首次覆盖中国人工智能实验室：看好Z.ai，审慎看待MiniMax

概览

报告首次覆盖Z.ai和MiniMax，并从模型能力、研发积淀、商业化路径、推理经济性及估值等维度比较两家公司。Bernstein总体看好中国头部人工智能实验室在全球技术前沿附近持续迭代，认为国内政策支持、国产芯片扩产及海外市场对高性价比开源模型的采用将推动长期增长，但两家公司的投资确定性存在明显差异。

核心观点

人工智能实验室的商业成功首先取决于能否形成差异化的能力高点，并在推理能力与价格的帕累托前沿占据位置；年度经常性收入和推理利润率则是模型竞争力的下游结果。Z.ai拥有基础科学家团队、清华大学联系、广泛的互联网平台客户及较强的编程模型定位，GLM-5.2展现了良好的参数效率，因此被视为更纯粹的前沿研发能力标的。MiniMax的M3落后于前沿，M3 Pro成为关键验证点；其多模态和视频生成业务竞争相对较弱，但商业化上限可能低于智能体编程与生产力场景。

分析框架

报告采用自上而下与自下而上结合的方法：自上而下评估中国人工智能资本开支、收入潜在市场、政策与算力供给；自下而上比较模型参数规模、基准表现、研发团队积淀、开发者采用、分发合作伙伴、年度经常性收入、推理利润率及财务预测，并使用相对估值与现金流折现法确定目标价。

方法论与常识提炼

• 竞争力分析推理能力—价格帕累托前沿

  模型必须在能力与成本之间提供难以被替代的组合，并形成差异化能力高点。

  报告认为进入帕累托前沿只是基础门槛；能够解决高难度任务、形成更高支付意愿并以较低成本扩大服务，才可支撑下一轮训练投入。

• 技术能力评估研发积淀与专有模型基准测试

  以团队科研背景、模型架构创新、参数规模、任务完成能力和开发者采用衡量持续迭代能力。

  模型迭代被视为能力驱动过程，短期市场情绪不能替代对研发团队、模型进展及真实开发者使用情况的分析。

• 市场规模测算资本开支—收入转换与知识工作者支出法

  分别从人工智能资本开支转化和知识工作者人均支出估算中国人工智能收入潜在市场。

  报告以约3比1的资本开支至增量收入转换关系估算2030年中国人工智能收入潜在市场，并以知识工作者数量和工资差异进行交叉验证。

• 估值相对估值与现金流折现法（DCF）

  结合远期市盈率或市销率与现金流折现结果确定目标价。

  Z.ai采用25倍2030年预期市盈率并按每年14%折现，再与现金流折现估值结合；MiniMax采用4.5倍2029年预期市销率并按每年14%折现，再与现金流折现估值结合。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Z.ai（2513.HK）

  核心看多标的

  优势

  基础科学家团队具备较强研发积淀；GLM-5.2展现良好的智能水平和参数效率；编程方向契合企业人工智能采用；拥有互联网平台客户、清华大学相关人才与数据渠道以及较广泛的海外分发支持。

  劣势

  Kimi K3提高了前沿模型门槛，公司下一代预训练模型必须证明其仍处于中国前沿；研发开支高、近期仍处亏损阶段。

  对比

  相较MiniMax，Z.ai被视为更可重复、更纯粹的前沿推理研发能力标的，且编程与智能体市场的商业化上限更高。

  风险

  下一代GLM模型表现不及预期、竞争对手快速迭代、算力扩张延迟、价格竞争压低推理利润率及高研发投入拖累盈利。

• MiniMax（100.HK）

  中性配置标的

  优势

  股价已较高点明显回落；多模态市场竞争相对较弱；H3有望改善定位并支持年度经常性收入增长；视频生成契合其计算机视觉积淀。

  劣势

  M3落后于前沿，M3 Pro需完成异常显著的参数规模跃升；研发路线经历多次战略调整；全球分发伙伴减少；多模态和视频生成的收入潜在市场及商业化上限可能低于智能体编程。

