MiniMax创始人在WAIC主论坛发表主题演讲：每个人的AI-宅配通娱网

7月26日消息，2025世界人工智能大会（WAIC）于今日在上海开幕。作为全球人工智能领域的顶级盛会，本届大会以“智能时代同球共济”为主题，汇聚全球智慧，展现中国方案。

活动首日，MiniMax创始人、CEO闫俊杰先生作为特邀嘉宾出席大会开幕式并在大会主论坛（上午场）发表主题演讲《每个人的AI，Everyone's AI》。

以下为分享全文：

大家好，我给大家分享的题目是《每个人的AI，Everyone's AI》。讲这个题目，跟我个人过去经历有关。当Hinton先生开始设计 AlexNet 之时，我是国内第一批从事深度学习研究的博士生；当AlphaGo人机大战上演，也是人工智能走进所有人视野之时，我在参与一家创业公司；而当ChatGPT出来的前一年，我们开始创立MiniMax，也是国内第一批大模型公司。

在过去的15年里，当我每天面对任务写代码，看论文做实验的时候，一直都在想一件事：如此受关注的人工智能到底是什么？人工智能跟这个社会到底有什么样的联系？

随着我们模型变得越来越好，我们发现人工智能正逐步成为社会的生产力。比如，我们在做人工智能研究的时候，每天需要分析大量的数据，一开始我们需要来写一些软件来分析这些数据，后续我们发现其实可以让 AI 来生成一个软件，来帮助分析所有数据。

作为一个研究员，我非常关心每天AI领域的所有进展，一开始我们设想，是不是可以做一款 app，来帮我们追踪各领域的进展？后面我们发现，这件事也不需要自己来做，让一个 AI Agent 来自动跟踪更加高效。

AI是更强的生产力，也是越来越强的创意。比如，15 年前上海举办世博会的时候，有一个非常火爆的吉祥物叫“海宝”。过去 15 年，上海有了全方位的发展，我们如果想继续用“海宝”IP生成一系列更具上海特色，符合时下潮流的衍生形象时，AI 可以做得更好。正如现场屏幕展示的，徐汇书院×海宝、武康大楼×海宝，AI 能一键直出，帮我们生成各种各样的创意形象。

再比如最近非常火的Labubu，此前制作一个Labubu创意视频，可能需要两个月，花费大约几十甚至百万人民币。通过越来越强的AI视频模型，像大屏幕右边展示的Labubu视频，基本一天时间就可以生成出来，成本只有几百块钱。

过去六个月，我们的视频模型海螺（Hailuo）已经在全世界生成超过3亿个视频。通过高质量的 AI 模型，互联网上的大部分内容与创意会变得越来越普及，低门槛让每个人的创意得以充分发挥。

除了释放生产力与创意之外，我们发现， AI 的使用其实已经超出最初的的设计与预期，各种各样想象不到的应用场景正在发生；比如解析一个古文字、模拟一次飞行、设计一个天文望远镜……这样意想不到的场景，随着模型能力越来越强，变得越来越可行；仅仅需要少量协作，就可以把每个人的想法变成现实。仅仅需要少量协作，就可以把每个人的想法变成现实。

面对这么多变化，一个想法开始在我的心里涌现出来：作为一个AI创业者，AI 公司并不是重新复制一个互联网公司，AI 是一个更基础更根本的生产力，是对个人能力和社会能力的持续增强。这里有两点比较关键：第一、AI是一种能力，第二是AI是可持续的。

人类很难突破生物定律，永不停歇学习新知识，持续变聪明，而AI可以。当我们在建造更好的 AI 模型时，我们也发现，AI 也在和我们人类一起进步，一起做出来更好的AI。就在我们公司内部，员工每天需要写很多代码，做很多研究型实验，这里边大概有 70% 的代码是 AI 来写，90% 数据分析是靠 AI 来做。

AI 怎么能变得越来越专业？大约在一年前，当时训练模型还需要大量的基础标注工作，标注员是一个不可或缺的工种。而今年，当 AI 能力变得越来越强的时候，大量机械的标注工作被专业AI完成，标注员则可以专注于更有价值的专家型工作，一起帮助模型变得更好。

