AI动态

分类：科技 标签：具身智能、人工智能、机器人、大模型 2026 年 9 月 1 日，梅卡曼德正式登陆港交所，首日收盘总市值约 124 亿港元。作为上一轮机器人创业潮中走出的代表企业，这家专注于机器人“大脑”与“眼睛”的公司，终于在公开市场上被标出了明确的价格。 在上市前夕，一级市场与基石投资者已率先投下信任票。梅卡曼德此次引入了包括苏格兰百年资管巨头 Baillie Gifford 在内的 9 家基石投资者，合计认购 1.86 亿美元。但对于一家走过十年的科技企业而言，敲钟并非终点，而是面对全新行业标准的一场大考。 “机器人大脑”，在真实工厂里长成 成立于 2016 年底的梅卡曼德，从创业之初就没有将重心放在单纯制造机械臂上。公司名 Mech-Mind 中的 “Mind”，精准指向了核心赛道：给机器人做感知、识别和运动规划。 回顾其技术演进路径： 2017 年：推出第一代 Mech-Eye（3D 相机获取点云与图像）、Mech-Vision（视觉软件识别物体位置姿态）以及 Mech-Viz（规划软件计算抓取与避障路径）。 场景落地：从日化、汽车零部件到机器人制造，技术团队通过标准化产品替代高度定制，将使用门槛交由系统集成商与客户。 规模化扩张：截至上市前，其产品已进入近 50 个国家和地区，累计部署超过 2.9 万台，服务超 100 家财富世界 500 强企业。 海外市场的爆发尤为亮眼。2023 年至 2025 年，其海外收入从 5860 万元飙升至 1.955 亿元，年复合增长率高达 82.7%，占比突破半数。老客户的持续复购率更是从 2023 年的 61% 跃升至 2026 年一季度的 86%，印证了其产品在真实工业现场的稳定性与黏性。 从 3D 视觉到具身智能：打通“眼脑手”链路 庞大的部署规模并未让团队止步于传统工业视觉。面对具身智能与物理 AI 的浪潮，梅卡曼德正在将十年的技术积累无缝衔接至新一代产品中。 Mech-GPT（2023 年发布）：尝试将自然语言、图像与 3D 空间信息融合，让用户通过自然语言指令直接下达任务，由模型自主拆解步骤并调用底层视觉与规划能力。 具身智能基座与世界动作模型：用于预测不同动作可能产生的结果，打通任务理解、动作规划与执行的闭环。 Mech-Hand 多指灵巧手：补齐了直接操作物体的“手”之维度，实现抓、捏、握、拧、提等复杂操作。 通过 AI 成像、光学进步与路径规划的迭代，其履约成本不断下降，毛利率从 2023 年的 39.1% 一路攀升至 2026 年一季度的 64.8%。这使其有充足的资源将研发重心持续投入到世界模型与灵巧手等前沿探索中。 ...

分类：AI动态 标签：大模型、商业化、智谱、MiniMax 在经历了一轮又一轮的参数规模战之后，中国头部大模型企业终于迎来了上市后的首份中期财报。智谱与 MiniMax 在五天之内先后交卷，两家公司虽然都顶着高额的研发投入与尚未扭亏为盈的财务压力，但在商业化的选择上，却走出了截然不同的两条路径。 透过财报可以发现，智谱更倾向于向深度场景探索，通过 API 与复杂任务重塑企业工作流；而 MiniMax 则押注全球化与多模态，致力于将单位智能的成本压到极致。两家公司的商业化交锋，折射出中国大模型产业正在经历深刻的结构性分层。 一、 智谱：本地化退潮，API 已成主引擎 从智谱的财报数据来看，其业务结构正在发生剧烈转换。 上半年营收达到 9.54 亿元人民币，同比增长近 400%。其中，开放平台与 API 业务收入激增，占总收入比重高达 86.5%，而过去作为基本盘的本地化部署则退居幕后。这种转变意味着智谱正在告别传统的项目制生意，转向按调用量持续收费的云端服务模式。 