AI公司并不是重新復制一個互聯網公司，AI是一個更基礎更根本的生產力。

文｜《中國企業家》記者孔月昕

編輯｜馬吉英

頭圖來源｜受訪者

一年前，行業還在討論基座大模型的參數、能力，今年在世界人工智能大會（WAIC）現場隨處可見的，是輕量級的Agent系統、AI應用解決方案……AI廠商都表現得更加落地、務實，所有展臺都在力求充分展現自家的商業化能力、產品落地能力和客戶合作案例。

MiniMax的展臺上，主要對外展示的也是MiniMax Agent、海螺AI、MiniMax Audio、星野等AI應用產品，包括智慧家居、穿戴設備、智能座艙、智能音響、智能耳機及交互設備等AI智能硬件產品，以及文旅、電商、辦公、教育、游戲、醫療、金融等領域應用。

攝影：孔月昕

背后的原因在于，大模型行業正經歷結構性變革，推理成本一年內驟降一個數量級；開源生態如雨后春筍，逼近閉源模型的性能；Agent應用商業化加速，在垂直領域深耕的新興廠商，有希望跟巨頭形成差異化競爭。

在這一背景下，7月26日，MiniMax創始人、CEO閆俊杰在開幕式上發表了題為《每個人的AI》的主題演講。

核心要點有：

1.隨著模型變得越來越好，人工智能正逐步成為社會的生產力。

2.AI公司并不是重新復制一個互聯網公司，AI是一個更基礎更根本的生產力。

3.AI領域一定會有多個玩家持續存在。

4.AI會變得越來越強，而且這種增強幾乎是沒有盡頭的。

5.大量創新能讓AI研發變成一個沒有那么燒錢的行業。

以下為閆俊杰演講內容（有刪減）：

AI正進化為更強的生產力

在我過去從事AI研究工作的15年里，當我每天面對任務寫代碼，看論文做實驗的時候，一直都在想一件事：如此受關注的人工智能到底是什么？人工智能跟這個社會到底有什么樣的聯系？

隨著模型變得越來越好，人工智能正逐步成為社會的生產力。比如，我們在做人工智能研究時，每天需要分析大量數據，一開始我們需要寫一些軟件來分析這些數據，后續我們發現，可以讓AI生成一個軟件幫助分析所有數據。作為一個研究員，我也非常關心每天AI領域的所有進展，一開始我們設想，是不是可以做一款APP，來追蹤各領域的進展？后面我們發現，做一個AI Agent來自動跟蹤更加高效。

閆俊杰 受訪者

AI正逐步進化為更強生產力的同時，也能產出越來越強的創意。比如，15年前上海舉辦世博會的吉祥物叫“海寶”，過去15年，上海有了全方位的發展，我們如果想繼續用“海寶”IP生成一系列更具上海特色、符合時下潮流的衍生形象時，AI可以做得更好。

再比如最近非常火的Labubu，此前制作一個Labubu創意視頻，可能需要兩個月，花費大約幾十甚至百萬元人民幣。通過越來越強的AI視頻模型，類似的視頻基本一天時間就可以生成出來，成本只有幾百塊錢。

通過高質量的AI模型，互聯網上的大部分內容與創意會變得越來越普及，低門檻讓每個人的創意得以充分發揮。

除了釋放生產力與創意之外，我們發現，AI的使用已經超出最初的設計與預期，從而出現各種各樣想象不到的應用場景：比如解析一個古文字、模擬一次飛行、設計一個天文望遠鏡……僅需要少量協作，就可以把每個人的想法變成現實。

面對這么多變化，一個想法開始在我的心里涌現出來：AI公司并不是重新復制一個互聯網公司，AI是一個更基礎更根本的生產力，是對個人能力和社會能力的持續增強。

其中比較關鍵的兩點是：第一，AI是一種能力，第二，AI是可持續的。人類很難突破生物定律，比如永不停歇地學習新知識、持續變聰明，而AI可以做到。當我們建造出更好的AI模型時，我們也發現，AI也在和我們人類一起進步，一起做出更好的AI。在我們公司內部，員工每天需要寫很多代碼，做很多研究型實驗，現在，大概有70%的代碼是AI來寫，90%的數據是靠AI來分析。

