（文/汤普济 编辑/吕栋）
全球科技巨头持续加码AI算力投资之际，中国大模型企业正探索出一条差异化竞争路径。在先进芯片与计算资源相对受限的背景下，通过技术创新与工程优化提升单位算力的智能产出，以更低成本提供模型服务，成为行业破局关键。
近日，MiniMax创始人、董事长兼CEO闫俊杰在接受英国投资信托Scottish Mortgage旗下播客《Invest in Progress》采访时，深入阐述了中国AI企业在资源约束下形成的技术路线与发展逻辑。
“我们的目标很明确：最大限度降低推理成本，让每个人都能享受最前沿的智能。”闫俊杰表示，“MiniMax”之名即寓意“最小化成本（Mini），最大化智能（Max）”。他认为，算力约束在某种程度上塑造了中国AI企业更高效的研发模式。
尽管AI热度不减，但MiniMax二级市场表现波动剧烈，股价从高点1330港元/股跌至156港元/股，市值缩水至549亿港元。
算力投入差距正被工程效率追赶
闫俊杰将中美AI产业差异概括为两种模式：美国建立由巨额资本支撑的封闭系统，中国则构建由效率驱动的协作体系。
斯坦福大学《2026年人工智能指数报告》数据显示，2025年美国私人AI投资达2859亿美元，是中国124亿美元的23倍。然而，巨大的投入差距并未完全转化为性能鸿沟。截至2026年3月，Arena Elo评价体系中，美国领先模型得分1503分，中国最高分模型为1464分，性能差距仅为2.7%。自2025年以来，双方模型曾多次互换领先地位。
中国模型的快速追赶得益于技术架构与工程优化的突破：
- DeepSeek：采用混合专家（MoE）架构，减少每个Token实际参与计算的参数量；
- 智谱AI：结合线性注意力与稀疏注意力，降低长上下文处理开销；
- 月之暗面：通过注意力机制和稀疏专家架构优化计算效率。
MiniMax同样贯彻这一思路，在Transformer架构和后训练基础设施上进行差异化设计，确保模型在不同芯片上的兼容性与运行表现。闫俊杰强调，简化模型架构与持续投入基础设施建设是公司的核心研发原则，后者虽短期见效慢，却是长期扩大研发规模的基础。
降低推理成本释放后训练潜力
降低推理成本不仅惠及用户，更为模型能力提升释放了计算资源。大模型预训练完成后，需通过强化学习、数据合成等后训练方式不断迭代，以解决复杂问题。
Scottish Mortgage投资经理Lawrence Burns比喻称，若练习球成本更低，高尔夫球手在同等预算下可获得更多练习机会。同理，推理成本下降意味着模型能以相同资源开展更多轮后训练，通过高频反馈提升能力。
闫俊杰指出，MiniMax未来可能拥有全球规模最大的后训练系统。今年2月发布的Forge框架专为智能体强化学习训练设计，在M2.5模型开发中，该框架接入多种智能体脚手架和环境，支持模型在多任务中反复演练。
在商业模式上，闫俊杰坚持“通过创新降低推理成本而非提高价格来实现盈利”。低门槛有助于扩大服务规模，创造新的收入增长空间。
财务数据显示，截至今年8月，MiniMax年度经常性收入（ARR）超8亿美元，其中B2B业务占比超80%。今年上半年营收1.166亿美元，同比增长283.1%，但经调整净亏损仍达2.93亿美元。如何将效率优势转化为持续盈利能力，仍是公司面临的主要挑战。
迈向自主智能体与多模态融合
随着智能体（Agent）的发展，大模型使用方式正从单次问答向多步拆解、工具调用及自我调整转变。多智能体系统中，复杂任务涉及数十次甚至更多轮模型调用，对推理成本、执行稳定性及自主决策能力提出更高要求。
追求长期任务的真正自主性
闫俊杰认为，Agent下一阶段的前沿在于自主制定目标并验证执行结果，即在长期任务中具备真正的自主性。
多模态融合重塑内容生产
多模态融合被视为未来重要方向。MiniMax目前分为两大系列：面向编程、智能体和生产力应用的M系列语言模型，以及处理图像、音频和视频生成的H系列模型。
闫俊杰计划将语言模型的理解规划能力与视频模型的内容生成能力整合为统一系统。届时，AI不仅能生成视频片段，更能承担广告、影视和设计等完整项目。Lawrence Burns也认同这一观点，指出结合语言能力与生成能力是AI胜任复杂创作任务的关键。
开放生态加速技术迭代
与美国头部企业坚守闭源路线不同，闫俊杰主张开放生态。他认为开源是技术创新和商业化的催化剂，外部开发者的微调与二次开发能探索更多应用场景。MiniMax H3发布前两周已衍生出约300个开放模型。
DeepSeek、智谱、月之暗面及阿里等企业均采取不同程度的开放权重策略，而OpenAI、Anthropic等美国企业则倾向于构建技术壁垒。
闫俊杰明确表示，MiniMax计划持续开放模型权重直至AGI实现，践行“Intelligence with everyone”理念，倡导使用者、开发者和研究人员共同参与智能建设。