智譜MiniMax比較｜同為AI六小龍，為何智譜狂飆、MiniMax失速？

• 智譜與MiniMax上市初期同樣受市場追捧，但半年後股價與市值明顯分化；
• 智譜與MiniMax在產品路線上的選擇並不同：智譜押注本地部署、國產晶片適配及企業 AI 代理；MiniMax 則主攻海外 ToC 應用；
• 這場分化或反映中國 AI 投資已進入新階段：市場不再只看模型能力或用戶規模，而是更重視政策契合度、收入能見度、付費質量，以及技術能否真正轉化為可持續商業模式。

2026年1月，AI新股智譜華章與MiniMax相繼掛牌上市，可算是近年港股市場兩宗最受市場矚目的IPO。兩間公司同屬中國「AI六小龍」第一梯隊，上市時間只相隔一天，公開發售均錄得逾千倍超額認購。當時投資者對兩間公司的熱情大致相近，甚至從首日表現來看，MiniMax反而更像是市場眼中的贏家。然而半年後，形勢明顯逆轉。MiniMax上市初期升勢凌厲，其後卻後勁不足；智譜則持續上漲。

為什麼同為「AI六小龍」，智譜能在大半年內領先MiniMax？本文將從兩者背景、技術差異及產品路線等角度，拆解這場估值分化背後的原因。

上市初期：MiniMax首日表現更亮眼，智譜後來居上

MiniMax上市首日收市升約109%，一度被視為今輪AI新股潮中最強勢的個股；相比之下，智譜首日升幅約13%，市場反應相對克制。但資金偏好其後快速轉向。截至2026年6月22日，智譜股價已升至2,410港元，較招股價 116.20港元高出近18倍；MiniMax股價則為616.5港元，雖較招股價仍有顯著升幅，但和智譜相比則較為失色。按市值計，雖然兩者在上市初期市值相近，但截至2026年6月22日，智譜的市值已超過1萬億港元，而MiniMax市值約為1,930億港元，兩者差距逾四倍。

圖一：兩家大模型廠商上市後股價表現分道揚鑣（2026年1月8日兩家公司股價重置至100）

表一：比較智譜和MiniMax上市時和半年後的股價表現

智譜與MiniMax公司背景：清華學術派 vs. 商湯應用派

智譜與MiniMax雖然同屬中國「AI六小龍」，但出身、客戶結構與產品重心並不相同，後來就連技術路線、商業模式及資本市場估值都出現明顯分歧。

智譜：清華背景，本地部署與企業 AI 代理

智譜成立於2019年，主要創始團隊來自清華大學知識工程實驗室，是「AI 六小龍」中學術背景最突出的公司。智譜自2021年起發展GLM系列模型，並於2023年開發ChatGLM，一度成為中國最受關注的開源大模型之一。

從商業模式看，智譜更偏向B2B，模型在AI代理任務上表現更好。智譜核心業務分為兩部分：

• 為政府、國企、金融機構等客戶提供本地部署或私有化部署，將大模型放入客戶自有環境，滿足數據安全與自主可控需求
• 提供企業級AI代理及開放平台API，協助客戶把大模型嵌入實際業務流程

MiniMax：商湯背景，海外 ToC 應用起家

MiniMax（上海稀宇科技）於2021年底由前商湯科技副總裁閆俊杰創立，核心團隊大多來自商湯的電腦視覺背景，股東包括阿里巴巴、騰訊及米哈遊等。

有別於偏重企業市場的智譜，MiniMax從起步階段已偏向消費者應用，代表產品包括：

• 影音生成平台海螺AI（Hailuo）
• 主攻海外市場的AI虛擬角色社交平台Talkie
• 國內AI社交產品星野

截至 2025 年，MiniMax消費端產品貢獻逾七成收入，服務覆蓋200多個國家，用戶超過兩億人。換言之，海外消費市場才是MiniMax的主戰場。

表二：比較智譜及MiniMax的主要產品

中國模型公司的困境：兩家公司都在避開 API 價格戰

要理解智譜與MiniMax的估值差距，不能只看模型跑分或產品熱度，更要理解中國大模型市場正面對模型API變現難度大的問題。

中國大模型市場大致分為兩層：

1.     第一層是擁有雲端基建的科技巨頭，包括字節跳動的豆包、阿里的通義千問、騰訊的混元等。這些公司雖然自研模型，但核心目的未必是單靠模型API賺錢，而是透過低價甚至免費API吸引開發者，把應用留在自身雲端生態內，從而帶動後續算力、儲存及頻寬等雲端消費。

2.     第二層則是以智譜、MiniMax 等為代表的獨立大模型公司。它們背後沒有雲端平台，因此在價格競爭中處於相對被動位置。雲端巨頭可以把模型 API 當成引流工具，但獨立模型公司若跟隨減價，虧損壓力會擴大；若不減價，又容易流失客戶。

