3月10日，MiniMax港股收涨22%，两个交易日累计暴涨51%，股价突破1000港元的同时，市值首次超越隔壁老大哥百度。
年初登陆港股以来，MiniMax股价涨势如虹，较发行价涨幅一度超过600%。
过去的2025年，MiniMax全年营收约合5.4亿元人民币，虽然同比大涨158.9%，但绝对值其实不算高。资本的偏爱有恃无恐，源头是那只火遍全球的“龙虾”——OpenClaw。
上周六，OpenClaw创始人Peter Steinberger转发PinchBench榜单，将资本与大众的视线从OpenClaw本身，一键转移到了为其背后的模型厂商身上。
PinchBench是评估模型在OpenClaw框架中表现的实时评测榜单，从成功率、响应速度、推理成本三个维度进行排名。MiniMax的MiniMax-M2.1在成功率排行榜上与Gemini 3并列全球第一，是MiniMax连续两天暴涨的直接原因。
在此之前，MiniMax推出了OpenClaw的“minimax托管版”MaxClaw。与MiniMax同为“港股大模型双子星”的智谱则在3月10日发布OpenClaw相关产品AutoClaw，当天股价一度飙升超过20%。
随后工信部发布OpenClaw安全风险预警，导致MiniMax和智谱冲高回落，但市场热情不减、机构力挺态度不改，大摩重申MiniMax“增持”评级，海通国际首次覆盖MiniMax和智谱、给与“优于大市”评级。
显然，横空出世的OpenClaw，为资本找到了又一个为信仰充值的理由。
新的金矿
OpenClaw是一个标准化的智能体构建框架，可以简单理解为一个开放的“智能体装配间”。
开发者用代码编程好各个功能，比如“上网查资料”、“总结摘要”等，将其封装成“skills”上传并共享，用户可以根据需求选择skills组合，再配置好Docker环境、选择接入的大模型，就能在自家电脑上配置一个掌握十八般武艺的智能体：
OpenClaw中的skills
只需一个简单的指令，就能全自动完成订机票等长线程任务，还可以在下班路上远程通知自家电脑帮自己点好外卖，类似于24小时待命的管家、秘书。
但请管家要付工资，养“龙虾”也并非没有成本，主要的开销就在“烧token”上。
“龙虾”的全自动操作依赖大模型完成，用户可以选择下载大模型到本地电脑，或是直接通过API接入云端大模型，例如Gemini、MiniMax-M2.1。“龙虾”完成多少任务，用户就要为过程中耗费多少token买单。
在OpenClaw配置界面上选择接入的大模型
这就为“MiniMax们”送来了一座金矿，也解决了一个燃眉之急：赚钱。
大模型公司赚钱难，一直是萦绕在华尔街头顶的一片乌云。
一面是巨头年年高增的资本开支和英伟达接到手软的GPU订单，一面是应用端始终难以匹配的收入规模和增长态势，机构一边闭眼跟投下注，一边又苦口婆心，边骂边投。
红杉资本合伙人David Cahn从2023年的《AI的2000亿美元问题》[1]劝到2024年的《AI的6000亿美元问题[2]》，随后贝恩公司接棒，去年预测到2030年，AI公司收入与满足计算需求的投入之间的缺口将达到8000亿美元[3]。
按C端/B端划分，大模型C端产品主要包括对话助手类的豆包、ChatGPT等，工具类如Claude、Perplexity，社交娱乐类如MiniMax的海螺AI、Talkie/星野，大模型厂商通过订阅费、应用内付费、广告等方式变现。
在OpenClaw出现前，C端产品的普遍问题是变现能力不足。
以MiniMax为例，其面向C端的AI原生产品在其收入占比中高达67.2%，然而截至2025年前三季度，该业务的整体毛利率仅为4.7%，勉强从2024年的严重亏损（-23.5%）转为微利。
截图自MiniMax招股书
这里有两方面原因。一是用户付费意愿不高。
根据MiniMax招股书，截至去年三季度，其AI原生产品累计用户超过2.12亿名，但付费用户数仅为177万，整体付费转化率不足1%。
作为参考，市场预估ChatGPT付费率大概在2.7%-3%。
这个付费转化率放在游戏或互联网产品里其实不算低，但问题是，游戏有养服大佬，互联网产品有广告、电商等货币化手段，AI产品都不太适用。
另一个问题是算力成本过高。
与传统互联网产品“用户越多、边际成本越低”的逻辑相反，大模型C端产品，每个用户每次对话都需要消耗实时算力，用户越多，算力成本支出反而越高。
截至2025年9月，MiniMax MAU已达2760万，是2023年（310万）的近9倍，增收的速度远远赶不上推理成本暴涨的速度。
与C端相比，B端的处境更加复杂。
B端最常见的是MaaS（模型即服务），企业通过API调用大模型，按token消耗量向模型厂商付费，另一种是本地化部署，为大客户提供定制化的AI解决方案。
