MiniMax 闫俊杰的这个访谈太犀利了

MiniMax 创始人闫俊杰的这期新播客，非常不错。有不少增量信息，能帮我理解国内大模型的发展态势，以及 MiniMax 的思路。

如果没记错的话，这也是近半年来，国内几家头部大模型创业公司中，唯一的一次创始人深度访谈。播客的主持人是英国知名投资机构 BG 的投资人。

BG 这个机构可能很多国内用户不熟悉，但在海外还是很有影响力。

它成立于 1908 年，那时候国内还是清朝。

BG 这家机构长期以来的投资思路是，寻找那些有可能改变整个行业的成长型公司，所以，他们曾经投资过亚马逊、腾讯、特斯拉、英伟达……

并且，也投资了 MiniMax。所以，这期播客我听着听着就感觉，有点像 BG 对被投公司创始人的内部访谈。

闫俊杰的回答也非常犀利，能看出来没有任何的包装和掩饰，很真诚。

我展开写下对我有启发的观点。

关于中美模型的差距，几乎每次有表现不错的国模发布，大家都会提到类似的话题。

YouTube 上很多硅谷的 AI 精英也经常会讨论这事。反正众说纷纭吧，有时候说差距是半年，有时候又说三个月。

都是各自的感受，都不准确。

闫俊杰的判断是，过去三年，中国和美国模型的进步速度已经大致相当。

言外之意也比较清楚，就是硅谷的几个闭源模型仍然还是有领先优势，只不过，国内的模型也已经过了可用的临界点。

话说回来，虽然国内模型进步也很快，但最后 5% 的差距，可能比前面 95% 更难追。

这个道理，我觉得和我们平时做产品非常像。

一个产品从 60 分做到 80 分，可能相对容易。再往后，从 80 分做到 90 分、95 分，需要付出和前面同等的精力。

而且，硅谷和国内的 AI 模型创业公司，已经沿着两条不同的技术路线发展。

硅谷的头部实验室拥有更充足的资本、算力和先进芯片，可以投入大量资源，不断探索模型能力的上限。

但中国的模型公司，从一开始就面临算力不足的问题，尤其是创业公司，所以大家必须想办法，用尽可能少的算力，训练出足够好的模型。

其实这也能解释为什么国内的模型公司，这两年在模型架构、推理效率、训练基础设施等方面，做出了很多创新。

因为只有这样，才有出路。

闫俊杰说他的直观感觉是，算力的限制，确实让国内公司的工程师和研究人员变得更优秀。很多真正有价值的创新，都是这么被逼出来的。

就像我之前经常 PUA 自己的话，资源有限也许是好事。

闫俊杰说，他们内部不会过度关注某个时间点的模型排名，反而更关注长期的进步速度。

如果一个团队太在意短期排名，就很容易焦虑。今天看到竞争对手发布了一个新模型，排名超过自己，赶紧调整方向.....这样折腾下来，动作反而容易变形。

毕竟模型研发有很大的不确定性，谁也不可能保证每个版本都能取得突破，每一次技术选择都是正确的。

有时候你领先，有时候别人领先，这都很正常。

真正重要的，是能不能长期保持进步。

还有一个很有意思的点，就是 MiniMax 这个名字的由来。我也是第一次听闫俊杰讲起。

之前知道月之暗面这个名字，来自杨植麟喜欢的摇滚乐队 Pink Floyd 的经典专辑。

但 MiniMax 这个名字，之前只是觉得挺酷，却没想过它背后有什么含义。

闫俊杰说，他们公司的名字里已经包含了他们创办这家公司的使命。

Mini 的意思是尽可能降低推理成本，让更多人能够用得起 AI。Max 则是尽可能拓展智能的能力边界。

这两件事，是他们创业之初就想清楚的。

而且，MiniMax 还有一句很重要的口号（我理解是使命），叫 Intelligence with everyone。

闫俊杰专门解释了，为什么用的是 with everyone，而没有选择 for everyone。

看起来只差一个词，但意思有明显区别。

For everyone，更接近于一家公司向所有人提供智能服务。With everyone，则强调所有人都能够参与进来，共同拥有智能。

这背后其实还有他们对 AGI 的理解。

闫俊杰说，他从一开始就觉得 AGI 最终不应该只属于某一家企业、某一个国家或者某个组织。

其实这也能解释，为什么 MiniMax 如此重视开源。

因为开源之后，更多开发者就可以基于模型继续研究、优化，开发自己的产品。企业也可以把模型部署在自己的环境中。

我对这一点还挺有感触的。

因为很多人可能觉得，公司叫什么名字，有什么使命、愿景，这些东西都挺虚的。

上周末，和一个刚刚创业的朋友聊过这个话题。他问我，创业最重要的是什么？

我说，讲得虚一点，我觉得公司的文化、愿景这些东西，其实非常重要。

十多年前，我刚开始创业的时候，也觉得这些东西没什么用，根本没当回事。

但这么多年下来，慢慢发现，尤其是我们这种小公司，大家能够长期合作，除了薪资、工作环境这些因素，很重要的一个原因，就是彼此有相近的价值观，认可公司正在做的事情。

如果除了赚钱之外，大家还有一些共同的追求，就更容易把一群人凝聚起来。

另外，我觉得公司的使命还有一个很实际的作用，就是能够指导日常决策。

因为创业过程中，每天都要面对各种选择。哪些事情值得投入，哪些事情应该放弃，很多时候就取决于你到底想做成一家什么样的公司。

MiniMax 就是一个很好的例子。

假如他们内部有一天讨论说，我们的最强模型不要再开源了。那其他同事完全可以反问一句，我们不是一直在强调 Intelligence with everyone 吗？这不就和公司方向背道而驰。

