精彩觀點(diǎn)：

• 全球僅四家公司在三模態(tài)均達(dá)到領(lǐng)先水平：MiniMax是全球僅有的四家在語言、視頻、聲音三個(gè)模態(tài)都達(dá)到全球領(lǐng)先水平的公司之一，另外三家是OpenAI、谷歌和字節(jié)跳動。公司將80%以上資源投入模型層和基礎(chǔ)設(shè)施，模型本身才是核心產(chǎn)品，應(yīng)用只是展示窗口。未來競爭將是全模態(tài)融合，單模態(tài)公司將失去競爭力。
  
• 高效的研發(fā)組織和持續(xù)創(chuàng)新的能力才是關(guān)鍵：盡管市場以驚人的月度雙位數(shù)速度增長，但真正能在模型層持續(xù)發(fā)布全球領(lǐng)先產(chǎn)品的核心玩家數(shù)量在不斷減少。資源（算力、資金、人才）并非成功的唯一保證，高效的研發(fā)組織和持續(xù)創(chuàng)新的能力才是真正的壁壘。
  
• M2模型成為AI編程領(lǐng)域最大國產(chǎn)模型：今年10月MiniMax發(fā)布的M2語言模型是全球開源模型中真實(shí)token用量最大的AI編程模型，成為首個(gè)真正切入該領(lǐng)域的國產(chǎn)模型，用量相當(dāng)于其他所有國產(chǎn)模型總和。
  
• 每一塊錢買到更多智能：MiniMax從創(chuàng)立第一天就是全球化公司，所有產(chǎn)品均服務(wù)全球用戶，目前大部分商業(yè)化收入來自海外。核心戰(zhàn)略是與所有人共創(chuàng)智能，用更少資源做出更領(lǐng)先的模型和創(chuàng)新，提供更高的"per dollar intelligence"（每塊錢的智能水平）。
  
• Agent智能體已成為內(nèi)部HR和財(cái)務(wù)數(shù)字同事：公司推出的Agent智能體產(chǎn)品在調(diào)研寫報(bào)告等任務(wù)上已超越普通實(shí)習(xí)生水平，內(nèi)部HR、財(cái)務(wù)、商務(wù)分析等部門已高度依賴該數(shù)字同事，未來可自主完成簡歷篩選、聯(lián)系候選人甚至面試等工作。
  
• 與海外技術(shù)接近但估值差兩個(gè)數(shù)量級：MiniMax等國內(nèi)大模型公司在技術(shù)上已接近甚至在某些領(lǐng)域超越美國同行，且差距持續(xù)縮小，但估值仍相差兩個(gè)數(shù)量級。比如谷歌、OpenAI、Anthropic和xAI。這些公司估值可能是中國公司的100倍，但是技術(shù)就領(lǐng)先5%，投入可能在50至100倍之間。相比之下，國內(nèi)公司研發(fā)效率更高但被嚴(yán)重低估。
  

12月20日，MiniMax稀宇科技副總裁薛子釗做客由華爾街見聞和中歐國際工商學(xué)院聯(lián)合主辦的「Alpha峰會」，薛子釗不僅復(fù)盤了MiniMax成立四年來的心路歷程，更直言AI大模型行業(yè)與我們熟悉的移動互聯(lián)網(wǎng)有著本質(zhì)區(qū)別，傳統(tǒng)的“流量思維”和“大力出奇跡”在這里可能并不奏效。

這位曾在高瓴資本任職的資深投資人，如今作為AI行業(yè)的親歷者，強(qiáng)調(diào)大模型行業(yè)的市場空間完全取決于“模型的智能水平”，每一次智能的跳變都會瞬間解鎖全新的市場。然而，盡管市場在高速膨脹，真正能留在牌桌上的玩家卻在急劇減少。

薛子釗指出大模型更像是一項(xiàng)“造芯片、造火箭一樣的系統(tǒng)工程”，單純靠堆砌資金和挖人，并不能保證成功。

未來AI將從“昂貴的玩具”變成普惠的工具。正如MiniMax所追求的“per dollar intelligence”（每一美元能買到的智能），誰能用更高效的研發(fā)效率做出拓展行業(yè)邊界的創(chuàng)新，誰就能定義下一個(gè)時(shí)代。

在這場沒有硝煙的戰(zhàn)爭中，技術(shù)的迭代速度將決定生死，而無論是巨頭還是創(chuàng)業(yè)者，稍有停歇，就可能被時(shí)代拋下。

以下是華爾街見聞?wù)淼木A內(nèi)容：

各位好，非常榮幸有機(jī)會與大家分享我們在行業(yè)中看到的動向與進(jìn)展，包括公司成立四年以來取得的一些階段性成果。

首先，這個(gè)標(biāo)題是我們的 slogan，叫做“與所有人共創(chuàng)智能”。這句話其實(shí)影響了我們后續(xù)很多商業(yè)決策和戰(zhàn)略，包括我們希望成為一家什么樣的公司，我們的模型理念和產(chǎn)品理念是什么，這些我后面會展開介紹。

