文 ｜ 阑夕

Coding的爆发，彻底断绝了「AI泡沫论」，这个应该已经成为共识了。

阿里财报显示MaaS ARR超过80亿元，年底还有希望再涨三倍以上，说明只有投入没有回报的周期是真的过去了，能够开始赚钱，大大小小的玩家腰杆都硬起来了。

原生AI公司的日子甚至可能更加乐观，摩根士丹利测算发现，在主流高性能AI推理集群的部署下，MiniMax平均每分钟进账1美金，同时成本低于0.3美金，而行业平均收入只有约0.5美元/分钟，相当于MiniMax仅凭利润就跑赢了大盘。

同期，在相同的硬件配置下，Claude Opus 4.6和GPT 5.4等美国闭源模型等单位推理成本大概是MiniMax的15倍以上，即便定价更贵，单位经济效益依然是落后的。

根据OpenRouter的数据，最近一年里，中国模型的Token消耗量从5%一路飙升到了32%，完全赢得了用脚投票的选择。

这就是Pure-play的价值，算清楚这笔账，对于理解走向拐点时刻的AI行业，非常关键。

MiniMax之所以重要，是因为它被逐渐发现出来了稀缺性资产的一面。

最近几个月，各大投行和券商都在接连发布和MiniMax有关的研报，比如：

摩根大通认为，MiniMax在2B/2C两大市场的双管齐下，以及早有铺垫的全球布局，为这家公司带来看了同行里难得见到的经济灵活性；

相比同类上市公司，摩根士丹利对MiniMax的ARR和GPM更为乐观，它在基础设施上的优势，将会转化为领先的用户体验，以及超出预期的Token消费；

姑且不论这个计算方式是否合理，但将Google当作静态标的本身，就是一种过于傲慢的视角，而低估Google，以及眼里只有Coding，可能会让人错过更大的东西。

毫不意外的，Google已经意外剧透了一部分出来，就是那个教授在黑板上写公式讲课的片段，之所以艳惊四座，是因为它并非简单的视频生成，这个新的Gemini Omni模型同时搞对了三件事：

手持粉笔的空间关系、板书撰写的画面关系、推导过程的逻辑关系。

更直白的说，这绝对不是三个模型合在一起的结果，而是基座模型已经就在全模态信息上完成了训练，也就是，世界模型的雏形。

像是杨立昆、李飞飞这些不属于Transform派别的行业大佬，都对语言模型颇有微词，认为这条路线跑不出真正的世界模型，所以都选择了另辟蹊径，但Google、OpenAI甚至字节跳动都在证明，即使语言模型确实有局限之处，只要坚持Scaling Laws、在同一个基座模型上训练全模态能力，同样能够渐进式的通向世界模型。

所以，眼看着Google会在即将召开的I/O大会上、会在沉寂已久后重磅发布的Gemini Omni上「来波大的」，评估国产模型的标准，也一定会发生变化。

只看Coding的叙事，中国的原生AI公司都在扮演「一个更便宜的Anthropic」，杀成一片红海。

但在找出「一个更本土的Google」这件事情上，只会发现一个玩家，就是MiniMax，只有它的模型迭代方向与Google完全一致：在一个系统内完成文本理解、图片生成、视频生成和音频输出。

不开玩笑，MiniMax真是中国独立大模型厂商里唯一一个同时具备「文本+图像+视频+音频+音乐」全栈能力的，Kimi、DeepSeek、智谱都没有如此「德智体美劳」全面发展。

既然Anthropic可以用一年的投影「碰瓷」Google，那么MiniMax也用完整的全模态体系「卡位」下一个Google，不过分吧？

同理，如果相信Google会为全模态重新定价，那么MiniMax作为国内稀缺性最高的一家映射公司，它的价值也很难再用旧的刻度尺去测量。