這種情況下，AI如何變得越來越專業？一年前，訓練模型還需要人力完成大量的基礎標注工作，標注員是一個不可或缺的工種。而今年，專業AI可以完成大量機械的標注工作，標注員可以專注于更有價值的專家型工作，幫助模型變得更好。標注工作也不再是簡單給AI一個答案，而是教會AI學習人類思考的過程，從而使AI能力變得更加泛化，越來越接近人類頂尖專家的水平。

AI現在還進步到可以在環境中進行大量學習。在過去半年里，只要這個環境可以被定義出來，且有明確的獎勵信號，被放入該環境中學習的AI，就可以逐漸解決相應問題。

基于這些觀察，我們有一個非常確定的判斷：AI會變得越來越強，而且這種增強幾乎是沒有盡頭的。

AI不會被一家組織壟斷

隨著AI對社會的影響越來越大，未來它會不會被壟斷？最終是被掌握在一家組織里，還是在多家組織里？

我們認為，AI領域一定會有多個玩家持續存在。原因有三點：

第一，我們目前用到的所有模型，都依賴對齊（Model Alignment）。很明顯，不同模型的對齊目標不一樣。比如，有的模型對齊目標是一個靠譜的程序員，那么它做Agent就會特別強；有的模型對齊目標是與人的交互，那么它情商就會比較高，能夠做流暢的對話；有的模型可能會充滿想象力……不同的對齊目標反映了不同公司或者組織的價值觀，這些價值觀最終會導致模型的表現非常不一樣，也會使得不同模型擁有各自的特點，并且長期存在。

視覺中國

第二，我們最近半年用的AI系統已經不是單個模型了，而是一個多Agent系統，里面涉及多個模型，不同的模型也可以使用不同的工具。這會讓AI智能水平越來越高，能夠解決越來越復雜的問題，但也會帶來一個結果，單一模型的優勢在多Agent系統里會逐漸變弱。

第三，在過去半年，有很多非常智能的系統，都不是大公司所擁有的。背后的原因在于，過去一年里，開源模型如雨后春筍般涌現，并變得越來越有影響力。過去一年中，最好的模型雖然還是閉源的，但好的開源模型越來越多，同時也在不斷逼近最好的閉源模型。

基于這三點原因，我們認為，AI一定會被掌握在多家公司手中。與此同時，我們認為AI一定會變得越來越普惠，使用成本也會變得更加可控。

在過去一年半，我們可使用算力更多了，但AI模型的大小沒有發生特別大的變化。背后的原因在于，對所有實用模型而言，計算速度是一個比較關鍵的因素。如果模型計算速度特別慢，就會降低用戶的使用意愿，所以所有公司都關注模型的參數量和智能水平之間的平衡。

此前，模型增長和芯片的進步速度基本上是成正比的。芯片的進步速度是每18個月翻一倍，模型也會保持相應的增長趨勢。而現在，雖然大家都有更多的算力，模型參數卻沒有變得更大。那這些增長的算力花在哪了？我認為有以下幾點：

首先，在訓練上，過去半年，規模增長的速度已經變得比較緩慢，訓練單個模型的成本沒有顯著增加，算力更多花在研究跟探索上。研究和探索，除了取決于算力外，還取決于高效的整體實驗設計、高效的研發團隊，以及一些天才的創意。

這導致擁有非常多算力的公司和沒有那么多算力的公司，在訓練上的差異可能并不大。沒有那么多算力的公司，可以通過持續提升自己的實驗設計、提升思考能力和組織形式，讓實驗探索變得更加高效。

其次，在推理層面，過去一年里，最好模型的推理成本降了一個數量級。我們認為在接下來一兩年之內，通過大量的計算網絡系統和優化算法，最好模型的推理成本可能還能再降低一個數量級。總結而言，訓練單個模型的成本不會顯著增加。

大量創新能讓AI研發變成一個沒有那么燒錢的行業，但是算力使用還會增加。盡管Token會變得很便宜，但是使用Token的數量會顯著增加。去年ChatBot單個對話只要消耗幾千個Token，現在Agent單個對話可能消耗幾百萬個Token，并且因為AI解決的問題越來越復雜，越來越實用，未來用的人也會越來越多。

讓每個人都用得起AI，這是我們對AI發展的判斷。我們認為AGI一定會實現，并且一定會服務大眾、普惠大眾。

如果有一天AGI實現了，其過程一定是由做AI的公司們和他們的用戶一起來實現，并且這個AGI應該屬于多家AI公司和廣泛用戶，而不是只屬于單個組織某家公司。