商业思维
MiniMax的创始人闫俊杰，很少接受长篇采访。
11月3日，他第一次接受英文播客采访，也是MiniMax今年1月登陆港交所之后，一次少见的创始人公开表达。
对面的提问者，是一家持仓方的投资人，参与了MiniMax的IPO，同时手里还握着Anthropic（美国大模型公司）这类AI公司的仓位。
所以他们问的问题，跟普通媒体不一样。
他们关心的是，一家中国模型公司，在算力被卡、芯片买不到、资本也没美国对手厚的条件下，凭什么活下来，又凭什么挣钱。
闫俊杰的回答是：效率，本身就是智能的一部分。
以下是这次访谈的精编整理内容，希望对你有所启发。
一、钱不是涨价挣来的，
是把成本压下来的
很多人以为，AI公司的利润是涨价涨出来的。
其实，AI的利润，不是靠涨价实现的，是靠创新把推理成本压下去实现的。
推理成本，就是模型每回答你一次，要烧掉的算力费用。谁能在这一块上省下来，谁就赢了一半。
低推理成本，就是我们的护城河。它对利润是护城河，对收入也是。
这种效率，让我们能建立起一个靠API（应用程序接口）驱动、可持续的模式。
说白了，就是让客户持续付费，不是一锤子买卖。
今年到目前，我们的ARR（年化收入）增长很快。截至8月，已经超过8亿美元，其中B2B（面向企业客户的业务）贡献了80%以上。
只要模型性能继续往上走，价格优势守得住，收入的增长一定会快于成本。这就是我们的盈利计划。
有人问我，中美模型之间的差距，这半年变了没有。
我觉得，重要的不是某个时间点的差距，是改进的速度。
美国模型也好，中国模型也好，在通往AGI（通用人工智能）的路上，都还处在很早期的阶段。
既然离AGI还这么早，真正关键的，是我们能以多快的速度持续进步。
对我们来说，尤其作为一家中国AI公司，算力一直是个约束。从第一天起我们就知道，必须让推理尽可能高效。
过去三年，中美两边的改进速度，其实已经大致相当了。我们盯的是自己的进步速度，不是某个时间点的排名。
这也逼出了我们在芯片之外、在架构和基础设施上的创新。
我相信，如果能更高效地用算力，就一定能做更多后训练，把模型推得更远。这可能一直在给我们一种不同的把智能做大的方式。
二、算力被卡住，反而把我们练出来了
中国的头部前沿实验室，都在关注效率，但用的方法各不相同。比如我们在Transformer（一种主流大模型架构）上用了不同的架构，在后训练上用了不同的基础设施，聚焦的模态也不一样。
中国不同前沿实验室做出来的模型各不相同，但都很有用。
我们能在三个地方保持技术领先：模型架构、基础设施、优化。硬件受限的时候，这三样反而都会变得更有价值。
这种约束，把我们逼成了更好的工程师和研究员。
算力受限的时候，算法效率会越来越重要。这是被逼出来的，但也是实打实长在我们身上的东西。
这里还有一层，很多人没注意到。推理成本低，不只是让客户少花钱。它意味着我们能更高效地把后训练做大。
后训练，就是模型学完海量数据之后，再一遍遍练任务的那一步。里面的强化学习、数据合成，全都依赖推理。推理越高效，后训练能做到的规模就越大。
现在，后训练变得越来越重要。某个时候，我们可能会拥有全世界最大的后训练系统。我相信，这条路能通向前沿智能。
三、开源不是做公益，是三赢的生意
中美AI的另一个大差别，是开源和闭源。OpenAI、Anthropic用闭源模型，开源模型在中国要流行得多。
有人觉得，我们把模型开源，是不是赔本赚吆喝。
我不这么看。开源不是变现的替代品，它是变现和进一步创新的催化剂。
拿我们的H3来说。发布头两周，就有大约300个基于H3的开源模型冒出来。对我们的模型来说，这是继续创新能拿到的最好的反馈回路。
这300个模型里，有一个很出名，是美国公司fal.ai做的H3 Max。它在H3上做了后训练，速度快得多，3秒就能生成5秒的视频，等于一个实时视频生成器。
这个速度，带来了用视频的全新方式。以前根本做不了的事，现在能做了。已经有开发者做出24小时的AI直播，你想看什么，它就实时生成什么。
同样的能力，也能用在实时游戏、教育，还有很多别的交互体验上。
开源还有第二个好处。客户可以自己部署开源权重的模型，把数据和隐私攥在自己手里，这对企业和政府很重要。
所以我认为，开源对模型公司、用户、开发者，是三赢的。
我们打算一直开源下去，直到AGI实现的那一天。
四、大公司顾全局，我们只押一件事
在中国，我们既要面对字节跳动、阿里巴巴这样野心勃勃、财力雄厚的大公司，也要面对越来越多的生成式AI创业公司。
