大模型公司排队 IPO,二级市场承接力面临大考拆解 12 家拟 IPO 大模型厂商:资本故事、盈利真相与行业终局
大家好，我是彭九鲤，商业有深度，九鲤有态度。
大模型公司排队 IPO，二级市场承接力面临大考
拆解 12 家拟 IPO 大模型厂商：资本故事、盈利真相与行业终局
2026 年开年不到 4 个月，港股市场已经被 AI 大模型点燃。1 月 8 日，智谱登陆港交所，成为 “全球大模型第一股”，上市不到 3 个月股价最高涨幅超 6 倍，市值一度突破 3000 亿港元。1 月 9 日，MiniMax 紧随其后敲钟，公开发售获 1837.17 倍超额认购，上市两个月市值最高涨至 2843 亿港元。截至 2026 年 4 月，已有超 20 家人工智能价值链企业向港交所递交上市申请，其中核心大模型厂商超过 12 家，从阶跃星辰到月之暗面，从出门问问到云知声，一场前所未有的大模型 IPO 潮正在席卷资本市场。
一边是一级市场三年超千亿资金的疯狂涌入，估值神话不断刷新；另一边是二级市场新股破发率超 60%，资金向头部标的极致集中。这场 IPO 狂欢，到底是通用人工智能技术成熟的商业化兑现，还是一级资本的集中退出狂欢？二级市场的资金池，真的能承接住这波千亿级的 IPO 洪流吗？
这篇文章，我将从 5 个维度，彻底拆解国内大模型 IPO 潮的底层逻辑、商业化真相、资本博弈本质、潜在风险与行业终局。
第一章 大模型 IPO 潮：从技术狂欢到资本兑现的三年狂奔
1.1 百模大战的起点：ChatGPT 引爆的国产大模型创业潮
2022 年 11 月 30 日，OpenAI 发布 ChatGPT，一夜之间改写了全球人工智能的竞争格局。在此之前，国内 AI 行业的重心还集中在计算机视觉、语音识别等垂直领域，通用大模型的研发仅局限于少数科研机构和互联网巨头。ChatGPT 的横空出世，让整个行业看到了通用人工智能（AGI）的商业化可能性，一场席卷中国的 “百模大战” 就此拉开序幕。
2023 年成为国产大模型的 “元年”。3 月，百度发布文心一言，成为国内首个对标 ChatGPT 的通用大模型；4 月，智谱发布 GLM-130B 开源模型，正式开启商业化进程；6 月，MiniMax、月之暗面、零一万物、百川智能等一批大模型创业公司密集发布产品，核心团队几乎全部来自清华、北大、微软、谷歌、字节跳动等顶尖院校和科技企业，被业内称为 “大模型六小虎”。
仅仅一年时间，国内发布的参数规模超 10 亿的大模型就超过 200 个，从通用基座到行业垂直模型，从云端部署到端侧优化，整个赛道进入了疯狂的技术军备竞赛。支撑这场军备竞赛的，是源源不断涌入的资本。
1.2 资本狂奔：三年超千亿资金涌入，估值神话的诞生
大模型赛道的资本热度，刷新了中国创投行业近十年的纪录。来自 Crunchbase 的数据显示，2025 年中国人工智能公司共吸引了约 2110 亿美元的创投资金，较 2024 年增长 85%，其中大模型相关企业拿走了超过 40% 的资金。从 2023 年到 2026 年一季度，国内头部大模型创业公司平均完成了 5 轮以上融资，单轮融资额从数亿元到数十亿元不等，估值在短短两三年内实现了十倍甚至百倍的跃升。
这场估值神话的核心逻辑，是资本市场对 “中国版 OpenAI” 的极致期待。OpenAI 在 2025 年实现了 130 亿美元的收入，估值一度突破 1.4 万亿美元，这给了国内一级市场足够的想象空间。在一级资本的眼中，谁能成为中国的 OpenAI，谁就能拿下万亿级的市场蛋糕，哪怕只有万分之一的可能性，也值得押下重注。
于是，我们看到了前所未有的估值抬升速度：
-
智谱从 2019 年成立到 2025 年 IPO 前，完成了 8 轮融资，累计募集资金超 83.6 亿元，IPO 前估值突破 500 亿元人民币，较天使轮估值增长超 200 倍； -
MiniMax 在上市前完成了 6 轮融资，累计融资超 60 亿元，最新估值突破 400 亿元人民币，成立不到 3 年时间估值增长超 150 倍； -
月之暗面在 2026 年 2 月完成超 7 亿美元融资，估值升至 180 亿美元，3 个月内估值翻了 4 倍，创下国内大模型估值最快突破百亿美元的纪录； -
阶跃星辰在 2026 年 1 月完成超 50 亿元人民币 B + 轮融资，刷新了过去 12 个月中国大模型赛道单笔最高融资纪录，投后估值直逼 100 亿美元财新网。
更值得关注的是，这场资本盛宴的参与者，几乎囊括了中国创投圈所有的头部机构。红杉中国、高瓴资本、五源资本、启明创投、IDG 资本等头部 VC 几乎全员下场，腾讯、阿里、美团、小米等互联网巨头也纷纷通过战略投资布局，甚至各地国资也开始密集入场，杭州、珠海、成都、上海等地的国资平台，都出现在了头部大模型公司的股东名单中上海市徐汇区人民政府。
1.3 上市潮开启：从智谱、MiniMax 敲钟，到全行业的 IPO 竞速
2025 年底，大模型赛道的资本逻辑发生了根本性的转折。经过三年的疯狂投入，整个行业依然处于普遍亏损的状态，头部厂商年亏损规模普遍超过 20 亿元，而一级市场的资金也开始趋于理性，后期融资的难度越来越大。更重要的是，早期投资机构的基金存续期即将到期，退出的压力越来越大。
IPO，成为了一级资本唯一的退出出口。2025 年 4 月，智谱正式向北京证监局提交上市辅导备案，成为 “大模型六小虎” 中首家启动 IPO 的企业，打响了大模型 IPO 潮的第一枪。2025 年 12 月，智谱和 MiniMax 相继通过港交所聆讯，分别于 2026 年 1 月 8 日、1 月 9 日登陆港交所，成为全球首批以通用大模型为核心业务的上市公司，彻底点燃了整个行业的 IPO 热情上海证券报·中国证券网。
智谱和 MiniMax 上市后的股价表现，更是给了排队中的厂商们巨大的信心。智谱发行价 116.2 港元，上市后最高冲至 700 港元以上，涨幅超 6 倍，市值一度突破 3000 亿港元；MiniMax 发行价 158 港元，上市后最高涨至 906 港元，涨幅超 475%，市值最高达 2843 亿港元。两家成立不到 5 年、年营收不足 10 亿元、仍处于巨额亏损状态的创业公司，市值在短短两个月内就追上了百度、京东等经营数十年的互联网巨头，这在整个港股历史上都是前所未有的。
财富效应之下，整个大模型行业开启了 IPO 竞速赛。截至 2026 年 4 月，据上海证券报初步梳理，已有约 20 家人工智能价值链企业向港交所递交上市申请，其中核心大模型厂商超过 12 家，涵盖了基座模型、多模态模型、行业垂直模型、AI 算力等全产业链环节。
-
阶跃星辰被曝正考虑在港交所 IPO，计划筹集约 5 亿美元，最快 2026 年上半年递表； -
月之暗面虽公开表示 “短期不急于上市”，但市场传闻其已启动上市筹备工作，计划 2026 年下半年递交申请； -
出门问问、云知声、思必驰等 AI 企业，也纷纷更新了上市辅导进展，将大模型业务作为核心上市故事； -
甚至连一批成立不到 2 年的垂直大模型公司，也开始接触投行，启动上市筹备工作。
港交所的锣，已经不够用了。
1.4 拟 IPO 厂商全景图：12 家核心玩家的创始人背景与融资历程
我们梳理了国内 12 家核心拟 IPO / 已上市大模型厂商的核心信息，涵盖创始人背景、关键发展节点、完整融资历程，还原这场 IPO 潮的核心玩家全貌。
表格
|
|
|
|
|
|
|
|
|---|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
第二章 核心商业模式拆解：大模型公司到底靠什么赚钱？
2.1 一句话讲透大模型公司的商业本质
大模型公司的商业本质，是以通用人工智能基座模型研发为核心，通过持续的技术迭代提升模型能力上限，再以 MaaS 云端服务、私有化部署、AI 原生产品三大路径，将模型能力转化为可商业化的产品与服务，最终实现规模化收入与盈利。
这个商业逻辑的核心，是 “能力 × 规模” 的乘数效应。智谱在财报中提出的公式AGI 商业价值 = 智能上界 × Token 消耗规模，精准概括了这个逻辑。其中，“智能上界” 是模型的技术能力，决定了产品的定价权和不可替代性；“Token 消耗规模” 是模型的使用量，决定了收入的天花板和规模效应。MiniMax 则将其优化为AI 平台价值 = 智能密度 × Token 吞吐量，核心逻辑完全一致，都是技术能力决定价值上限，使用规模决定价值兑现。
2.2 收入结构拆解：三大收入板块的真实表现
从已上市的智谱、MiniMax 的财报数据，我们可以清晰地看到国内大模型公司的核心收入结构，主要分为三大板块，每个板块的增长逻辑、盈利能力和天花板都截然不同。
第一大收入板块：企业级私有化部署
