昨天，智谱AI公布了2025年全年业绩，这是其上市后的首份财报。全年实现收入7.24亿元，同比增长131.9%；但在高达31.8亿元的研发投入影响下，经调整净亏损达到31.82亿元。
虽然亏损额度巨大，但市场的反馈却异常积极，财报发布后其股价单日上涨了31.8%。其中一个关键因素在于，其API服务收入呈现出爆发式增长，这让市场看到了一条清晰的商业化路径。
2025年，智谱的云端部署（即API服务）收入从2024年的0.48亿元猛增至1.9亿元，同比增长高达296%，收入占比也从15.5%提升至26.3%。管理层在电话会议中透露，当前API服务的年度经常性收入（ARR）约为2.5亿美元，并预计年底可以达到10亿美元。
这并非孤例。纵观行业，API调用量普遍上升，Token正成为最直接的计费单元，预示着API正成为大模型公司最核心的变现路径之一。
基模增长，靠卖API
在智谱的这份财报中，最值得关注的变化是收入结构的迁移。云端部署，已经成为最核心的增长来源。API收入的增长，其底层逻辑是调用量的增长，而这背后离不开智能体（Agent）技术的推动。
当Agent开始自动执行长程任务时，一次需求往往对应多轮调用，Token消耗被成倍放大，API调用量随之水涨船高。行业正形成一个共识：当大模型具备长程任务执行能力后，调用不再停留于单次问答，而演化为一个持续运行的系统化过程。在这种结构下，Token本身成为了最直接、最确定的计费单位。换句话说，当模型能力足够强时，API本身就会收敛为大模型最清晰的商业模式。
这一趋势正成为头部厂商的共同选择。海外市场走得更早，例如Anthropic约80%的收入来自企业级API调用服务。国内主流基座模型公司，如智谱AI、MiniMax、月之暗面，其核心收入也正快速向API调用收敛，MaaS（Model as a Service）成为承接增长的主要路径。
智谱计划未来更加侧重标准化的API服务。到2026年，API服务与本地化部署预计各占一半；未来2-3年，重心将进一步向API倾斜。
类似的变化也正在MiniMax身上发生。2025年，其开放平台与企业服务收入达到2596.3万美元，同比增长197.8%，收入占比提升至32.8%。截至2026年2月，公司ARR已突破1.5亿美元，实现翻倍增长，核心驱动力同样来自Token消耗的提升，尤其是编码助手与Agent场景的放量。高盛预计，2026年MiniMax来自开放平台（API）的收入占比将达到约40%。
大模型商业模式的收拢，意味着价值衡量方式也变得清晰：正从“能力指标”转向“Token计量”。
路线分化背后，两种解题思路
随着AI进入规模化应用阶段，一个问题变得具体：当模型能力逐渐收敛，大模型公司的核心竞争力究竟是什么？对此，智谱和MiniMax给出了两种不同的解法。
智谱的逻辑是追求极致的模型上限。公司提出了TAC（Token Architecture Capability）概念，其核心判断是：智能的质量，决定定价权。智谱认为，随着Agent的演进，Token也会分层，低复杂度、标准化的token将走向低价甚至免费，只有高复杂度、高可靠性的高质量token才具备持续定价权。
这一点在数据上已有所体现。一季度，智谱API定价提升83%，但需求并未收缩，反而呈现供不应求，调用量增长达400%。
如果说智谱讲的是“质量决定定价权”，那么MiniMax的逻辑则侧重于“路径差异化”和“效率”。MiniMax选择了一条并不主流的全模态自研路线，并行推进文本、视频、语音、音乐四大模态。这条路线的核心不在于“多”，而在于“广”，旨在通过多模态交互降低使用门槛，从而将用户群体扩展到更广泛的人群，在不显著降低智能密度的前提下，放大Token吞吐量。
再看效率。MiniMax的另一条主线是极致的资源利用效率。2025年，公司研发投入2.53亿美元，同比增长33.8%，明显低于158.9%的营收增速。经营数据显示，智谱每获得1元收入，对应约4.4元亏损；MiniMax则为3.2元。人效上，智谱约66万元，而MiniMax达到126万元。
当然，部分差异源于商业模式，MiniMax更多依赖产品收入，而智谱仍以本地化部署为主。但两条路径的分化依然清晰：一边追求“智能上限”，通过提升能力获取定价权；另一边优化“效率与覆盖”，通过扩大使用规模来放大Token吞吐量。这本质上是同一商业公式下的两种不同解法。
寡头格局，才是基模生意的最大确定性
抛开短期估值波动，大模型这门生意的轮廓正逐渐清晰。它与传统软件不同，成本呈台阶式上升，收入却未必同步变厚，反而可能在激烈竞争中被压缩。这种“先天偏脆弱”的结构，却天然指向另一个结果：行业会走向寡头。
因为只有极少数公司能够持续承受这种级别的巨额投入。商业形态上，它更像晶圆厂，前期投入巨大，但一旦卡位成功，竞争者极少，而市场蛋糕又足够大。
同时，大模型市场并非完全“赢家通吃”，更接近一个分层市场。最顶层的模型，哪怕仅有细微的效果优势，在编码等复杂场景下也能被放大为显著溢价。但并非所有任务都需要最强模型，市场会自然分层：顶层吃溢价，中层跑规模，底层承接长尾需求。
在这个过程中，效率成为关键变量。由于缺乏网络效应，用户切换成本极低。这意味着，只要有公司能做出一个“90分”的模型，同时价格更具竞争力，就可以迅速放量。价格的背后本质是成本，这不仅取决于技术，还包括算力、电力等一系列成本。通过工程优化、规模化部署以及更低的电力成本，可以显著压低推理成本，这使得部分模型厂商的出海，本质上是在做一门“Token差价”的生意。
不过，对于国内大模型公司的商业前景，也不能过于乐观。中美市场环境存在差异：美国生态更依赖开发者长尾需求，企业更愿为能力付费；而国内调用更集中在头部客户，加上供给端竞争激烈，Token的溢价能力可能不会长期存在。某种程度上，在美国，基模更接近软件与平台的结合体，而在中国则更像基础设施的一部分。
因此，国内大模型公司的商业模型最终能跑到什么高度，或许还需要更多时间来观察和验证。欢迎对AI商业化路径感兴趣的开发者，到云栈社区的相应板块继续探讨。
发表于 5 天前
|
查看: 29|
回复: 0
