更新时间：作者：小小条
当整个AI行业都在为用户数据和融资焦虑时，MiniMax的创始人闫俊杰却显得异常冷静。他不像一个掌管着AI独角兽企业的技术新贵，反而更像一个对技术充满敬畏的探索者。他坦言自己感到恐惧，这种恐惧并非来自商业竞争，而是来自技术本身——当模型的能力开始超越人类时，创造者反而成了最先感到不安的人。
在MiniMax内部，互联网行业奉为圭臬的日活跃用户数，被闫俊杰直接定义为虚荣指标。2025年的AI领域，巨头环伺，算力短缺，热钱褪去，MiniMax正在进行一场认知革命：不再沿用移动互联网的逻辑，而是回归本质，把模型当作最重要的产品。在大模型时代，真正的产品其实是模型本身，传统意义上的产品更像是一个渠道。如果模型不够聪明，产品做得再好也没有用。MiniMax从创业第一天就选择了与主流背道而驰的技术路径。当所有人都在寻找中国的OpenAI时，闫俊杰却在试图证明非天才的价值。MiniMax的故事不是关于天才的灵光乍现，而是一场关于如何在资源受限的缝隙中，通过极度理性地计算与修正，撕开一道通往AGI窄门的精密实验。
MiniMax过去三年的技术路线，表面看是一连串孤立的赌注，实则暗藏着一条统一的逻辑线索：在资源受限的前提下，如何用更聪明的方式优化，而非更多的算力堆砌，逼近AGI的上限。当行业还在卷文本时，MiniMax做了一个在当时看来极度冒险的决定：创业第一天就押注全模态。闫俊杰后来解释说，他们一开始就想得很清楚，真正的AGI一定是多模态的输入、多模态的输出。三年多前创业时完全没有现成的技术路线，他们的策略就是每个模态至少先走通，等时机成熟再融合。这种坚持在当时备受质疑，但闫俊杰的逻辑是，AGI的本质是多模态融合，如果现在不同步推进，等到需要融合时技术债会成为致命伤。这种非共识的坚持，让MiniMax在2025年拥有了全球音频第一、视频第二、文本稳坐第一梯队的全模态能力。前不久OpenAI的Sora 2通过多模态融合取得了显著成果，这在一定程度上也印证了MiniMax早在创业初期就选择这一技术路径的前瞻性。但更激进的是，闫俊杰在创业初期就打破了AI研究的传统模式。他意识到把大模型做好这件事一定不能迷信之前的经验，得用第一性原理拆开来看。人工智能领域大家追求的是写很多数学公式，把理论搞得很好、很花哨。但这代人工智能最核心的其实就是缩放定律，就是让它能够用最简单的方法把效果做得更好，并且随着数据跟算力变多，效果就能够持续往上涨。闫俊杰的技术直觉源自2014年在百度的实*经历。那时Anthropic的CEO Dario Amodei也在百度实*，正是在那里他发现了缩放定律的雏形。闫俊杰说，缩放定律其实在2014年做语音识别时就已经被发现了，但真正被广泛认知是大概2020年左右。六年前就有了，并且那件事发生在中国公司，所以后面的事就有点遗憾。这段往事让闫俊杰意识到，中国并非没有机会，而是错失了把技术洞察转化为产业优势的时机。现实是残酷的。闫俊杰很清楚中美之间的差距。他算过一笔账：美国最好的公司的估值是中国创业公司的100倍，收入基本上也是100倍，但技术可能就领先5%，花的钱大概是50到100倍之间。那为什么中国的公司可以花他们1/50的钱就做出来效果，差距可能只差5%？核心原因是中国的人才还是非常好的。而更关键的是，中国的算力比美国有很大差距，因此必须得用更加创新的方式，才有可能做到同样的效果。算力限制不一定是诅咒，反而能成为倒逼创新的鞭子。这就解释了为什么MiniMax从2023年起就率先探索MoE架构，为什么在2025年敢于押注线性注意力机制，又为什么在M2模型中回归全注意力机制。每一次技术选择，都是在有限资源下寻找质量、速度、价格的三角平衡。如果说DeepSeek的逻辑是用极致的工程优化榨干每一分算力，那么MiniMax就是通过算法突破和机制创新在有限资源中撬动更大可能。一个稳扎稳打，一个剑走偏锋。其中一个出奇的创新，是MiniMax在模型推理机制提出的交错思维，让模型在动手做事—停下来思考—再动手的循环里推进任务。这一新的机制很快推动了OpenRouter、Ollama等国外主流推理框架的适配支持，也带动Kimi和DeepSeek等国内模型陆续补齐类似能力。但这些成果背后，更值得追问的是：一支没有硅谷海归坐镇、被外界视作草根的团队，如何做出全球领先的模型？闫俊杰的回答出人意料。AI不是玄学，而是可以被第一性原理拆解的工程问题。正是基于这一判断，让闫俊杰放弃了寻找天才，转而相信科学方法论可以让普通人发挥非凡价值。他还提到，公司的海归是不少的，但真正能起到关键作用的同学，很多人基本上都是第一份工作。在MiniMax会议室墙上有一行字——Intelligence with Everyone，这是闫俊杰创业的初衷，也是不少人选择加入MiniMax的理由。