AI竞赛：大教堂模式与市集模式的效率对抗

2025年的人工智能领域，正在上演一部媲美《硅谷》剧集的现实戏剧。一方面，OpenAI进行着万亿级别的豪赌，并与埃隆·马斯克展开持久的公开争执。近期曝光的马斯克起诉萨姆·奥尔特曼案中，高管的证词细节被网友戏称为新一季讽刺喜剧《硅谷》的剧情。

而在大洋彼岸，另一种叙事正在悄然展开。中国的AI企业凭借庞大的人才储备和工程创新能力，在外部压力下构建起自主的研发体系。这些公司很少再谈论宏大的愿景，而是更专注于实际成果，效率已成为行业共识和核心竞争力。

对比之下，一方是试图打造宏大叙事的“大教堂”，其特点是封闭、昂贵、精英主导；

另一边则是“市集”，以开放、生猛、速度优先为特征。

这个起源于1990年代的隐喻，曾用于描述开源运动与集中式开发的分歧，如今在AI世界中再次被唤醒。

AI的“教堂 VS 集市”

“大教堂”模式首先体现在其财务结构上。

OpenAI的1.4万亿算力计划，是一场前所未有的高风险投资。其可持续性正面临质疑。据报道，OpenAI的年经常性收入（ARR）约为130亿美元，但他们计划在未来几年内支出超过一万亿美元。在计算所有在途投资和现有现金后，OpenAI仍存在约1.2万亿美元的资金缺口。

这种困境，从其CFO Sarah Frier寻求联邦政府支持以资助未来数据中心的言论中可见一斑。

压力同样传导到创始人层面。当萨姆·奥尔特曼在OpenAI投资人的播客中被直接质问如何支付这笔巨款时，他回应道：“如果你想卖掉你的股份，我给你找个买家”。这一反应被外界视为“惊慌失措”，甚至是在巨大压力下失去理智的表现。

金融结构的压力最终影响组织效率。华盛顿大学计算机科学教授Pedro Domingos最近对OpenAI给出了一个尖锐评价：“OpenAI不是大到不能倒，而是大到无法成功(too big to succeed)”。他指出，OpenAI每年亏损约500亿美元。这种体量和烧钱速度使公司难以保持敏捷，内部官僚化、决策迟缓、创新受阻，当企业将更多精力投入公关和估值维护时，工程效率和创造力便开始流失。

在“大教堂”的阴影下，效率正变成稀缺资源。

而另一边，“市集”则证明不必如此。中国的AI行业正在采用类似快时尚的策略，核心是以10%甚至更低的价格提供顶级质量的大语言模型（LLM）。

它无需在所有基准测试中领先，只需向市场证明，美国AI巨头将占据全部市场的估值假设并不成立。只要中国模型能持续“蚕食”市场份额，这一泡沫就可能被刺破。

底层驱动力之一来自外部限制倒逼的极致工程创新。阿里巴巴宣布新的计算池系统将运行AI模型所需的GPU数量削减了82%，用200个GPU实现了1200个GPU的性能水平。DeepSeek开始采用FP8新格式，使其训练速度提升30%。而MiniMax的M1模型在强化学习阶段的训练成本仅为54万美元，几乎是OpenAI同类模型成本的零头。

这种工程效率最终转化为压倒性的成本优势。OpenAI的GPT-5每百万Tokens收费10美元，而最近发布的MiniMax M2则将价格打至低至1.20美元。

对于AI这种注定普及的技术，历史经验表明，谁能以最低成本将技术交付给最多用户，谁就能成为赢家。

谁在赢得开发者？

Meta的首席AI科学家杨立昆曾当着黄仁勋的面说：“我认识黄仁勋。有场AI战争，他在提供武器。”黄仁勋试图向大教堂和集市双方同时供应弹药。这种类似军火商的定位，让他拥有了一种中立的视角。

黄仁勋最近向《金融时报》表示：“中国将赢得人工智能竞赛”。尽管他随后缓和立场，称中国“只落后几纳秒”，并强调美国必须赢得全球开发者的支持。

那么，谁正在赢得全球开发者的青睐？市场的反应是真实的。在面向全球开发者的平台OpenRouter上，开发者们正在用脚投票，让我们先看结果。

在实时更新的排行榜上，中国模型正全面崛起。MiniMax M2尤为突出，不仅是OpenRouter上首个日token消耗量超过500亿的中国模型，而且免费版加付费版模型的Token日调用量已超过800亿，均进入Top 10（分列第4和第7），两者用量都在快速增长。

