2026AI应用系列深度报告（二）：AI技术迭代与商业化加速国产大模型全球化竞争力凸显-中泰证券

AI技术迭代与商业化加速，国产大模型全球化竞争力凸显证券研究报告/行业深度报告2026年04月02023A2024A2025E2026E2027E2023A2024A2025E2026E2027E腾讯控股-----------n技术突破驱动市场增长，商业化加速凸显AI投资价值：全球AI技术在2025年实现跨越式突破，头部大模型综合能力与多模态理解能力大幅提升，技术迭代速度超出市场预期。在技术成熟度提升与付费意愿释放的推动下，全球大模型市场进入高速增长期，未来五年复合增速接近81%，行业成长空间明确。国内AI产业规模持续扩张，核心产业规模已突破万亿，企业数量与生态体系日趋完善。中国大模型市场同样保持高增长，2024-2026复合增预计达58.5%，技术突破与产业落地形成共振，AI赛道投资价值持续凸显。n2025年多模态技术持续成熟，2026年仍为主流发展趋势：2025年多模态大模型实现深度融合，文本、图像、视频、音频能力协同升级，头部厂商相继推出高性能文生图、文生视频模型，技术从实验室走向规模化商用。全年多模态迭代节奏显著加快，内容质量、场景适配性与生态完整性持续拓展。1、《HALO资产框架下，出版行业3、《AI应用重塑流量生态，推动营1、《HALO资产框架下，出版行业3、《AI应用重塑流量生态，推动营销需求趋势向上》2026-02-27nAI投资规模持续扩大，能源与算力构筑国产出海竞争壁垒：全球AI领域IT投资持续高增，长期增长确定性较强，AI对GDP拉动作用显著。从资本深化效率看，AI渗透速度远快于电力、IT等历史技术革命，短期即可释放强劲经济动能，仍是成为当前核心投资主线。AI产业本质由算力、能源与资本驱动，电力成本构成核心竞争力。我国发电量与电价优势显著，直接转化为国产大模型Token定价优势，在AIAgent等高耗量场景下，成本壁垒将进一步转化为全球化竞争优势。nAIAgent深化演进，国产大模型成本优势持续扩大：以OpenClaw为代表来看待，AIAgent快速崛起，其已成为GitHub增长最快的开源项目之一，可自主执行文件处理、工具调用、跨平台协作等复杂任务。同时其对Token消耗呈数量级提升。高耗量场景进一步放大国产模型成本优势。我国能源与算力底座支撑充足，能够承接AIAgent爆发式需求，Token性价比优势将持续扩大，为国产AI全球化扩张与商业化变现提供坚实底层支撑。nMiniMax：构筑全模态模型与应用生态：MiniMax是聚焦全模态的全球化AI公司，采用MoE架构与自研注意力机制，在长文本、多模态融合方面形成技术壁垒。公司坚持“模型+应用”一体化路线，用户规模快速增长，已形成覆盖语言、视频、语音、音乐的完整模型矩阵。团队具备全球顶尖AI背景，股东结构多元，收入持续高增，海外收入占比超七成。尽管仍处投入期，但用户增长、付费转化与商业化路径清晰，模型在多项评测中位居全球前列，技术竞争力突出。出海典范：MiniMax商业化以C端AI原生应用为核心，海外市场成为主要增长引擎，全球化布局成效显著。产品矩阵丰富，涵盖通用Agent、情感陪伴、视频生成、语音音乐及开放平台，场景覆盖完整。请务必阅读正文之后的重要声明部分-2-请务必阅读正文之后的重要声明部分行业深度报告核心产品Talkie/星野、海螺AI均实现爆款落地，开放平台服务大量企业客户。MaxClaw集成OpenClaw生态，工具调用量行业领先，公司凭借全模态能力与成本优势，成为国产AI出海标杆，成长确定性较强。n投资建议：全球与中国大模型市场高速增长，对经济拉动效应显著。国产AI有望凭借能源与算力成本优势构筑高性价比Token定价壁垒，竞争力持续提升。叠加AIAgent、多模态等AItoB/C应用需求攀升，我们看好具有大模型能力及应用场景的相关公司投资机会。建议关注：阿里巴巴-W、腾讯控股、MINIMAX-W、智谱、字节跳动（未上市）、月之暗面（未上市）、阶跃星辰（未上市）等。n风险提示：行业政策与监管风险、技术研发不及预期风险、市场竞争加剧风险、盈利不及预期风险、测算偏差和研报更新不及时的风险行业深度报告-3-请务必阅读正文之后的重要声明部分AI技术突破驱动市场增长，商业化加速凸显投资价值 5AI技术实现关键突破，市场规模高速增长 52025年多模态技术持续成熟，2026年仍为主流发展趋势 7大模型能力迭代，运行机制、架构与训练方法三维革新 7MaaS/XaaS生态为AI商业化落地提供核心支撑 9AI投资规模持续扩大，资本深化潜力凸显、投资价值明确 能源优势提升算力性价比，构建国产AI出海竞争壁垒 AIToken消耗激增，商业逻辑逐步清晰 基础设施主导AI产业发展，电力成核心支撑 能源供给形成成本壁垒，奠定竞争基础 AIAgent深化演进，国产大模型Token成本优势持续扩大 MiniMax：构筑全模态模型与应用生态 20企业概况：深耕全模态，构建“模型+应用”一体化生态 20业绩表现：规模快速增长，盈利拐点可期 21技术竞争力：全模态差异化优势凸显 22核心模型矩阵：多模态全面布局 24出海典范：海外收入为主要来源，C端成核心支柱 27核心产品：场景化布局全面，以模型能力驱动应用拓展 28投资建议 32风险提示 33行业政策与监管风险 33技术研发不及预期风险 33市场竞争加剧风险 33盈利不及预期风险 33测算偏差和研报更新不及时的风险 33图表1：中国信息通信研究院“方升”大模型基准测试结果 5图表2：国内外语言模型基础能力演进趋势 5图表3：国内外语言模型推理能力演进趋势 6图表4：2023-2029E全球大模型市场规模 6图表5：2020-2026E中国大模型市场规模 7图表6：典型MLLM架构的组成要素与融合模式 8图表7：从LLMRL到AgenticRI的范式转变 9图表8：生成式AI技术栈示例（MaaS/XaaS生态） 图表9：2023-2029E全球大模型MaaS市场规模（亿美元） 11图表10：2023-2029E全球大模型应用市场规模（亿美元） 图表11：2024-2029EAI投资规模（亿美元） 图表12：近百年人类历史上的重大创新受资本深化的持续时间与对经济影响 图表13：全球AI大模型调用Token周消耗情况 图表14：全球AI大模型Token消耗结构及模型份额占比 图表15：资本-基础设施-技术权力的传导链条与能力放大效应 