中国最敢烧钱的 4 个男人，开始正面交锋

昨日，一场投资者交流会在网络刷屏，主角是 DeepSeek 的创始人梁文锋。

交流持续了近 4 小时，梁文锋谈论了公司的愿景、开源逻辑、AGI 路线和商业选择。其中，" 克制是一种战略 " 成为流传最广的一句话。

在飞速增长的 AI 市场，克制并不容易。而就在梁文锋的访谈实录引发全网 " 拜读 " 时，另一家国产大模型公司月之暗面也吸引了全球目光。

7 月 17 日，月之暗面创始人杨植麟带着 2.8 万亿参数的 Kimi K3 低调上线，却在全球 " 炸榜 "，超过 Claude Fable 5 等头部闭源模型，甚至引发了海外科技股波动，摩根大通将其引发的市场担忧称为 "DeepSeek 2.0"。上线 48 小时用户请求直接把服务器挤爆，月之暗面紧急叫停新用户订阅。

更巧合的是，这两家国产大模型公司都在这个月，同时传出了筹备 IPO 的消息。目前 Kimi 估值超 3300 亿元，DeepSeek 为 3500 亿元。

另一边，已经进入二级市场的另外两家国产大模型公司——唐杰的智谱和闫俊杰的 MiniMax 则正在经历市场即时的审视。

过去一个多月，智谱和 MiniMax 先后遭遇了资本市场的压力。智谱市值从万亿港元高位一度跌至 4146 亿港元，蒸发了一半；MiniMax 在近半数股份解禁后，又通过新股配售和可转债筹集约 160 亿港元，股价同样明显承压。

可以说，眼下，中国最备受瞩目的、年轻的 "AI 四小龙 " 抱持不同的信仰，第一次坐上了同一张牌桌。

而此时， DeepSeek、MiniMax、智谱、月之暗面，到底谁能给出属于中国本土的答案，它们需要面对的是更残酷的现实。

" 信仰是重要的。" 这四家公司的创始人，大概没有人会反对这句话。

对梁文锋来说，信仰更接近于 " 愿景 "。在最新曝光的梁文锋 4 小时投资人交流会实录中，他多次提到愿景：" 一个公司最重要的是它的愿景，管理一个大公司，靠的不是规章制度，靠的是愿景。愿景不是挂在墙上的标语，愿景是你怎么做，实际怎么运行。"

DeepSeek 的很多选择，都可以从这里得到解释。

梁文锋最早将机器学习用于量化交易。在幻方量化已经成为头部机构后，他却选择了克制，相比争夺 C 端入口，迅速做出一款热门产品，他更关心模型架构、训练效率和原创能力。

开源、低价，也不仅仅是获取用户的手段。在梁文锋的想象里，一家公司只有真正进入全球技术前沿，才有可能改变中国 AI 长期跟随的处境。

他曾说，中国 AI 与美国真正的差距，不是一两年的时间差，而是原创与模仿的差距。对 DeepSeek 而言，信仰或许就是在实现 AGI 的过程中，相信仍然存在一条没有被巨头完全占据的技术道路，并且愿意花很长时间去找到它。

脱胎于清华大学计算机系知识工程实验室的智谱，则始终带有明显的学院和工程气质。其 CEO 张鹏相信，AGI 不是炒概念，而是一行代码一行代码抠出来的工程问题。

在 ChatGPT 尚未出现时，智谱团队已经开始研究预训练模型，并选择了一条不同于 GPT 和 BERT 的 GLM 路线。那时，大模型还没有成为资本追逐的风口，也没有人知道一套中国自主的预训练框架最终能走多远。

多年后，智谱已经上市，Coding 也为它带来了开发者、收入和市场关注，唐杰却在内部信《巨浪已来》中再次要求团队 " 摸高 "。他将注意力转向长程任务、自治智能体和模型自我训练，已经取得的成绩仿佛过眼云烟。

这与智谱一路走来的方式并无不同。它相信，模型能力的上限决定一家公司最终能走到哪里。

相比梁文锋对原创的执着、唐杰对高度的追逐，MiniMax 创始人闫俊杰更相信组织。

闫俊杰并不喜欢把人工智能描绘成少数天才创造的魔法。他曾将自己称为 " 二流研究者 "，却相信一群足够优秀的人组成的一流组织，能够超过依赖个别天才的团队。对他来说，AGI 不是某个灵光乍现的瞬间，而是算法、数据、算力和工程系统一次次迭代之后的结果。