AI行業(yè)反直覺的兩大特點(diǎn)

在介紹公司之前，我想分享這個(gè)行業(yè)兩個(gè)非常不同的特點(diǎn)�？赡芎驮谧S多有金融投資背景的朋友以往看到過的行業(yè)，包括大家最熟悉的互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)行業(yè)，都有所不同，甚至有些反直覺。

第一個(gè)特點(diǎn)是，這個(gè)行業(yè)的市場空間只有一個(gè)核心驅(qū)動因素，就是模型的智能水平。模型的智能水平隨著模型的發(fā)布而不斷提升，并且這種提升通常不是連續(xù)性的。

例如，回想三年前的 GPT-3.5，經(jīng)過半年時(shí)間，GPT-4 發(fā)布，其水平就實(shí)現(xiàn)了一次躍升。每次這樣的躍升，都會解鎖更多新的應(yīng)用場景和用途。許多此前被認(rèn)為模型無法勝任的場景，隨著智能水平的躍升就變得可行了。

這意味著，每解鎖一次，就會有更大的市場空間和可觸達(dá)的市場被劃歸到大模型能夠服務(wù)的范圍。而這種向上的躍升在發(fā)生之前，往往難以預(yù)料，每一次都像是一個(gè)驚喜的意外。

我舉幾個(gè)例子大家可能會更有體會。一個(gè)最近的例子是谷歌的Nano Banana圖像生成模型，用戶可以通過文字生成圖片并與之多輪互動。在這個(gè)模型發(fā)布之前，業(yè)內(nèi)最好的圖片模型是 Midjourney。用戶輸入一段文字，它能生成非常精美的圖片，在多數(shù)場景下已難辨真假。

在Nano Banana發(fā)布前，人們對于更好的圖像生成模型的想象，可能是像素更高、審美更專業(yè)、細(xì)節(jié)更豐富。但一兩個(gè)月前Nano Banana發(fā)布后，大家突然發(fā)現(xiàn)，它生成的圖片似乎能理解世界的知識。例如，讓它生成一個(gè)幻燈片投影儀的內(nèi)部結(jié)構(gòu)，它就能做出像教學(xué)課件一樣的內(nèi)容，圖片中的文字和物體具有其物理含義。

這個(gè)模型發(fā)布后，大家突然發(fā)現(xiàn)可以用它來做 PPT。你只需輸入想表達(dá)的內(nèi)容，它就能直接生成一張完整的 PPT 頁面，其中包含有邏輯、有物理關(guān)系的圖文內(nèi)容。這種對于世界知識的理解能力，在模型發(fā)布前是大家根本想不到的。

在這個(gè)行業(yè)，我們經(jīng)常發(fā)現(xiàn)這樣的循環(huán)：每一次模型智能水平的提升，都會解鎖更多場景；這些新場景會為模型公司帶來更多的下游市場和商業(yè)化收入；這些收入又可以投入到下一代模型的研發(fā)中，從而推動模型智能水平持續(xù)攀升。這種飛輪或閉環(huán)效應(yīng)在這個(gè)行業(yè)是非常獨(dú)特的。

再舉一個(gè)例子，比如 SaaS 軟件。去年，如果我們看二級市場的 SaaS 軟件公司，他們大多宣稱自己是 AI 的受益者，會講述如何利用模型提升軟件效率。那些在應(yīng)用模型上取得一些成果的公司，交易倍數(shù)通常也很高。

但到了今年，情況發(fā)生了變化。模型的智能水平從具備一定推理能力的 L2 級別，上升到了接近智能體水平的 L3 級別。其區(qū)別在于，模型現(xiàn)在能夠自主規(guī)劃并執(zhí)行較為復(fù)雜的任務(wù)。

于是大家突然發(fā)現(xiàn)，過去幾十年沉淀下來的許多軟件工作流程，模型似乎可以自主完成。例如，在人力資源管理軟件中，那些以往需要固化成固定代碼流程的功能，現(xiàn)在模型可以通過自主識別、泛化理解任務(wù)目標(biāo)，并運(yùn)用編程能力來解決，仿佛不再需要固化的軟件流程。

今年在二級市場大家也看到了，從年初開始，正是因?yàn)槟Ｐ椭悄芩降纳仙@些 SaaS 軟件公司似乎從 AI 大模型的受益者，變成了可能被大模型取代的風(fēng)險(xiǎn)對象，因此它們的交易倍數(shù)下降了很多。同時(shí)，這部分 SaaS 軟件市場也瞬間被劃歸到了大模型的市場份額之中。