因此，兩間公司實際上都在極力避開商品化模型API的正面價格戰，尋找更有差異化的變現場景。只是智譜選擇向上走，專注深耕企業與政企市場；MiniMax則選擇向外走，主攻海外消費者市場。

智譜選擇深耕企業端市場，把業務重心放在雲端巨頭較難補貼、但可收取較高服務費的本地部署與企業級AI代理。2025財年，本地部署與企業級AI代理已佔智譜收入73.7%。

智譜賣的不是單純「AI 代幣」，而是一整套模型、部署、調整、維護與自主可控解決方案。對政府、國企及金融機構而言，數據安全、可控性、合規及國產算力適配本身就是重要採購理由，重要性甚至不亞於模型跑分。

MiniMax：海外 ToC 應用，靠低成本推理支撐規模化

MiniMax則選擇主攻海外消費市場，把重心放在消費者應用程式，包括海螺AI及Talkie。公司收入約73%來自海外，等於繞開中國低付費、低API價格的市場，轉向付費意願較高、應用場景更開放的海外用戶。

MiniMax不只是賣一套企業系統，而是透過產品設計、內容生成與社交互動吸引用戶，再以訂閱或使用費變現。因此，MiniMax的技術重點自然會放在超長文本、影音生成、多模態對齊及低成本推理，因為ToC應用最怕的是算力成本過高、單位經濟模型難以成立。

兩間公司選擇了不同的戰場，智譜能否勝出取決於企業AI代理能否持續落地，而MiniMax則取決於海外AI應用能否在高獲客成本下仍保持用戶留存與付費轉化。

技術路線差異：同樣追求效率，但服務不同商業模式

由於高端AI晶片長期由美國企業主導，而美國自2022年起對中國實施AI晶片出口管制，中國大模型公司難以單靠「堆算力」取勝，必須盡量提升有限算力的使用效率。

面對算力不足的限制，智譜與MiniMax都採用混合專家架構（MoE）。簡單來說，MoE就像一間有很多專家的公司，但每次處理任務時，只召喚一小部分最相關的專家，而不是要所有人同時工作，如此一來就可以將成本壓低以支撐更大模型。不過，在注意力機制、晶片選擇及後訓練方向上，兩者走向明顯不同。

注意力機制對比：智譜求穩，MiniMax求省

「注意力機制」（Attention）指的是大模型閱讀上下文以生成答案時會篩選重點，判斷哪些內容最相關，把更多計算資源放在這些位置上。但文本愈長，需要比對的內容愈多，運算成本亦會快速上升。因此，如何降低長文本的注意力成本，是大模型公司節省算力的關鍵戰場。

智譜：沿用較主流的注意力架構，在不改寫注意力底層邏輯的情況下，在既有路線上逐代優化工程。

• GLM-4.5採用GQA，讓多個注意力頭（Attention Head）共用同一份記憶，以降低儲存成本。
• GLM-5進一步引入多頭潛在注意力機制（MLA）與稀疏注意力，把長文本中較不重要的內容壓縮或略過，只集中計算真正重要的部分。
• 優點：從技術路線的選擇可以窺視公司對模型未來發展方向的判斷，智譜明顯更重視精確度、穩定性與系統相容性。
• 缺點：路線的成本較高。
• 適用場景：適合多步驟、高精度的企業AI代理任務，模型可靠性高，更容易獲企業客戶接受。

MiniMax：採用閃電注意力（Lightning Attention），模型會把已讀取的內容壓縮成固定狀態，就如一本大小被固定的筆記，輸入新內容時無須反覆比對整段前文，只要查閱並更新即可。因此，成本不會隨文本長度大幅上升。

• 優點：成本曲線更好，特別適合長文本及大規模消費應用。
• 缺點：壓縮的背後有代價，當大量細節被壓進固定狀態中，模型對較早前某些精確細節的記憶，未必如主流注意力架構般穩定。
• 適用場景：能夠主打100萬字超長上下文與低成本推理的基礎。

晶片選擇的分別：智譜押注國產自主，MiniMax 押注效率優化

在高端 AI 晶片供應受限的背景下，智譜與 MiniMax 的取捨亦有所不同，兩者選擇晶片的分別為：

• 智譜主打適配多款國產晶片，包括華為昇騰、海光及寒武紀等，並將「不依賴美國晶片」作為核心賣點。正好切合中國「資訊技術應用創新」與「國產替代」的政策方向。
• MiniMax則選擇在512張英偉達H800上完成強化學習訓練。換言之，MiniMax的訓練仍然依賴美國晶片，但透過線性注意力變體與稀疏注意力，在既有英偉達算力基礎上提升效率，以相同算力完成更多任務。

總括而言，同樣面對算力限制，智譜選擇「切換供應鏈」，透過國產晶片降低外部風險；MiniMax 選擇「優化現有供應鏈」，透過演算法提高英偉達算力的使用效率。

後訓練與 AI 代理：真正決定企業落地能力

有別於一般聊天機械人，AI 代理需要拆解任務、讀取資料、規劃流程、調用工具、執行程式，並反覆驗證結果。這類任務往往涉及數十至數百個步驟，只要其中一環出錯，錯誤便可能累積，最終令整個任務失敗。