这是目前国内大模型公司最核心的收入来源，也是商业化最成熟的板块。私有化部署，指的是大模型厂商为政府、国企、大型企业客户，提供专属的大模型定制化开发、本地化部署、运维服务，客户一次性支付项目费用，或按年支付服务费。智谱 2025 年财报显示，公司全年本地化部署收入 5.34 亿元，占总营收的 73.7%，是绝对的收入主力。MiniMax 的企业服务收入占比也达到了 32.8%，2025 年实现收入 2596.3 万美元，同比增长 197.8%。
这个板块的核心优势，是收入确定性高、现金流稳定、客单价高。头部大模型厂商的私有化部署项目，客单价普遍在数百万元到数千万元不等，部分政府、央企的大型项目，客单价甚至突破亿元。对于仍处于亏损状态的大模型公司来说，这类项目是支撑营收规模的核心基本盘。
但这个板块的短板也同样明显。首先，项目制的模式难以规模化，每个项目都需要定制化开发和交付，人力成本极高，难以实现标准化的快速复制；其次，客户集中度高，高度依赖政府、国企订单，受政策周期和财政预算影响极大，2024 年智谱有单一客户贡献收入占比达 19%，客户集中度风险显著；第三，行业竞争日趋激烈，互联网巨头、垂直行业 AI 公司都在争抢私有化订单，价格战已经打响，项目毛利率持续下滑。智谱财报显示，其本地化部署业务的毛利率，已从 2024 年的 66.0% 大幅下降至 2025 年的 48.8%。
第二大收入板块：MaaS 云端 API 服务
这是大模型公司最具想象空间的收入板块，也是资本市场最看重的增长曲线。MaaS（Model as a Service，模型即服务），指的是大模型厂商将基座模型的能力封装成 API 接口，按 Token 调用量向企业客户、开发者、个人用户收费，用户按需付费，无需部署和运维，是 OpenAI 最核心的收入来源。
智谱 2025 年开放平台及 API 收入 1.904 亿元，同比增长 292.6%，增速远超私有化部署业务，占总营收的比重从 2024 年的 15.5% 提升至 26.3%。MiniMax 的开放平台收入增速同样高达 197.8%，2026 年 2 月平台单日 Token 消耗量，较 2025 年 12 月增长了 6 倍以上。
这个板块的核心优势，是标准化程度高、边际成本低、规模效应极强。一旦模型训练完成，API 服务的边际成本几乎只有算力推理成本，随着调用量的提升，单位成本会持续下降，毛利率会持续提升，是典型的互联网规模化商业模式。更重要的是，API 服务可以覆盖海量的中小企业、开发者和个人用户，市场天花板远高于私有化部署。
但目前国内 MaaS 市场的发展，依然面临巨大的挑战。首先，价格战愈演愈烈，从 2024 年开始，百度、阿里、腾讯等巨头纷纷下调 API 价格，部分模型价格降幅超 90%，行业陷入了 “降价换量” 的内卷，严重影响了毛利率水平；其次，开源模型的冲击巨大，Llama 3、DeepSeek 等开源模型的能力持续逼近闭源模型，中小企业和开发者可以免费使用开源模型自行部署，无需付费调用闭源 API，直接分流了大量客户；第三，调用量高度依赖头部客户，中小客户付费意愿低，大部分 API 调用量来自少数互联网大厂和 AI 应用公司，客户议价能力强，价格持续承压。
第三大收入板块：C 端 AI 原生产品
这是大模型公司最具不确定性的收入板块，也是目前商业化最薄弱的环节。C 端 AI 原生产品，指的是大模型厂商基于自有基座模型，开发面向个人用户的 AI 产品，比如 AI 对话助手、AI 编程工具、AI 创作工具等，通过会员订阅制实现商业化变现。
MiniMax 是国内大模型厂商中 C 端商业化最成功的企业，2025 年 AI 原生产品收入 5307.5 万美元，占总营收的 67.2%，同比增长 143.4%，旗下海螺 AI 累计服务全球超 2.36 亿名用户，2026 年 2 月公司 ARR 已突破 1.5 亿美元。智谱的 C 端产品也实现了快速增长，旗下 Coding Plan 付费开发者突破 24.2 万，Claw Plan 上线 20 天订阅用户破 40 万，成为新的收入增长点。
这个板块的核心优势，是用户规模大、ARPU 值提升空间大、品牌效应强，一旦跑出爆款产品，就能实现收入的指数级增长。OpenAI 的 ChatGPT Plus 订阅用户超 1000 万，年订阅收入超 20 亿美元，证明了 C 端产品的巨大潜力。
但国内大模型厂商的 C 端商业化，依然面临重重困难。首先，C 端市场竞争极度激烈，百度文心一言、阿里通义千问、腾讯混元等巨头产品，都推出了免费会员，免费功能已经能满足大部分普通用户的需求，付费转化难度极大；其次，用户付费意愿低，国内 C 端用户对 AI 产品的付费习惯尚未养成，大部分用户只愿意为强刚需、高频次的功能付费，普通对话类产品的付费率普遍不足 1%；第三，产品同质化严重，大部分 C 端 AI 产品的功能高度重合，缺乏差异化的核心竞争力，用户留存率低，很难形成稳定的订阅收入。
2.3 成本结构拆解：压在大模型公司身上的三座大山
大模型公司之所以营收高速增长，却依然深陷巨额亏损，核心原因在于成本端的刚性压力。我们通过智谱、MiniMax 的财报数据，拆解大模型公司的核心成本结构，主要分为三大块，每一块都是刚性支出，几乎没有大幅压缩的空间。
第一座大山：算力成本
算力是大模型公司最核心的成本，也是刚性支出的核心。大模型的训练和推理，都需要依赖高性能的 AI 芯片，目前行业主流的是英伟达 A100、H100 GPU，单张芯片价格高达数万元甚至数十万元，训练一个千亿参数的通用大模型，仅芯片采购成本就需要数亿元，再加上数据中心、电力、运维等成本，单次训练成本普遍超过 10 亿元。除了训练成本，推理成本更是持续的刚性支出。用户每一次调用模型，都需要消耗算力，调用量越大，推理成本越高，哪怕没有收入，只要模型在线，就需要持续的算力投入来保障服务稳定性。
智谱 2024 年算力投入 15.528 亿元，占研发投入的 70.7%；2025 年上半年算力投入 11.451 亿元，占研发投入的 71.8%，占同期营收的 600% 以上。也就是说，智谱每赚 1 块钱的收入，就要花 6 块钱在算力上，这是其亏损的核心原因。哪怕是模型效率持续优化，推理成本持续下降，算力成本依然是大模型公司最大的刚性支出，只要技术迭代不停止，训练新模型的投入就不会停止，算力成本的压力就会一直存在。
第二座大山：研发人员成本
大模型行业是典型的人才密集型行业，顶尖的 AI 算法人才，是大模型公司最核心的资产，也是最大的成本之一。国内顶尖的大模型算法工程师，年薪普遍在百万级别，核心团队成员的年薪更是高达数百万甚至上千万元，头部大模型公司的研发团队规模普遍在数百人到上千人，仅人员薪酬支出，每年就需要数亿元。
智谱 2025 年末拥有 1094 名正式员工，全年总薪酬成本（含股份支付）高达 13.63 亿元，人均年薪超 120 万元。MiniMax 的研发团队规模超 800 人，2025 年研发人员薪酬支出超 8 亿元，同样是一笔巨额的刚性支出。更重要的是，大模型行业的人才竞争极度激烈，头部人才的薪酬持续上涨，为了留住核心团队，大模型公司不得不持续提升薪酬待遇和股权激励，人员成本的压力只会越来越大，很难出现下降。
第三座大山：销售与交付成本
随着大模型行业从技术研发转向商业化落地，销售与交付成本也在快速上涨，成为大模型公司新的成本压力。私有化部署项目需要大量的售前、交付、运维人员，每个项目都需要专属的团队跟进，项目越多，交付团队的规模就越大，成本就越高。同时，为了拓展客户，大模型公司纷纷组建了庞大的销售团队，覆盖政府、国企、金融、制造等各个行业，销售费用也在快速增长。
智谱 2025 年销售及营销开支同比增长 59.5%，远超营收增速；MiniMax 虽然 2025 年营销费用同比下降 40.3%，但依然保持着较高的基数。对于大模型公司来说，商业化的初期，销售与交付成本的上涨是必然的，只有当收入规模足够大，形成规模效应后，销售费用率才有可能逐步下降，而这个过程，可能需要数年时间。
2.4 利润模型：为什么营收翻倍，亏损也在翻倍？
我们用杜邦分析体系，拆解大模型公司的财务模型，就能清晰地看到，为什么营收在高速增长，亏损却在持续扩大，盈利拐点到底在哪里。
杜邦分析的核心公式是：净资产收益率（ROE）= 销售净利率 × 资产周转率 × 权益乘数。对于大模型公司来说，目前的核心问题，是销售净利率持续为负，哪怕资产周转率和权益乘数再高，ROE 也必然为负。而销售净利率为负的核心原因，是毛利率的提升速度，远远跟不上费用率的上涨速度。
我们以智谱为例，看其核心财务指标的变化：
-
2024 年，营收 3.124 亿元，毛利率 56.3%，研发开支 21.95 亿元，研发费用率 702.7%，经调整净亏损 24.66 亿元； -
2025 年，营收 7.243 亿元，同比增长 131.9%，毛利率 41.0%，研发开支 31.80 亿元，同比增长 44.9%，研发费用率 439.0%，经调整净亏损 31.82 亿元，同比扩大 29.1%。
可以清晰地看到，虽然营收翻倍增长，研发费用率有所下降，但研发开支的绝对额依然在大幅增长，同时毛利率出现了明显下滑，最终导致亏损规模进一步扩大。