這其實(shí)是不斷在發(fā)生的例子。我再舉一個(gè)多模態(tài)的例子，我們的海螺視頻生成模型，也是當(dāng)前全球用量最大的模型之一。在視頻生成模型剛推出時(shí)，大家可能覺得只能做一些簡單粗糙的視頻素材生成。

但今年，隨著模型智能水平的提升，我們看到非常多專業(yè)用戶開始使用。例如，國內(nèi)短劇行業(yè)非常發(fā)達(dá)，短劇制作公司非常在意成本和制作投入的 ROI，他們就會用 AI 生成來輔助制作短劇。在廣告行業(yè)，比如奔馳以前推出一款車型，會制作預(yù)算高達(dá)幾百萬美金的大片級廣告片�，F(xiàn)在，通過結(jié)合 AI 的方式，用同樣的預(yù)算可能制作出十個(gè)、一百個(gè)同等質(zhì)量的宣傳片，今年廣告行業(yè)的 AI 滲透也非�？�。

下一步的滲透，都將隨著模型智能水平的提升而進(jìn)行。我們在圖片領(lǐng)域已經(jīng)看到了：現(xiàn)在，你可能不再需要一位精通 Photoshop 的專業(yè)人士。你直接與圖片生成模型對話，用自然語言描述需要修改哪里，它可能比以往任何一代最專業(yè)的修圖師都修得更好。

當(dāng)模型的智能水平達(dá)到這種程度并解鎖該場景后，這部分市場就被劃歸到了大模型的市場。

這與大家看到的許多行業(yè)的驅(qū)動力有本質(zhì)區(qū)別。

我們熟悉的移動互聯(lián)網(wǎng)，常常講數(shù)據(jù)的飛輪：有更多數(shù)據(jù)就更懂用戶，推薦算法就更精準(zhǔn)，用戶體驗(yàn)更好，留存更高，然后又能獲得更多數(shù)據(jù)。這是移動互聯(lián)網(wǎng)推薦引擎的閉環(huán)。

但在這個(gè)行業(yè)，情況完全不同。我們看到基本上每三個(gè)月到半年，大家就會突然眼前一亮，模型的智能水平又上了一個(gè)臺階，從而解鎖出更多的場景。

這個(gè)行業(yè)現(xiàn)在增長很快。根據(jù)一些統(tǒng)計(jì)數(shù)字，其年化收入目前接近三百億美金——這是此時(shí)此刻，全球頭部模型層公司收入的總和。

它的增速狀態(tài)是：本月與上月相比，保持著雙位數(shù)的增長。這個(gè)數(shù)字很驚人，意味著每月增長約百分之十，即一年增長約一點(diǎn)一的十二次方。這是非�？膳碌脑鏊�。通常，增速如此快的行業(yè)會吸引越來越多的公司參與競爭，因?yàn)槊磕甑脑隽慷紩笥谌ツ甑拇媪俊?/p>

但這個(gè)行業(yè)的第二個(gè)非常不同之處在于：我們看到，真正參與模型層競爭、能持續(xù)發(fā)布全球領(lǐng)先模型的公司數(shù)量并沒有變多，而是從三年前到現(xiàn)在持續(xù)在減少。目前全球大概只有十家左右。

放到國內(nèi)語境，幫大家回顧一下：在二二年十一月 OpenAI 發(fā)布 ChatGPT 后，過了一個(gè)春節(jié)，到二三年年初，這變成了國內(nèi)關(guān)注度最高的行業(yè)。二三年年中，有非常多的公司宣稱要做大模型。那時(shí)有個(gè)詞叫“百模大戰(zhàn)”，類似于若干年前的百團(tuán)大戰(zhàn)。

但到了二四年，我相信大家已經(jīng)聽不到這個(gè)詞了。二四年，我們的同行發(fā)明了一個(gè)詞叫“五小龍”還是“六小龍”，即從一百家變成了個(gè)位數(shù)。因?yàn)楹芏嗉曳艞壛嘶Ｐ偷某掷m(xù)研發(fā)，今年又進(jìn)一步淘汰。這是國內(nèi)大家能切身感受到的，真正參與領(lǐng)先模型發(fā)布的玩家在減少的趨勢。

海外也是如此。我舉個(gè)海外大廠的例子可能比較有體感。兩年前，Llama 1、Llama 2 是公認(rèn)的全球最好的開源語言模型。但從Llama 3 開始，可能就不算第一梯隊(duì)了。到了 Llama 4 甚至更差�，F(xiàn)在，它的開源模型其實(shí)已經(jīng)沒什么人用了。

