（文/汤普济 编辑/吕栋）

　　全球科技巨头仍在不断加码AI算力投资，中国大模型企业则在探索另一种竞争方式。

　　当先进芯片和计算资源相对受限时，能否通过技术创新和工程优化，让每单位算力创造更多智能，并以更低成本提供模型服务？

　　近日，MiniMax创始人、董事长兼CEO闫俊杰在接受英国投资信托Scottish Mortgage旗下播客《Invest in Progress》采访时，谈到了中国AI企业在资源约束下形成的技术路线。

　　“我们想解决的问题其实很简单：最大限度地降低推理成本，同时让每个人都能够享受到最前沿的智能。”

　　闫俊杰解释，MiniMax这个名字本身体现了公司的目标：Mini意味着尽可能降低推理成本，Max则意味着尽可能提高智能水平。在他看来，算力约束并不只是需要克服的困难，也在一定程度上塑造了中国AI企业的研发方式。“这种约束也让我们成为了更优秀的工程师和研究人员。”

　　值得一提的是，尽管AI仍然是市场追捧的热点，但MINIMAX的股价却出现了雪崩式的下滑，从1330港元/股跌至目前的156港元/股，市值仅剩549亿港元。

　　算力投入的差距，正在被工程效率追赶

　　闫俊杰将中美AI产业的差异概括为两种发展模式。

　　“美国的AI生态正在建立由巨额资本支撑的封闭系统，而中国的AI生态则正在建立一种由效率驱动的协作体系。”他认为，两种生态不会沿着同一条道路发展。

　　这种差异首先体现在资源投入上。斯坦福大学《2026年人工智能指数报告》显示，2025年美国私人AI投资达到2859亿美元，是中国124亿美元的23倍。

　　但在模型能力方面，投入规模的差距并没有完全转化为性能差距。截至2026年3月，Arena Elo评价体系中，美国领先模型得分为1503分，中国最高分模型为1464分。斯坦福报告将两者的性能差距概括为2.7%。自2025年以来，中美模型还曾多次交换领先位置。

　　中国模型能够在资源投入相差悬殊的情况下追赶，与技术架构和工程优化密不可分。

　　DeepSeek通过混合专家（MoE）架构减少每个Token实际参与计算的参数量；智谱尝试将线性注意力与稀疏注意力结合，降低长上下文处理的计算开销；月之暗面则通过注意力机制和稀疏专家架构优化计算效率。

　　不同企业选择了不同的技术路径，但目标相当一致：减少不必要的计算，让有限的算力更多地用于提升模型能力。

　　闫俊杰也将这种思路带入MiniMax的研发体系。他表示，公司在Transformer架构和后训练基础设施上采用了不同设计，同时从模型架构设计之初，就考虑到模型在不同芯片上的运行表现，而非完全依赖某一种硬件。

　　他将公司的研发原则归纳为两点：尽可能简化模型架构和基础设施，以及持续投入基础设施建设。虽然后者短期内可能不如频繁推出产品见效快，但决定了企业能否长期扩大研发规模。

　　推理成本下降，后训练才有更大空间

　　降低推理成本的意义，并不只是让用户花更少的钱使用模型，还在于为模型自身的能力提升释放更多计算资源。

　　大模型完成预训练后，还需要通过强化学习、数据合成等后训练方式不断练习，学习如何解决复杂问题、完成复杂任务。这些过程同样需要大量推理计算。

　　访谈中，Scottish Mortgage投资经理Lawrence Burns用高尔夫球手作比：两名球手都需要不断练习，如果其中一人购买练习球的成本更低，在相同预算下就能获得更多练习机会。对于模型而言，推理成本下降也意味着能够以相同资源开展更多轮后训练，通过更多尝试和反馈提升能力。

　　“更高效的推理意味着能够开展规模更大的后训练。”闫俊杰认为，后训练的重要性正在不断提高。他还表示，MiniMax未来甚至可能拥有全球规模最大的后训练系统，并相信这将推动模型达到前沿智能水平。

