软银的资本运作 - 软银清仓英伟达，套现58亿美元，远超市场预期的27亿美元[2] - 交易发生在英伟达市值冲上5万亿美元高点后仅一周半[2] - 软银宣布将加注OpenAI，并称英伟达是其“最大的银行”，即AI野心的现金来源[2] - 软银的操作被视为在科技周期中“换座位”，从英伟达转向OpenAI，是在价值链中重新选择更靠前的位置站队[10][11] 美国AI的高估值困局 - 美国AI面临技术冲得快、收入涨得快，但利润兑现极慢，资本预期却已提前飙至未来5-10年的困境[8] - AI人才成本高昂，强一点的research scientist年包轻松150万美元起步，顶级梯队可达250-300万美元，明星公司年薪部分高达千万美金[8] - 大模型公司几十名核心成员，光工资一年就要烧掉上亿美元[8] - 算力成本极高，GPT-4训练成本估算在7000万–1.4亿美元，GPT-5只会更高[9] - Anthropic 2025年预计收入接近90亿美元，但算力和工程成本增长更快，必须不断加杠杆维持领先[9] - 英伟达股价上涨速度远超利润兑现，市值5万亿美元后，训练和推理端需求增速任何松动都可能带来冲击[9] 中国AI的务实路线与成本优势 - 中国头部云厂商23-25年AI资本开支总和比美国同行低82%，投资回报率远超美国[12] - 中国AI走“低成本高性能”务实路线，策略不是堆更大模型，而是把同样规模模型训练得更好、推得更快、成本更低[16] - DeepSeek是分水岭，其成功是工程化提效、算子优化等底层投入结果，证明竞争可以是“谁更聪明地用算力”[17] - MiniMax M2模型能力略逊于GPT-5仅10%，但训练成本远低于OpenAI[18] - MiniMax M1模型强化学习阶段花费约54万美元，用512块H800训练三周，体现极高效率[18] - 中国AI商业化速度更快，方法论是先选定明确产品场景，迅速推向市场，用用户反馈驱动迭代[20] 中美AI商业模式与路径对比 - MiniMax与OpenAI均构建“订阅收入+ API调用”双轮驱动商业模式，MiniMax今年ARR已达1亿美元规模[24] - OpenAI路线是“长线OS化”，构建覆盖文本、语音、视频等的巨大体系，节奏沉重[26] - MiniMax路线是围绕语音、音乐、视频等多模态模型构建可快速落地的能力矩阵，目标是立即商业化[27] - 在同等智能水平上，中国模型价格普遍低于美国模型，形成商业化上的“降维打击”[28] - 中国AI公司整体估值远低于海外，独角兽最高仅几十亿美金，而OpenAI、Anthropic动辄上百亿美元[15] 中国AI主要玩家格局 - MiniMax在技术、产品、商业化方面“三线全过关”，是挑战OpenAI的最有力竞争者[23] - 阿里Qwen依托阿里云算力与企业服务能力，在政企、金融、制造等场景深度落地[34] - Kimi在长文本能力上保持优势，提供高质量泛内容体验和资料整理能力[34] - 智谱在模型技术路线及ToB部署上保持扎实节奏，企业合作广度行业领先[34] - 国内头部玩家已形成差异化格局，分别满足产业链不同侧面需求[34][35]