因此，今年三四月份，馬克·扎克伯格花了幾億美金，以天價(jià)從谷歌、OpenAI 挖人，組成了一個(gè)新的團(tuán)隊(duì)，收購了Alexandr Wang的Scale AI。組建這個(gè)團(tuán)隊(duì)后，我們作為業(yè)內(nèi)人，其實(shí)一直覺得不太對——大模型肯定不是這么做出來的。

但仍然有很多人認(rèn)為，重組后的團(tuán)隊(duì)都是最精英的，應(yīng)該沒問題�，F(xiàn)在半年過去了，大家可能也看到很多報(bào)道，這個(gè)團(tuán)隊(duì)仍然什么都沒做出來，而且非�；靵y，有很多公開新聞描述其內(nèi)部如何混亂。

讀完這些文章，大家會有兩個(gè)很好的理解：

• 第一，大模型研發(fā)是一個(gè)類似于造芯片、造火箭的系統(tǒng)工程，不是單點(diǎn)的算法創(chuàng)新。每一代模型可能需要做一千個(gè)決策，如果你能做對其中八百個(gè)，模型最終會不錯(cuò)；但如果只做對五百個(gè)，即使投入大量算力成本訓(xùn)練出來，結(jié)果也會很差。
  
• 第二，大家可能會更理解，在一個(gè)大廠組織里，如果存在很多摩擦，如果一號位并非真正懂大模型技術(shù)，中間會發(fā)生什么樣的組織損耗。
  

你說他們沒有資源嗎？它的集群比任何一家中國公司，包括中國大廠的都要大、要多；它花的錢、招的人都是全球最好的。但即便如此，也并不一定能保證它在這個(gè)行業(yè)做出領(lǐng)先的模型。

還有很多其他例子，比如另一個(gè)投資了OpenAI的海外大廠，但自己也有一個(gè)內(nèi)部的AI團(tuán)隊(duì)在做自研模型，但到現(xiàn)在為止，還沒有任何人知道他們做出了什么，即始終沒有發(fā)布過領(lǐng)先的模型。包括另一個(gè)投資了 Anthropic的大廠，同時(shí)自己也有一個(gè)自研模型團(tuán)隊(duì)，花了非常多的資源和資金，也始終沒有做出來。

這么多數(shù)據(jù)點(diǎn)讓大家看到的是，這個(gè)行業(yè)真正的壁壘并非簡單地?fù)碛写罅咳瞬呕螨嫶蟮乃懔骸?strong>真正的壁壘在于，你能否持續(xù)做出創(chuàng)新，拓展行業(yè)的邊界？而不是簡單地把其他公司的人挖過來做復(fù)現(xiàn)。

因?yàn)檫@個(gè)行業(yè)的模型智能水平提升非常快，每三到六個(gè)月就會躍升一大截。因?yàn)檫@個(gè)行業(yè)每年的增量都比歷史的存量要大，所以你必須不斷向前創(chuàng)新、拓展行業(yè)邊界，才可能在這個(gè)行業(yè)留有一席之地。

比如，Meta即使把OpenAI的人全挖來，過半年做出了 OpenAI 半年前的東西，其實(shí)也已經(jīng)沒用了，因?yàn)檫@個(gè)行業(yè)已經(jīng)往前走了很多。

所以，這是我們看到的這個(gè)行業(yè)真正的壁壘：如何讓一個(gè)至少百人規(guī)模的研發(fā)組織高效配合，持續(xù)跟上甚至超過行業(yè)模型迭代的速度，持續(xù)做出創(chuàng)新。這也是為什么，盡管行業(yè)發(fā)展非常快，月度環(huán)比增速是雙位數(shù)，但反而留在模型層的玩家數(shù)量卻越來越少。

我舉個(gè)例子，就是如果你發(fā)布一次模型失敗了，可能沒關(guān)系。但如果你在一年到一年半的時(shí)間里，每次發(fā)布的模型甚至還不如開源模型，那會發(fā)生什么？這個(gè)團(tuán)隊(duì)里最頂尖的人才會立刻流向其他公司，因?yàn)樵谶@個(gè)行業(yè)，頂尖人才非常搶手。頂尖人才走后，次頂尖的人才也會走。然后，整個(gè)團(tuán)隊(duì)的研發(fā)凝聚力、信心和士氣就散掉了。士氣散掉后，其實(shí)很難再回到原來的狀態(tài)。

這是前面想跟大家介紹的，與大家傳統(tǒng)認(rèn)知中各個(gè)行業(yè)都不同的兩點(diǎn)：市場在飛速地、跳躍式地變大；同時(shí)，真正在模型層持續(xù)發(fā)布過全球領(lǐng)先模型的公司反而在變少；并且，大廠有資源并不一定就能留在牌桌上。

