解析MiniMax布局：从通用到专注的路径

（文/陈济深 编辑/张广凯）

在AI行业，大多数创业公司都会尽量避免被贴上“什么都做”的标签。

业务线越多，意味着资源被摊薄、战略不聚焦，也更容易被质疑缺乏主线。

但MiniMax是个例外。

这家成立于2024年的公司，几乎覆盖了当前所有主流AI方向：文本、语音、视频生成、虚拟角色、智能体，以及面向企业和开发者的开放平台。外界对它最常见的评价，正是“什么都要”。

2025年12月21日，MiniMax向港交所递交招股书。翻完整份招股书后，会发现一个反直觉的事实：MiniMax并不是在多线试错，而是把几乎所有资源，都集中押在了一件事上——基座模型能力的持续提升。

在MiniMax的逻辑里，产品不是战略本身，而是模型能力外溢后的自然结果。这一选择，贯穿了它的技术路径、商业化方式，乃至今天的风险结构。

用创业公司的资源，做巨头级模型

要理解MiniMax的商业版图，首先需要回答一个问题：

为什么一家成立仅仅四年的公司，可以支撑文本、语音、视频，乃至现在智能体、编程领域的多条产品线？

与行业内常见的“文本模型先行，后续加挂多模态能力”技术路径不同，MiniMax在成立之初就选择了全模态模型的技术路线。

这种路径的优势在于，模型在不同模态上的能力并非后天拼接，而是在统一架构下形成“本能”，避免了后天多模态模型常见的割裂感。但代价同样明显——训练难度更高、成本也更高。

支持MiniMax这一选择的关键，是混合专家结构（MoE）。

通过MoE架构，模型在处理具体任务时只激活部分“专家模块”，显著提升了计算效率。

但很少有人知道，这个借DeepSeek大火而为大众所熟知的技术架构，MiniMax才是最早将其用在自身全模态模型的企业。

这使得MiniMax能够在资源远不及行业巨头的情况下，完成高强度训练。

招股书显示，MiniMax成立至今累计花费约5亿美元，仅用OpenAI约1%的资金，就实现了全模态能力的全球第一梯队。

这也意味着，MiniMax真正的竞争维度，从来不是某一款具体产品，而是模型能力本身。

这也构成了MiniMax商业化的坚实地基：只要打造好自身的基座模型能力，就可以无缝赋能其产品矩阵。无论是MiniMax（智能体）、海螺AI（视频生成），还是星野/Talkie（虚拟形象聊天）、MiniMax语音（语音生成），都可以在保持技术代际领先的背景下，自然地吸引用户。

模型能力，如何自然“长”出C端收入

在商业化层面，MiniMax的路径同样与行业主流存在差异。

招股书显示，MiniMax在2024年营收为346万美元，2024年营收为3052万美元；2025年前9个月营收为5344万美元，较上年同期的1945万美元增长175%。

2025年前9个月，C端业务为MiniMax贡献了约71%的营收。

这是中国大模型公司中非常罕见的收入结构。现实已经证明，海外ChatGPT式的C端订阅制服务在中国目前较难跑通，无论是大厂的豆包、元宝、千问，还是DeepSeek等一众同行都在坚持免费策略，都是这一现状的写照。

MiniMax给出的解法是全球化，以及对模型能力更敏感的产品形态。

主打虚拟角色互动的Talkie率先在海外打开市场。截至2025年9月，Talkie的付费用户数增长至139万，同比增长184%。

真正改变收入结构的，是2024年下半年崛起的视频生成产品海螺AI。截至2025年第三季度，Talkie与海螺AI分别贡献了1746万美元和1875万美元收入。

更重要的是“量价齐升”：在2025年前三季度付费用户（31.11万）远超2024年全年（6.48万）的同时，海螺AI的ARPU（每付费用户平均收入）在9个月内从36美元跳涨至56美元。