　　MiniMax于今年2月公布了Forge框架，专门用于智能体强化学习训练。在技术报告中，MinimMax介绍，M2.5模型开发期间，该框架接入多种智能体脚手架和运行环境，让模型能够在不同任务中反复练习。

　　闫俊杰对商业模式秉持相同的态度：“AI行业的盈利不是通过提高价格实现的，而是通过创新不断降低推理成本。”在他看来，低推理成本既能降低客户使用门槛，也能帮助企业扩大服务规模，形成新的收入增长空间。

　　闫俊杰透露，截至今年8月，MiniMax的ARR（年度经常性收入年化运行率）超过8亿美元，其中B2B业务占ARR的80%以上。不过，增长尚未转化为盈利。MiniMax今年上半年实现营收1.166亿美元，同比增长283.1%，经调整净亏损仍达到2.93亿美元。同期，开放平台及其他AI企业服务收入占总营收的63.4%。

　　如何将效率优势转化为持续的盈利能力，仍是MiniMax需要回答的问题。

　　AI的下一步在哪里？

　　推理效率之所以越来越重要，还在于大模型的使用方式正在变化。

　　过去，用户向模型提出问题，模型生成答案，一次或少数几次推理便能完成任务。但随着智能体（Agent）发展，模型开始拆解目标、调用工具、检索信息，并根据执行结果不断调整方案。

　　在多智能体系统中，主模型还可以将任务拆分给多个子智能体协作完成，复杂任务可能涉及数十次甚至更多轮模型调用。

　　任务链条越长，对推理成本、执行稳定性和自主决策能力的要求就越高。

　　闫俊杰认为，Agent下一阶段的前沿不只是让模型在长周期任务中与人类竞争，更重要的是让它们能够自主制定目标，并验证自己的执行结果。“这意味着，它们需要在长期任务中具备真正的自主性。”

　　闫俊杰还将多模态融合视为未来模型发展的重要方向。

　　MiniMax目前将模型分为两个系列：M系列是语言模型，主要面向编程、智能体和生产力应用；H系列则是视频生成模型，同时能够处理图像和音频。

　　闫俊杰表示，公司从创立之初就选择同时积累不同模态的技术，希望在技术成熟后将它们整合起来。他认为，多模态能够丰富训练数据的多样性，也是未来扩大模型能力的必要路径。

　　他希望未来将语言模型与视频模型整合为统一系统。语言模型的理解和规划能力，与视频模型的内容生成能力结合后，AI就有机会从生成单个视频片段，进一步承担广告、影视和设计等完整项目。

　　访谈中，Lawrence Burns也谈到了这一变化。他认为，目前的视频模型虽然能够生成视频片段，但还不擅长理解创作指令，也难以像编辑人员一样根据反馈修改内容。如果将语言模型的理解能力与视频模型的生成能力结合起来，AI就有机会承担完整项目。

　　开放生态则是闫俊杰设想中AI产业未来的另一块重要拼图。

　　他认为，开源不是商业变现的替代方案，反而能够成为技术创新和商业化的催化剂。模型开放权重后，外部开发者可以进行微调和二次开发，探索原始模型尚未覆盖的应用场景。他透露，MiniMax H3发布后的前两周，已经出现约300个基于该模型开发的开放模型。

　　这种选择并非MiniMax独有。DeepSeek、智谱、月之暗面和阿里等中国大模型企业，也在不同程度上采取开放权重策略，通过吸引外部开发者参与模型部署、微调和应用开发。

　　而在大洋彼岸，OpenAI、Anthropic等美国头部AI企业是闭源路线的坚定拥趸。它们不向外部公开模型权重，将模型的核心技术和训练成果牢牢握在企业手中，构成自己的商业壁垒。

　　闫俊杰已经做好了选择。他表示，MiniMax计划持续开放模型权重，直到AGI实现。他将公司的理念概括为“Intelligence with everyone”，而不是“Intelligence for everyone”。他认为，智能不仅应该服务于所有人，也应该由使用者、开发者和研究人员共同参与建设。

　　本文系观察者网独家稿件，未经授权，不得转载。