薛子钊
稀宇科技（MiniMax）副总裁
感谢主办方的邀请。今天非常荣幸能在这里分享我们对这个行业的一些看法，包括行业动态、整体格局、演进趋势，以及我们公司在这个快速发展行业中的现状。我们公司的名字叫稀宇科技（Minimax），口号是“每个人的智能”。我们的目标是与全球用户、与每一个人共享智能的力量。在深入具体内容之前，我想先分享一张我刚刚生成的图片，以此表达作为大语言模型行业参与者的感受。
三个月前，我想在座的不少人都体验过像 OpenClaw 这样的智能体产品。那是人们第一次真正用大语言模型去完成任务，而不仅仅是进行简单的问答。这就像一场地震。而地震之后随之而来的，是一场十级的海啸。现在我们正处在一个临界点：大模型开始能够解决具有高经济价值的真实任务。这个临界点、这个变化，就像一场十级海啸。而奇怪的是，看看岸上的人们，很多人还没有意识到这场变革的影响和它推进的速度。这基本上就是我们此刻最真实的感受。我们正看到由基础模型驱动的巨大转变，它正朝我们迎面袭来，速度极快。正因如此，我们对自己身处这个行业感到无比兴奋。
这是我们公司一段非常有趣的发展历程，也是我们的起源。公司成立于四年前，也就是2022年初，是亚洲最早成立、专注于大模型研究的公司之一。回想一下2022年初那个时间点，实际上OpenAI的ChatGPT还没有出现。那时距离ChatGPT的发布还有一年时间。
当时，我们创始人的昵称叫 IO，也就是“输入与输出”（Input & Output）的意思。IO 预见到了通用模型会到达一个临界点，一个拐点。这个区别是什么？如果用中文来概括第一句话，就是“下一代人工智能及其不同之处”。关键的区别在于，当我们谈论上一代人工智能时，它是特定任务型的——也就是说，每遇到一个新客户或新任务，你就需要一个新的模型。但现在，人工智能是通用的，意味着你用同一个模型就可以服务每一位客户、每一家企业、每一个用户。这是一个根本性的变化。那么我们来想想：在人类产业中，其实很少有产品能够保持完全不变、同时服务全球用户。另一个例子，我想可能就是可口可乐——你用同一款产品服务全球，但接下来你需要操心的是产品的分销问题。而对于通用模型来说，我们拥有的是同一个模型，以及它的通用能力。它可以用于生产力场景，也可以用于创造性场景。它能处理超过200种不同的语言，而且用的是同一个模型。因此，它具有极强的可扩展性。这就是通用模型的魅力所在。这是第一点。
第二点，是我们对通用人工智能（AGI）非常独特的定义。从四年前成立的第一天起，我们就将AGI定义为能够通过通用图灵测试的智能体。这意味着，就像人与人之间的交互一样，它不仅仅是语言模型——它涉及所有模态。如果你拆解人类交互所涉及的所有内容，它包括语言，也包括图像和视频这类视觉内容，还包括音频。因此，从第一天起，我们就在打造三模态的基础模型：语言模型、视频模型和音频模型。从另一个角度来看，它也可以分为智能与创造力（或者说想象力）。总而言之，这些就是人类智能的组成部分。这就是我们对AGI的定义。
同时，我们也预见到这将是一个逐步发展的过程。我们设定了从L1到L5的不同发展阶段。接下来快速回顾一下ChatGPT发布后几年来行业的发展历程。三年前，ChatGPT问世。它是第一个达到L1级别的产品，意味着你可以与语言模型进行日常聊天，做一些简单的问答。到了2025年，我们进入了L2级别，这意味着模型开始具备推理能力和思考过程。当你问一个问题，模型会说：“让我想一想。思路是什么？这背后的逻辑是什么？”这就是L2，发生在去年。而现在，我们正处在这样一个时刻：在许多不同的垂直领域，模型能力正迅速接近L3级别。L3的定义是智能体（Agent），意味着模型在执行任务之前能够制定计划，并且能够像人一样交付最终结果。展望未来，还有L4和L5。L4意味着模型能够进行创新。L5则意味着它可以像集团CEO一样去组织非常复杂的架构或机构。
我们正迅速看到模型在诸如编程等领域的能力提升——已经非常接近L3级别。而且我们看到，在许多其他与知识相关的领域，模型也会复制像在编程领域那样的快速曲线，达到L3，然后超越L3，迈向L4甚至L5。这就是当前模型能力的演进态势。
我想分享这个行业的两个非常独特的特点。第一个特点是，在这个行业里，AGI 的核心就是智能。智能——也就是模型的能力——是这个行业唯一的驱动力。我们有一个非常清晰的、由模型智能驱动的飞轮效应，而且这个飞轮效应与包括互联网行业在内的所有其他行业都非常不同。我想在座的各位很多都对互联网行业非常熟悉。在互联网行业中，飞轮基本上就是数据和用户。你拥有更多的用户数据，就能有更精准的推荐系统，然后获得更高的用户留存，进而带来更多的用户——这就是一个正向的数据、用户或者说流量的飞轮。这是互联网行业的一个例子。