这也塑造了 MiniMax。它没有只把希望寄托在一款文本模型上，而是同时进入语音、视频、音乐和 AI 角色。闫俊杰相信，真正的智能应该被普通人使用，进入真实生活，在不断的反馈和修正中逐渐生长出来。

月之暗面创始人杨植麟相信的，则是模型最终会成为人与世界之间的新入口。

杨植麟保留着技术创业者中少见的浪漫。月之暗面的英文名 "Moonshot AI"，取自 Pink Floyd 的专辑《The Dark Side of the Moon》。在清华读书时，他曾是乐队鼓手。

他对 AI 的理解不局限于技术本身，Kimi 的产品哲学是 " 让信息触手可及 "。它主打长文本处理，支持 200 万字的上下文窗口。

早在 2024 年，他就提出，"AGI 的入口应该直接帮用户完成任务，而不是帮他们获取信息 "。在他看来，智能体与传统对话式 AI 最重要的区别，是能够长时间工作并完成复杂任务。2026 年，他进一步判断，随着智能体进入各行各业，Token 消耗将随生产力提升而增长，甚至可能成为衡量 GDP 产出的新尺度。

四家公司都在谈 AGI，但他们相信的并不是完全相同的东西。这些信仰决定了他们最初往哪里走，也让四家公司先后押中了不同的方向。

过去三年，四家公司都曾在某个时刻站到过行业中心。但第一名的位置几乎从未真正属于过谁。

2024 年，最先被普通用户记住的是 Kimi，它把长文本变成一种可以被直接感知的能力。一份几十万字的报告、一摞论文，甚至一部长篇小说，都可以一次性扔给模型。

那段时间，" 能读多长 " 几乎成为判断模型强弱最简单的标准。Kimi 也因此迅速从一家创业公司的产品，变成中文大模型的代表之一。

但长文本并没有成为月之暗面的专属领地。很快，几十万 Token、百万 Token 上下文出现在越来越多模型的发布会上。曾经足以让 Kimi 被记住的能力，后来变成了头部玩家必须具备的入场券。

随后站到聚光灯下的是 DeepSeek。

2025 年，R1 横空出世，它建立在 DeepSeek-V3 Base 之上。DeepSeek 披露，V3 基座的训练计算成本约为 557.6 万美元，而在此基础上完成 R1 后训练的新增计算成本约为 29.4 万美元。这些仅是 GPT-4 训练成本的十分之一，让硅谷的一众巨头大为震惊。

此后的模型发布中，" 开源 "" 低成本 "" 推理效率 " 几乎成了无法绕开的词。

MiniMax 原本走在另一条路上——它更早把资源铺向视频、语音、音乐和 AI 角色，试图让模型不只存在于对话框中，但到了 2026 年 6 月，MiniMax 发布 M3 时，Coding、Agent 和百万 Token 上下文同样成为核心卖点。原本分散的路线，开始汇向同一片战场。

几周后，智谱站上了高处。

GLM-5.2 把 Coding 和长程任务推到更靠前的位置。编程榜单上的成绩、开发者增长以及市场对 Agent 的想象，一同把智谱送上万亿港元市值。

但这段领先没有维持太久。

GLM-5.2 发布前，MiniMax M3 已经进入同一方向；一个月后，Kimi K3 又带着原生多模态、百万 Token 上下文和长程编程能力出现，并在 Code Arena 前端开发榜单上超过一批闭源模型。

不到两个月，市场的目光从 MiniMax 转向智谱，又从智谱移向月之暗面。四家公司开始讲述越来越相似的故事。

爱分析研究咨询机构联合创始人兼首席分析师张扬长期关注 AI 领域，他告诉盐财经，市场关注的方向始终在移动——前一阶段可能是视频和多模态，这一阶段是 Coding 和 Agent，下一阶段又可能是世界模型或其他尚未被验证的能力。几家公司分别在不同方向上领先过，却仍然没有谁能够建立起一道无法被跨越的鸿沟。

梁文锋也不相信第一名会长期固定。在投资者交流会中，他表示，做得好的模型和做得差的模型的差别不是在某个具体环节，而是整体上的。他认为，Anthropic 现在超过 OpenAI，并不长久。几个头部大模型彼此之间，未来大概率还是会交替上升。