为了向市场解释高额的研发与算力投入，智谱在财报中提出了一个核心公式： AGI 商业价值 = 智能上界 x Token 消耗规模 沿着这套方法论，智谱的产品矩阵展现出清晰的战略分工： GLM-5.3 拓展任务上限：重点发力长程 Coding 和 Agent 能力，试图推高模型独立处理复杂任务的能力边界。 GLM-5.3-Flash 扩大消费规模：通过稀疏架构与国产芯片集群的适配，将推理成本大幅压低，以更具性价比的价格刺激大规模调用。 智谱的终极目标是向 Co-work（协同工作）方向推进，让模型进入软件工程、网络安全等专业知识工作流，最终实现从按 Token 收费向按端到端任务结果收费的跨越。 二、 MiniMax：收入更全球化，先把单位智能做到足够便宜 相比之下，MiniMax 的财报呈现出了完全不同的全球化与规模化轮廓。 上半年，MiniMax 实现收入 1.17 亿美元，其中海外收入占比超过 60%，成为不折不扣的海外业务唱主角。在企业和开发者生态方面，其客户数量实现爆发式增长，ToB 业务展现出强劲的扩张势头。 MiniMax 的经营逻辑高度凝练为一句话：Minimize the Cost, Maximize the Intelligence（最小化成本，最大化智能）。 在算力与能源依然稀缺的现实背景下，MiniMax 并未急于提高单次调用的价格，而是通过模型架构、算力调度与推理效率的深度优化，持续压低获得同等智能的成本： 文本与多模态双线并进：M3 模型主攻 Coding 与 Agent 能力，而 H3 等多模态模型则切入视频、音频等原生创作场景。 以低价换规模：通过持续降低推理成本，MiniMax 试图用更宽的商业化覆盖面和庞大的 Token 消耗量来反哺生态。 尽管毛利率在不断改善，但 MiniMax 同样面临高昂的研发与算力基础设施开销。它所押注的不是短期的单价溢价，而是让更多人用得起、用得更多。 ...

分类：科技 标签：人工智能、AI硬件、大模型、智能穿戴 在当前的消费级硬件市场中，睡眠监测和助眠设备已经屡见不鲜。从智能手环到各类床垫，它们擅长告诉你昨晚睡得怎么样。但这里始终存在一个痛点：当机器发现你没睡好之后，到底能做什么？它又如何证明自己做对了？ 针对这一行业难题，一家成立不到一年、首款产品即将量产的 AI 硬件公司 Fullive.ai 给出了自己的解法。凭借创新的产品逻辑，该公司在成立初期便连续完成三轮融资，获得高瓴创投、智元机器人以及招商局创投的青睐。 一、睡不好的一晚，床头能做什么？ Fullive.ai 推出的第一款产品名为 Somni，是一款面向高压脑力人群的睡眠硬件。与传统需要佩戴的手环或头带不同，Somni 采取了克制的形态，被设计成一个安静的床头设备。 它不需要用户在睡前学习复杂的交互，也不要求佩戴任何传感器。通过机身内置的毫米波雷达、麦克风阵列和环境传感器，Somni 能够持续捕捉人体在夜间的呼吸、心率、体动、鼾声，以及卧室的温湿度与光照变化。 在系统内部，Somni 运行着一套完整的闭环逻辑： 感知状态：多组信号融合，实时判断用户的睡眠阶段与环境状态。 判断策略：动态生成干预方案，例如调整灯光暗度和播放辅助放松的节奏。 执行干预：通过声音、光线、气味等神经系统调节方式，在低打扰的前提下帮助用户入睡或自然唤醒。 迭代优化：对比干预前后的生理变化，评估效果并调整下一晚的执行策略。 郑昊将每个夜晚都比作一次「小型实验」：通过观察状态、尝试干预、收集反馈，设备得以不断摸索出对特定用户真正有效的方法。 二、训练一套「懂人体反应」的响应模型 在床头设备的外壳之下，Fullive.ai 真正想要构建的是一套全新的技术逻辑。 过去，AI 在生命科学领域大多用于描述系统「现在处于什么状态」。但健康管理的核心在于「改变状态」。同样的光照或声音，对不同的人甚至同一个人在不同压力下的反应截然不同。 为此，Fullive.ai 将核心数据逻辑定义为：状态 -> 干预 -> 响应。 状态：记录人体当前状态。 