从MiniMax（00100.HK）到迈富时（02556.HK），港股AI正在形成两条互补的价值路径

　　7月31日，MiniMax发布通用全模态生成模型H3。按照公司披露，H3可以统一理解由文本、图像、视频和声音构成的多模态上下文，最高输出15秒、2K分辨率并带原生双声道的音视频;在定价上，2K分辨率每秒价格不到主流模型的三分之一，768P价格约为主流720P模型的一半。随后，MiniMax在官方社区发布H3模型权重及部署资料，尝试把更低成本的生成能力交给更广泛的开发者和产业伙伴。

　　这是一笔典型的“先扩大智能供给，再做生态放大”的技术投资：模型能力越强、价格越低、开放程度越高，创作者和开发者尝试新工作流的门槛就越低，插件、工具、应用和调用量也越有机会形成飞轮。

　　但对资本市场而言，模型降本只是故事的上半场。真正困难的问题是：当智能供给越来越丰富，企业如何把一次模型调用变成可复用的工作流程，再把工作流程变成可计量的经营结果?

　　这恰恰是当前港股AI估值逻辑开始分化的地方。

　　宏观背景也在放大这道考题。

　　国际货币基金组织在2026年7月的《世界经济展望更新》中，将全球经济概括为“战争与技术的交叉气流”：

　　一边是能源、通胀和地缘不确定性，

　　另一边是AI驱动的技术投资热潮。

　　IMF同时把“市场重新评估AI盈利能力所引发的价格调整”列为下行风险之一。在资金成本、风险偏好和企业预算都更敏感的环境里，AI公司仅证明技术先进已不够，还要证明技术能形成收入质量、利润和现金流。

　　一、H3打开的是“供给侧飞轮”，但开源不等于自动变现

　　MiniMax的逻辑并不复杂：先用性能、成本和开放生态降低使用门槛，再通过产品、API及企业服务承接规模化需求。其2025年年报显示，公司收入同比增长158.9%至7,903.8万美元，毛利增至2,007.9万美元;超过70%的收入来自国际市场，累计服务超过2.36亿名用户及21.4万名企业客户和开发者。

　　与此同时，MiniMax仍处于高强度投入期，这点从业绩数据“2025年经调整净亏损为2.50856亿美元”就可以看出。但这并不代表适合被直接解读为“模型没有商业价值”，更准确的理解是：基础模型公司需要持续投入训练、推理、产品和全球生态，收入扩张与利润释放往往并不同步。

　　因此，H3的真正考题并不是“开源会不会少收一笔授权费”，而是三个更长期的问题：能否形成持续活跃的开发者生态，能否把免费试用转化为稳定付费，能否让下游客户借助模型完成真实生产任务并获得回报。

　　当前，具身智能、世界模型和物理AI近期同样吸引大量资本，进一步说明资金仍在追逐“更强智能供给”。但从展台演示到规模部署，从生成内容到进入企业生产环境，中间仍隔着数据、权限、流程、治理、交付和结果计量。资本热度可以加速技术迭代，却不能替代商业闭环。

　　二、OpenAI把问题讲透了：企业买的却不是Token，而是稳定工作的可靠保障

　　8月10日，OpenAI财务团队公布其建设AI原生财务职能的实践，提出“零日结账”和持续更新预测的长期目标。更值得关注的是，它没有把重点放在使用了多少模型、购买了多少工具，而是提出围绕重要决策重构从源数据到审批和结果的完整工作流。

　　这套实践传递出四个清晰信号：企业AI必须基于经过批准的材料和可靠数据;必须定义数据访问、操作权限和人工审批;必须让结果可追溯、异常可升级;最终必须用周期缩短、预测准确率、返工减少和决策改善衡量价值。

　　换句话说，模型可以把“生成”做得更快、更便宜，但进入财务、销售、客服和经营分析等核心场景后，企业需要的已不再只是一个会回答问题的入口，而是一套能够在权限边界内持续工作、接受审查并对结果负责的生产系统。

　　这不是对某家产品的直接比较，而是需求侧给出的共同答案：企业AI的价值单位，正从“调用了多少Token”转向“完成了多少可靠工作”。

　　三、迈富时的机会：把通用Token加工成具备高价值的“场景Token”

　　如果说MiniMax H3代表模型层持续扩大智能供给，那么迈富时的“全栈Token工厂”更接近企业价值兑现的一端。

　　其核心并不是简单接入更多模型，而是围绕企业数据、知识、权限和流程，对通用模型能力进行“精加工”：KnowForce AI企业级知识中台连接数据库、知识库与知识图谱，为智能体提供可治理、可更新的企业知识;AI-Agentforce智能体中台3.0负责智能体构建、多智能体协同、管理和迭代;GenAI OS承载统一运行与治理;场景智能体再进入营销、销售、客服、陪练、经营分析、外贸和研发等具体流程。

　　在这套体系中，“场景Token”不是给通用Token换一个名字，而是把模型资源、企业知识和工作流程组合成可交付、可追踪、可复用、可计费的任务结果。它关心的可不是模型说了多少话，而是线索是否更有效、响应是否更及时、流程是否缩短、经营决策是否更快、客户价值是否提升。