图表16：Token生产产业链 图表17：2024年数据中心及设备类型用电份额 图表18：2014年至2024年各国的发电量（TWh） 图表19：2023年至2025年各国的商业用电均价（美元/kWh） -4-请务必阅读正文之后的重要声明部分图表20：主流AI大模型厂商Token定价 图表21：GitHub星标热度（Transformers/Langchain/Openclaw） 图表22：OpenClawToken消费核心数据 图表23：OpenClawToken消耗6大因素 图表24：全球AI大模型相关应用Token调用消耗Top10榜单 图表25：公司核心人员任职情况 20图表26：2023-2025年公司营业收入（百万美元） 21图表27：2023-2025年按产品划分的收入结构 21图表28：2023-2025年公司期间费用与金融负债亏损（百万美元） 22图表29：M1模型与同类模型生成长度与FLOPs运算量的关系对比 23图表30：大模型应用市场格局 23图表31：公司模型发展史 24图表32：ArtificialAnalysis智能指数测评 24图表33：Role-PlayBench三维度测评 25图表34：主流大模型平均得分与每个问题平均花费（美元） 25图表35：ArtificialAnalysisVideoArenaLeaderboard（图生视频测评） 26图表36：ArtificialAnalysisSpeechArenaLeaderboard（文生语音测评） 26图表37：公司产品发布史 27图表38：2023-2025年按地区划分营收结构（百万美元） 27图表39：2023-2025年按服务划分营收结构（百万美元） 28图表40：MiniMaxAIAgent主页 28图表41：MiniMaxAIAgent2.0专家社区 29图表42：大模型工具Token调用量占比分析 30图表43：Talkie/星野使用界面 30图表44：全球下载量最高的六款伴侣AI应用 31图表45：海螺AI视频生成模型主页 31图表46：MiniMax语音主页 32图表47：MiniMax开放平台总览 32-5-请务必阅读正文之后的重要声明部分AI技术实现关键突破，市场规模高速增长n全球人工智能技术已于2025年完成关键突破期的跨越式发展。语言基础模型与推理模型实现双线并进，技术迭代速度与能力提升幅度均超出此前市场预期。根据中国信通院数据，截至2025年12月，GPT-5.2、Gemini3Pro、Grok-4、DeepSeekV3.2、Claude4.5、Qwen3、Doubao-Seed-1.6、KimiK2Thinking、GLM4.5等头部语言大模型的综合能力较2024年底提升30%， 多模态理解能力提升幅度超过50%，大模型基础能力实现了质的飞跃。 来源：中国信息通信研究院，中泰证券研究所n大模型评测体系的构建与模型训练的重要性已日趋等同。基准测试已深度融入大模型“建、用、管”全生命周期，在指引学术研究、指导产品选型、支撑行业应用、辅助监管治理、监测能力迭代等方面发挥关键作用。依托长期、动态化的大模型基准测试，可搭建宏观决策的数据底座，实现产业政策的精准制定与动态优化，例如精准量化国内外头部语言大模型在基础能力、推理能力等维度的表现。从相关评测结果可见，国内头部语言大模型在基础能力上已与国外水平不相上下，推理能力差距亦在持续收窄，成为推动整体综合能力不断追赶的重要方向。来源：中国信息通信研究院，中泰证券研究所-6-请务必阅读正文之后的重要声明部分来源：中国信息通信研究院，中泰证券研究所n当前大模型技术仍处于快速迭代阶段。根据灼识咨询研究数据显示，伴随技术成熟度提升与付费意愿持续释放，全球大模型市场规模预计将由2024年的107亿美元，快速增长至2029年的2,065亿美元，2024-2029五年复 合增长率将达80.7%。图表4：2023.2029E全球大模型市场规模来源：灼识咨询，中泰证券研究所n中国大模型市场大致可划分为三个阶段。2020年至2022年为技术积累期，以学术研究和头部企业探索为主，市场体量有限但基础能力逐步夯实，三年累计增量不足100亿元。2023年至2024年为爆发式增长期，技术突破与资本热潮形成共振，市场进入跑马圈地阶段。2025年起进入应用深化期，虽然增速随基数扩大而自然回落，但应用场景持续拓宽，商业模式逐步清晰。据艾媒咨询数据，2024年中国大模型市场规模已达到人民币294.16亿元，预计到2026年将增至人民币738.57亿元，2024年至2026年预计复合年增长率为58.5%。-7-请务必阅读正文之后的重要声明部分图表5：2020.2026E中国大模型市场规模来源：艾媒咨询，中泰证券研究所2025年多模态技术持续成熟，2026年仍为主流发展趋势n回顾2025年，多模态大模型持续深化技术布局，理解与生成能力实现深度融合，原生多模态架构逐步走向成熟。2025上半年，OpenAI-o3模型与Gemini2.5Pro模型率先实现视觉与语言信息的同步处理，支持图像关键细节的自动调优，成功将语言大模型的深度思考能力迁移至多模态场景，赋予其复杂视觉任务的高阶推理内核；同期，GPT-Image-1与Gemini2.0Flash模型通过原生架构融合自回归与扩散模型，突破长上下文图像生成与编辑的技术瓶颈，为多模态技术从实验室走向规模化商业应用筑牢了基础。下半年，行业迭代节奏进一步加快，谷歌推出Gemini-2.5-flash-image-preview(nanobanana)文生图模型，OpenAI则发布Sora2文生视频模型，双方向均实现内容质量与场景适配性的显著提升，多模态生态的完整性与落地广度持续拓展。n基于2025年的技术演进轨迹，我们预计多模态化仍将是2026年人工智能领域的核心发展趋势。该趋势将围绕能力边界拓展与落地场景渗透两大维度持续深化：一方面，头部模型将持续推进多模态能力的通用化，突破文本、图像、视频、音频等单一模态的界限，实现跨模态信息的无缝转换与深度联动，推动模型在复杂逻辑推理、多轮内容创作等场景的实用性跃升；另一方面，原生多模态架构将进一步渗透至垂直领域，结合行业需求完成轻量化适配，降低企业落地门槛，同时AI生成内容的版权合规机制、内容安全管控体系将逐步完善，为多模态技术的规模化商用提供更具确定性的发展环境。大模型能力迭代，运行机制、架构与训练方法三维革新n传统LLM模型以文本为核心构建了强大的语言理解与生成能力，核心聚焦自然语言处理，仅处理文本模态的理解与生成任务。