MiniMax 的情况也高度相似：
-
2024 年，营收 3052.3 万美元，毛利率 12.2%，经调整净亏损 2.442 亿美元； -
2025 年，营收 7903.8 万美元，同比增长 158.9%，毛利率 25.4%，经调整净亏损 2.509 亿美元，同比扩大 2.75%。
哪怕 MiniMax 的毛利率实现了翻倍提升，营收增长超 150%，亏损依然在小幅扩大，核心原因就是研发开支的刚性增长。
对于大模型公司来说，实现盈利的路径只有两条：
- 大幅提升毛利率
：通过模型效率优化，大幅降低算力成本，同时提升产品定价权，提高整体毛利率水平； - 实现规模效应
：通过营收的规模化增长，大幅摊薄固定成本，让研发费用率、销售费用率下降到合理水平。
但这两条路径，都面临着巨大的挑战。毛利率的提升，一方面依赖模型推理效率的提升，降低单位算力成本；另一方面依赖产品的差异化，摆脱价格战，提升定价权。但目前行业的价格战愈演愈烈，开源模型的冲击越来越大，毛利率的提升难度极大。规模效应的实现，需要营收保持每年 200% 以上的增速，同时研发开支的增速控制在 50% 以内，这在行业竞争日趋激烈的背景下，难度同样极大。
更重要的是，大模型的技术迭代永无止境，只要行业还在技术军备竞赛，大模型公司就不可能大幅削减研发开支，否则就会被竞争对手淘汰。这就形成了一个死循环：不加大研发投入，就会被行业淘汰；加大研发投入，就会持续亏损。
这也是为什么，几乎所有的大模型公司，都无法给出明确的盈利时间表。
2.5 行业竞争格局分析：基于波特五力模型的深度拆解
我们用经典的波特五力模型，从五个维度拆解大模型行业的竞争格局，就能清晰地看到这个行业的底层竞争逻辑，以及每个玩家面临的竞争压力。
1. 现有竞争者之间的竞争程度：极高
目前国内大模型行业的竞争，已经到了白热化的阶段。从玩家数量来看，国内已发布的大模型超 200 个，其中有竞争力的通用大模型厂商超过 20 家，互联网巨头、创业公司、科研院所都在下场，玩家数量极多；从产品同质化来看，大部分大模型的能力、功能、应用场景高度重合，通用能力都在对标 GPT-4，垂直场景都在聚焦金融、政务、制造等行业，差异化极小；从价格竞争来看，行业已经经历了多轮价格战，API 价格累计降幅超 90%，部分厂商甚至推出了永久免费的基础模型，价格战已经从增量市场打到了存量市场；从退出壁垒来看，头部厂商已经投入了数十亿的资金，绑定了大量的投资机构，根本无法轻易退出，只能硬着头皮继续投入，行业陷入了 “内卷至死” 的竞争格局。
2. 潜在进入者的威胁：中低
大模型行业的进入门槛，已经被抬到了极高的水平，潜在进入者的威胁大幅降低。首先是资金门槛，训练一个通用大模型，至少需要 10 亿元以上的资金投入，后续的研发和商业化还需要持续的资金投入，普通的创业公司和中小企业，根本没有能力入局；其次是技术门槛，大模型研发需要顶尖的算法团队、海量的高质量数据、成熟的工程化能力，经过三年的百模大战，行业内的顶尖人才已经被头部厂商瓜分完毕，新进入者很难组建有竞争力的团队；第三是商业化门槛，头部厂商已经占据了大部分的政府、国企、大型企业客户，建立了稳定的合作关系，新进入者很难再切入核心客户群体，商业化的难度极大。
目前来看，除了海外的科技巨头，国内已经很难出现新的有竞争力的大模型玩家，行业的玩家格局已经基本定型。
3. 替代品的威胁：极高
大模型行业面临的替代品威胁，主要来自两个方面，每一个都可能是颠覆性的。第一个方面，是开源大模型的降维打击。Llama 3、DeepSeek、Qwen 等开源大模型的能力，正在快速逼近闭源商业模型，而且完全免费开放，企业和开发者可以基于开源模型自行部署和微调，无需付费使用商业模型。对于大部分中小企业来说，开源模型已经完全能满足其需求，直接替代了商业闭源模型的服务。更重要的是，开源模型的迭代速度极快，全球的开发者都在为开源模型贡献代码，其能力提升速度远超闭源商业模型，未来很可能出现 “开源模型能力追上闭源模型，闭源模型的商业价值大幅缩水” 的局面。
第二个方面，是技术路线的颠覆性变革。大模型的技术路线远没有定型，目前主流的 Transformer 架构，很可能在未来 3-5 年内被新的技术架构替代。比如端侧大模型、AI Agent、神经符号 AI 等新的技术方向，都可能颠覆现有的大模型格局。一旦技术路线发生变革，现有头部厂商的技术积累、算力投入、模型资产，都可能大幅贬值，甚至被完全淘汰。
4. 上游供应商的议价能力：极高
大模型行业的上游核心供应商，是 AI 芯片厂商，其中英伟达一家独大，其议价能力达到了极致。目前国内大模型厂商训练和推理，主要依赖英伟达的 A100、H100 GPU，而受出口管制政策影响，英伟达高端芯片对国内的供应持续受限，处于 “供不应求” 的状态，芯片价格持续上涨，甚至出现了 “一卡难求” 的局面。在这种情况下，上游芯片厂商拥有绝对的定价权和供货话语权，大模型厂商几乎没有议价能力，只能被动接受涨价和供货限制，算力成本的刚性压力，很大程度上就来自于上游供应商的强议价能力。
虽然华为昇腾、壁仞科技等国产芯片厂商正在快速崛起，一定程度上缓解了供应压力，但目前国产芯片的性能、生态和英伟达还有较大差距，短期内很难完全替代，上游供应商的强议价能力，依然会长期存在。
5. 下游客户的议价能力：两极分化
大模型行业的下游客户，议价能力呈现出明显的两极分化。对于政府、国企、大型互联网企业等头部客户来说，其议价能力极强。这类客户的采购规模大，是大模型厂商的核心收入来源，而且同时对接多家大模型厂商，有充分的选择空间，在项目招标中可以通过竞价方式大幅压低价格，大模型厂商为了拿下订单，往往只能接受较低的价格和较高的交付要求，利润空间被大幅压缩。
对于中小企业、开发者和个人用户来说，其议价能力极弱。这类客户的采购规模小，分散度高，没有议价能力，只能接受大模型厂商的定价。但问题在于，这类客户的付费意愿极低，大部分用户只愿意使用免费服务，付费转化难度极大，虽然议价能力弱，但能贡献的收入规模非常有限。
通过波特五力模型的拆解，我们可以得出一个明确的结论：国内大模型行业的整体竞争环境极差，五力中有三个维度的压力都达到了极高水平，行业整体的盈利能力被严重挤压，这也是为什么大模型公司普遍深陷亏损的核心原因。
2.6 头部厂商核心竞争力横向对比
我们从技术能力、商业化能力、资本实力、团队背景四个核心维度，对国内 6 家头部大模型厂商进行横向对比，清晰呈现各家的核心优势与短板。
表格
|
|
|
|
|
|
|
|
|---|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
第三章 资本为什么疯狂？大模型 IPO 的底层定价逻辑
3.1 一级市场的投资逻辑：从技术信仰到退出焦虑
一级市场资本之所以疯狂押注大模型赛道，甚至不惜推高估值，核心逻辑经历了两个阶段的转变，从最初的技术信仰，变成了如今的退出焦虑。
第一阶段，是 2023 年到 2024 年的技术信仰期。这个阶段，ChatGPT 刚刚引爆行业，OpenAI 的估值一路飙升，国内一级市场的核心逻辑，是 “押注中国版 OpenAI”。在 VC 机构的眼中，通用人工智能是下一代互联网的基础设施，是万亿级的市场赛道，谁能跑出中国的 OpenAI，谁就能带来上千倍的投资回报。哪怕只有万分之一的可能性，也值得押下重注。于是，我们看到了头部大模型公司的估值一路飙升，哪怕没有任何商业化收入，只要有顶尖的团队和模型能力，就能拿到数亿元的融资，估值翻几倍。
这个阶段的投资逻辑，是典型的风险投资逻辑：高风险、高回报，用大量的小额押注，博取一个千倍回报的可能性。红杉中国、高瓴资本等头部 VC，几乎投遍了所有头部大模型创业公司，就是典型的 “广撒网、赌龙头” 策略。
第二阶段，是 2025 年至今的退出焦虑期。经过两年的疯狂投入，大模型行业的格局逐渐清晰，头部效应越来越明显，大部分中尾部厂商已经没有了成为龙头的可能性。更重要的是，早期投资机构的基金存续期即将到期，大部分 VC 基金的存续期是 5-7 年，2023 年投进去的资金，2026-2028 年就必须完成退出，否则就要面临基金清算的压力。
而一级市场的后续融资，已经越来越难。中尾部大模型公司，已经很难拿到新的融资，哪怕是头部厂商，后期融资的估值也很难再大幅提升，一级市场的资金已经趋于理性，不愿意再为高估值买单。在这种情况下，IPO，成为了一级资本唯一的退出出口。只有推动被投企业上市，早期投资机构才能在二级市场减持套现，完成基金退出，兑现投资收益。这也是为什么，2025 年底开始，整个大模型行业集体开启了 IPO 竞速，哪怕公司还处于巨额亏损状态，哪怕商业化还没有完全跑通，也要抢着登陆资本市场。
更关键的是，智谱和 MiniMax 上市后的股价暴涨，给了一级资本巨大的信心。两家公司上市后，早期投资机构的账面回报普遍超过了 100 倍，哪怕是后期进入的投资方，也有几倍的账面回报。这种财富效应，让更多的大模型公司和投资方，看到了 IPO 的巨大收益，进一步加速了行业的 IPO 进程。
