MiniMax创始人闫俊杰WAIC演讲：AI如何赋能每个人的未来

2025世界人工智能大会（WAIC）今日在上海拉开帷幕。这场全球AI领域的顶级盛会，以“智能时代 同球共济”为主题，汇聚了全球的前沿智慧，也展示了中国在人工智能领域的探索与方案。

大会首日，MiniMax创始人兼CEO闫俊杰先生作为特邀嘉宾，在开幕式主论坛（上午场）发表了题为《每个人的AI》（Everyone's AI）的主题演讲。

以下为演讲内容整理：

今天分享的题目是《每个人的AI》。这个话题，与过去十五年的技术浪潮紧密相连。当深度学习先驱Hinton设计AlexNet时，国内第一批投身该领域的研究生中就有我的身影；AlphaGo引发全球关注，标志着AI进入公众视野时，我正在一家创业公司参与其中；而在ChatGPT问世的前一年，我们创立了MiniMax，成为国内最早一批专注大模型研发的公司。

这十五年里，无论是写代码、读论文还是做实验，有一个问题始终萦绕：备受瞩目的人工智能，其本质究竟是什么？它与社会之间，又将建立怎样的联系？

随着模型能力的持续进化，一个趋势愈发清晰：人工智能正在成为社会的基础生产力。以研究本身为例，早期我们需要编写软件来分析海量数据，后来我们发现，可以让AI来生成这个分析软件。同样，作为研究者，每天需要追踪大量领域进展，最初设想开发一款专用APP，但最终发现，部署一个能自动追踪信息的AI智能体（Agent），效率要高得多。

AI不仅是强大的生产力工具，更是创意的催化剂。回想15年前的上海世博会，吉祥物“海宝”风靡一时。十五年过去，上海城市面貌日新月异，如果想基于“海宝”IP，创作一系列更具上海特色、符合当下审美的衍生形象，AI能做得又快又好。就像屏幕上展示的，无论是“徐汇书院×海宝”，还是“武康大楼×海宝”，AI都能一键生成，提供无穷的创意可能。

再比如近期流行的Labubu形象。以往制作一个高质量的Labubu创意视频，可能需要两个月时间和数十万甚至百万级的投入。而现在，借助日益强大的AI视频模型，如屏幕右侧展示的效果，类似的视频一天之内就能生成，成本仅需数百元。

过去六个月，仅我们的视频模型“海螺”（Hailuo）就在全球生成了超过3亿个视频。高质量AI模型的普及，正使得互联网上的内容创作门槛大幅降低，让每个人的创意都有机会被看见和实现。

超越预期的应用与可持续的增强

除了释放生产力和创意，AI的应用早已超越了最初的设计预期，各种意想不到的场景正在涌现：破译一个古文字、模拟一次飞行、设计一架天文望远镜……这些曾经高度专业或异想天开的任务，随着模型能力增强，正变得越来越可行。往往只需要少量的协作，就能将个人的想法变为现实。

面对这些深刻变化，一个核心观点逐渐成形：AI公司并非简单复制互联网模式，AI是一种更为基础、更为根本的生产力，它是对个人能力与社会能力的持续性增强。这里有两个关键点：第一，AI是一种可被调用的能力；第二，这种增强是可持续的。

人类受限于生物规律，难以永不停歇地学习新知识并持续“变聪明”，但AI可以。在打造更好模型的过程中，我们发现，AI也在与人类共同进步，共同创造更强大的AI。在我们公司内部，员工日常的代码撰写和研究实验，大约70%的代码由AI辅助完成，90%的数据分析工作由AI承担。

那么，AI如何变得越来越专业？大约一年前，模型训练还依赖大量人工进行数据标注，标注员是不可或缺的环节。而今年，当AI能力足够强时，大量机械性的标注工作已由专业的AI完成，标注员则得以转向更有价值的专家型工作，例如教会AI思考的过程而非仅仅给出答案。通过让AI学习人类的推理链条，模型能力变得更加泛化，更接近人类顶尖专家的水平。