能力范围包括文本分类、问答、摘要、文本生成等纯语言。因此输入仅接受文本输入，输出也仅限于文本形式。n多模态大语言模型MLLM：以LLM为基础骨干，通过扩展架构、引入多模态编码/解码模块，实现跨模态（文本、图像、视频、音频等）的理解与生成。不仅覆盖LLM的全部文本任务，还新增跨模态任务（如图像描述、文本到图像生成、视频问答、多模态推理等）。支持文本与非文本模态的混合输入（如“描述这张图片并生成相似场景的视频”），输出可包含文本、图像、视频等多种形式。n多模态大型语言模型的典型架构，核心是输入模态（含图像（Image）、文本（Text）、音频（Audio）、视频（Video）等）先经模态编码器（Modality行业深度报告-8-请务必阅读正文之后的重要声明部分Encoder）转成特征，再通过模态连接器（Connector）转换为大型语言模型（LLM）可理解的格式:投影型连接器（Projection-basedConnector）:把模态编码器输出的特征（图中黄色块）输入MLP，通过线性变换将其投影到大型语言模型的词嵌入空间，最终转换成LLM能识别的token格式（蓝色块）。查询型连接器（Query-basedConnector先通过“可学习查询向量（LearnableQueries）”（图中彩色块）向模态特征（黄色块）发起查询，借助Q-Former提取关键信息，最终压缩成少量核心token（蓝色块再输入LLM。融合型连接器（Fusion-basedConnector直接在LLM的注意力模块中，让文本token（黄色块）和非文本特征（橙色块）在多头注意力层（MH-Attn）进行跨模态注意力交互（通过Q/K/V向量的传递实现特征层面的深度融合。n最后由LLM完成推理后输出文本，或通过模态生成器（Generator）生成 其他模态结果。 图表6：典型MLLM架构的组成要素与融合模式来源：《ASurveyonMultimodalLargeLanguageModels》论文，中泰证券研究所n语言及多模态模型的能力跃迁，正驱动于运行机制、基础架构与训练方法的三维革新：n在运行机制层面，单纯依赖参数规模（Scaling）已难以实现能力的质变，精细化的机制优化成为当前核心破局点。尽管月之暗的KimiK2、阿里的Qwen3-Max-Preview等模型参数量已达万亿级别，但其能力突破仍未达到OpenAIo1级别的跃迁效应。反观技术演进方向，其一，路由机制(MoE，MixtureofExperts)成为效率核心引擎，如GPT-5，MiniMaxM模型等通过动态调度专家模块，实现了“思考”与“非思考”能力的智能切换，显著提升推理与生成效率；其二，扩散语言模型（Diffusion-basedLM）如LLaDA、Dream7B等借助并行计算逻辑，突破了传统自回归模型的累积误差瓶颈，在语义连贯性上表现优异。虽然目前扩散模型在综合能力上仍逊于传统架构，但其在生成速度上已确立绝对优势，例如谷歌GeminiDiffusion可在12秒内高效生成万级tokens，为实时交互场景提供了坚实基础。n在基础架构维度，Transformer架构的性能优化依旧是现阶段技术攻坚的核心赛道。其中，以DeepSeek的NSA（NestedSparseAttention）、月之暗面的MoBA（MixtureofBoundedAttention）及面壁智能的InfLLM-V2为代表的稀疏注意力机制，已成为行业实现模型“降本增效”的标准化方案，在控制计算成本的同时，显著提升了长序列任务的处理效率。尽管Mamba3、RWKV-8等非Transformer新型架构在理论上具备独特优势，但目前仍处于早期探索阶段，尚未形成成熟的工程化生态。当前业界更倾向于采用“混合行业深度报告-9-请务必阅读正文之后的重要声明部分架构”策略，通过融合Transformer与新型架构的特性，实现优势互补。代表案例包括Qwen3-Next、Hunyuan-TurboS、MiniMaxM1、英伟达Nemotron-H等模型，它们兼具了Transformer的并行计算优势与线性注意力的长序列建模能力，已在商业场景中取得了广泛成功。n在训练方法上，大模型的研发范式正经历根本性变革，即从“人类数据时代”向“经验智能时代”加速过渡。这一变革的核心在于，模型不再局限于依赖人工标注的静态数据集进行被动学习，而是转向通过与真实环境的动态交互、任务试错迭代与自我反思优化，来积累系统性经验。这种“学习范式”的升级，使大模型具备了三大核心能力跃升：一是跨场景规律的自主提炼，能从有限经验中泛化出通用知识；二是认知偏差的动态修正，通过反馈闭环持续优化决策逻辑；三是知识边界的突破式创新，能够生成超越初始训练数据范畴的全新解决方案。最终，推动大模型能力从“复刻已知”走向“探索未知”。n目前，DeepSeek提出的GRPO（GroupRelativePolicyOptimization）算法因其高效与稳健性，已成为大模型对齐策略的行业事实标准。在此基础上，DAPO、VAPO、SRPO、GFPO等一系列优化变体应运而生，显著提升了模型在复杂任务环节中的泛化能力与决策稳定性。与此同时，以ToolRL、AgentLightning、Verlog为代表的AgenticRL技术通过真实动态环境的多轮交互式训练，赋予模型自主规划、调用工具、因果推断的能力，进而提升其真实应用场景表现。图表7：从LLMRL到AgenticRI的范式转变红色高亮矩形：DeepSeek提出的GRPO算法所属的演进路线红色内层传统RL至LLMRL：聚焦静态单轮文本生成优化，依托RLHF、DPO等算法实现大模型输出对齐，仅完成文本层面交互青色中层LLMRL向AgenticRL跃迁：转向动态多轮长期决策优化，具备规划、记忆、工具调用能力，适配环境实时演化与累计回报最大化目标紫色外层FullAgenticRL：实现深度真实世界交互与端到端复杂任务执行，代表当前智能体强化学习的成熟落地形态与完整能力边界来源：《TheLandscapeofAgenticReinforcementLearningforLLMs:ASurvey》论文，中泰证券研究所MaaS/XaaS生态为AI商业化落地提供核心支撑n模型即服务（MaaS）作为聚焦AI模型部署与调用的新型服务模式，与软件即服务（SaaS）、平台即服务（PaaS）、基础设施构成的主流的XaaS生态，正成为推动AI技术赋能千行百业的核心支撑。