导读：

东方富海博士后工作站秉承研究发现价值、研究引领投资的理念，对投资实务进行前瞻性研究。“富海洞察”专栏致力于发布工作站系列研究报告，供读者交流探讨。本文是大模型商业化的相关研究，为工作站出品的第31篇报告。

大模型商业化已进入“价值兑现期”，其核心标志在于：曾经齐头并进的头部创业公司，正沿着截然不同的路径走向分化。观察这一分化的最佳切口，正是曾被统称为“大模型六小龙”的这批中国AI明星企业。过去一年，它们的战略分野比任何时候都更加清晰——MiniMax在C端全球化高歌猛进，智谱深耕B端政企，月之暗面借由OpenClaw反弹，阶跃星辰卡位终端设备，百川智能断臂求生押注医疗，而零一万物则转型行业承包商。原因在于，决定企业生死的不再是技术参数的高低，而是能否在巨头夹缝中找到属于自己的生态位。本文从投资视角出发，系统拆解这场分化背后的竞争逻辑、核心推力与终局猜想，为相关行业研究与投资决策提供参考。

1大模型商业化的“价值兑现期”：从技术竞赛到残酷算账

如果说2023-2024年是大模型的“技术兴奋期”，那么2025年下半年至今，行业已经进入了“商业冷静期”。这个转变的核心标志是：资本不再一味追捧那些参数更高、跑分更漂亮的模型，而是更关注两个实实在在的指标——能不能产生真实的收入，以及客户是否愿意留下来持续付费。

1、从“拼参数”到“拼收入”

MiniMax和智谱的2025年财务情况揭示了一个残酷事实：两家公司经调整亏损率都在300%-500%之间，研发支出（主要是训练算力）是收入的3-5倍。这意味着，每创造1元收入，就要在模型训练上投入3-5元，这还没算人力成本和营销费用。

2024-2025年，MiniMax与智谱均未形成当年收入有效覆盖上一年研发投入的稳定商业闭环。此外，图1显示，2023-2025年，智谱的覆盖率快速下滑，说明研发扩张速度显著快于收入兑现；MiniMax的覆盖率虽更平稳，但长期低于50%，同样显示研发投入回收效率偏弱。

▲图1：智谱与MiniMax：当年收入对上年研发支出覆盖率（2023-2025）

2、三条硬指标是关键

在这样的财务现实下，判断一家大模型公司能否活到终局，不仅要看“模型跑分多高”、“融资多大”，更要看三条硬指标：

（1）模型迭代速度：行业总体客户粘性水平较弱，客户往往会选第一梯队里性价比最高的，因此对独立大模型公司而言，模型迭代的掉队可能就意味着出局。

（2）商业化闭环能力：无论是API调用模式、订阅模式还是本地部署模式，必须跑通从“演示”到“付费”的路径。

（3）客户粘性：这可能是对抗大厂价格战的唯一屏障——没有粘性，收入就是“流沙上的城堡”。

 

2  六小龙生存图谱：六条截然不同的路径

过去一年，六小龙的战略分野比以往任何时候都更加清晰。下表梳理了六小龙2025年9月至2026年3月期间的关键进展，包括商业化、融资、技术、生态等维度，并给出客户粘性评估，为后续分析提供基础。

▲表1：2025.09-2026.03六小龙核心进展及客户粘性评估
 

（客户粘性评估说明：★★★★★极强，★★★★强，★★★中等，★★弱。排序说明：上表企业的列示按截至2026年3月20日的市值/估值由高到低排序。）

1、 MiniMax：低成本模型+C端原生矩阵+出海的组合优势

MiniMax用M2系列模型证明，极致成本本身就是护城河——2026年2月，MiniMax发布高吞吐、低成本的“原生Agent生产级模型”M2.5，该模型在上线后连续三周位居OpenRouter调用量榜首，带动2月年度经常性收入（ARR）突破1.5亿美元。但MiniMax的真正优势，不只是便宜，而是“低成本模型能力 + C端原生产品矩阵 + 海外收入占比高”的组合。公司2025年收入7904万美元（同比增加158.9%），毛利率25.4%（同比提升13.2个百分点）；C端AI原生产品收入5308万美元，占比67.2%；开放平台及企业服务收入2596万美元，占比32.8%；海外收入占比73%。值得注意的是，国内大厂通过春节补贴大战重塑AI入口，若未来API进一步价格战，MiniMax必须依靠产品矩阵、海外市场和技术效率，而不是单纯低价，来维持飞轮转动。

