在 AI 大模型公司动辄以“烧钱换增长”的叙事里，MiniMAX 的 2025 财报显得格外刺眼：一边是营收翻倍、海外攻城略地，一边是账面净亏损飙升至 18.7 亿美元。它到底是高速扩张的行业样本，还是资本催生的幻影？

拆解这份刚上市不足两月的成绩单，你会发现，中国 AI 的下一个答案，或许就藏在它的规模与效率之战中：

营收同比增长 158.9%，达到 7903.8 万美元； 毛利率从 12.2% 跃升至 25.4%； 海外市场贡献了高达 73% 的收入； 全年净亏损却同比扩大 302.3%，达到 18.71 亿美元。

这种“撕裂”的数据，恰是当下头部 AI 大模型公司最真实的写照：在通向通用人工智能（AGI）的赛道上，规模化的高速增长与底层算力的巨额投入，仍是一场难以轻易踩刹车的消耗战。

全模态+双轮驱动+全球化：MiniMAX的三步棋

从财报中，可以清晰看到 MiniMAX 的核心商业逻辑，它由三步棋构成。

第一步是全模态技术底座。公司已经完成语言、视频、语音、音乐四大核心模态的覆盖。

今年 2 月发布的 M2.5 语言模型，不仅在 SWE-Bench Verified 基准测试刷新纪录，更以令人咋舌的成本控制力引人注目——以每秒 100 个 token 的速度连续运行一小时，成本仅需 1 美元。这意味着，企业花 1 万美元，就能让 4 个智能体全年无休地工作。

第二步是“C端应用 + B端平台”的双轮驱动变现。

2025 年，以 Hailuo AI 为代表的 AI-native 产品贡献了 67.2% 的营收，约 5307.5 万美元；而面向企业客户的 Open Platform 收入同比大增 197.8%，达到 2596.3 万美元。这种结构既稳住了现金流基本盘，又通过庞大的用户数据反哺模型迭代。

第三步是极致的全球化布局。

海外市场在 2025 年贡献了 5766.3 万美元，占总收入的 73%。新加坡、美国等核心市场是主要来源。然而，这一片耀眼的“全球化红利”背后也有隐忧：随着全球大模型监管政策收紧，数据合规与地缘政治带来的潜在成本上升，正成为其必须直面的挑战。

亏损的真相：账面巨亏与运营杠杆收窄

在增长质量上，财报中最值得关注的亮点，是毛利的飙升——2025 年毛利同比暴增 437.2%，达到 2007.9 万美元。这表明，随着模型推理与系统基础设施配置的优化，公司正在跨越“卖得越多亏得越多”的算力陷阱，规模效应开始在账面上显现。

至于那笔高达 18.71 亿美元的净亏损，必须穿透财务准则才能看清实质。

其中包含了 15.89 亿美元的非经营性财务负债公允价值变动亏损。这是因为公司在一级市场的估值持续推高，导致可转换优先股的账面价值上升，按会计准则必须计入亏损。

但随着 2026 年 1 月港股上市，这些优先股已自动转化为普通股，这一巨额亏损科目将在未来的财报中消失。

真正体现业务“烧钱速度”的，是经调整净亏损——2025 年为 2.51 亿美元，同比仅微增 2.7%。在营收大涨近 159% 的同时，核心运营亏损几乎被锁住。

销售及分销费用同比下降 40.3%，显示用户增长正从粗暴买量转向自然增长与口碑驱动；研发支出增速 33.8%，低于营收增速，意味着研发效率在实质提升。

平台化前夜：跨越 AGI 的深水区

在财报中，MiniMAX 明确表达了从“大模型公司”向“AI 时代平台型公司”转型的野心。

模型能力的进化，使其商业化杠杆持续拉长。截至 2026 年 2 月，M2 系列文本模型的日均 token 消耗量是去年 12 月的 6 倍以上，其中编码场景的消耗量增长超过 10 倍。

视频模型累计生成超 6 亿条视频，语音模型生成超 2 亿小时语音，底层调用的黏性极强。

但深水区的挑战依旧冷酷。截至 2025 年底，公司持有约 10.5 亿美元现金及等价物，加上 1 月初 IPO 募资的 50 亿港元净资金，短期弹药充足。

但放眼全球，顶级巨头的持续降维打击，以及悬而未决的知识产权侵权诉讼，都是其全球扩张路上的隐性风险。

MiniMAX 的 2025 财报，是一份关于“规模与效率”的现实验证。

它证明 AI 大模型不仅可以走出实验室，还能在全球市场赚到真金白银；同时也警示，在底层算力高昂的当下，没有哪家公司能轻松跃过盈利的龙门。

在这场科技长跑中，MiniMAX 用惊人的海外增速和精细的成本控制，拿到了下一局的门票。但能否将技术护城河最终转化为坚不可摧的商业帝国，真正的较量，才刚刚开始。

在全球 AI 竞争进入“效率+规模”双考阶段之际，MiniMAX 的财报提供了一个重要观察样本：高增长与高投入并非不可调和，关键在于能否持续优化单位算力产出、稳住运营杠杆，并在全球化进程中找到合规与增长的平衡。

下一个阶段的胜负手，不只是模型参数，更是商业模式与资本耐力的综合较量。（本文首发钛媒体App , 作者｜硅谷Tech news，编辑｜秦聪慧）