n模型即服务（MaaS）是AI领域新型服务与商业模型，以云计算为支撑，将AI和ML（MachineLearning，机器学习）模型及相关基础设施作为服务提供给开发者和企业。核心优势在于用户可通过简单接口、API或SDK-10-请务必阅读正文之后的重要声明部分等方式，直接调用预训练的AI/ML模型，无需自行训练和维护复杂模型，也无需具备深厚的专业知识和庞大的基础设施，其聚焦AI和ML模型的训练、部署与调用，能提供专业化、定制化服务，通过简化工具和友好操作界面降低AI使用门槛。n软件即服务（SaaS）即通过互联网以在线订阅方式为用户提供应用程序，用户无需本地安装软件，仅需进行人机交互即可使用，百度网盘、Dropbox、Gmail均是典型示例。n平台即服务（PaaS）是为程序开发者提供稳定的应用构建、测试与部署一体化云计算平台，谷歌AppEngine和微软Azure应用服务是经典代表。n基础设施即服务（IaaS）在云计算服务中是指通过网络服务提供虚拟化计算资源，用户可按需租用服务器、网络、存储等基础设施，并通过API进行使用。谷歌ComputeEngine、DigitalOcean、亚马逊弹性计算云均是成熟的IaaS平台，且主要面向开发团队提供服务。n生成式AI的技术栈，可以按以下分层：IaaS：云端/本地基础设施与计算硬件；SaaS：嵌入基础模型的应用、面向消费者或企业的应用；PaaS：支持用户生成式AI应用构建、多模型管理的模型平台（如AzureAIFoundr）；MaaS：开源/闭源的基础模型图表8：生成式AI技术栈示例（MaaS/XaaS生态）MLOps平台根据服务性质不同，可能偏向PaaS抑或MaaS来源：麦肯锡咨询，中泰证券研究所n大模型MaaS通过云端API接口及license授权的方式开放大模型功能，支持开发者及企业根据实际使用量获取服务，并将其整合至自有产品或业务系统；而基于部署的收入，主要来源于解决方案的私有化部署服务。根据灼识咨询数据显示，以模型相关收入为统计口径，2024年全球大模型MaaS市场规模达36亿美元，2029年将达550亿美元，2024至2029年复合增长率预计为72.7%。-11-请务必阅读正文之后的重要声明部分图表9：2023.2029E全球大模型MaaS市场规模（亿美元）来源：灼识咨询，中泰证券研究所n另一方面，面向终端用户的应用场景呈现多样化，涵盖AI聊天机器人、社交娱乐类AI产品、视频生成、音频生成等，这类应用主要通过订阅模式，为个人消费者及企业用户提供服务。数据显示全球大模型应用市场2024年规模达71亿美元，2024至2029年复合增长率预计达84.3%，2029年预 计为1515亿美元。图表10：2023.2029E全球大模型应用市场规模（亿美元）来源：灼识咨询，中泰证券研究所AI投资规模持续扩大，资本深化潜力凸显、投资价值明确n全球AI投资规模持续扩大，长期增长确定性较高。根据IDC数据，2024年全球AI领域IT总投资规模（含软件、硬件和服务）达3159亿美元，预计2029年将增至12,619亿美元，2024-2029年复合年增长率高达31.9%。AI技术对全球经济的拉动作用明显，IDC预测到2030年人工智能将累计为全球经济贡献19.9万亿美元，推动当年全球GDP增长3.5%，成为驱动经济增长的核心动力之一。-12-请务必阅读正文之后的重要声明部分图表11：2024.2029EAı投资规模（亿美元）来源：IDC研究，中泰证券研究所n看好AI领域后续投资价值，其资本深化的高渗透效率与强经济拉动性奠定核心投资逻辑，是当前最具决定性的投资主线。根据贝莱德2026投资展望分析：从技术革命的资本深化节奏与经济贡献来看，AI人工智能展现出远超过往技术的渗透效率：其资本深化的持续时长仅18年，意味着资本对AI行业的投资周期预计到2040年停止，届时该行业将进入成熟化阶段；远短于IT技术的38年、电力的42年及蒸汽时代的150年；AI资本深化对GDP增长的贡献预计为15%，与IT技术在38年周期下的估算贡献18.5%已较为接近，且高于电力与蒸汽技术资本深化产生的GDP增长贡献。这意味着AI技术的资本渗透速度更快，能在更短周期内释放对经济增长的拉动 势能，是本轮技术革命区别于过往的核心特征之一。 来源：Crafts(2021)，BlackRock，中泰证券研究所AIToken消耗激增，商业逻辑逐步清晰n随着AI应用落地场景的持续丰富，行业算力需求呈现指数级增长态势，Token作为AI交互的核心单位，其消耗量亦同步迎来高速增长阶段，AI产业的商业变现逻辑正逐步走向清晰。其商业价值将由计算效率与产出价值双-13-请务必阅读正文之后的重要声明部分重驱动。从技术逻辑看，人类输入的内容将被拆解为Token片段进行输入，AI的生成答案亦以Token为单位输出，计算复杂度与Token消耗呈正相关关系。n行业数据层面，据全球最大AI模型API聚合平台OpenRouter发布的周度数据，2026年3月16日至3月22日期间，全球AI大模型周调用量总计达20.4万亿Token，环比增幅为20.7%。分区域来看，同期中国AI大模型周调用量达到7.359万亿Token，环比上涨56.91%；美国AI大模型周调用量为2.954万亿Token，环比下降10.32%。数据显示，中国AI大模型周调 用量已连续三个周期实现对美国竞品的超越。数据截至2026年3月23日 *数据样本仅覆盖OpenRouter单一平台，其趋势变化具有一定参考价值，但不能直接等同于整体来源：OpenRouter平台，中泰证券研究所nOpenRouter平台数据显示2026年3月23日，全球AI模型周调用量排名榜单前九中国产模型共计占据六席，前四的席位悉数由中国大模型占据。小米MiMoV2Pro以40%的周调用量占比登顶榜首；阶跃星辰Step3.5Flash(free)与MiniMaxM2.7分别以6.56%和5.68%的占比位列第二、三名。榜 单前九的国产大模型还包括DeepSeekV3.2、GLM5Turbo、MiniMaxM2.5。数据截至2026年3月23日 *数据样本仅覆盖OpenRouter单一平台，其趋势变化具有一定参考价值，但不能直接等同于整体来源：OpenRouter平台，中泰证券研究所-14-请务必阅读正文之后的重要声明部分基础设施主导AI产业发展，电力成核心支撑nDebugliesNews报道认为人工智能本质上是基础设施驱动的产业，其发展瓶颈主要在于计算资源、能源供应及资本部署能力，而非单纯的算法迭代。