MiniMax 创始人闫俊杰很少接受长篇采访。11 月 3 日，他出现在 Scottish Mortgage 的播客《Invest in Progress》里。这是他第一次接受英文播客采访，也是 MiniMax 今年 1 月登陆港交所后，一次少见的创始人公开表达。 Scottish Mortgage 参与了 MiniMax 的 IPO，同时持有 Anthropic 等 AI 公司的期权。作为一家海外投资机构，它关心的是另一组问题：为什么中国模型可以用更少算力逼近前沿，开放权重怎样形成生意，中美 AI 生态会不会走向同一条路，以及一家持续亏损的模型公司最终靠什么赚钱。 闫俊杰也带来了一些新信息。截至 8 月，MiniMax 的年化收入运行率已经超过 8 亿美元，其中 B2B 贡献超过 80%；H3 在一个月内约有 2500 万次下载，开放两周后出现了约 300 个衍生模型；他自己最近的大部分时间，则花在尚未完成的 M3 Pro 上。 根据 MiniMax 2026 年中期业绩，上半年公司确认收入为 1.166 亿美元，同比增长 283.1%。开放平台及企业服务收入为 7390 万美元，占总收入的 63.4%。同期研发费用为 2.969 亿美元，调整后净亏损为 2.93 亿美元。 Scottish Mortgage 所关注的其实是，一家中国模型公司受到算力、芯片和资本约束后，会形成怎样的技术路线、组织和商业模式。 贯穿闫俊杰回答的判断是， 效率本身就是智能的一部分。 更便宜的推理既能带来市场，也能让模型获得更多后训练机会。资源约束则进一步塑造了 MiniMax 的架构、开放路线和公司文化。 以下内容根据 Scottish Mortgage 播客《Invest in Progress》整理、翻译，内容有删节。 ⬆️ 关注 Founder Park，最及时最干货的创业分享 01 盈利来自低成本： 95% 的性能、十分之一成本 Lawrence Burns：和很多 AI 公司一样，MiniMax 现在还在亏损。只要飞轮在转，产品越强、用的人越多、收入越多，再投回研发，我们对亏损是能接受的。你怎么看盈利这件事？长期能盈利的信心来自哪里？ 闫俊杰 ： AI 的利润不是靠涨价实现的，是靠通过创新把推理成本压下去实现的。 低推理成本是我们的护城河，对利润和收入都是。 这种效率让我们建立起一个由 API 驱动、可持续的模式。今年到目前为止我们的 ARR 增长很快，截至 8 月已经超过 8 亿美元，B2B 业务贡献了 80% 以上。只要模型性能继续提升、价格优势保持住，收入的增长一定会快于成本，这就是我们的盈利计划。 Lawrence Burns：去年 12 月我拜访你时，你说最好的中国模型在性能上比美国顶级模型落后 5% 左右，成本却低 10 倍左右。这之后，能力差距和价格差距有什么变化？ 闫俊杰 ： 我觉得重要的不是某个时间点的差距，而是改进的速度。美国模型和中国模型在通往 AGI 的路上都还处在很早期的阶段。首先要说， 这 5% 的差距，实际上可能比前 95% 难追得多 ，所以目前的差距可能还需要更多时间去解决。既然还这么早，关键就是我们能以多快的速度持续进步。 对我们来说，尤其作为一家中国 AI 公司，算力一直是约束，从第一天起我们就知道，必须让推理尽可能高效。过去三年，两边的改进速度其实已经大致相当。我们专注的是加快自己的进步速度，而不是某个时间点的排名。这带来了我们在芯片之外、在架构和基础设施上的创新。我们相信，如果能更高效地使用算力，就一定能做更多后训练，把模型推得更远。这可能一直给了我们一种不同的 scaling 智能的方式。 Lawrence Burns：能不能这么理解，很多美国前沿实验室被充裕的算力「宠坏了」，它们在前沿上推进得很成功，但没有像你们，也像中国 AI 实验室整体那样，从第一天起就被迫把效率放在首位？ 闫俊杰 ： 是的。中国的头部前沿实验室都在关注效率，但用的方法各不相同。比如我们在 Transformer 上用了不同的架构，在后训练上用了不同的基础设施，聚焦的模态也不一样。所以你会看到，中国不同前沿实验室做出来的模型各不相同，但都很有用。 Lawrence Burns：很多任务并不需要世界上最强的模型，企业要的是能力够用、价格能让 ROI 成立，最前沿的模型留给治愈癌症、对冲基金这样的场景。你是这样看这个机会的吗？ 闫俊杰 ： 除了价格，还有另一点，推理成本低，意味着我们能更高效地 scale 后训练。后训练里的强化学习、数据合成，全都依赖推理。 推理越高效，后训练能做到的规模就越大。 现在后训练变得越来越重要，某个时候，我们可能会拥有最大的后训练系统。我们相信这会通向前沿智能。 Lawrence Burns ：如
