财务数据和关键指标变化 - 2025年全年收入为7900万美元，同比增长159% [11] - AI原生产品收入为5300万美元，同比增长143% [11] - 开放平台收入约为2600万美元，同比增长198% [11] - 2025年毛利润为2000万美元，同比增长437%，毛利率提升至25.4%，较2024年的12.2%提升了13个百分点 [14] - 2025年销售和营销费用同比下降40%，研发费用同比增长33.8%，但显著低于收入增长率 [14] - 2025年调整后净亏损为2.5亿美元，但随着商业化推进和模型优化带来的成本效率提升，调整后净亏损率显著收窄 [14][15] - 截至2026年2月，年度经常性收入已超过1.5亿美元 [15] 各条业务线数据和关键指标变化 - 语言模型方面，M2系列模型在2025年第四季度推出M2、M2.1和M2-her，2026年2月推出M2.5 [4][5] - M2.5在SWE-bench验证基准上创造了新的行业记录，效率相比上一代M2.1提升了37% [5] - 2026年2月，M2系列模型的平均日token消耗量是2025年12月水平的6倍以上，其中编码计划的token消耗增长了超过十倍 [6] - 视频模型方面，2025年10月发布Hailuo 2.3，显著改善了角色动作、视觉质量和风格表达，并引入了能降低批量内容创作成本高达50%的快速模型 [7] - 截至2025年底，视频模型已帮助全球创作者生成了总计超过6亿个视频 [8] - 语音模型方面，2025年10月发布Speech 2.6，针对语音代理场景优化，支持超过40种语言，截至2025年底已帮助用户生成总计超过2亿小时的语音 [8] - 音乐模型方面，新发布的Music 2.0和2.5取得了显著进步 [8] - AI代理产品方面，2026年1月发布MiniMax Agent 2.0，截至2026年2月底，专业用户已累计创建超过5万个专家代理 [9][10] 各个市场数据和关键指标变化 - 截至2025年12月31日，公司累计服务超过236百万用户，覆盖超过200个国家和地区，以及来自超过100个国家和地区的214,000名企业客户和开发者 [12] - 2025年，国际市场收入占总收入超过70%，开放平台的国际收入占比超过50% [12] - 自M2.5发布以来，公司在国际市场获得强劲吸引力，吸引了大量新全球客户，并获得了包括Google Vertex AI、Microsoft Azure AI Foundry、Fireworks AI和Nebula AI在内的领先全球云提供商和AI原生云平台的部署 [12] - 公司已成为OpenCode和KiloCode等领先编码平台的默认模型，Notion也于近期推出了其首个也是唯一的开源模型选项M2.5 [13] 公司战略和发展方向和行业竞争 - 公司正从一个大模型公司演进为AI时代的平台公司，其价值被定义为提供的智能密度乘以token吞吐量 [17][18] - 公司认为AI市场并非零和游戏，每年的增量市场大于现有存量，也不是赢家通吃的市场，只要拥有独特、差异化的创新，就有市场机会 [20] - 公司的战略重点在于三个层面：模型层、产品层和生态系统层 [21][22] - 在模型层，公司依靠长期积累和快速迭代，例如在180天内成功发布了M2.1和M2.5，并且是唯一一家采用全模态策略的公司，这使其在多模态融合趋势中占据优势 [21] - 在产品层，公司是国内首家同时专注于产品和模型的公司，模型加产品形成了更强的进入壁垒 [21][22] - 在生态系统层，公司利用差异化能力创建了开放系统，例如支持OpenClaw项目，这有助于降低用户门槛并促进生态系统快速增长 [22] - 公司认为其研发效率是成功的关键，成功最终取决于智能提升的速度，而非烧钱多少 [34] - 公司通过敏捷的组织架构，结合自上而下和自下而上的方法，并在各模态间复用经验和基础设施，以保持领先地位 [35] - 公司相信，在全球范围内，最终只有少数AI平台产品会脱颖而出，而公司是少数同时拥有显著优势和清晰差异化、能够获胜的独立公司之一 [35] 管理层对经营环境和未来前景的评论 - 管理层认为，2026年智能水平将显著提升，并聚焦于三个方面：软件开发中L.4到L.5级别智能的出现、专业工作场所AI代理能力的提升、以及多模态创作向可直接用于生产的中长内容生成发展 [16] - 