MiniMax创始人闫俊杰：AI竞赛的最后5%最难

文丨Joanne 

编辑丨徐青阳

11月3日，苏格兰抵押贷款投资信托（Scottish Mortgage）旗下播客《Invest in Progress》发布了对MiniMax创始人、董事长兼CEO闫俊杰的专访。这是闫俊杰首次接受英文播客专访，主持人为该信托投资经理劳伦斯·伯恩斯（Lawrence Burns）。

这场访谈发布时，MiniMax正经历上市以来的一轮剧烈股价调整。

2026年1月9日，MiniMax以每股165港元的发行价登陆港交所。此后股价一路上涨，3月18日一度触及1330港元的高点，但随后持续回落。10月22日，MiniMax跌破发行价。截至11月6日收盘，其股价为155.8港元，较高点下跌约88%。

与股价走势形成对比的是，MiniMax的收入仍在高速增长，但亏损规模也在扩大。

根据公司今年8月发布的半年报，2026年上半年，MiniMax实现收入1.166亿美元，同比增长283.1%；经调整净亏损则从去年同期的1.387亿美元扩大至2.93亿美元，研发支出达到2.969亿美元。

对于一家仍在争夺前沿模型竞争位置的AI公司，如何平衡持续增加的研发投入与商业回报，正成为资本市场关注的问题。

这场访谈的主持人伯恩斯，本身也是MiniMax的投资者。他在节目后半段的投资讨论中透露，苏格兰抵押贷款投资信托在MiniMax今年1月上市时投入约2000万英镑，随后趁股价上涨卖出部分股份，收回约4000万英镑，同时仍保留约2000万英镑市值的持仓。

伯恩斯并不回避MiniMax所面临的盈利挑战。他认为，最大的两项风险来自中国大模型市场激烈的价格竞争，以及维持前沿模型竞争力所需的研发成本不断增加。

闫俊杰没有在访谈中直接回应公司股价的波动，但对盈利模式、中美AI竞争、开源策略以及模型技术路线，给出了自己的判断。

对于盈利，他认为，AI公司的利润不应该主要来自提高价格，而应该来自技术创新带来的推理成本下降。他透露，截至今年8月，MiniMax的年化收入运行率（ARR）已经超过8亿美元，其中B2B业务贡献超过80%。这一指标反映的是某一时期收入水平的年化推算，并非已经实现的全年营业收入。

对于中美AI竞争，闫俊杰则给出了一个相对谨慎的判断。

2025年12月，伯恩斯曾赴中国访问MiniMax，并在公司上市前与闫俊杰交流。当时，闫俊杰曾估计，中国最好的模型能够以约十分之一的成本达到美国顶级模型约95%的性能。

但在这次访谈中，他强调，最后5%的能力差距可能比前95%更难缩小。比起某个时间点的排名，他更关注中国模型与美国前沿实验室能否保持相近的技术进步速度。

在他看来，算力约束促使中国AI公司形成了不同于美国科技巨头的技术路径。MiniMax希望通过改进模型架构、提高推理效率、扩大后训练规模以及开放模型权重，在相对有限的资源条件下持续提升模型能力。

这种低成本策略能否最终转化为持续盈利的商业模式，目前仍有待验证。而在模型能力不断逼近前沿、商业竞争日益激烈的当下，这也是MiniMax必须回答的问题。

以下为本期播客访谈精炼版：

01 一个数学少年的AGI之路

问：首先，请介绍一下MiniMax的业务，以及你们希望解决什么核心问题？

闫俊杰：我们想解决的问题其实很简单，就体现在MiniMax这个名字里：最大限度地降低推理成本并提升智能，让每个人都能享受到智能带来的好处。我认为，我们是中国本土较早以AGI为目标成立的公司之一，早于大语言模型和AGI概念成为主流。我们始终相信，智能的价值不应该受到限制，而应该与所有人共享。