有人问我，MiniMax相对这些对手，优势在哪。
我的答案是：不管在中国还是西方，大公司都是在很多不同的业务之间做优化。
它们手里攥着一大堆业务，要顾的是全局。而我们，只为一件事做优化。
这一件事，就是做出最高效、最强的多模态AGI。
多模态，就是让模型不光会写字，还要会做视频、做图像、做声音。我们相信效率本身就是智能的一部分，算力用得越高效，就能把规模推得越远。
那具体怎么做到只押一件事？有人也问过我们，一家500人的公司，凭什么能对技术转向快速反应，又凭什么比大公司更省。这得落到研发上的两条原则。
第一条，把事情做简单。模型是不止一个，可架构、基础设施都尽量简单。就这一条，简单。
第二条不一样：基础设施，一定要自己建。这件事有时候确实慢，比直接把产品推出去慢，可它是往后做大规模的底座。
就这两条：把事情做简单，永远自己建基础设施。
至于别家挂在嘴边的资本效率、组织效率，我不觉得是单独练出来的功夫。它们都是这两条原则，再加上算力、资本上的约束，自然长出来的结果。
开源又给了我们一层优势。在中国，字节跳动是闭源的，我们是开源的。开发者基于我们的模型去做开发，会把它推到新的使用场景里，形成反馈回路，帮我们更快改进。
还是拿H3举例。字节的Seedance是闭源的，生成效果很好，但速度慢。基于H3的开源模型，可以做到实时。
这就是新东西。
最终，我们想把最好的语言模型和生成模型，整合到一个系统里。合成一个系统之后，机会会大得多。这就是MiniMax的优势所在。
五、智能体下一步，是自己定目标
2021年12月，我创立了MiniMax。
第一年，我们只知道AGI是可能的，但没有时间表。那一年其实就是在搭基础设施，训练第一版的语言模型、图像和音频生成模型。
我们想做一款app，去验证模型的真实性能，这就是Glow，一款让人跟虚拟伙伴聊天的产品。我们没想到会来那么多用户，当时只是想做个实验。
大概四个月后，ChatGPT发布了，它改变了我们对时间线的判断。它让我们意识到，把规模做大，需要比预想的更大、更快。所以我们开始同时把基础设施、数据、模型规模往上加。
有个数字能说明这个变化有多猛。ChatGPT之前，中国只有MiniMax一家在做语言模型。它发布之后，很快就有大概20家公司在做基础模型，竞争一下子变得非常激烈。
为什么我们一开始就要做多模态，不专攻一个方向？
真正的原因是，MiniMax刚开始的时候，我们并不确切知道智能早期会以什么形态出现。所以在每个方向上都去试，等技术足够了，再把它们结合起来。多模态丰富了数据的多样性，是未来做大的必经之路。
当然，它也有代价。如果一开始只做一个模态，我们初期的进展可能会更快。但多模态，正是我们和其他公司不一样的地方。
现在，我们的产品已经收拢成两个模型家族。一个是M系列，做语言模型，面向智能和生产力，比如写代码和智能体。
两个系列都是开源的，下一步是先各自做大，然后在几个月内把它们合成一个统一模型。
我们的智能体叫Mavis，你可以把它当成一个能规划、能完成复杂任务的AI管家。
AI智能体的下一个前沿，不是能不能在长程任务上跟人比，而是能不能自己设定目标、自己验证结果。
也就是在长程任务上的自主性，这才是未来。写代码和智能体能力，是M系列最重要的事。
这个月，我所有的时间都花在下一代模型M3 Pro上。我觉得它会是这个时代的一个大突破，不过它还没做完。
六、我的起点，和那句口号
有一件小事，让我很早就明白AI有多要紧。我祖父想写一本回忆录，但对他来说太难了。这件事让我意识到，AI能为普通人解锁多大的价值。
这也是为什么，早在ChatGPT之前，我就认为通用的智能很重要。传统的计算机视觉、语音识别，只有大公司用得起，普通消费者根本用不上。所以“通用”两个字，特别关键。
因为AGI太重要了，它不应该属于某一家公司、某一个国家、某一个组织，它必须属于我们所有人。它应该属于使用模型的人、构建模型的开发者，以及为它做出贡献的研究者。他们都是这个模型最终长成什么样的一部分。
再往大里想一层：如果世界上有了更多智能，我们对世界、甚至对宇宙的理解，会不会改变？我认为会。这种可能性，就是我做这件事的动力。
所以我们有一句口号，是Intelligence with Everyone（与所有人共同拥有智能），不是Intelligence for Everyone（为所有人提供智能）。
一字之差，意思差很远。因为我认为，智能，本来就属于每一个人。
*文章为作者独立观点，不代表笔记侠立场。
