minimax.md

第一编：时代与起点

第一章：数字文明的黎明时刻

人类文明正站在一个前所未有的历史拐点。当我们回望2010年代末期至2021年这段岁月，会发现它如同黎明前最黑暗却也最充满希望的时刻——人工智能技术正以前所未有的速度重塑我们对世界的认知，而中国科技产业也在这场变革中面临着从"模式创新"向"技术创新"转型的关键抉择。正是在这样的时代背景下，闫俊杰做出了离开商汤科技、创立Minimax的决定。这个选择看似偶然，实则是个人命运与时代洪流交汇的必然结果。要理解闫俊杰的选择，首先必须理解他所处的那个时代——一个充满机遇与焦虑、突破与迷茫并存的AI创业黄金期。

一、全球AI浪潮的兴起：从AlphaGo到GPT系列的技术突破

2016年3月，当AlphaGo在首尔四季酒店以4比1的比分战胜围棋世界冠军李世石时，全世界的目光都被这一事件所震撼。这不仅仅是一场围棋比赛的胜负，更是人工智能发展史上的里程碑时刻。AlphaGo所展现出的战略思维能力和学习能力，超越了大多数人对机器智能的想象边界。在此之前，围棋被认为是人类智慧的最后堡垒之一，因为其复杂的局面变化和深邃的战略思想被认为是计算机难以企及的。然而，AlphaGo通过深度学习和蒙特卡洛树搜索的结合，不仅战胜了人类冠军，更在第二年以Master的身份在网络对弈中取得了60比0的惊人战绩，彻底宣告了人工智能在复杂策略游戏领域的统治地位。

AlphaGo的成功并非孤立事件，它代表的是深度学习技术经过数十年积累后的爆发式突破。2012年，AlexNet在ImageNet图像识别竞赛中以压倒性优势夺冠，标志着深度学习在计算机视觉领域的正式确立。此后短短几年间，卷积神经网络（CNN）迅速统治了图像识别、目标检测、语义分割等几乎所有计算机视觉任务。与此同时，自然语言处理领域也在经历着类似的革命。2017年，Google发布的Transformer架构论文《Attention Is All You Need》成为了NLP领域的分水岭，这一基于自注意力机制的架构彻底改变了序列建模的方式，为后续所有大语言模型奠定了技术基础。2018年，BERT和GPT的相继问世开启了预训练语言模型的新纪元，而2020年GPT-3的发布更是将这一技术推向了新的高度——一个拥有1750亿参数的模型展现出了令人惊叹的泛化能力，能够在零样本或少样本条件下完成翻译、问答、文本生成等多种任务。

这场技术革命的深远意义远超技术本身。它重新点燃了人们对通用人工智能（AGI）的想象，引发了全球范围内对AI未来的激烈讨论。硅谷的科技巨头们纷纷投入巨资研发大模型，OpenAI、Google DeepMind、Meta AI等机构你追我赶，不断刷新技术能力的边界。与此同时，风险投资机构也闻风而动，AI创业公司迎来了前所未有的融资热潮。仅2021年，全球AI领域的融资总额就突破了700亿美元，其中相当比例流向了专注于大模型研发的公司。这场技术竞赛的激烈程度，以至于有人将其比作21世纪的"太空竞赛"——谁能在AI领域取得领先，谁就可能在未来的数字经济中占据主导地位。

然而，这场技术革命的门槛之高也是前所未有的。训练一个GPT-3级别的模型需要消耗数千万美元的计算资源，这使得大多数创业公司望而却步。算力成为了制约AI发展的关键瓶颈，全球范围内GPU（特别是NVIDIA的A100和H100）一度供不应求，价格飞涨。这种高门槛的特性导致了AI研发的高度集中化——只有少数资金充裕的科技巨头和研究机构才能参与这场顶级竞赛。与此同时，算力成本的高企也使得AI技术的商业化面临着严峻挑战：如何在保证模型性能的同时降低推理成本，让AI真正成为普惠大众的生产力工具，成为了行业共同面临的难题。

二、中国科技产业的转型：从"模式创新"到"技术创新"

当全球AI浪潮如火如荼之际，中国科技产业也正处于深刻的结构性转型之中。过去二十年，中国互联网产业取得了举世瞩目的成就，但这种成功的底层逻辑很大程度上建立在中国庞大的人口红利和市场规模之上。从电商到社交，从共享单车到外卖平台，中国互联网企业的创新更多体现在商业模式和应用场景层面，而非底层技术的突破。这种"模式创新"路径在移动互联网红利期无可厚非——巨大的用户基数和相对宽松的监管环境为企业提供了充足的试错空间，"copy to China"的策略也被证明在大多数情况下是行之有效的。

然而，随着移动互联网红利逐渐消退，这种模式的局限性开始显现。当企业试图从增量市场转向存量市场时，发现真正的护城河越来越难以构建。更重要的是，在核心技术层面，中国对美国的依赖日益加深。从高端芯片到基础软件，从核心算法到底层框架，中国科技产业在关键技术领域面临着"卡脖子"的困境。2018年中美贸易摩擦的爆发和随后的技术封锁，更是将这一问题推到了聚光灯下。华为遭受芯片断供的困境，深刻地教育了中国科技界：没有核心技术，就没有真正的安全感和竞争力。

正是在这样的背景下，"自主创新"和"技术自立"成为了从上到下的共识。2017年《新一代人工智能发展规划》的出台，将AI上升为国家战略，明确提出到2030年我国人工智能理论、技术与应用总体达到世界领先水平。政策层面的支持为AI创业提供了良好的环境，各地政府纷纷出台扶持政策，产业基金踊跃入场，AI创业迎来了政策红利期。然而，政策支持并不能解决所有问题。大模型研发的高门槛、高投入、高风险特性，使得许多创业者望而却步。在这样的环境下，那些敢于挑战技术高峰、愿意进行长期投入的创业者，显得格外珍贵和稀缺。

