首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
汽车 morning

下跌周期中的MinMax:早期投资者和闫俊杰的AI畅谈

2026-11-17 1 阅读 约10分钟阅读 数智奔流
分享:
字号:
文 | 数智奔流,作者 | 田渝,编辑 | 沈校 H3发布两周后,外部开发者就在它的基础上做出了约300个新模型。 其中一个来自美国AI公司fal.ai的模型H3 Max,经过二次训练后,已经能够在3秒内生成一段5秒的视频。 速度提升之后,开发者开始施展想象力。有人用它搭建了一个24小时的AI直播,直播什么内容,全看观众想看什么。 通常,新模型发布意味着研发成果交付了。但如果选择开源,新一轮创造才刚刚开始。模型交到开发者手里,就像打开一扇未知的门。有人继续训练,有人改造应用,也有人把它带进原本没有覆盖的场景。 对MiniMax来说,这比模型本身获得多少下载量更有意思。也是MiniMax创始人闫俊杰想要的结果。 11月3日,Baillie Gifford旗下Scottish Mortgage的官方播客《Invest in Progress》上线了对闫俊杰的专访。这是他第一次接受英文播客采访。与闫俊杰展开对话的,是Scottish Mortgage投资经理Lawrence Burns。 Lawrence Burns并不只是提问者,他所在的Scottish Mortgage本身就是MiniMax的投资者。 Lawrence Burns透露,Scottish Mortgage在MiniMax IPO时投入约2000万英镑。上市后股价大幅上涨,他们曾出售部分股份,累计回收约4000万英镑,目前仍保留约2000万英镑的持仓价值。 50多分钟的对话中,有一个问题贯穿全程:为什么MiniMax选择了一条与不少美国AI公司不同的路,坚持开放模型? 创始人的答案,或许可以让不少人在下跌周期中保持对Minimax更清醒的认识。 闫俊杰介绍了MiniMax的产品布局,目前主要有两条模型产品线:M系列面向语言理解、编程和Agent等生产力场景;H系列以视频生成为核心,同时覆盖图像和音频。 不同的是路线,相同的是开源。MiniMax为什么愿意开放?在闫俊杰看来,这是模型公司应该如何与外部世界建立关系的问题。 访谈中Lawrence Burns专门就开源与闭源模型的差异向闫俊杰提问。闫俊杰表示,开源能够成为商业化和创新的催化剂。对模型公司来说,开源能让模型进入更多人的工作和应用场景。 这也是MiniMax面对竞争时的一种选择。 当Lawrence Burns问到MiniMax如何与字节跳动、阿里巴巴等拥有大量资源的对手竞争时,闫俊杰再次提到了开源。 至少在视频生成领域,两家公司走了不同的路:字节跳动的Seedance选择闭源,MiniMax选择开放H3。 开源是MiniMax深入企业市场的一个重要抓手,企业和政府机构会更倾向于使用开源模型,因为只要仍通过第三方API调用,哪怕模型再强,数据也得流经外部服务。只有部署到自有基础设置,数据和隐私才能留在自己手里,模型还能按业务需求调整。 从这个角度看,模型公司和外部用户不单单是简单的买卖关系,公司提供模型底座,企业和开发者根据自己的需求使用、部署和调整模型,各自在生态中创造价值。 当然,开放模型和保留商业边界,MiniMax都要。 以H3为例,官方开放了模型权重,但负责理解复杂多模态输入的H3-Context-IR还是通过托管服务提供。 H3的Community License也对商业使用和授权地域作出了限制。比如,使用H3的商业产品年收入超过2000万美元,就需要另行获得MiniMax的书面授权。 开源战略必须面对的一环,就是处理技术出口和海外授权的问题。10月23日,MiniMax宣布已在中国商务部完成相关技术出口登记,涉及部分近期发布及未来发布模型的开源发布和海外授权。 闫俊杰甚至表示,MiniMax计划一直开放模型,直到AGI实现。 这条路也有个前提,开放的模型必须足够好,而且要让开发者和企业用得起。开源生态能持续扩大的基础,是把模型做得更强的同时把运行成本降下来。 MiniMax这个名字,表达了公司的目标:Minimise inference cost,Maximise the frontier of intelligence,尽可能降低推理成本,尽可能推高智能上限。 降低推理成本,是公司成立之初就确定的方向。闫俊杰表示,算力对中国AI公司来说一直是一种约束,MiniMax从第一天起就知道,必须尽可能提高推理效率。 这条路线的形成,还得从ChatGPT说起。 2021年12月MiniMax成立后,没有着急推出聊天机器人,它选择先搭建基础设施,训练语言模型以及图像、音频生成模型。Glow是公司推出的第一个消费级产品,用户可以在里面与虚拟角色聊天。 闫俊杰说:“我们想开发一款应用来测试并验证模型的性能。这就是我们推出 Glow应用的原因。当时我们没想到会吸引这么多用户,但初衷只是做个实验,结果它就这么发展成了Glow。” Glow 上线四个月后,ChatGPT正式上线了。ChatGPT的出现彻底改变了闫俊杰对时间节奏的认知。之后,MiniMax开始扩大基础设施、数据和模型规模。 闫俊杰回忆,在ChatGPT发布之前,中国当时只有MiniMax一家企业在做大语言模型;ChatGPT发布后,很快就有大约20家公司进入这一领域。 从这个角度看,ChatGPT改变了中国大模型行业的竞争节奏,原本还在探索阶段的技术路线,迅速变成一场需要资金、算力、人才和产品能力的竞赛。 可是,这场竞赛里,中美公司手里的筹码不一样。访谈中,Lawrence Burns专门问到中美AI生态的差异。 闫俊杰概括出两者不同:美国AI生态正在建立由巨额资本支撑的封闭系统,中国AI生态建立的是一种由效率驱动的协作体系。 美国有丰富的算力、资本和芯片资源;中国公司必须提高单位算力的使用效率。中美AI生态将走向不同的技术和产品路线。 他在去年就表示,当时中国最好的模型,性能已经达到美国顶尖模型的95%,但成本只有后者的十分之一。 不过,最后5%的差距比赶超前95%更困难。 对MiniMax来说,重要的是能否保持足够快的进步速度。闫俊杰认为过去三年中美模型的改进速度大致相当。 在具体技术上,闫俊杰提到,公司采用了不同的Transformer架构,从模型设计之初就考虑不同芯片之间的适配,希望模型不必过度依赖某一种硬件。 他把需要持续保持技术领先的方向归纳为三个:模型架构、基础设施和优化能力。 多模态也是MiniMax选择的一条不同路线。OpenAI早期也曾投入较广泛的多模态方向,后来还是逐渐调整了布局。为什么MiniMax仍然愿意同时投入文本、图像、视频、音乐和语音? 闫俊杰说,在项目初期,大家不确定MiniMax最终会走向何种形式,所以就在多个方向上尝试,计划在技术积累到一定程度时再整合起来。闫俊杰希望,未来能够把最好的语言模型和视频生成模型整合到同一个系统中。 如果一开始只专注单一模态,或许初期进展会更快。但是,正是多模态的特性让MiniMax有了独特性,这就是“不把鸡蛋放在同一个篮子里”的道理。 技术路线之外,这种资源约束也影响了MiniMax的组织方式。 谈到MiniMax的企业文化,Lawrence Burns概括为扁平化、专注且节俭。而且组织架构设计得十分灵活,不花高价从其他公司挖人,倾向于内部培养
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