2023年可以说是人工智能行业最振奋的一年，大模型的能力每隔一段时间就会上一个新台阶，汹涌澎湃的技术革命迅速影响着每一个人的生活，AGI不再是一种技术理想，而是触手可及的现实。

到了2024年，人工智能的热度不减，但口口相传的“百模大战”并未上演。资本市场罕见地“降温”，不少大模型悄无声息地消失，有机会进入决赛圈的大模型创业者，仅剩下寥寥数家。

其中就有孵化出海螺AI的MiniMax，一家不为太多人所熟知，估值却早已超过25亿美元的现象级独角兽。

01 技术路线几乎没有退路

目前国内估值超过10亿美元的大模型创业团队只有五六家，MiniMax恰恰又是其中最为特殊的存在：

1、月之暗面、百川智能、零一万物等均成立于2023年，MiniMax却是一家诞生于2021年的企业，比友商们早了两年时间。

2、有别于李开复、王小川等人的“明星”身份和高调风格，MiniMax的创始人闫俊杰不可谓不低调，很少在公开场合露面。

3、“抢算力”俨然是整个AI行业的常态，MiniMax没有够购买任何GPU，而是以相对便宜的价格找火山引擎租了大量GPU算力。

为何特立独行的MiniMax能够活下来？答案就藏在闫俊杰时常提及的一句话里：“我选的技术路线几乎没有退路”。

直接的例子就是MoE（混合专家模型）上的“豪赌”。

时间回到2023年夏天，国内的大模型厂商们纷纷加快了研发进度，摆在MiniMax面前的现实问题是：自家2B和2C的产品已经有很多用户，传统dense（稠密）模型生成token的成本太高，延时太严重；在计算资源有限的情况下，只有MoE才能训练完当时的数据。

理论上讲，MoE相较于dense模型的预训练速度更快，在相同参数的情况下，有着更快的推理速度，但在微调方面存在诸多挑战，比如泛化能力不足容易引发过拟合现象，属于典型的“技术派才有的红利”。

其他厂商选择dense模型快速迭代的时候，MiniMax放了80%以上的算力和研发资源做MoE，而且没有Plan B。

拐点出现在2024年初，MiniMax发布了国内首个基于MoE架构的abab 6，找到了越来越多加速实现Scaling Laws的途径，包括改进模型架构、重构数据pipeline等等，并在三个月后研发出了更强大的abab 6.5。

正如外界所熟知的，长文本能力在2024年成为生产力工具的“胜负手”，万亿参数的abab 6.5已经200k tokens 的上下文长度，综合能力已经不逊于国外主流大模型；使用同样的训练技术和数据的abab 6.5s，进一步提升了推理速度，可以在1秒内处理近3万字的文本。

按照业界常用的“大海捞针”机制，即在很长的文本中放入一个和该文本无关的句子（针），然后通过自然语言提问模型，看模型是否准确将这个针回答出来。在891次问答中，abab 6.5均能正确回答。

现在，MoE模型已经上升为行业共识，被认为是高性能AI大模型的必选项，而MiniMax已经在这条路上“抢跑”了一年。

02 技术驱动的产品方法论

让许多人没想到的是，一群痴迷于技术的工程师，“意外”做出了多个日活用户超过100万的产品，包括Glow、星野、海螺AI等，涵盖内容社区、生产力工具等不同方向。

曾有媒体在采访时询问闫俊杰：“你们第一个模型还没做出来，就招了产品经理，当时你如何向他描述你想要一个怎样的产品？”出乎预料的是，闫俊杰给出的回答只要三个字：“不知道。”

闫俊杰口中的“不知道”，源于对技术的敬畏：当前AI原生的超级产品，无不源自突破性的技术进步。

比如搜索问答几乎是所有对话式AI的标配，也是我们使用生产力工具提升工作效率的刚需功能。但越是基础的功能，越能验证生产力工具的价值，考验背后大模型的能力。

百度发布2024年Q1财报后，我们同时在海螺AI和国外的一款产品进行了对比，用户体验可谓高下立见：

海螺AI整理出了百度的核心业务信息，包括营收、利润等关键数据，以及百度智能云、开发者社区、百度APP、萝卜快快等核心业务数据，有着清晰的逻辑和侧重，并且每条内容都关联了对应的信息源，甚至在末尾附加了和百度财报相关的常见问题。

另一款产品也准确回答了财报的核心信息，但仅仅引述了一些媒体报道，输出内容的结构化很弱，需要人工二次处理信息。和直接用搜索引擎查找信息的方式相比，并未节省太多的时间。