从"模式创新"到"技术创新"的转型，不仅是企业层面的选择，更是一个时代的命题。它要求创业者具备深厚的的技术积累、敏锐的战略眼光和坚定的长期主义信念。闫俊杰正是在这样的时代背景下成长起来的创业者——他有着扎实的学术背景，在商汤科技这样的一线AI公司担任过重要职务，对AI技术的最新进展有着深刻的理解。更重要的是，他怀揣着用技术改变世界、让AI普惠大众的初心。这些因素的叠加，使得他在2021年做出了离开商汤、创立Minimax的决定，这个决定既是对个人命运的重新选择，也是对时代召唤的积极回应。

三、AI"四小龙"的崛起与困境：资本驱动下的估值泡沫与商业化焦虑

在闫俊杰离开商汤创业的那个时期，商汤科技及其同行们正处于舆论的风口浪尖。被业界称为"AI四小龙"的商汤、旷视、云从、依图四家公司，代表了中国AI创业的巅峰水准。它们在计算机视觉领域取得了世界级的技术突破，在人脸识别、图像识别等任务上达到了甚至超越了国际顶尖水平。然而，这四家公司的上市之路却充满坎坷，估值与商业化之间的巨大鸿沟引发了广泛的质疑和反思。

商汤科技是"四小龙"中规模最大、估值最高的公司。2021年12月，商汤科技在中国香港上市，发行价定为每股3.85港元，对应的市值约为1280亿港元。然而，上市首日股价即告破发，此后股价持续低迷，市值较峰值蒸发了超过一半。这一幕深深刺激了整个AI创业圈——作为中国AI创业的标杆企业，商汤的股价表现折射出资本市场对AI商业化前景的深深忧虑。更具讽刺意味的是，商汤的破发发生在其上市前刚刚被美国列入制裁名单这一"悲情叙事"的背景之下，投资者的担忧显然不仅仅停留在政治层面。

"AI四小龙"困境的根源在于其商业化路径的局限性。这些公司在技术上的成就是毋庸置疑的——它们在全球顶级学术会议上发表了大量高水平论文，在各种技术竞赛中屡获佳绩，培养了数千名AI算法工程师。然而，当这些技术优势转化为商业价值时，却面临着严峻的挑战。计算机视觉技术最成熟的应用场景主要集中在安防、金融等领域，而这些领域的商业化很大程度上依赖于政府采购和大型企业订单，面临着同质化竞争和价格战的压力。更重要的是，AI算法在这些场景中往往只是"锦上添花"的角色，而非不可替代的核心能力，这使得议价能力大打折扣。

与此同时，"AI四小龙"普遍采用的"算法+平台"模式在商业化过程中也暴露出问题。这种模式试图将AI能力封装为通用平台，通过API调用或解决方案输出的方式服务大量客户。然而，这种模式面临着规模不经济的问题——每个客户的需求都有所不同，需要大量的定制化工作，难以形成真正的规模效应。此外，当大型云服务商纷纷推出自己的AI能力后，独立AI公司的平台价值被进一步稀释。在这样的背景下，"AI四小龙"不得不寻求新的增长曲线，而智能汽车、元宇宙等新兴领域成为了它们竞相布局的方向。

"AI四小龙"的困境给闫俊杰带来了深刻的启示。他意识到，在AI 1.0时代，技术本身可以成为产品和商业模式，但进入AI 2.0时代后，只有将技术与产品深度融合，创造出真正面向C端用户的应用，才能建立起持久的竞争优势。这种认知促使他在创立Minimax时选择了与"四小龙"不同的发展路径——不做单纯的AI能力供应商，而是致力于打造面向普通用户的AI产品，让AI从"少数精英的工具"变为"普惠大众的生产力"。这一选择在当时看来颇具风险，因为C端产品的市场验证周期更长、不确定性更高，但闫俊杰坚信，这是正确且值得长期坚持的方向。

四、大模型范式革命的前夜：Transformer架构的普及与算力需求的指数级增长

在闫俊杰思考创业方向的2020年至2021年之交，一场范式革命正在悄然酝酿。2017年Google发布的Transformer架构经过几年的发酵，已经成为自然语言处理领域无可争议的主流架构。BERT、GPT、T5等基于Transformer的预训练模型相继问世，证明了这一架构在各种NLP任务上的强大能力。更重要的是，研究者们开始意识到，随着模型规模的增大和训练数据的丰富，模型会展现出"涌现"能力——在某个规模临界点之后，突然具备了一些在小规模模型上无法观察到的复杂能力。这种 Scaling Laws（缩放定律）的发现，为大模型研究指明了方向：只要持续增大模型规模，就能持续提升模型能力。

然而，这种对规模的追求也带来了前所未有的算力需求。训练一个GPT-3级别的模型，需要使用数千块高端GPU，消耗数月的计算时间，成本高达数千万美元。这种资源消耗的规模，使得大模型研发成为了只有科技巨头才能参与的游戏。更令人担忧的是，算力供给与需求之间的矛盾正在加剧。随着AI应用的普及，对算力的需求呈指数级增长，而芯片产能的扩张却面临着物理极限和供应链瓶颈。2021年，全球范围内GPU供应紧张，NVIDIA的A100显卡一卡难求，价格飞涨。在这种情况下，如何高效利用算力资源、降低模型训练和推理成本，成为了决定AI公司生存发展的关键问题。