關(guān)于我們公司：從第一天的構(gòu)想到四年來的實(shí)踐

接下來回到我們公司。這張圖非常有意思，是我們公司成立第一天，創(chuàng)始人在白板上寫下的，相當(dāng)于我們的商業(yè)計(jì)劃書。我先介紹其中的幾點(diǎn)內(nèi)容。

這個(gè)時(shí)間點(diǎn)是四年以前，那時(shí)還沒有 OpenAI 發(fā)布 ChatGPT，是 ChatGPT 誕生一年以前。當(dāng)時(shí)我們的創(chuàng)始人閆俊杰（我們一般叫他花名 IO，即 Input/Output），他當(dāng)時(shí)看到的一個(gè)核心點(diǎn)就是圖中的第一點(diǎn)：雖然那時(shí)還沒有 ChatGPT，但我們看到通用模型可能迎來爆發(fā)點(diǎn)。這里說的“下一代 AI”，其“上一代 AI”是指什么呢？

我們的創(chuàng)始人 IO 之前一直從事圖像、視覺相關(guān)的“上一代 AI”，其特點(diǎn)是每遇到一個(gè)新的客戶、一個(gè)新的場景，都需要在這個(gè)場景里訓(xùn)練一個(gè)專用模型，因此邊際成本很高，且難以規(guī)�；Ｄ悴豢赡芊⻊�(wù)到每一個(gè)終端用戶，因?yàn)榇蠹覉鼍安煌夹枰槍鼍爸匦掠?xùn)練模型。

但在四年前，我們非常前瞻地看到，通用模型可能即將到達(dá)工業(yè)化可用的拐點(diǎn)。這是我們第一天開始創(chuàng)業(yè)的核心判斷：模型將從“幾萬個(gè)模型服務(wù)幾萬個(gè)場景”，轉(zhuǎn)變?yōu)椤耙粋�(gè)通用模型服務(wù)所有場景”。這是我們看到的第一點(diǎn)。

第二點(diǎn)，我們把通用人工智能定義為可以接近通過圖靈測試的智能體。Agent 這個(gè)概念后來被全球行業(yè)廣泛使用，其實(shí)我們是非常早提出的。這背后隱含的含義是，我們認(rèn)為通用人工智能應(yīng)該實(shí)現(xiàn)的方向，一定是全模態(tài)交互的——不僅僅是語言交互，還包括視覺和聲音。

所以，我們從第一天就在做三個(gè)模態(tài)的大模型：大家最熟悉的大語言模型、視覺相關(guān)模型和聲音相關(guān)模型。因?yàn)樗腥伺c人的交互其實(shí)都可以拆解成這三個(gè)模態(tài)。例如，我們能看到的所有內(nèi)容，都可以拆解成這三種模態(tài)。只要在這三個(gè)模態(tài)中都實(shí)現(xiàn)了通用人工智能，組合在一起就是一個(gè)可以通過圖靈測試的智能體。

這是我們當(dāng)時(shí)在第一天就堅(jiān)持的第二個(gè)理念和目標(biāo)：我們不是只做語言模型，而是要做三個(gè)模態(tài)都實(shí)現(xiàn)通用智能的模型。

后面還有一些我們對于行業(yè)的理解。例如，圖中打了三個(gè)星號的“系統(tǒng)工程”這個(gè)詞剛才也介紹了，它不是單點(diǎn)的創(chuàng)新。因?yàn)樵诙荒甑字暗纳弦淮?AI，所有研發(fā)范式是我需要非常多的算法專家，研發(fā)組織按算法分組。但這一代完全反過來了：我們只有幾個(gè)算法模型，比如公司只有三個(gè)模態(tài)的模型，也就是三個(gè)通用模型；同時(shí)，也不需要通用的技術(shù)中臺，這里的基礎(chǔ)設(shè)施變成了專門服務(wù)于這幾個(gè)模型的專用基礎(chǔ)設(shè)施。

這個(gè)過程更像是造火箭和造芯片，需要一位總工程師或一號位，對每一個(gè)模塊、端到端的技術(shù)細(xì)節(jié)都有深入理解。

此外，當(dāng)時(shí)我們也設(shè)想了一些模型，比如不同智能程度從 L1 到 L4 的變化，以及產(chǎn)品形態(tài)從閑聊到目標(biāo)導(dǎo)向的演進(jìn)。閑聊就是我們推出的第一款娛樂性產(chǎn)品“Talkie /星野”，而目標(biāo)導(dǎo)向就是我們現(xiàn)在的智能體產(chǎn)品。

所以，整體來看，這個(gè)行業(yè)的一些關(guān)鍵時(shí)間點(diǎn)判斷、技術(shù)路線和產(chǎn)品形態(tài)，我們在第一天就寫在了白板上，后來驗(yàn)證都是正確的。我們也是整個(gè)亞洲最早成立的專注做大模型的公司。