2、 智谱：从项目制走向标准化平台化

智谱的五星粘性，来自“慢”和“重”。在项目制模式中，每个头部客户（如华泰证券、马蜂窝）都需要投入大量人力做深度共创——从理解行业术语、调参到系统对接，周期长达数月，这意味着增长曲线天然平缓。它的护城河是“行业认知”，但认知的积累速度远慢于数据飞轮的旋转速度。在技术爆炸的周期里，“慢”可能意味着被颠覆——如果未来开源模型能力追平闭源，私有化部署逻辑可能会被重构。智谱2025年度业绩公告显示，其开放平台及API业务收入同比增长292.6%，更关键的是，2026年一季度API累计涨价83%后，调用量仍增长400%，反映公司在高质量开发者市场具备一定定价权。这表明智谱的标准化产品正成为新的增长引擎，增长曲线或迎来拐点。

3、 月之暗面：从流量焦虑转向Agent兑现

月之暗面在2024年至2025年期间曾进行过大规模投流，主要目的是提升旗下AI助手Kimi的用户量和市场占有率。2025年初，受DeepSeek开源模型冲击和行业竞争加剧影响，月之暗面大幅缩减投流，将资源集中投入大模型研发和垂直场景商业化探索，这一调整导致Kimi用户量大幅下滑。在这波竞争中，互联网大厂的生态优势凸显——字节可以把豆包塞进抖音、头条，阿里可以将千问嵌入淘宝、高德，而月之暗面缺乏这样的平台级流量入口，导致此前C端获客和留存压力较大。但2026年以来，形势正在发生变化。随着OpenClaw点燃Agent热潮，月之暗面凭借扎实的技术口碑迎来业绩拐点：K2.5模型发布不到20天，累计收入就超过2025年全年，一度成为OpenRouter上Token消耗第二的模型，其收缩C端投流、押注Agent商业化的策略，正在被市场验证。当然，Agent赛道同样挤满了对手，能否持续保持技术领先和用户粘性仍是关键变量。

4、阶跃星辰：绑定终端换取“入场券”

阶跃星辰的“AI+终端”策略非常聪明——不与大厂正面竞争，而是成为它们的“技术供应商”。目前公司通过与OPPO、吉利等合作，模型已装进4200万台终端设备。这种策略背后的商业化逻辑，不是做最强API，而是把模型变成手机和汽车的系统级能力，对应的估值逻辑更接近“智能终端基础设施供应商”，而非传统SaaS或纯MaaS公司。但这种模式的最大风险是：终端厂商随时可能自研。一旦大厂做出自己的大模型，阶跃星辰可能就会被替换。此外，这种模式虽具备“直连用户并引流”的想象空间，但短期内似乎难以打开，因为“能触达”≠“能直连”，系统级入口下的用户交互权与数据主导权更多在终端/平台方，并非第三方模型厂商默认权利。本质上，它是在用技术换取“入场券”，就目前而言尚未建立牢固的壁垒。

5、百川智能：“断臂求生”的明智与无奈

从2025年初开始，百川智能放弃通用大模型的多线作战，聚焦医疗严肃问诊——一个高监管、高壁垒、付费意愿更清晰的赛道，是六小龙中战略最清晰的一次转身。2026年1月发布并开源的Baichuan-M3在HealthBench、HealthBench Hard榜单上取得全球领先，百川智能强调其核心能力不是泛泛问答，而是严肃问诊范式、SCAN原则（安全分层、信息澄清、关联追问、规范化输出）和端到端临床推理。赛道特点和自身技术能力让百川智能在一个大厂“不敢轻易碰”的赛道建立了壁垒，问题在于，行业合规与政策监管的高度不确定性可能对商业化空间与长期发展构成制约。