从性能扩展规律看，计算能力的持续提升将带来能力的指数级增长，并形成正向反馈循环，使早期的基础设施优势固化为长期的技术主导地位。因此，能否有效整合资本、能源与产业生态，不仅将决定人工智能价值创造的地理 分布，也将进一步塑造未来的全球权力格局。来源：DebugliesNews，中泰证券研究所nToken生产产业链分工明确，电力成核心支撑。如英伟达CEO黄仁勋认为当前AI产业本质上呈现为以电力与算力为核心的Token生产产业链：英伟达及AMD等企业作为上游设备供应商，通过提供H100、B200等高端GPU芯片掌控核心硬件入口，如同“挖矿必备的工具”，几乎所有欲建设数据中心、生产AIToken的主体均需依赖其芯片；中游以微软Azure、谷歌云、阿里云、AWS等云厂商/算力企业为核心生产者，其运营的大型数据中心即AI工厂，通过采购芯片、租赁场地、支付电费等方式运行AI模型，以“加工费+差价”模式将电力与算力转化为可交易的AIToken并对外销售；下游则是ChatGPT及各类AI工具开发商等中间商/服务商，它们不直接生产Token，而是批量采购后包装为AI产品，通过零售差价与服务费获利；同时，电力公司凭借Token生产的高耗电量提供电力支撑，数据中心运营商通过场地租赁、运维等配套服务参与收益分配，整条产业链的分工与获利路径清晰明确。-15-请务必阅读正文之后的重要声明部分来源：Nvidia，中泰证券研究所n根据国际能源署（IEA）数据，人工智能的兴起加速了高性能加速服务器的部署，进而推高了数据中心的功率密度。AI模型的训练与部署主要在数据中心内完成，数据中心架构由服务器集群、存储系统、网络设备及配套支撑设施构成，这些IT设备按机架排列、成行部署；核心组成中，服务器负责数据处理与存储，通常配备中央处理器及专用加速器，截至2024年的数据 显示，现代数据中心中服务器的耗电量约占数据中心总电力消耗的60%。来源：InternationalEnergyAgency，中泰证券研究所n同样根据IEA的数据预测，到2030年，全球数据中心的电力消耗预计将翻一番，达到约945太瓦时（TWh约占当年全球电力总消耗量的3%（2024-16-请务必阅读正文之后的重要声明部分年为1.5%2024年至2030年期间，预计其年均增速约为15%，这一速度是全球其他所有行业电力消耗总增速的四倍多。能源供给形成成本壁垒，奠定竞争基础n我国能源供给体系具备扎实的规模与增长优势。根据EnergyInstitute数据，2014年中国发电量达5795太瓦时（TWh已超过美国；至2024年，中国发电量进一步攀升至10087太瓦时，十年间增长74%，而美国同期发电量仅从4363太瓦时微增至4635太瓦时，增幅仅6%。2024年中国发电 量是美国的两倍多，亦是印度的近五倍。来源：EnergyInstitute，中泰证券研究所n从成本端看，依托坚实的能源供给底座，我国在商业用电方面具备显著的经济性。根据GlobalPetrolPrices的数据，2023年至2025年中国商业用电平均单价为0.097美元/kWh，与俄罗斯处于同一水平；这一价格明显低于美国的0.148美元/kWh与印度的0.124美元/kWh，更远低于日本的0.204美元/kWh。在AI算力等高耗能场景下，电价优势直接转化为更低的算力生产成本与更强的价格竞争力，为我国数字基础设施建设及相关产业发展提供了重要的成本护城河。图表19：2023年至2025年各国的商业用电均价（来源：GlobalPetrolPrices，中泰证券研究所行业深度报告-17-请务必阅读正文之后的重要声明部分n国产模型Token定价优势明显。电力优势在大模型Token报价上得到体现，国产模型在成本端与全链路经济性上展现出明显优势。从官方报价数据来看，以DeepSeek、豆包、百度文心、MiniMax为代表的国产模型，输入价格普遍在0.14-0.60美元/百万Tokens区间，输出价格多为0.28-3.00美元/百万Tokens；相比之下，Anthropic、OpenAI、Google等海外头部模型的输入价多在2.00-3.00美元/百万Tokens，输出价更是达12.00-15.00美元/百万Tokens。我们认为这一价差直接对标了我国在电力、算力基础设施建设上的成本优势：更低的用电成本转化为更具竞争力的Token定价，使得国产模型在规模化应用与商业落地中具备更强的成本护城河与价格弹性空间。图表20：主流AI大模型厂商Token定价来源：GitHub仓库，官方网站，中泰证券研究所AIAgent深化演进，国产大模型Token成本优势持续扩大nOpenClaw作为当前开源社区中活跃度最高的AIAgent项目之一，我们认为其底层设计与发展态势，进一步印证了AIAgent发展将带来Token消耗激增这一趋势的合理性。该项目是一款开源AIAgent，由奥地利工程师PeterSteinberger开发，最初于2025年末以Clawdbot为名称在GitHub平台发布，后更名为Moltbot，最终确定官方名称为OpenClaw。与传统聊天型AI相比，其核心特征在于可部署于用户自有硬件设备，并能够对接Claude、ChatGPT及DeepSeek等大型语言模型，进而实现任务的自主执行；区别于仅能在浏览器窗口内提供问答服务的标准聊天机器人，OpenClaw为本地运行的AI代理，具备电子邮件发送、网页浏览、文件读写、日历管理、shell命令运行及外部API交互等多项功能，用户可通过Telegram、WhatsApp、Discord、飞书、微信等常用即时通讯平台与该AI代理进行交互。n目前，OpenClaw已成为GitHub平台历史上增长速度最快的开源项目之一，截至目前已获得超过33万个GitHub星标，且其增长速度显著高于Transformers与LangChain项目，充分体现了该项目在开源社区的影响力与技术认可度。行业深度报告-18-请务必阅读正文之后的重要声明部分图表21：GitHub星标热度（Transformers/Langchain/Openclaw）来源：OpenRouter平台，中泰证券研究所n尽管OpenClaw目前开源免费，但其Token消耗速度过快，对整体Token用量形成明显放大效应，也被业内称为“TokenKiller”。