干预：施加可控的物理和环境动作。 响应：观察生理和行为上的真实反馈。 由此训练出的「响应模型」，其核心目标不是识别“人现在怎么样”，而是理解“人对干预会怎么反应”。在架构上，Somni 采用了“传感器 x 基础模型 x Bio-OS Harness”的方案，由生成式模型充当规划师提出候选方案，同时结合生理先验和循证医学证据设定安全边界，确保干预动作安全有效。 隐私安全方面，Somni 采用端云协同方案，雷达采集的原始波形优先保存在本地，云端传输会进行加密与最小化处理，兼顾了智能化与隐私保护。 三、从夜间入口出发，走向生理世界模型 Fullive.ai 将自己定位为一家“模型 x 本体”的 AI4Bio 公司。 在这套愿景中，模型负责理解状态与推演变化，而本体则负责走进物理世界执行感知和干预。Somni 是布局的第一步夜间节点，规划中的日间产品则将进一步把压力、情绪、专注等上下文接入系统。 团队放弃了复杂度更高的通用机器人形态，转而切入睡眠这一场景，正是看中了其明确的用户需求、封闭的环境以及足够长的连续观测时间。 目前，Somni 已完成小批次被试实验，并正全力推进量产与更大规模的临床验证。Fullive.ai 的长期目标是打造 Physiological World Model（生理世界模型），让 AI 不仅能识别生命当下的状态，更能推演和理解生命系统将如何随环境与干预发生动态演化。

分类：AI动态 标签：人工智能、具身智能、机器人、大模型 当 2026 年世界机器人大会在北京亦庄开幕时，300 多家企业与 2000 多件展品将具身智能行业的全貌摆上了台前。与此同时，宇树科技敲钟上市，盘中市值冲破 4000 亿元，为这个长期活跃在实验室、融资新闻和 Demo 视频里的赛道钉下了首个资本锚点。 一级市场的热度正向二级市场传导，具身智能不再只是纯粹的技术想象，行业开始被要求正面回答收入、交付、毛利和规模化等现实问题。比起追问何时会出现奇迹，更值得探究的是几个更朴素的底层问题：机器人是不是只能长成人的样子？具身智能的通用性究竟走到了哪一步？数据正在变成一门硬件生意吗？藏在指尖、关节和电机里的关键部件又推进了多少？ 透过各大代表性企业的实践，我们可以梳理出这个赛道正在发生的关键变革。 1. 机器人是不是只能是人形？ 过去两年，具身智能的叙事几乎被「人形机器人」全面占领。但从本届大会来看，「像人」不再是唯一的标准答案。在人形之外，越来越多公司开始根据真实任务重新设计机器人的形态。 形态分化与场景倒逼：宇树科技带来了全新格斗形态的 G1 与更大输出功率的 H2，同时展出了 3 米高、能载人变形的机甲 GD01，进军文旅与特种作业；维他动力发布人形具身智能终端 Vbot ATOM，通过承接四足机器人「大头」的量产交付经验，反向定义出适应家庭与公共空间的产品形态。 垂直场景的高效落地：未来不远机器人聚焦家庭场景，通过全栈自研的 WAM 世界动作模型，在现场稳定完成了双机协同与端到端意面制作；自变量机器人则在物流分拣场景中，采用双机械臂配合普通夹爪的非完整人形方案，实现了每小时 1816 件、准确率超过 98% 的高效运转。 2. 具身智能的通用性走到哪一步了？ 具身智能的通用性，体现在跨物体、跨环境、跨指令完成复杂任务的能力上。目前行业已跨过「单一动作展示」阶段，先进的机器人能够完成多技能串联、状态跟踪，并在遭遇扰动后重新规划。 在模型路线尚未收敛的背景下，各大厂商交出了不同的解法： 端到端与世界动作模型：银河通用发布的双足机器人 Galbot ET1 搭载了 AstraBrain WBC 小脑基座模型，能够实时模仿人类动作并进行高动态网球对抗；未来不远与自变量则分别通过 WAM 和 WALL-B 模型，将视觉、语言、触觉和物理规律融合进统一网络。 