　　这一点与OpenAI在财务实践中提出的“按每单位智能创造的价值衡量AI”形成呼应：技术供给可以来自不同模型，真正稀缺的是把模型稳定嵌入企业组织、让结果可审计并形成持续回款的能力。

　　四、半年报给出阶段性验证：收入、利润、现金流同时改善

　　对企业AI公司而言，最有说服力的并不是参数和演示，而是收入、利润、现金流和客户使用深度能否同时改善。

　　这点或许可以借鉴迈富时的盈利预告：

　　迈富时2026年中期业绩预告的公告数据显示，上半年集团总收入为人民币18.58 - 20.54亿元，同比增长100 - 121%;归母净利润为人民币1.82 - 2.22亿元，同比增长386 - 494%。其中，AI应用业务收入为人民币10.68 - 11.8亿元，同比增长112 - 134 %这组数据之所以值得一看，在于指向了公司的AI应用业务或已进入规模化的放量阶段。此外，公司特别提及总人效比实现了持续性的提升，并且是在人员规模稳定，且全面应用自研AI产品情况下。

　　此外，还有一个可以关注的数据情况在于销售、管理等费用的占比较去年同期进一步优化，也就是说，公司在保持产品投入的同时，经营效率、利润和现金流同步改善。

　　这并不能证明所有场景都已经标准化，也不意味着后续增长没有波动，但至少给出了阶段性证据——企业客户愿意为可落地的智能体和经营结果持续付费，迈富时也开始把技术投入转化为规模、效率和现金回报。

　　五、从H3到全栈Token工厂，AI产业正在发生“价值接力”

　　可以把当前AI产业的价值链概括为五个连续环节：

　　01模型降本：H3等模型持续提高性能与性价比

　　02供给扩张：开发者、创作者与企业试用门槛下降

　　03知识与流程连接：迈富时的KnowForce AI已实现与企业数据、权限、知识联动

　　04场景任务交付：作为迈富时的AI员工“大脑”的企业只能猛踢中台AI-Agentforce3.0与AI原生操作系统GenAI OS支持协同、治理和运行

　　05可见的结果计量：场景Token对应可追踪、可复用、可计费的业务成果

　　在这全链路中，MiniMax H3主要推动前两个环节：更通用的多模态能力、更低的生成成本和更开放的开发生态，让智能供给加速普及。

　　迈富时更聚焦后三个环节：通过知识中台、智能体协同和运行治理，把不同模型接入企业真实流程，再以场景Token计量任务与结果。

　　两者并非替代关系。模型越便宜、越开放，下游应用可以使用的智能资源越丰富;但模型差异缩小时，企业客户对数据治理、场景理解、流程连接、交付稳定性和经营结果的要求反而会更高。上游负责把智能的“水电煤”做得更充足，应用平台负责把它接进企业的生产线，并让每一次消耗都能对应业务价值。

　　这也是，迈富时这家企业的T-GEO、EVA和Nora等一系列AI产品矩阵的值得被观察的意义所在。H3等多模态模型降低内容生产成本后，企业仍要解决品牌在AI答案入口中的可见性、海外线索获取、多语言内容生产和持续运营等问题。迈富时的机会，在于把通用生成能力与企业知识、客户画像、工作流程和效果反馈连接起来，使一次内容生成变成可持续优化的增长任务。

　　六、资本市场真正应该追踪什么?

　　对港股AI公司而言，短期股价可以围绕模型发布、融资、算力和政策快速波动，但长期价值最终会回到四类指标。

　　1. 客户使用深度|客户是否从试用走向多场景、持续使用，客户数量与单客价值能否协同增长。

　　2. 研发转化效率|研发投入能否转化为产品复用、交付提速和更低的边际成本，而不是长期停留在定制项目。

　　3. 盈利与现金流|利润与经营性现金流能否随规模扩张改善，证明增长不完全依赖外部融资。

　　4. 全球化质量|能否穿过语言、数据合规、本地服务和渠道建设的门槛，形成可持续收入，而不只是海外曝光。

　　从这个角度看，MiniMax的H3是一场围绕模型生态和开发者规模的进攻，迈富时的全栈Token工厂则在回答另一道题：如何把越来越便宜、越来越强的模型能力，变成企业愿意持续购买的经营结果。

　　结语：模型负责扩大智能供给，场景负责决定价值归属

　　H3的意义，不只是把一段视频生成得更便宜，而是让更多开发者和企业有机会重新设计内容生产流程。OpenAI的AI原生财务实践则提醒市场，真正的企业级变革发生在数据、权限、审批、工作流和结果评价被一起重构之后。

　　当模型能力加速普及，AI产业不会因此失去价值，价值只会重新分配：一部分留在持续突破性能与成本边界的模型平台，另一部分流向能够理解企业知识、重构真实流程并对经营结果负责的应用平台。

　　对迈富时而言，全栈Token工厂、企业智能体和场景Token的意义，正是争取后者。其2026年中期业绩所呈现的收入、利润、现金流、客户价值和人效改善，为这一方向提供了阶段性验证。接下来更重要的，不是再讲一个更大的AI故事，而是持续证明：每一次智能调用，都能在客户的业务结果和公司的现金回报中留下痕迹。

　　模型负责让智能供给更丰富;而“全栈Token工厂”迈富时，负责让智能进入企业流程，并形成可交付结果、可持续账单与现金回报。