7月31日，MiniMax發布通用全模态生成模型H3。按照公司披露，H3可以統一理解由文本、圖像、視頻和聲音構成的多模态上下文，最高輸出15秒、2K分辨率并帶原生雙聲道的音視頻;在定價上，2K分辨率每秒價格不到主流模型的三分之一，768P價格約為主流720P模型的一半。随後，MiniMax在官方社區發布H3模型權重及部署資料，嘗試把更低成本的生成能力交給更廣泛的開發者和産業夥伴。
這是一筆典型的“先擴大智能供給，再做生态放大”的技術投資：模型能力越強、價格越低、開放程度越高，創作者和開發者嘗試新工作流的門檻就越低，插件、工具、應用和調用量也越有機會形成飛輪。
但對資本市場而言，模型降本隻是故事的上半場。真正困難的問題是：當智能供給越來越豐富，企業如何把一次模型調用變成可複用的工作流程，再把工作流程變成可計量的經營結果?
這恰恰是當前港股AI估值邏輯開始分化的地方。
宏觀背景也在放大這道考題。
國際貨币基金組織在2026年7月的《世界經濟展望更新》中，将全球經濟概括為“戰争與技術的交叉氣流”：
一邊是能源、通脹和地緣不确定性，
另一邊是AI驅動的技術投資熱潮。
IMF同時把“市場重新評估AI盈利能力所引發的價格調整”列為下行風險之一。在資金成本、風險偏好和企業預算都更敏感的環境裡，AI公司僅證明技術先進已不夠，還要證明技術能形成收入質量、利潤和現金流。
一、H3打開的是“供給側飛輪”，但開源不等于自動變現
MiniMax的邏輯并不複雜：先用性能、成本和開放生态降低使用門檻，再通過産品、API及企業服務承接規模化需求。其2025年年報顯示，公司收入同比增長158.9%至7,903.8萬美元，毛利增至2,007.9萬美元;超過70%的收入來自國際市場，累計服務超過2.36億名用戶及21.4萬名企業客戶和開發者。
與此同時，MiniMax仍處于高強度投入期，這點從業績數據“2025年經調整淨虧損為2.50856億美元”就可以看出。但這并不代表适合被直接解讀為“模型沒有商業價值”，更準确的理解是：基礎模型公司需要持續投入訓練、推理、産品和全球生态，收入擴張與利潤釋放往往并不同步。
因此，H3的真正考題并不是“開源會不會少收一筆授權費”，而是三個更長期的問題：能否形成持續活躍的開發者生态，能否把免費試用轉化為穩定付費，能否讓下遊客戶借助模型完成真實生産任務并獲得回報。
當前，具身智能、世界模型和物理AI近期同樣吸引大量資本，進一步說明資金仍在追逐“更強智能供給”。但從展台演示到規模部署，從生成内容到進入企業生産環境，中間仍隔着數據、權限、流程、治理、交付和結果計量。資本熱度可以加速技術疊代，卻不能替代商業閉環。
二、OpenAI把問題講透了：企業買的卻不是Token，而是穩定工作的可靠保障
8月10日，OpenAI财務團隊公布其建設AI原生财務職能的實踐，提出“零日結賬”和持續更新預測的長期目标。更值得關注的是，它沒有把重點放在使用了多少模型、購買了多少工具，而是提出圍繞重要決策重構從源數據到審批和結果的完整工作流。
這套實踐傳遞出四個清晰信号：企業AI必須基于經過批準的材料和可靠數據;必須定義數據訪問、操作權限和人工審批;必須讓結果可追溯、異常可升級;最終必須用周期縮短、預測準确率、返工減少和決策改善衡量價值。
換句話說，模型可以把“生成”做得更快、更便宜，但進入财務、銷售、客服和經營分析等核心場景後，企業需要的已不再隻是一個會回答問題的入口，而是一套能夠在權限邊界内持續工作、接受審查并對結果負責的生産系統。
這不是對某家産品的直接比較，而是需求側給出的共同答案：企業AI的價值單位，正從“調用了多少Token”轉向“完成了多少可靠工作”。
三、邁富時的機會：把通用Token加工成具備高價值的“場景Token”
如果說MiniMax H3代表模型層持續擴大智能供給，那麼邁富時的“全棧Token工廠”更接近企業價值兌現的一端。
其核心并不是簡單接入更多模型，而是圍繞企業數據、知識、權限和流程，對通用模型能力進行“精加工”：KnowForce AI企業級知識中台連接數據庫、知識庫與知識圖譜，為智能體提供可治理、可更新的企業知識;AI-Agentforce智能體中台3.0負責智能體構建、多智能體協同、管理和疊代;GenAI OS承載統一運行與治理;場景智能體再進入營銷、銷售、客服、陪練、經營分析、外貿和研發等具體流程。
在這套體系中，“場景Token”不是給通用Token換一個名字，而是把模型資源、企業知識和工作流程組合成可交付、可追蹤、可複用、可計費的任務結果。它關心的可不是模型說了多少話，而是線索是否更有效、響應是否更及時、流程是否縮短、經營決策是否更快、客戶價值是否提升。
這一點與OpenAI在财務實踐中提出的“按每單位智能創造的價值衡量AI”形成呼應：技術供給可以來自不同模型，真正稀缺的是把模型穩定嵌入企業組織、讓結果可審計并形成持續回款的能力。