分层架构与跨本体复用：逐际动力 COSA 采用三层大脑架构（System 2 负责推理调度，System 1 调用操作技能，System 0 负责 1000Hz 全身运动控制）；星海图 G0.5 则通过统一动作编码，让同一套模型适配不同的机器人本体，推动通用能力在长程任务中落地。 3. 具身数据正在变成一门硬件生意吗？ 无论是通用性能还是垂直场景表现，模型都需要海量高质量数据的支撑。当前的数据采集涵盖遥操作、无本体 UMI、第一视角采集与真机本体采集等多种方式，这让许多人感叹具身数据正在变成一门硬件生意。 然而，数据的核心价值在于反哺模型、形成数据飞轮。 多样化的数据源：光轮智能通过 SimFoundry 仿真和 RoboFinals 评测体系构建 Real2Sim2Real 数据闭环；极佳视界则利用世界模型作为数据放大器，批量生成训练所需的交互数据。 数据闭环的演进：单纯的集中式数采已难以满足需求，行业趋势正从「集中式数采工厂」走向「机器人部署现场」。通过将真机运行数据实时回流并进行模型 Post-Training，才能真正加速具身智能的迭代。 4. 关键部件往前走了几步？ 关键零部件的进步，往往更能展示行业底层的推进速度。其中，灵巧手与感知系统构成了具身智能落地的关键一环。 ...

分类：AI动态 标签：具身智能、大模型、机器人、人工智能 机器人行业现在最关心的一个问题是：它能干完一整件事吗？ 几十秒的抓取物品视频已经撑不起高额估值，把一件事从头干到尾成了最新的行业考题。在 8 月 19 日的世界机器人大会上，墨奇科技（MORPHI）亮相了一台用 15 分钟独立完成收拾客厅、检查冰箱、洗烘衣物并叠好等七八十个动作的机器人，全程自主完成且没有掉链子。 这家成立仅 8 个月的黑马公司，在今年 7 月宣布完成超 10 亿元融资，由阿里和腾讯联手投资，估值突破 70 亿元。墨奇联合创始人黄青虬曾是华为智驾 AI 部门一号位，主导了 ADS 1.0 到 4.0 的算法突破。日前，极客公园与黄青虬进行了一场深度对话，探讨了他们通往物理 AGI 的技术路线与行业思考。 从华为智驾到物理 AGI：不走寻常路的创业选择 黄青虬在华为经历了智驾四代产品的核心 AI 模块研发。在亲手验证了用一个端到端 AI 模型去驱动物理系统、做底层控制这件事情完全可行后，他看到了具身智能爆发的基础，于是选择离职创业。 与行业主流偏好不同，墨奇的许多选择与同行反着来： 硬件路径：不急于做双足人形，而是先做轮式 -> 「智能的上限在手臂」。自研高动态、低时延的关节模组，但暂不急于做灵巧手 -> 「夹爪就够了」。 模型路线：不盲目追逐 VLA、世界模型等热门架构名词，而是押注 Agentic-Native 的具身模型路线 MoRA（MORPHI Reasoning & Autonomy）。 数据策略：不盲目堆砌数据量，坚持数据质量第一，主张「三个真实」（真实的人、真实的场景、干真实的活）。 核心技术路线：让 System 1 充当大脑 目前行业主流具身模型多采用三系统架构，将繁重的推理交给云端 System 2，而端侧 System 1 仅作为反应式的执行器。这种分工常常导致长程任务中的卡顿与协同瓶颈。 墨奇的解法是进行架构升级： Agentic-Native 路线：将 System 2 的部分核心能力下放到端侧的 System 1，让 System 1 成为更聪明的、具备自主执行与时序纠错能力的大脑，而不是纯粹的小脑执行者。 长程任务验证：通过 15 分钟的复杂家居 Demo，展示了模型在目标牵引、多层次动态记忆以及闭环认知纠错上的强大能力。黄青虬指出，长程任务是检验具身智能公司技术成色的试金石，只有当单动作成功率极高时，几十个动作串联的长程任务才能稳定跑通。 拥抱长期主义：在高度内卷中沉淀组织资产 具身智能赛道当前正处于资本与人才的高速狂飙期，同时也伴随着极高的行业跳槽率。 ...