这行字今天也正在成为现实，全球超过两百个国家和地区的用户正在使用MiniMax的多模态模型，其中既有2.12亿用户，也有10多万企业和开发者来创造更多产品和服务。如果说技术路线的非共识是显性的，那么闫俊杰本人的成长轨迹，则是一场关于反脆弱性的修行。闫俊杰出身河南小县城，在资源极度匮乏的环境下培养了极强的自学能力。小学自学初中，高中自学微积分——这种不受环境限制、超前学*的特质，贯穿了闫俊杰的整个创业生涯。当别人在等待导师指点时，他已经通过第一性原理自我拆解问题；当别人在抱怨资源不足时，他已经通过极致的自学能力补上了差距。但自学能力并不意味着一帆风顺。这和闫俊杰在商汤受到的残酷训练不无关系。那时候他开始意识到要真正做一个最好的东西，就做了人脸识别，从倒数到第一大概花了一年半。这一年半是非常痛苦的，每次技术测试都是倒数第几名，这种煎熬足以击垮大多数人。但闫俊杰没有放弃，反而从这段经历中提炼出了核心方法论：一定要做取舍，一定要选一些更加长期、能够根本性发生变化的东西，而不是去做一些修补的东西。经历这事之后，最核心的还是对自己这些最底层的判断有信心。这段磨炼锻造了闫俊杰两个关键特质：一是极致的取舍能力，愿意放弃短期修补，聚焦长期突破；二是极高的心理韧性，能够承受长周期的失败和质疑。这两个特质，恰恰是MiniMax能够在技术路线上坚持非共识这种近乎佛系的定力，让闫俊杰在硅谷银行危机、模型训练失败等困境中都能保持冷静。
MiniMax的故事讲到这里，一个更大的问题自然浮出水面：当人才培养需要时间，技术追赶需要周期，中国AI公司靠什么在当下就建立自己的生存空间？闫俊杰倒是有三个创业至今一直坚持的原则：第一，不做项目，只做用户；第二，国内海外同时做。2022年，国内大厂还在观望AI是否值得投入，创业公司普遍选择ToB路径以求快速变现。但闫俊杰选择了最难的一条路：ToC，并且从第一天就瞄准全球市场。因此，闫俊杰选择在海外更激烈的竞争中打磨技术，而非卷入国内与巨头的流量争夺。事实证明，这是正确的——MiniMax在海外市场的DAU和付费率都维持在健康区间，而这正在成为它的护城河。但最难的，是第三个原则：技术驱动vs用户增长。这是对所有AI创业公司的终极拷问。闫俊杰坦白也纠结过，最终选择了前者，哪怕这意味着短期数据的牺牲、中层的流失和外界的质疑。通过模型能力推动产品和业务发展，或者通过移动互联网时代的增长方式来发展，两者有可能都是对的，但它们是没法共存的。最后我们发现技术驱动的这种方式才适合我们。在技术驱动的战略下，闫俊杰做出另外一个关键选择：开源。年初DeepSeek R1横空出世后不久，闫俊杰曾表示，如果可以重新选，应该第一天就开源。为了让我们能够进展，需要别人有选择我们的理由，模型的开放性恰好是一个非常重要的理由。MiniMax也延续着DeepSeek掀起的开源浪潮，MiniMax M2发布后，大模型分析平台Artificial Analysis是这样介绍的：中国AI实验室在开源领域持续保持领先地位。最近全球模型聚合平台OpenRouter联合a16z发布了一份报告State of AI的100 Trillion Tokens，可以看到M2开源之后，快速受到了全球开发者欢迎和采纳。中国开源模型在全球使用量占比从2024年初的1.2%，现在这个数字已经飙升至30%，全球开源生态的重心已经向中国倾斜。但这场竞赛远未结束。闫俊杰的判断是，算力和芯片的物理限制，决定了模型参数量和成本是有天花板的。在一个有限的参数量的情况下，不同的人来做不同的取舍，就一定会有些不一样的成果。AI不会一家独大，但也不会百家争鸣，最终会收敛到少数几家基于不同取舍的共存格局。
罗永浩关于中国错失GPT-3.5的追问，闫俊杰展现出了一种务实的乐观。他表示把技术做好最重要的东西，说到底其实是两个词，一个是想象力，一个是自信。美国那些企业很多浪潮是他们引领的，所以有自信在，要引领这个行业。在中国有些产业里面其实也是这样的，比如通讯、还有其他领域。至少人工智能这个行业目前还没有到引领这个地步，但这个事情已经越来越具备了。这或许就是中国AI公司需要走出的第三条路：用更聪明的架构设计，对抗算力差距；通过科学的组织进化，培养AI原生人才；在夹缝中长出自己的形状，而非附庸于巨头。MiniMax的故事还在继续，中国AI的篇章墨迹尚未干。胜负不由起跑线决定，而由你选择在哪条路上、用什么样的节奏、坚持多久来定义。闫俊杰在访谈中说道：再往后三年看，即使不是我们，也会有中国其他的人能够做到这件事。三年后，会是谁？又会用怎样的方式？没有一部续集如此令人期待，因为我们都会是其中的角色。
版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除