當Minimax與智譜這兩家中國AI獨角獸在2026年初以約60億美金估值敲響上市鐘聲時，資本市場看到的是暴漲的股價與普漲的行情，但翻開財報，映入眼簾的卻是“虧無止境”的殘酷現(xiàn)實。這兩家明星公司，人員規(guī)模均未超過千人，收入在兩三年內從零迅猛增長至近億美金量級，展現(xiàn)了驚人的爆發(fā)力。然而，這種高增長在兇猛的投入面前顯得杯水車薪：支出層面，兩家公司的總開支基本維持在當期收入的10倍上下，即便是毛利率翻正的Minimax，其支出仍是收入的5倍以上。

這揭示了大模型行業(yè)最核心的悖論：收入越高，虧損率反而可能越高，陷入了規(guī)模不經(jīng)濟的怪圈。要理解這種生意模式，必須拆解其底層的投入邏輯。雖然數(shù)據(jù)、算力、算法是公認的三要素，但在財報上，真正的“吸金黑洞”并非人力，而是算力。盡管大模型人才昂貴，Minimax研發(fā)人員單人月成本高達16萬元，但薪資支出至少能被收入覆蓋。相比之下，算力投入才是壓垮利潤表的最后一根稻草

在大模型的成本結構中，訓練算力和推理算力構成了主要開支。為了研發(fā)下一代模型，訓練算力投入占總支出的50%以上，且呈現(xiàn)指數(shù)級增長——模型每迭代一代，訓練成本往往要翻3至5倍。更致命的是，由于技術迭代速度極快（一年一代），上一代模型的訓練投入往往只能對應一年的創(chuàng)收期，無法像傳統(tǒng)固定資產(chǎn)那樣進行長期攤銷，只能全額計入當期研發(fā)費用。這就導致了Minimax和智譜的當年創(chuàng)收，僅能覆蓋上一年訓練成本的30%至65%，且這一覆蓋率還在持續(xù)下降。

這種商業(yè)模式的本質，是將一個本應是“強資產(chǎn)負債表”的資金密集型業(yè)務，做成了“全長在利潤表”上的費用型生意。只要Scaling Law（縮放定律）依然生效，模型智力的提升就需要指數(shù)級的算力投入，企業(yè)必須用這一代模型的收入，加上數(shù)倍的融資資金，去賭下一代模型的入場券。在技術奇點到來、模型不再需要高頻迭代之前，大模型公司始終是吞金獸。

終局或許存在兩種可能：要么技術進步放緩，模型成為類似“長江電力”那樣的長久期資產(chǎn)，通過長期攤銷實現(xiàn)盈利；要么市場形成高度集中的寡頭格局，停止價格戰(zhàn)，通過壟斷定價權來覆蓋成本。但在那之前，大模型的生意模式就是一場殘酷的淘汰賽——比拼的是誰能在算力黑洞吞噬所有資金之前，率先跑通商業(yè)閉環(huán)，或者熬死對手。對于大多數(shù)玩家而言，這不僅是技術的比拼，更是一場關于資本耐力的生死賭局。