一家华尔街几乎无人关注的中国 AI 实验室，周一在高盛会议上披露的数据，可能动摇美国 AI 基建投资的核心逻辑。MiniMax 联合创始人云烨表示，公司上半年营收同比增长超过 280%，并已达到去年全年营收的 1.5 倍；7 月的 token 消耗量是 1 月的 20 倍。她同时透露，公司正以全年 10 亿美元 营收为目标，而研发支出增速仅为 130%。
云烨将公司战略概括为“以最小化成本、最大化智能”，并强调成本效率与智能提升之间是“协同而非取舍”。她指出，营收增速远快于研发支出，并提到开源模型 H 系列在 Hugging Face 上已被下载超过 2400 万次，衍生模型超过 300 个。这些数据虽为自行报告，未经审计，但所揭示的模式——用更少算力训练出性能相当的模型——自 DeepSeek 以来已日益明显，如今正体现在可货币化的收入上。
这一信息之所以重要，是因为美国 AI 交易建立在“前沿能力需要不断扩大的训练集群”这一假设之上。若一家实验室能以低于研发增速两倍以上的速度实现营收高增，该假设便值得审视。而支撑这一假设的正是 英伟达、AMD 和 博通 这三家美国芯片巨头。
英伟达在 2027 财年第二季度财报电话会上表示，云行业积压订单超过 2 万亿美元，预计前五大超大规模厂商 2026 年资本开支将接近 8000 亿美元，2027 年达 1.3 万亿美元。该公司当季营收 960 亿美元，数据中心收入 890 亿美元，并披露了 2790 亿美元 的供应义务，主要与 Vera Rubin 内存相关。这些前瞻性承诺能否兑现，取决于超大规模厂商的订单是否持续。
博通则通过定制芯片参与同一叙事。其第二季度 AI 半导体收入为 108 亿美元，同比增长 143%，CEO 陈福阳预计 2027 财年 AI 收入将超过 1000 亿美元。AMD 第二季度营收 115.4 亿美元，数据中心收入同比增长 107% 至 67.18 亿美元，CEO 苏姿丰已承诺与 Anthropic、Meta 和微软开展吉瓦级 Helios 部署。
三家公司都依赖“算力需求增长快于效率提升”的假设。若 MiniMax 等公司能让每 GPU 小时的生产率提升速度快于工作负载增长，则规模数学将失效。英伟达 CEO 黄仁勋在电话会上回应称，推理成本下降将带来使用量激增，智能体工作负载将持续运行；他认为“若有更多算力，就能生成更多盈利 token”，并指出前沿实验室仅受限于算力，英伟达平台同时支持开源和闭源模型。
值得注意的是，MiniMax 的 H 系列几乎肯定在英伟达芯片上训练和运行。杰文斯悖论（单位成本下降反而扩大总消费）在计算领域确有历史先例，但这要求新工作负载如期出现，且超大规模厂商的资本开支（目前由经营现金流及日益增多的第三方结构化资本支撑）在回报不及预期时仍能维持。英伟达自身也在为部分需求提供支持：管理层表示已向前沿实验室投资近 500 亿美元，并组织合作伙伴调动超过 5000 亿美元 的第三方资本。
截至报道，英伟达股价报 217.44 美元，一年上涨 25%，市值 5.25 万亿美元；AMD 一年上涨 182.61%，估值倍数更高；博通则拥有更稳定的超大规模合同和更丰厚的自由现金流收益率。三者中，英伟达对效率问题最为敏感，因其每吉瓦收入假设每个新架构都需完整替换周期；但它也是对冲最好的，因为 CUDA 生态无论谁胜出都能运行，包括 MiniMax 式的高效模型。
分析人士认为，风险回报目前看似平衡：业务出色、基建真实，但 2790 亿美元 的供应承诺与一个刚被中国实验室可信地质疑的资本开支周期叠加，并非在历史高位加仓的理想时机。