后面發(fā)生的事情是，過了一年后，OpenAI 發(fā)布了 ChatGPT，這個(gè)行業(yè)變得人盡皆知、非�；馃帷Ｐ袠I(yè)的關(guān)注度和增速確實(shí)比我們四年前想的要快很多。我也非常幸運(yùn)，當(dāng)時(shí)也在場，但是在桌子的另一邊——我之前一直是做投資的，來自高瓴。高瓴是我們的天使投資人，也是前幾輪的持續(xù)投資人，后來我選擇加入了公司。

我們的產(chǎn)品與業(yè)務(wù)：以模型為核心

現(xiàn)在介紹我們公司的產(chǎn)品和業(yè)務(wù)，其實(shí)非常好理解。

三個(gè)模態(tài)的大模型就是我們核心的產(chǎn)品，即底層的模型層：大家熟悉的語言模型、視頻生成與圖像生成模型，以及聲音相關(guān)的語音和音樂模型，還有支持這些模型訓(xùn)練和推理的平臺。在模型和基礎(chǔ)設(shè)施層，我們投入了超過百分之八十的公司資源。模型層之上是我們的產(chǎn)品層。

產(chǎn)品層，我們開發(fā)了一系列面向全球 C 端、B 端和開發(fā)者的全球化產(chǎn)品，有幾個(gè)方向，后面會仔細(xì)介紹。正如我在開頭講的，這個(gè)行業(yè)很大的不同是，我們發(fā)現(xiàn)無論你做任何大模型驅(qū)動的產(chǎn)品，主要的用戶體驗(yàn)其實(shí)都來自于模型本身。所以對我們來說，這些產(chǎn)品具體長什么樣并沒有那么重要。

在我們公司有一句話：我們的核心產(chǎn)品其實(shí)是這些模型，而大家傳統(tǒng)意義上理解的產(chǎn)品，比如海螺、星野、我們的智能體 Agent、To B 的開放平臺，都只是將我們的模型打包集成、面向不同用戶群體的渠道或窗口。真正為客戶、用戶提供價(jià)值的，是我們的底層模型本身。

下面從模型層快速回顧一下我們過去四年的進(jìn)展。

第一年，2022 年，在 ChatGPT 發(fā)布前，我們就已經(jīng)有了自己的大語言模型。

兩年前，2023 年，我們的語音模型實(shí)現(xiàn)了從文字生成語音的突破。其技術(shù)表現(xiàn)先做到了國內(nèi)第一，后面做到了全球第一。我相信大家日常生活中肯定接觸過由我們語音模型驅(qū)動的聲音。舉個(gè)例子，大家用的各種智能硬件，包括智能音箱、各種 AR/VR 眼鏡、AI玩具，大概率都由我們模型驅(qū)動。

再比如，電商直播里的虛擬主播，很多聲音也是我們提供的。當(dāng)然，抖音會用字節(jié)的模型�；旧显诼曇暨@個(gè)賽道，我們在國內(nèi)和字節(jié)加起來幾乎等于全市場。例如，有聲書方面，字節(jié)的番茄小說會用其自有模型，但除此之外的大部分有聲書產(chǎn)品，都接入了我們的語音模型。

現(xiàn)在，以前專門做讀書的創(chuàng)作者，只需將其音色復(fù)刻下來，就不再需要花幾十個(gè)小時(shí)去朗讀，只需幾分鐘就能用其語音逼真地讀出來。大家如果聽書，現(xiàn)在大部分內(nèi)容應(yīng)該都是由我們模型生成的，但大家是聽不出來的。這是我們兩年前在聲音模態(tài)實(shí)現(xiàn)的階段性成就。

去年，在視頻生成模態(tài)，我們的海螺模型也做到了全球用量非常領(lǐng)先，處于數(shù)一數(shù)二的狀態(tài)。去年八月，實(shí)際上可能更早，去年二月過年時(shí)，大家一定對 OpenAI 發(fā)布的 Sora 演示視頻有印象——一位穿紅裙子的女士在東京街頭行走。

那時(shí)是 2024 年 2 月，它只發(fā)布了演示，模型并未開放使用。我們則在去年八月底發(fā)布了海螺模型，公開可用，所有人通過簡單提示詞即可生成視頻。發(fā)布后，我們沒有任何投放推廣，但很快通過口碑在全球各大平臺傳播開來，迅速成為該賽道最大的視頻生成平臺之一。

我們的產(chǎn)品“海螺”第一個(gè)月甚至沒有英文界面，是一個(gè)中文網(wǎng)站，但海外用戶通過瀏覽器翻譯使用，因?yàn)楫?dāng)時(shí)模型效果排在第一位。到現(xiàn)在，我們的模型與谷歌的 Veo 3、OpenAI的Sora2一起，被公認(rèn)為模型性能最好的幾個(gè)第一梯隊(duì)模型。這是我們?nèi)ツ陮?shí)現(xiàn)的第二個(gè)模態(tài)的突破。