这些发展预示着新的技术挑战、大规模智能供应的显著扩展以及应用层的巨大创新窗口，同时也意味着对公司平台的需求将大幅增加，token量可能增长一到两个数量级 [16] - 下一代M3和Hailuo 3模型系列正是基于这些需求而设计 [17] - 管理层对公司成为AI平台生态系统的核心建设者充满信心，信心基于两个因素：AI行业加速日益明显，以及模型能力突破、代理应用部署和货币化模式成熟正在持续推高行业天花板 [18] - 管理层认为，M2系列模型的token消耗爆炸性增长是长期趋势的开始，而非一次性红利 [36] - 下一波增长将受到几个因素的支撑：从2025年下半年开始，公司已积极准备能力以抓住2026年出现的多个高影响力生产力市场机会；编码领域仍有显著增长空间；工作场所场景市场远大于编码；多模态领域将显著降低采用门槛 [37][38] - 管理层承认模型竞争有输有赢，但相信公司有能力在最重要的领域持续获胜，关键策略是推动技术边界并利用突破来创建更大的生态系统 [39] 其他重要信息 - 公司内部AI代理实习生已支持近90%的员工，用例涵盖软件开发、数据分析、运营管理、人才招聘和销售营销 [9] - 公司视自身为AI原生组织能力演进的试验场，这将稳步提升其研发效率 [9] - 截至2026年2月，M2文本模型系列的每百万token推理协同计算成本相比2025年12月水平下降了超过50%，同期Hailuo视频生成模型的推理延迟降低了超过30% [13] - M2.5使得复杂代理的运营在经济上可行，以每秒100个token的输出速度连续运行1小时仅需1美元，这意味着1万美元的代理预算可以连续运行整整一年 [5] - 公司内部部署AI代理的实践，不仅缩短了组织工作流程，还使员工能更专注于高价值工作，并反过来为下一代模型和代理的研发优先级提供信息，形成了积极的飞轮效应 [40][41][42][43] 总结问答环节所有的提问和回答 问题: 公司旨在成为AI平台公司，但AI和OpenAI也有此目标。如何定义AI时代的平台公司？为何认为MiniMax这样的初创公司能成为其中之一？ [19] - AI时代的平台公司是那些定义和推进新智能范式、并能捕捉范式转变所创造的产品和商业价值的公司 [17] - AI市场并非零和或赢家通吃，只要拥有差异化创新就有机会 [20] - 公司的机会在于：1) 模型层依靠长期积累和快速迭代，以及全模态策略优势；2) 产品层同时专注模型和产品，形成高壁垒；3) 生态系统层利用差异化能力创建开放系统，降低用户门槛 [21][22] - 公司相信自己是亚洲唯一能同时执行产品和模型的公司 [23] 问题: 关于多模态战略，如果竞争对手先专注于完善单一模态再转向跨模态，是否会比公司更快？公司先专注于跨模态的方法是否会成为负担？ [23][24] - 多模态融合是持续提升智能的根本前提 [24] - 公司采取两阶段方法：过去4年（第一阶段）已在每个模态建立了行业领先模型；现在进入第二阶段，即整合各模态以实现更大突破，下半年推出的M3模型旨在实现此目标 [25] - 每个模态的积累是长期过程，这构成了公司的长期能力基础和差异化优势，公司是中国仅有的三家在每个模态都取得领先地位的公司之一 [25][26] - 公司的AI原生组织架构使得构建全模态的成本不高于其他初创公司，且远低于大型科技公司的投资，同时每个独立模态都实现了具有竞争力的模型 [27] 问题: 提到L4到L5级别的编程智能正在接近，许多软件公司可能被代理取代。应如何看待这一转变？公司在其中处于什么位置？ [27] - L3是当前使用的代理，L4、L5代表同事级和组织级智能 [27] - 编码只是代理的一部分，是已验证的最早的生产力能力，办公生产力的市场甚至比编码更大 [29] - 公司已在编码和代理领域取得早期进展，以最小资源获得了独特的市场地位 [30] - 公司迭代速度快，从M2到M2.3仅用100天，保持了行业最快的迭代速度 [30] - 公司专注于定义能展示其独特优势的模型能力，例如M2、Hailuo 2和Speech 2系列模型凭借低延迟、高成本效率等特性实现了差异化并获得了快速的市场吸引力 [31][32] - 公司有信心在编码代理和更广泛的生产力市场中进一步增加份额并取得更多突破 [32] 问题: 在科技巨头、初创公司和开源模型并存的行业中，公司的竞争领域和优先事项是什么？ [32][33] - 公司的战略定位是从第一天起就专注于全模态模型，以增加智能密度和扩展边界，创造差异化价值 [33] - 同时，围绕模型智能密度构建可扩展的产品和业务，将资源集中在能创造不同价值的领域，例如2023年决定不构建通用移动助手，而是专注于差异化的模型研发和产品创新 [33][34] - 公司的研发效率是关键，智能提升的速度来自研发效率，这最终会转化为更大的市场份额和更高的效率 [34] - 公司通过敏捷组织架构，在各模态间复用经验和基础设施，以确保始终保持领先 [35] 问题: 2026年前两个月M2系列的token消耗量已是去年12月的6倍，这种爆发式增长是一次性红利还是可持续长期趋势的开始？ [35][36] - 这被视为长期趋势的开始，而非一次性红利，行业增长往往遵循阶梯函数模式 [36] - 下一波增长将受到几个因素支撑：公司从2025年下半年开始积极准备能力以抓住2026年出现的多个高影响力生产力市场机会；编码领域仍有显著空间；工作场所场景市场更大；多模态领域将显著降低采用门槛 [37][38] - 公司有信心随着行业发展而增长，并将其模型差异化、研发效率、产品创新能力和全球货币化能力转化为持久的组织竞争优势 [39] 问题: 内部AI代理实习生现已覆盖近90%的员工，这一变化带来了哪些洞见？如何反馈到产品和技术开发中？ [39][40] - 公司不仅是一家AI公司，更旨在构建真正的AI原生平台公司，将自身转变为AI原生组织是关键目标 [40] - 内部广泛使用AI代理实习生已观察到明显趋势：动态正从人教代理如何工作，转向人观察代理如何工作，有时代理甚至会带来惊喜 [41] - 这不仅缩短了组织工作流程，还加速了从模型迭代、产品创新到客户服务的反馈和迭代循环，使员工能更专注于高价值工作 [41] - 当代理在公司内部部署时，可以清楚地观察到当前最好模型的不足之处，这些差距指明了最高经济价值所在，并为下一代模型和代理的研发优先级提供了信息 [42][43] - 这使公司能更清晰地定义目标，过去几个月模型迭代速度、收入增长、客户服务能力和token吞吐量均得到改善，形成了积极的飞轮效应，并有望成为组织的关键竞争优势 [43]

电话会议纪要关键要点总结 涉及的行业与公司 * 公司：NVIDIA (NVDA) [1] * 行业：人工智能、半导体、数据中心、云计算、自动驾驶汽车、机器人、医疗保健、量子计算 [7][22][27][54] 核心观点与论据 1. 技术领先与系统级协同设计 * NVIDIA强调其通过极致的协同设计能力实现性能飞跃，从Hopper到Blackwell实现了**10比1的性能提升和10比1的成本降低**，而晶体管数量仅增加**2倍**[8] * 公司认为，要跟上模型规模**10倍增长**、token增长和成本下降的速度，必须进行跨GPU、CPU、NIC、NVLink交换机等全系统的协同设计，否则将难以克服摩尔定律的限制[7][8][9] * NVIDIA展示了其Vera Rubin Pod，声称这是首个从头开始构建的、具备此类能力的系统，公司编写了每一行代码，设计了每一个芯片，创建了所有系统并优化了所有算法[7] 2. 产品进展与路线图 * **Vera Rubin**已进入**全面生产**阶段，计划在**今年下半年**推向市场[19][20] * Vera Rubin的升级周期约为**9个月以上**[20] * Vera Rubin的每个芯片都是全新的，包括HBM4、LPDDR5 SoCam等，其成功整合是一个“奇迹”[60] * **Grace Blackwell (GB300)** 的过渡非常顺利，正在被广泛部署[118] * 公司预计**明年将是Vera Rubin之年**，并将开始大规模出货[119] 3. 市场需求与业务规模 * 公司多次强调**需求非常强劲**[28][44][102][117] * 自动驾驶汽车业务经过**8年**发展，现已是一个**价值数十亿美元的业务**，预计到2030年底将成为一项非常大的业务[22][24] * 公司每个季度增长的规模相当于**一家大型上市芯片公司**[35] * 公司正在帮助供应链准备**数百亿美元**的产能[36] 4. 供应链与产能 * NVIDIA拥有规模优势，是**全球唯一购买DRAM的芯片公司**，直接从所有DRAM制造商处购买**价值数百亿美元的DRAM**[36][37] * 公司已认证并预备了所有HBM合作伙伴[38] * 公司通过MGX等项目在机架层面优化供应链，标准化组件[36] * 对于中国市场，公司有专门的H20供应，不会影响其他国家的订单和需求[42] 5. 