正是在这样的技术背景下，闫俊杰开始思考Minimax的技术路线。他敏锐地意识到，单纯堆砌模型规模不是长久之计，必须在架构层面进行创新，才能在有限的算力资源下实现模型能力的突破。2021年，当大多数中国AI公司还在跟随OpenAI的密集模型路线时，闫俊杰做出了一个大胆的决定：选择MoE（混合专家模型）架构作为Minimax的技术基础。MoE架构的核心思想是将模型分解为多个"专家"网络，通过门控机制选择性地激活部分专家参与计算，从而在保持模型总参数量的同时大幅降低实际计算量。这一选择在当时的国内AI创业圈中显得颇为激进，因为MoE架构在国际上也尚处于研究探索阶段，缺乏大规模工程化的成功案例。

闫俊杰对MoE架构的坚持，体现了他对技术趋势的深刻洞察和对资源效率的高度重视。他深知，在算力资源有限的情况下，唯有通过架构创新才能实现"弯道超车"。后来的发展证明了这一判断的正确性——随着模型规模的进一步扩大，MoE架构的优势日益凸显，MiniMax在2022年发布的abab 6成为国内首个MoE大语言模型，在业界引起了广泛关注。这一技术选择，不仅展现了闫俊杰作为技术领导者的战略眼光，也为Minimax在激烈的市场竞争中奠定了差异化的技术基础。

五、2020-2021年中国AI创业环境的"冰火两重天"：政策支持与资本寒冬并存

2021年的中国AI创业环境，呈现出一种矛盾而复杂的态势。一方面，政策层面的利好不断传来，人工智能被列为国家战略性新兴产业，各级政府纷纷出台扶持政策，新基建浪潮为AI产业注入了强劲动力。另一方面，资本市场却在经历着剧烈的调整，此前几年风光无限的消费互联网赛道遭遇重挫，投资人的风险偏好明显下降，AI创业公司的融资难度显著增加。这种"冰火两重天"的局面，让许多创业者陷入了两难境地：机会窗口似乎已经打开，但获取资源支持却变得更加困难。

这种矛盾局面的形成有其深层原因。从宏观层面看，中国经济正在经历从高速增长向高质量发展的转型期，消费互联网的红利期已过，资本急需寻找新的增长极，而AI被认为是少数几个能够承载大量投资和产生颠覆性创新的领域之一。然而，AI创业的高风险、长周期特性也让许多习惯了快进快出的资本望而却步。更重要的是，"AI四小龙"上市后的表现给投资者敲响了警钟——即使是最顶尖的AI技术公司，在商业化方面也面临着巨大挑战，这使得投资人对AI赛道的估值逻辑变得更加审慎。

在这样的环境下，闫俊杰选择创业需要极大的勇气。2021年的他已经在商汤科技担任副总裁，位列公司核心管理层，拥有稳定的收入和体面的社会地位。放弃这一切，去追求一个充满不确定性的未来，似乎是一个"不理性"的选择。然而，正是这种表面的"不理性"背后，隐藏着更深层的考量。闫俊杰看到了AI大模型范式革命带来的历史性机遇——GPT-3的发布证明了大语言模型的可行性和巨大潜力，但中文世界却缺乏一个真正能够与之比肩的大模型。这个空白既是挑战，更是机遇。如果能够抓住这个机会，不仅有可能创造巨大的商业价值，更有可能真正推动AI技术的普惠化，实现他多年来"让AI帮助普通人"的初心。

闫俊杰在2021年离开商汤创业的决定，也反映了他对AI产业发展阶段的独特判断。他认为，AI 1.0时代已经接近尾声，以计算机视觉为代表的AI技术虽然取得了巨大成功，但其商业化天花板已经显现。真正的AI 2.0时代，属于大语言模型和多模态AI。这是一次重新洗牌的机会，如果不能及时切入，很可能就会被时代甩在身后。正是基于这种判断，闫俊杰义无反顾地踏上了创业之路。事后证明，这一判断是极具前瞻性的——2022年末ChatGPT的横空出世，彻底引爆了大模型赛道，而在一年多之前就开始布局的Minimax，得以在这场竞赛中占据了一定的先发优势。

六、关键问题：为什么是2021年？为什么是闫俊杰？

当我们回顾2021年中国AI创业的群像时，会发现那一年出现了数十家大模型创业公司，但真正能够走到今天、形成一定市场地位的寥寥无几。同样是创业，为什么有些人能够成功，而大多数人却沦为炮灰？这个问题没有简单的答案，但如果我们深入分析闫俊杰的个人背景和Minimax的发展历程，或许能够找到一些有价值的线索。

首先，为什么是2021年？这个问题可以从技术、市场、个人三个维度来理解。从技术维度看，2021年是GPT-3发布后的第二年，大语言模型的技术路线已经被验证可行，但中文大模型领域仍然几乎是一片空白。这是一个"最佳时机"——技术风险已经大大降低，但市场尚未被充分开发。从市场维度看，中国庞大的用户群体和丰富的应用场景，为AI技术的商业化提供了广阔的空间。更重要的是，那一年资本市场虽然整体趋于谨慎，但对真正的技术创新仍然保持着较高的热情。从个人维度看，闫俊杰在商汤科技积累的AI研发经验、公司管理能力和行业人脉，使得他具备了创业所需的核心能力。

那么，为什么是闫俊杰？这个问题或许需要从更深层次来理解。闫俊杰的独特之处，在于他将技术理想主义与商业现实主义较好地融合在了一起。他有着用技术改变世界的信念，也有着将这种信念转化为实际行动的能力。他的成长经历——从河南小县城到清华大学，从学术界到产业界——塑造了他独特的认知结构和行为模式。他能够在资源约束下保持独立思考，在众人犹豫时果断决策，在困难面前保持定力。这些素质，对于一个AI创业者来说是极其珍贵的。