分类：AI动态 标签：大模型、商业化、智谱AI、MiniMax 两家中国大模型头部企业在五天里先后交出了上市后的首份中期财报。数据显示，双方在营收和业务规模上均实现了爆发式增长，但通过财报背后的数字拆解可以发现，它们正在将大模型做成截然不同的两种生意。 从核心数据来看：MiniMax 上半年收入 1.17 亿美元，同比增长 283%，8 月 ARR 超过 8 亿美元；智谱上半年收入 9.54 亿元人民币，同比增长近 400%，8 月 ARR 达到 16 亿美元。两家公司的实际收入与经调整亏损规模相近，且都尚未实现整体盈利。然而，两家公司在模型变现的方向、市场上展现出了明显的分层。 一、 智谱：本地化退潮，API 已成主引擎 智谱在上半年实现了 9.54 亿元营收，同比增长 399.7%，其中开放平台与 API 业务收入达到 8.25 亿元，占总收入的 86.5%，而过去承担基本盘的本地化部署收入则出现了明显下降。 这标志着智谱的业务结构发生了根本性转变：从传统的「项目制买断（把模型部署进客户机房）」转向了「云端按调用量付费」。 技术与商业方法论：智谱在财报中提出公式：AGI 商业价值 = 智能上界 x Token 消耗规模。公司通过不断迭代 GLM 系列模型（如面向长程 Coding 的 GLM-5.3 以及主打高性价比的 GLM-5.3-Flash），一方面推高模型独立处理复杂任务的能力上限，另一方面大幅压低大规模调用的推理成本。 高投入与新挑战：尽管 API 业务高速增长，但由于业务结构调整，整体毛利率从去年同期的 50.0% 降至 26.4%，研发投入高达 21.31 亿元。未来，智谱需要证明其 Co-work（如网络安全、法律等专业工作流）能否真正成为继 API 之后的又一项规模化收入。 二、 MiniMax：收入更全球化，先将「单位智能」做到极致 与智谱相比，MiniMax 的财报呈现出更强的全球化特征。2026 年上半年，MiniMax 实现收入 1.17 亿美元，其中海外收入高达 7083 万美元，占总收入的 60.8%。 ...

分类：AI动态 标签：人工智能、大模型、苹果、Anthropic 今天的科技圈迎来了多项重磅动态。从苹果新任掌舵人约翰·特努斯（John Ternus）首次入驻社交平台 X，到 AI 领域 Anthropic 重磅发布的 Claude 5.1 系列模型，再到各大科技巨头与硬件厂商的最新动作，以下为您整理了今日不容错过的科技与数码精选资讯。 1. 苹果新 CEO 约翰·特努斯正式入驻 X 平台 苹果首席执行官约翰·特努斯在其担任掌舵人的首个正式工作日，正式加入了社交平台 X（原 Twitter），并发布了个人账号的首条动态。 正如外界预料的那样，这个名为 @johnternus 的账号发布了一则全小写字母、仅有「hello」五个字母的简短消息。虽然该账号早在 2026 年 6 月便已私下创建，但直到此时才公开亮相。这条动态在发布后极短时间内便获得了巨大关注，上线约 35 分钟便收获了数万次点赞与海量评论，延续了科技领袖与公众直接对话的传统。 2. Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1 当地时间 9 月 1 日，AI 独角兽 Anthropic 宣布推出全新的 Claude Fable 5.1 和 Claude Mythos 5.1 模型，并将其称为「全球最先进的编程与知识工作模型」。 权限分级：Fable 5.1 与 Mythos 5.1 基于相同的基础架构，但安全防护等级不同。其中 Fable 5.1 面向所有用户开放，而 Mythos 5.1 仅通过可信访问计划向经过审核的网络安全和生命科学机构提供。 性能表现：基准测试数据显示，Fable 5.1 在多项测试中超越了前代 Fable 5、Opus 5 以及 OpenAI 的 GPT-5.6 Sol。 3. 谷歌发布 TimesFM-3 时间序列基础模型 谷歌正式发布了其时间序列基础模型系列的第三代产品 —— TimesFM-3。该模型拥有 3.3 亿个参数，并在包含超 1 万亿个时间点的真实世界和合成时间序列语料库上进行了预训练。 ...

