核心观点
　　公司主动修正了“DAU/流量=壁垒”的逻辑，深刻认知到AI时代的唯一护城河是模型智力的代差。通过缩减低效的ToB销售团队（避开同质化价格战）和C端买量费用，将资源极度聚焦于高强度的模型研发与技术突破。这种“反共识”的收缩，实际上是向Scaling Law下半场（推理侧/架构创新）的精准抢跑。同时管理团队兼具顶尖科研&to B商业化及交付经验。
　　要点
　　AI定义新一代生产力，TAM从软件预算转向劳动力预算。行业正经历从判别式AI向生成式AI的质变。Scaling Law推动模型智能指数级提升，同时推理成本指数级下降（通缩属性）。这使得AI不再局限于传统SaaS的“工具”属性，而是具备了推理、规划能力的“数字员工”。以美国为例，传统软件市场仅针对约3000亿美元的IT预算，而AI作为生产要素，将渗透全球约13万亿美元的劳动力成本市场（如A16z及黄仁勋观点）。AI不仅是卖License，更是按产出价值定价，天花板被打开。
　　技术路径演进，工程门槛逐步提升，模型格局逐步整合。粗放的预训练Scaling（堆算力/数据）面临边际效应递减（Ilya观点），行业进入“架构创新&推理侧Scaling”的新阶段。DeepSeek（MLA/架构压缩）与Google（多模态关联）代表了不同的技术突围方向，技术壁垒回归到“工程能力+架构创新”的综合实力。
　　MiniMax团队优势在于创始人兼具科研能力&to B交付经验。创始人闫俊杰曾任商汤科技副总裁、智慧城市事业群CTO，具备卓越的技术和管理能力，在商汤带领过700余人的团队，把面部识别算法做到了行业第一，智慧城市业务2021年收入超20亿元人民币，这一业务面向政府和大型企业，重工程交付。与移动互联网不同，管理层深刻认知到“用户规模≠模型智能”。不同于移动互联网时代，AI时代单纯堆砌DAU无法反哺模型智力。因此，短期的财务数据/用户指标并非绝对的竞争壁垒，模型智能仍然是最关键的竞争要素，因此公司2025年战略重心从“做营收/投流”转向“技术迭代”。人事上，缩减ToB销售团队（应对API价格战），弱化纯C端运营（张前川转顾问），将资源集中于模型研发，意图通过代差级体验打造真正的Super App。
　　投资建议：我们预计公司FY25-27分别实现营业收入0.80亿美元/1.85亿美元/3.51亿美元，同比增长162%/131%/90%。其中AI原生产品（To C）收入分别实现0.58亿美元/1.39亿美元/2.63亿美元，同比增长超140%，开放平台（ToB）收入分别实现0.22亿美元/0.46亿美元/0.88亿美元。盈利能力方面，随着推理成本优化及高毛利ToB业务占比稳定，我们预计Non-GAAP毛利润分别实现0.20亿美元/0.74亿美元/1.93亿美元，对应Non-GAAP毛利率25.0%/40.0%/55.0%。考虑到算力军备竞赛延续，研发投入仍将维持高位，我们预计Non-GAAP净亏损将逐步收窄，FY25-27分别录得亏损-2.4亿美元/-1.8亿美元/-0.8亿美元，对应Non-GAAP净利率-300%/-97%/-24%，亏损率呈显著收窄趋势。
　　在AI赛道内部，我们认为“基础设施层（如DeepSeek）”与“原生应用层”的投资逻辑正在分化。相比于DeepSeek通过架构创新（MoE/MLA）在成本侧建立的壁垒，MiniMax在多模态（语音/视频）交互体验上的深耕，使其在用户粘性与商业化变现上具备更深护城河，逻辑在于“高感官交互”与“生产力工具”的整合——前者（Talkie/星野）提供海量RLHF数据，后者（海螺/开放平台）提供高毛利现金流。更大的重估空间在于ScalingLaw下半场的技术解锁。随着公司战略重心回归技术研发，新一代多模态模型（如Video-01、端到端语音）预计将在FY26-27开始显著贡献增量ARR。考虑到公司C端产品已实现正毛利（4.7%），且营销费用率在收入翻倍背景下绝对值下降，我们预计随着推理成本下降，未来净利率有望迎来非线性拐点。公司目前隐含估值处于FY2677x P/S。我们认为，随着模型智能提升，商业化潜力释放（尤其是多模态领域），考虑到团队的稀缺性，首次覆盖并给予“买入”评级。
　　风险分析
　　技术迭代压力巨大：通用人工智能（AGI）和大语言模型（LLM）领域技术演进极快，OpenAI、Anthropic、Google DeepMind及国内百度、阿里、智谱、百川等竞品持续推出更强模型。MiniMax若无法在推理能力、多模态、长上下文或推理成本上保持领先，将迅速丧失技术优势。
　　研发投入不可持续：训练千亿级甚至万亿参数模型需数亿美元算力成本。若融资节奏放缓或资本市场转冷，公司可能被迫削减研发预算，导致技术断代。
　　人才竞争激烈：顶尖AI科学家稀缺，头部企业以高薪争夺人才。MiniMax若无法维持核心团队稳定，将直接影响模型迭代速度与质量。
　　高质量训练数据枯竭：公开优质文本数据（如书籍、专业文献）已接近“耗尽”，后续依赖合成数据或用户生成内容（UGC），可能引入噪声、偏见或版权争议。
　　数据合规隐患：中国《个人信息保护法》《数据安全法》及《生成式AI服务管理暂行办法》要求训练数据合法来源、去标识化处理。若MiniMax在数据采集或清洗环节存