调用，接入自家的 MiniMax Agent。
中国 AI 对美国AI的赶超，需要在 Infra、模型训练、多模态上多点发力，多模态能力已成为 MiniMax 的护城河。国内外有能力做多模态的的公司，多为 OpenAI、Google等科技巨头，而能在全模态自研层面都做到领先，又实现了从模型到产品的规模化商业闭环，MiniMax 或许是其中唯一一家来自中国的创业公司。
一位早期投资过 MiniMax 的投资人告诉AI科技评论，MiniMax 没有国家队的头衔，但从没有像很多公司在在技术、产品路线上左右摇摆，根据现有成绩来看，从 AGI 布局中的各个板块到商业化成果再到资本市场的估值，走出了与OpenAI最为相似的路径。
黄仁勋曾表示，AI最终要让全球人人用得起。让这一人类美好愿景能够快速实现的条件是，AI 能够有高度的实用性、更低的成本和更可持续的发展，而这更有可能在百分之一 OpenAI ROI 的中国公司带领下率先实现。