3.2 二级市场的定价范式：从 PE 到 “智能 × 规模” 的新估值公式
传统的上市公司估值，主要采用 PE（市盈率）、PS（市销率）等指标，核心是基于公司的盈利和营收水平，给出合理的估值。但对于仍处于巨额亏损、营收规模极小的大模型公司来说，传统的估值范式完全失效了。
智谱 2025 年营收 7.243 亿元，净亏损 47.18 亿元，市值最高突破 3000 亿港元，PS（市销率）最高超过 700 倍；MiniMax2025 年营收约 5.7 亿元人民币，净亏损约 13 亿元人民币，市值最高突破 2800 亿港元，PS 最高超过 600 倍；而同样是 AI 巨头的百度，2025 年营收超 1200 亿元，净利润超 200 亿元，市值却只有 3000 亿港元左右，PE 不到 15 倍，PS 不到 3 倍。
这种估值的巨大差异，核心原因是二级市场对大模型公司的定价范式，发生了根本性的转变。资本市场不再用传统的 PE、PS 指标给大模型公司估值，而是采用了全新的估值逻辑：AGI 公司的估值 = 技术领先性 × 商业化天花板 × 市场占有率预期。
拆解来看，这个新估值公式有三个核心定价因子：
第一个定价因子：技术领先性，决定了估值的下限
在 AGI 赛道，技术是绝对的核心壁垒，模型能力的代际领先，直接决定了公司的不可替代性。资本市场认为，大模型行业是典型的 “赢者通吃” 格局，技术领先的头部厂商，会占据绝大部分的市场份额，而技术落后的厂商，最终会被市场淘汰。所以，哪怕公司现在没有收入、没有盈利，只要技术能力处于行业第一梯队，就能拿到极高的估值。
智谱和 MiniMax 之所以能拿到超高估值，核心原因就是资本市场认为，它们是国内独立大模型厂商中，技术能力最接近 OpenAI 的两家公司，GLM 系列模型和 M 系列模型的能力，处于国内第一梯队，有成为中国版 OpenAI 的可能性。
第二个定价因子：商业化天花板，决定了估值的上限
资本市场给大模型公司的超高估值，本质上是对未来万亿级市场的提前兑现。IDC 预测，2026 年中国大模型市场规模将达到 680 亿元，2030 年更是有望增长至 3250 亿元，年复合增长率超 40%。而麦肯锡的报告更是指出，生成式 AI 将为全球经济带来每年 2.6 万亿至 4.4 万亿美元的增长，市场空间几乎是无限的。
在资本市场的眼中，哪怕一家大模型公司现在的营收只有几亿元，但只要能在未来的万亿级市场中占据 10% 的份额，就能实现几百亿的年收入，利润规模有望突破百亿，对应几千亿的市值是完全合理的。这种对未来市场空间的极致想象，是大模型公司能拿到超高 PS 估值的核心原因。
第三个定价因子：市场占有率预期，决定了估值的弹性
同样是技术领先的大模型公司，估值的差异，主要来自于市场占有率的预期。资本市场会根据公司的商业化进展、用户增长速度、客户覆盖范围，判断其未来的市场占有率，进而给出不同的估值弹性。MiniMax 的 C 端产品用户超 2.36 亿，全球化布局完善，国际市场收入占比达 73%，资本市场认为其全球化扩张的空间更大，市场占有率的预期更高，所以给出了更高的估值弹性；智谱的政企客户资源丰富，国内市场渗透率高，收入增长确定性强，资本市场认为其市场占有率的稳定性更高，所以给出了更稳健的估值。
3.3 公司讲给资本市场的核心故事
大模型公司想要在二级市场拿到高估值，就必须给资本市场讲好一个清晰、有想象空间、可验证的故事。目前国内头部大模型公司，讲给资本市场的核心故事，主要有三个，层层递进，共同支撑起了几千亿的市值。
第一个故事：通用人工智能是下一代科技革命的核心，市场空间无限
这是所有大模型公司故事的基础，也是资本市场最认可的底层逻辑。几乎所有大模型公司的招股书，开篇都会强调：通用人工智能是继互联网、移动互联网之后的第三次科技革命，将彻底重构所有行业，带来万亿级的市场机会，是未来十年全球科技行业最大的确定性趋势。
这个故事的核心，是给资本市场建立长期的信仰，让投资者相信，现在的高估值，只是未来万亿市值的起点。就像 2000 年的互联网、2010 年的移动互联网，哪怕当时的公司没有盈利，甚至没有收入，但只要能抓住科技革命的浪潮，未来就能成长为巨头。
第二个故事：国产替代的政策红利，国内市场的确定性机会
这是大模型公司最能打动国内投资者的核心故事，也是区别于海外科技公司的核心优势。大模型公司在招股书中，都会重点强调：通用大模型是人工智能行业的核心基础设施，关乎国家信息安全和科技自主可控，国产替代是必然的趋势。目前国内的大模型市场，海外厂商的份额依然较高，国产大模型厂商有巨大的替代空间，政策层面也会持续支持国产大模型的发展。
这个故事的核心，是给资本市场提供了确定性。哪怕全球市场的竞争存在不确定性，国内市场的国产替代，就是一个确定的、千亿级的市场机会，只要能成为国内头部厂商，就能拿到稳定的市场份额和收入。
第三个故事：商业化拐点已至，收入爆发增长就在眼前
这是大模型公司故事的核心，也是支撑估值的关键。所有大模型公司都会向资本市场强调，公司已经完成了技术积累，进入了商业化落地的关键阶段，收入已经实现了高速增长，未来 2-3 年就会迎来商业化的爆发拐点，亏损会持续收窄，最终实现盈利。
为了验证这个故事，大模型公司会拿出一系列的增长数据：
-
营收同比增长超 100%，甚至超 200%； -
API 调用量同比增长超 500%； -
付费用户数同比增长超 10 倍； -
ARR（年度经常性收入）环比持续高速增长； -
毛利率持续提升，亏损增速持续收窄。
这些数据，都是为了向资本市场证明，公司的商业化已经跑通，现在的亏损只是暂时的，未来的收入爆发是确定的，现在的高估值，未来会被高速增长的业绩消化。
3.4 港交所的制度红利：为大模型 IPO 打开了通道
这场大模型 IPO 潮，之所以集中在港股市场，核心原因是港交所的制度优化，为未盈利的硬科技企业，打开了上市通道。
2023 年，港交所对第 18C 章（特专科技公司上市制度）进行了优化，大幅降低了未盈利硬科技企业的上市门槛，核心调整包括：
-
降低了预期市值要求，商业化阶段的特专科技公司，预期市值从 80 亿港元降至 30 亿港元； -
放宽了研发投入占比要求，更贴合硬科技企业的发展规律； -
优化了上市审核流程，缩短了审核周期，提升了上市效率； -
推出了科技 100 指数，允许符合条件的新科技股快速纳入港股通，吸引内地资金参与。
这次制度优化，对于仍处于巨额亏损状态的大模型公司来说，是决定性的利好。A 股科创板、创业板的上市，对企业的盈利、营收有明确的要求，未盈利企业的上市门槛极高，审核周期极长，大部分大模型公司根本达不到 A 股的上市标准。而港股 18C 章的优化，让没有盈利、甚至营收规模很小的硬科技企业，也能实现上市，完美契合了大模型公司的现状。智谱、MiniMax 能在 2026 年初顺利登陆港股，核心就是依托 18C 章的上市制度。
除此之外，港交所还有两个核心优势，进一步吸引了大模型公司扎堆上市：第一，港股是国际化资本市场，能对接全球资本，方便海外投资机构参与投资，也方便企业未来的全球化布局；第二，港股的上市规则更灵活，对企业的股权架构、股权激励、股东退出的限制更少，方便早期投资机构减持退出，这也是一级资本推动企业赴港上市的核心原因。
港交所的制度红利，是这场大模型 IPO 潮的重要催化剂。没有 18C 章的优化，大部分大模型公司根本无法在短期内实现上市，这场 IPO 狂欢也就无从谈起。
3.5 安索夫矩阵：大模型公司的市场扩张策略
我们用安索夫矩阵，拆解头部大模型公司的市场扩张策略，就能清晰地看到，它们讲给资本市场的增长故事，到底如何落地，未来的增长空间到底在哪里。
安索夫矩阵，将企业的增长策略分为四个维度：市场渗透、市场开发、产品开发、多元化经营。头部大模型公司的增长策略，完全贴合这四个维度，层层递进，构建了完整的增长故事。
1. 市场渗透：深耕现有市场，提升现有产品的市场占有率
这是大模型公司最基础的增长策略，也是短期内最容易兑现的增长。核心逻辑是，在现有的国内政企客户市场，持续提升私有化部署和 MaaS 服务的市场占有率，通过产品迭代和服务优化，从互联网巨头手中抢夺客户，提升单客户的收入贡献。
智谱的核心增长策略，就是市场渗透。其 2025 年营收增长 131.9%，核心就是政企客户数量的大幅提升，客户集中度显著下降，从 2024 年单一客户占比 19%，降至 2025 年无单一客户占比超 10%，客户覆盖范围大幅扩大。对于资本市场来说，这个策略的增长确定性最高，是支撑估值的基本盘。
2. 市场开发：拓展新的市场，打开新的增长空间
这是大模型公司最具想象空间的增长策略，也是资本市场最看重的第二增长曲线。核心逻辑是，从国内市场拓展到海外市场，从政企客户市场拓展到中小企业、个人用户市场，从通用大模型市场拓展到垂直行业市场，打开全新的增长空间。