问：你如何定义AGI？当AGI真正到来时，我们应该通过什么来识别它？

闫俊杰：我认为，AGI意味着AI能够提出新的理论，并推动科学取得突破。未来，科学领域的新发现将越来越多地依赖AI。

问：对于还不熟悉MiniMax产品的用户，能否介绍一下公司的主要产品，以及它们分别面向哪些消费者和企业应用场景？

闫俊杰：我们目前有多个产品，但从底层技术来看，已经将它们归纳为两个模型系列。

第一个是M系列语言模型，主要面向智能和生产力场景，例如编程和智能体应用。第二个是H系列模型，主要用于视频生成，同时能够处理图像和音频。

目前，H系列的旗舰模型是H3。它采用开放权重模式，用户可以通过API调用，也可以直接下载模型权重，还可以在MiniMax自己设计的产品中使用。过去一个月，H3的下载量约为2500万次，已经成为全球下载量最高的开放权重模型之一。

我们并不认为语言模型和视频生成模型应该永远是两个独立的系统。下一步，我们会继续扩展两个系列各自的能力，最终希望将它们整合为一个统一模型。我们希望在未来几个月内实现这一目标。

问：你很早就展现出数学方面的天赋，甚至在很小的时候就开始学习大学阶段的数学。回想那些课后自学的日子，是什么让你愿意投入那么多时间研究数学？

闫俊杰：我小时候，家里总是有很多书，因此很早就养成了自学的习惯。到了中学阶段，我已经开始学习大学水平的数学和计算机科学。

真正让我感兴趣的是数学和计算机科学的结合。通过编程，我可以利用数学和算法解决现实世界的问题。这种结合非常吸引我，也自然引导我进入机器学习领域。

那大约是20年前。当时，机器学习还不是一个非常普及的研究方向。获得学士学位后，我决定继续攻读机器学习博士学位，因为我相信，如果能够把这些方法扩展到足够大的规模，AI最终会变得更强大，也会产生更大的实际价值。

问：2014年，你曾在百度深度学习研究院工作。当时研究院负责人是余凯博士，他后来创立了自动驾驶技术公司地平线机器人。那段经历让你学到了什么？它是否进一步强化了你对AI实际应用价值的信念？

闫俊杰：在加入百度之前，我已经发表了数十篇计算机视觉领域的论文。但真正让我受到震撼的是多伦多大学团队发表的AlexNet论文。这篇论文展示了如何利用深度学习实现图像分类，我认为这是当时非常重要的一项突破。

看到这项技术的潜力后，我希望进入一家拥有大量GPU资源的公司。当时百度是英伟达最大的客户之一，拥有全球规模最大的GPU集群之一。

百度当时的研究环境非常开放。作为研究实习生，在资源使用高峰期，我甚至可以使用百度三分之一的GPU。

我利用这些算力开展了大量图像分类和目标检测研究。那一年，我们还参加了ImageNet挑战赛。我和另一位实习生搭档，最终获得了第三名。

问：还有一段经历对你产生了重要影响。你的祖父曾经想写一本回忆录，但独立完成这件事非常困难。这让你意识到，AI有可能帮助普通人整理和分享自己的经历。它是否也是你在ChatGPT发布之前就开始关注通用人工智能的原因？

闫俊杰：是的。这也是我很早就认为通用智能非常重要的原因。

传统的计算机视觉和语音识别技术，过去主要由大型公司使用，普通消费者很难直接受益。我认为，通用智能的重要性就在于，它能够让AI真正进入普通人的生活。

我的祖父想写自己的回忆录，但他很难独立完成。如果当时有AI的帮助，他的人生经历就可以通过AI整理出来，并与更多人分享。

这让我意识到，AI可以成为释放个人知识和经历的重要工具。很多人拥有丰富的人生经验和知识，只是缺少一种有效的方式将它们表达出来。AI有可能改变这种情况。

问：MiniMax最初推出的消费者产品Glow，是一个让用户与虚拟角色聊天的平台，很快吸引了大量用户。随后，OpenAI发布ChatGPT，彻底改变了消费者AI市场。ChatGPT的出现是否验证了你此前对AI需求的判断？它又如何改变了你对AI发展速度和公司战略的认识？

