一家长线基金眼里的MiniMax,与一场时隔一年的再对话

十字路口Crossing · 商业与创投

原创 Koji 2026-11-07 12:52 北京 “算力是我们的制约之一。这些限制也让我们成为了更好的工程师和研究者”。 👦🏻 作者: Koji 🥷 整理:十字路口 🧑‍🎨 排版: NCon 最近我听了一场播客,Baillie Gifford(BG)合伙人 Lawrence Burns、 投资总监 Claire Shaw 和 MiniMax 创始人闫俊杰(IO)的对话。 BG 是一家有118年历史的英国长线基金,1908 年成立,持有亚马逊超过20年,期间亚马逊至少6次股价跌超30%,BG 陪它几次穿越低谷。特斯拉、腾讯也是它早期识别并长期拿住的案例。 这样一家老牌机构,在去年年底 MiniMax 香港 IPO 时认购了股份,初始投入约 2000 万英镑。时隔一年,BG 在自家播客《Invest in Progress》里和 IO 坐下来聊了一个多小时。 MiniMax 创始人闫俊杰做客《Invest in Progress》 这是 IO 的英文播客首秀,也是中国模型公司一号位最近半年唯一一次播客专访。 今年 7 月,IO 宣布在实现 AGI 之前不再从公司领取任何薪酬,而且拿出个人名下相当于公司总股本4%的股份用于团队激励。过去一个月,他几乎所有时间都花在了下一代模型 M3 Pro 上。 BG 持有 Anthropic,也长期看好中国大模型,他们在播客中提到自己的观点 : 中国 AI 可能走一条不同于以往技术浪潮的发展路径, 只要能看到中国大模型公司的增长飞轮持续运转,BG都会坚定持有。 作为一家偏好投资“可能颠覆旧秩序公司”的基金,BG对 MiniMax 及中国模型公司的关注重点在哪里?在愈加激烈的 AI 竞争中,MiniMax 如何保持优势?这场对话中都逐一展开。 下面这几个议题,是我们挑选的市场关注重点。透过 IO 的回答,你能看到 MiniMax 的选择和它押注的市场方向。 中国模型公司的效率 👨‍🦱 Lawrence 去年12月我拜访你时,你说,最好的中国模型,性能比美国顶尖模型落后约 5%,但成本只有它们的十分之一。一年过去,这个差距有什么变化? 👨🏻‍💼 闫俊杰 IO 无论美国模型还是中国模型,距离 AGI 都还很远。 最后这5%的差距,可能比做到前面的95%更难追上。所以,缩小当前的差距,可能还需要一些时间。 作为一家中国 AI 公司,算力是我们的制约之一。这些限制也让我们成为了更好的工程师和研究者。 所以从第一天起,我们就知道,必须尽可能提高推理效率,让每一份算力发挥更大的作用。这也推动了我们在模型架构和基础设施上的创新。 除了芯片本身,我们也相信,如果能更高效地使用算力,就能做更多后训练,进一步提升模型能力。 👨‍🦱 Lawrence 能不能这样理解:很多美国前沿实验室算力充足,某种程度上被“惯坏了”,所以走上了另一条路?而MiniMax和许多中国AI实验室,从第一天起就不得不高度重视效率。 👨🏻‍💼 闫俊杰 IO 中国顶尖的前沿实验室都很关注效率,大家采用的方法不同。 我们相信,效率本身就是智能的一部分。 👨‍🦱 Lawrence 你认为 MiniMax 长期能够盈利的信心在哪里? 👨🏻‍💼 闫俊杰 IO 低推理成本是我们在利润和收入上的护城河。 有了这样的效率,我们就能依靠 API 业务建立可持续的商业模式,不必依赖一次性的交易。 在多模态上的坚持 👨‍🦱 Lawrence MiniMax 很早就把多模态作为核心战略。相比之下,ChatGPT显然已经收缩了多模态布局。为什么不集中精力做好一两件事?为什么你认为这条路是对的? 👨🏻‍💼 闫俊杰 IO MiniMax刚成立时,我们并不清楚AI最终会以什么形态出现。所以我们在不同方向上扩大规模,希望等技术积累到一定程度,再把它们结合起来。 我认为,多模态能提供更丰富的数据,是未来继续扩大规模的必经之路。 多模态也是我们与其他公司的不同之处。当然,这也给我们带来了更多挑战。 在产品层面,我们有几款产品,现在主要围绕两类模型系列展开。 第一个是 M 系列,它是大语言模型,重点提升智能和生产力,主要用于编程和智能体等场景。 第二个是 H 系列,它是视频生成模型,覆盖视频、图像和音频等。目前,H 系列的旗舰模型是 H3。它是开源的,用户可以调用 API、下载模型权重,也可以通过 MiniMax Design 产品使用它。 我想,H3 已经成为全球下载量最高的开放权重模型之一,下载量可能有 2500 万次。 我们不认为这两个领域会一直彼此分离。这两个系列都是开源的,接下来会继续扩大各自的规模,再合并成一个统一的模型。 在开源上的坚持 👨‍🦱 Lawrence 开源模型在中国更普遍,这是中美AI发展的重要差别之一。你如何看待开放模型和闭源模型各自的优缺点? 👨🏻‍

查看原文