大模型：烧钱竞赛与盈利拐点

在短短48小时内，智谱AI和MiniMax相继通过了港交所的上市聆讯，这引发了业界对于大模型行业第一股的激烈讨论。有人认为这是大模型公司资金短缺、急需二级市场输血的表现，而另一些人则看到这是行业发展的必然结果。

根据财报数据，智谱从2022年至2025年上半年，累计亏损超过62亿元；而MiniMax在2023年至2025年前9个月，分别亏损了2.69亿美元、4.65亿美元和5.12亿美元，累计亏损超过87亿元。这些数据无疑表明，“不挣钱”确实是大模型行业内公司面临的一大挑战。

尽管如此，这些公司依然在不断地刷新人类智能的极限，以惊人的速度在烧钱。这让人不禁想到：“参数越大，亏损越深；能力越强，账越难算”。

当市场还在争论“谁的模型更聪明”时，一个更为残酷的问题浮现出来：如果连最聪明的机器都算不清这笔账，这还算是好生意吗？一个长期亏损、短期内看不到盈利希望的行业，是否仍然值得投入？

01 真正的科技浪潮，都曾长期亏损

每一次科技变革的风口来临前，很少有人能准确预测到风向。只有那些坚持长期主义、持续稳定投入的玩家，才能迎来那阵风。

以亚马逊为例，在1997–2001年间，亚马逊连续5年净亏损，股价从113美元跌到6美元。直到2003年才首次实现全年盈利，公司成立10年间，累计亏损超过210亿元。然而，在2019年开始，华尔街精英们开始合力将亚马逊的股价推至新高，目前市值稳定在2.5万亿左右。

亚马逊并不是个例。特斯拉也是一家长期亏损且差点破产的公司。2003–2019年间，特斯拉累计亏损超过420亿元。尤其是2017年至2018年，特斯拉CEO埃隆·马斯克曾表示，特斯拉距离“破产不足10周”。但如今，特斯拉已经成为市场认可的焦点。

此外，云计算也曾在很长一段时间内被市场“无视”，甚至被定义为“IT外包2.0”。但时至今日，云计算已成为全球最赚钱的云平台之一。

或许有人认为，只有像亚马逊、特斯拉、云计算以及移动互联网这些曾经长期亏损、如今实现盈利的公司或行业才值得称道。但实际上，并非所有长期亏损的公司或行业都能迎来盈利拐点。

事实上，科技浪潮涌来前期的普遍性亏损，其共同特征并非“忽视盈利”，而是将资源持续投入到难以复制的系统性能力建设中。一旦基础设施成型，盈利拐点往往以非线性方式出现。

02 大模型的广泛应用场景和不可替代性

现在亏损的大模型行业，却具有显著的不可替代性。

大模型是通过海量数据训练、具备通用认知与生成能力、可以跨任务迁移使用的人工智能模型。其核心特征在于：不再针对单一任务设计，而是通过统一的模型结构在多种复杂任务中表现出通用智能能力。大模型可以赋能多个行业，从航天、航空到港口、保洁、采矿等。

以特斯拉为例，其推出的BEV+Transformer智能驾驶解决方案解决了2D到3D转换、多传感器融合以及复杂场景感知的难题。其中，BEV（鸟瞰图）将纯视觉传感器的多模态数据融合在同一平面上，提高了物体检测和跟踪的精度；而Transformer的自注意力机制则帮助系统理解物体之间的空间关系，提升感知能力。

此外，特斯拉还引入了占用网络技术（OCC）以提高智能驾驶的动态障碍物识别和复杂场景泛化能力。这些技术使得特斯拉的智能驾驶系统逐渐具备应对城市道路的复杂环境的能力。

在特斯拉的带动下，智驾行业纷纷引入大模型并演进出“模块化端到端”与“一体化端到端”的技术路径之争。国内企业如华为、小鹏、理想等也都在这个领域取得了显著进展。

03 大模型迭代路径和终局猜想

能帮助其他行业更好发展的大模型没有理由被市场淘汰。现在唯一需要担心的，是在这个行业里谁能活到不需要讲故事的那一天。

当前主流大模型集中于中美两国。从模型性能维度评估，DeepSeek、Qwen（阿里系）、智谱模型等位居前列。而国内企业如阿里、DeepSeek等也在进行创新性架构优化和算法精炼以应对算力约束。

从技术演进看，Transformer架构在中短期内仍将是主流。其核心算法Attention机制构成了模型性能的关键环节。因此国内头部厂商普遍聚焦于Attention层面的优化与创新。

04 结语

当大模型的“底座”逐渐统一真正的竞争才刚刚开始。

现阶段大模型行业就像高速公路已经修好接下来拼的就不再是谁会铺路而是谁能造出更多跑得起来的车。

当大模型的底层系统逐步统一厂商的竞争自然从“模型有多强”转向“产品好不好用、生态能不能跑起来”。技术优势开始让位于商业能力真正的考验才刚刚开始。