塔斯娱乐资讯网

最近听完MiniMax创始人闫俊杰的最新深度播客,收获很多增量思考。 这也是近半年国内头部大模型创业公司里,为数不多的创始人完整深度访谈。访谈来自百年海外顶级投资机构BG,这家机构深耕产业百年,出手的标的几乎都是重塑行业的龙头,亚马逊、腾讯、特斯拉、英伟达均在列,也是MiniMax的投资方。 投 ​

最近听完MiniMax创始人闫俊杰的最新深度播客,收获很多增量思考。

这也是近半年国内头部大模型创业公司里,为数不多的创始人完整深度访谈。访谈来自百年海外顶级投资机构BG,这家机构深耕产业百年,出手的标的几乎都是重塑行业的龙头,亚马逊、腾讯、特斯拉、英伟达均在列,也是MiniMax的投资方。

投资人提问非常尖锐直白,直击行业核心痛点。AI赛道内卷白热化,各家打法分化严重,为什么MiniMax坚持重做多模态,不走多数同行专注纯语言模型的捷径。闫俊杰的回答没有包装修饰,句句贴合真实行业现状,把中美模型差距、公司底层逻辑、长期壁垒讲得非常透彻。

一、中美大模型差距:增速持平,赛道已经分化

行业里一直有人讨论中美大模型的差距,三个月、半年的说法层出不穷,大多是主观体感,没有实质依据。

闫俊杰给出了更客观的行业判断。过去三年,国内和美国大模型的迭代进步速度,基本保持同步。国内模型早已跨过可用门槛,日常落地、产业适配完全成熟。

但客观差距依然存在,硅谷头部闭源模型依旧保有领先性。最关键的是,最后一小段顶尖能力的差距,远比前期追赶难得多。

更核心的差异,是双方完全不同的成长路径。

硅谷团队背靠充足的算力、资本和顶尖硬件资源,可以无限制试错,疯狂堆叠资源,持续触碰模型能力天花板。

国内创业公司从起步阶段,就面临算力受限的现实约束。没有海量资源可以挥霍,只能在架构优化、推理效率、底层基建上持续突破。

资源有限倒逼出了真正的硬核创新。国内工程师和研究员,在极致约束下打磨出来的工程能力和落地能力,是独有的行业优势。

MiniMax内部很少追逐短期榜单排名。模型迭代本身充满不确定性,版本有强有弱是常态。过度盯着对手节奏调整方向,很容易打乱自身研发节奏,导致动作变形。

长期研发的核心,从来不是单次版本的胜负,而是团队持续稳定的迭代进步速度。

二、MiniMax名字背后,藏着完整的创业初心

很多人看过很多公司的愿景使命,大多流于形式,虚而不实。但听完MiniMax名字的由来,能清晰感受到这家公司从开局就想清楚的长期路径。

品牌名称拆分就是公司的核心使命。Mini是极致压低推理成本,降低AI使用门槛,让技术普及落地。Max是无限拓展智能边界,持续突破模型能力上限。

看似简单的两个单词,定义了公司所有技术选择和经营决策。

更关键的是它的核心主张,智能与所有人共生。

多数科技公司的愿景,都是为所有人提供智能服务,本质是企业单向输出服务。而MiniMax的理念,是让所有人参与智能、共建智能。

这也是公司坚持大规模开源的底层逻辑。AGI不会归属于单一企业、单一国家。开源可以让海量开发者参与迭代优化,让企业自主部署适配场景,让智能真正普惠各行各业。

真正清晰的愿景,从来不是口号。它会在每一次关键决策里发挥作用,帮团队判断取舍,守住长期方向,避免短期诱惑跑偏。

三、逆势做多模态,是赌未来而非冒风险

行业有个普遍的创业共识,初创团队资源有限,必须极致聚焦。

国内同体量的模型公司,大多选择单点突破,深耕纯语言模型或是视频赛道。唯独五百人规模的MiniMax,坚持多线并行,语言、音频、图像、视频全模态同步研发。

按照短期视角,这是非常不划算的选择。单点深耕能更快出成绩、冲排名、拿声量。多模态多线作战,分散人力算力,早期进展会明显更慢。

但闫俊杰的判断,立足的是AGI的终局形态。

现阶段没人能百分百确定,终极通用智能的落地形态。单一文本模型接收的信息维度极其有限,文字无法完整还原现实世界的动态、情绪、场景逻辑。

图像、音频、视频承载的真实信息,是文本无法替代的。多模态积累的多维数据和感知能力,是未来模型持续迭代升级、能力扩容的核心基础。

公司目前形成双模型路线,M系列深耕语言推理与Agent能力,H系列主攻多模态视频能力。短期双轨并行,长期最终会融合为统一大模型。

未来的AI落地,一定是理解、推理、创作一体化。语言模型的逻辑能力,搭配多模态的场景感知能力,才能支撑广告、影视、设计等完整商业项目落地,这是单一模态永远无法实现的。

四、MiniMax的三大核心壁垒,普通玩家复制不了

访谈最核心的问题,AI行业同质化严重,MiniMax真正的护城河到底是什么。答案不在表层模型效果,而在三层长期积累的硬核壁垒。

第一层是底层基础设施。

大模型迭代如同盖楼,参数规模越大,对地基的要求越高。行业所有人都知道堆叠参数,但极少有人能做好底层基建支撑。

MiniMax长期坚持简化模型架构、夯实底层工程体系。宁愿牺牲短期发布节奏,也要打磨稳定的训练体系、提升GPU利用率、降低工程损耗。

这种底层积累无法靠单次技术突破实现,只能靠长年累月沉淀,是最稳的长期壁垒。

第二层是极致的推理效率。

未来AI公司的核心盈利能力,不靠涨价收割用户,只靠技术迭代降低成本。

推理效率,直接决定公司的成本结构和盈利空间。更低的成本,能让AI服务下沉到中小商家、普通用户,打开全新市场。同时节省下来的算力预算,能投入更多数据合成和强化学习,反哺模型迭代。

H3视频模型的定价优势,就是最好的证明。用技术压缩成本,用平价激活市场,形成正向商业循环。

第三层是精准的技术判断力。

硅谷团队可以无限试错,用资源堆出正确方向。国内创业公司没有试错资本,每一次技术选择,都关乎数月研发投入和海量算力成本。

在行业没有标准答案的前沿领域,精准筛选有效方向、砍掉无效路线,是创始人最核心的能力。

这种基于行业全貌、长期沉淀的判断,是跟风玩家永远无法复制的壁垒。

整体听完最大的感受,AI行业的下半场,早已脱离野蛮生长的堆料时代。

短期拼模型效果、拼榜单排名,长期拼基建、拼效率、拼技术判断、拼底层初心。

各家打法彻底分化,没有绝对的对错,只是选择的终局不同。而MiniMax走的,是一条慢但足够稳、足够远的长期路线。

AI大模型 MiniMax 商业认知 行业观察 创业思考