根据APIYI的数据，其运行成本随用户类型及使用场景呈现阶梯式增长：轻度用户平均每月Token消耗为500万至2000万，对应费用10-30美元，主要用于每日问答及简单任务；中等用户月消耗为2000万至5000万，费用30-70美元，聚焦于自动化工作流程；重度用户月消耗5000万至2亿，费用70-150美元以上，对应全天候私人助理场景；极端情况下，MacStories博主测试的月消耗超过1.8亿Token，产生的费用高达3600美元以上。用户类型平均每月Token消耗平均每月费用典型场景轻度用户500万至2000万10-30美元每日问答、简单任务中等用户2000万至5000万30-70美元自动化工作流程重度用户5000万-2亿70-150美元以上全天候私人助理极端情况1.8亿+3600美元以上MacStories博主测试来源：APIYI，中泰证券研究所nOpenclaw的Token消耗主要集中在背景积累与工具输出存储环节，其中背景积累占比达40-50%，源于会话历史记录的持续扩展；工具输出存储占比20-30%，对应历史记录中大型JSON/日志的存储开销。此外，系统提示因每次请求均需重复发送，占比10-15%；复杂任务场景下的多轮推理因涉及模型多次调用，占比10-15%；模型选择与缓存未命中带来的额外消耗则分别占5-10%，整体构成了其Token消耗的主要技术成因每次请求都会重复发送模型选择来源：APIYI，中泰证券研究所行业深度报告-19-请务必阅读正文之后的重要声明部分n根据OpenRouter的数据也可直观反映出，AIAgent技术在演进过程中对Token的消耗呈现出明显的集中特征。在其统计的相关应用榜单中，OpenClaw以799Btokens的消耗规模位居首位，远超KiloCode（212Btokens）、ClaudeCode（115Btokens）等其他同类工具及应用。我们认为这一数据差异进一步印证了，相较于常规聊天机器人或单一功能的代码辅助工具，向自主执行复杂任务、多模态交互方向演进的AIAgent，其Token消耗呈现出数量级的提升，也侧面体现了此类平台在处理全流程工作任务时 的算力需求特征。数据截至2026年3月26日 *数据样本仅覆盖OpenRouter单一平台，其趋势变化具有一定参考价值，但不能直接等同于整体来源：OpenRouter平台，中泰证券研究所n我们认为随着AI算力基础设施建设提速，依托我国在电力成本上的显著优势，算力供给的规模效应与成本红利正持续释放。这为应对未来AI应用场景的复杂度提升提供了坚实支撑，亦为承接高消耗、高弹性的AIAgent需求奠定了底层基础。我国在能源与算力领域的综合成本优势，将在此过程中转化为不可忽视的市场竞争壁垒。n结合英伟达GTC2026大会的观点来看，智能体人工智能正迎来关键转折点。正如英伟达CEO黄仁勋所述，未来工程师的工具边界将显著拓展：过去仅需配备笔记本电脑即可完成基础工作，而如今在Token预算控制的技术体系下，笔记本电脑将不再是唯一载体，配套的Token生产与消耗体系将成为核心生产力。行业深度报告-20-请务必阅读正文之后的重要声明部分企业概况：深耕全模态，构建“模型+应用”一体化生态nMiniMax作为全球化AI大模型公司，由具备前瞻视野的工程师团队创立，核心愿景聚焦两大核心：一是研发先进大模型，二是打造AI原生产品，最终实现提升社会生产力与丰富个人生活质量的目标。公司是少数自成立之初即专注全模态模型研发的企业，深刻洞察人类交互的多模态本质，覆盖文本、视觉、音频等多个领域，构建了多元化技术布局。n公司早期即采用混合专家（MoE）架构及混合注意力机制，在保持万亿级参数模型的顶尖性能与庞大知识容量的同时，大幅降低计算资源消耗，仅激活少数相关专家网络参与运算，实现了高性能、大规模与可控成本的协同，为技术普惠奠定基础。n公司坚持“自研模型+原生应用”一体化策略，直接面向C端与B端用户推出产品，形成独特竞争优势：一方面通过终端应用快速获取市场反馈，精准捕捉用户真实需求；另一方面将应用端积累的2.12亿用户（截至2025年9月30日）的交互数据反哺模型迭代；同时借助爆款应用快速建立品牌心智，带动模型技术在更广泛领域的商业化落地。等全球AI领先企业的专家组成。管理层具备丰富行业经验，创始人闫俊杰担任董事会主席、CEO兼CTO，主导AI研发与战略制定；首席运营官贠烨祎女士拥有商汤集团多岗位任职经历，擅长产品与商业化落地；赵鹏宇先 生、周彧聪先生分别领衔大语言模型与视觉模型研发，技术背景扎实。 图表25：公司核心人员任职情况核心人员职位职务与履历闫博士已在顶级会议和期刊上发表约200贠女士曾在商汤集团股份有限公司担任多个职位。她自2017年9月至2018年8月担任商汤集团股份有限公司融资与战略投资部经理，随后自2018年8月至2021年1月晋升为首2023年8月起加入本公司，担任大语言模型研发工程师。他主要负责与大语言模型及算赵先生曾于2020年8月至2023年7月在北术研发的公司）担任研究级软件开发工程师，主周先生自2022年3月加入本公司，担任视觉模型研发工程师。他主要负责视觉模型的研周先生曾于2018年4月至2019年7月任职于商来源：MiniMax招股书，中泰证券研究所-21-请务必阅读正文之后的重要声明部分n截至2026年1月9日，MiniMax前五大股东分别是：闫俊杰（AlphaEXPLimited、MiniMaxAwakeningLimited、MiniMaxMatrixLimited、MiniMaxLimited直接与间接持股25.58%；阿里巴巴集团控股有限公司，持股12.37%；ColmO’Connell（XAMHoldingsLimited持股5.35%；罗宇皓（米哈游有限公司持股5.18%；负烨祎（FloatingSkyLimited持股2.26%。业绩表现：规模快速增长，盈利拐点可期n公司收入从2023年的346万美元快速增长至2024年的30.5百万美元，同比增长782%；2025年收入持续攀升至79.0百万美元，同比增长159%，展现强劲增长动能。收入结构上，Al原生产品是相对核心业务，2025年收 入占比达67.2%；开放平台及Al企业服务占比32.8%。 图表26：2023.2025年公司营业收入（百万美元）图表27：来源：MiniMax报告，中泰证券研究所来源：MiniMax报告，中泰证券研究所n截止2026年3月2日累计服务逾2.36亿名用户，覆盖超过200个国家及地区；平均月活用户（MAU）从2023年的310万增长至2024年的1910万，用户增长为商业化奠定坚实基础。