MiniMax：以非天才路线挑战AGI的极限

当整个AI圈都在为DAU（日活跃用户数）和融资额焦虑时，MiniMax创始人闫俊杰却展现出一种近乎冷酷的淡然。

坐在罗永浩对面的闫俊杰，并不像一位掌管着AI独角兽企业的技术新贵。

他拒绝谈论改变世界，反而坦承恐惧。那种恐惧并非来自商业竞争，而是源于技术本身——当模型的能力开始超越人类时，创造者反而成了最先感到不安的人。

只要是可以量化的东西，模型就一定会强过人类，或者达到人类中最好的水平。所有成功的模型，在做出来之前都会有些害怕。

据晚点采访，在MiniMax内部，互联网行业奉为圭臬的DAU，被闫俊杰直接定义为「虚荣指标」。

在巨头环伺、算力短缺、热钱褪去的2025年，MiniMax正在进行一场关于认知的修正：不再沿用移动互联网的逻辑，即通过大规模投放换取增长、通过堆砌功能留住用户，而是回归本质：把模型当作最重要的产品。

在大模型时代，真正的产品其实是模型本身，传统意义上的产品更像是一个渠道。如果模型不够聪明，产品做得再好也没有用。

在罗永浩和闫俊杰的对谈中，我发现MiniMax这家AI公司从创业第一天就选择了与主流背道而驰的技术路径。

当所有人都试图寻找中国的OpenAI和Sam Altman时，闫俊杰却在试图证明「非天才」的价值。MiniMax的故事不是关于天才的灵光乍现，而是一场关于如何在资源受限的缝隙中，通过极度理性地计算与修正，撕开一道通往AGI窄门的精密实验。

用1/50的筹码通往AGI

MiniMax过去三年的技术路线，表面看是一连串孤立的赌注，实则暗藏着一条统一的逻辑线索：在资源受限的前提下，如何用更聪明的方式优化，而非更多的算力堆砌，逼近AGI的上限。

当行业还在卷文本时，MiniMax做了一个在当时看来极度冒险的决定：创业第一天就押注全模态。闫俊杰后来解释说，他们一开始就想得很清楚，真正的AGI一定是多模态的输入、多模态的输出。

三年多前创业时完全没有现成的技术路线，他们的策略就是每个模态至少先走通，等时机成熟再融合。这种坚持在当时备受质疑——业界主流认为应该先聚焦单一模态做到极致。

但闫俊杰的逻辑是，AGI的本质是多模态融合，如果现在不同步推进，等到需要融合时技术债会成为致命伤。这种非共识的坚持，让MiniMax在2025年拥有了全球音频第一、视频第二、文本稳坐第一梯队的全模态能力。

前不久OpenAI的Sora 2通过多模态融合取得了显著成果，这在一定程度上也印证了MiniMax早在创业初期就选择这一技术路径的前瞻性。

但更激进的是，闫俊杰在创业初期就打破了AI研究的传统模式。

这是公司刚组建时打破的第一个认知——把大模型做好这件事一定不能迷信之前的经验，得用第一性原理拆开来看。大概在四五年前，人工智能领域大家追求的是写很多数学公式，把理论搞得很好、很花哨。 但这代人工智能最核心的其实就是Scaling（缩放定律），就是让它能够用最简单的方法把效果做得更好，并且随着数据跟算力变多，效果就能够持续往上涨。

闫俊杰的技术直觉源自2014年在百度的实习经历。那时Anthropic的CEO Dario Amodei也在百度实习，正是在那里他发现了Scaling Law的雏形。

闫俊杰说，Scaling Law其实在2014年做语音识别时就已经被发现了，但真正被广泛认知是大概2020年左右。「六年前就有了，并且那件事发生在中国公司，所以后面的事就有点遗憾。」

这段往事让闫俊杰意识到，中国并非没有机会，而是错失了把技术洞察转化为产业优势的时机。

中国AI的第三条路

MiniMax的故事讲到这里，一个更大的问题自然浮出水面：当人才培养需要时间，技术追赶需要周期，中国AI公司靠什么在当下就建立自己的生存空间?

MiniMax不一定是标准答案，但闫俊杰有三个创业至今一直坚持的原则：

第一，不做项目，只做用户；第二，国内海外同时做。

2022年，国内大厂还在观望AI是否值得投入，创业公司普遍选择ToB路径（做项目、卖解决方案）以求快速变现。但闫俊杰选择了最难的一条路：ToC，并且从第一天就瞄准全球市场。

因此，闫俊杰选择在海外更激烈的竞争中打磨技术，而非卷入国内与巨头的流量争夺。事实证明这是正确的——MiniMax在海外市场的DAU和付费率都维持在健康区间。

非天才主义的AI掌舵人

如果说技术路线的非共识是显性的，那么闫俊杰本人的成长轨迹则是一场关于「反脆弱性」的修行。

闫俊杰出身河南小县城，在资源极度匮乏的环境下培养了极强的自学能力。

上小学的时候自己会看很多书。爸爸是教初中的就开始看初中的东西；上初中的时候就开始看高中的东西；高中的时候又开始学微积分。这些东西其实没有人教就是自己看。

小学自学初中、高中自学微积分——这种不受环境限制、超前学习的特质贯穿了闫俊杰的整个创业生涯。当别人在等待导师指点时他已经通过第一性原理自我拆解问题；当别人在抱怨资源不足时他已经通过极致的自学能力补上了差距。