张扬认为，AI 公司最终的目的大多都是 AGI，可以选择做 coding，可以选择做多模态，也可以选择做大模型。他说：" 信仰是什么，公司就会往哪个方向发力，但也许这个信仰恰好是风口，也许不是。"

如果技术领先注定会被追赶，那资本必然会寻找更为稳定的东西。不是风口，意味着，暂时离开资本市场的中心位置。

大模型公司的难题在于，技术越发展，" 烧钱 " 的速度往往越快。模型需要不断训练，用户每一次调用也都要消耗算力。真正决定一家公司能否留在牌桌上的，商业化一定是重要的标准之一。

据盐财经了解，一位由 Third Bridge 高临咨询对接的专家表示，当前 AI 正处在从 " 训练 " 转向 " 推理与商业化落地 " 的转折点。由于 SOTA 模型（意指当前最高水平的模型）的训练资源要求，整体市场模型训练的军备竞赛从百模大战逐渐节奏放缓，仅有少数留下的头部模型厂商可以参与竞赛，训练算力占比逐步回落，推理占比持续抬升。

而当下是 " 运营性 AI" 阶段，聚焦降本增效和生产力的实质提升。尝鲜项目需求变少，这一阶段最重要的，是从 " 试点 " 跨越到 " 生产化 "、把能力兑现成价值。命题从 "AI 能做什么 " 变成 " 用 AI 能驱动什么业务价值 "。

智谱最早给出的答案，是把模型卖给企业。2025 年，智谱近四分之三的收入仍来自本地化部署：模型被装进企业或政府客户自己的系统，再根据具体需求进行适配和交付。

这种生意更容易在早期获得大额订单，却也意味着公司必须不断投入人力实施，难以像标准软件一样快速复制。智谱真正想推动的，是另一部分增长更快的云端部署和 API，让客户按照调用量付费。

月之暗面和 MiniMax 则更早把模型做成了用户可以直接购买的产品。

Kimi 把 Agent、深度研究和编程能力装进不同档位的会员套餐，同时向企业和开发者按 Token 出售 API。用户付费购买的不是一个抽象的大模型，而是更长的任务时间、更高的并发额度，以及把一项工作真正完成的能力。

MiniMax 的路走得更宽一些。2025 年，其三分之二左右的收入来自海螺 AI、Talkie 等 AI 原生产品，其余来自开放平台和企业服务；超过七成收入来自中国内地以外的市场。它试图证明，视频、语音、角色陪伴和 Agent 都可以成为独立的付费产品。但产品越多，需要维持的模型和算力系统也越复杂。2025 年，MiniMax 收入为 7900 万美元，研发投入却达到了 2.53 亿美元。

而 DeepSeek 选择了最简单，也最难解释的一条路。它始终坚持模型开源，再把 API 价格压到足够低，让更多开发者使用。不过，低价有利于迅速扩大技术影响力，却也意味着它需要极大的使用规模，才能把流量变成足以支撑研发投入的收入。

看起来，四家公司在做不同的生意：

但张扬认为，它们最终可能越来越接近同一个终点—— " 卖 Token"。项目制收入要一单一单地谈，Token 调用却可以标准化地重复发生，更符合模型公司的规模化想象。

在他看来，真正可能拉开下一代模型表现的，是应用使用过程中产生的数据：程序员如何修改模型生成的代码，用户如何拆解复杂任务，模型在哪个步骤出错，又如何完成最终结果。应用因此不只是模型的变现出口，也是下一代模型的数据入口。

Third Bridge 高临咨询的专家则认为，AI 的商业化正沉淀出 " 基础设施层—模型层—应用层 " 的三层结构，各层盈利难度依次递增，打法也明显分化。

分化的核心可以概括为两条主线：巨头走 " 大而全 "（算力＋流量＋生态、打价格战），创业公司走 " 垂直深耕 "（差异化功能、场景 know-how）。此外还面临开源与闭源的博弈，而算力或已成硬约束。

短期内，资本或许仍然会奖励押中符合技术风口的公司。

而长期来看，摆在四家公司面前的是四场尚未完成的商业实验。

中国 AGI 远征路，一切才刚刚开始。