标注工作也不再是简单给 AI一个答案，而是教会AI思考的过程，让AI来学习人类的思考过程，从而使AI能力变得更加泛化，越来越接近人类顶尖专家的水平。

除了通过专家来教 AI 之外，还有另外一种进步，就是在环境中大量学习。在过去半年，通过各种环境，从编程IDE，到 Agent 环境，再到游戏沙盒，当我们把 AI 放到一个能够持续提供可验证的奖励环境中学习，只要这个环境可以被定义出来，有明确的奖励信号，AI 就可以把问题给解决。这个强化学习也变得可持续，规模越来越大。

基于这些观察，我们有一个非常确定性的判断：AI 会变得越来越强，而且这种增强几乎是没有尽头的。

接下来出现的问题是，AI这么强，对社会的影响越来越大，那么AI到底会不会被垄断？它是会被掌握在一家组织里，还是掌握在多家组织里呢？

我们认为，AI领域一定会有多个玩家持续存在。原因有三点：第一，我们目前用到的所有模型，都依赖对齐（Model Alignment）。很明显，不同模型的对齐目标其实是不一样的，比如有的模型对齐目标是一个靠谱的程序员，那么做 Agent 就会特别的强；有的模型它对齐目标是与人的交互，那么它就会比较有情商，能够做流畅的对话；有的模型可能会充满想象力。不同的对齐目标反映了不同公司或者组织的价值观，这些价值观最终会导致模型的表现非常不一样，也会使得不同的模型拥有各自的特点，并且长期存在。

第二，我们在最近半年用的 AI 系统其实都已经不是单个模型了，而是一个多 Agent系统，里面涉及多个模型，不同的模型也可以使用不同的工具，通过这样的方式让AI智能水平越来越高，能够解决越来越复杂的问题。这个东西带来的结果是，单一模型的优势在这样一个多 Agent 系统里逐渐变弱。

第三，在过去半年，有很多非常智能的系统，都不是大公司所拥有的。背后的原因，是过去一年开源模型如雨后春笋般涌现，开源模型变得越来越有影响力。这张图是过去一年比较受关注 AI 的排行榜，可以发现最好的模型还是闭源的，但最好的开源模型越来越多，同时也在不断逼近最好的闭源模型。

基于这三点原因，我们认为， AI 一定会被掌握在多家公司的手中。

与此同时，我们认为 AI 一定会变得越来越普惠，使用成本也会变得更加可控。

在过去一年半， AI 模型的大小没有发生特别大的变化，即便我们可使用算力更多了。为什么呢？对所有实用模型而言，计算速度是一个比较关键的因素。如果模型计算速度特别慢，就会降低用户的使用意愿，所以所有公司都关注模型的参数量和智能水平之间的平衡。

此前，模型大小增长和芯片的进步速度基本上是成正比的。我们知道芯片的进步速度是每 18 个月会翻一倍，模型也会相应保持这样的增长趋势。而现在，虽然大家都有更多的算力了，模型参数却没有变得更大。那这些增长的算力花在哪呢？

首先说训练，规模增长的速度在过去半年已经变得比较缓慢，训练单个模型的成本实际上却没有显著增加。这些算力花在做更多的研究跟探索上。而我们知道研究和探索，除了取决于算力之外，还取决于高效的整体实验设计，高效的研发团队，以及一些天才的创意。

结果是，拥有非常多算力的公司和没拥有那么多算力的公司，在训练上其实的差异可能不会那么大。没有那么多算力的公司，可以通过持续提升自己的实验设计、提升思考能力和组织形式，让实验探索变得更加高效。

再说推理，在过去一年，最好模型的推理成本其实是降了一个数量级，通过大量的计算网络系统和优化算法，我们认为在接下来一两年之内，最好模型的推理成本可能还能再降低一个数量级。总结而言，我们认为训练单个模型的成本不会显著地增加。

我们认为，大量创新能让 AI 研发变成一个没有那么烧钱的行业，但是算力使用还会增加。尽管 T oken 会变得很便宜，但是使用 T oken 的数量会显著增加。去年ChatBot单个对话只要消耗几千个T oken，现在 Agent 单个对话可能消耗几百万个T oken，并且因为AI解决的问题越来越复杂，越来越实用，那么用的人也会越来越多。