所以，公司的使命如果真的想清楚了，就会影响到后面很多具体的技术选择和经营决策。这也是为什么我越来越觉得，创业之初，把这些事情大致想明白，非常重要。

MiniMax 只有 500 多人。我印象中，国内类似规模的模型创业公司，还有 Kimi 和 DeepSeek。

但 MiniMax 一直在多线作战。除了语言模型，还在同时研发音频、图像和视频生成模型。所以，人手肯定是非常紧张的。

而且，按照常规的创业逻辑，一家资源有限的创业公司，应该高度聚焦。比如集中资源把语言模型做好，或者专门做视频生成。

但闫俊杰从创办 MiniMax 开始，就决定同时探索语言、图像、音频等多个方向。

这其实非常冒险。因为每增加一个方向，就需要投入更多的研究人员、算力和资金。而且，每个方向都有一大批创业公司和科技巨头在竞争。

闫俊杰在访谈中也承认，如果一开始只专注一种模态，MiniMax 早期的进展可能会更快。

那为什么还要坚持多模态？

因为 2021 年创业的时候，他们相信 AGI 非常重要，但当时谁也不知道，AGI 最终会以什么形态出现。

所以，他们决定先在不同方向上积累技术，等到技术足够成熟，再把这些能力结合起来。

但后来做着做着，他发现多模态对于实现 AGI 非常重要。

感觉这个东西大家也是兼听则明。我记得之前梁文锋说，他们不做视频模型是因为这不在 AGI 的主线上。

闫俊杰的思路不一样。他认为，多模态能够提供更加丰富的数据，也是未来继续 Scaling 的必经之路。

如果模型只学习文字，那么它能够接触到的信息，主要还是文本。但现实世界中，还有大量信息存在于图像、视频和声音里。

比如，物体是怎么运动的，两个事件之间是怎么连续发生的，人的语气和情绪又是如何变化的。这些信息，很难只靠文字完整表达出来。

所以，如果未来还想让模型变得更强，就需要让它学习和理解更多不同类型的信息。这种设计虽然早期可能会慢一些，但这些技术积累，未来有机会在统一模型中发挥更大的价值。

MiniMax 目前有两条主要的模型系列。

一条是 M 系列，主要发展语言理解、推理、编程和 Agent 能力。另一条是 H 系列，主要发展视频等多模态能力。

闫俊杰的判断是，这两个领域未来不会一直分开。

这点我非常认同。

其实最近大家已经看到了一些类似的趋势。之前我还专门写过 Video as Code 的文章，讨论代码和视频之间的关系。

随着 AI 的发展，语言理解、编程和视频生成，未来完全有可能更加紧密地融合在一起。

现在的视频模型可以生成视频片段，但如果让它像专业剪辑师一样，理解完整的制作需求、反复修改镜头、调整内容，仍然很困难。

这时候就需要语言模型的理解和推理能力。

如果把两种能力结合起来，AI 就有机会从生成短视频片段，进一步承担广告、电影和设计领域的完整项目。

所以，MiniMax 接下来的计划，是继续提升两个模型系列的能力，在合适的时候，再把它们整合成一个统一的模型。

最后再聊聊我最关心的问题，像 MiniMax 这样的模型创业公司，壁垒到底是什么？我觉得顺着这个问题，也能理解国内不同模型公司这两年在忙什么。

首先是基础设施。

之前我写过，国内很多模型公司都想把模型规模扩大到 1T、2T，甚至更高。但模型参数越来越多，对基础设施的要求也会越来越高。

这有点像盖楼。

往上盖楼的方法，大家基本都知道。但楼层越高，对地基的要求就越高。地基撑不住，上面根本盖不起来。

大模型也是类似的道理。

