2026年4月14日，云知声股价单日涨超35%，创下逾两个月新高。这场资本异动并非孤立事件：财报披露净亏损收窄92%、大模型收入暴涨超10倍且首次营收过半，叠加4月8日桌面级智能体U2Claw正式上线，多重信号密集释放。

技术发布、财务数据与股价波动在时间上高度重合，市场将此解读为积极信号，但短期涨幅能否持续，仍需业绩验证。

与此同时，市场关注点正从模型参数转向财务表现。这一转变，在港股大模型三杰（智谱、MiniMax、云知声）身上体现得尤为清晰。三家自2025年6月起先后登陆港股，各自走出不同的商业化路径。

与其他玩家仍受困于算力成本与获客泥潭不同，云知声如何凭借"强基模+深应用"向平台化跨越？这不仅是投资者的疑问，也是大模型产业步入深水区后的核心命题。

三杰分野

港股目前有三家大模型公司：智谱、MiniMax、云知声。它们都讲AI的故事，但赚钱的路子完全不同。三家的上市时间并不相同：云知声于2025年6月率先挂牌；智谱与MiniMax则在2026年1月相继跟进。

清华系背景让智谱具备全栈自研能力。GLM系列模型迭代较快，目标是对标硅谷水平。在商业思路上，智谱依靠MaaS平台和本地部署，接下金融、政务类大客户的定制订单。这类业务的好处是客户粘性强，一旦系统接入很难再换供应商。

但硬伤在于成本过重：2024年智谱的算力服务费支出达到15.5亿元，占研发开支的70.7%，2025年上半年该比例维持在71.8%。七成研发资金用于算力采购，这是一种重投入、高风险的经营策略。

与智谱的重资产模式不同，MiniMax选择了另一条路：避开重度交付的B端业务，专做文本、视频、音频结合的C端应用。凭借前期积累的海外运营经验，其多款产品在海外市场获取了大量用户，目前海外收入占比超过70%。

这是典型的互联网流量模式，但维持该模式的代价同样高昂——买量支出和推理算力消耗居高不下，且C端用户极易流失，团队必须持续砸钱做投放并更新功能来留存用户。

与前两家的高举高打不同，云知声则极其务实。依托"山海·Atlas"通用智算基座，云知声并未四面出击，而是盯住了医疗、生活、交通等高频刚需业务。云知声通过智能体平台交付，从早期的单点项目定做转为规模化服务。

这种路径的关键在于业务数据的持续积累和运营效率的提升。一个核心数据是：云知声人均产值已拉升至252万元/人。在普遍习惯烧钱的AI赛道，这种运营效率可能是其差异化优势之一，但这一优势能否持续转化为市场估值，仍需观察后续业绩兑现。

云知声的财务拐点

要理解资本为何在2026年突然看懂云知声，需要先看其2025年报中的关键变化：那份财报提到的6.1亿元大模型收入，标志着其技术开始转化为可规模化复制的产品，这是此前单点项目模式未能实现的突破。

"山海·Atlas"基座在这一年展现了业务适配度。与早期停留在评测榜单的模型不同，"山海·知医5.0"已进入实际应用场景。它融合了医学知识增强技术，在MedBench 4.0评测中获得医疗智能体、医疗大语言模型、医疗多模态大模型三项第一。

医疗智能体以94.6分的高分，通过了实验室环境下的临床决策辅助测试，但真实医院场景中的稳定性，仍需更多案例验证。在语音场景，"山海·知音2.0"将端到端延迟压缩至90毫秒以内，兼容30多种方言与14种国际语言。

U1-OCR在3B参数规模下解决了跨行业文档识别的问题。单看每一项，这些技术指标或许不够抢眼，但散落在不同场景里串起来看，已经是一套可以直接上岗的生产工具。

基于上述基座能力，云知声在2025年推出智能体平台，将业务能力进行标准化打包。其打造的兽牙Claw平台，本质上是把复杂的模型封装成可直接调用的模块。目前已接入450家医院、1.1亿颗AI芯片以及10余个城市的交通调度系统。工程师不再需要到每个现场手工敲代码，平台化API直接完成了技术交付与计费。

这种商业模式直接反映在了财务数据上。2025年下半年，其净亏损同比收窄84%，经调整后亏损收窄92%。同期，智谱的算力支出还在扩张，MiniMax的海外获客成本居高不下。云知声的亏损在收窄，另外两家还没到这个拐点。

同处重算力投入期，三家中率先实现亏损收窄，云知声的财务表现与同行形成反差。剖析成本结构发现，云知声费用率大幅下降10个百分点，销售费用不升反降，占比压缩至5.4%。

通过API调用和Token计费获取稳定的经常性收入，取代了需要持续投入的地推团队，这种轻销售重产品的模式，被部分投资者视为MaaS业务规模效应显现的信号。

技术升级与智能体

2026年，大模型行业的比拼重心正在转移。三家企业均在推进技术升级，但侧重点不同：智谱计划推出GLM-5，MiniMax主推M2.1，云知声准备在6月前后发布基座2.0，并在二季度末至三季度推出配合该基座的原生智能体，主打办公和编程场景。行业竞争焦点可能正从参数规模转向能力密度与推理成本。

云知声基座2.0的优化方向是推理、编程和多模态能力，这三项指向同一个目标：在同样的服务器成本下，让模型算得更准、答得更对。这一思路直指行业共性痛点：算力账单决定了单次调用成本，进而压缩或释放商务报价空间。

办公和编程场景的核心需求不是获取信息，而是完成任务。与早期问答助手不同，原生智能体需要自主执行流程：理解模糊意图、规划路径、调用工具并输出结果。

为了控制高强度自主运行的成本，云知声采用了上下文感知压缩技术，使Token消耗减少了一半，同时加上了数据安全机制，以满足企业私有化部署的要求。

黄伟此前提到："未来无法适配智能体生态的厂商，很难留存。"目前三杰都在做智能体，只是交付形态各有侧重。智能体作为新的交互形态，正在改变人机协作方式，也让云知声得以向办公等C端场景延伸。

从场景深耕到生态构建

2026年，云知声的商业化版图正在向多个方向延伸。B端靠医保、交通的标准化模块向全国复制，省级政务项目壁垒高，跑通一个就能带出一批。

C端方向，4月8日上线的U2Claw桌面Agent切入日常办公，一键安装、本地处理数据，是云知声寻找新增量的一次试探。

海外依托东盟合作中心推进，知音2.0的多语言能力是打开东南亚市场的切入点；开源生态方面，Skills接入ClawHub，企业级平台主打安全可控，商业化路径还在摸索。几条线并行铺开，能否在任一领域站稳脚跟，要看2026年的订单怎么落。

写在最后

三家的处境各有不同。智谱将七成研发预算集中于算力采购，技术壁垒尚未形成规模收益，亏损持续承压。MiniMax收入高度依赖海外市场，一旦面临监管收紧，业务稳定性存在较大变数。相比之下，云知声深耕医疗、交通等垂直场景，以项目积累推动平台化复制，2025年亏损收窄92%，在三家中率先释放出财务改善信号。

大模型赛道的竞争重心，正从模型能力的比拼转向商业化路径的持续验证。规模扩张能否驱动自我造血，将是决定各家能否在当前行业整合期中保持竞争优势。