6、零一万物：从“造车”到“修车”

零一万物的转型最彻底。面对通用大模型赛道的激烈竞争及开源趋势冲击，公司2025年初宣布停止万亿参数模型预训练，全面拥抱DeepSeek生态，专注为企业提供私有化部署和端到端行业解决方案。2026年3月，零一万物与恺英网络达成合作，切入“游戏+AI”赛道，标志着其行业解决方案版图从金融、政务延伸至文娱领域，商业化落地进一步拓宽。因此，其最新定位更像是中国AI行业解决方案领域的“埃森哲式”公司。这一定位放弃了平台想象力，但换取了更接近现金流的落地机会。未来能否借助深度行业集成与变革管理，实现与国际龙头在能力深度和服务范围上的接轨，将决定其最终行业地位。

3 客户粘性的本质：B端靠嵌入与know-how，C端靠规模与情绪

1、B端粘性为什么更强？

智谱、阶跃星辰、零一万物的B端模式（除API外的本地化部署+行业定制方案），粘性天然强于C端，原因有三。以下以智谱为例进行分析：

（1）嵌入深：智谱为华泰证券构建的财富管理助手，不是简单调用API，而是深度嵌入了券商的业务系统、用户画像体系、合规风控流程。切换意味着业务中断、重新开发、重新培训，成本极高。

（2）信任成本高：银行、医疗、政务客户对数据安全极度敏感，智谱采用本地化部署，企业数据完全不出域。如果要切换到另一家供应商，需要重新进行数据安全合规审查，周期3-6个月，对于这类客户而言，成本高，风险高。

（3）行业know-how不可迁移：智谱在服务头部客户过程中积累的不是“原始数据”，而是行业专属的调参经验、提示词库、评估指标体系。这些know-how沉淀在智谱团队内部，客户切换后，新供应商需要从零开始摸索。但B端粘性也有天花板。B端模式（除API外）的代价是增长慢、规模化难，每多服务一个头部客户需要额外投入大量人力，导致边际成本往往没有明显下降甚至会上升。智谱的本地化部署和零一万物的FDE均面临此类挑战。

2、C端粘性：大厂生态碾压下的生存空间

C端通用赛道的粘性天然弱。用户可同时使用多个AI应用，往往没有太大的数据迁移成本。更致命的是，大厂的生态碾压让独立C端AI应用的生存空间越来越小。

2026年春节80亿“AI入口大战”：腾讯元宝、阿里千问、字节豆包合计投入超80亿元，元宝DAU增长2.1倍，豆包除夕当天总互动19亿次。但六小龙几乎集体缺席——不是不想打，而是打不起。

DeepSeek卡顿事件：2026年2月底DeepSeek大规模服务异常，海量C端用户自然流向腾讯元宝、豆包等体验最稳定、入口最便捷的竞品，而不是大规模流向六小龙。这充分反映了大厂凭借其C端生态所建立的入口优势。

较可能跑出平台级C端大模型公司的赛道是“情绪价值”类应用。截至2025年9月底，MiniMax旗下AI原生产品全球累计个人用户已超2.12亿，其中，Talkie/星野在2025年9月MAU约2000万、用户日均使用时长超70分钟，2025年前三季度实现收入约1,875万美元并贡献公司收入约35%，体现了“情绪价值”类C端应用的高粘性与可规模化变现潜力。叠纸游戏的《恋与深空》、米哈游的《原神》也证明，情感陪伴、角色养成类产品可以形成独立壁垒。

4 分化背后的推动力：近期行业关键事件复盘

六小龙的分化不是自然演进，而是被一系列行业事件“逼”出来的。

1、DeepSeek的“技术掀桌”

