全球科技巨頭仍在不斷加碼AI算力投資，中國大模型企業則在探索另一種競爭方式。

當先進晶片和計算資源相對受限時，能否通過技術創新和工程優化，讓每單位算力創造更多智能，並以更低成本提供模型服務？

近日，MiniMax創始人、董事長兼CEO閆俊傑在接受英國投資信託Scottish Mortgage旗下播客《Invest in Progress》採訪時，談到了中國AI企業在資源約束下形成的技術路線。

“我們想解決的問題其實很簡單：最大限度地降低推理成本，同時讓每個人都能夠享受到最前沿的智能。”

閆俊傑解釋，MiniMax這個名字本身體現了公司的目標：Mini意味著盡可能降低推理成本，Max則意味著盡可能提高智能水準。在他看來，算力約束並不只是需要克服的困難，也在一定程度上塑造了中國AI企業的研發方式。“這種約束也讓我們成為了更優秀的工程師和研究人員。”

值得一提的是，儘管AI仍然是市場追捧的熱點，但MINIMAX的股價卻出現了雪崩式的下滑，從1330港元/股跌至目前的156港元/股，市值僅剩549億港元。

算力投入的差距，正在被工程效率追趕

閆俊傑將中美AI產業的差異概括為兩種發展模式。

“美國的AI生態正在建立由巨額資本支撐的封閉系統，而中國的AI生態則正在建立一種由效率驅動的協作體系。”他認為，兩種生態不會沿著同一條道路發展。

這種差異首先體現在資源投入上。斯坦福大學《2026年人工智慧指數報告》顯示，2025年美國私人AI投資達到2859億美元，是中國124億美元的23倍。

但在模型能力方面，投入規模的差距並沒有完全轉化為性能差距。截至2026年3月，Arena Elo評價體系中，美國領先模型得分為1503分，中國最高分模型為1464分。斯坦福報告將兩者的性能差距概括為2.7%。自2025年以來，中美模型還曾多次交換領先位置。

中國模型能夠在資源投入相差懸殊的情況下追趕，與技術架構和工程優化密不可分。

DeepSeek通過混合專家（MoE）架構減少每個Token實際參與計算的參數量；智譜嘗試將線性注意力與稀疏注意力結合，降低長上下文處理的計算開銷；月之暗面則通過注意力機制和稀疏專家架構優化計算效率。

不同企業選擇了不同的技術路徑，但目標相當一致：減少不必要的計算，讓有限的算力更多地用於提升模型能力。

閆俊傑也將這種思路帶入MiniMax的研發體系。他表示，公司在Transformer架構和後訓練基礎設施上採用了不同設計，同時從模型架構設計之初，就考慮到模型在不同晶片上的運行表現，而非完全依賴某一種硬體。

他將公司的研發原則歸納為兩點：盡可能簡化模型架構和基礎設施，以及持續投入基礎設施建設。雖然後者短期內可能不如頻繁推出產品見效快，但決定了企業能否長期擴大研發規模。

推理成本下降，後訓練才有更大空間

降低推理成本的意義，並不只是讓用戶花更少的錢使用模型，還在於為模型自身的能力提升釋放更多計算資源。

大模型完成預訓練後，還需要通過強化學習、數據合成等後訓練方式不斷練習，學習如何解決複雜問題、完成複雜任務。這些過程同樣需要大量推理計算。

訪談中，Scottish Mortgage投資經理Lawrence Burns用高爾夫球手作比：兩名球手都需要不斷練習，如果其中一人購買練習球的成本更低，在相同預算下就能獲得更多練習機會。對於模型而言，推理成本下降也意味著能夠以相同資源開展更多輪後訓練，通過更多嘗試和回饋提升能力。

“更高效的推理意味著能夠開展規模更大的後訓練。”閆俊傑認為，後訓練的重要性正在不斷提高。他還表示，MiniMax未來甚至可能擁有全球規模最大的後訓練系統，並相信這將推動模型達到前沿智能水準。