分类：AI动态 标签：人工智能、大模型、具身智能、机器人 机器人行业现在最关心的一个问题是：它能干完一整件事吗？几十秒的抓取物品视频已经撑不起高额估值，将一件事从头干到尾的「长程任务」，成了最新的行业考题。 在 8 月 19 日的世界机器人大会上，成立仅 8 个月的墨奇（MORPHI）交出了一份硬核答卷：一台名为 MORPHI KINO 的轮式机器人，在 15 分钟内自主完成了收拾客厅、检查冰箱、洗烘衣物并叠好等七八十个连续动作，全程没有掉链子。 这家公司的联合创始人黄青虬出生于 1994 年，拥有清华自动化本科与港中文博士背景，曾任华为智驾 AI 部门一号位。近日，极客公园与黄青虬展开深入对话，探讨了具身智能的技术路线、物理 AGI 的实现图谱，以及在拥挤赛道中的破局之道。 华为智驾 5 年，验证物理 AGI 的底层可能 黄青虬在华为经历了智驾从 ADS 1.0 到 4.0 的演进，主导了车规级激光雷达 AI 化感知及一段式端到端等关键突破。他亲手验证了用一个 AI 模型去驱动物理系统、做底层控制是完全可行的，这为他后来投身具身智能奠定了基础。 与许多同行不同，墨奇的诸多选择显得颇为独特： 不做双足人形，先做轮式 -> 智能的上限在手臂，现阶段应规避双足平衡等非核心瓶颈。 自研关节，暂不碰灵巧手 -> 夹爪已足够应对大部分场景，关键瓶颈在算法而非执行器。 不追逐热门架构名词 -> 提出 Agentic-Native 的具身模型路线 MoRA（Reasoning & Autonomy）。 黄青虬指出，通用机器人未来能取代专用机器人，但专用永远取代不了通用。只有在泛化场景中喂出泛化的基础模型，才能真正推高智能的上限。 基础模型路线之争：让 System 1 成为大脑 当前行业主流模型多采用多层系统架构，但 System 2（云端高阶推理）与 System 1（端侧操作）之间存在通信与时序瓶颈。 墨奇主张的 MoRA 模型 核心在于： 能力重构 -> 将传统依赖云端调度的一部分能力下放，让端侧的 System 1 不再只是纯粹执行动作的小脑，而是具备中等时序、自主纠错与回溯能力的「大脑」。 多层次接口与记忆 -> 不仅支持大颗粒度的语言指令（如“叠衣服”），还能处理图像指令，并在长达数分钟的连续动作中展现记忆与环境动态响应能力。 在数据建设方面，墨奇目前已积累 3 万小时真实场景数据。黄青虬强调，数据质量远胜于数量，核心竞争力在于从原始数据到训练数据之间的 pipeline 搭建，以及在模型试错中沉淀下来的 know-how。 ...

分类：科技 标签：人工智能、机器人、具身智能、IPO 2026 年 9 月 1 日，梅卡曼德正式登陆港交所，首日收盘总市值约 124 亿港元。作为上一轮机器人创业潮中走出的企业，这家公司用十年的时间，在公开市场上为自己的「机器人大脑」标出了价格。 上市前夕，一级市场与基石投资者已率先投出信任票。梅卡曼德引入了包括苏格兰百年资管巨头 Baillie Gifford 在内的 9 家基石投资者，合计认购 1.86 亿美元。 但在热闹的资本聚光灯之外，这家公司从创立第一天起，走的就是一条与众不同的路。 一、「机器人大脑」，在真实的工厂里长成 2016 年底，创始人邵天兰从德国回国创业。当时国内外的机器人硬件已经相对成熟，但普遍面临一个痛点：机械臂虽然有力，但缺乏足够的智能，无法自主理解任务，也难以适应多变的物体与环境。 梅卡曼德没有选择去造一台完整的机器人（如人形双足或四足机械），而是将目光聚焦于 Mech-Mind 中的「Mind」——给机器人装上感知、识别和运动规划的「大脑」。 感知 -> 规划 -> 执行：通过 Mech-Eye 相机获取 3D 点云与图像 -> Mech-Vision 视觉软件识别物体位置姿态 -> Mech-Viz 规划软件计算机械臂的抓取路径与避障策略。 产品化落地：将高科技的算法封装为简单易用的智能组件，通过系统集成商与客户工程师推向市场。 十年间，这套路线跑出了令人瞩目的规模。招股书显示，截至上市前，梅卡曼德的产品已进入近 50 个国家和地区，累计部署超过 2.9 万台，服务了超过 100 家世界 500 强企业。其中，海外收入占比更是从 2023 年的 32.4% 迅速跃升至 2025 年的 50.3%。 更重要的是老客户的黏性：上年活跃客户对当年收入的贡献占比从 2023 年的 61% 一路攀升至 2025 年的 78%，并在 2026 年一季度达到 86%。这证明其技术不仅经受住了初期的验证，更深度嵌入了全球用户的核心产线中。 二、从 3D 视觉到具身智能：新一代「眼脑手」的演进 部署规模的成功，并未让梅卡曼德固步自封。面对近年来大火的具身智能、物理 AI 与世界模型浪潮，这家老牌机器人公司正在快速衔接新一代技术。 ...