MiniMax 的核心增长策略，就是市场开发。其 2025 年国际市场收入占比达 73%，服务全球超 200 个国家和地区的用户，成功打开了海外市场；同时 C 端产品收入占比达 67.2%，成功拓展了个人用户市场。对于资本市场来说，全球化和 C 端市场，是万亿级的全新市场，一旦突破，公司的增长天花板就会被彻底打开，估值也会随之大幅提升。
3. 产品开发：推出新的产品，拓展新的收入来源
这是大模型公司实现持续增长的核心策略，也是商业化落地的关键。核心逻辑是，基于现有的基座模型能力，开发新的产品和服务，从单一的模型服务，拓展到 AI 编程、AI Agent、多模态创作、行业解决方案等多个产品领域，拓展新的收入来源。
智谱和 MiniMax，都在加速产品开发的进程。智谱推出了 Coding Plan、Claw Plan 等新产品，上线 20 天订阅用户就突破 40 万；MiniMax 推出了海螺 AI 多模态创作产品、企业级智能体平台，收入结构持续优化。对于资本市场来说，新产品的推出，意味着公司的商业化能力持续提升，收入来源更加多元化，增长的可持续性更强。
4. 多元化经营：布局产业链上下游，构建完整的生态壁垒
这是大模型公司长期发展的核心策略，也是构建长期竞争力的关键。核心逻辑是，从大模型研发，向上游布局 AI 芯片、算力基础设施，向下游布局 AI 应用、行业解决方案，构建完整的 AGI 产业链生态，形成全链条的竞争壁垒。
目前头部大模型公司，都已经开始了多元化布局。智谱与华为昇腾达成了深度合作，联合研发适配国产芯片的大模型；MiniMax 布局了端侧大模型，与手机厂商、汽车厂商达成了合作；月之暗面推出了 AI Agent 开发平台，布局应用生态。对于资本市场来说，全产业链的布局，意味着公司的竞争壁垒更高，长期发展的确定性更强，能给更高的长期估值。
通过安索夫矩阵的拆解，我们可以看到，头部大模型公司已经构建了完整的增长策略体系，从短期的市场渗透，到长期的多元化经营，层层递进，给资本市场讲了一个完整的、可验证的、有巨大想象空间的增长故事。这也是资本市场愿意给它们超高估值的核心原因之一。
第四章 被忽视的风险与隐忧：IPO 狂欢背后的 6 个致命问题
这是整篇文章的灵魂。市场上所有的文章，都在讲大模型的技术革命、万亿市场、增长奇迹，却很少有人真正拆解，这场 IPO 狂欢背后，那些被忽视的、真正致命的风险与隐忧。我们从商业化、成本、技术、估值、监管、二级市场承接力六个维度，彻底拆解大模型 IPO 潮背后的真实风险，每一个风险，都可能决定这些拟上市公司，在二级市场的最终命运。
4.1 商业化的可持续性风险：收入高度依赖政企订单，To C 商业化不及预期
市场只看到了大模型公司营收翻倍增长的光鲜，却很少有人关注，这些收入的结构，到底健不健康，可持续性到底有多强。我们通过智谱、MiniMax 的财报数据，以及行业调研信息，发现国内大模型公司的商业化，存在两个致命的结构性问题，直接影响了收入的可持续性。
第一个问题：收入高度依赖政府、国企订单，市场化收入占比极低
目前国内头部大模型公司的收入，70% 以上来自政府、国企的私有化部署项目，市场化的中小企业、个人用户收入占比不足 30%。智谱 2025 年本地化部署收入占比 73.7%，核心客户就是政府、央企、金融机构等；哪怕是 C 端商业化最成功的 MiniMax，其国内收入的核心来源，依然是国企、政企的项目订单。
这种收入结构，带来了三个巨大的风险：第一，收入的周期性极强，高度依赖政策周期和财政预算。政府、国企的信息化预算，有明显的政策周期，2023-2025 年是国产大模型的政策红利期，各地政府、国企纷纷上马大模型项目，带来了收入的爆发增长。但一旦政策红利消退，财政预算收紧，项目数量就会大幅减少，收入增速会快速下滑，甚至出现负增长。
第二，项目制收入没有持续性，无法形成稳定的现金流。私有化部署项目，大多是一次性的项目交付，客户一次性支付费用，后续只有少量的运维服务费，收入没有持续性。这意味着，大模型公司想要保持收入增长，就必须不断拿下新的项目，一旦项目数量跟不上，收入就会立刻下滑。这和 SaaS 公司的订阅制收入完全不同，订阅制收入有极强的持续性和复购率，而项目制收入是 “一锤子买卖”，增长的确定性极低。
第三，客户集中度高，大客户流失的风险极大。政府、国企的大模型项目，大多采用招标模式，合作关系并不稳定，今年的项目给了智谱，明年就可能给了百度、阿里，客户流失的风险极高。一旦丢失了几个核心大客户，公司的营收就会出现大幅波动。
更重要的是，政企大模型项目的需求，终有饱和的一天。政府、国企的数量是有限的，核心的信息化需求也是有限的，经过 2023-2025 年三年的集中采购，大部分有需求的政府、国企，都已经完成了大模型的部署，后续的更新迭代需求，远不及初期的采购规模。当政企市场的需求饱和后，大模型公司的收入增长，该靠什么支撑？这是资本市场很少思考，却极其致命的问题。
第二个问题：To C 商业化不及预期，付费意愿和付费率远低于预期
几乎所有大模型公司，都把 To C 商业化作为未来的核心增长曲线，讲给资本市场的故事里，C 端市场是万亿级的蓝海。但现实情况是，国内大模型的 To C 商业化，进展远不及预期，甚至已经陷入了困境。
首先，免费模式已经成为行业主流，付费转化的难度极大。百度文心一言、阿里通义千问、腾讯混元等巨头的大模型产品，都推出了永久免费的基础会员，免费功能已经能满足普通用户 90% 以上的需求。在这种情况下，用户根本没有动力付费购买会员，付费转化难度极大。目前国内 C 端 AI 产品的平均付费率，普遍不足 1%，远低于海外 ChatGPT Plus 的付费率，和资本市场预期的 “C 端收入爆发”，相差甚远。
其次，产品同质化严重，没有差异化的付费点。国内大部分 C 端 AI 产品，功能高度重合，都是 AI 对话、AI 创作、AI 编程等基础功能，没有差异化的核心竞争力，用户用哪家的产品都一样，根本没有为某一款产品付费的理由。哪怕是 Kimi、海螺 AI 等有差异化功能的产品，也很快被竞争对手模仿，差异化优势持续的时间极短，很难形成稳定的付费用户群体。
第三，用户留存率极低，很难形成稳定的订阅收入。C 端 AI 产品的用户，大多是尝鲜式使用，新鲜感过后，就会很少打开，用户留存率极低。行业数据显示，国内 C 端 AI 产品的 7 日留存率普遍不足 20%，30 日留存率不足 5%，大部分用户下载后，用几次就会卸载，根本无法形成稳定的订阅收入。
To C 商业化的不及预期，意味着大模型公司讲给资本市场的第二增长曲线，很可能无法兑现。当政企市场需求饱和后，公司的收入增长就会失去支撑，高估值自然也就无从谈起。
4.2 算力成本的刚性陷阱：永远降不下来的成本，永远填不满的亏损
我们在第二章已经拆解过，算力成本是大模型公司最大的刚性支出，占研发投入的 70% 以上。但市场很少有人意识到，算力成本不是一个短期问题，而是一个长期的、刚性的陷阱，只要大模型公司不停止技术迭代，这个陷阱就永远填不满。
首先，芯片供应受限，算力价格很难大幅下降。受出口管制政策影响，英伟达高端 GPU 对国内的供应持续受限，国产芯片的性能和生态，短期内还无法完全替代英伟达。在供需失衡的情况下，高端芯片的价格持续上涨，算力租赁的价格也很难出现大幅下降，大模型公司的算力成本，很难出现实质性的下降。
其次，模型参数越来越大，训练成本持续攀升。大模型的技术迭代，核心就是模型能力的提升，而模型能力的提升，必然伴随着参数规模的扩大、训练数据量的增加，训练成本也会随之指数级增长。GPT-3 的训练成本约 4600 万美元，GPT-4 的训练成本超过 1 亿美元，GPT-5 的训练成本预计将超过 10 亿美元。国内大模型的技术迭代，也在遵循同样的规律，每一代新模型的训练成本，都比上一代翻几倍，哪怕推理成本下降了，训练成本的上涨，也会让整体算力成本持续攀升。
第三，推理成本的下降，会被调用量的增长完全抵消。很多人认为，随着模型效率的优化，单位推理成本会持续下降，算力成本的压力会逐步缓解。但现实情况是，单位推理成本的下降，会带来调用量的指数级增长，最终整体的推理成本，不仅不会下降，反而会持续上涨。OpenAI 就是最典型的例子，过去三年，其单位 Token 推理成本下降了 90% 以上，但整体的算力成本，却从每年几亿美元，上涨到了每年几十亿美元，核心原因就是调用量的增长，完全抵消了单位成本的下降。国内大模型公司也面临同样的情况，API 价格下降了 90%，调用量增长了 10 倍，最终整体的算力成本，不仅没有下降，反而翻了几倍，亏损的规模也随之扩大。
这就是算力成本的刚性陷阱：模型迭代不停止，算力投入就不会停止，成本就会持续上涨，亏损就会持续扩大。大模型公司想要跳出这个陷阱，只有两个办法：要么停止技术迭代，放弃行业竞争；要么实现收入的增速，远超算力成本的增速。但在目前的行业竞争格局下，这两个办法，都几乎无法实现。
4.3 技术迭代的不确定性：今天的百亿投入，明天可能一文不值
