MiniMax 创始人闫俊杰：AI 强大无尽头难被一家垄断，以后研发都不烧钱了？

整理｜华卫

2025 世界人工智能大会首日，MiniMax 创始人、CEO 闫俊杰先生作为特邀嘉宾出席大会开幕式并在大会主论坛发表主题演讲《每个人的 AI，Everyone's AI》。

关键观点如下：

• 作为 AI 创业者，AI 公司并不是重新复制一个互联网公司，AI 是更基础更根本的生产力，是对个人能力和社会能力的持续增强。

• AI 会变得越来越强，而且这种增强几乎是没有尽头的。

• AI 不会被垄断，一定会被掌握在多家公司的手中。

• 大量创新能让 AI 研发变成一个没有那么烧钱的行业，但是算力使用还会增加。

以下为演讲全文：

大家好，我给大家分享的题目是《每个人的 AI，Everyone's AI》。讲这个题目，跟我个人过去经历有关。当 Hinton 先生开始设计 AlexNet 之时，我是国内第一批从事深度学习研究的博士生；当 AlphaGo 人机大战上演，也是人工智能走进所有人视野之时，我在参与一家创业公司；而当 ChatGPT 出来的前一年，我们开始创立 MiniMax，也是国内第一批大模型公司。

在过去的 15 年里，当我每天面对任务写代码，看论文做实验的时候，一直都在想一件事：如此受关注的人工智能到底是什么？人工智能跟这个社会到底有什么样的联系？

随着我们模型变得越来越好，我们发现人工智能正逐步成为社会的生产力。比如，我们在做人工智能研究的时候，每天需要分析大量的数据，一开始我们需要来写一些软件来分析这些数据，后续我们发现其实可以让 AI 来生成一个软件，来帮助分析所有数据。作为一个研究员， 我非常关心每天 AI 领域的所有进展，一开始我们设想，是不是可以做一款 APP，来帮我们追踪各领域的进展？后面我们发现，这件事也不需要自己来做，让一个 AI Agent 来自动跟踪更加高效。

AI 是更强的生产力，也是越来越强的创意。比如，15 年前上海举办世博会的时候，有一个非常火爆的吉祥物叫“海宝”。经过 15 年的发展，上海有了全方位的发展，我们如果想继续用“海宝”IP 生成一系列更具上海特色，符合时下潮流的衍生形象时，AI 可以做得更好。正如现场屏幕展示的，徐汇书院×海宝、武康大楼×海宝，AI 能一键直出，帮我们生成各种各样的创意形象。

再比如最近非常火的 Labubu，此前制作一个 Labubu 创意视频，可能需要两个月，花费大约几十甚至百万人民币。通过越来越强的 AI 视频模型，像大屏幕右边展示的 Labubu 视频，基本一天时间就可以生成出来，成本只有几百块钱。

过去六个月，我们的视频模型海螺（Hailuo）已经在全世界生成超过 3 亿个视频。通过高质量的 AI 模型，互联网上的大部分内容与创意会变得越来越普及，低门槛让每个人的创意得以充分发挥。

除了释放生产力与创意之外，我们发现， AI 的使用其实已经超出最初的设计与预期，各种各样想象不到的应用场景正在发生：比如解析一个古文字、模拟一次飞行、设计一个天文望远镜……这样意想不到的场景，随着模型能力越来越强，变得越来越可行；仅仅需要少量协作，就可以把每个人的想法变成现实。

面对这么多变化，一个想法开始在我的心里涌现出来：作为一个 AI 创业者，AI 公司并不是重新复制一个互联网公司，AI 是更基础更根本的生产力，是对个人能力和社会能力的持续增强。这里有两点比较关键：第一、AI 是一种能力，第二是 AI 是可持续的。

人类很难突破生物定律，永不停歇学习新知识，持续变聪明，而 AI 可以。当我们在建造更好的 AI 模型时，我们也发现，AI 也在和我们人类一起进步，一起做出来更好的 AI。就在我们公司内部，员工每天需要写很多代码，做很多研究型实验，这里边大概有 70% 的代码是 AI 来写，90% 数据分析是靠 AI 来做。

AI 怎么能变得越来越专业？大约在一年前，训练模型还需要大量的基础标注工作，标注员是一个不可或缺的工种。而今年，当 AI 能力变得越来越强的时候，大量机械的标注工作被专业 AI 完成，标注员则可以专注于更有价值的专家型工作，一起帮助模型变得更好。标注工作也不再是简单给 AI 一个答案，而是教会 AI 思考的过程，让 AI 来学习人类的思考过程，从而使 AI 能力变得更加泛化，越来越接近人类顶尖专家的水平。