更深层次地看，闫俊杰的选择体现了一种独特的"技术普惠"理念。与许多AI创业者不同，他并不满足于将AI打造成少数精英的专属工具，而是希望让AI成为每个人都能使用、都能受益的日常工具。这种理念的形成，与他个人的成长经历密切相关——他深知普通人面对技术壁垒时的无奈和渴望，他希望通过自己的努力，让AI真正服务于普通人的需求。这种"初心"，成为了支撑他在困难时期坚持下去的精神力量，也成为了Minimax企业文化的核心基因。

当我们站在2026年回望2021年，会发现那个时间节点确实是一个独特的历史窗口。技术条件已经成熟，市场空间已经打开，但竞争尚未白热化。闫俊杰正是在这个窗口期做出了正确的选择，并且凭借着他的技术能力、战略眼光和坚定信念，将Minimax带到了今天的位置。当然，创业之路从来不是一帆风顺的，Minimax在发展过程中也经历了无数的困难和挑战。但正是这些困难和挑战，塑造了Minimax今天的企业气质，也将继续考验闫俊杰作为创始人的智慧和勇气。

---

本章核心洞察：

1. 技术范式的代际更替：AI从1.0到2.0的范式转换，为具备前瞻眼光的创业者提供了重新洗牌的机会窗口。

2. 资源约束下的创新路径：在算力、资金、人才等资源有限的情况下，架构创新和差异化定位成为中小创业公司的生存关键。

3. 技术理想与商业现实的平衡：成功的AI创业者需要在技术理想主义和商业现实主义之间找到平衡点，既要有改变世界的信念，也要有落地执行的能力。

4. 时代机遇与个人准备的交汇：2021年的创业机会只属于那些既看到了机遇、又具备把握机遇能力的少数人。

---

决策模型：

闫俊杰在2021年创业的决策，可以从以下几个维度进行分析：

• 时机判断：技术可行性已验证（GPT-3）、市场空白存在（中文大模型）、竞争尚未充分（多数公司尚未入局）

• 资源评估：个人技术积累（商汤经验）、团队组建能力（行业人脉）、融资可能性（政策支持+技术故事）

• 风险承受：可接受失败、愿意承担不确定性、对AGI愿景的坚定信念

• 长期价值：是否有利于推动AI技术普惠、是否能够建立持久的竞争优势

---

启示：

对于技术创业者而言，选择创业时机需要综合考虑技术成熟度、市场需求和个人准备程度。AI时代的创业机会属于那些能够准确判断技术趋势、敢于在不确定性中做出决策、并有能力将决策转化为行动的少数人。闫俊杰的案例表明，技术深度、战略眼光和长期信念是穿越创业周期的核心要素。

第二章：闫俊杰的认知原点

要理解闫俊杰为何在2021年做出创立Minimax的抉择，必须追溯他的成长历程和思想根源。每一位杰出创业者的行为模式，都可以在其人生早期找到某些端倪。闫俊杰也不例外。他从河南小县城走向清华园，从学术研究转向产业实践，从技术专家成长为企业家，这一路走来的每一个选择、每一次转折，都塑造了他独特的认知结构和价值取向。本章将深入挖掘闫俊杰的成长背景，追溯那些塑造他人生轨迹的关键因素，探寻他技术普惠理念的起源与演变。

一、1980年代河南小县城的物质匮乏与精神富足

1980年代末至1990年代初，中国正处于改革开放的关键时期。在广袤的中原大地上，无数个小县城正在经历着从计划经济向市场经济的艰难转型。闫俊杰的童年就是在这样的时代背景下展开的。那时的河南小县城，物质生活远不如今日丰富，很多现在看来理所当然的物品在当时都是稀罕物。商店里的商品种类有限，家庭收入普遍不高，人们的生活节奏缓慢而朴素。

然而，物质匮乏并不意味着精神的贫瘠。相反，正是这种匮乏的环境，塑造了闫俊杰自强不息、独立解决问题的品格。在一个资源有限的环境中成长，意味着很多时候无法依赖外部的帮助，必须学会自己想办法解决问题。闫俊杰后来回忆那段经历时曾说过："很多东西需要靠自己领悟。"这句话看似简单，却蕴含着深刻的人生智慧。在没有补习班、没有参考书、没有网络资源的年代，学习完全靠自己的主动性和悟性。这种"自己想办法"的习惯，逐渐内化为他的一种本能——遇到问题时，第一反应不是寻求帮助，而是思考如何独立解决。

这种独立解决问题的能力，在闫俊杰日后的创业历程中发挥了重要作用。创立Minimax时，公司面临算力资源有限、人才竞争激烈、市场充满不确定性等诸多挑战。如果习惯于依赖外部条件，很多困难可能无法逾越。但闫俊杰骨子里的那股"自己想办法"的劲头，使得团队能够在困境中找到突破口。无论是早期艰难获取算力资源，还是后来在架构创新上另辟蹊径，都体现了这种不等待资源、主动创造条件的行为模式。

小县城的成长经历还塑造了闫俊杰务实、沉稳的性格特点。在相对简单的社会环境中，人们更看重实绩而非包装，更欣赏踏实而非浮夸。这种价值观深深影响了闫俊杰日后的管理风格——他不喜欢张扬的宣传，更注重实际的成果；他不喜欢复杂的组织架构，更欣赏简洁高效的工作方式。这种务实精神，在充斥着浮躁风气的科技创业圈中显得尤为珍贵。

