智谱与MiniMax深度报告20260119

2026年01月20日14:36 关键词 智浦AI mmax大模型技术路线商业模式估值收入利润文本coding agent多模态GLM4.7 M2.1毛利率学术派工程派幻觉率AGI to b 全文摘要 本次讨论集中于分析两家新上市的港股AI公司——智浦AI和mmax，作为国产大模型的代表，它们的技术路线、商业模式、财务状况及未来发展前景成为讨论焦点。讨论涵盖了两家公司的技术产品对比、市场关注度、估值合理性，以及对未来2到3年AI领域发展方向的预测，特别强调了模型的参数量、技术路线和市场定位的不同。此外，还分析了它们在中国和全球市场中的定位，及其在AI产业的角色和可能的竞争格局。 智谱与MiniMax深度报告-20260119_导读 2026年01月20日14:36 关键词 智浦AI mmax大模型技术路线商业模式估值收入利润文本coding agent多模态GLM4.7 M2.1毛利率学术派工程派幻觉率AGI to b 全文摘要 本次讨论集中于分析两家新上市的港股AI公司——智浦AI和mmax，作为国产大模型的代表，它们的技术路线、商业模式、财务状况及未来发展前景成为讨论焦点。讨论涵盖了两家公司的技术产品对比、市场关注度、估值合理性，以及对未来2到3年AI领域发展方向的预测，特别强调了模型的参数量、技术路线和市场定位的不同。此外，还分析了它们在中国和全球市场中的定位，及其在AI产业的角色和可能的竞争格局。尽管中美在AI大模型技术上存在代差，但中国公司通过技术创新和成本控制展现竞争力。讨论结束时，提出了投资建议和风险提示，强调看好两家公司的技术实力和市场潜力。 章节速览 00:00港股AI公司智浦AI与Mini Max深度对比分析 本次分享聚焦于刚上市的港股AI公司智浦AI和Mini Max，从技术产品、商业模式、财务结构等维度进行深入拆解，探讨两家企业在文本coding、多模态领域的技术路线差异，分析其商业模式与毛利率的成因，展望中美大模型技术代差收敛趋势及国内竞争格局，旨在为投资者提供全面的市场洞察与投资参考。 03:04质朴与mini max：学术派与工程派的AI竞赛 质朴与mini max两家公司在AI领域有着深厚的背景，质朴源于清华大学AI实验室，专注于学术研究，而mini max则由商汤技术团队创立，侧重工程实践。两公司均在2023年1月上市，拥有丰富的资源和投资背书，但在技术路径和公司控制权上存在差异。质朴强调自然语言处理的积累，而mini max则聚焦于模型通用性，展现了AI领域学术派与工程派的竞赛。 05:45技术路线与模型对比：质朴与mini max的差异 对话详细探讨了两家公司在技术路线上的差异，质朴专注于文本编码和agent能力，采用GLM架构，强调长文本理解和降低幻觉率；而mini max则追求全模态发展，旨在实现AGI，技术溢出效果显著。双方在模型对比中，质朴更偏深度，mini max则强调广度，两家公司根据资源和目标做出不同选择，无绝对优劣。 10:28国内外大模型能力对比与国产模型幻觉率问题 对话重点讨论了国内外大模型在综合能力、幻觉率及编程能力上的表现。综合榜单显示海外模型仍领先，但国产模型如GLM4.7和mini max在某些领域表现接近。幻觉率问题是国产模型面临的挑战，尤其在专业场景下限制使用。编程作为增长快的赛道，两模型表现相近，但国内模型整体在常识题准确率上低于人类，需进一步优化。 14:32商业模式对比：质谱与Mini Max的To B与To C战略 对话深入探讨了质谱和Mini Max两家公司在商业模式上的显著差异。质谱主要面向国内B端市场，通过本地化部署、模型授权和后训练服务获取收入，其中企业端尤其是互联网公司是主要客户。而Mini Max则聚焦于海外C端市 场，收入来源包括消费者产品如社交、视频生成等，以及企业端的API调用和模型授权。