除了通过专家来教 AI 之外，还有另外一种进步，就是在环境中大量学习。在过去半年， 通过各种环境，从编程 IDE，到 Agent 环境， 再到游戏沙盒，当我们把 AI 放到一个能够持续提供可验证的奖励环境中学习，只要这个环境可以被定义出来，有明确的奖励信号，AI 就可以把问题给解决。这个强化学习也变得可持续，规模越来越大。

基于这些观察，我们有一个非常确定性的判断：AI 会变得越来越强，而且这种增强几乎是没有尽头的。

接下来出现的问题是，AI 这么强，对社会的影响越来越大，那么 AI 到底会不会被垄断？它是会被掌握在一家组织里，还是掌握在多家组织里呢？

我们认为，AI 领域一定会有多个玩家持续存在。原因有三点：

第一，我们目前用到的所有模型，都依赖对齐（Model Alignment）。很明显，不同模型的对齐目标其实是不一样的，比如有的模型对齐目标是一个靠谱的程序员，那么做 Agent 就会特别的强；有的模型它对齐目标是与人的交互，那么它就会比较有情商， 能够做流畅的对话；有的模型可能会充满想象力。不同的对齐目标反映了不同公司或者组织的价值观，这些价值观最终会导致模型的表现非常不一样，也会使得不同的模型拥有各自的特点，并且长期存在。

第二，我们在最近半年用的 AI 系统其实都已经不是单个模型了，而是一个多 Agent 系统，里面涉及多个模型， 不同的模型也可以使用不同的工具，通过这样的方式让 AI 智能水平越来越高，能够解决越来越复杂的问题。这个东西带来的结果是，单一模型的优势在这样一个多 Agent 系统里逐渐变弱。

第三，在过去半年，有很多非常智能的系统，都不是大公司所拥有的。背后的原因，是过去一年开源模型如雨后春笋般涌现，开源模型变得越来越有影响力。这张图是过去一年比较受关注 AI 的排行榜，可以发现最好的模型还是闭源的，但最好的开源模型越来越多，同时也在不断逼近最好的闭源模型。

基于这三点原因，我们认为， AI 一定会被掌握在多家公司的手中。

与此同时，我们认为 AI 一定会变得越来越普惠，使用成本也会变得更加可控。

在过去一年半， AI 模型的大小没有发生特别大的变化，即便我们可使用算力更多了。为什么呢？对所有实用模型而言，计算速度是一个比较关键的因素。如果模型计算速度特别慢，就会降低用户的使用意愿，所以所有公司都关注模型的参数量和智能水平之间的平衡。

此前，模型大小增长和芯片的进步速度基本上是成正比的。我们知道芯片的进步速度是每 18 个月会翻一倍，模型也会相应保持这样的增长趋势。而现在，虽然大家都有更多的算力了，模型参数却没有变得更大。那这些增长的算力花在哪呢？

首先说训练，规模增长的速度在过去半年已经变得比较缓慢，训练单个模型的成本实际上却没有显著增加。这些算力花在做更多的研究跟探索上。而我们知道研究和探索，除了取决于算力之外，还取决于高效的整体实验设计，高效的研发团队，以及一些天才的创意。结果是，拥有非常多算力的公司和没拥有那么多算力的公司，在训练上其实的差异可能不会那么大。没有那么多算力的公司，可以通过持续提升自己的实验设计、提升思考能力和组织形式，让实验探索变得更加高效。

再说推理，在过去一年，最好模型的推理成本其实是降了一个数量级，通过大量的计算网络系统和优化算法，我们认为在接下来一两年之内，最好模型的推理成本可能还能再降低一个数量级。总结而言，我们认为训练单个模型的成本不会显著地增加。

我们认为，大量创新能让 AI 研发变成一个没有那么烧钱的行业，但是算力使用还会增加。尽管 Token 会变得很便宜，但是使用 Token 的数量会显著增加。去年 ChatBot 单个对话只要消耗几千个 Token，现在 Agent 单个对话可能消耗几百万个 Token，并且因为 AI 解决的问题越来越复杂，越来越实用，那么用的人也会越来越多。

让每个人都用得起 AI，这是我们对 AI 发展的判断。Intelligence with Everyone，这也是我们创业的初衷。我们认为 AGI 一定会实现，并且一定会服务大众、普惠大众。

如果有一天 AGI （通用人工智能，Artificial General Intelligence）实现了，其过程一定是由做 AI 的公司们和他们的用户一起来实现，并且这个 AGI 应该属于多家 AI 公司和它的广泛用户，而不是只属于单个组织某家公司。

我们也愿意长期为这个目标而奋斗。感谢大家！