AGI 行业的技术迭代速度，远超所有行业，技术路线的不确定性，是大模型公司最大的潜在风险之一。今天你投入几十亿训练出来的千亿参数大模型，明天可能就会被新的技术架构、新的模型完全替代，之前的所有投入，都可能打了水漂，变得一文不值。
这种技术迭代的不确定性，主要来自三个方面：
第一，基础技术架构的颠覆性变革
目前主流的大模型，都基于 Transformer 架构，这个架构诞生于 2017 年，至今已经有 9 年的时间。在人工智能行业，一个技术架构能保持 9 年的领先，已经是奇迹。行业内已经出现了大量新的技术架构，比如状态空间模型（SSM）、扩散 Transformer、神经符号 AI 等，这些新的架构，在推理效率、长文本处理、逻辑推理能力等方面，已经展现出了超越传统 Transformer 架构的潜力。一旦新的技术架构实现了颠覆性突破，取代了 Transformer 架构，现有头部厂商基于 Transformer 架构的所有技术积累、模型资产、算力投入，都会大幅贬值，甚至被完全淘汰。就像移动互联网时代，诺基亚在功能机上的所有积累，一夜之间变得一文不值；智能手机时代，柯达在胶卷上的所有技术优势，瞬间化为乌有。这种颠覆性的技术变革，在 AGI 行业，随时都可能发生。
第二，开源模型的降维打击，闭源模型的商业价值持续缩水
我们在第三章已经提到，开源大模型的能力，正在快速逼近闭源商业模型，而且迭代速度远超闭源模型。Llama 3、DeepSeek、Qwen 等开源大模型，在通用能力上，已经和 GPT-4、智谱 GLM-4 等闭源模型的差距缩小到了 1-2 年，而且完全免费开放，企业和开发者可以基于开源模型，自行部署、微调、二次开发，成本远低于使用闭源商业模型。
更致命的是，开源模型的迭代速度，是闭源模型无法比拟的。闭源模型的迭代，只靠公司内部的研发团队；而开源模型的迭代，靠的是全球数百万的开发者，所有人都可以为开源模型贡献代码、优化性能、完善生态。这就形成了 “闭源模型跑一步，开源模型跑十步” 的局面，两者的能力差距，会越来越小，最终开源模型的能力会完全追上闭源模型。到那个时候，闭源商业模型的核心竞争力，就会完全消失，商业价值也会大幅缩水。对于资本市场来说，这是一个极其致命的风险：现在你花几千亿估值买的闭源大模型公司，未来可能因为开源模型的冲击，变得毫无商业价值。
第三，技术路线的选择错误，一步错，步步错
大模型的研发，有大量的技术路线选择：是做通用大模型，还是垂直行业大模型？是做云端大模型，还是端侧大模型？是走闭源商业化路线，还是走开源生态路线？每一个技术路线的选择，都直接决定了公司的未来命运，一旦选择错误，就会被行业彻底淘汰，没有回头的机会。
最典型的例子，就是百川智能和零一万物，两家公司在 2023 年都是通用大模型的第一梯队玩家，但在 2025 年，两家公司都选择了放弃通用大模型的研发，转型垂直行业解决方案。这个选择，意味着它们彻底退出了通用大模型的竞争，未来再也没有成为中国版 OpenAI 的可能性，估值天花板也被彻底锁死。
而那些依然坚持通用大模型研发的公司，也面临着技术路线选择的风险。比如，是持续加大投入做千亿参数的大模型，还是转向轻量化的端侧大模型？一旦行业的主流路线转向端侧，现在投入百亿做云端大模型的公司，就会被时代抛弃。
在 AGI 这个技术迭代极快的行业，没有任何一家公司，能保证自己的技术路线选择永远正确。一步错，步步错，这是所有大模型公司，都必须面对的终极不确定性。
4.4 一二级估值倒挂的灰犀牛：解禁潮的抛压，谁来承接？
市场只看到了智谱、MiniMax 上市后股价暴涨的财富效应，却很少有人关注，一二级估值倒挂的灰犀牛，正在快速逼近。对于大模型公司来说，IPO 不是终点，而是解禁潮的起点。而解禁潮带来的天量抛压，二级市场到底能不能承接住，是一个巨大的问号。
首先，一级市场的估值，已经远远超出了二级市场的合理估值水平。我们前面提到，智谱 IPO 前的估值突破 500 亿元人民币，上市后市值最高突破 3000 亿港元，PS 最高超过 700 倍；MiniMax 上市前估值突破 400 亿元人民币，上市后市值最高突破 2800 亿港元，PS 最高超过 600 倍。这个估值水平，不仅远超 A 股、港股的科技巨头，甚至远超海外的 AI 龙头。OpenAI2025 年的收入是 130 亿美元，估值 1.4 万亿美元，PS 约 65 倍，只有智谱、MiniMax 的十分之一。哪怕是和 A 股科创板的半导体、AI 公司相比，这个估值水平也高出了几十倍，完全脱离了公司的基本面，是典型的流动性溢价和稀缺性溢价。
更重要的是，这种高估值，是建立在极小的流通盘之上的。智谱 IPO 发行的股份，只占公司总股本的不到 10%，流通盘极小，少量的资金就能推动股价大幅上涨；MiniMax 的情况也完全一样，IPO 发行的股份占比不足 8%，流通盘极小上海证券报·中国证券网。一旦限售股解禁，天量的股份进入流通市场，现有的股价和估值，根本无法支撑，必然会出现大幅下跌。
其次，早期投资机构的减持意愿极强，解禁潮的抛压是天量级的。智谱 IPO 前，已经完成了 8 轮融资，投资方超过 50 家，这些早期投资方的持股成本极低，哪怕是按发行价计算，账面回报也超过了几十倍，按上市后的最高价计算，账面回报更是超过了百倍。对于这些 VC 机构来说，基金存续期即将到期，减持套现是唯一的目标，一旦解禁，必然会不计成本地抛售，没有任何长期持有的理由。港交所的规则规定，IPO 前的投资方，限售期通常是 6 个月，基石投资者的限售期也是 6 个月。智谱和 MiniMax 是 2026 年 1 月上市的，2026 年 7 月，就会迎来首批限售股解禁，天量的抛压，随时都会到来。
更可怕的是，不止智谱和 MiniMax，未来 1-2 年，会有十几家大模型公司陆续登陆港股，每家公司上市后 6 个月，都会迎来解禁潮，二级市场的 AI 板块，会持续面临天量的抛压。而港股市场的流动性，本来就极其有限，2026 年一季度，港股日均成交额只有约 1000 亿港元，其中大部分成交额都集中在腾讯、阿里等巨头身上，AI 板块的日均成交额不足 100 亿港元。这么有限的流动性，根本承接不住这么大的解禁抛压，一二级估值倒挂的灰犀牛，必然会撞上，股价和估值的大幅回调，几乎是确定的。
4.5 政策监管的合规风险：悬在头上的达摩克利斯之剑
生成式 AI 行业，是强监管行业，政策监管的变化，直接决定了行业的发展方向，也直接影响了大模型公司的经营和估值。目前国内已经形成了完善的生成式 AI 监管体系，从国家层面的《生成式人工智能服务管理暂行办法》，到行业的《人工智能大模型》系列国家标准，再到各地的备案管理细则，监管要求越来越严格，合规风险，已经成为悬在大模型公司头上的达摩克利斯之剑中国政府网国家自然科学基金委员会。
首先，数据合规的风险，是大模型公司最核心的合规风险。大模型的训练，需要海量的文本、图像、音频、视频数据，而这些数据的版权、合规性，一直是行业的灰色地带。《生成式人工智能服务管理暂行办法》明确规定，生成式 AI 服务提供者，对训练数据的合法性负责，不得侵犯他人的知识产权、个人信息权益。如果使用了未经授权的版权数据训练模型，需要承担相应的法律责任中国政府网。
目前国内大部分大模型公司，训练数据都来自互联网公开数据，其中大量的文本、图片、视频内容，都没有获得版权方的授权，存在极大的侵权风险。海外已经出现了大量的版权诉讼，OpenAI、Midjourney 等公司，被纽约时报、 Getty Images 等版权方起诉，索赔金额高达数十亿美元，诉讼结果直接影响了公司的经营和估值。国内的版权监管也在持续收紧，未来一旦出现大规模的版权诉讼，大模型公司不仅要面临巨额的赔偿，还可能被要求停止使用侵权数据训练模型，甚至停止提供服务，对公司的经营造成致命打击。
其次，内容安全的监管要求，持续提升大模型的合规成本。《生成式人工智能服务管理暂行办法》明确要求，生成式 AI 服务提供者，必须建立内容安全审核机制，对生成的内容进行审核，防止生成违法违规、危害国家安全、违背社会主义核心价值观的内容中国政府网。2026 年 1 月实施的《人工智能大模型》系列国家标准，更是对大模型的安全评测、内容审核、风险防控，提出了明确的、量化的要求国家自然科学基金委员会。
为了满足监管要求，大模型公司必须投入大量的人力、物力、算力，搭建内容安全审核体系，对训练数据、生成内容进行全流程的审核，这大幅提升了公司的合规成本。更重要的是，一旦出现内容安全问题，公司的服务可能会被暂停，甚至被吊销备案，直接影响公司的正常经营。对于上市公司来说，这种监管风险，会直接影响股价和估值。
第三，行业准入的备案管理，提高了行业的竞争门槛，也带来了不确定性。目前国内对生成式 AI 服务，实行备案管理制度，只有通过备案的大模型，才能向公众提供服务。广东省截至 2026 年 1 月，备案的大模型数量只有 124 款，大部分中小厂商的大模型，都无法通过备案。
备案制度的存在，虽然提高了行业的竞争门槛，保护了头部已备案的厂商，但也带来了极大的不确定性。备案不是终身制的，监管部门会定期对已备案的大模型进行复核，一旦复核不通过，就会被取消备案，无法继续提供服务。同时，备案政策也可能随时调整，一旦备案门槛提高，哪怕是头部厂商，也可能面临备案无法通过的风险。
