7月26日消息，2025世界人工智能大會（WAIC）于今日在上海開幕。活動首日，MiniMax創始人、CEO

閆俊杰表示，隨著模型變得越來越好，人工智能正逐步成為社會的生產力。他透露，過去六個月，MiniMax的視頻模型海螺（Hailuo）已經在全世界生成超過3億個視頻。

閆俊杰認為，AI 會變得越來越強，而且這種增強幾乎是沒有盡頭的。且AI領域一定會有多個玩家持續存在。

以下為閆俊杰演講內容實錄（經網易科技整理）：

大家好，我給大家分享的題目是《每個人的AI，Everyone's AI》。講這個題目，跟我個人過去經歷有關。當Hinton先生開始設計 AlexNet 之時，我是國內第一批從事深度學習研究的博士生；當AlphaGo人機大戰上演，也是人工智能走進所有人視野之時，我在參與一家創業公司；而當ChatGPT出來的前一年，我們開始創立MiniMax，也是國內第一批大模型公司。

在過去的15年里，當我每天面對任務寫代碼，看論文做實驗的時候，一直都在想一件事：如此受關注的人工智能到底是什么？人工智能跟這個社會到底有什么樣的聯系？

隨著我們模型變得越來越好，我們發現人工智能正逐步成為社會的生產力。比如，我們在做人工智能研究的時候，每天需要分析大量的數據，一開始我們需要來寫一些軟件來分析這些數據，后續我們發現其實可以讓 AI 來生成一個軟件，來幫助分析所有數據。作為一個研究員， 我非常關心每天AI領域的所有進展，一開始我們設想，是不是可以做一款APP，來幫我們追蹤各領域的進展？后面我們發現，這件事也不需要自己來做，讓一個 AI Agent 來自動跟蹤更加高效。

AI是更強的生產力，也是越來越強的創意。比如，15年前上海舉辦世博會的時候，有一個非常火爆的吉祥物叫“海寶”。過去15年，上海有了全方位的發展，我們如果想繼續用“海寶”IP生成一系列更具上海特色，符合時下潮流的衍生形象時，AI 可以做得更好。正如現場屏幕展示的，徐匯書院×海寶、武康大樓×海寶，AI 能一鍵直出，幫我們生成各種各樣的創意形象。

再比如最近非常火的Labubu，此前制作一個Labubu創意視頻，可能需要兩個月，花費大約幾十甚至百萬人民幣。通過越來越強的AI視頻模型，像大屏幕右邊展示的Labubu視頻，基本一天時間就可以生成出來，成本只有幾百塊錢。

過去六個月，我們的視頻模型海螺（Hailuo）已經在全世界生成超過3億個視頻。通過高質量的 AI 模型，互聯網上的大部分內容與創意會變得越來越普及，低門檻讓每個人的創意得以充分發揮。

除了釋放生產力與創意之外，我們發現， AI 的使用其實已經超出最初的的設計與預期，各種各樣想象不到的應用場景正在發生；比如解析一個古文字、模擬一次飛行、設計一個天文望遠鏡……這樣意想不到的場景，隨著模型能力越來越強，變得越來越可行；僅僅需要少量協作，就可以把每個人的想法變成現實。僅僅需要少量協作，就可以把每個人的想法變成現實。

面對這么多變化，一個想法開始在我的心里涌現出來：作為一個AI創業者，AI 公司并不是重新復制一個互聯網公司，AI 是一個更基礎更根本的生產力，是對個人能力和社會能力的持續增強。這里有兩點比較關鍵：第一、AI是一種能力，第二是AI是可持續的。

人類很難突破生物定律，永不停歇學習新知識，持續變聰明，而AI可以。當我們在建造更好的 AI 模型時，我們也發現，AI 也在和我們人類一起進步，一起做出來更好的AI。就在我們公司內部，員工每天需要寫很多代碼，做很多研究型實驗，這里邊大概有70% 的代碼是 AI 來寫，90% 數據分析是靠 AI 來做。

AI 怎么能變得越來越專業？大約在一年前，當時訓練模型還需要大量的基礎標注工作，標注員是一個不可或缺的工種。而今年，當 AI 能力變得越來越強的時候，大量機械的標注工作被專業AI完成，標注員則可以專注于更有價值的專家型工作，一起幫助模型變得更好。標注工作也不再是簡單給 AI一個答案，而是教會AI思考的過程，讓AI來學習人類的思考過程，從而使AI能力變得更加泛化，越來越接近人類頂尖專家的水平。