分类：AI动态 标签：大模型、智谱、MiniMax、商业化 国内大模型领头羊在上市后交出了首份年中成绩单。从财报数据来看，智谱与 MiniMax 均实现了营收的爆发式增长，ARR（年度经常性收入）也双双突破高位，证明了模型能力已正式转化为真金白银的收入。 然而，撕开增长的表象，两家公司在商业化路径的选择上走出了截然不同的方向：智谱正将重心转向云端 API，试图向更深的工作流探索；而 MiniMax 则更依赖全球化布局，通过持续压低单位智能成本来拓展市场广度。 一、 智谱：本地化退潮，API 已成核心增长引擎 从智谱的中报来看，其业务结构正经历重大转换。今年上半年，开放平台与 API 业务收入激增，占总收入比例高达 86.5%，而过去作为基本盘的本地化部署则退居幕后。 云端服务崛起：MaaS 平台的 Token 调用量较年初增长超 40 倍，付费日活与 API 平均售价均实现显著提升。 高投入与技术方法论：尽管收入大涨，智谱仍处于高额研发投入期。其财报提出了 AGI 商业价值公式：AGI 商业价值等于智能上界乘以 Token 消耗规模。 双线产品布局：智谱通过 GLM-5.3 拓展复杂任务的处理上限，同时借助稀疏架构的 GLM-5.3-Flash 压低大规模调用成本，试图打通从开发者调用到企业端到端任务收费的路径。 二、 MiniMax：海外收入为主，用极致效率撬动更广市场 相比之下，MiniMax 展现出了不一样的增长轮廓。其最大的亮点在于全球化成果显著，海外收入占据了总收入的六成以上。 全球化与开发者生态：企业和开发者客户数较去年末实现大幅增长，ToB 业务在 ARR 中的占比稳步提升。 极致的成本优化：MiniMax 奉行降低单位智能成本的逻辑。通过优化模型架构、算力调度与供应链效率，在压低推理成本的同时改善毛利率。 多模态齐头并进：从负责企业开发与智能体需求的文本模型，到切入创作与内容生产的多模态模型，MiniMax 通过丰富的产品矩阵将 AI 送进更多的应用场景。 三、 总结：通往终点的两条不同路线 将两家公司的财报放在一起，可以发现它们分别代表了中国大模型商业化的两种解法： 智谱的深度路线：推动收费单位向上移动，让模型进入软件工程、网络安全等专业知识工作，最终实现按任务和流程收费，核心在于提升模型处理高价值任务的能力边界。 MiniMax 的广度路线：通过架构优化与多模态能力，把 AI 送进全球更多的开发者、企业和内容场景中，用规模化效应摊薄成本。 当前，两家公司都尚未完全摆脱亏损，基础设施的高投入依然存在。但随着智谱向更深的工作流挺进，以及 MiniMax 在全球市场不断扩大调用规模，大模型正朝着既能把复杂事情办完、又便宜到可以被大规模使用的终极目标稳步迈进。