模型是否適合用於AI 代理，不只取決於預訓練模型有多大，而是取決於後訓練。預訓練決定模型的基礎知識與通用能力；後訓練則決定模型能否聽懂指令、拆解任務、調用工具、執行程式，並在出錯後自行修正。

智譜在後訓練上投入較多，重點放在編碼與軟件工程能力。做法包括監督微調（SFT）、強化學習（RL）及沙盒測試獎勵，讓模型在實際執行程式、測試通過與錯誤修正中提升能力。有助模型在程式生成、除錯及複雜代理任務中表現更好，也更貼近企業自動化與開發者場景。

MiniMax雖然同樣強調程式能力，但整體重心更偏向長文本、多模態對齊及低成本推理，以支撐海外消費級應用。顯示兩家公司把有限研發資源投向不同戰場。

為何市場資金更偏愛智譜？

比較兩者的商業模式與技術路線，就能理解為何智譜在半年內明顯跑出。其優勢不是單一技術突破，而是多個層面同時指向同一方向，從開源模型到政企客戶落地。

1.     國產替代及自主可控：智譜的清華背景與一定「國家隊」色彩，令其天然貼近自主可控與國產替代主題。對政府、國企及金融機構而言，大模型不只是效率工具，也是數據安全與技術主權問題。智譜若在國產晶片上穩定運行，便更容易進入這類採購體系。

2.     企業AI代理落地成新投資主線：市場對AI投資的關注，正由聊天機械人轉向AI 代理落地。企業客戶關心的不是模型是否會聊天，而是能否代替人手處理文件、寫程式、查資料、做報告和執行流程。智譜在編碼、軟件工程及多步驟任務上的投入，令其更容易承接這條投資主線。

3.     GLM-5.2開源及Fable事件引發想像空間：GLM-5.2的開源及海外社群反饋，進一步強化市場對智譜技術實用性的認知。早前Fable（被視為美國最強大的模型）突然遭美國政府以安全為由，禁止外國國民使用，引發市場對美國技術霸權及前沿模型控制權的憂慮。投資者開始意識到，即使一家公司掌握最強模型，若控制權始終集中在美國手中，一旦出現技術封鎖，其他國家與企業對前沿模型的使用權便可能被切斷，令市場對主權AI及本地部署的興趣明顯升溫。在這個時間點，智譜把GLM-5.2開源，引發想像空間。對投資者而言，開源不只是技術選擇，也代表模型可被外部開發者測試、微調及採用。雖然GLM-5.2 在AI代理能力上，與美國最前沿模型仍有距離，但差距並非遙不可及。市場開始憧憬，智譜或有機會成為全球企業及主權機構進行本地部署時的重要選擇。

圖二：伊隆・馬斯克在X上預測中國大模型能力或於明年第一季追近美國最前沿水平

4.     參考Anthropic的企業端敘事溢價：企業客戶付費意願較高、合約黏性較強、收入能見度較好，因此B2B大模型公司更容易被投資者視為可盈利的AI商業模式。雖然不代表智譜一定可以複製Anthropic，但足以解釋為何資金更願意先為企業端路線支付溢價。

總結：中國AI市場已進入商業路線的比拼

短短半年，智譜與MiniMax從相近起點走向逾四倍市值差距，反映中國 AI 投資已由早期着重模型能力與新股想像力，轉向路線勝率與變現質量。

智譜跑出的關鍵在於其發展路線更貼近2026年宏觀主題。團隊的清華背景與國家隊色彩，自然有助於國產替代與自主可控敘事；企業 B2B、本地部署及 AI 代理，亦正中當前企業落地需求。加上 Fable 受限制後，市場對技術封鎖及主權 AI 的關注升溫，GLM-5.2的開源與海外社群反饋，進一步強化投資者對智譜技術實用性的認知。

相比之下，MiniMax 主攻海外ToC，與當前市場主線共鳴較弱。公司透過技術優化提升長文本處理效率，毛利率亦有改善跡象，反映低成本推理策略開始見效；但海外消費市場獲客成本高、付費黏性較低，亦缺乏國產替代與企業代理帶來的政策紅利。

縱然如此，市場不應單純理解成智譜全面勝出，MiniMax 全面失敗。畢竟AI行業變化極快，市場偏好亦可能迅速轉向。現階段，智譜的路線更符合政策、算力與商業化環境下的資金偏好；MiniMax則仍需要以海外應用收入、用戶留存及單位經濟模型，證明低成本推理可以轉化為可持續利潤。

總括而言，中國AI市場已由早期技術比拼，進入商業路線與宏觀主題匹配度的比拼。短期股價與估值，不只取決於技術本身，更取決於市場如何為商業路線投票。