质谱的商业模式更依赖人力，存在客户集中度和续约风险；而Mini Max面临较高的销售费用和买量成本。两者在产品矩阵、收入结构和地区分布上均展现出不同的战略选择。 18:23毛利率差异分析与提升路径探讨 对话深入探讨了两家公司毛利率差异的原因，指出质朴毛利率高得益于本地化业务，而max毛利率低受消费者业务拖累，主要因模型记忆能力限制与token成本线性增长。未来毛利率提升路径包括模型降价趋势、API调用优化及初期补贴吸引用户策略。 21:34大模型公司估值解析与市场预期 对话探讨了大模型公司如质朴和mini max的高估值现象，指出其估值远超传统AI公司，主要基于市场对其收入增速的高预期。与海外大模型公司相比，国内公司估值虽高，但被视为投资于中国模型参与全球化竞争的概率，而非单纯依据当前PS估值。 23:37中美大模型技术代差与追赶策略 对话探讨了中美大模型技术差距及其追赶路径，指出中国模型在成本控制和性能上取得进展，尤其是在研发创新、国产算力适配及场景落地方面。长期看好中国AI发展，因电力供应稳定，电网系统增速快，有助于AI产业持续增长。 30:56大模型市场竞争格局与多元竞争趋势分析 讨论了大模型市场竞争格局的未来趋势，认为尽管头部企业可能进一步集中，但由于推理成本约束、不同公司理念差异、头部格局已证明多元共存、开源生态分散市场以及场景和地域差距等因素，市场将倾向于多元竞争。每家公司将在特定领域找到自己的生态位，形成多品牌并存的状态。投资建议需考虑这些因素，同时注意潜在风险。 36:32质朴与MiniMax：AI技术与市场趋势分析 讨论了质朴在本土央国企及企业客户AI转型中的技术优势与市场机遇，及其在端侧与云端业务的增长潜力；分析了MiniMax在全球娱乐市场中的用户基础与版权风险，以及AI陪伴体验提升带来的价值。双方均面临特定风险，但模型能力提升与市场扩展预期将带来收入与毛利率的同步增长。 发言总结 发言人2 他对本次会议进行了全面总结，集中讨论了两家大模型公司的基本情况、技术路线、产品模型的差异以及各自的商业模式。一家公司侧重于文本coding和agent赛道，而另一家公司则在多模态领域进行了全面布局。技术上，两家各有千秋，特别是在模型能力、编码能力及agent能力方面展现了不同的优势。会议还深入探讨了这些公司在全球市场的定位、成本控制、毛利率的差异，以及未来商业模式的展望。他特别强调了技术代差在AI产业发展中的关键作用，并对中国AI公司的未来发展持积极态度，认为字节、阿里等公司有潜力在AI领域发挥重要作用。最后，他向投资者提供了有益建议，并对参会者的参与表示感谢。 发言人1 他，动物研究所的张良卫，在晚上的会议上向投资者介绍了两家新上市的港股AI公司——智浦AI和mmax。他指出，这两家公司因国产大模型产品而受到市场高度关注，但行业内对其技术路线、商业模式、估值及未来发展方向存在疑问。张良卫希望通过分析这两家公司的技术产品、商业模式、财务状况及客户结构，探讨它们的技术根基、竞争优势，以及2026年在港股AI板块的估值定位。随后，他邀请团队分析师张文宇进行具体讲解。 问答回顾 发言人2问：技术方面两家公司的主要差异是什么？ 发言人2答：质朴AI更加专注文本coding和agent路线，其预训练框架GLM与GPT有所不同，更侧重于文本的理解和逻辑推理能力。GLM模型持续迭代，以强化文本coding能力和agent能力，其中auto GLM是面向手机端的agent产品，已在东方手机等合作方中应用。而minimax采取多元化的多模态运行路线，从成立之初就确定了语言、视觉、语音三大模态并行发展的策略，这是为了追求实现通用型人工智能（AGI），即能接受和输出多种模态信息，其长期天花板可能更高。 发言人2问：接下来会如何安排内容分享？ 