闫俊杰：MiniMax成立的第一年，我们知道AGI非常重要，但当时并没有明确的时间表。

在最初一年里，我们主要在建设基础设施，同时训练语言模型、图像生成模型和音频生成模型。我们希望开发一款应用，用来测试和验证模型的实际能力，因此推出了Glow。

当时，我们并没有预料到Glow会吸引这么多用户。它最初只是一个实验性产品，我们希望通过真实用户的使用情况，了解模型的能力和局限。

大约四个月后，ChatGPT发布了。它改变了我们对AI发展时间表的判断，让我们意识到，模型扩展所需要的规模和速度远远超过此前的预期。

此后，我们开始加快基础设施建设，扩大数据规模，也加快模型规模的扩展。

问：ChatGPT对你们来说是一个重要的催化剂，让你们意识到AI产业可能比原先预想的更快进入大规模发展阶段？

闫俊杰：是的。ChatGPT发布之前，中国真正投入大语言模型研发的公司还很少，MiniMax是其中之一。

ChatGPT发布后，中国很快出现了大约20家大语言模型公司。行业竞争迅速升温，整个市场发生了很大变化。

02 MiniMax不只想做大模型

问：多模态研发需要投入大量资源，为什么你认为这条路线值得坚持？

闫俊杰：真正的原因是，在MiniMax成立之初，我们并不知道AGI最终会采取什么形式。

因此，我们决定在不同方向上同时进行探索，希望先扩展各个领域的能力，等技术足够成熟后，再将它们整合起来。

我认为，多模态能够丰富数据的多样性，也是未来进一步扩展智能的重要路径。不过，这条路线确实带来了更多挑战。如果我们从一开始只专注于一种模态，早期的发展速度可能会更快。

但多模态也是MiniMax区别于其他公司的重要特点。我们希望通过不同模态之间的结合，探索更广泛的智能能力，而不是局限在单一任务上。

问：你曾经表示，AI智能体将成为未来的重要增长动力。MiniMax推出了Mavis，希望用户把它看作一位AI管家，能够规划并完成复杂任务。你如何判断智能体市场的规模？要真正释放这一市场的潜力，还需要哪些技术突破？

闫俊杰：我认为，AI智能体的下一个前沿，不只是能够在长周期任务中与人类竞争，还应该能够自主制定目标，并验证最终结果。

这意味着智能体需要具备更强的自主性，能够独立完成持续时间较长、包含多个步骤的复杂任务。

目前，我们把编程和智能体能力作为M系列模型最重要的发展方向。实际上，这个月我几乎把全部时间都投入到了下一代模型M3 Pro的研发中。

我认为，M3 Pro有望成为这个阶段的一次重大突破，不过目前它还没有完成。

03 AI越便宜越赚钱

问：与许多AI公司一样，MiniMax目前也处于亏损状态。投资者通常希望看到一套能够持续运转的商业飞轮：产品能力越强，使用人数越多，收入越高，再将收入投入研发，推动下一轮技术进步。你是否也是这样看待MiniMax的长期盈利路径？

闫俊杰：我认为，AI行业的利润并不应该主要通过提高价格来实现，而应该来自创新带来的推理成本下降。

低推理成本是我们的核心竞争优势，也是未来收入和利润的重要来源。通过不断提高推理效率，我们可以建立一种高度可持续的商业模式，主要由API驱动，而不是依赖一次性交易。

例如，今年以来我们的ARR增长非常快。截至8月，ARR已经超过8亿美元，其中B2B业务贡献了80%以上的收入。

随着模型性能不断提升，同时保持价格竞争力，我们相信收入增长速度最终会超过成本增长速度。这就是我们希望建立的商业模式。

问：你曾表示，中国最好的模型在性能上大约落后美国顶级模型5%，但成本低约九成。过去几个月，这种能力和价格差距发生了什么变化？

闫俊杰：我认为，重要的不是某个时间点的能力差距，而是技术进步速度。

美国模型和中国模型都还处于通往AGI的早期阶段。首先，最后5%的差距可能比前95%更难缩小，因此弥合差距仍然需要时间。

对我们来说，尤其是作为一家中国AI公司，算力始终是一项约束。从第一天起，我们就知道必须尽可能提高推理效率。

过去三年里，我们在技术进步速度方面总体上与美国领先实验室保持了相当的节奏。我们更加关注能力提升的速度，而不是某个时间点的排名。

这种发展方式促使我们在模型架构和基础设施方面进行创新，尽可能突破芯片资源的限制。我们相信，只要能够更有效地使用算力，就能完成更多后训练工作，进一步推动模型能力提升。