竞争格局与生态系统 * NVIDIA认为自己是**全球唯一运行所有AI模型的平台**，包括xAI、OpenAI、Gemini、Anthropic以及所有开源模型[31][32] * 公司与**几乎所有拥有自动驾驶技术的公司**在数据中心有合作，包括特斯拉、比亚迪、小米、理想、小鹏等[23] * 公司采取开放策略，将大量软件和基础设施栈贡献给开源社区，以促进生态系统繁荣[8][23][24] * 公司认为，在基础模型领域可能会出现几家主要玩家（如OpenAI、Anthropic），但**垂直化（行业专用AI）将是明确趋势**，许多企业将基于开源模型构建自己的AI[70][71][74][75] 6. 新市场与增长领域 * **智能网卡（SmartNIC）与存储**：公司预计将成为**全球最大的存储处理器公司**，并可能出货最多的高端CPU。BlueField-4将非常成功，其DOCA软件层已被广泛采用。AI数据库和KV缓存将催生一个全新的、巨大的高性能存储市场[54][55] * **新云提供商（NeoClouds/GPU Clouds）**：公司培育并合作伙伴了众多区域性的、敏捷的新云提供商（如CoreWeave、Lambda、G42、Yotta），以快速应对技术和市场变化，并解决土地、电力和设施获取的挑战[85][86] * **物理AI与智能体AI**：公司通过Cosmo等模型降低物理AI的门槛。智能体AI框架将成为未来构建应用程序的基本框架，并可能推动**token生成率提升50倍**[77][82][101][119] * **收购与整合**：公司解释了收购Groq和Fabrica的逻辑，旨在整合具有互补技术的团队（如Groq的极低延迟架构），以扩展AI基础设施的能力边界，同时保持公司整体的精简和敏捷[14][107][108][110] 7. 财务与利润率展望 * 公司预计今年毛利率将维持在**70%左右的中段水平**[88] * 长期利润率与公司提供的价值直接相关，价值体现在三个核心维度：1) 训练合理规模模型所需的时间和GPU数量；2) 生成token的成本与服务质量；3) 在有限功耗（如**1吉瓦**）下数据中心的整体收益能力[89][91][92] * 建设一个AI工厂的成本可能高达**500亿美元**，其中约**200亿美元**是土地、电力和设施成本。因此，客户对性能提升的期望极高（如10倍），而非小幅改进（如50%）[63][64][94] * 公司通过极致的工程设计和协同设计（如NVFP4）来突破摩尔定律，以维持其价值交付能力和利润率[93] 8. 研发与未来方向 * 研发投入强度高，投资覆盖从土地、电力、设施到芯片、基础设施、模型和应用的整个技术栈，以及上下游供应链和各个行业[105][106] * 公司自身也是**全球最大的模型构建者之一**，为开放科学和市场构建领先模型，这为其架构创造了强大的飞轮效应[105][119] * 未来的技术突破可能围绕**无限上下文长度**、**状态空间模型（SSM）与Transformer的混合**、**持续学习**以及通过BlueField-4等技术**让内存更接近计算**[98][99][100] * **推理（inference）** 的token生成率目前正以**每年5倍**的速度增长，主要受推理需求驱动；而**智能体系统**可能推动其进一步**增长50倍**[97][100][101] 其他重要内容 * **DGX Cloud战略**：DGX Cloud从未旨在与云服务提供商（CSP）竞争，而是作为一项战略，用于：1) 帮助CSP为新的AI架构做好准备；2) 为CSP吸引开发者与客户（AI原生公司）；3) 将NVIDIA的模型和合作伙伴生态引入CSP的云中。随着飞轮效应启动，NVIDIA自身对租用算力的需求在降低[46][47][48][49][50][51] * **软件与开源**：NVIDIA将大量软件贡献给开源，包括用于自动驾驶的仿真、合成数据生成和世界基础模型等基础设施栈[8][23] * **跨行业影响力**：公司活跃于多个行业，包括医疗保健（与机器人、影像、AI、药物发现公司合作）、量子计算（为全球几乎每台量子计算机提供动力）等[27] * **Amdahl定律挑战**：公司指出，如果只构建单芯片或架构不变，Amdahl定律会成为瓶颈，无法充分利用晶体管增长带来的性能提升[9][14][93]