付费用户规模同步扩张，Al原生产品的付费用户数量从2023年的约12万名增至2024年的约65万名，整体付费转化效率持续改善。此外在企业服务方面，关键付费用户数量也由2023年的约100家增至2024年的700家。n公司目前仍处于亏损阶段，主要因大规模研发投入及金融负债公允价值变动影响：2025年研发支出252.8百万美元，主要因持续研发优化基础模型与多模态能力、加快模型迭代升级，相关训练所需云服务支出随之增加。金融负债公允价值亏损1589.9百万美元，系公司估值持续上升，导致优先股产生大额重新计量亏损。行业深度报告-22-请务必阅读正文之后的重要声明部分图表28：2023.2025年公司期间费用与金融负债亏损（百万美元）来源：MiniMax报告，中泰证券研究所技术竞争力：全模态差异化优势凸显nMiniMax是全球最早一批实现混合专家（MoE）架构商业化的公司之一。公司于2023年启动MoE架构相关研究，2024年发布采用该架构的初始模型，凭借早期布局显著降低推理延迟，以亚洲首家、全球首批实现MoE基础模型架构商业化的技术优势，突破传统密集型模型的局限性，通过结构性优势提升可扩展性与效率，直接转化为更低的计算需求与推理成本。nMoE即混合专家模型，是当前突破AI大模型发展瓶颈、实现超大规模参数模型工业化落地的关键架构，于2025年实现大规模工业化落地，成为构建前沿大模型的首选架构。nMoE的核心依托稀疏激活的分工协作理念，将传统庞大的前馈神经网络拆解为两大核心组件：一是多个相对独立、规模更小的专家子网络，各专家会在训练中专精于特定领域的输入处理；二是轻量级的门控网络，其会针对每个输入Token计算权重，筛选出权重最高的Top_k个匹配专家并激活运算，最终将选中专家的输出结果加权融合。n该模式让MoE模型能够凭借超大总参数量保障知识储备与模型性能，同时单次推理仅激活少数专家，大幅降低了推理算力消耗，实现了模型性能与运行效率的解耦，打破大模型发展的成本与规模桎梏。n在长文本处理领域，MiniMax引入了原创的线性注意力机制变种——闪电注意力机制（LightningAttention这是其区别于Transformer架构的关键技术护城河。传统Transformer架构的注意力机制复杂度随序列长度呈二次方增长，导致处理长文档或长对话时算力消耗呈指数级上升，而线性注意力机制将这一复杂度降低至线性。nMiniMaxM1模型在MoE架构和闪电注意力机制下原生支持100万Token的上下文窗口，达到了DeepSeekR1上下文窗口规模的8倍；在生成长度兼具超长上下文与超高运算效率，适合处理复杂长文本任务。行业深度报告-23-请务必阅读正文之后的重要声明部分图表29：M1模型与同类模型生成长度与FLOPs运算量的关系对比位来源：《MiniMax-M1:ScalingTest-TimeComputeEfficientlywithLightningAttention》论文，中泰证券研究所n全模态技术栈的深度融合。MiniMax聚焦全模态技术，作为全球首批推行全模态技术战略的公司之一，于2022年启动多模态模型研发。公司模型在文本、视频及语音测评榜单中持续领先，验证了多模态架构的系统性优势，可 持续赋能并支持开发更具可扩展性的模型与AI原生产品。 内均为内均为MiniMax产品与模型来源：MiniMax招股书，中泰证券研究所nMiniMax是少数自成立之初便专注全模态模型研发的大模型企业之一，以高成本效率路径推动AI发展，不同于部分竞争对手采用“拼接式”多模态方案，公司原生架构从底层实现多模态特征的统一学习与共享，彻底规避拼接方案因模块独立运作导致的信息损耗与交互断层，跨模态理解与生成的精度、流畅度更优。-24-请务必阅读正文之后的重要声明部分图表31：公司模型发展史来源：MiniMax招股书，中泰证券研究所核心模型矩阵：多模态全面布局任务规划领域表现突出，是公司多模态技术体系的核心支撑。在ArtificialAnalysis等独立评测榜单中位列全球开源模型前列，甚至超越了Claude3.5Sonnet的部分指标：M1发布时斩获ArtificialAnalysis智能指数开源第二、全球前十；M2发布后位列智能指数开源第一、智能指数全球前五，API定 价具有一定成本优势。图表32：ArtificialAnalysis智能指数测评来源：MiniMax招股书，中泰证券研究所nMiniMaxM2-her（2026年1月28日发布）是角色扮演（Role-Play）模型，在Role-PlayBench测评中综合表现位居榜首，在世界观维持、用户偏好理解两个维度取得第一。行业深度报告-25-请务必阅读正文之后的重要声明部分图表33：Role-PlayBench三维度测评World(模型能否准确理解并稳定维持复杂的世界观设定?)、Stories(模型能否鲜活地推进故事，有呼吸感，避免机械重复?)、UserPreferences(模型能否敏锐感知用户意图并恰当响应?)来源：MiniMax官网，中泰证券研究所nMiniMaxM2.5模型（2026年2月发布），在编码与智能体领域表现突出，多语言任务、Agentic任务及高阶办公场景能力优异。其50TPS的版本输出价格仅为同级别模型的1/10～1/20，具备规模化部署优势。图表34：主流大模型平均得分与每个问题平均花费（美元）来源：MiniMax官网，中泰证券研究所nMiniMaxM2.7模型（2026年3月发布）具备自主构建复杂AgentHarness的能力，可依托AgentTeams、复杂Skills、ToolSearchTool等核心功能，高效完成高难度生产力任务。以模型研发阶段为例，公司基于强化学习Harness构建数十项复杂技能，驱动模型通过更新自身Memory实现自主强化学习，并依据反馈结果持续优化学习过程与Harness体系，从而推动模型完成自我迭代与进化。在部分RL工作场景下，M2.7能够胜任30-50%的工作流。n视频模型（Hailuo-02Hailuo-02模型在生成极端复杂物理交互场景方面具备突出能力，可覆盖体操、杂技、跳板跳水等领域的高难度动作。区别于同类模型在处理快速复杂运动时易出现的肢体扭曲问题，其能够确保人物在复杂动作中始终保持形态完整、动作流畅，生成顺滑且精准的视频效果。