中国 AI 开放权重商业化：赢家获得更多，上调 Zhipu AI 目标价、下调 MiniMax 目标价

概览

本报告讨论中国大语言模型厂商的开放权重商业化路径。摩根大通认为，投资者通常把开放权重视为变现泄漏，因为第三方可以绕过一方 API 部署模型；但更重要的问题是厂商能否把更低访问控制转化为更广分发和付费转化。报告认为答案高度依赖模型能力：强模型可借助云服务商、推理平台和私有部署扩大采用，同时通过官方支持路线、授权、市场 SaaS、收入分成、部署支持和企业共销参与外部算力经济；弱模型则更容易被比价、替代和流量重路由。

核心观点

核心观点是开放权重商业化正在形成“赢家获得更多”框架。开放权重本身只是释放的 checkpoint，官方 API 则是持续优化的产品，能够在模型新鲜度、提示缓存、长上下文、工具调用、吞吐、延迟、可靠性和企业 SLA 上形成差异。云服务商和推理平台可以选择自部署以保留更多毛利，也可以与模型厂商合作以获得更好的版本同步、技术支持和端点质量。对于高价值编码、智能体、长上下文和企业生产负载，官方 API 或官方支持端点仍具商业相关性。

分析框架

报告以商业模式框架、端点质量差异、云渠道分发、工作流产品迁移和公司估值调整为主线，比较开放权重模型在一方 API、第三方部署、云市场、推理平台和一方工作流产品中的变现能力。公司层面将 Zhipu AI 与 MiniMax 放入同一框架，判断 GLM-5.2 是否具备更强的开放权重变现可选性，以及 MiniMax M3 是否显示足够的模型差异化和定价能力。

方法论与常识提炼

• 商业化框架开放权重赢家获得更多

  模型能力决定开放权重是分发杠杆还是变现泄漏

  强模型通过开放权重扩大采用后，仍可通过官方 API、云合作、企业部署和工作流产品捕获收入；弱模型则更容易被第三方低价端点替代。

• 渠道经济云服务商和推理平台的毛利与质量权衡

  自部署保留毛利，官方合作提升质量

  云平台可自部署开放权重模型并保留更多经济性，但需承担量化、批处理、缓存、版本更新、安全层和可靠性责任；合作路线牺牲部分 take rate，但改善模型新鲜度、端点质量和企业信任。

