8月最后一天，MiniMax股价盘中一度飙涨19%，报357港元，市值冲到1249亿港元。距7月27日的低点算起，一个月涨了92%。

刺激股价的是中报——上半年收入1.17亿美元，同比涨283.1%，半年就超过了去年全年。B端收入暴增703.1%，占比从30%涨到63.4%，第一次超过C端成为第一大收入来源。亏损也在收窄，净亏3.58亿美元，同比少亏了11%。

更刺激的数字不在报表里，而在业绩电话会上：今年7月，MiniMax全平台的Token消耗量已经达到1月份的20倍；8月份的年化经常性收入（ARR）已经突破8亿美元。

"虽然MiniMax还没有赚钱，它找到了一条能赚钱的路。"智师益友创始人徐乔告诉铅笔道。

这才是市场真正兴奋的点：大模型的商业化，可能正在从尝鲜期进入放量。

Token增20倍，谁在买单

一年时间，B端收入占比从三成翻到六成多，直接从配角变成了主角。

企业客户和开发者数量暴增。截至目前，MiniMax全球企业客户和开发者突破200万，是2025年底的10倍。客户多了，基数自然就大。

对比一下同行，Anthropic是全球B端商业化的标杆。约85%收入来自企业API和开发者，30万家企业客户里有1000多家年付费超100万美元。Anthropic即将IPO，也因为B端用户超强付费能力，估值已经超越了OpenAI。

"To C用户和AI聊天，一个问题来、一个答案走，数据量有限。但企业场景完全不一样——后面连着知识库、内部文档、业务系统，一个问题进来，模型要先读一大堆资料，再检索、判断、输出，中间消耗的Token和算力差了不止一个量级。"

这也解释了为什么Token消耗量暴增了20倍，背后就是Agent的兴起。一个Agent跑起来，背后不是调用一次模型，而是一步接一步地调用。任务越复杂，Token烧得越快。

收入涨的同时，毛利率也在改善——从去年的12.1%升到17.9%。规模上去了，单位算力成本摊薄了，这是大模型商业化进入正轨的微弱信号。

但别急着下结论"大模型赚钱了"。

收入大涨，还在亏钱

收入涨了近3倍，毛利涨了4.6倍，听起来很美好。但净亏损呢？上半年亏了3.58亿美元。

亏在哪？核心是研发。

上半年研发费用2.97亿美元，同比增长138.8%，是总收入的2.55倍。也就是说，每赚1块钱，要往里砸2块5搞研发。

这不是MiniMax一家的问题，OpenAI最夸张，二季度营收67亿美元，但营业亏损123亿美元，每赚1美元要烧掉1.8美元以上，而且亏损还在扩大。

为什么亏损这么难降？因为大模型的成本逻辑和互联网完全不一样。互联网的边际成本几乎为零——多一个用户不用多花什么钱。但大模型不是，每一次调用都要烧电、占芯片，用户越多、调用越频繁，亏得越狠。

徐乔打过一个比方："大模型公司就像开金矿的，矿是越挖越深，设备也得越买越贵。你以为挖到金矿就赚钱了？不对，买设备的钱比金子还贵。"

成本端的压力还不止研发。Token消耗量暴涨20倍，意味着算力投入也得跟着涨。模型推理的成本，是跟消耗量直接挂钩的。

徐乔认为，这是基础模型公司目前很难绕开的矛盾。

一方面，DeepSeek等公司不断通过算法和工程优化压低单位推理成本；但另一方面，Agent越来越复杂，一个任务需要消耗的Token也在迅速增加。

"成本在下降，使用量却可能增长得更快，这就很容易出现收入增长了，整体成本依然很高的情况。"徐乔说。

MiniMax并不是特例，海外头部公司同样在付巨额算力账单。

截至今年7月底，Anthropic年化收入运行率已经超过650亿美元，但与此同时，公司仍在大规模签订算力合同。Anthropic计划未来六年向Nscale支付约450亿美元租用AI计算能力。

这是整个基础模型行业的现状：智能开始卖得出去，但制造智能仍然很贵。

值得注意的是，MiniMax已经出现了一些规模效应。上半年收入增长283.1%，研发费用增长138.8%，毛利润则增长464.8%；销售及分销费用甚至同比下降17.9%。

这些数字说明，它正在努力让收入跑得比成本更快，但距离稳定利润，仍然有一道算力、研发和价格竞争构成的高墙。

这也解释了为什么，下一轮AI真正容易出现利润的地方，可能并不全部在基础模型层。

行业里一个普遍的预期是：国内头部基座大模型厂商的盈亏平衡点，可能要等到2028到2030年。这意味着，接下来两三年，"高增长+高亏损"还会是大模型公司的标配。

谁先赚到钱了？

短期看，B端收入翻7倍、Token涨20倍、ARR破8亿，这些数字确实很硬。而且不是MiniMax一家在涨，Anthropic、智谱的B端都在爆发，这是全行业的趋势。

但长期看，大模型这门生意的终局还远没定。研发投入还在涨、竞争格局还在变、成本曲线能不能持续往下走，都是未知数。

真正确定的是什么？是大模型的使用量正在爆发，而离用户最近、能解决具体问题的应用层玩家，已经先一步吃到红利。

徐乔长期做企业客户后形成了一个判断："企业真正愿意为什么付钱，其实从来没有变过。"

它不为"用了AI"付钱，而为业务结果付钱。

比如一家企业准备使用AI改造销售培训，站在培训部门的角度，最容易想到的需求是让AI制作PPT、生成课程。一套工具一天可以生产100份培训材料，看起来效率提高了很多。

但真正走到一线门店，可能会发现问题完全不同。员工甚至讲不清公司最新活动的卖点。客户问一句"为什么我要现在买"，销售就不知道应该怎么回答。

此时，生成100份PPT，并不会直接多产生一笔订单。

徐乔团队因此选择做AI销售陪练。AI模拟顾客，与销售人员直接对话，提出真实客户可能提出的异议，再根据员工的表达、逻辑和销售话术给出反馈。

这时候AI产生的价值就开始变得可以计算：

新人是不是更快上岗？培训成本有没有下降？销售转化率有没有提高？

"如果一个AI只是帮企业把文档写得快一点，价值可能很难衡量；但如果它能够直接影响销售转化、获客成本或者订单量，那么企业很快就知道这件事情值多少钱。"徐乔说。

短视频带货也是类似逻辑。

一条AI视频生成得有多漂亮，其实不是最重要的。重要的是发出去以后有没有流量、有没有订单、带来了多少交易额。

效果离钱越近，产品越容易定价。

未来AI行业最值钱的公司，未必是消耗Token最多的公司，而可能是最有能力给Token加价的公司。