  对比

  相较Z.ai，MiniMax模型管线和前沿研发能力的可见度更低，因此采用较低的远期市销率估值。

  风险

  M3 Pro未能恢复前沿可信度、低复杂度智能体市场价格竞争加剧、视频生成商品化空间有限、年度经常性收入增长弱于预期及估值倍数下调。

关键数据

• Z.ai评级与目标价跑赢大市；HK$1,350当前价HK$1,014.00，截至2026-08-03，隐含约33.1%上行空间。
• MiniMax评级与目标价与市场同步；HK$275当前价HK$230.20，截至2026-08-03，隐含约19.5%上行空间。
• 中国头部人工智能实验室2030年收入潜在市场1,000亿至2,000亿美元不包含大量消费端用例；报告认为头部实验室可能获得不成比例的价值份额。
• 中国2030年人工智能总收入潜在市场约2,000亿至3,000亿美元基于超过1万亿美元累计人工智能资本开支及资本开支向收入的转换关系估算。
• 中美前沿模型能力差距约3至4个月报告认为GLM-5.2和Kimi K3可能已将过去约6至9个月的差距进一步缩小。
• Z.ai算力与年度经常性收入年底约1吉瓦可用算力；年度经常性收入有望在年底前后超过20亿美元算力扩张被视为收入超预期的重要支撑。
• Z.ai盈利拐点约2028年报告预计公司可在研发投入快速增长的假设下实现非通用会计准则经营利润盈亏平衡。
• Z.ai模型规模GLM-5.2预训练总参数约7,440亿报告认为其智能水平和成本效率表现突出。
• MiniMax模型跃升要求从4,280亿增至2.7万亿总参数M3 Pro所需跃升幅度超过中国同业近年来常见水平的两倍。

影响与含义

若中国头部实验室继续缩小与美国前沿模型的差距，并在国产算力扩张后降低推理成本，其收入增长可能显著高于当前市场预期。投资上应优先关注可重复的模型研发能力、编程和智能体场景、开发者采用与推理单位经济性，而非仅依据最近一次模型发布交易。报告因此偏好Z.ai；MiniMax虽可能受益于H3和多模态需求，但其估值与市场信心仍高度取决于M3 Pro能否恢复前沿地位。

风险

• 前沿模型迭代速度极快，单次模型发布可能导致市场预期和股价剧烈重置。
• 美国实验室拥有显著更强的算力获取能力，中国模型与全球前沿的差距可能重新扩大。
• 国产芯片和算力供给扩张若低于预期，将限制训练规模、推理供给和收入增长。
• 模型能力趋同及低复杂度任务价格竞争可能压缩推理利润率。
• 持续高额研发和训练投入可能推迟盈利及自由现金流拐点。
• 海外市场准入、地缘政治和技术限制可能约束中国模型的国际商业化。
• 多模态与视频生成市场的可商品化程度和收入上限可能低于智能体编程市场。
• 估值依赖远期收入、利润率和折现假设，预测偏差可能显著影响目标价。

后续跟踪

• Z.ai计划于2026年8月发布的GLM-5.3更新及预计2026年第四季度推出的下一代预训练模型。
• Z.ai年底约1吉瓦可用算力能否按期落地，以及年度经常性收入能否在年底前后超过20亿美元。
• GLM模型的编程、长时程任务和智能体能力是否继续位于能力—价格帕累托前沿。
• MiniMax M3 Pro能否实现从4,280亿至2.7万亿总参数的跨越并恢复前沿可信度。
• MiniMax H3对年度经常性收入、用户采用和市场定位的实际拉动。
• 网页访问量、API收入、开发者使用量及全球模型服务平台合作伙伴数量等高频指标。
• 中国国产芯片、推理基础设施和地方算力工厂的扩产进度。
• 推理价格、毛利率及低复杂度智能体任务中的价格竞争强度。
• 中国开源模型在非美国海外市场的采用与商业授权模式。