“中国将赢得人工智能竞赛。”近日，英国《金融时报》等媒体对黄仁勋闭门会议演讲进行报道，舆论迅速升温，PDF也随之上市。这是最引起我注意的一句话。在后来的“辟谣”中，黄仁勋淡化了这一措辞，称他不保证中国会赢，但仍然强调，世界上最受欢迎的开源人工智能模型目前是中国制造的，美国需要“加快步伐”。黄仁勋是否真的逐字逐句地说出这句话可能已经不再重要了。他多次公开警告，深化芯片禁令可能不会像美国希望的那样有效，甚至可能适得其反，限制措施可能会导致创新的爆发，反而陷入沉默。现在这些警告已经得到证实，人工智能公司的两条不同路径变得更加清晰中国和美国都有。以 Nvidia 和 OpenAI 为首的公司正在共同努力扩大市场规模，遵循高成本、高支出、高期望的模式。但外界普遍怀疑，这种内部循环正在加剧随时可能破裂的“气球”泡沫的风险。 DeepSeek、MiniMax 和 Kim 领导的公司专注于打下坚实的基础，追求效率、盈利和商业化的务实之路。在NVIDIA、OpenAI等公司的市值和估值都受到质疑的时候，这些中国公司却被怀疑被低估，并具有爆炸性的潜力。中国AI企业正在“戳破”AI泡沫。即使泡沫不破裂，情报官员仍有很长的路要走。 A 要理解黄仁勋这句话的深层含义，首先要了解当前硅谷人工智能领域的中心争议。同时之后，硅谷AI继续快速推进，依靠资本密集型投资和前沿模型的迭代来维持规模效应的叙述。然而，另一方面，人们越来越担心“人工智能泡沫”正在成为系统性风险。他们正在认真对待它。特别是最近，OpenAI提出的旨在支持高达1.4万亿美元数据中心基础设施扩建的“政府担保贷款”的想法引发了广泛质疑，业界对高估值与实际回报脱节的担忧持续存在。与一年前相比，这场争论已经从私下的窃窃私语变成了公众的警惕，现在在主流媒体和投资界更频繁地听到。 Michael Burley 的 Cylon 资产管理公司是这次大赌注的原型，它在 2025 年第三季度购买了 Nvidia 和 Palantir 的看跌期权，名义总额超过 11 亿美元。此举被视为一种对冲e 反对人工智能泡沫。福布斯的简洁总结捕捉到了这种情感转变。无论当前的牛市有多么有吸引力，最终都会产生质疑。关键问题是：烟雾警报声是电池电量耗尽引起的误报还是真正发生火灾的迹象？然而，“人工智能泡沫”只是世界上的泡沫吗？或者说这是硅谷的“本土现象”？就在 11 月，杰富瑞 (Jefferies) 报道了“全球背景下的中国人工智能”。 l Context）指出：从2023年到2025年，中国主要云提供商的总资本支出将为1240亿美元，比美国同行少82%。然而，中国最先进的大型型号，例如MiniMax M2，仅比最强大的美国型号，例如GPT-5强大10%。黄仁勋真正想强调的是，中国在这一点上并没有落后美国太多（原话只是“纳米水平”），并警告说，如果美国切断中国开发商的准入自从三年前ChatGPT出现以来，围绕人工智能的主导叙事长期以来一直由OpenAI、Anthropic、谷歌和微软等硅谷巨头主导，具有“规模效应”和“成本”。建立了以“Gens”为中心的高尚壁垒。然而，当 DeepSeek 推出其 R1 推理模型时，这种范式首先面临重大挑战。尽管该模型在数学和编码基准方面可与当时最先进的模型相媲美，但其成本仅为后者的 3% 左右，这引发了硅谷对“昂贵智能”需求的深深怀疑。 DeepSeek R1的进步并不是一个孤立的案例。中国人工智能公司已经一再证明，先进的智能并不一定需要天文数字般昂贵的投资。事实上，中国人工智能企业的这条“隐藏线”已经悄然发力，形成了生态圈所有英雄聚集的dscape。