更重要的是，小县城的成长经历让闫俊杰对"普通人"的需求和困境有着深刻的理解。他亲眼见证了身边的人如何面对技术壁垒时的无奈，如何在资源匮乏时的挣扎。这种切身体会，成为了他日后"技术普惠"理念的情感基础。他深知技术如果只服务于少数精英，将无法发挥其真正的价值；他也深知让普通人也能享受技术进步的成果，需要付出怎样的努力。这种信念，贯穿于Minimax的产品理念之中——不做高高在上的"精英工具"，而做服务于大众的"普惠产品"。

二、外公的遗憾与AGI信仰的萌芽

在闫俊杰的成长记忆中，外公是一个特殊的存在。那是一位饱读诗书、有着深厚学识的老人，在那个年代属于少有的知识分子。然而，这样一位有着丰富思想和表达欲望的老人，却因为不会使用电脑，无法将自己的毕生思考整理成书稿。闫俊杰曾描述过这样一个场景：外公坐在书桌前，面前是一叠空白的稿纸，旁边的电脑屏幕上是一个空白的文档——他想要写作，却无法将思想转化为文字。

这个场景深深触动了年幼的闫俊杰。他无法理解，为什么一个有知识、有思想的人，却因为不会使用某种工具而无法表达自己。这种技术带来的"表达能力剥夺"，在他心中留下了深刻的印记。多年后，当闫俊杰开始思考AI技术的意义时，这个童年的场景再次浮现。他意识到，真正有用的AI不应该是少数人的专属工具，而应该能够帮助更多人表达自己、实现自己。外公的那个遗憾，成为了他技术普惠理念的情感根源。

这个故事之所以重要，是因为它揭示了闫俊杰对AI技术本质思考的起点。在技术圈中，人们常常陷入对技术指标的狂热追求——模型参数有多大、跑分有多高、用了多少算力。然而，闫俊杰的思考起点不同。他首先想到的是：这项技术能够帮助谁？它能否让那些原本无法表达的人获得表达能力？它能否让普通人的生活变得更好？这种"以人为本"的技术观，使得Minimax从创立之初就与其他AI公司有着不同的基因。

更深层次地看，外公的故事还激发了闫俊杰对通用人工智能（AGI）的向往。如果存在一种真正智能的系统，它应该能够理解外公的思想，帮助他将脑中的智慧转化为文字，而不需要外公先去学习复杂的打字技巧。这种"让机器适应人，而非人适应机器"的愿景，成为了闫俊杰对AGI的朴素理解。虽然这个愿景在当时看来遥不可及，但它如同一颗种子，深深埋在了闫俊杰的心底，等待着合适的时机发芽成长。

闫俊杰后来在多次访谈中提到，他希望AI能够成为每个人日常生活的一部分。这个愿景的源头，或许正是那个看着外公面对电脑却无法表达自己的孩子。技术的终极价值，不在于它有多先进、多复杂，而在于它能在多大程度上改善普通人的生活。这种信念，使得Minimax的产品始终朝着"让AI变得简单易用"的方向努力，而不是追求技术指标的极致。

三、东南大学数学本科：抽象思维与逻辑严谨性的塑造

1990年代末，闫俊杰以优异的成绩考入东南大学数学系。数学，这个被称为"科学之母"的学科，为他奠定了终身受益的思维方式。在东南大学的四年时间里，闫俊杰系统学习了数学分析、高等代数、概率论、数理统计、实变函数、泛函分析等核心课程。这些课程的学习过程，不仅是知识的积累，更是思维方式的训练。

数学训练对闫俊杰的影响是多方面的。首先是抽象思维能力的培养。数学的本质是从具体事物中抽象出一般规律，然后用严谨的逻辑进行推理证明。这种思维方式，使得闫俊杰在面对复杂问题时，能够迅速剥离表象，触及问题的本质。在日后的技术研发和战略决策中，这种能力发挥了重要作用——他能够从纷繁复杂的信息中抓住关键变量，做出准确的判断。

其次是逻辑严谨性的塑造。数学证明要求每一步推理都有严格的依据，不能有任何跳跃或想当然。这种对逻辑严密性的追求，体现在闫俊杰后来对技术工作的要求上。在Minimax的技术团队中，"严谨"是一个高频词汇——模型实验必须可复现，技术决策必须有数据支撑，结论必须有充分的论证。这种近乎"强迫症"的工作态度，正是数学训练留下的印记。

更重要的是，数学学习培养了闫俊杰对"最优解"的追求。在数学问题中，追求最简、最优的解是永恒的主题。这种思维方式延续到了他的技术工作和企业管理中——无论是一个算法设计，还是一个组织架构选择，他都会问自己：这是不是最优的方案？还有没有更好的选择？这种对卓越的追求，是驱动Minimax在技术路线上不断创新的内在动力。

当然，数学训练也带来了某些"副作用"。数学家往往追求逻辑上的完美和形式上的简洁，这种倾向在某些情况下可能与商业世界的复杂性产生冲突。如何在追求逻辑完美与接受商业现实之间找到平衡，是闫俊杰在从学术转向产业过程中需要克服的挑战。事实证明，他成功地将数学思维的严谨性与商业实践的灵活性结合起来，形成了一套独特的问题解决方法论。

四、重庆邮电大学硕士：工程实践与产业认知的启蒙

本科毕业后，闫俊杰选择了继续深造，进入重庆邮电大学攻读通信工程硕士学位。从数学转向通信工程，这是一个重要的转变——从纯粹的理论学科转向了更注重应用的工程学科。在这个过程中，闫俊杰的思维方式发生了微妙的变化：不仅要考虑"是什么"和"为什么"，更要考虑"怎么做"和"好不好用"。