2025年初，DeepSeek以极低成本实现顶级模型性能，彻底动摇了六小龙的估值锚点。它迫使零一万物、百川智能放弃通用模型训练，转向行业应用。坊间普遍认为，DeepSeek引而不发的新模型（V4或R2）是悬在六小龙头顶的“达摩克利斯之剑”。

2、春节80亿“AI入口大战”

这场大战是AI应用竞争的分水岭。阿里千问推出“免单点奶茶”，将AI能力嵌入真实消费闭环，用户一句话下单近2亿次；腾讯元宝依托微信社交生态完成裂变；豆包强化品牌认知。这些战术会明显冲击其他通用C端AI应用的获客成本与留存难度。六小龙集体缺席，意味着在C端通用赛道，它们依旧面临被巨头“挤出牌桌”的风险。当然，目前来看，MiniMax和月之暗面受到冲击的可能性最大。

3、OpenClaw引爆“Token经济学”

2026年1月开源的OpenClaw智能体框架成为行业分水岭，它将大模型从“聊天机器人”升级为“能指挥电脑的数字员工”。随之而来的是Token消耗的指数级暴涨——有用户3天消耗1.2万元，有开发者2小时烧掉100美元。这一波热潮中，六小龙中的MiniMax、智谱、月之暗面展现出较强的变现能力：MiniMax2026年2月ARR超过1.5亿美元，连续3周Token调用量位居OpenRouter全球前列；智谱率先推出AutoClaw，同步上调API价格20%；月之暗面的K2.5发布后，在不到20天时间里，公司累计收入就超过了2025年全年。

4、人才向大厂加速回流2026年春招，互联网头部企业密集启动万人级AI人才招聘：阿里2027届实习生招聘中AI岗位占比超八成，百度2026校招AI岗位占比超90%，腾讯2026实习生招聘中技术类扩招36%。脉脉《2026年1-2月中高端人才求职招聘洞察》显示，新发AI岗位平均月薪达60,738元，AI负责人/科学家最高达137,153元。大厂正在用雄厚的资本，从AI原生公司定向挖角核心人才。对于六小龙而言，人才流失的威胁可能比融资困境更致命。

5 财务真相：大模型到底是一笔怎样的生意？

要理解六小龙的生存逻辑，必须回到最底层的财务情况。下表为基于公开信息整理、估算的六小龙财务状况概览：

▲表2：六小龙财务状况梳理

（说明：市值/估值数据选取2026年3月20日；未注明数字单位的金额为人民币；部分数据经过换算得来，1美元 = 7人民币 = 7.8港元；上表企业的列示按市值/估值由高到低排序。）

1、算力：节节高的训练算力投入

从MiniMax和智谱的财务数据可以看出，大模型公司的亏损主要来源于研发支出，比如，2022-2025年度，MiniMax的研发支出分别为约0.7/4.9/13.2/17.7亿人民币，智谱的研发支出分别为0.8/5.3/22.0/31.8亿人民币，其中，绝大部分是训练算力投入。MiniMax 2024年创收只有2023年研发支出的44%，2025年进一步降低到42%；智谱对应的比值则从2024年的59%降低到2025年的33%。

2、人力：少而精的人才结构

有趣的是，人力成本并非核心矛盾。2025年MiniMax用428名员工，创造了近5.5亿人民币收入，跑出了全球相对靠前的模型，这一人效比在大模型公司中属较高水平。背后也反映出大模型行业的人力结构趋势：研发团队保持少而精，其中部分人员薪资超高但总体可控；其他支持性岗位数量则因大规模AI内嵌而低于传统行业。