智普AI成立于2019年，MiniMax于2022年初推出，紧接着是2023年的月之暗面和DeepSeek。DeepSeek震惊世界的六个月里，企业都在一一调整自己的策略。有的企业选择生存来优化资源配置，有的企业则选择生存。他们积极进取，通过引人注目的成绩单凸显了他们的决策勇气和操作灵活性。智普AI和MiniMax属于后一类。第一个加速模型迭代并为企业级应用程序提供支持。而后者则在开源基准测试和全面实施多模态方面屡屡取得优异成绩，表现出对市场趋势的快速响应能力。黄仁勋本人多次访问中国，与中国人工智能界保持联系。今年7月，黄仁勋脱下皮夹克并身穿唐袍现身北京。除了与雷军等老友会面外，黄仁勋还与MiniMax创始人杨俊杰单独进行了两个小时的深度交流。此次对话的一个月前，MiniMax 宣布推出全球首个开源大规模混合架构推理模型 M1。 B 四个季度后，随着硅谷不断推动人工智能向高成本方向演进，中国的AI领域正在经历一波激烈的爆发。智普AI于9月推出GLM-4.6，MiniMax于10月推出M2，Kimi于11月推出Kim K2 Thinking。这些连续推出的产品都是本地创新的集合。 GLM-4.6在效率优化方面表现优越，K2 Thinking继承了原有架构并改进了训练数据和配方，M2再次充分注重实现性能与成本之间的最佳平衡。这些模型总是强调技术“力控”“娱乐”系统通过精确控制和有限努力而不是盲目扩张，最大限度地提高能量产量并降低部队情报成本。从易用性和模型实现的可行性来看，中国的开源模型在全球竞争中明显脱颖而出。盈利的一个例子是MiniMax M2。其API仅比同等智能水平的Claude Sonnet 4.5贵8%，但推理速度几乎翻倍。M2一经发布，就在全球开发者社区掀起了巨大浪潮，并获得了好评。许多媒体报道称，M2 的低成本和卓越性能的结合可能会损害像 Anthropic 这样的美国人工智能模型制造商，这些制造商的收入增长大部分依赖于改进的人工智能代理系统，计算机科学家 Andrew Ng（DeepLearning.AI）上周发布了一份每周报告，专门比较了当前主流模型在 AA 性能方面的分布。性能标准和代币成本。在性能方面，GPT-5的两个版本领先市场，但代币成本却远远落后。在综合成本和性能领先的第一象限中，MiniMax 的 M2 与 Grok 4 Fast 没有什么区别。开发者用行动投票。 Mini Max M2 每日代币调用量远高于 OpenAI，与 Google 相当。然而，OpenAI开源的GPT-OSS模型由于性能较差、使用复杂而很少受到关注。自开源以来，MiniMax M2（包括免费版和付费版）在第三方平台OpenRouter上的调用量已超过800亿次，跻身顶级开源机型之列。真实作为一个收集第三方AI应用全球流量的平台，OpenRouter的数据接近真实的市场反馈。 M2能够在短时间内从原来的硅谷模式中快速捕获一些用户和计算时间，展示了M2的潜力开放生态系统中的中国模式。中美不仅走上了两条完全不同的道路：硅谷的规模优势和中国的增长效率模式，而且两者并非完全平行，而是相互交织、相互作用。随着中国人工智能企业在国际舞台上与硅谷技术决定的闭源模式和廉价易用的开源模式展开竞争，对硅谷大笔投资的质疑将进一步放大，行业也将被迫反思其高CAPEX模式的可持续性和长期性。 C 仅仅注重效率不足以构建完整的生态系统。在“减力”技术上，中国AI企业通过成熟的技术路径和资源配置，暗中实现了商业闭环，实现了产值最大化。中国人工智能的“投资回报率模型”是美国的100倍。 