当Minimax与智谱这两家中国AI独角兽在2026年初以约60亿美金估值敲响上市钟声时，资本市场看到的是暴涨的股价与普涨的行情，但翻开财报，映入眼帘的却是“亏无止境”的残酷现实。这两家明星公司，人员规模均未超过千人，收入在两三年内从零迅猛增长至近亿美金量级，展现了惊人的爆发力。然而，这种高增长在凶猛的投入面前显得杯水车薪：支出层面，两家公司的总开支基本维持在当期收入的10倍上下，即便是毛利率翻正的Minimax，其支出仍是收入的5倍以上。

这揭示了大模型行业最核心的悖论：收入越高，亏损率反而可能越高，陷入了规模不经济的怪圈。要理解这种生意模式，必须拆解其底层的投入逻辑。虽然数据、算力、算法是公认的三要素，但在财报上，真正的“吸金黑洞”并非人力，而是算力。尽管大模型人才昂贵，Minimax研发人员单人月成本高达16万元，但薪资支出至少能被收入覆盖。相比之下，算力投入才是压垮利润表的最后一根稻草。

在大模型的成本结构中，训练算力和推理算力构成了主要开支。为了研发下一代模型，训练算力投入占总支出的50%以上，且呈现指数级增长——模型每迭代一代，训练成本往往要翻3至5倍。更致命的是，由于技术迭代速度极快（一年一代），上一代模型的训练投入往往只能对应一年的创收期，无法像传统固定资产那样进行长期摊销，只能全额计入当期研发费用。这就导致了Minimax和智谱的当年创收，仅能覆盖上一年训练成本的30%至65%，且这一覆盖率还在持续下降。

这种商业模式的本质，是将一个本应是“强资产负债表”的资金密集型业务，做成了“全长在利润表”上的费用型生意。只要Scaling Law（缩放定律）依然生效，模型智力的提升就需要指数级的算力投入，企业必须用这一代模型的收入，加上数倍的融资资金，去赌下一代模型的入场券。在技术奇点到来、模型不再需要高频迭代之前，大模型公司始终是吞金兽。

终局或许存在两种可能：要么技术进步放缓，模型成为类似“长江电力”那样的长久期资产，通过长期摊销实现盈利；要么市场形成高度集中的寡头格局，停止价格战，通过垄断定价权来覆盖成本。但在那之前，大模型的生意模式就是一场残酷的淘汰赛——比拼的是谁能在算力黑洞吞噬所有资金之前，率先跑通商业闭环，或者熬死对手。对于大多数玩家而言，这不仅是技术的比拼，更是一场关于资本耐力的生死赌局。