Zhipu 與 MiniMax IPO 後財報顯示 AI 進展

💡中國AI初創IPO後盈利之路首度揭曉（18字元）

⚡ 30-Second TL;DR

有什麼變化

Zhipu AI 與 MiniMax 公布1月初IPO後首份財報。

為什麼重要

這些財報顯示中國AI初創企業商業可行性增強，可能加速與全球玩家的競爭。儘管虧損，投資者信心顯示對AI長期成長的強烈市場信念。

下一步行動

檢視Zhipu 與 MiniMax 在港交所的財報，作為AI商業化基準。

誰應關注：Founders & Product Leaders

AI-generated analysis for this event.

•Zhipu AI 與 MiniMax 的財報顯示，其營收增長主要來自於企業級 API 服務與針對特定行業（如金融與醫療）的客製化模型解決方案，而非單純的消費者訂閱。
•儘管虧損擴大，兩家公司在財報中披露了顯著的算力基礎設施攤提成本，顯示其正積極從依賴外部雲端轉向自建或長期租賃高效能運算集群以降低邊際成本。
•香港資本市場對兩家公司的追捧，反映了投資者將其視為中國 AI 軟體生態系統的「基礎設施級」標的，而非僅是應用層開發商，這與美國市場對 OpenAI 等公司的估值邏輯趨同。

📊 競品分析▸ Show

特性	Zhipu AI (GLM系列)	MiniMax (abab系列)	百度 (文心一言)	阿里巴巴 (通義千問)
核心架構	GLM (通用語言模型)	MoE (混合專家模型)	ERNIE (知識增強)	Qwen (Transformer)
定價策略	企業級 API 階梯定價	按 Token 使用量計費	雲端整合包月/按量	開源與閉源並行
基準測試	在長文本處理表現優異	多模態生成速度領先	中文語境理解深厚	綜合邏輯推理能力強

•Zhipu AI 的 GLM-4 架構採用了大規模混合專家模型 (MoE) 技術，優化了推理時的計算資源分配，顯著降低了高併發場景下的延遲。
•MiniMax 的 abab 6.5 模型引入了創新的上下文窗口擴展技術，支援高達 200k token 的長文本輸入，並在多模態對齊上採用了自研的語音-文本聯合訓練機制。
•兩家公司均在財報中提及了對 FP8 低精度訓練技術的廣泛應用，以應對算力資源緊張並提升模型訓練效率。