MiniMax M1 就是一个典型的例子。的c强化学习阶段模型的大部分训练成本仅为 540,000 美元（使用 512 个 H800 GPU，持续 3 周）。训练与 OpenAI 大小相同的模型的成本只是其一小部分。用更少的资本创造更多的价值，是中国人工智能的核心竞争力。然而，在这种竞争力的背后，中国企业面临着更深层次的问题。我也在考虑。随着科技的影子不断衰落，谁拥有智慧？在引领中国开源潮流的DeepSeek，答案是用更广阔的视角来解决最重要的建议。 MiniMax选择了另一种表达：“智能与每个人”，以确保每个人都拥有足够的智能。 “信仰就像代表着一个很遥远的未来。信仰就是你想做的事情以及你如何坚持下去。” MiniMax创始人兼CEO严俊杰在接受采访时将自己对AI技术的态度概括为“信仰”。如何一边仰望天空，一边小心翼翼地迈出每一步？评审从今年中国头部AI公司的布局来看，这也正是他们共同思考的。所谓“盈利”、“现实”的理念，是建立在不断审视航线、及时调整的基础上的。 MiniMax的进化轨迹尤为典型，并显示出明显的方向变化迹象。 Talkie和Hoshino等早期产品在语音交互方面取得了早期成功，随后海洛AI在视频生成领域赶上了他们。 DeepSeek V3 发布后，Text Fields 果断开源。 “如果再给我一次选择，我应该从第一天起就开源，”杨俊杰在接受采访时说道。他认为开源是技术加速发展的先决条件。我们认为，与其套用移动互联网的逻辑，不如回到以研究和工程为中心的人工智能之路。这种开放性不仅激励了更多的研究人员，而且也可能成为引领这一趋势的关键力量。人工智能代理时代。目前，MiniMax 专注于技术。 M2的编码模型在视频和音频生成模型双双排名第一之后，跻身全球前三。这意味着该公司终于在文本模式上取得了突破，完成了重要的一环。作为一家初创公司，我们一直对三种文本模式中模型和产品的排列过于分散和缺乏集中心存疑虑。然而，随着Google Veo 3的音视频融合和Open AI Sora 2的语言理解和视觉生成，多模态融合的技术趋势越来越凸显。此时，多模态技术设计的重要性逐渐显现。据 The Information 报道，MiniMax 的年度订阅收入（ARR）已达到 1 亿美元，全部为用户直接支付的订阅。国际用户愿意付费购买 Contivideo（类似于 Sora/Pika 的产品）、M2 型号、音频和d 其他服务。这一成功归功于从道具模型到产品的设计指南：为健康的业务构建闭环。 100倍ROI的本质在于资源从技术到智慧和成本的高效转换。这种高效的资源转化率最终体现在资本市场的“投资回报模型”上。 MiniMax的最新估值为40亿美元，OpenAI的最新估值为5000亿美元。与硅谷的资本扩张和昂贵的智力相比，中国的AI独角兽可能被严重低估。大洋彼岸，硅谷人工智能公司仍在积累计算能力和建设基础设施。近日，Meta透露了未来三年在美国投资6000亿美元的细节，重点关注AI数据建设。中国企业走的道路正在接近一种“有限理性”，即在约束条件下寻求最优解决方案。通过资源配置和模型设计的高效合作，实现替代性可持续增长曲线。随着全球人工智能进入下半场，故事的焦点可能不再是“规模极限”，而是谁能首先找到“效率极限”。从长远来看，我们可能对中国的人工智能更有信心。
特别提示：以上内容（包括图片、视频，如有）由自媒体平台“网易 Acc”提供并由广大用户上传发布，本平台仅提供信息存储服务。
注：以上内容（包括图片、视频，如有）由社交平台网易号用户上传发布。仅提供信息存储服务的公司。
