Coding爆发打破「AI泡沫论」,MiniMax能否卡位下一个Google?

news2026/5/19 2:44:14
【Coding爆发打破「AI泡沫论」】Coding的爆发彻底断绝了「AI泡沫论」这已成为共识。阿里财报显示MaaS ARR超过80亿元年底还有望再涨三倍以上意味着只有投入没有回报的周期已过去能开始盈利大小玩家都更有底气。【原生AI公司前景乐观】原生AI公司的情况可能更乐观。摩根士丹利测算发现在主流高性能AI推理集群部署下MiniMax平均每分钟进账1美金成本低于0.3美金而行业平均收入约0.5美元/分钟MiniMax仅凭利润就跑赢大盘。同期在相同硬件配置下Claude Opus 4.6和GPT 5.4等美国闭源模型单位推理成本约是MiniMax的15倍以上即便定价更贵单位经济效益仍落后。根据OpenRouter数据最近一年里中国模型的Token消耗量从5%飙升到32%赢得了市场选择。【MiniMax的稀缺价值】MiniMax被发现具有稀缺资产的一面。最近几个月各大投行和券商接连发布和MiniMax有关的研报。摩根大通认为MiniMax在2B/2C两大市场双管齐下且早有全球布局带来了同行难得的经济灵活性摩根士丹利对MiniMax的ARR和GPM更乐观其基础设施优势将转化为领先的用户体验和超出预期的Token消费高盛认为MiniMax将是新一轮模型竞争周期的赢家因其提前站稳多模态能力人类交互本质是多模态的国盛海外更新观点称可灵估值达200亿美金占快手市值约7成说明满足创造力场景的模型供给稀缺。随着新版本模型密集发布竞争加剧引发不确定性情绪但时间会证明好模型能穿越周期目前对MiniMax基本都是买入和增持评级。【AI行业拐点已至】前两年还有AI泡沫论去年Q4 Token用量爆发让再提泡沫的人显得不合时宜。Anthropic创始人曾抨击科技大厂囤积GPU后Anthropic因需求涨80倍而缺卡。中国3月日均Token调用量超140万亿OpenClaw用指数级Token消耗接入各行业工作流。摩根大通认为中国2026年企业端需求大概率复制美国2025年至今的发展路径。Anthropic创造创收奇迹300亿美金的经常性年化收入使其成为全球新王让OpenAI股份交易在一级市场失宠。在企业级市场Anthropic展现强势定价权品质与稀缺性使其成为硬通货。摩根大通判断拥有强大模型的公司可豁免成本战争进入「下沉市场」难度低于低价模型打入「高端市场」。【市场共识不断变化】这一年市场共识多次变换。去年此时GPT - 4o生图能力震惊众人ChatGPT周活用户翻倍下半年「Google主场」Nano Banana和Veo 3在多模态领域表现出色Gemini在SOTA上领先随后Anthropic低调发展后一鸣惊人人们意识到Coding经济价值巨大。有人预测Anthropic收入3年内超谷歌但低估Google和只关注Coding可能错过更大机会。Google剧透的Gemini Omni模型惊艳它在全模态信息上完成训练是世界模型雏形。Google、OpenAI和字节跳动证明坚持Scaling Laws、在同一基座模型上训练全模态能力可通向世界模型。【MiniMax的全模态潜力】评估国产模型标准将因Google即将发布的Gemini Omni改变。中国原生AI公司在Coding领域竞争激烈而MiniMax是唯一模型迭代方向与Google一致的具备「文本 图像 视频 音频 音乐」全栈能力。摩根士丹利预计MiniMax年内ARR增长10x上调收入和股价预期。MiniMax即将发布的M3系列模型压力大中信建投透露多模态能力是升级重点集成的H3视频模型被评测为与Seedance相当。多模态生成是语言模型理解世界的硬验证信号大部分底层能力与核心模型复用成本提升有限却能帮助AI构建世界、放大效率差。【全模态模型的未来】Anthropic尝试扩圈Claude Design未引发大震动说明一招鲜难以长久。真正成熟丝滑的全模态模型将接管更广泛的生产力市场最终进入生活场景成为基础智能资源。就像经济学家Eldar Maksymov所言技术进步会创造新需求推动就业规模扩大。MiniMax和Google看到了这个机会希望AI公司能实现承诺。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2619107.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…