被市場低估的，不止Google ？

Google I/O 大會的熱度今年明顯更勝以往，或許不只是因為Gemini Omni的亮相，更是業(yè)界希望Gemini需要從模型能力轉(zhuǎn)化為搜索、廣告、購物和云業(yè)務(wù)的收入增長。

在Google I/O大會之前，Google甩出了一個新鮮熱乎的大招：Gemini Omni。

具體來說，Omni這次帶來了兩個“王炸”。

第一個王炸：一句話生成一段完整的教學(xué)視頻，如果你把Omni當(dāng)成 Veo 系列的簡單延續(xù)，那就錯了。

Google展示了一個例子——用戶只輸入了一條指令：

“一位教授在傳統(tǒng)黑板上寫出三角恒等式的數(shù)學(xué)證明，同時用語言解釋他當(dāng)前正在推導(dǎo)的步驟。”

沒有多輪對話，不用分步驟指揮，一次性搞定了三件事：

空間關(guān)系：手該怎么拿粉筆、寫在哪里；

文字內(nèi)容：公式寫對了沒有；

推理邏輯：推導(dǎo)到了哪一步、該說什么話。

它不只是“畫”一個人，而是真正“理解”了這個人正在做什么。

Gemini Omni搞懂了物理世界的關(guān)系

第二個王炸：一個對話框，搞定所有事。

寫文章、生成圖片、剪輯視頻、記住上下文、執(zhí)行復(fù)雜任務(wù)……以前你要換來換去打開四五個不同的工具，現(xiàn)在全部在同一個對話框里就能完成。Omni把Google之前分散的能力，如文本、圖像、視頻、音頻統(tǒng)統(tǒng)收攏到一個系統(tǒng)里，變成一個“什么都能做的生產(chǎn)力入口”。

背后是一個很清晰的判斷：未來的AI Agent要完成真實世界里的任務(wù)，就必須能看、能聽、能說、能畫、能剪。只會寫字、寫代碼、分析數(shù)據(jù)的Agent，注定是殘缺的。

01 Coding不是增長的全部

說到AI Agent的鋪開，一位國內(nèi)頭部大廠的部門技術(shù)負(fù)責(zé)人，向陸玖商業(yè)評論反映了一個新苦惱。

推行AI Coding后，一位頭部大廠技術(shù)負(fù)責(zé)人發(fā)現(xiàn)：交付快了，需求卻更隨意了，大量模糊、試錯性質(zhì)的需求涌入系統(tǒng)。

Uber也有類似的情況：2026年全年的AI工具預(yù)算，前四個月就耗盡，Uber的CFO對此也很苦惱。

并非AI Coding本身不好，而是AI的價值早已溢出“寫代碼”，滲透到需求分析、測試、運維、預(yù)算管理等全流程。正因如此，原本為編碼準(zhǔn)備的預(yù)算，才會被迅速消耗。

如果只盯著編碼環(huán)節(jié)的降本增效，忽略需求質(zhì)量前置和預(yù)算治理，就會陷入“快得停不下來”的窘境。所以Anthropic的AI Coding敘事雖火，但To E（企業(yè)內(nèi)部生產(chǎn)力）的天花板已經(jīng)顯現(xiàn)，市場也已price in。

我們需要重新審視：AI的故事遠(yuǎn)不止coding。

還有OpenAI，它最近的重心則是著急上市，把三大產(chǎn)品線徹底打碎重組，內(nèi)部的大動蕩，讓OpenAI無法在短期內(nèi)將“全模態(tài)實時交互”與“慢思考思維鏈”融合到一個統(tǒng)一架構(gòu)中，兩條路線最終只能各自為戰(zhàn)、分道揚鑣。

于是我們不得不問一個更根本的問題：我們當(dāng)下討論的AI Agent，到底缺什么？缺的是一個能同時處理“看、聽、說、寫、畫”的統(tǒng)一系統(tǒng)。

例如，你現(xiàn)在想做一個帶字幕和背景音樂的短視頻，可能得先用文本模型寫腳本，切到圖像模型生成封面，再打開視頻工具剪輯，最后找個音樂模型配BGM。四五個工具來回倒騰，中間但凡有一個環(huán)節(jié)不對，就得從頭改。

所以，不管是ToB（面向企業(yè)）、ToC（面向消費者）、ToG（面向政府），還是ToE（面向企業(yè)內(nèi)部員工），大家底層需要都是一套理解與生成文本、圖像、視頻、音頻、音樂的模型系統(tǒng)。因為真實物理世界從來不和你分模態(tài)，一個任務(wù)往往天然地混合了多種信息形態(tài)，只有全模態(tài)的Agent，才能真正跨越場景、適配角色、解決問題。