今年，在第三個(gè)模態(tài)——語言模型上，我們也實(shí)現(xiàn)了很大突破。目前我們的新語言模型叫 M2，是全球所有開源模型中，在編程和智能體等場景真實(shí) token 用量最大的語言模型。雖然它名字叫 M2，聽起來是第二代，但若從 2022 年第一版語言模型算起，它是我們內(nèi)部迭代的第八或第九代模型。

今年十月發(fā)布后，我們收到了非常好的國際反響。回過頭看，我們每一年在一個(gè)模態(tài)上都實(shí)現(xiàn)了一個(gè)新的突破，在技術(shù)和模型用量上都做到了全球第一梯隊(duì)。我們也希望未來每一年都能持續(xù)上一個(gè)臺階。

有一些量化的數(shù)據(jù)可以介紹：例如視頻生成，我們每天生成接近兩百萬條視頻。這是什么概念？谷歌的 Veo 在上次財(cái)報(bào)時(shí)發(fā)布過數(shù)據(jù)，其模型每天生成一百多萬條視頻。所以至少在上個(gè)季度，我們每天生成的視頻量是超過谷歌 Veo 的。

另一個(gè)視角是，國內(nèi)大家常用的小紅書，日活躍用戶超過一億，它每天的視頻和圖像新增投稿量是千萬級別。而我們一個(gè)平臺的生成量已達(dá)兩百萬級別，可見滲透率在快速增長。

關(guān)于語言模型，我多說兩句，這個(gè)突破我們也非常開心。在大眾用戶最熟悉的場景，如海外的 ChatGPT、國內(nèi)的豆包或 DeepSeek 這類閑聊對話機(jī)器人，我們是不做這個(gè)產(chǎn)品的。因?yàn)檫@個(gè)產(chǎn)品在國內(nèi)以免費(fèi)為主，我們作為創(chuàng)業(yè)公司，認(rèn)為這個(gè)產(chǎn)品更適合大廠來做。

我們的語言模型主攻的是語言市場中商業(yè)化收入最大的下游——AI 輔助編程和支持自主決策的智能體。這個(gè)下游在兩個(gè)月前幾乎 100% 由美國公司壟斷，其中份額最大的是一家叫 Anthropic 的公司。

如果大家關(guān)注投資，可以搜索它每年的收入和估值增速，它是全球歷史上收入增長最快的軟件公司之一。它今年一月的年化收入是十億美金，到十月時(shí)已達(dá)七十億美金，十個(gè)月翻了七倍。在語言模型市場，目前超過一半的下游是編程相關(guān)場景，而該場景又由 Anthropic 壟斷。

歷史上，從來沒有一個(gè)國產(chǎn)模型或開源模型真正切入 AI 編程場景。大家可能最熟悉的國產(chǎn)語言模型是 DeepSeek，它今年的突破主要是在對話問答場景。而編程這個(gè)最能商業(yè)化的場景，之前沒有國產(chǎn)模型能切入。

我們的 M2 模型在十月底發(fā)布后，迅速成為全球編程 AI 領(lǐng)域用量最多的國產(chǎn)模型，目前用量份額排到第三名。這不是榜單打榜的分?jǐn)?shù)，而是真實(shí)的 token 用量。我們現(xiàn)在是國產(chǎn)模型中用量最大的，基本相當(dāng)于其他國產(chǎn)模型用量的總和。

當(dāng)然，排在前面的還是兩個(gè)美國模型。同時(shí)，看我們的下游應(yīng)用，也都是編程軟件場景。我們做個(gè)小小預(yù)告，未來很快也會發(fā)布 M2 模型的一個(gè)更新版。這是我們在語言模型上最新的突破。

視頻模型從去年開始一直非常領(lǐng)先，這里就不多說了，非常直觀。和大家分享一個(gè)一分鐘的短片，它完全是由我們今年六月發(fā)布的第二代模型生成的。生成時(shí)的提示詞都是文字，我們也把提示詞列在了底部供參考。

這個(gè)短片是我們內(nèi)部兩位 AI 藝術(shù)家花了一天半時(shí)間，通過文生視頻生成兩百個(gè)六到十二秒的小片段，從中挑選出好的片段拼接而成的作品。像剛才最后兩個(gè)鏡頭——馬戲團(tuán)和小丑化為灰塵消失的特效鏡頭，如果使用上一代計(jì)算機(jī)視覺建模技術(shù)制作，僅這兩個(gè)鏡頭的成本可能就要小幾十萬，而且非常耗時(shí)，因?yàn)樾枰粠粠剡M(jìn)行 3D 建模和粒子效果調(diào)整�，F(xiàn)在通過 AI 生成，可以更快迭代、更低成本地制作出高質(zhì)量內(nèi)容。