再比如长尾内容的检索和生成能力。像百度财报这样的热门议题，很容易找到相关的媒体报道，一些小众的长尾内容，似乎更能考验生产力工具的内容检索和生成能力。

我们的问题是皮尔斯·布朗的代表作《火星崛起》，曾被《娱乐周刊》评为2014年度最佳图书，但知名度不如《火星救援》、《星球崛起》等可能被AI混淆的名著。海螺AI准确理解了我们的需求，生成的故事梗概可圈可点，并给出了深刻的评价；豆包将我们的需求误解为《星球崛起》，生成的内容居然是《火星三部曲》的介绍。

技术的上限左右着产品的上限。

MiniMax之所以做出了海螺AI这样“能打”的生产力工具，根源在于技术驱动的产品方法论，只有具备足够好的产品能力，才能承接和转化取得的技术进展，否则会落得一场空。

当然，MiniMax也有自己的“野心”。就像闫俊杰所筹划的：“在技术快速进化的窗口关闭前，做出用户量巨大的To C产品。”

03 做普通人每天用的产品

资本圈里流传着一句话：判断一位人工智能创业者是否真正的AGI信仰，就看这个人创业是在2023年之前还是之后。作为普通用户，则有另一套判断标准，即能不能解决实际问题，扎扎实实地提高工作效率。

行事低调的闫俊杰，很少围绕AGI的话题高谈阔论，但在媒体采访时讲述了自己朴素的信仰：Intelligence with everyone。

怎么理解“与用户共创智能”？海螺AI无疑是最直观的研究对象。

生产力工具作为当下最拥挤的大模型赛道，市面上的产品已经多达几十款，豆包、文心一言、智谱清言、Kimi……哪怕是在高度内卷的局面下，肩负MiniMax信仰的海螺AI，依然表现出了差异化和稀缺性。

首先是简洁的产品设计。

为了争夺用户的注意力和时长，越来越多的对话式AI产品在首页上添加了丰富的菜单栏，努力向用户表达功能的多样性。海螺AI不可谓不克制，首页上除了简单的功能引导和对话框外，并没有其他影响注意力的元素。

不同的设计风格，似乎谈不上孰优孰劣，但从生产力工具的定位来说，页面的简洁与否和大模型能力不无关系。倘若大模型的能力足够强大，哪怕没有花里胡哨的功能露出，也可以通过生成的内容占领用户心智。刻意强调功能的多样性和玩法的趣味性，反而在大模型的能力上漏了怯。

其次是过硬的产品能力。

诸如搜索问答、语音对话、长文总结等功能，早已是对话式AI产品的标配，也是高度同质化的主要诱因。但只要深入使用一段时间，或者进行简单的结果对比，并不难判断能力上的高下，找到最适合的生产力工具。

而产品能力的强弱，往往体现在一些细节中。以我们高频使用的长文总结为例，将第三方行业报告上传到海螺AI，可以准确梳理报告的核心信息，并根据报告内容进行对话。原先阅读一篇报告需要至少两个小时的时间，现在不到5分钟就能完成，工作效率可以说是实现了指数级增长。

然后是多元的使用场景。

有些产品尽可能在首页上推荐足够多的“角色”，来告诉我们有很多使用场景，适合不同的用户。仅仅在prompt下功夫，当真可以满足不同人群的需求吗？市场初期也许奏效，可终归不是解决问题的最优解。

海螺AI的答案是从能力上满足不同人群的需求：帮研究人员快速总结和分析长篇学术论文或研究报告、帮内容创作者整合关键信息并生成爆款文章、帮知识工作者整理和回顾学习资料、为日常用户提供生活中的即时帮助……就像是一个能打的六边形战士，背后是万亿参数MOE大模型的底气。

一言以蔽之，只有做出足够产品化、能服务大众的AI技术和产品，才可以给社会带来足够高的反馈。在MiniMax的认知里，AGI不是原子弹那样的大杀器，而是普通人每天会用的产品和服务。

04 写在最后

每一次代际演变的出现，都会经历百花齐放到超级APP“统治”市场的过程。

大模型的产品化也不例外。现阶段AI产品的核心价值，主要来自模型性能和算法能力，不排除会上演“赢者通吃”的一幕。特别是对于寻求生产力的用户，拥抱海螺AI这样的超级APP，卸载掉“尝鲜”时下载的几十个APP，将是可以预见的结果。