大摩闭门会:AI大模型进入“造血竞赛”
01｜MiniMax：ARR开始加速，年底10亿美元指引明显偏保守
MiniMax是这次买方最关注的公司之一。根据公司最新沟通，截至8月底，MiniMax按照周度口径计算的ARR已经达到约8亿美元，而目前官方仍然维持年底超过10亿美元的指引。这里需要注意的是，MiniMax此前5月份披露4亿多美元ARR时同样采用周度口径，因此前后统计口径并没有变化。从增长节奏来看，MiniMax上半年ARR增长其实相对平稳，真正的明显加速出现在7—8月份，主要来自M3经过推理效率优化和降价之后迅速放量，同时8月份推出的视频模型H3也开始贡献新增需求。目前ARR的大部分仍然由文本模型M3贡献，H3由于发布时间较晚，收入贡献预计更多会在后面体现。大摩因此认为，公司年底10亿美元的指引偏保守，已经把自己的年底ARR预测从10亿美元上调到了13亿美元。如果按照8月底8亿美元的水平简单外推，年底实际仍存在进一步超预期空间。
MiniMax接下来的模型管线也相当密集。近期公司将推出M3.1，定位是一款高性价比、高推理速度的模型，希望覆盖绝大多数日常使用场景；9月底之前还计划发布H3.1，在原有H3基础上通过后训练进一步强化视频能力。真正决定下一阶段市场估值的，则是预计9月底至10月初推出的M3 Pro。根据公司沟通，M3 Pro总参数规模接近3T，并将采用新的MSA 2.0注意力机制，在模型能力、推理效率以及Scaling程度上进一步提升。公司并没有单纯强调“参数越大越好”，反而更加重视推理效率，因为随着后训练、强化学习Rollout、合成数据和评测占据越来越重要的位置，推理成本已经直接影响模型后续能够做多大规模的训练。
严俊杰在这次沟通中提出的一个观点很值得关注，他认为智能水平和性价比其实是一体两面。过去市场容易把“最强模型”和“最便宜模型”理解成两条完全不同的路线，但现在高推理效率本身已经成为提升模型智能的重要基础。如果一家公司的单位Token成本更低、推理速度更快，那么在相同的时间和算力投入下，它就可以完成更多强化学习、更多数据合成和更多后训练，因此效率最终会反过来帮助模型能力提升。换句话说，未来所谓“性价比”并不只是商业化能力，也越来越成为研发能力的一部分。
02｜MiniMax开始为10T模型囤算力，真正进入重投入阶段
MiniMax目前的算力储备已经足够完成今年M3.1、H3.1和M3 Pro等几款模型的训练，现阶段新增囤积的算力，更多是在为明年的10T级大模型提前准备。这一点其实比今年几款新模型本身更加值得关注，因为它说明国产头部大模型公司的Scaling远没有结束，反而正在进入更大规模的投入周期。伴随明年10T级模型计划启动，公司研发费用还会明显提升。今年上半年MiniMax研发费用大约为3亿美元，相当于年化6亿美元；到了下半年，公司预计研发费用年化水平提升至10亿美元以上，也就是说下半年研发投入至少可能达到5亿美元左右。
短期来看，这意味着MiniMax今年下半年的亏损仍可能环比扩大，但公司给出的核心判断是，未来研发费用的增速会明显低于收入和毛利润的增速。这个判断非常关键，因为AI公司的估值最终不可能长期依赖“融资—买卡—训练—再融资”的循环，如果ARR和毛利润能够持续跑赢研发投入增长，那么商业模式才真正开始具备自身造血能力。MiniMax目前正在尝试跨越的，正是这道门槛。
03｜智谱更激进：8月ARR已经达到16亿美元
如果说MiniMax的ARR增长已经很快，那么智谱的商业化速度更加激进。按照公司披露的月度平均口径，智谱ARR从3月份约2.5亿美元，提高到6月份约5.3—5.4亿美元，7月份直接达到10亿美元，8月份进一步上升到16亿美元。如果改用周度口径计算，8月份ARR实际上已经超过20亿美元。公司也因此把年底月度口径ARR指引提高到了24亿美元，但无论公司还是市场，都普遍认为这个指引依然偏保守。
智谱现在面临的一个非常有意思的变化是，限制收入增长的因素已经不再只是需求，而越来越变成算力供给。公司解释，6月份ARR还只有5亿多美元，而到了7月份突然跃升至10亿美元，一个重要原因就是7月份新的大型算力集群完成交付，使平台可以迅速扩大推理供给。因此四季度ARR最终能够做到多高，很大程度取决于国产算力卡到货的规模和速度。公司预计四季度还会有一大批国产芯片交付，如果这一批算力能够顺利落地，年底ARR仍有再次上调指引的可能。从这个角度看，国内大模型行业正在从“有没有需求”逐渐转向“算力能不能跟上需求”的阶段。