四、半年報給出階段性驗證：收入、利潤、現金流同時改善
對企業AI公司而言，最有說服力的并不是參數和演示，而是收入、利潤、現金流和客戶使用深度能否同時改善。
這點或許可以借鑒邁富時的盈利預告：
邁富時2026年中期業績預告的公告數據顯示，上半年集團總收入為人民币18.58 - 20.54億元，同比增長100 - 121%;歸母淨利潤為人民币1.82 - 2.22億元，同比增長386 - 494%。其中，AI應用業務收入為人民币10.68 - 11.8億元，同比增長112 - 134 %這組數據之所以值得一看，在于指向了公司的AI應用業務或已進入規模化的放量階段。此外，公司特别提及總人效比實現了持續性的提升，并且是在人員規模穩定，且全面應用自研AI産品情況下。
此外，還有一個可以關注的數據情況在于銷售、管理等費用的占比較去年同期進一步優化，也就是說，公司在保持産品投入的同時，經營效率、利潤和現金流同步改善。
這并不能證明所有場景都已經标準化，也不意味着後續增長沒有波動，但至少給出了階段性證據——企業客戶願意為可落地的智能體和經營結果持續付費，邁富時也開始把技術投入轉化為規模、效率和現金回報。
五、從H3到全棧Token工廠，AI産業正在發生“價值接力”
可以把當前AI産業的價值鍊概括為五個連續環節：
01模型降本：H3等模型持續提高性能與性價比
02供給擴張：開發者、創作者與企業試用門檻下降
03知識與流程連接：邁富時的KnowForce AI已實現與企業數據、權限、知識聯動
04場景任務交付：作為邁富時的AI員工“大腦”的企業隻能猛踢中台AI-Agentforce3.0與AI原生操作系統GenAI OS支持協同、治理和運行
05可見的結果計量：場景Token對應可追蹤、可複用、可計費的業務成果
在這全鍊路中，MiniMax H3主要推動前兩個環節：更通用的多模态能力、更低的生成成本和更開放的開發生态，讓智能供給加速普及。
邁富時更聚焦後三個環節：通過知識中台、智能體協同和運行治理，把不同模型接入企業真實流程，再以場景Token計量任務與結果。
兩者并非替代關系。模型越便宜、越開放，下遊應用可以使用的智能資源越豐富;但模型差異縮小時，企業客戶對數據治理、場景理解、流程連接、交付穩定性和經營結果的要求反而會更高。上遊負責把智能的“水電煤”做得更充足，應用平台負責把它接進企業的生産線，并讓每一次消耗都能對應業務價值。
這也是，邁富時這家企業的T-GEO、EVA和Nora等一系列AI産品矩陣的值得被觀察的意義所在。H3等多模态模型降低内容生産成本後，企業仍要解決品牌在AI答案入口中的可見性、海外線索獲取、多語言内容生産和持續運營等問題。邁富時的機會，在于把通用生成能力與企業知識、客戶畫像、工作流程和效果反饋連接起來，使一次内容生成變成可持續優化的增長任務。
六、資本市場真正應該追蹤什麼?
對港股AI公司而言，短期股價可以圍繞模型發布、融資、算力和政策快速波動，但長期價值最終會回到四類指标。
1. 客戶使用深度|客戶是否從試用走向多場景、持續使用，客戶數量與單客價值能否協同增長。
2. 研發轉化效率|研發投入能否轉化為産品複用、交付提速和更低的邊際成本，而不是長期停留在定制項目。
3. 盈利與現金流|利潤與經營性現金流能否随規模擴張改善，證明增長不完全依賴外部融資。
4. 全球化質量|能否穿過語言、數據合規、本地服務和渠道建設的門檻，形成可持續收入，而不隻是海外曝光。
從這個角度看，MiniMax的H3是一場圍繞模型生态和開發者規模的進攻，邁富時的全棧Token工廠則在回答另一道題：如何把越來越便宜、越來越強的模型能力，變成企業願意持續購買的經營結果。
結語：模型負責擴大智能供給，場景負責決定價值歸屬
H3的意義，不隻是把一段視頻生成得更便宜，而是讓更多開發者和企業有機會重新設計内容生産流程。OpenAI的AI原生财務實踐則提醒市場，真正的企業級變革發生在數據、權限、審批、工作流和結果評價被一起重構之後。
當模型能力加速普及，AI産業不會因此失去價值，價值隻會重新分配：一部分留在持續突破性能與成本邊界的模型平台，另一部分流向能夠理解企業知識、重構真實流程并對經營結果負責的應用平台。
對邁富時而言，全棧Token工廠、企業智能體和場景Token的意義，正是争取後者。其2026年中期業績所呈現的收入、利潤、現金流、客戶價值和人效改善，為這一方向提供了階段性驗證。接下來更重要的，不是再講一個更大的AI故事，而是持續證明：每一次智能調用，都能在客戶的業務結果和公司的現金回報中留下痕迹。
模型負責讓智能供給更豐富;而“全棧Token工廠”邁富時，負責讓智能進入企業流程，并形成可交付結果、可持續賬單與現金回報。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
