为什么黄仁勋说“中国会赢”？OpenRouter数据里藏着答案

硅星人Pro·2025年11月14日 15:47

大到无法成功 vs 便宜到无法忽视。

2025年的AI行业，正上演一场堪比美剧《硅谷》的Drama。一边是OpenAI的万亿豪赌，以及与马斯克旷日持久的公开恩怨。前段时间爆出的马斯克诉奥尔特曼案中高管的证词细节，更是被网友形容为简直就是新一季讽刺喜剧《硅谷》剧情。

而在大洋彼岸，另一种叙事正在展开。中国的AI公司们靠着庞大的人才储备与工程创新力，在外部压力下打磨出自己的自研体系。你很少听到哪家公司还在讲宏大的愿景，而是更关注结果，效率成了共识，也成了竞争力。

对比之下，一方是试图造出宏大叙事的“大教堂”，封闭、昂贵、精英统治；

另一边是“市集”，开放、生猛、速度优先。

这个诞生于1990年代的隐喻，曾用来描述开源运动与集中式开发的分野，如今它在AI世界里再次被激活。

AI的“教堂 VS 集市”

“大教堂”的模式首先显现在它的财务结构里。

OpenAI的1.4万亿算力计划，是一场史无前例的豪赌。它的可持续性正在受到质疑。据报道，OpenAI的年经常性收入（ARR）约为130亿美元，而他们计划在未来几年内花费超过一万亿美元。在计算了所有在途投资和现有现金后，OpenAI仍面临约1.2万亿美元的资金缺口。

这种绝望，在其CFO Sarah Frier寻求联邦政府支持以资助未来数据中心的言论中显露无遗。

压力也体现在创始人身上。当Sam Altman在OpenAI投资人的一档播客上被直接质问如何支付这笔巨款时，他给出了“如果你想卖掉你的股份，我给你找个买家”这样的回答。这种反应被外界认为是“惊慌失措”，甚至是在巨大压力下失去了理智的表现。

金融结构的压力最终会传导到组织效率。华盛顿大学计算机科学教授Pedro Domingos，最近对OpenAI给出了一个残酷评价，“OpenAI不是大到不能倒，而是大到无法成功(too big to succeed)”。他指出，OpenAI每年亏损约500亿美元。这种体量与烧钱速度，让公司难以保持敏捷，内部官僚化、决策拖慢、创新受阻，当企业把更多精力花在公关和估值维系上，工程效率与创造力就开始流失。

在“大教堂”阴影之下，效率正在成为稀缺资源。

而另一边，“市集”正在证明它不必如此。中国的AI行业正在实施一种类似快时尚的策略，核心是以10%甚至更低的价格，提供顶级质量的LLM。

它不必在所有基准上超越，只需要向市场证明，美国AI巨头将拥有全部市场的估值假设不成立。只要中国模型能不断“蚕食”市场份额，这个泡沫就可能被戳破。

底层的驱动力之一，来自外部限制倒逼的极致工程创新。阿里巴巴宣布新的计算池系统将运行AI模型所需的GPU数量削减了82%，用200个GPU达到了1200个GPU的性能水平。DeepSeek则开始使用FP8新格式，使其训练速度加快了30%。而MiniMax的M1模型，在强化学习阶段的训练成本仅为54万美元，几乎只是OpenAI同等模型成本的零头。

这种工程效率，最终转化为压倒性的成本优势。OpenAI的GPT-5每百万Tokens收费10美元，最近发布的MiniMax的M2则打出了低至1.20美元。

对于AI这种注定要普及的技术，历史的经验是，谁能以尽可能低的成本，将技术交付给最多的人，谁就能成为赢家。

谁在赢得开发者？

Meta的首席AI科学家杨立昆曾当着黄仁勋的面说：“我认识黄仁勋。有场AI战争，他在提供武器。”黄仁勋试图向大教堂和集市双方同时提供弹药。这种类似军火商的定位，让他拥有了一种不带“有色眼镜”的中立的视角。

黄仁勋最近向《金融时报》表示：“中国将赢得人工智能竞赛”。尽管他随后缓和了立场，称中国“只落后几纳秒”，并强调美国必须赢得全球开发者支持。

那么，谁正在赢得全球开发者的支持？市场的反应是真实的。在面向全球开发者的平台OpenRouter上，开发者们正在用脚投票，不妨先来看结果。

在实时更新的Leaderboard上，中国模型正全面崛起。MiniMax M2尤为突出，不仅是OpenRouter上第一个日token消耗量超过500亿的中国模型，并且免费版加付费版模型的Token日调用量已超过800 亿，都进入了Top 10（分列第4和第7），两者的用量都在高速增长。