政策监管的合规风险，是大模型公司无法控制的外部风险，也是最不可预测的风险。任何一项监管政策的调整，都可能彻底改变行业的格局，影响公司的命运。这也是大模型公司长期估值，最大的不确定性之一。
4.6 二级市场承接力的极限：IPO 潮遇上破发潮，钱真的够吗？
我们回到文章最核心的问题：大模型公司排队 IPO，二级市场的钱，真的够吗？答案是：远远不够。二级市场的承接力，已经到了极限，这场 IPO 狂欢，正在撞上 IPO 破发潮的冰冷现实。
首先，港股市场的流动性，根本承接不住这么多的大模型 IPO。我们前面提到，2026 年一季度，港股日均成交额只有约 1000 亿港元，其中 80% 的成交额，集中在腾讯、阿里、美团、汇丰等几十家头部公司身上，剩下的几千家上市公司，瓜分剩下的 200 亿港元日均成交额。而未来 1-2 年，十几家大模型公司陆续 IPO，每家公司的募资额，少则几十亿港元，多则上百亿港元，合计募资额将超过千亿港元。这么大规模的 IPO 募资，会直接抽干港股市场本就有限的流动性，导致整个市场的估值中枢下移，新股的发行难度越来越大，破发率越来越高。
其次，港股 IPO 市场已经出现了严重的分化，破发率持续攀升，尾部公司的发行难度极大。2026 年一季度，港股共有 38 家公司上市，其中 24 家已经跌破发行价，破发率高达 61.54%，远超 2025 年全年的 27.6%。哪怕是招股期间获得超 5000 倍超额认购的新股，上市首日也可能破发，比如优乐赛共享，招股期间公开发售获得超 5000 倍认购，上市首日却大跌 43.64%，直接破发。
市场的资金，正在向极少数的头部标的极致集中。2026 年一季度上市的新股中，只有智谱、MiniMax、壁仞科技等少数 AI、半导体赛道的头部公司，上市后实现了大幅上涨，其余大部分新股，上市后都持续下跌，甚至腰斩。这意味着，二级市场的资金，只愿意给赛道里最头部的 1-2 家公司高估值，对于中尾部的公司，根本不愿意买单，哪怕成功上市，也会很快破发，甚至出现流动性枯竭，无人交易的局面。
对于那些排队 IPO 的中尾部大模型公司来说，这是一个极其残酷的现实：哪怕你成功通过聆讯，成功上市，也可能面临发行失败、上市即破发、流动性枯竭的局面，早期投资机构根本无法顺利减持退出，IPO 的意义，也就荡然无存了。
更重要的是，市场的审美疲劳，正在快速到来。2026 年初，智谱、MiniMax 上市，市场对大模型新股的热情极高，因为它们是 “全球首批大模型上市公司”，有极强的稀缺性。但未来 1-2 年，十几家大模型公司陆续上市，稀缺性会完全消失，市场对大模型新股的审美疲劳，会快速到来。到那个时候，投资者已经看腻了 “技术革命、万亿市场、增长拐点” 的故事，只会关注公司的真实营收、利润和商业化能力，那些没有真实业绩支撑的大模型公司，根本不会再有人买单。
二级市场的钱，从来都不是无限的。当十几家亏损的大模型公司，拿着几千亿的估值预期，排队冲向二级市场的时候，最终的结果，必然是大部分公司无法顺利上市，哪怕成功上市，也会破发，最终被市场淘汰。所谓的 “IPO 狂欢”，最终只会是头部少数玩家的盛宴，大部分排队的公司，只会成为这场狂欢的背景板。
第五章 终局判断：大模型行业的未来 3-5 年，谁能活下来？
5.1 行业格局预测：从百模大战到 3+X 格局
经过三年的百模大战，再加上这场 IPO 潮的洗礼，未来 3-5 年，国内大模型行业的格局，会彻底定型，从 “百模大战”，走向 “3+X” 的终局格局。
所谓的 “3”，指的是国内最终只会剩下 3 家通用大模型头部厂商，形成第一梯队，占据国内通用大模型市场 80% 以上的份额。这 3 家厂商，必然会具备三个核心特征：
- 技术持续领先
：能跟上全球大模型的技术迭代节奏，模型能力始终处于第一梯队，和 OpenAI 的差距保持在 1-2 年以内； - 商业化闭环
：已经跑通了可持续的商业化模式，实现了营收的规模化增长，有能力覆盖研发和算力投入，最终实现盈亏平衡； - 资本实力雄厚
：有持续的资金投入能力，能支撑长期的技术研发和算力投入，扛过行业的技术迭代和周期波动。
从目前的行业格局来看，最有可能进入第一梯队的 3 家厂商，分别是百度文心一言、阿里通义千问，以及智谱 AI。百度和阿里，有互联网巨头的资金、算力、场景、客户资源支撑，技术迭代和商业化落地的能力极强，是通用大模型赛道最确定的玩家；智谱 AI，是独立大模型厂商中技术、商业化、资本布局最领先的公司，已经实现了 A+H 上市，有充足的资金支撑，是最有可能和巨头抗衡的独立厂商。
而 MiniMax、月之暗面、阶跃星辰等其他独立大模型厂商，要么在竞争中被淘汰，要么转型进入第二梯队，也就是所谓的 “X”。
所谓的 “X”，指的是一批在垂直行业、细分赛道有核心竞争力的垂直大模型厂商，以及端侧大模型、AI Agent 等细分领域的头部玩家。这些厂商，不会再和第一梯队的玩家竞争通用大模型市场，而是聚焦在金融、医疗、制造、法律等垂直行业，深耕行业场景，打造行业专属的垂直大模型和解决方案，形成自己的核心竞争力，在细分赛道占据领先地位。它们的市场规模虽然不如通用大模型，但商业化落地更快，盈利能力更强，能在细分市场形成稳定的收入和利润，活下来的概率极高。
而那些既没有通用大模型技术能力，又没有垂直行业深耕的中尾部大模型厂商，未来 3-5 年，必然会被行业淘汰，要么倒闭，要么被并购，最终消失在百模大战的浪潮中。
5.2 可能的破局点：大模型公司真正的机会在哪里？
对于大模型公司来说，想要在未来的行业格局中活下来，甚至成为最终的赢家，必须找到真正的破局点，跳出现在的内卷和亏损陷阱。我们认为，未来 3-5 年，大模型公司有三个核心破局点，每一个都可能诞生新的巨头。
第一个破局点：垂直行业的深度落地，实现真正的商业化闭环
这是大部分大模型公司，最现实、最容易实现的破局点。通用大模型市场的竞争，已经被巨头和头部玩家垄断，中尾部厂商根本没有机会胜出。但在垂直行业，比如金融、医疗、制造、能源、法律等领域，大模型的落地还处于非常早期的阶段，有巨大的机会。
垂直行业的核心需求，不是通用大模型的能力有多强，而是能不能真正解决行业的实际问题，提升行业的效率，降低行业的成本。比如在制造业，大模型能不能实现工业设备的智能预测性维护，降低设备故障率；在金融业，大模型能不能实现智能风控、智能投顾，提升金融机构的收益；在医疗行业，大模型能不能实现辅助诊断、药物研发，提升医疗效率。这些垂直行业的需求，需要大模型厂商深度理解行业知识，和行业场景深度结合，不是靠通用大模型的能力就能解决的，这恰恰是创业公司的机会。
一旦在某个垂直行业实现了深度落地，跑通了商业化模式，就能形成稳定的收入和利润，跳出通用大模型的内卷和亏损陷阱，在细分赛道形成自己的护城河，活下来并发展壮大。
第二个破局点：端侧大模型的爆发，打开全新的市场空间
这是未来 3-5 年，大模型行业最大的技术和市场趋势，也是最有可能颠覆现有行业格局的破局点。目前的大模型，主要部署在云端，用户通过 API 调用，所有的推理都在云端完成，这也是为什么算力成本居高不下的核心原因。而端侧大模型，指的是把大模型部署在手机、电脑、汽车、智能硬件等终端设备上，推理完全在端侧完成，不需要调用云端 API。
端侧大模型，有三个核心优势，是云端大模型无法比拟的：
- 成本极低
：端侧推理不需要消耗云端算力，几乎没有边际成本，彻底跳出了算力成本的刚性陷阱； - 隐私性极强
：所有的数据和推理都在端侧完成，不会上传到云端，完美解决了数据隐私和合规的问题，这对于政企、金融、个人用户来说，是极强的吸引力； - 延迟极低
：端侧推理不需要网络传输，延迟几乎为零，能满足汽车、工业、实时交互等场景的低延迟需求。
随着芯片技术的发展，端侧设备的算力越来越强，大模型的轻量化技术也在快速进步，未来 3-5 年，百亿参数的大模型，将能流畅地运行在手机、汽车等终端设备上，端侧大模型会迎来全面爆发。
这对于大模型公司来说，是一个全新的、万亿级的市场空间，也是打破现有格局的绝佳机会。谁能率先在端侧大模型领域实现技术突破，和手机厂商、汽车厂商、智能硬件厂商达成深度合作，谁就能在未来的行业格局中，占据领先地位，甚至颠覆现有的云端大模型巨头。
第三个破局点：AI Agent 的商业化突破，重构所有行业的生产力
这是大模型行业的终极终局，也是最大的想象空间。AI Agent，指的是基于大模型的智能体，能自主理解用户的需求，自主规划任务，自主调用工具，自主完成复杂的工作，是比大模型更高级的人工智能形态。如果说现在的大模型是 “智能工具”，那么 AI Agent 就是 “智能员工”，能完全替代人类完成大部分的脑力工作，彻底重构所有行业的生产力，带来万亿级的市场机会。