我记得姚顺雨之前接手腾讯混元，做 Hy3 Preview 的时候，就反复强调要重建基础设施，包括预训练和强化学习的基础设施。

闫俊杰说，MiniMax 在研发过程中，一直坚持两个原则。

第一，尽可能保持模型架构和基础设施简单。

第二，持续投入基础设施建设。

因为建设基础设施，有时候确实会牺牲短期的产品发布速度。但模型规模越大，这些投入就越重要。

比如，一家公司能不能稳定运行大规模训练任务，能不能提高 GPU 的利用率，减少不必要的工程开销，这些都需要基础设施来支撑。

而且，这些能力很难靠某一次技术突破就彻底解决，需要长期积累。

其次是推理效率。这个问题我们感觉应该会更加直观。今年国模的额度，大家经常也吐槽。你会发现这个问题的根源，除了算力受限之外，本质上就是推理效率。

闫俊杰判断是，AI 公司的盈利能力，应该来自技术创新带来的成本下降，而非不断提高模型价格。

他认为，低推理成本是 MiniMax 在收入和利润方面的护城河。

因为推理效率高，可以直接带来两个优势。一方面，能够用更低的成本向客户提供 AI 服务。

另一方面，同样的算力预算，可以开展更多强化学习和数据合成，进一步提升模型能力。

也就是说，推理效率同时影响着模型公司的成本结构，以及下一代模型能够获得多少训练资源。

其实，我觉得从 MiniMax 的 H3 视频模型上，就能理解他们为什么如此重视推理效率。

大家看看 H3 的视频生成价格，就知道视频生成的门槛已经降到了什么程度。

因为对于很多小商家来说，以前花几千、几万块钱做一条宣传片，确实挺肉疼的。但如果现在花几百块钱，就有机会搞定一条宣传片，那很多原来舍不得花钱的商家，就愿意尝试了。

价格降到大家可以接受的范围，新的需求也就随之而来。

但问题是，谁不知道低价好卖啊？

对于模型公司来说，你不能为了吸引用户，一直贴钱提供服务。价格降下来了，还得保证自己有合理的利润，这个生意才能长期做下去。

所以，真正考验模型公司的，就是能不能通过技术创新，降低推理成本。

第三个壁垒是技术判断。

硅谷的前沿实验室拥有比较充足的算力和资金，可以同时开展大量实验，寻找有效的技术路线。

但像 MiniMax 这样的创业公司，没有那么多资源可以挥霍。

所以，他们必须尽可能缩小实验范围，提前判断哪些技术方向值得投入，争取用更少的实验取得好的结果。

而且，现在模型研发的成本越来越高，一次错误的技术选择，可能意味着大量算力和几个月的研发时间都打了水漂。

这其实非常考验一家公司的技术一号位。

因为很多技术方向，在刚开始探索的时候，根本没有明确的答案。但资源就那么多，你必须做出选择。

如果大家看过最近的那一篇公众号文章《中国 LLM 讨论纪要》，应该会更能理解这些技术选择背后的难度。

不再过多展开了。上面这些只是我自己比较感兴趣的几个话题，其实整期播客的信息量非常大。

而且，我个人还挺喜欢听闫俊杰的访谈。去年他和老罗的那期，以及这次 BG 的访谈，我都是没有开倍速，完整听了两遍。如果大家有时间，我还是强烈建议去听听原版播客。

因为很多时候，文字只能传递一部分信息。一个人说话时的语气、停顿，以及回答问题时的状态，其实也包含了很多信息。

至少我自己的感受是，闫俊杰的表达非常真诚，也能感觉到他对当下模型竞争有自己独特的判断。

明年模型的竞争应该会比今年更加激烈。

因为现在大家已经看到，字节、腾讯这些传统大厂也逐渐追了上来，模型创业公司过去靠押注 Coding 建立的一些先发优势，也会慢慢被削弱。

咱们评论区交流。