要理解这一数据的分量，需知OpenRouter的代表性：它并非可刷分的榜单，而是聚合了OpenAI、Google以及DeepSeek、MiniMax等所有主流厂商API的多模型路由与结算平台。犹如一座云端“总配电房＋电表室”，将多家“电厂”（不同模型）接入同一配电柜，用统一接口按策略分流，并以一块电表统一计费。

其数据之所以客观，一是因为“可比”，OpenRouter会标准化Token计量，减少偏差；二是因为有规模，覆盖了Kilo Code、SillyTavern等高流量重度应用，能反映真实的调用结构。

将M2的数据拆解来看，趋势更加明显。排行榜上，M2同时有付费版（第4位，51.7B tokens）和免费版（第7位，32.6B tokens）。付费通道的强劲增长有力证明，M2的成功并非来自短期补贴，而是源于开发者对其性价比和工程适配度的稳定需求。

再看分类榜，在编程这一最复杂、最考验模型的场景下，MiniMax M2位居全球用量第三，占据7.5%的份额。这正是中国开源模型的优势所在，M2凭借低定价和长上下文带来的高单位经济性，正实际从OpenAI和Claude手中夺取份额。

最后是市场份额，M2排在第五位。值得注意的是，一个全新模型占据7.4%的总市场份额，仅用了十几天时间。与此对比的是图表右侧的视觉趋势，这才是真正的故事：中国开源模型们正以实用与普惠赢得开发者青睐，而这势头仅是开端。

不只是“更便宜”

OpenRouter上的数据证明了“市集”的效率与吸引力，但这场竞赛还有一个更终极的问题：如何可持续盈利？

抛开OpenAI试图建立帝国的野心，作为行业绝对头部，这家公司事实上占据了一个标准答案的位置，即同时满足：全模态的技术深度、产品化的商业闭环、以及真实的全球用量。这为理解MiniMax的价值提供了一个框架。

首先是“真实的全球用量”，这已在OpenRouter数据中得到验证。

其次是“全模态的技术深度”。回顾MiniMax的产品迭代，呈现了一种跨模态的连续性，从早先在语音（Speech-02-HD）和视频（Hailuo-02）领域达到的顶尖水平，到如今M2在文本和代码领域的突破。在基础模型参与者日益集中的当下，这种横跨三个主要模态并均保持领先的能力尤为罕见，达到这一标准的公司恐怕仅有OpenAI、Google、字节跳动和MiniMax等寥寥几家。

这里还存在技术哲学的差异。OpenAI的路径是构建世界模拟器(world simulator)——追求一个终极通用智能。然而，这种宏大叙事正遭遇现实阻力。近期，硅谷开始集体回调AGI预测，连OpenAI前研究主管Andrej Karpathy都承认，AGI“至少还需要十年”。

MiniMax选择了另一条路径来对冲这种不确定性。它没有追求构建全知全能的超级智能，而是专注于打磨一套类瑞士军刀般的模型和产品，在语音、视频、文本等关键模态上，均通过独立产品线推进商业化，同时也通过Agent产品形态探索不同模态的融合。这种策略的底层逻辑是，由多个SOTA工具提供的实用智能，在商业化和可落地性上，将远早于那个“至少还需要十年”的AGI愿景实现，同时又保留了未来探索更高天花板的可能。

最后，也是最关键的一环，是“产品化的商业闭环”。据《The Information》报道，MiniMax是目前亚洲大模型公司中，唯一被证实拥有规模化全球收入的玩家，ARR达到1亿美元，这些收入都来自可持续、可规模化的产品（如C端的海螺视频、Talkie，B端的API订阅），而非依赖资本输血或薄利的项目制生存。

从投入产出比来看，再次展现了“中国效率”。据相关测算，MiniMax实现三模态全球领先水平的总训练费用，仅为OpenAI的约2%。这种数量级的效率差距，正是后发者通过创新获得的竞争空间。

因此，当我们重新审视“中国的OpenAI在哪里”这个问题，其实是在问“一家国产大模型公司是否具备真正的全球竞争力”。那么答案就很清晰了：以MiniMax为样本，它应具备完整的技术栈、横跨多模态的能力矩阵、经过验证的全球用户基础、可持续的收入模式，以及远超硅谷的资本效率。在这一标准框架下，符合条件的公司屈指可数。

结语

“大教堂”的困境在于，它必须维持神话般的溢价。OpenAI的万亿订单、一系列戏剧性事件，所有这些喧嚣都指向一件事：证明“我们与众不同”，证明AGI值得一个独立于商业法则之外的估值体系。但当它被戳破时，不会轰然倒塌，而只会留下一声叹息。

“市集”无需神话。MiniMax构建的是一个可验证的商业闭环。一家不靠政府担保、不靠巨头输血、仅依赖开发者和产品订阅生存的AI公司，究竟价值几何，就让市场来检验。