重庆邮电大学的背景使得闫俊杰得以深入接触通信产业的实际需求。通信工程是一个与产业紧密相连的学科，移动通信、互联网、广播电视等领域的发展直接影响着人们的日常生活。在这个环境中，闫俊杰开始思考技术如何转化为实际价值的问题。通信技术的进步如何改善人们的沟通效率？新的技术标准如何推动产业发展？这些问题促使他将目光从纯粹的学术研究转向更广阔的产业世界。

更关键的是，重庆邮电大学的经历让闫俊杰意识到工程实践的复杂性。在书本上学到的理论知识，往往需要在实际应用中进行大量的简化和妥协。信道条件、设备性能、成本限制、用户需求等多重因素交织在一起，使得最优的工程方案往往不是理论上的最优解，而是各种约束条件下的"满意解"。这种认知的转变，为他日后在产业界的工作奠定了重要的心理基础——不追求完美主义，而是在约束条件下寻找最优解。

通信工程的学习还让闫俊杰建立起了对"系统"的整体认知。通信系统是一个复杂的整体，涉及编码、调制、传输、解调等多个环节，每个环节之间相互影响、相互制约。这种系统思维在日后他处理AI技术问题时发挥了重要作用——AI系统同样是一个复杂的整体，模型、数据、算力、应用之间存在复杂的相互作用，只有从系统层面进行思考，才能做出正确的决策。

在这段时期，闫俊杰也开始关注产业界的发展动态。通信行业正处于从2G向3G、4G过渡的关键时期，新技术不断涌现，产业格局持续变化。这种快速变化的环境，培养了闫俊杰对技术趋势的敏锐嗅觉，也让他意识到把握时机的重要性——在正确的时间做出正确的选择，往往比在错误的时间做出完美的选择更加重要。

五、中科院自动化所：模式识别与智能系统的学术积累

硕士毕业后，闫俊杰考入中国科学院自动化研究所，开始了博士研究生的生涯。自动化所是中国人工智能研究的重镇，拥有雄厚的研究实力和丰富的学术资源。在这里，闫俊杰深入学习了模式识别、计算机视觉、机器学习等核心领域，完成了从工程学科向人工智能学科的跨越。

中科院自动化所的学术氛围严谨而开放。导师汤晓鸥教授（后联合创办商汤科技）是计算机视觉领域的国际顶尖学者，他的研究组在国际顶级学术会议和期刊上发表了大量高水平论文。在这样的环境中，闫俊杰接受了系统的学术训练——如何阅读学术文献、如何设计实验、如何撰写论文、如何在学术会议上进行报告。这些学术技能的掌握，为他日后在AI领域的深入发展奠定了坚实的基础。

博士期间，闫俊杰的研究方向是模式识别与智能系统。模式识别是人工智能的核心分支之一，涉及如何让机器识别和理解各种模式——图像、语音、文本等等。这个领域的研究需要对数据的深刻理解、对算法的深入掌握、对工程实现的严谨态度。闫俊杰在这个领域的深入研究，为他日后领导大模型研发提供了重要的知识储备。

更重要的是，在自动化所的学习经历让闫俊杰建立起了对AI技术发展趋势的前瞻性认知。他见证了深度学习从边缘走向主流的过程——2012年AlexNet的成功、2014年GAN的提出、2016年AlphaGo的横空出世，这些标志性事件深刻地改变了AI研究的走向。作为亲历者，闫俊杰对这些技术变革有着深刻的体会，也培养了他敏锐的技术洞察力。他开始意识到，AI技术正在从"实验室"走向"实用场"，未来将会对产业和社会产生深远的影响。

博士期间的另一个重要收获是学术圈的人脉资源。中科院自动化所汇聚了国内AI领域的顶尖人才，许多现在是AI创业公司创始人的学者，当年都是闫俊杰的同学或同事。这种学术圈的人脉网络，在闫俊杰日后的创业过程中发挥了重要作用——无论是技术合作、人才招聘还是信息获取，学术圈的关系网络都提供了宝贵的支持。

六、清华博士后：从学术研究者到产业前瞻者的身份转变

博士毕业后，闫俊杰进入清华大学自动化系从事博士后研究。这段经历成为了他从纯粹的学术研究者向产业前瞻者转变的关键时期。在清华这个中国最顶尖的高校内，他有机会接触到更前沿的研究动态，也开始思考研究成果如何转化为实际应用的问题。

清华大学的平台为闫俊杰提供了更广阔的视野。在这里，他不仅继续深化自己的学术研究，还开始参与一些与产业界的合作项目。这些项目让他有机会将学术研究与实际应用结合起来，也让他看到了学术界与产业界之间的巨大鸿沟——许多在学术界表现优异的成果，在实际应用中却面临着各种问题。这种认知促使他开始思考：什么样的研究才是真正有价值的研究？什么样的技术才能真正产生社会价值？

博士后期间，闫俊杰开始更加关注AI技术的商业化前景。他观察到，尽管AI技术取得了巨大进步，但真正能够为普通人所用的AI产品却寥寥无几。大部分AI研究停留在实验室阶段，或者只是服务于少数企业客户。这种现状与他童年的记忆——外公无法用电脑写作——形成了某种呼应。他开始思考：如何才能让AI技术走出实验室，成为服务于大众的工具？

正是在这段时期，闫俊杰做出了一个重要的决定：离开学术界，进入产业界。这个决定并不容易——在学术界，他有着稳定的工作和体面的地位；在产业界，一切都充满不确定性。但他认为，只有进入产业界，才能真正推动AI技术的落地应用，才能实现让AI普惠大众的愿景。这个决定，体现了他"知行合一"的做事风格——不仅要有想法，更要有将想法付诸行动的勇气。

