作 者：于启章
来 源：正和岛（ID：zhenghedao）自从2022年11月30日那场名为「ChatGPT」的飓风席卷以来，近2年时间内，我们看到了一场人工智能时代的「淘金热」。
重金押注的大厂、盆满钵满的上游、跃跃欲试的初创……
「谁会成为中国的OpenAI」？
今天，我们围绕第二名讲一个故事。
一、最接近OpenAI
「未来世界第二的大模型公司应该是一家中国企业。」
争第二，这不是一个富有吸引力的故事该有的开头，却意外引人思考，也是闫俊杰说话的一贯风格——客观、直白、坦诚到出人意料。
类似的表达还有很多：
「做大模型，快就是好，好就是快。」
「在探索前沿技术的道路上，最好的公司实际上是殊途同归的。」
「实事求是地讲，跟国外先进公司比起来，国内现阶段所做的都是弥补差距。」
ChatGPT发布以来的不到两年里，中国的大模型创业圈热闹到甚至有些喧嚣，与此形成鲜明对比的，是很长一段时间里「沉默」的闫俊杰。
当ChatGPT还没发布，其它中国公司都还没出来，前东家眼看要上市，闫俊杰却跳出来要做通用人工智能的时候，他是沉默的；
当2023年下半年，投注公司80%可用资源去「死磕」MoE （混合专家系统） 模型却连续失败两次，被业内审视的时候，他是沉默的；
当公司MiniMax旗下的星野、Talkie等自有产品月活数千万，在中国甚至海外市场遥遥领先，公司估值上百亿时，他依然是沉默的。
有了解MiniMax的人曾经形容，闫俊杰就像是「扫地僧」，不显山不露水，但手上都是真功夫。
也正因此，当这样一个人开始逐渐出现在公众视野中的时候，难免被问及是发生了怎样的心态转变。
闫俊杰仍然思路清晰：「为了高效地吸引人才」，随后又提到，「最近在办一场活动，也让合作伙伴和用户更加了解我们在做的事情。」
这场活动指的是昨天刚刚结束的MiniMax Link伙伴日，任何一位对AI有所关心的人都会意识到，闫俊杰所说的沟通有多么必要。
即便当前每天有数百万的年轻人在「星野」与各种智能体对话，每轮平均对话时长达到了惊人的100分钟，即便MiniMax每天与世界发生30亿次交互，是中国最接近OpenAI的公司，即便其开放平台目前已服务超 30000家企业用户和开发者，自有产品累计用户超过6000万，看完这场大会，我们仍会觉得对MiniMax缺乏了一些想象力。
举个简单的例子，30亿次交互什么概念？
这意味着MiniMax的模型每天要处理超过3万亿的文本Token，相当于3000个人一辈子处理的文本量，更不用说这其中还包括每天生成2000万张图、7万小时的语音。
这个数据处理量放在国内，大概率是所有的头部公司里最高甚至可以说是断层高的，对比近期其他两家大厂最近披露的5千到1万亿Token处理量，多出2-3倍的MiniMax可谓遥遥领先。
这不禁让我们想起2023年的那个春节，ChatGPT「新鲜出炉」，通用人工智能 （AGI） 概念大热，一众创业者摩拳擦掌，全中国的风险投资机构都在满世界寻找「谁是中国的ChatGPT」时，却发现MiniMax和它的Glow就已经在那儿了。
一位OpenAI的工程师曾说，他判断一位人工智能创业者到底有没有真正的AGI信仰，就看这个人是在ChatGPT发布之前创业还是在这之后。
MiniMax在ChatGPT出来之前成立，而大部分公司在这之后，这本身就是核心的区别。
只不过，随着ChatGPT的发布带来「世界线收束」，闫俊杰终于不再需要跟每个人解释他的理想了——
Intelligence with everyone，用最好的技术服务每一个人。
二、有一天，「AI不再是AI」
闫俊杰对通用人工智能的信仰从何而来？
这是一个复杂的命题，但跟他本人聊完，答案又出乎意料的简单。
回顾闫俊杰的履历，先是在中科院和清华大学研究计算机视觉，又从实习生一路做到商汤副总裁、研究院副院长和智慧城市事业群CTO，接着自己创业。
做学术的时候论文在Google Scholar上有接近3万次引用，做企业如今估值也已经上百亿 （25亿美元） 他好像总能胜任各种职能。
但在他自己看来，这是「被迫」的：
「过去我能做很多工作，可能跟我的成长经历有关， 我出生在河南一个小县城，很多东西周围没有人教，只能靠自己，这就形成了自己领悟事情的能力。 我也不想这样，我是被迫变成这样。」
也正因如此，一旦想清楚自己要做什么，即便没做过，闫俊杰也能快速找到一些底层逻辑。
对通用人工智能的信仰也是如此。
事实上，闫俊杰曾提到：「我有好几次都是想去当老师的。博士毕业后就拿了教职准备去当老师，甚至前几年刚从商汤离开的时候本来也准备去当老师的。」
当然，这些最终都没有发生。