3、商业模式终极拷问：何时能赚钱？

海豚研究给出了一个关键判断：大模型公司本质上是把“资产负债表业务”做成了“全长在利润表上的生意”。

当模型需要年年迭代、巨额训练成本每年翻倍，而收入未迎来拐点时，大模型公司的亏损是必然的。其商业模式要想真正立住，需要下游需求（Token消耗）真正爆发、推理成本下行与云端业务占比提升，或者缩放定律（scaling law）失效——即增加一点智力所需算力暴涨、模型不再需要高频迭代，这时一代基座大模型可能实现5年甚至10年创收，训练成本可以做长期摊销。当前六小龙的市值/估值已经一定程度上反映以上预期。在此之前，大模型公司就是持续的吞金兽，谁能融到更多资金并控制成本，谁就能留在牌桌上。

 

6终局推演：三种可能的格局

基于以上分析，可以推演三种可能的终局情景。

1、情景一：大厂通吃，六小龙退守垂直赛道

触发条件：大模型能力差距缩小到用户无感知，大厂用生态（云、流量、数据）全面碾压，导致独立大模型公司的标准化API服务和通用C端应用无法长大。

幸存者：智谱（政企）、百川智能（医疗）、零一万物（行业方案）这类“大厂看不上的苦活”——它们要么需要深度定制、要么涉及高监管风险、要么市场空间有限，大厂不愿意投入太多精力。

淘汰者：标准化API服务和通用C端玩家（既没有大厂的生态，又没有形成规模粘性，也没有垂直赛道的壁垒）

概率：较高。

2、情景二：出现统治级的C端AI原生应用

触发条件：通过单一超级入口（如Agent、情绪类应用）直接获取用户，形成流量垄断。

候选者：MiniMax（大规模C端用户、全球化产品、情绪价值赛道）

概率：较低。Agent的规模化落地速度可能被高估——从“演示级”到“生产级”的工程化鸿沟比想象中深。2026年，更可能看到的是Agent在垂直场景（如编程、客服）的落地，而非诞生一个通用超级入口。此外，情绪类AI应用具有一定粘性与潜在爆发性，可能会以垂类爆款渗透形成原生生态，但其依赖的多模态技术能力和推广运营能力依然位于互联网大厂的优势地带。最近，OpenAI宣布关闭Sora、集中资源发展特定场景应用如编程工具及企业级AI，很大程度上印证了以上两点。

3、情景三：出现主导性的B端AI原生系统

触发条件：端侧算力与轻量化模型取得关键突破，使得AI能力能深度集成至各类终端操作系统，催生出“云端协同、跨端智能”的新平台。此类平台通常不直接服务最终用户，而是通过赋能手机、汽车、IoT设备等厂商，成为驱动智能终端的底层AI基础设施。

候选者：阶跃星辰（可能与头部终端厂商共建分布式“AI平台生态”，在车载、手机等场景率先卡位，形成新一代行业入口与闭环生态）

概率：中等。随着技术成熟与终端厂商全面AI化，端云协同的分布式智能平台落地概率持续增加，在注重数据安全、实时响应与成本控制的领域尤为凸显。

7结语：六小龙的故事，是“大分流”的故事

六小龙的“大分流”已经发生。这不是谁赢谁输的零和游戏，而是在收入远低于研发投入以及面临大厂生态压力的现实情况下，不同物种走向不同生态位的自然演化。

MiniMax在全球化C端奔跑，智谱在政企赛道筑墙，月之暗面在Agent热潮中领跑，阶跃星辰在终端设备卡位，百川智能在医疗赛道深耕，零一万物在行业服务中找位置——它们的起点相同，但禀赋和路径不同，也将抵达不同的终点。

参考资料

[1] 海豚研究《深扒Minimax与智谱：大模型，一场算力强度与融资耐力的残酷绝杀？》

[2] MiniMax招股说明书及公告、纪要

[3] 智谱招股说明书及公告

[4] 百川智能相关战略发布、36氪报道

[5] 阶跃星辰融资及战略发布相关报道

[6] 零一万物战略转型相关报道

[7] 月之暗面公开报道

[8] 海豚研究《大模型血亏360%，MiniMax照样“香饽饽”？》

[9] LMArena榜单相关报道

(声明：本文基于公开信息整理分析，部分数据为估算值，仅供参考，不构成任何投资建议。)