除了通過專家來教 AI 之外，還有另外一種進步，就是在環境中大量學習。在過去半年， 通過各種環境，從編程IDE，到 Agent 環境， 再到游戲沙盒，當我們把 AI 放到一個能夠持續提供可驗證的獎勵環境中學習，只要這個環境可以被定義出來，有明確的獎勵信號，AI 就可以把問題給解決。這個強化學習也變得可持續，規模越來越大。

基于這些觀察，我們有一個非常確定性的判斷：AI 會變得越來越強，而且這種增強幾乎是沒有盡頭的。

接下來出現的問題是，AI這么強，對社會的影響越來越大，那么AI到底會不會被壟斷？它是會被掌握在一家組織里，還是掌握在多家組織里呢？

我們認為，AI領域一定會有多個玩家持續存在。原因有三點：第一，我們目前用到的所有模型，都依賴對齊（Model Alignment）。很明顯，不同模型的對齊目標其實是不一樣的，比如有的模型對齊目標是一個靠譜的程序員，那么做 Agent 就會特別的強；有的模型它對齊目標是與人的交互，那么它就會比較有情商， 能夠做流暢的對話；有的模型可能會充滿想象力。不同的對齊目標反映了不同公司或者組織的價值觀，這些價值觀最終會導致模型的表現非常不一樣，也會使得不同的模型擁有各自的特點，并且長期存在。

第二，我們在最近半年用的 AI 系統其實都已經不是單個模型了，而是一個多 Agent系統，里面涉及多個模型， 不同的模型也可以使用不同的工具，通過這樣的方式讓AI智能水平越來越高，能夠解決越來越復雜的問題。這個東西帶來的結果是，單一模型的優勢在這樣一個多 Agent 系統里逐漸變弱。

第三，在過去半年，有很多非常智能的系統，都不是大公司所擁有的。背后的原因，是過去一年開源模型如雨后春筍般涌現，開源模型變得越來越有影響力。這張圖是過去一年比較受關注 AI 的排行榜，可以發現最好的模型還是閉源的，但最好的開源模型越來越多，同時也在不斷逼近最好的閉源模型。

基于這三點原因，我們認為， AI 一定會被掌握在多家公司的手中。

與此同時，我們認為 AI 一定會變得越來越普惠，使用成本也會變得更加可控。

在過去一年半， AI 模型的大小沒有發生特別大的變化，即便我們可使用算力更多了。為什么呢？對所有實用模型而言，計算速度是一個比較關鍵的因素。如果模型計算速度特別慢，就會降低用戶的使用意愿，所以所有公司都關注模型的參數量和智能水平之間的平衡。

此前，模型大小增長和芯片的進步速度基本上是成正比的。我們知道芯片的進步速度是每18個月會翻一倍，模型也會相應保持這樣的增長趨勢。而現在，雖然大家都有更多的算力了，模型參數卻沒有變得更大。那這些增長的算力花在哪呢？

首先說訓練，規模增長的速度在過去半年已經變得比較緩慢，訓練單個模型的成本實際上卻沒有顯著增加。這些算力花在做更多的研究跟探索上。而我們知道研究和探索，除了取決于算力之外，還取決于高效的整體實驗設計，高效的研發團隊，以及一些天才的創意。結果是，擁有非常多算力的公司和沒擁有那么多算力的公司，在訓練上其實的差異可能不會那么大。沒有那么多算力的公司，可以通過持續提升自己的實驗設計、提升思考能力和組織形式，讓實驗探索變得更加高效。

再說推理，在過去一年，最好模型的推理成本其實是降了一個數量級，通過大量的計算網絡系統和優化算法，我們認為在接下來一兩年之內，最好模型的推理成本可能還能再降低一個數量級。總結而言，我們認為訓練單個模型的成本不會顯著地增加。

我們認為，大量創新能讓 AI 研發變成一個沒有那么燒錢的行業，但是算力使用還會增加。盡管 Token 會變得很便宜，但是使用 Token 的數量會顯著增加。去年ChatBot單個對話只要消耗幾千個Token，現在 Agent 單個對話可能消耗幾百萬個Token，并且因為AI解決的問題越來越復雜，越來越實用，那么用的人也會越來越多。

讓每個人都用得起AI，這是我們對 AI 發展的判斷。Intelligence with Everyone，這也是我們創業的初衷。我們認為 AGI一定會實現，并且一定會服務大眾、普惠大眾。

如果有一天 AGI 實現了，其過程一定是由做 AI 的公司們和他們的用戶一起來實現，并且這個 AGI 應該屬于多家AI 公司和它的廣泛用戶，而不是只屬于單個組織某家公司。

我們也愿意長期為這個目標而奮斗。感謝大家！