• 产品战略一方工作流 harness

  从可替代 API 后端转向高粘性工作流入口

  如果模型厂商拥有编码智能体、工作流产品或企业工具，开放权重可作为漏斗入口，而一方产品层把部分采用转化为更稳定的一方使用和更强客户关系。

• API 经济性有效成本与端点质量优于标价比较

  缓存效率、速度和稳定性影响真实付费

  报告强调客户购买的是生产级模型服务，不只是权重或标价；提示缓存、长上下文稳定性、工具可靠性、延迟一致性和任务完成率决定实际价值。

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）。

• Zhipu AI / 2513.HK

  正向受益标的

  优势

  GLM-5.2 被报告认为具备全球竞争定位；开放权重可扩大采用，并通过官方路线、GLM-Turbo 系列、云市场 SaaS、企业部署和工作流产品保留变现机会。

  劣势

  当前估值可能已较大程度反映 US$1bn 年末 ARR 指引，收入路径仍依赖持续模型领先和付费转化。

  对比

  相较 MiniMax，报告认为 Zhipu 更可能在开放权重框架下获得分发和变现可选性。

  风险

  若 GLM-5.2 并非公司特有能力跃升，或 Kimi K3、DeepSeek V4.1 等竞争模型缩小差距，目标价和增持逻辑将受压。

• MiniMax Group Inc - H / 0100.HK

  中性受压标的

  优势

  MiniMax M3 官方路线在缓存命中率、有效输入成本、使用集中度和速度方面相对部分第三方路线具备质量优势。

  劣势

  报告认为 M3 尚未显示足够模型差异化和模型驱动定价权，开放权重可能加快价格比较和替代。

  对比

  与 Zhipu 相比，MiniMax 在该框架下的付费转化证据较弱，因此目标价被下调且维持中性。

  风险

  若第三方端点在类似质量下提供更低价格，或用户认为 M3 可替代，API 经济性和工作流转化会承压。

• DeepSeek V4 Pro

  案例参考

  优势

  官方路线通过低标价和缓存经济性形成价格护城河，简化工作负载下成本显著低于部分第三方路线。

  劣势

  作为案例并非本报告核心评级标的，后续端点质量和商业捕获仍取决于官方持续优化和渠道策略。

  对比

  展示强模型即便开放权重，也可凭官方 API 的有效成本和质量保留商业相关性。

  风险

  若第三方部署追平缓存、速度和质量，官方路线优势可能收窄。

• 云服务商和推理平台

  分发渠道与竞争渠道

  优势

  开放权重扩大模型可得性，平台可通过 AWS、Azure/Foundry、Cloudflare、OpenRouter 等渠道触达全球客户。

  劣势

  自部署需要承担模型维护、量化、批处理、缓存、更新、安全和可靠性责任。

  对比

  官方合作路线质量更稳但经济性分享，自部署路线毛利更高但质量风险更大。

  风险

  若客户更看重价格和可得性，流量可能从一方 API 转向第三方端点；若第三方体验差，流量可能回流官方路线。

关键数据

• Zhipu AI 目标价HK$2,000Dec-26 目标价由 HK$1,800 上调至 HK$2,000，评级维持增持。
• MiniMax 目标价HK$300Dec-26 目标价下调至 HK$300，评级维持中性。
• DeepSeek V4 Pro 官方路线成本案例约 US$24-41 vs 第三方路线 US$85-196基于 100M 有效输入 tokens 和 20M 输出 tokens 的简化月度工作负载，官方路线受益于更低标价和更强缓存经济性。
• Zhipu AI 2026E 调整后 EPSRmb (8.20)表格显示前值 Rmb (8.29)，当前 Rmb (8.20)，调整约 1.0%。
• Zhipu AI 2027E 调整后 EPSRmb (6.71)表格显示前值 Rmb (7.45)，当前 Rmb (6.71)，调整约 10.0%。
• Zhipu AI 收入预测FY25A Rmb 724mn; FY26E Rmb 4,715mn; FY27E Rmb 12,324mn; FY28E Rmb 33,485mn报告表格显示收入高增长，但盈利仍处爬坡阶段。
• MiniMax 收入预测FY25A US$79mn; FY26E US$383mn; FY27E US$830mn; FY28E US$1,652mn报告表格显示收入增长较快，但调整后 EBIT、EBITDA 和净利润仍为负。
• MiniMax 2026E 调整后 EPSUS$ (1.36)表格披露 FY26E 调整后 EPS 为负。
• MiniMax 2027E 调整后 EPSUS$ (2.92)表格披露 FY27E 调整后 EPS 亏损扩大。

影响与含义

对投资含义而言，开放权重不应简单被理解为 API 收入受损，而应被视为收入结构迁移：模型访问收入可能承压，但更广泛分发可带来付费推理、云渠道、企业部署和工作流产品机会。市场将更偏好具备持续模型领先、官方端点质量、云平台优先级和一方工作流能力的厂商。Zhipu AI 的投资逻辑在于 GLM-5.2 和后续 GLM-5.5/6 能否延续能力领先并扩大商业化可选性；MiniMax 的关键挑战在于 M3 是否能证明差异化、定价权和付费转化。

风险

• 开放权重降低访问控制，第三方云平台、API 聚合器和技术能力强的企业可自行部署，分流原本可能进入一方 API 的流量。
• 简单聊天、总结、翻译、基础问答等低 SLA 文本任务更容易比价和切换，成熟智能能力价格可能持续下行。
• 若模型能力不足或差异化不明显，开放权重会加快替代，而不是提升付费转化。
• 云服务商自部署可能导致模型版本滞后、端点质量不稳、缓存效率较弱或可靠性不足，影响同名模型的用户体验。
• 一方工作流产品在中国落地难度较高，Tencent WorkBuddy、ByteDance Trae、Alibaba Qoder 等已有入口和分发优势。
• Zhipu AI 的乐观情景依赖 GLM-5.2、GLM-5.5/6 等持续保持能力领先；若竞争模型追平，估值和定价权可能受压。
• MiniMax 若无法证明 M3 的差异化、速度和转化优势，目标价和收入质量仍面临压力。

后续跟踪

• GLM-5.2 是否代表 Zhipu AI 的公司特有能力跃升。
• Kimi K3、DeepSeek V4.1 与 GLM-5.2 的相对模型表现。
• GLM-5.5/6 能否延续或扩大能力差距。
• 开放权重模型在 AWS、Azure/Foundry、Cloudflare、OpenRouter 等海外平台的分发质量和商业安排。
• 官方 API 与第三方部署在缓存命中率、有效输入成本、速度、长上下文稳定性和工具调用可靠性上的差距。
• Zhipu Z Code、MiniMax Code、Kimi Code 等一方工作流产品能否形成用户粘性和付费转化。
• 企业客户是否从云平台目录、推理层或聚合器入口迁移至一方 API、优质端点或工作流产品。
• MiniMax M3 是否出现更明确的模型领先、定价权或高价值负载采用证据。