04｜GLM 6目标直指国产SOTA，国产算力首次真正进入商业化核心
在模型端，智谱正在推进下一代大参数模型。8月份推出的GLM 5.3 Flash已经采用了下一代模型架构，包括原生多模态理解，以及稀疏注意力和线性注意力结合的混合机制。这套架构未来还会继续扩展到预计10月份推出的下一代大参数模型，目前可以暂时理解为GLM 6。公司对GLM 6的目标非常明确，希望它能够成为国产模型的SOTA。参数规模虽然没有正式披露，但根据会议中提到的30—50T预训练数据规模，大摩推测最终总参数规模可能落在1.5T—2.5T左右。智谱同时强调，SOTA并不等于一定要做全球参数最大的模型，模型架构、后训练、强化学习、推理效率和芯片适配的重要性都在提高。
更值得关注的是，公司希望下一代模型能够具备一定程度的RSI，也就是自训练、自进化能力。如果这一方向真正实现，大模型竞争就会从单纯依靠人工构建数据、扩大参数，进一步进入模型自己生成训练数据、参与评测和持续优化的新阶段。与此同时，智谱在国产芯片方面已经迈出了非常实质的一步，GLM 5.3 Flash目前能够运行在全国产芯片集群上，公司今年7月份还落地了一个约10万卡规模的国产芯片集群。由于智谱当前ARR已经直接受到算力供给约束，因此国产芯片能不能真正承担大规模推理任务，已经不只是国产替代故事，而是在直接影响AI公司的收入增长。
当然，国产芯片目前仍存在推理效率和集群优化的问题，这也是智谱上半年毛利率承压的原因之一。公司认为，通过模型层、网络层和芯片层联合优化，未来仍然存在较大的效率提升空间，并给出了未来12—18个月开放平台毛利率达到50%以上的目标。如果最终能够实现，就意味着国产大模型行业有机会首次同时出现三件事情：ARR保持高速增长，国产算力真正规模化应用，同时毛利率进入改善通道。
05｜AI的下一站，不只是Coding，而是Co-work和Autonomous AI
智谱对于未来市场空间的判断也很激进。过去一年，AI商业化最成熟的场景毫无疑问是Coding，但近期市场已经开始担心AI Coding的渗透率是不是逐渐接近阶段性高点。智谱的判断恰恰相反，公司认为全球Coding相关市场的潜在空间约为5000亿美元，目前距离天花板仍然很远。更重要的是，Coding在公司看来只是生产力AI的第一站，下一步会从Coding进一步进入Co-work。
这里所谓的Co-work并不是简单的Office办公助手，而是高知识密度、高智能密度、复杂工作流的专业场景，包括金融、法律、网络安全、医疗等行业。公司认为，这一类市场潜在空间可能达到Coding的10倍，而更加长期的Autonomous AI，即AI能够自主完成更多工作任务，对应的市场空间还可能继续扩大一个数量级。这类TAM数字当然不能直接当作未来收入预测，但它说明头部模型公司已经不满足于单纯卖Token，而是希望进入整个专业服务价值链。未来AI真正需要争夺的，可能不是消费者愿不愿意每个月支付几十美元订阅费，而是企业原来支付给程序员、律师、分析师、咨询顾问等专业人员的大量成本，有多少最终可以被AI重新分配。
06｜大摩对价格战的判断：SOTA可以向下打，低价模型很难向上打
整场会议最后的QA，其实给出了大摩对于大模型行业最核心的竞争判断。市场目前一个普遍担忧是，国内模型能力追赶越来越快，最终会不会所有公司都陷入价格战。大摩的答案是，价格竞争一定会存在，但模型智能水平仍然是最重要的。未来大模型市场很可能同时存在两条产品线，一条是Pro或者SOTA模型，负责解决复杂、高智能密度任务；另一条是Flash模型，负责大量成本敏感、难度较低的任务，两者会长期共存。
问题在于，这两种产品的竞争关系并不对称。拥有SOTA模型的公司，可以比较容易地通过蒸馏做出一个便宜的小模型，但一家只有低价Flash模型的公司，想反过来训练出SOTA模型却非常困难。因此未来真正有优势的公司，并不是单纯Token价格最低，而是同时拥有最强模型能力和成本优化能力的玩家。随着下一代模型训练成本越来越高，公司不仅需要融资，更需要足够的毛利润和现金流支撑长期研发投入。换句话说，SOTA公司可以向下卷价格，但只会卷价格的公司很难向上卷智能。
07｜腾讯AI叙事开始变化：从“混元追不追得上”转向模型、Agent和生态