截至2025年6月22日，在ArtificialAnalysis的图像生成视频测评中，Hailuo-02行业深度报告-26-请务必阅读正文之后的重要声明部分的ELO评分位居全球第二，仅次于字节跳动的Seedance，优于GoogleVeo和Runway等老牌巨头。图表35：ArtificialAnal截至2025年6月22日来源：MiniMax招股书，中泰证券研究所n语音模型（Speech-02MiniMax的Speech-02模型核心创新在于可学习说话人的编码器，无需转录即可从参考音频中提取音色特征，能够生成与参考声高度一致且富有表现力的语音；同时，Flow-VAE技术进一步提升了合成音频的整体质量，两大技术共同使得Speech-02实现行业领先的语音合成效果。截至2025年6月22日，Speech-02-HD在ArtificialAnalysisSpeechArena中极具竞争地位。图表36：ArtificialAna截至2025年6月22日来源：MiniMax招股书，中泰证券研究所n音乐模型（MiniMaxMusic2.5MiniMax2026年1月29日推出的MiniMaxMusic2.5，在段落级强控制与物理级高保真两大技术难题上实现突破，支持14种音乐结构变体，优化旋律走向与情绪推进逻辑，贴合华语流行趋势，-27-请务必阅读正文之后的重要声明部分同时优化人声合成与混音处理，扩充音色库至100+种，解决AI音乐常见的声音混叠问题。出海典范：海外收入为主要来源，C端成核心支柱nMiniMax具备高度的全球化色彩，海外（中国内地外其他地区）收入占比高达73%，证明了中国AI企业在算法出海层面的可行性。公司产品矩阵包括：主打MaaS的MiniMax、陪伴式AITalkie/星野、视频生成平台海螺AI、音频生成工具AIMiniMax语音、MiniMaxAgent智能通用体、AI-native Workspace。 图表37：公司产品发布史来源：MiniMax招股书，中泰证券研究所nMiniMax2023至2025年收入结构愈发呈现全球化特征，海外（中国内地外其他地区）占比提升，2024、2025年分别收入21.3、57.7百万美元，占总收入70%、73%，是增长核心；同期中国内地收入9.2、21.4百万美元， 占总收入30%、27%，公司全球化布局成效突出。图表38：2023.2025年按地区划分营收结构（百万美元）来源：MiniMax报告，中泰证券研究所n2023至2025年，公司按服务划分的营收AI原生产品从0.8百万美元增至53.1百万美元，占比由22%提升至67%；开发平台及其他基于AI的企业服务同步从2.7百万美元增长至26.0百万美元，两类业务均实现翻倍以上增长，充分验证了公司AI产品化与企业服务的商业化落地能力。-28-请务必阅读正文之后的重要声明部分图表39：2023-2025年按服务划分营收结构（百万美元）来源：MiniMax报告，中泰证券研究所核心产品：场景化布局全面，以模型能力驱动应用拓展nMiniMaxAIAgent：多模型驱动的通用智能体。2025年6月推出的自研通 用智能体，可通过自然语言指令自主执行复杂长程任务，依托多模型驱动， 提供闪电和专业两种模式，具备任务分解、多工具协同及跨平台协作能力。图表40：MiniMaxAIAgent主页来源：MiniMax招股书，中泰证券研究所n2026年1月20日上线的2.0版本推出Experts（专家模式支持自定义创建垂直领域智能体，实现一次配置、永久复用，同时部署原生专家、支持专家双向共享，商业化采用分级月付、积分购买、团队计划三者结合的模式，分国内外两个定价体系。行业深度报告-29-请务必阅读正文之后的重要声明部分图表41：MiniMaxAIAgent2.0专家社区来源：公司产品官网，中泰证券研究所nMiniMaxAgentDesktop：AI原生桌面工作台能够深度整合电脑本地环境、垂类优化能力、自动化操作引擎与全域视角工具，能智能调度本地电脑全资源，支持无人值守模式，具备文件整理与批量处理、网页代理、社媒发布等核心功能，重塑人机交互逻辑，沉淀专业知识体系，赋能高复杂度工作。n该产品致力于通过AI技术赋能高复杂度工作场景，实现相关领域的价值变革。核心变革体现在两大维度：一是重塑人机交互底层逻辑，颠覆过往“人需迁就Agent指令逻辑”的被动模式，实现“Agent主动理解并适配用户工作习惯”的智能化跃迁；二是依托定制化ExpertAgents，将各领域的专业知识体系与实操方法论进行模块化沉淀，帮助非专业人群绕开漫长的学习曲线，直接获取行业顶级的专业能力支撑。构建的云端AI助手，直接集成在MiniMaxAgent网页端，在云端部署并运行OpenClaw。相较于OpenClaw，MaxClaw的优势在于：无需手动部署本地环境，开箱即用预置精选专家级Skill，省去手动挑选配置用户可获得50G专属云储存空间，长期记忆、持久储存跨端协作，打通飞书、钉钉等多IM渠道nOpenClaw为OpenRouter平台Token调用量最高的应用，平台内绝大部分工具调用所消耗的Token均来自OpenClaw。截至2026年3月30日，OpenRouter平台数据显示：MiniMaxM2.7工具调用占比为7.10%，在全球大模型中位列第三。行业深度报告-30-请务必阅读正文之后的重要声明部分截至2026年3月30号仅Openrouter平台数据*数据样本仅覆盖OpenRouter单一平台，其趋势变化具有一定参考价值，但不能直接等同于整体市场的真实表现来源：Openrouter，中泰证券研究所nTalkie/星野：情感陪伴AI的全球范式，作为MiniMax出海战略的核心载体，Talkie/星野将多模态大模型能力深度融入产品体验，用户可深度个性化定制AI陪聊对象，融合“游戏化运营”与“情感陪伴”模式，提升用户粘性与付费意愿。其搭载的MiniMaxM系列模型支持高达400万Token的推理上 下文，用户日均使用超70分钟。图表43：Talkie/星野使用界面来源：MiniMax招股书，中泰证券研究所n市场表现方面，Talkie在美国GooglePlay和AppStore的娱乐类应用榜单中长期位居前列，多次跻身下载榜前五，截至2025年9月MAU超过2000万，2024年8月全球下载量突破1700万次。变现模式包括广告收入、订阅服务与软件内道具消费，分国内外多档位定价。行业深度报告-31-