要理解这个数据的分量，我们需要知道OpenRouter的代表性，这不是一个可以刷分的榜单，而是聚合了OpenAI、Google、以及DeepSeek、MiniMax等所有主流厂商API的多模型路由与结算平台。就像一座云端“总配电房＋电表室”，把多家“电厂”（不同模型）接到同一配电柜，用同一接口按策略分路，并用一块表统一计费。

它的数据之所以客观，一是因为“可比”，OpenRouter会标准化Token计量，减少偏差，其次是因为有规模，覆盖了Kilo Code、SillyTavern等高流量的重活应用，能反映真实的调用结构。

将M2的数据拆开来看，趋势会更加显现。Leaderboard上，M2同时有付费的M2（第4位，51.7B tokens）和M2 (free)（第7位，32.6B tokens）两个版本。付费通道的强劲增长有力地证明了，M2的成功并非来自短期补贴，而是来自开发者对其性价比和工程适配度的稳定需求。

再看分类榜，在编程这个最复杂、最考验模型的场景下，MiniMax M2居全球用量第三，占据7.5%的份额。这就是中国开源模型的优势所在，M2凭借其低定价和长上下文带来的高单位经济性，正实打实地在OpenAI和Claude的手中切走份额。

最后是市场份额，M2排在第五位。值得注意的是，一个全新的模型占据7.4%的总市场份额，只用了短短十几天时间。与此对比的是图表右侧的视觉趋势，这才是真正的故事，中国开源模型们正在以实用与普惠获得开发者的青睐，而这样的势头只是一个开端。

不只是“更便宜”

OpenRouter上的数据证明了“市集”的效率与吸引力，但这场竞赛还有一个更终极的问题：如何可持续地赚钱？

抛开OpenAI试图建立帝国的企图，作为行业绝对的头部，这家公司事实上占据了一种标准答案的位置，即同时满足：全模态的技术深度、产品化的商业闭环、以及真实的全球用量。这为理解MiniMax的价值提供了一种框架。

首先是“真实的全球用量”，这已在OpenRouter数据中得到证明。

其次是“全模态的技术深度”。回顾MiniMax的产品迭代，呈现了一种跨模态的连续性，从其早先在语音（Speech-02-HD）和视频（Hailuo-02）领域达到的顶尖水平，到如今M2在文本和代码领域的突破。在基础模型参与者日益收敛的当下，这种横跨三个主要模态并均保持领先的能力尤为罕见，达到这一标准的公司恐怕仅有OpenAI、Google、字节跳动和MiniMax等屈指可数的几家公司。

这里还存在着技术哲学的差异，OpenAI的路径是构建世界模拟器(world simulator)——追求一个终极通用智能。然而，这种宏大叙事正在遭遇现实阻力。近期，硅谷开始集体AGI预测回撤，连OpenAI前研究主管Andrej Karpathy都承认，AGI“至少还需要十年”。

MiniMax选择了另一条路径来对冲这种不确定性。它没有追求构建全知全能的超级智能，而是专注于打磨一套类瑞士军刀般的模型和产品，在语音、视频、文本等关键模态上，均通过独立产品线推进商业化，同时也通过Agent的产品形态，来探索不同模态的融合。这种策略的底层逻辑是，由多个SOTA工具提供的实用智能，在商业化和可落地性上，将远早于那个“至少还需要十年”的AGI愿景兑现，同时又保留了未来探索更高天花板的可能。

最后，也是最关键的一环，是“产品化的商业闭环”。据《The Information》的报道，MiniMax是目前亚洲大模型公司中，唯一被证实拥有规模化全球收入的玩家，ARR达到了1亿美元，这些收入都来自可持续、可规模化的产品（C端的海螺视频、Talkie，B端的API订阅），而非靠资本输血或薄利的项目制维生。

从投入产出比来看，依旧展现了“中国效率”。据相关测算，MiniMax实现三模态全球领先水平的总训练费用，仅为OpenAI的约2%。这种数量级的效率差距，正是后发者通过创新所获得的竞争空间。

所以，当我们重新审视“中国的OpenAI在哪里”这个问题，其实我们问的是“一家国产大模型公司是否构成真正的全球竞争力”。那么答案就很清晰了，以MiniMax作为样本来看，它应当具备完整的技术栈、横跨多模态的能力矩阵、经过验证的全球用户基础、可持续的收入模式，以及远超硅谷的资本效率。这个标准框架下，符合条件的公司屈指可数。