谷歌此前的架構(gòu)是分開的：Veo做視頻，Gemini做文本，Imagen做圖片，各管一攤。Omni的發(fā)布標(biāo)志著它正式轉(zhuǎn)向統(tǒng)一多模態(tài)架構(gòu)，在一個系統(tǒng)里完成所有生成和理解。這個轉(zhuǎn)向本身，就是對“全模態(tài)到底重不重要”這個問題最直接的回答。

而在國內(nèi)獨立AI公司里，同時具備文本和多模態(tài)能力，且在各個模態(tài)都能做到領(lǐng)先的pure-play公司，也有一家：Minimax。

02 Pure Play 模型公司的魅力在哪里？

當(dāng)然，全模態(tài)和技術(shù)路線說得再熱鬧，終究是紙上談兵，最后繞不開一個問題：不賺錢的AI，都是“耍流氓”。

市場一直在等一個信號：到底什么時候能看到真金白銀？

陸玖商業(yè)評論注意到，阿里財報里的一個數(shù)字很有價值：它的MaaS業(yè)務(wù)ARR已經(jīng)超過80億元人民幣，預(yù)計6月到100億，2026年底到300億，半年間漲了3.75倍。

AI的回報時間真的到了，不是“快要到了”。

但這里藏著一個反差。阿里能做到這個增速，靠的是它現(xiàn)成的家底：銷售網(wǎng)絡(luò)、客戶關(guān)系、云基礎(chǔ)設(shè)施。而AI原生公司（pure-play）沒有這些存量優(yōu)勢，每一塊錢收入都得靠模型本身的吸引力硬生生贏過來。

反過來想，如果阿里靠存量客戶升級都能做到半年3.75倍增長，那一個純粹靠模型差異化獲客的公司，在同樣的市場環(huán)境下，增速彈性會有多大？

要回答這個問題，得先回到需求本身，Token消費在實打?qū)嵉卦黾印Ｒ訫inimax為例，旗下M2系列的Token用量，2026年2月比2025年12月增長了6倍，而且每分鐘Token處理量（TPM）保持著每周10%到20%的環(huán)比增速。

摩根士丹利的研報顯示，Minimax的ARR在2026年2月已經(jīng)超過1.5億美元，2026年底有望達(dá)到10億美元，與國際競爭對手處在同一量級。

再看具體的經(jīng)濟賬。摩根士丹利在研報里點明了一個關(guān)鍵差異：Minimax在單臺8xH800推理服務(wù)器上，可實現(xiàn)每分鐘約1美元營收，而相對應(yīng)只有不到0.3美元的運行成本，營收規(guī)模是行業(yè)平均水平的2倍，單位經(jīng)濟效益大幅領(lǐng)先行業(yè)。

這種“做得更便宜，反而賺得更健康”的商業(yè)模式，反過來也呼應(yīng)了一個更本質(zhì)的邏輯，不是燒錢做增長，而是靠效率贏市場。

當(dāng)前，Minimax的毛利率已經(jīng)從2024年的12.2%提升到2025年的25.4%，而營銷費用同比下降了40.3%。這意味著用戶和收入的增長，不再依賴廣告投放驅(qū)動，而是工具使用帶來的真實價值在自發(fā)性地裂變。

陸玖商業(yè)評論發(fā)現(xiàn)，就在昨天，被稱為“龍蝦之父”的Peter Steinberger，曬出了自己一個月的API Token賬單：高達(dá)130萬美元。30天總Token消耗量6030億，請求量760萬。有人直言：“蝦爹一個月燒130萬美元太貴了，一般人和機構(gòu)哪燒得起？”

不少人覺得“蝦爹”成本太貴

所以，摩根士丹利還提到，它們對Minimax的ARR和毛利率（GPM）比同類上市公司更樂觀，理由很簡單：它在基礎(chǔ)設(shè)施上的優(yōu)勢，最終會轉(zhuǎn)化為更領(lǐng)先的用戶體驗，以及超出預(yù)期的Token消費。

摩根大通也提到，Minimax在ToB和ToC兩大市場“雙管齊下”，再加上它從創(chuàng)立初期就布局的全球化策略，為公司帶來了同行里難得見到的經(jīng)濟靈活性。因為大多數(shù)AI創(chuàng)業(yè)公司要么只做C端應(yīng)用（用戶量漲得快但付費意愿低），要么只做B端API（收入穩(wěn)定但獲客慢）。Minimax同時跑通了兩條路，意味著它的增長天花板比同行高出一大截。