以主攻B端的智谱为例，本地化部署业务占其总营收的84.4%。
定制化部署的问题在于，其本质上是“一锤子买卖”，项目做完就结束，没有持续性，与传统SaaS模式下一本万利的边际成本递减效应背道而驰。
同时，每个项目都需要投入大量人力，收入增长与人力投入呈线性关系。
高峰时期，智谱员工人数一度超过1000人[4]，截至2025年6月30日为883人，作为对比，MiniMax截至同年9月30日员工人数为385人，按2024年营收计算，MiniMax人均年创收56.3万元，智谱仅为35.1万元。
MaaS业务情况更不容乐观，根据智谱招股书，其云端部署业务的毛利率从2022年的76.1%一路下滑到2025年上半年的-0.4%，卖token不如卖白菜。
截至2025年底，MiniMax仍然处于亏损状态，而智谱上半年经营现金流净流出13.27亿元，现金及现金等价物余额为25.5亿元，粗略估算，仅够维持一年不到的经营。
眼看着MiniMax烧钱烧到哑火，OpenClaw的爆火，意外地带来了转机。
撬开天花板
3月初，OpenClaw在GitHub上Star数突破20万，以坐火箭的速度和角度垂直上升，超越Linux，成为GitHub历史上增长最快的开源项目。
GitHub Star数增长情况
有人将OpenClaw比作Agent时代的“iPhone时刻”，虽有些过时，但名副其实。
iPhone普及了智能手机，让普罗大众知道手机除了打电话、发短信，还能上网、刷视频；OpenClaw将Agent深入人心，比巨头高举“All in Agent”旗帜、开一百场发布会都振聋发聩。
Agent破圈，连带效应是token消耗量爆炸，撬开了大模型厂商收入的天花板。
与传统对话框AI“问一句答一句”不同，Agent执行任务时像人类一样拆解目标、规划步骤、调用工具、检查结果，同时还需要读取“历史记忆”以及7X24小时待机，token消耗量几十上百倍增长。
以OpenClaw举例，一只“龙虾”要完成一项任务，第一步要看懂屏幕上的截图，需要消耗视觉模型的token；第二步要决定先点哪里、再点哪里，需要消耗推理模型的token；第三步是执行操作前的确认，同样要消耗token。
同一个任务，两种模式下token消耗量差距可能在几十上百倍。任务越复杂，差距越大。
有人在社交平台抱怨，因为装了一个自动收集新闻热点的skill，5小时就烧了3000万token，还有开发者分享自己10分钟耗尽1200万token的“战绩”，并非夸张。
IDC连夜发布预测，到2031年，中国企业将拥有3.5亿个活跃智能体，带动智能体token消耗量以年均超30倍速度发生指数级跃升[6]。
这解释了当前各路巨头扎堆下场的热闹场面。
MiniMax发布“一键即用版OpenClaw”MaxClaw，以更划算的订阅制收费，但默认调用的是MiniMax自家模型；智谱的AutoClaw主打一键安装+本地化，不仅提供图形化的安装包，还预置了50多个针对国内办公环境的Skill。
而互联网巨头家大业大，更是趁手的都拿来用了。
腾讯集齐物理、人肉资源，不仅推出兼容“skills”的WorkBuddy和可微信操控的QClaw，还在深圳总部大楼摆摊，集结“龙虾特攻队”为用户免费安装；
百度有样学样，一面推出手机“龙虾”app，一面举办“龙虾市集”，西装革履的工程师们坐在大楼楼下，挨个给排队上门的用户免费安装OpenClaw，场面壮观。
一边是众厂摩拳擦掌，势要将这波红利吃干抹净。另一边的普通用户，则要直面token消耗账单上让自己肉疼的数字。
日均花费100元的用户已不在少数，一个月花2万元的也不算新鲜。“养龙虾比养孩子贵”，“还没用OpenClaw赚到钱，已经买token到破产”，吐槽声不绝于耳。
人们也许很难说清OpenClaw到底能帮自己做什么，但担心被时代抛弃的恐慌会本能地推动越来越多人去主动尝试。
从乐观的角度来看，这也许是普罗大众离花钱使用AI服务最近的一次。
于用户而言，模型跑分不再是新闻标题上的看了就忘的数字，而是为自家“龙虾”选择模型的参考指标；对大模型厂商来说，模型迭代的目标也从benchmark排名上挪一个位置，变成了如何吸引用户在Agent上选用自家模型。
这给了资本为生成式AI的未来再赌一次的勇气。
如果以3月10日的巅峰市值与2025年收入计算，MiniMax的市销率已经超过600倍，这意味着资本市场愿意为它每1块钱的当前收入付出超过600块钱的赌注。
参考不久前MiniMax公开的数据：M2系列模型2月的平均单日token用量较去年12月增长了6倍以上，拉动MiniMax年化经常性收入（ARR）两个月内从1亿美元飙升至1.5亿美元[5]。
这一次，资本大鳄赌赢的概率似乎不算太低。