这也让我们逐渐形成了一种不同的智能扩展路径：不只是增加计算资源，还要不断提高每单位算力能够产生的智能。

问：是否可以这样理解：许多美国前沿实验室拥有更充足的算力资源，因此能够通过扩大计算规模推进模型能力；而中国AI实验室从一开始就必须把效率放在更重要的位置？

闫俊杰：是的。中国顶级前沿实验室都在关注效率，但采用的方法并不相同。

例如，我们在Transformer架构方面进行了不同的探索，在后训练过程中也采用了不同的基础设施。同时，我们更加重视不同模态之间的结合。

因此，你会看到，中国不同前沿实验室开发出来的模型各有特点。它们采用了不同的技术路线，但都能够提供实际价值。

问：从商业应用角度看，并不是所有用户都需要世界上最先进的模型。大量消费者应用和基础办公功能，并不一定需要最前沿的智能水平。只要模型能力足够好，价格又能让企业获得合理的投资回报，就已经拥有很大的市场空间。另一方面，真正处于前沿的模型可以用于尖端科学研究、癌症治疗，或者对冲基金等高价值应用。你是否将AI市场理解为这样两个不同的层次？

闫俊杰：我认为，除了价格优势，低推理成本还有一个非常重要的作用，就是能够帮助我们更有效地扩大后训练规模。

因为强化学习和数据合成都依赖推理计算。推理效率越高，我们就越有能力开展更大规模的后训练。

目前，后训练的重要性正在不断提升。未来某个阶段，我们甚至可能拥有规模最大的后训练系统。

因此，低推理成本不仅能够降低用户使用AI的价格，还能够帮助我们进一步提升模型能力。这是我们认为通往前沿智能的重要路径。

04 开源模型如何挑战巨头

问：美国和中国AI行业的另一个明显差异：OpenAI、Anthropic等美国公司更多采用闭源模式，而开放权重模型在中国更受欢迎。你如何看待开放模型与封闭模型之间的优缺点？

闫俊杰：我认为，开源并不是商业化的替代品，而是商业化和进一步创新的催化剂。

以我们的H3模型为例，过去两周已经出现了大约300个基于H3构建的开放模型。我认为，这是模型能够获得的最好的反馈循环之一。开发者可以在我们的模型基础上继续创新，并将它们应用到不同场景中。

其中一个例子是美国公司fal.ai开发的H3 Max。它在H3基础上进行了后训练，进一步提升了生成速度，能够在3秒内生成5秒的视频。这使它成为一个接近实时的视频生成模型。

这种速度让过去不可能实现的应用成为现实。例如，有开发者利用它构建了一个24小时运行的AI直播，直播内容可以根据用户想看的内容实时生成。

同样的能力还可以应用于实时游戏、教育以及其他互动体验。这些都是过去的视频生成技术难以实现的。

开放权重模型还有另一个优势，就是客户可以自行部署模型，保护自己的数据和隐私。这对于企业和政府来说尤其重要。

因此，我认为开源能够同时让模型公司、用户和开发者受益，是一种三赢的模式。我们计划继续开放模型权重，直到实现AGI。

问：过去半年，企业和政府对AI自主权的关注越来越高。它们担心，如果业务建立在某一家公司的中心化模型之上，未来能否继续获得稳定的访问权限？同时，也希望明确自己的数据如何被使用。你是否认为，这些担忧正在进一步增强开放模型的优势？