除了由专家教导，AI另一种进步途径是在特定环境中进行大规模学习。过去半年，无论是编程IDE、智能体环境还是游戏沙盒，只要能将AI置于一个能提供持续、可验证奖励信号的环境中，它就能学会解决问题。这种强化学习的过程正变得可持续，且规模不断扩大。

基于这些观察，一个确定性判断是：AI会变得越来越强，并且这种增强似乎没有尽头。

AI会被垄断吗？

随之而来的问题是，能力如此强大、影响日益深远的AI，会被垄断吗？它是会掌握在单一组织手中，还是由多方共同塑造？

我们认为，AI领域必将有多个参与者长期共存。原因有三：

首先，当前我们使用的所有模型，都依赖于“对齐”（Alignment）技术。显然，不同模型的对齐目标各不相同。有的模型以成为“靠谱的程序员”为目标，那么在智能体（Agent）应用上就会表现突出；有的模型侧重于与人的流畅交互，则会显得更有“情商”；还有的模型可能致力于激发想象力。不同的对齐目标，反映了背后公司或组织的不同价值观，这些价值观最终会导致模型表现出迥异的特质，并因此长期拥有各自的生存空间。

其次，最近半年我们所使用的AI系统，大多已不是单一模型，而是由多个智能体（Agent）组成的系统。系统中可以调用不同模型、使用不同工具，以此解决越来越复杂的问题。这种多智能体架构的结果是，单一模型的技术优势在整个系统中的作用被相对弱化。

第三，过去半年，许多表现出高度智能的系统，并非都出自大型公司。一个重要原因是开源模型的蓬勃发展。过去一年，优秀的开源模型如雨后春笋般涌现，影响力日益增大。从各类AI模型排行榜可以看到，虽然顶尖模型仍多为闭源，但最好的开源模型正不断逼近闭源模型的性能水平。

基于这三点，AI的能力必将由多家公司共同掌握和发展。

普惠与成本可控的未来

与此同时，AI一定会变得越来越普惠，其使用成本也将更加可控。

过去一年半，一个有趣的现象是，AI模型的参数量并未发生显著增长，尽管可用的算力资源更多了。为何如此？对于实用模型而言，推理速度是关键因素。如果模型计算过慢，将严重影响用户体验，因此所有公司都在寻求模型参数量与智能水平之间的最佳平衡。

此前，模型规模的增长与芯片算力的进步速度基本同步。众所周知，芯片算力大约每18个月翻一番，模型规模也遵循类似的增长曲线。但现在，算力增加了，模型参数却没有同比变大。那么，增长的算力用在了哪里？

首先是训练环节。模型规模的增长速度在过去半年已明显放缓，训练单个模型的绝对成本并未显著增加。额外的算力被投入到了更多的研究与探索中。而研究与探索的效率，除了依赖算力，更取决于高效的实验设计、卓越的研发团队以及天才的创意。因此，算力雄厚的公司与算力相对有限的公司在训练效果上的差距，可能并不如想象中那么大。后者完全可以通过提升实验设计能力、优化组织协作形式来弥补算力上的不足。

其次是推理环节。过去一年，顶级模型的推理成本已经下降了一个数量级。通过优化计算架构和算法，未来一两年内，推理成本有望再降低一个数量级。总而言之，训练单个顶尖模型的成本不会无限攀升。

大量技术创新，正使得AI研发不再必然是“烧钱”的无底洞。当然，算力的总使用量仍会增长。尽管每个Token的处理成本会变得非常低廉，但消耗的Token总量将急剧增加。去年，一次ChatBot对话可能只需几千个Token，如今一次复杂的Agent对话可能消耗数百万个Token。随着AI能解决越来越复杂、越来越实用的问题，其用户规模和使用频率都将迎来爆发式增长。

让每个人都用得起AI，这是我们对AI发展前景的判断。“Intelligence with Everyone”，也正是我们创业的初心。我们坚信，AGI（通用人工智能）终将实现，并且它必将服务于大众、普惠于大众。

如果有一天AGI成为现实，其实现过程必定是由AI公司与广大用户共同完成的。这个AGI，理应属于多家AI公司及其广泛的用户群体，而非任何单一组织。

我们愿为此目标持续努力。谢谢大家！