七、关键抉择分析：从商汤实习生到副总裁的跃迁

2014年前后，闫俊杰做出了一个影响其人生轨迹的重要决定：加入商汤科技。彼时的商汤科技成立不过一年时间，还是一家初创公司，在AI领域尚属默默无闻。然而，闫俊杰敏锐地意识到，这家公司可能代表着AI技术产业化的一个重要方向——他的导师汤晓鸥教授是商汤的联合创始人，而商汤正在做的事情，正是将学术研究成果转化为实际的商业产品。

闫俊杰在商汤的职业生涯起步于研究岗位。作为一名算法研究员，他专注于计算机视觉算法的研发工作。凭借扎实的学术功底和出色的工作能力，他很快脱颖而出，获得了晋升的机会。从研究员到算法总监，从算法总监到研究院副院长，最终升任商汤科技副总裁——闫俊杰在七年间完成了令人瞩目的职业跃迁。这种快速的晋升，既是对他个人能力的认可，也反映了商汤快速发展带来的机会窗口。

然而，闫俊杰在商汤的收获远不止职位的提升。更重要的是，他在这段时间完成了从学术思维到产业思维的转变。在商汤，他不仅要关注技术本身，还要考虑技术的商业价值、市场需求、竞争态势等问题。这种全方位的视角，对于一个技术背景出身的人来说是一种重要的拓展。他学会了如何向非技术背景的人解释技术价值，如何在技术投入与商业回报之间找到平衡，如何管理一个技术团队并激发成员的创造力。

在商汤后期，闫俊杰开始参与公司的核心决策层，参与战略规划的讨论。这种角色使得他能够从更高的视角审视AI产业的发展。他注意到，尽管商汤在技术上取得了巨大成功，但在商业化方面仍然面临着诸多挑战。AI技术的商业化路径与预想中存在差距，单纯的技术领先并不能自动转化为商业成功。这些观察和思考，为他日后创业提供了重要的借鉴。

2021年，在商汤工作了七年后，闫俊杰做出了离开的决定。这个决定在当时看来颇为"不理性"——他已经是商汤的副总裁，位列公司核心管理层，享有稳定的收入和体面的社会地位。放弃这一切去创业，意味着放弃确定性，拥抱不确定性。然而，闫俊杰有他自己的考量。他看到了AI大模型带来的范式性机会，认为这是一个值得用全部精力去追求的方向。他不愿意在"安全区"内安于现状，而是选择去挑战更大的可能性。

八、思想演进：从"技术理想主义"到"技术普惠主义"

回顾闫俊杰的思想演变轨迹，可以清晰地看到一条从"技术理想主义"到"技术普惠主义"的转变路线。早期的闫俊杰是一个典型的技术理想主义者——他相信技术的力量，追求技术的极致，渴望在技术上取得突破性进展。这种理想主义支撑着他在学术道路上不断前进，也推动着他在商汤攻克一个又一个技术难关。

然而，随着工作经验的积累，闫俊杰开始反思技术本身的意义。技术的价值不在于技术本身，而在于它能为用户创造什么价值。一个在技术上无比先进，但如果普通人无法使用的产品，其价值就要大打折扣。这种认识促使他开始思考"技术民主化"的问题——如何让AI技术走出少数精英的象牙塔，成为普通大众也能使用、也能受益的工具。

"技术普惠"理念的形成，与闫俊杰的个人经历密切相关。他从小县城的成长经历中体会过普通人面对技术壁垒时的无奈，他从外公的故事中看到了技术可能带来的"表达能力剥夺"，他在产业实践中看到了太多"先进但无用"的技术产品。这些经历交织在一起，形成了他独特的"技术普惠"观：技术的终极价值在于服务普通人，而非仅仅满足技术精英的成就感。

这种理念直接影响了Minimax的产品定位。与许多AI公司专注于B端市场、服务大企业客户不同，Minimax从创立之初就将C端用户作为重要目标群体。他们开发了星野、海螺AI等产品，致力于让普通人也能体验到AI技术带来的便利。这种选择在当时看来颇具风险——C端市场的验证周期更长、用户需求更加碎片化、商业模式更加不确定。但闫俊杰坚持认为，这才是正确的事情，即使它更加困难。

更深层次地看，"技术普惠"理念还体现了闫俊杰对AI技术社会责任的思考。在AI技术日益强大的今天，一个重要的问题是：谁有权利使用这些技术？AI的发展是会让少数人更加强大，还是会让所有人共同受益？闫俊杰选择站在后者一边。他相信，AI技术不应该是少数人的特权，而应该是全人类的共同财富。这种信念，不仅是Minimax的企业使命，也是闫俊杰个人的价值追求。

---

本章核心洞察：

1. 成长经历塑造底层认知：小县城的成长经历培养了闫俊杰独立解决问题的能力和务实的做事风格，外公的遗憾埋下了技术普惠理念的情感根源。

2. 教育背景构建思维框架：数学训练培养了抽象思维和逻辑严谨性，通信工程转向培养了工程实践意识，学术研究奠定了技术深度——这些经历共同构成了闫俊杰独特的认知结构。

3. 关键抉择体现战略眼光：从学术转向产业、从商汤员工到创业者的两次关键选择，体现了闫俊杰对技术趋势和时代机遇的准确判断。

4. 理念演变反映价值升华：从技术理想主义到技术普惠主义的理念演变，标志着闫俊杰从追求技术本身到追求技术社会价值的认知升华。

---

决策模型：

闫俊杰在关键人生节点的选择，可以从以下几个维度进行分析：

• 个人价值观匹配：选择是否符合内心深处的信念和追求？（学术研究→产业实践→创业，都服务于"技术普惠"的初心）

• 时机判断：是否处于最佳的行动窗口期？（博士毕业→AI产业化浪潮前夜；商汤七年→大模型范式转换期）

• 能力储备：是否具备了行动所需的核心能力？（学术能力→产业经验→管理经验）

• 风险承受：是否能够接受失败的后果？（始终保持"可以接受失败"的心态）

---

启示：

对于技术创业者而言，个人成长经历和价值理念是驱动创业行为的核心动力。闫俊杰的案例表明，童年的经历可能埋下创业的种子，学术训练可能奠定思维的基础，而关键选择的背后是对趋势的判断和对价值的坚守。技术创业不仅是能力的比拼，更是价值观的较量——只有那些怀揣真正信念的人，才能在漫长的创业旅程中保持定力和激情。