闫俊杰：是的。开放模型让用户能够自行部署，并在模型基础上继续开发，不必完全依赖另一家公司持续提供服务。

对于企业和政府来说，这种自主性非常重要。它们可以掌握模型的部署环境和数据，也能够根据自身需求进行调整。

05 500人挑战科技巨头

问：MiniMax的企业文化在多大程度上是由算力和资本约束塑造的？你又是如何让公司的组织方式适应这些约束的？

闫俊杰：这是一个非常重要的问题。我认为，我们的文化确实与算力和资本约束密切相关。

MiniMax目前只有大约500名员工，因此必须把资源集中在真正重要的事情上。

在研发工作中，我们有两个核心原则。

第一个原则是尽可能简化。即使我们同时开发不同类型的模型，也希望保持模型架构和基础设施的简单。我们不希望为了实现某项能力而引入不必要的复杂性。

第二个原则是持续建设基础设施。建设基础设施有时候比快速交付产品需要更长时间，但我认为，这是未来实现规模化发展的基础。

我们始终坚持简化技术体系，同时持续投入基础设施建设。这两个原则构成了我们的研发文化。

至于资本效率和组织效率，它们实际上也是资源约束带来的结果。正是这些约束，促使我们建立了现在的工作方式。

问：如果整个行业都能像MiniMax一样高效地使用算力，那么市场对英伟达等公司的芯片需求是否会发生变化？还是说，这符合杰文斯悖论：当成本下降时，使用量会进一步增加，最终反而需要更多芯片？

闫俊杰：首先，我们的模型从设计之初就考虑了不同芯片的适配能力。无论使用什么芯片，我们都希望模型能够保持良好的性能。

我们主要在三个领域追求技术领先：模型架构、基础设施和优化。当硬件资源受到限制时，这三个领域的价值就会更加突出。

算力约束也促使我们成为更好的工程师和研究人员。当算力受限时，算法和推理效率的重要性就会不断提高。

问：从更宏观的角度来看，我们应该如何理解中国和美国AI生态系统的发展差异？这些差异分别会给双方带来什么优势和劣势，又会如何影响技术与产品创新？

闫俊杰：我认为，美国AI生态系统正在构建由巨额资本支持的封闭体系，而中国AI生态系统则更多依靠效率和协作。美国公司拥有更多算力、资本和芯片资源，而中国公司必须更加高效地使用每单位算力。

因此，两个生态系统并没有沿着同一条道路发展。开放与封闭、资源丰富与高效利用，这些差异将持续影响两个生态系统最终能够开发出什么样的模型和产品。

问：回到中国市场，MiniMax面临来自字节跳动、阿里巴巴以及大量生成式AI初创公司的竞争。你们如何在这些财力雄厚、拥有大量资源的竞争对手中建立自己的优势？

闫俊杰：中国和美国的大型科技公司通常同时经营很多不同的业务，而MiniMax只专注于一件事：构建效率最高、能力最强的多模态AGI。

我们相信，效率本身就是智能的一部分。算力利用得越有效，我们就越有机会进一步扩展模型能力。

开源也给了我们另一项重要优势。

例如，在中国，字节跳动采取的是闭源模式，而我们开放模型权重。开发者可以在我们的模型基础上构建新产品，并将模型推向新的应用场景。这些创新又会形成反馈循环，帮助我们更快地改进模型。

H3就是一个例子。字节跳动的Seedance采用闭源模式，而基于H3构建的开放模型可以通过进一步训练和优化，实现接近实时的视频生成。

这让开放模型能够带来一些不同的应用体验。

最终，我们希望将最好的语言模型和视频生成模型整合到一个系统中。我们认为，这样的统一模型将为MiniMax打开更大的发展空间。

06 AGI应该属于每个人

问：如果MiniMax最终实现了自己的雄心和愿景，世界将会发生什么变化？它会给人类带来什么不同？

闫俊杰：我认为，问题已经不在于AGI是否会实现，而在于谁能够从中受益。

AGI如此重要，不应该只属于某一家企业、某个国家或某个组织，而应该属于所有人。这也是我一直致力于实现AGI的原因：确保智能能够与每个人共享。

我认为，AGI应该属于使用模型的人、基于模型开发产品的开发者，以及为模型进步作出贡献的研究人员。他们都应该成为模型发展的一部分。

更重要的是，如果未来世界拥有更多智能，人类对世界乃至整个宇宙的理解是否也会发生改变？我认为答案是肯定的。这种可能性一直激励着我。

问：所以，开放权重模型不仅意味着让更多人使用AI，也意味着让用户和开发者能够真正拥有模型，并在其基础上继续创新，而不必依赖另一家公司持续提供服务。这是否也是你们坚持开放模型的根本原因？

闫俊杰：是的。这也是为什么我们的口号是“智能与每个人同在”，而不是“智能为每个人服务”。因为我们认为，智能应该属于每个人。

特约编译金鹿对本文亦有贡献