但在基础模型行业，流量的重要性已经不那么大了。关键的驱动力是模型的智能。这种模型智能意味着，每三到六个月，我们就会看到模型的能力提升到一个更高的水平。这意味着智能的边界被拓宽了，一些之前模型无法解决的任务变得可以完成了。
这里有几个例子。在座很多人可能试过图像生成模型。最新的模型其实就是 GPT Image 2，它两天前刚刚发布，还有谷歌的 Nano Banana。一年前，在谷歌的 Nano Banana 问世之前，流行的图像模型叫 MidJourney。在 Nano Banana 出现之前，如果你问人们什么才是更好的图像生成模型，大家会告诉你它必须有更高的分辨率、更好的美学效果等等。但直到 Nano Banana 推出之后，人们才突然意识到，这个图像模型能够理解像素——它能理解，“哦，这是一个屏幕。”它甚至能够理解嵌入到这些像素中的文字和语言。于是人们发现，图像生成不仅仅是给专业用户用的——它是给每一个人用的。现在人们甚至用图像生成模型来制作内嵌文字的 PowerPoint 幻灯片。这就是智能的跃升。每一次智能的跃升，都是在创造增量市场——而不是在现有的市场里做零和博弈。
另一个例子是AI编程。现在我们知道——如果你试用过智能体或OpenClaw的话——编程基本上是人人都可以做的事情。你甚至不需要学过编程语言，只需用自然语言来操作模型就可以了。但在12个月前，在模型这些最新的改进出现之前，如果你问人们：“你怎么看？你估计编程市场有多大？”大家会告诉你，那是三千万程序员的市场。这些程序员中有多大比例会被编程模型替代？然后你的年薪是多少？这基本上就是当时人们对AI编程市场潜力的理解。但如果你用今天的视角来看，这些想法完全错了。第一，这不仅仅是关于程序员的——这是关于每个人的。第二，它从来都不是关于替代某个现有的市场，而始终是关于创造全新的生产力。这就是这个行业一直在发生的事情。
因此，我们仍然看到 scaling law（规模法则）蕴含着非常巨大的潜力。也就是说，如果你拥有更大的模型、更高质量的数据、更充分的训练以及更多的算力，你就能实现更高水平的模型智能。而这一新版模型智能又将会创造出非常非常庞大的增量市场。在可预见的未来，这一规律仍然成立。
这个行业的第二个非常有意思的特点是：鉴于它如此快速的增长，如果是其他行业，我们通常会看到越来越多的新进入者，但这个行业恰恰相反。能够发布前沿模型（frontier model）的玩家数量并没有变多，实际上反而在持续减少。甚至很多大公司——那些科技巨头——在投入巨额资金之后，仍然没有做出前沿模型。这告诉我们，这个行业真正的进入门槛并不仅仅是投入大量资金或算力。例如，实际上有很多美国科技巨头以及一些中国科技巨头，之前已经花了很多钱，但它们仍然没有开发出前沿模型。
因此，我们认为，这个行业真正的进入门槛其实是迭代速度——或者说持续交付创新的能力。因为这个行业本身发展太快了，你需要跟上节奏。你的研发组织必须跟上这个行业的速度，才能持续推出前沿模型。而目前，全球范围内的玩家数量已经缩减到屈指可数的几家，主要来自美国和中国。这就是这个行业的第二个非常独特的特点。
展望未来，我们认为这个行业不会像搜索行业那样整合到只有一两家玩家。我们不认为会发生这种情况。为什么？因为就像不同的人有不同的个性一样，所有前沿模型现在都已经高度差异化——这意味着它们有不同的重点领域和不同的优势区域。如果你是不同模型的深度用户，你完全可以清楚地看出它们的差异以及各自差异化的强项。因此，我们预计不会再有更多的新进入者。同时，我们也不认为它会集中到只剩一两家。很可能会有个位数的几家领先者引领前沿模型的开发，它们会拥有各自不同的优势领域和差异化特点。这就是我们对这个行业格局的看法。
这张图展示的是语言模型在相对追赶过程中的历史演变，非常有意思。首先，左侧是几个前沿模型的第三方智能评测基准。事实上，目前最领先、最前沿的模型是 OpenAI 和 Anthropic。但在过去一两年里，包括我们以及 DeepSeek 在内的中国模型，在模型能力上正在快速追赶。如果看纵向的差距——纵轴代表智能水平——这个差距正在明显缩小，而且我们的斜率更陡。这是从整体表现来看。如果我们聚焦于我们所专注的某些特定领域，比如编程和智能体能力，差距甚至更小。最下面这条粉线就是我们的模型。所以在过去半年里，我们看到差距正在迅速缩小。