接下來是聲音模型。剛才我也介紹了一些應(yīng)用場景，現(xiàn)在聽起來已經(jīng)非常自然。我們的模型是統(tǒng)一的底層模型，無論什么語言、音色或場景，你只需要輸入不同的語音提示詞，它就可以進(jìn)行克隆或模仿。

類似的，能說話就能唱歌，所以我們的音樂模型可以輸入歌詞生成完整歌曲。當(dāng)然，歌詞也可以通過我們的語言模型來創(chuàng)作。比如，你想把今天下午在上海中歐商學(xué)院的感想變成一首歌，它可以先幫你寫成歌詞，再生成歌曲。

我相信有些人可能注意到了，我們這些推廣模型的演示視頻本身，也是由我們的海螺視頻模型生成的。

我們的核心競爭力與未來愿景

最后，我想再補(bǔ)充兩點(diǎn)。

我們剛才介紹了一些模型在全球的進(jìn)展和突破。我們是一家獨(dú)立的創(chuàng)業(yè)公司，每年消耗的資源，主要是訓(xùn)練算力，與美國這個(gè)行業(yè)最大的公司，如 OpenAI，相差兩個(gè)數(shù)量級；與國內(nèi)同樣在每個(gè)模態(tài)都有模型的字節(jié)相比，我們的資源消耗也小于一個(gè)數(shù)量級。

這就是創(chuàng)業(yè)公司存在的核心意義：我們的研發(fā)效率和資金使用效率更高，不斷做創(chuàng)新，能用更少的資源做出更領(lǐng)先、迭代更快的模型。這是我們核心的競爭能力和組織能力。

最近也有很多討論，為什么感覺模型差距在不斷接近，但估值還差兩個(gè)數(shù)量級？我相信大部分人稍加研究，都能得出結(jié)論：包括我們在內(nèi)的國內(nèi)模型公司，其價(jià)值是被嚴(yán)重低估的。

最后介紹一下商業(yè)化。我們從第一天就是一家全球化運(yùn)營的公司，每一個(gè)產(chǎn)品，包括海螺視頻生成、面向企業(yè)和開發(fā)者的開放平臺、陪伴類產(chǎn)品Talkie/星野，都服務(wù)于全球用戶。目前，大部分商業(yè)化收入也來自全球。

這些產(chǎn)品我就不一一展開了，如果大家感興趣，歡迎到我們的官網(wǎng)體驗(yàn)，每個(gè)產(chǎn)品都有獨(dú)立鏈接。

這里我最推薦的是我們的新產(chǎn)品 Agent（智能體），因?yàn)槲覀�(gè)人是日活用戶。我用它做調(diào)研、寫報(bào)告，現(xiàn)在的完成度、思考深度和速度，肯定比一個(gè)普通實(shí)習(xí)生要好很多。這是我們新的智能體產(chǎn)品。

未來，我們相信它能成為我們的數(shù)字同事。我們內(nèi)部，HR、財(cái)務(wù)和商務(wù)分析已經(jīng)非常多使用我們的Agent同事，它能自主規(guī)劃任務(wù)，在虛擬環(huán)境中操作電腦，例如幫助 HR 查找簡歷、跟蹤聯(lián)系等。到明年，甚至可能自主進(jìn)行面試。

最后，再跟大家回顧一下前面的觀點(diǎn)：首先，競爭留在牌桌上的玩家確實(shí)越來越少；其次，我們越來越看到，真正全模態(tài)的價(jià)值正被越來越多的人所欣賞。未來一定不是單模態(tài)的，一定是語言、視頻、聲音越來越融合。

我們也是全球?yàn)閿?shù)不多的、僅有的四家公司之一，能在每個(gè)模態(tài)都做出全球領(lǐng)先的模型。目前在這個(gè)類別中，只有四家公司：兩家美國公司 OpenAI 和谷歌，兩家中國公司我們和字節(jié)。

我們相信，基于我們的研發(fā)效率、研發(fā)創(chuàng)新能力和每個(gè)模態(tài)模型的競爭力，我們可以在全球提供更好的“per dollar intelligence”，即每一塊錢能買到的智能水平，真正將大模型從一個(gè)服務(wù)少數(shù)人、價(jià)格昂貴的東西，變成能服務(wù)普羅大眾的產(chǎn)品。這符合我們的愿景——“與所有人共創(chuàng)智能”的行業(yè)發(fā)展趨勢。

這些是我今天想跟大家分享的內(nèi)容，謝謝。