腾讯这次最大的变化，则是市场对其AI的关注点正在发生转移。过去投资者最担心的问题，是混元模型的能力和迭代速度是否落后于国内第一梯队，而新一代Hy4 Preview发布时间早于此前预期，内部测试表现也好于大摩原来的判断，因此至少边际缓解了市场对于腾讯模型能力的担忧。但从投资角度看，比单纯模型升级更加重要的，其实是腾讯正在尝试把WorkBuddy从办公助手升级为开放Agent平台。
腾讯希望WorkBuddy未来可以连接硬件、应用和开发者，企业用户不需要从零搭建完整AI产品，而是可以直接基于平台构建自己的AI工作台，开发者则可以提供Skill、Expert等能力。这套模式非常符合腾讯过去最擅长的平台打法：腾讯未必需要自己吃掉所有应用，但希望掌握最重要的入口和分发层。更加关键的是，WorkBuddy用户规模和使用频率一旦扩大，产生的数据又可以反过来帮助混元模型训练和优化，形成腾讯一直强调的Co-design飞轮。因此腾讯未来AI商业模式存在两种路径，如果混元最终进入SOTA模型第一梯队，可以同时获得Model-as-a-Service收入；即便混元只是一个足够优秀但不是行业最强的模型，WorkBuddy作为Agent平台本身仍然可以产生生态价值。腾讯的优势就在这里，模型并不是唯一出口，微信、腾讯云、WorkBuddy以及其他产品都可以成为AI能力的分发渠道。
08｜美团的问题不在二季度，而在三季度改善速度低于预期
相比AI模型，美团这部分讨论更加偏传统基本面。美团二季度业绩本身表现不错，经营利润好于预期，其中到店业务利润率恢复到约30%，明显好于此前市场预期。不过这里面存在部分费用跨季度的影响，公司把一些营销费用从二季度后移到了三季度，同时三季度外卖还会受到季节性以及骑手补贴增加的影响，因此大摩预计外卖UE可能从二季度约0.3下降到三季度约0.1，到店利润率也可能从二季度约30%重新回到25%左右。
因此压制美团估值的核心并不是业绩突然恶化，而是此前市场期待竞争改善以后利润率能够连续逐季向上，但目前来看三季度改善斜率没有那么强。大摩因此把目标价从120港元下调至110港元，同时判断70港元附近存在一定支撑，短期股价可能更多处于70—90港元区间震荡。
09｜阿里短期缺的不是基本面，而是下一个AI催化剂
阿里近期股价偏弱，大摩认为基本面并没有出现明显变化，更主要的问题是短期催化剂进入相对真空期。此前阿里围绕云计算、AI收入、模型能力和资本开支不断释放积极信息，市场已经连续交易了一轮AI预期，而进入9月份以后，短期新的增量信息变少，因此资金开始等待下一阶段催化剂。与此同时，融资安排本身也在一定程度上影响了市场情绪，在一轮明显上涨以后进行大规模融资，很容易让部分投资者选择先兑现收益。
接下来市场重新关注的时间点可能集中在9月下旬。一方面是下一代千问模型是否继续升级，另一方面则是阿里是否进一步更新AI CapEx、云计算增长以及AI商业化进展。阿里现在真正需要回答的问题已经不是市场相不相信AI，而是如此庞大的AI投入之后，能不能持续拿出新的模型能力、收入增长以及回报率证明。
总结：AI估值逻辑已经变了
把MiniMax、智谱和腾讯放在一起看，这场大摩闭门会真正值得记住的，是AI行业的估值体系正在发生变化。最早大家比的是模型参数和榜单，随后开始看用户数、调用量和ARR，而现在已经逐渐进入第三个阶段：市场开始要求收入增长能够跑赢研发投入，同时推理效率提升必须最终反映到毛利率改善上。MiniMax八月底周度ARR达到8亿美元，智谱月度口径ARR达到16亿美元，说明国产大模型商业化确实已经出现明显加速，但资本市场显然不会只因为收入增长就持续给出高估值。
大摩这次实际上给出了一个非常清晰的排序：模型能力＞ARR＞毛利率＞其他因素。 短期ARR超预期当然可以刺激估值，但如果模型能力掉出第一梯队，估值仍然会迅速承压；反过来，只要模型保持SOTA，即便短期利润率不好，市场仍然愿意给公司更多时间。因此未来真正值得持续跟踪的已经不是哪家公司Token又降价了多少，而是三件事：SOTA能力有没有掉队，ARR能不能继续加速，以及伴随推理效率改善，毛利率有没有真正进入上行通道。能同时做到这三件事情的公司，才可能成为这一轮AI周期中真正具备长期复利能力的玩家。
备注：本文根据2026年9月4日摩根士丹利新经济板块热点前瞻直播内容整理，相关数据、模型进度及预测主要来自会议转述和公司沟通口径，仅用于行业研究与信息交流，不构成任何投资建议。