在这个行业中，不同公司实际上有着不同的策略。大多数源自中国的模型都采用了开源策略，这意味着模型是透明的——所有参数、权重和算法都是开放的，并发布在 GitHub 或其他第三方平台上。每个人都可以免费下载这些模型。相比之下，美国大多数领先的实验室采用的是闭源方式——基本上是黑箱。因此，我们看到了一个明显的趋势：世界上许多希望开发自己基础模型的地区，实际上更倾向于与开源模型或中国模型合作，因为它们更加透明和开放。这就是过去一两年来的发展态势。也正因如此，作为中国模型的一员，我们非常兴奋能够继续缩小这一差距，而且我们会以更快的速度做到这一点。
这里有一些两三个月前的有趣故事。现在大家都知道 OpenClaw 了。OpenClaw 的创始人叫Peter Steinberg。在最近加入 OpenAI 之前，他是一家只有他一个人的公司，并且一直在他的 Twitter 上积极推广我们的模型。在他构建 OpenClaw 之后，这个项目因为几个原因受到了关注。我们第一次见到Peter本人是上个月在旧金山 GTC 大会期间。从一月初开始，他就开始在他的 Twitter 上推广我们的模型。第一个原因是，他当时确实是在用我们的模型构建 OpenClaw 项目——那时我们的模型版本叫 M2.1。但更重要的是，我们认为他非常喜欢我们的主要原因是，我们的模型在推动这类智能体产品的普及过程中发挥了非常建设性的作用。为什么呢？如果你试过用最贵的模型去接入 OpenClaw，仅仅两三天之后，你就会收到一张 500 到 1000 美元的账单——而这只是用了两三天。显然，没有多少人能负担得起。而我们的模型实际上正在创造一个增量市场，让像 OpenClaw 这样的智能体产品变得人人都能用得起，让全球用户都可以使用。我想，这就是整个智能体生态圈都非常喜欢我们模型的主要原因。
另一个例子是，我们看到全球的跨国公司和大型企业正在快速采用中国模型，势头非常强劲。这里有一个来自笔记应用 Notion 的例子——他们已经开始使用我们的模型，作为继 OpenAI 和 Anthropic 之后的第三款模型，集成到他们的智能体功能中。
快速总结一下，我们以这三个基础模型作为根基和基础。对于由基础模型驱动的产品来说，产品层其实非常薄。产品的大部分表现都源自模型本身的性能。我们认为，对我们而言——实际上对这个行业的每个人来说都是如此——真正的产品就是模型本身。因此，我们看到这个行业的迭代速度越来越快。现在我们对此的感受更加强烈。如果模型能够超越 L3 并达到 L4——也就是说它具备了创新的能力——那么这个模型做的第一件事就是参与到下一代模型的研发过程中。这意味着，就像人类研究员和人类工程师一样，模型能够在研发中产生新的想法。
现在，包括我们在内的所有前沿实验室，都在大力让模型参与到下一代模型的迭代过程中。这个正反馈循环就是：你拥有更智能版本的模型，就能以更高的生产力去创造下一个版本的模型。这将开始形成一个自我递归的效应。
这就是为什么，一旦你超过某个特定的阈值，我们就会开始看到模型开发出现加速。在编程领域，这个自我递归的阈值已经非常明确地被超越了——基本上是在去年年底。这就是为什么从今年开始，我们会看到加速，尤其是在编程行业。第一个出现这种自我递归效应的下游应用或下游垂直领域，就是模型开发本身。这非常令人兴奋。
展望未来一到两年，我们预计类似的自我递归效应也会出现在其他领域——比如办公场景。例如，制作PPT，或者知识工作者所需的许多基本技能。在这些垂直领域，只要任务的上下文发生在线上，我们认为模型就能够掌握，并迅速达到顶尖的专业能力。这就是这个行业之所以在加速发展的根本原因——因为它背后有一个自我递归的引擎。
以下是一个快速概览，帮助大家了解我们公司。我们在全球范围内运营，用户来自超过200个国家，大部分收入来自国际市场。过去两个月，我们的模型使用量增长了六倍。从成立第一天起，我们就布局了四条产品线——视频、音频、语言及整体——以提供通用人工智能。我们的使命不是成为一个超级智能的机器或系统。我们真正想要的——我们的使命——是把这个行业以及我们公司发展的成果分享给每一个人。正因如此，我们从第一天起就把使命定为“每个人的智能”。谢谢大家。这就是我今天分享的全部内容。
（本文为会后整理，未经演讲者审阅）
