塔斯娱乐资讯网

智谱 AI 与 MiniMax:两大国产大模型龙头,两种截然不同的成长底色

在国内通用大模型赛道,智谱 AI 与 MiniMax(稀宇科技)是两家极具代表性的头部企业,先后登陆港股资本市场,被视作中国大模型产业商业化的标杆样本。同样深耕通用人工智能,两家公司却有着完全不一样的出身背景、技术基因与商业路径,一个扎根高校科研,立足国内政企市场;一个脱胎于计算机视觉产业,瞄准全球 C 端用户,走出了国产大模型 “学院派” 与 “产品派” 的两条道路。


智谱 AI:源自清华实验室,国产大模型的学院派代表智谱 AI 全称为北京智谱华章科技股份有限公司,2019 年正式成立,是典型的高校科研成果转化企业,核心根基来自清华大学计算机系KEG 知识工程实验室。
这个实验室是国内最早研究自然语言处理、知识图谱的科研阵地之一,早期孵化出学术情报平台 AMiner,这套技术体系,就是智谱 AI 最初的技术底座。创始团队大多为清华体系的科研人员,首席科学家是中科院院士张钹,CEO 张鹏、首席科学家唐杰教授等核心成员长期深耕知识图谱与大模型预训练方向,团队自带浓厚的学术科研底色36氪。
技术层面,智谱自研GLM 系列基座大模型,从早期 GLM‑10B 迭代至 GLM‑5 系列,坚持全栈自主研发,兼顾长文本理解、代码生成、多模态能力,同时深度适配国产软硬件环境,非常适配国内信创、私有化部署的需求。
产品与商业化上,智谱采用B 端为主、C 端为辅的模式。面向企业与政府提供 MaaS 模型即服务、私有化部署、行业定制解决方案;C 端面向普通用户推出对话产品 “智谱清言”。资本层面,智谱累计融资超 83 亿元,股东阵容多元,既有腾讯、阿里、美团、小米等产业资本,也有红杉、高瓴等投资机构,还有多地国资加持,2026 年于港股上市,被称为 “全球大模型第一股”,国内收入占比超过 80%,核心市场扎根中国大陆政企与开发者生态。
简单概括智谱的定位:以学术科研为根基,做国产 AI 基础设施,服务国内产业、政务与开发者市场。
MiniMax 稀宇科技:商汤系创业团队,面向全球的全模态 AI 公司MiniMax 主体为上海稀宇科技,2021 年底在上海创立,创始人闫俊杰,此前是商汤科技副总裁、研究院副院长,核心创始团队大多来自商汤科技,拥有深厚的计算机视觉、深度学习工程化经验,属于产业人二次创业,没有高校实验室的背景包袱,从创立之初就锚定通用人工智能 AGI 目标。
品牌名字取自博弈论的 Minimax 极小极大算法,寓意在有限资源条件下追求最优智能解。成立时间比智谱晚两年,起步阶段恰逢大模型行业爆发前夜,早期天使轮便拿到米哈游、高瓴、IDG 等机构投资,后续多轮融资引入腾讯、阿里等巨头资本,2026 年完成港股 IPO。
技术路线上,MiniMax 主打全模态原生大模型,自研 M 系列语言基座,同时自主攻克语音、音乐、图像、视频生成能力,是国内少有的文本、语音、音乐、视频四大模态全部自研的大模型公司。其语音模型拟人度、视频生成产品在海内外拥有较高知名度,海外爆款 C 端产品 Talkie、国内海螺 AI,凭借高拟人化 AI 对话、数字人、AI 视频功能收获海量普通用户,海外收入占比超过 70%,是国产大模型中出海表现最突出的企业之一。
商业化逻辑上 MiniMax 和智谱形成鲜明反差:以 C 端消费级产品为核心,面向全球市场,同时开放企业 API 服务。团队从第一天就确立三条原则:直接服务终端用户、坚持国际化、技术驱动,优先打磨普通人能用、愿意用的 AI 原生产品,再反向输出企业能力,研发人员占团队 70% 以上,工程化、产品化能力突出。
智谱与 MiniMax:同源 AGI 理想,两条分岔赛道表格
维度
智谱 AI
MiniMax 稀宇科技
出身背景
清华 KEG 实验室成果转化,学院派科研团队
商汤科技产业高管创业,产业工程派
成立时间
2019 年
2021 年底
核心模型
GLM 系列大模型
M 系列全模态大模型
市场重心
国内政企、信创、私有化部署,B 端优先
全球 C 端消费产品,出海业务占比高
代表产品
智谱清言、GLM 开放平台、行业私有化方案
海螺 AI、Talkie、视频 / 语音生成 API
核心优势
知识理解、长文本、国产软硬件适配、政企落地
多模态尤其是语音视频、C 端产品体验、全球化
两家公司虽都奔赴通用人工智能,但底层逻辑完全不同:智谱更像 “AI 基建厂商”,把大模型当作国产数字基础设施,深耕国内产业数字化;MiniMax 更像 “AI 产品公司”,希望打造面向全球普通消费者的 AI 原生应用,用 C 端产品验证技术价值。
写在最后智谱 AI 与 MiniMax,代表当下中国大模型行业的两种典型样本:一个是高校技术走出实验室,扎根本土产业需求;一个是成熟 AI 产业人才跳出原有赛道,面向全球消费者创新。
大模型行业还处在高速迭代周期,两家企业同样面临算力成本高企、持续研发投入压力、商业模式持续打磨的现实挑战。而它们的发展路径,也折射出国产 AI 的现实:通往通用人工智能没有唯一标准答案,既需要扎实的底层科研底座,也需要面向全球用户的产品创新。