发言人2答：首先会介绍两家公司的基本情况，包括业务结构和技术等；然后从技术路线进行比较，分析各自的核心技术和产品定位；接着详细对比GLM4.7和M2.1模型在不同方面的表现；之后会深入探讨两家公司的商业模式差异及其对毛利率的影响；最后，会分享我们对整个AI大模型产业的看法，包括中美大模型技术代差的发展趋势及潜在的重要参与者。 发言人2问：这两家公司的股东背景和资源有何差异？ 发言人2答：质朴AI的股东背景以学术派为主，CEO张鹏及首席科学家唐杰来自清华大学，拥有深厚的技术积累，尤其是自然语言处理领域的NLP技术。而minimax则由商汤背景的创始人严俊杰带领，他在顶会发表论文多篇，拥有丰富的工程经验。两家公司都得到了互联网大公司的投资，如美团、阿里、腾讯等，资源层面不稀缺，但mini max通过AB股结构控制了超过60%的投票权，确保了团队在技术发展路线上的决策权。 发言人2问：这两家公司（GLM和MiniMax）在技术路线和资源分配上有什么不同？ 发言人2答：GLM更偏深度，专注于语言coding agent，而MiniMax更偏广度，做的是多模态全站。两家公司的接触路线有一定差异，GLM模块较多且以文本为主，所以我们主要对比了它们最强的文本模型，并选取了多个榜单进行综合比较。 发言人2问：为什么选择“Our Social Analysis”榜单来对比模型表现？在“agent能力”榜单中，GLM和MiniMax的表现如何？ 发言人2答：该榜单根据多个子榜单的加权平均分计算模型的综合治愈程度，我们认为这是一个重要的评估标准。结果显示，在这个榜单上，GLM4.7比MiniMax2.1排名稍微领先一些。在“agent能力”榜单中，GLM也比MiniMax更强，这主要是由于GLM专攻该领域，因此在agent能力上表现出优势。 发言人2问：国产模型在幻觉率方面面临什么问题？ 发言人2答：国产模型普遍面临幻觉率较高的问题，这意味着模型在遇到未知问题时，有较高的概率给出错误答案而非诚实承认不知道。例如，GLM的幻觉率相对较高，这限制了其在金融、医疗、法律等对准确率要求极高的应用场景中的使用。 发言人2问：简单bench排行榜揭示了哪些关于模型能力的问题？ 发言人2答：简单bench排行榜主要测试模型在常识题上的表现，结果显示，无论是国内的GLM4.7还是海外的模型，在解决常识性问题上都未超过人类准确率，表明这依然是国内大模型的核心问题。 发言人2问：编程能力方面，GLM和MiniMax有何差异？ 发言人2答：在编程能力方面，GLM在official analysis榜单上略领先于MiniMax，但领先幅度不大。而在用户实际体验层面的LMA榜单中，GLM同样领先于MiniMax，说明两者在编程能力上相当接近。 发言人2问：商业模式上，GLM和MiniMax有何不同？ 发言人2答：GLM的商业模式偏重于to b和国内业务，其中本地化部署收入占比高达85%，而云端收入占15%；MiniMax则是以海外业务为主，海外收入占比达70%。GLM通过提供模型授权、本地部署支持、后端模型微调等服务获得收入，并且商业模式不仅限于央国企，也包括互联网头部公司。 发言人2问：MiniMax的消费者业务和企业业务分别包括哪些产品或服务？ 发言人2答：MiniMax的消费者业务主要包括网页和APP端供C端用户直接使用的社交产品（如新野和Tok Key）、生成视频的产品（海螺）以及语音相关产品（speech）和agent等。而企业业务主要是API调用业务以及模型授权业务。 发言人2问：从客户集中度角度看，智虎与MiniMax的成本结构有何差异？ 发言人2答：智虎由于其to b业务模式，前五大客户占比较高，存在客户轮换和续约风险。而MiniMax作为to c业务，用户分散，面临买量成本高、销售费用高的挑战。因此，MiniMax的人数相较于智虎要少很多，且由于人力成本较高的本地化、驻场业务，其销售费用更高，导致两边成本结构存在显著差异。 发言人2问：为什么MiniMax的毛利率低于质朴？ 发言人2答：MiniMax毛利率较低的