因为闫俊杰意识到： 「不能再把人工智能单纯看成科学了，它更是一个技术，而且不是在遥远的未来，就在很近的地方。」
当这种感觉一直在脑海中盘旋，并且越来越强烈，引爆，只需要一个触点。
「有一天，我外公告诉我他想写一本书，讲自己几十年的经历。但他没有办法，因为这需要非常好的语言组织能力，还至少要会打字。
那个时候，我认为只有人工智能可以帮他实现这件事。」
图注：小时候的闫俊杰和外公
可是，当时的人工智能技术非常依赖根据特殊的需求来定制模型，只能解决特定的问题，比如人脸识别，语音识别等。
如果一个有价值的技术只能发挥局限的价值，那一定是方法不对，或者说路线不对。
闫俊杰开始意识到，想解决这个问题，唯一办法就是把人工智能变得更加通用，变成普通人生活中的一部分。
「当时整个人工智能行业遇到困境，我一直在思考什么样的技术进步可以给社会带来足够高的反馈，想到了电动车、移动互联网，结论几乎只有一个——要做出足够产品化、能服务大众的人工智能技术和产品，而不是服务少数大客户的项目。」
从做人工智能转向做通用人工智能，闫俊杰决定入局。
至此，MiniMax成为国内第一个说AI to C的公司，彼时，大模型这个词甚至还没有风靡，用简化的语言描述可交互的智能体，他们一度被当成是在做数字人。
现在，越来越多人开始畅想通用人工智能真正实现的那一天，闫俊杰对这幅图景也有一个自己的定义——
「就像我们今天谈到抖音，你不会觉得它是一个基于推荐系统的内容分发软件，你只会觉得抖音就是抖音。
什么时候大家认为AI不是AI，那一天大概就到来了。」
三、「这是唯一的路，做不出来就完了」
今年1月，MiniMax推出了自己的abab6.5模型，是国内第一个推出MoE （混合专家系统） 架构大模型的。
形容「死磕」MoE模型，坚持做底层研发的那6个月，闫俊杰提到了「痛苦」两个字。
很多人会问他：为什么？有必要吗？值得吗？
毕竟在过去一年里，同行大多在迭代Dense （稠密） 模型，这种模型参数固定，在推理过程中不需要进行复杂的路由选择或专家激活操作，有助于提高计算效率，况且结构相对简单，易于实现和部署，开发者能轻松地将其应用到项目中。
但它也有一个对国内企业而言致命的缺点——资源消耗大。
随着模型规模的增大，Dense模型所需的计算资源和存储资源也会显著增加。
换句话说，在国内缺算力的大环境下，基于Dense不可能做出一个万亿模型，相当于直接把自己的天花板封死了。
但MoE模型不同，同样的智能水平，MoE模型可以用更少的计算量和内存需求来实现。这得益于MoE模型在应用中并非要完全激活所有专家网络，而只需要激活部分专家网络就可以解决相关问题，很好避免了Dense模型会出现的「杀鸡用牛刀」的尴尬局面。
因此，拿出全公司80%的可用资源，耗时6个月，哪怕失败两次也绝对不能放弃，这不是闫俊杰在豪赌，而是他心里清楚：
「我们不是有两条路可以选择，而是说为了实现目标，这是唯一的一条路，做不出来就完了。」
当被问及中途失败两次的时候慌没慌过，闫俊杰也并不避讳，说不伤心不紧张那都是假的。
「模型训了半个月，发现一些指标离前期估测的越来越远。这就像你发了一个火箭，本来以为它可以到三万米，但它偏航了。
你开始想哪个地方错了，把问题解完之后，发现还没有回到一个好的状态，又失败了。」
每一次烧的都是钱，比钱更重要，还有时间。
但最终，随着模型成功研发出来，闫俊杰神奇地发现，过程中的挑战其实并不是MoE模型本身带来的，而是在实际操作中团队对于实验方法、网络、数据结构的探索存在不足。
伴随abab6.5的诞生，一个经过淬炼的团队也随之形成，闫俊杰明显感觉到整个研发部门经此一役后更高效、更科学，甚至士气都得到了很大的提振，面对技术攻关充满信心。
在MiniMax的企业文化里，有一条叫做不走捷径，听起来简单朴实，但这其实在对抗人性。
闫俊杰自己就说：「哪怕去年我们都还在讨论要不要走私有化，模型做出来了一卖，快钱就到手了，但这很明显是不持续的，也没有给客户创造真正的价值。」
如今，更多国 内大模型创业公司开始投注资源研发MoE模型，当这成为了一个新的行业共识的时候，MiniMax已经在做更进一步的探索了。 就在昨天，MiniMax宣布，他们探索出了更难更好的Linear Attention与MOE相结合架构，这将使MiniMax的模型效率大幅提高。 其实LinearAttention架构作为打开无限长度输入跟无线长度输出的一个关键的钥匙，早 在2019年就被提出了，只是一直没有人做出来。
这个架构好到什么程度？它让MiniMax的abab7.0模型利用国内有限的算力，达到了一个真正可以比肩GPT4o的效果。
当然，MiniMax的努力远不止于此。