講完基本面，最后看催化劑。谷歌Omni的發(fā)布，讓“全模態(tài)”這個方向被市場重新定價，而Minimax是國內(nèi)最直接的映射公司。另外，Minimax自己馬上要發(fā)的M3系列，預(yù)計會大幅提升多模態(tài)理解能力；H3也有望和Seedance一起，進(jìn)入國產(chǎn)模型的第一梯隊。

當(dāng)一個市場從“誰有大流量”變成“誰有更好的模型”時，Pure Play的彈性才剛剛開始釋放。這種“行業(yè)β催化 + 公司α催化”一起出現(xiàn)的窗口，其實不常見。

03 為什么市場要給“全模態(tài)”重新定價？

過去一年，谷歌母公司Alphabet的股價大幅飆升了140%。Plexo Capital創(chuàng)始管理合伙人Lo Toney曾分析，“谷歌可能是目前最具備AI大規(guī)模商業(yè)變現(xiàn)潛力的公司，因為它幾乎扼守了技術(shù)棧的每一個核心生態(tài)位。”

Omni的發(fā)布，會讓“全模態(tài)”這件事再次重新定價。

而如果投資者想找到下一個谷歌，同樣押注全模態(tài)、同樣做統(tǒng)一架構(gòu)、但沒有龐大云業(yè)務(wù)和廣告大盤來分?jǐn)偝杀镜膒ure-play公司，環(huán)顧全球，可能也只有Minimax了。

很多人不知道，Minimax從一開始做的就是文本與多模態(tài)并行發(fā)展，而不是先做文本模型，再在外面“拼接”其他模態(tài)。這個思路，和谷歌Omni如出一轍。

這意味著，它的LLM預(yù)訓(xùn)練、視覺模型、視頻生成等環(huán)節(jié)，大部分底層能力是共用的。一份研發(fā)投入砸下去，文本能力和多模態(tài)能力一起漲。這種效率優(yōu)勢，在每一代模型迭代中只會越拉越大，這也是為什么很多人對即將發(fā)布的下一代視頻模型抱有期待，它可能開啟國內(nèi)原生多模態(tài)的新空間。

瑞銀還認(rèn)為，市場可能忽視了一個關(guān)鍵點：Minimax不只是模型強，“工程層（harness）”的能力才是它真正的護(hù)城河。模型是引擎，工程層是方向盤和剎車，光有引擎跑不快，還要有人會開車。

瑞銀指出，Minimax正在用“模型+工程層”兩條腿走路，同時推動兩個方向：創(chuàng)意場景（比如做視頻、畫畫）和辦公場景（比如寫文檔、處理任務(wù)）。

視頻這邊，瑞銀預(yù)計Hailuo 3會在視頻理解能力上甩開同行，同時通過更聰明的工程層設(shè)計，把使用門檻降下來，不只專業(yè)人士能用，普通小白也能輕松上手。文本這邊，下一代M3模型會重點提升AI Agent自己規(guī)劃、執(zhí)行多步驟任務(wù)的能力，再配合工程層創(chuàng)新（如之前推出的MaxHermes），把AI的應(yīng)用范圍從寫代碼擴展到自動處理文檔、安排日程、跨工具協(xié)作等辦公場景。

中信建投在這個觀點上加了一層buff：多模態(tài)訓(xùn)練產(chǎn)生的視覺理解能力，可以反哺文本模型，提升模型智能上限。

當(dāng)然，這些都還只是過程。真正的機會在于：全模態(tài)會一步步走進(jìn)日常生活場景，變成隨時可以調(diào)用的基礎(chǔ)智能資源。

想象一下，未來的AI Agent可以同時看懂你的設(shè)計草圖、聽懂語音指令、生成帶字幕的演示視頻、再配上背景音樂，全部在一個系統(tǒng)里完成，不用切換四五個工具。這個爆發(fā)量級，和現(xiàn)在單純比代碼生成能力、機器人聊天能力等，完全不是一個維度。

04 寫在最后

如果說ChatGPT的出現(xiàn)是語言智能的啟蒙時刻，Sora的出現(xiàn)是視覺智能的覺醒時刻，那么Gemini Omni指向的，則是全模態(tài)智能的寒武紀(jì)大爆發(fā)時刻——各種能力不再各自為戰(zhàn)，而是交織、融合、涌現(xiàn)，真正開始逼近真實世界的復(fù)雜度。

Google I/O 大會的熱度今年明顯更勝以往，或許不只是因為Gemini Omni的亮相，更是業(yè)界希望Gemini需要從模型能力轉(zhuǎn)化為搜索、廣告、購物和云業(yè)務(wù)的收入增長。這或許預(yù)示著，全模態(tài)的增長故事，已經(jīng)走到了兌現(xiàn)的前夜？