这背后是一条清晰的逻辑：用户愿意为结果付费。在视频生成等对效果高度敏感的场景中，模型能力直接决定定价权。

一个典型的证明是，即便是海螺AI的国内竞品们，不仅没有选择打价格战，其订阅费用也基本和海外版的订阅价格持平。即便是素来偏好“免费打法”的字节跳动，在AI视频生成软件即梦APP上也仅保留了极少的每日免费额度，选择了和行业平均水平相当的订阅费用。

截止今年三季度，中国市场依然占MiniMax C端收入的26.9%，这说明，只要模型能力足够强，即便是被认为付费意愿较低的中国C端市场，高ARPU的商业模式依然可以成立。

当技术势能足够高，客户会自己出现

相比C端，MiniMax在B端的增长路径更能体现其“自上而下”的商业化逻辑。

今年年初，MiniMax原B端商业化负责人魏伟离职，一度引发外界对其B端战略的质疑。

但招股书显示，MiniMax的B端付费客户数在两年内从100家增长至2500家，增长25倍。

这种爆发并非来自销售策略的改变，而是模型能力边界的外扩。

当早期的模型只能处理简单的文本对话，能覆盖的B端场景自然相对有限。随着全模态能力成熟，模型能够覆盖的企业场景迅速增加。

MiniMax的客户名单也随之扩展：金山办公（WPS AI）用它做文本生成与总结，小米用它让小爱同学更像“人”，智元机器人用它做具身智能的“大脑”，甚至连阿里巴巴、腾讯、字节跳动这些本身拥有大模型的巨头，也在特定场景（如Trae AI coding、夸克有声书）调用MiniMax的能力。

在这一过程中，B端ARPU从1.2万美元下降至约6000美元，但这并非价格竞争的结果，而是客户结构从少数头部企业向大量中小企业和开发者扩展的必然结果。

招股书显示，MiniMaxB端业务的毛利率高达69.4%。这一接近70%的数字，说明其收入并非来自堆砌人力的低效增长，而是源于高标准化的技术输出。

这种由“巨头独享”走向“大众普及”的过程，正如电网的发展：虽然平均单户电费下降了，但电网的毛利和总规模却在指数级增长。这正是“把基座模型这一件事做好”后，技术红利溢出带来的商业效率。

一场关于AGI的赌注

持续押注模型能力，意味着长期、高强度的投入。

2024年至2024年，公司经调整净亏损分别为1215万美元、8907万美元和2.44亿美元；今年前9个月，MiniMax的经调整净亏损为1.86亿美元。

仅研发开支一项，2024年起分别为1056万美元、7000.2万美元、1.89亿美元和1.80亿美元。

而如果只看和训练相关的云计算服务开支，我们可以发现尽管2025年前三季度的训练成本高达1.42亿美元，是2024年4722万美元的接近三倍，但是其占收入的比例，已从2024年的超过1365%，优化到今年前9个月的266.5%。

这个“剪刀差”的出现意味着：MiniMax正在穿越最危险的烧钱阶段。

但风险依然存在。

2025年9月，迪士尼、环球影业和华纳兄弟探索三大好莱坞巨头联手起诉MiniMax，指控其海螺AI未经授权使用了包括蜘蛛侠、达斯·维达等在内的版权角色进行训练和生成。这起诉讼不仅可能带来高额赔偿，更可能迫使MiniMax重构其数据合规策略。

持续升级的基座模型军备竞赛也让MiniMax正面临着“三明治”式的挤压：一边是传统云巨头（如火山引擎、阿里云）在加码AI，凭借云+AI的竞争优势攻城略地，另一边则是开源社区（如DeepSeek）不断抬高的免费基座门槛对B端商业化能力提出的更高需求。

看完招股书，MiniMax 并不存在所谓的“多元化风险”。

它真正的风险只有一个：如果基座模型在关键能力上不再领先，看似繁茂的业务版图，可能会同时失效。在巨头环伺、开源模型层出不穷的当下，谁也不敢保证自己一定永远领先。

MiniMax的上市既是给自己囤积资源，也是自己4年来历程对资本市场的一次交卷，只要把“让模型更聪明”这唯一的一件事坚持到底，它终将自然生长出万物。