类比人，文字交互只是很小的一部分，多模态的内容，比如声音，图文和视频，才是信息传递的主流。
就在昨天的伙伴日上，MiniMax推出了它的第一个视频模型，并使用一个全面的「视频生成模型的评测框架」V-Bench进行了评测。
结果显示，这应该是全球目前大家能用到的最好的生成模型。
不走捷径地连 续技术突破，让MiniMax在创新上一次又一次引领。
四、从Glow到今天， MiniMax不仅仅是卖技术的
说起AI在国内的热潮，这并不是第一次。
实际上，这两年热闹的大模型创业潮，被业内称为「AI 2.0」。
与之对应的「AI 1.0」，指的是2015年左右开始的那一波AI创业潮，当时诞生了商汤、旷视、云从、依图等明星创业公司，它们以CV技术 （计算机视觉） 为主导，大量融资，风头无两。这四家公司，是公认的「AI四小龙」。
「AI四小龙」当年也从投资人手中拿了很多钱，但最后却没有从市场上赚到多少钱。
这不是因为它们技术不好，而是商业化很难，客户主要是B端企业和G端政府，通过提供人脸识别等AI解决方案来赚钱。
这显然不是一个好的商业模式，项目非标准化、落地周期长、成本高，导致后来一提到「AI四小龙」，人们总是会想到亏损、烧钱等标签。
如今的大模型创业公司，同样要面对来自商业化的拷问。
这一点，闫俊杰也想得很实际，那就是 一定要在技术快速进化的窗口关闭前，做出用户量巨大的2C产品。
「如果没有产品承接，即使你有一个技术进展，它最终也不是你的。」
说白了，一味地秀肌肉作用不大，能用它搬起砖、盖起楼、让用户住进去才是正道。
闫俊杰说到做到。
如今，MiniMax是中国大模型创业公司中做产品最早、最多，投入也最大的一家：
MiniMax如今300-400人，其中一半以上是技术团队，另有40%负责产品。 他们的第一款产品Glow上线于2022年10月，之后又陆续推出了星野、海螺AI等至少4个产品，既有AI内容社区应用，也有问答等生产力应用，多个应用的日活用户已突破100万，每天与世界交互30亿次。
对于大模型创业公司，李彦宏有个经典的观点，他认为「双轮驱动」，即同时做模型和应用不是个好模式，很多人也拿这句话来考验过闫俊杰。
他实事求是：「一开始创业其实没资格想这些事，因为你既没有技术又没有产品也没有用户。前六七个月只是把最原始的模型做出来，才有了后面的产品。」
但是产品要不要做？
必须做。
这就不得不提到MiniMax的另一条企业文化：User-in-the-loop，与用户共创。
闫俊杰很清醒：「我一直不认为AGI会像一个原子弹、一个大杀器，它就是普通人每天会用的一个产品、一个服务——这也是我们最坚持的。
这也就意味着AGI也不应该是一家公司自己做出来，它要靠这家公司和它的用户一起做出来。」
实际上也不难理解，当MiniMax的愿景是让好的技术服务每一个人的时候，不去研发产品，不去接受一手的用户反馈，似乎才是荒谬的。
只是，好的产品，好的用户体验究竟从何而来？
移动互联网时代流行过一个口号，叫做「人人都是产品经理」，产品的设计和用户的需求推到至高无上的地位，大模型时代会继承这一点吗？
MiniMax也曾纠结过，产品和技术同时做，都重要，但哪个才是核心？
最终，闫俊杰在公司成立一年多时将新的四个字加入企业文化——技术驱动。
至此，尘埃落定。
背后缘由，也来自一次惨痛经历。
2022年底，MiniMax团队几乎全员感染新冠，结果最后一次发版里出现了一个bug，把用户的对话体验拉低了15%左右。
仅元旦三天，产品的日活跃用户直接掉了40%，大家焦头烂额，终于在放假最后一天找到了那个bug，非常小的一行算法，改好之后用户量很快就回来了。
这个事让闫俊杰意识到，现阶段产品价值的来源，核心还是模型性能和算法能力，不然设计再多产品特性，提升都是有限的。
而在本次伙伴日大会上，MiniMax基于MOE+Linear Attention的abab7模型家族的预热发布，更是让他们对于技术驱动的坚持再次得证。
行胜于言。
图注：MiniMax成立第一天写下的初心和蓝图
五、结语
如果我们来总结MiniMax的发展之路，这无疑是一场田忌赛马的胜利。
「在整体资源劣势的情况下，创造出局部的优势，进而有机会获得整个战役的胜利。由此，平凡人可以成就非凡事。」
在移动互联网爆发初期，人们热衷于谈论那些天才的产品设计 （比如微信） 和它背后的美学甚至哲学理念。
但到了大模型人工智能阶段，产品设计的逻辑变了——
在由技术驱动的底层之上，用户开始在内容上深度共创，他们的使用同时反哺着产品本身进化。
率先领悟的，率先成长 。
我们都在遥望通用人工智能的曙光，MiniMax已经踏入河流。
排版 | 微澜 编辑 | 张启玉 执行 主编 | 夏昆