MiniMax於今年2月公佈了Forge框架，專門用於智能體強化學習訓練。在技術報告中，MinimMax介紹，M2.5模型開發期間，該框架接入多種智能體腳手架和運行環境，讓模型能夠在不同任務中反復練習。

閆俊傑對商業模式秉持相同的態度：“AI行業的盈利不是通過提高價格實現的，而是通過創新不斷降低推理成本。”在他看來，低推理成本既能降低客戶使用門檻，也能幫助企業擴大服務規模，形成新的收入增長空間。

閆俊傑透露，截至今年8月，MiniMax的ARR（年度經常性收入年化運行率）超過8億美元，其中B2B業務占ARR的80%以上。不過，增長尚未轉化為盈利。MiniMax今年上半年實現營收1.166億美元，同比增長283.1%，經調整淨虧損仍達到2.93億美元。同期，開放平臺及其他AI企業服務收入占總營收的63.4%。

如何將效率優勢轉化為持續的盈利能力，仍是MiniMax需要回答的問題。

AI的下一步在哪里？

推理效率之所以越來越重要，還在於大模型的使用方式正在變化。

過去，用戶向模型提出問題，模型生成答案，一次或少數幾次推理便能完成任務。但隨著智能體（Agent）發展，模型開始拆解目標、調用工具、檢索資訊，並根據執行結果不斷調整方案。

在多智能體系統中，主模型還可以將任務拆分給多個子智能體協作完成，複雜任務可能涉及數十次甚至更多輪模型調用。

任務鏈條越長，對推理成本、執行穩定性和自主決策能力的要求就越高。

閆俊傑認為，Agent下一階段的前沿不只是讓模型在長週期任務中與人類競爭，更重要的是讓它們能夠自主制定目標，並驗證自己的執行結果。“這意味著，它們需要在長期任務中具備真正的自主性。”

閆俊傑還將多模態融合視為未來模型發展的重要方向。

MiniMax目前將模型分為兩個系列：M系列是語言模型，主要面向編程、智能體和生產力應用；H系列則是視頻生成模型，同時能夠處理圖像和音頻。

閆俊傑表示，公司從創立之初就選擇同時積累不同模態的技術，希望在技術成熟後將它們整合起來。他認為，多模態能夠豐富訓練數據的多樣性，也是未來擴大模型能力的必要路徑。

他希望未來將語言模型與視頻模型整合為統一系統。語言模型的理解和規劃能力，與視頻模型的內容生成能力結合後，AI就有機會從生成單個視頻片段，進一步承擔廣告、影視和設計等完整專案。

訪談中，Lawrence Burns也談到了這一變化。他認為，目前的視頻模型雖然能夠生成視頻片段，但還不擅長理解創作指令，也難以像編輯人員一樣根據回饋修改內容。如果將語言模型的理解能力與視頻模型的生成能力結合起來，AI就有機會承擔完整專案。

開放生態則是閆俊傑設想中AI產業未來的另一塊重要拼圖。

他認為，開源不是商業變現的替代方案，反而能夠成為技術創新和商業化的催化劑。模型開放權重後，外部開發者可以進行微調和二次開發，探索原始模型尚未覆蓋的應用場景。他透露，MiniMax H3發佈後的前兩周，已經出現約300個基於該模型開發的開放模型。

這種選擇並非MiniMax獨有。DeepSeek、智譜、月之暗面和阿裏等中國大模型企業，也在不同程度上採取開放權重策略，通過吸引外部開發者參與模型部署、微調和應用開發。

而在大洋彼岸，OpenAI、Anthropic等美國頭部AI企業是閉源路線的堅定擁躉。它們不向外部公開模型權重，將模型的核心技術和訓練成果牢牢握在企業手中，構成自己的商業壁壘。

閆俊傑已經做好了選擇。他表示，MiniMax計畫持續開放模型權重，直到AGI實現。他將公司的理念概括為“Intelligence with everyone”，而不是“Intelligence for everyone”。他認為，智能不僅應該服務於所有人，也應該由使用者、開發者和研究人員共同參與建設。

來源：中國觀察者網