目前 AI Agent 的发展，还处于非常早期的阶段，大部分 Agent 还只能完成简单的任务，距离真正的商用，还有很大的差距。但未来 3-5 年，随着大模型能力的提升，AI Agent 会迎来商业化的突破，在办公、编程、金融、客服、销售等多个领域，实现规模化的商用。
对于大模型公司来说，AI Agent 是实现商业化闭环、提升产品差异化、构建用户粘性的终极路径。一旦推出了真正能解决用户需求的 AI Agent 产品，就能实现极高的用户付费率和留存率，形成稳定的订阅收入，彻底摆脱现在的项目制收入陷阱，实现可持续的规模化增长。更重要的是，AI Agent 能构建完整的生态壁垒，用户一旦习惯了你的 Agent 产品，就很难迁移到其他平台，形成极强的用户粘性，这是通用大模型无法实现的。
5.3 最大的挑战：技术、商业化、资本的三重平衡
对于所有大模型公司来说，未来 3-5 年，最大的挑战，不是技术迭代，不是市场竞争，而是如何实现技术、商业化、资本的三重平衡。过去三年，行业的玩家们，要么只关注技术，忽略了商业化，最终资金链断裂，被行业淘汰；要么只关注短期的商业化收入，放弃了长期的技术研发，最终被技术迭代甩在身后；要么被资本裹挟，为了 IPO 冲短期数据，放弃了长期的战略布局，最终上市后业绩变脸，被市场抛弃。
想要活下来，成为最终的赢家，必须同时平衡好三个核心矛盾：
第一个矛盾：长期的技术研发投入，和短期的商业化落地的平衡
大模型行业，技术是核心壁垒，没有持续的技术研发投入，就会被行业淘汰；但持续的技术研发投入，会带来巨额的亏损，没有短期的商业化落地，公司就会资金链断裂，活不到技术兑现的那一天。如何在保证长期技术研发投入的同时，实现短期的商业化落地，用商业化的收入，支撑技术研发，形成正向循环，是所有大模型公司，都必须解决的核心难题。
第二个矛盾：资本市场的短期业绩要求，和公司长期战略布局的平衡
公司上市之后，资本市场会对公司的短期业绩，有极高的要求，每个季度的营收增速、亏损收窄情况，都会直接影响公司的股价和估值。但大模型行业，是一个需要长期主义的行业，很多长期的战略布局，比如端侧大模型、AI Agent 的研发，需要持续的巨额投入，短期内不会带来收入，甚至会扩大亏损，和资本市场的短期业绩要求，是完全矛盾的。如何在满足资本市场短期业绩要求的同时，不放弃公司的长期战略布局，不被短期的股价波动裹挟，是上市后的大模型公司，必须面对的核心挑战。
第三个矛盾：行业的内卷竞争，和差异化发展的平衡
现在的大模型行业，陷入了严重的同质化内卷，所有的公司都在对标 GPT-4，都在做通用大模型，都在抢政企私有化项目，都在打价格战，最终的结果，就是全行业的亏损持续扩大，没有赢家。想要跳出内卷，就必须走差异化发展的路线，要么深耕垂直行业，要么布局端侧大模型，要么聚焦 AI Agent，找到自己的差异化优势。但差异化发展，意味着要放弃现有的短期市场机会，承担更大的战略风险，这对于大部分公司来说，是一个极其艰难的选择。
5.4 明确的终局判断
基于以上的所有分析，我们给出四个明确的、毫不模棱两可的终局判断，这四个判断，会在未来 3-5 年，被行业一一验证。
判断一：IPO 潮之后，必然会迎来退市潮，80% 的拟 IPO 大模型公司，最终会被市场淘汰。未来 1-2 年，十几家大模型公司会陆续登陆港股，但其中 80% 的公司，既没有技术壁垒，也没有商业化闭环，只是靠着资本的推动上市。上市之后，业绩无法兑现，股价持续下跌，最终要么私有化退市，要么被市场淘汰，沦为仙股。这场 IPO 狂欢，最终只会是头部少数玩家的盛宴，大部分公司，只会成为时代的背景板。
判断二：通用大模型市场，最终只会剩下 3 家玩家，独立大模型厂商最多只会活下来 1 家。通用大模型赛道，是典型的赢者通吃、强者恒强的格局，需要持续的巨额资金投入、海量的数据积累、完整的生态布局，只有互联网巨头和极少数头部独立厂商，才有能力参与竞争。未来 3-5 年，国内通用大模型市场，最终只会剩下百度、阿里等 2 家互联网巨头，加上 1 家头部独立厂商，形成 3 家垄断的格局，其他玩家，要么退出通用大模型市场，要么被并购。
判断三：垂直行业大模型，会成为中尾部厂商的唯一出路，诞生一批专精特新的 AI 公司。中尾部大模型厂商，想要在通用大模型市场和巨头竞争，几乎没有任何胜算。唯一的出路，就是放弃通用大模型的内卷，聚焦垂直行业，深耕行业场景，打造行业专属的大模型和解决方案，在细分赛道形成自己的核心竞争力。未来 3-5 年，会有一批深耕垂直行业的大模型公司，实现盈利，在细分市场上市，成为专精特新的 AI 公司，活下来并发展壮大。
判断四：端侧大模型和 AI Agent，会成为颠覆现有行业格局的关键变量，诞生新的行业巨头。未来 3-5 年，大模型行业最大的两个趋势，就是端侧大模型和 AI Agent。这两个方向，会彻底重构现有的行业格局，打破云端通用大模型的垄断，诞生新的行业巨头。现在的头部玩家，如果不能抓住这两个趋势，很可能会被时代抛弃；而现在的中尾部玩家，如果能在这两个方向实现突破，就有机会实现弯道超车，成为未来的行业巨头。
结尾
这场大模型 IPO 潮，本质上是一场一级资本和二级市场的博弈。一级资本用三年的时间，烧了上千亿的资金，把大模型公司推上了资本市场，想要在二级市场兑现投资收益；而二级市场，用极高的估值，承接了这些尚未盈利、商业化尚未跑通的公司，赌的是通用人工智能的万亿未来。
这场博弈，没有绝对的赢家和输家。对于那些真正有技术实力、能实现商业化闭环的公司来说，IPO 不是终点，而是新的起点，资本市场的资金，会帮助它们加速技术研发和商业化落地，最终成长为真正的 AGI 巨头，给投资者带来丰厚的回报。而对于那些没有核心竞争力、只是靠着资本裹挟上市的公司来说，IPO 就是终点，潮水退去之后，就会发现谁在裸泳，最终只会被市场淘汰，让投资者付出惨痛的代价。
通用人工智能，确实是下一代科技革命的核心，确实有万亿级的市场空间，这一点，毋庸置疑。但我们也要清醒地认识到，任何一场科技革命，最终能活下来的，永远只有极少数的玩家，大部分公司，都会成为时代的炮灰。这场 IPO 狂欢，终有落幕的一天。当狂欢散去，市场最终会回归理性，只会给那些真正能创造价值、实现盈利的公司，合理的估值。
最后，我想问问屏幕前的你：你认为，在这场大模型 IPO 潮中，哪家公司能最终活下来，成为中国的 OpenAI？二级市场，真的能承接住这波 IPO 洪流吗？欢迎你在评论区，留下你的观点。
【转发语】拆解 12 家拟 IPO 大模型厂商，讲透大模型 IPO 狂欢背后的资本故事、盈利真相、风险隐忧与行业终局。一文看懂，大模型公司排队上市，二级市场到底能不能接住。
关注【知名公司深度解读】，下期我们将深度拆解智谱 AI，这家 “全球大模型第一股”，到底能不能兑现资本市场的预期，成为中国的 OpenAI。
本文核心观点摘要
大模型公司扎堆 IPO，核心是一级资本的退出需求；行业商业化仍高度依赖政企订单，To C 落地不及预期，面临算力成本、技术迭代、一二级估值倒挂等多重风险；未来行业将形成 3+X 格局，仅少数头部厂商能最终胜出。
读者互动问题
-
你认为国内大模型厂商中，哪家最有可能成为中国版 OpenAI？ -
你觉得大模型公司的 IPO 高估值，最终能靠业绩兑现吗？ -
端侧大模型和 AI Agent，你更看好哪个方向的商业化前景？
免责声明：本文仅为作者基于科技热点及管理模型的深度分析与个人观点，不构成任何投资建议、决策依据或使用指导。文中涉及的热点信息、数据、观点均来源于公开渠道，作者尽力确保信息的准确性与完整性，但不承诺信息无遗漏、无误差，若因本文内容产生任何纠纷、损失，作者及发布平台不承担任何法律责任。读者需理性看待本文观点，自行判断信息的真实性与适用性，如有侵权，请联系作者删除。
本文内容涉及到的各项数据均来源于网络渠道，本账号的运营者不对数据的真实性可靠性负责，请各位粉丝合理分辨。本文涉及到的观点如无特别声明，则仅仅是根据当下特殊时间段和特殊情景下的结论，并不构成任何决策依据，且随着时间的推移本文涉及的观点可能会发生变化。本文内容涉及到的图片、音乐、视频素材如无特别声明，均来自网络不作任何商业用途，若侵权请第一时间联系小编，小编会在第一时间将素材删除。本文内容还需打磨，请大家给我学习成长的时间，请网络对我好一点哈！
商业有深度，九鲤有态度。@彭九鲤，专注商业财经、IPO 全景解读与独角兽企业深度剖析。深耕商业财经与资本市场，专注 IPO 解读、独角兽观察、行业深度研判。不追浮躁热点，只做有逻辑、有视角、有厚度的长文。聚焦资本市场动向，拆解上市逻辑与行业变局，以硬核长文挖掘商业本质，追踪高成长公司脉络。在浪潮之巅抽丝剥茧，在喧嚣之外冷静叙事。陪你穿透资本迷局，看懂公司兴衰的真实逻辑。
拒了麦肯锡百万年薪，他在仓库里熬了 18 年，55 岁敲钟成港股物流机器人第一股
IPO 炸场！市占率第一的国产机器视觉龙头登陆科创板，4 万字全拆解易思维的底牌与雷区
小米两大创始人彻底退股：雷军集权背后，一场酝酿 16 年的权力终局
年销 25 亿，网红牙膏第一股冲刺 IPO：我们扒了它的融资底牌、赚钱逻辑和生死坎
评论