第三章：价值观与思维模式的起源

如果说成长经历是塑造一个人的土壤，那么价值观和思维模式就是在这片土壤上生长出来的根系和枝干。闫俊杰从河南小县城走向AI创业前沿的过程中，逐渐形成了几个核心价值观和独特的思维模式。这些看似无形的精神特质，在关键时刻往往发挥着决定性的作用。它们决定了闫俊杰面对困难时的选择，影响了Minimax的战略方向，也塑造了整个公司的企业文化。本章将深入剖析闫俊杰的价值观体系和思维模式，探究这些精神特质如何影响了他的创业实践。

一、核心价值观提炼

独立解决问题的本能

闫俊杰最显著的价值观之一，是那种根深蒂固的"自己解决问题"的本能。这种价值观的形成，可以追溯到他的童年岁月。在资源匮乏的小县城环境中，等待外部救援往往是不现实的，学会独立应对困难是生存的基本技能。这种经历逐渐内化为一种行为模式：遇到问题时，第一反应不是寻求帮助，而是思考如何自己解决。

这种独立解决问题的本能在闫俊杰的创业历程中表现得尤为明显。Minimax创立初期面临算力资源紧张的问题，在"一卡难求"的市场环境下，闫俊杰没有坐以待毙，而是积极寻求解决方案。他带领团队探索各种可能的资源获取渠道，与合作伙伴建立战略关系，最终在资源约束下实现了技术突破。这种不依赖外部条件、主动创造条件的做事风格，正是独立解决问题本能的具体体现。

更重要的是，这种价值观已经超越了个人层面，成为Minimax企业文化的重要组成部分。闫俊杰在招聘时特别看重候选人"独立解决问题"的能力——他需要的不是那种遇到问题就向上级汇报的员工，而是能够自己判断、自己决策、自己执行的独立思考者。这种人才观与他的个人价值观一脉相承，共同构建了Minimax"自驱型组织"的文化基因。

技术民主化信念

"让AI帮助普通人"——这是闫俊杰技术民主化信念的朴素表达。这个信念的形成与他外公的经历密切相关。一位有着丰富思想和表达欲望的老人，却因为不会使用电脑而无法将思想转化为文字，这种遗憾在年幼的闫俊杰心中留下了深刻印象。他无法接受这样的现实：技术的进步反而扩大了人与人之间的差距，让本已处于弱势的人更加边缘化。

技术民主化信念的核心主张是：技术的价值不在于它有多先进、多复杂，而在于它能在多大程度上改善普通人的生活。一个真正好的技术产品，应该能够让即使是技术小白也能轻松使用，应该能够帮助那些原本无法表达的人获得表达能力，应该能够缩小而非扩大人与人之间的差距。这种信念直接影响了Minimax的产品设计理念——不做"精英工具"，而做"大众产品"。

在实践中，技术民主化信念体现为对用户体验的极致追求。Minimax的产品团队在设计星野、海螺AI等应用时，始终将"让普通人也能轻松使用"作为首要目标。他们关注产品的易用性、可及性、亲和力，力求让AI技术以最友好的方式呈现在用户面前。这种产品理念在以技术为导向的AI创业圈中显得颇为独特，但闫俊杰坚信，这是正确且应该坚持的方向。

竞争驱动的成长观

在闫俊杰沉静内敛的外表下，隐藏着一颗渴望竞争、期待挑战的心。他曾公开表示"期待跟王者一决高下"，这种看似矛盾的性格特征——外表安静沉着，内心却燃烧着竞争的火焰——构成了他独特的成长动力来源。在他看来，与强者竞争不是压力，而是提升自己的最佳途径。只有在真正的挑战面前，人才会激发出最大的潜能。

这种竞争驱动的成长观源于闫俊杰对成长本质的深刻理解。他深知，在舒适区中人是无法真正成长的。只有不断挑战更强的对手，设定更高的目标，才能持续突破自己的天花板。这种认知促使他主动选择困难的路径——无论是选择MoE这一更具挑战性的技术路线，还是进入竞争激烈的AI大模型赛道，都体现了这种"不畏强敌、敢于亮剑"的性格特质。

竞争驱动的成长观还体现在闫俊杰对标杆企业的态度上。他从不掩饰对OpenAI等国际顶尖AI公司的关注和尊重，同时也坚信中国AI企业有能力在全球竞争中占据一席之地。这种"尊敬对手、超越对手"的态度，推动着Minimax在技术研发上不断追求进步。他经常在内部会议上引用竞争对手的最新成果，既承认差距，也激励团队保持追赶和超越的斗志。

长期主义的萌芽

闫俊杰的长期主义倾向并非与生俱来，而是在商汤工作期间逐渐形成的。在AI行业摸爬滚打多年后，他深刻认识到：这个行业的竞争不是短跑，而是马拉松。那些追逐短期热点、追求快速变现的公司，往往在技术深度上缺乏积累，最终难以在激烈的竞争中存活下来。只有坚持长期投入、持续创新的公司，才能建立起真正的护城河。

长期主义在Minimax的运营中有着清晰的体现。闫俊杰多次强调，公司不会为了短期估值而追逐热点应用，而是要坚持在基础模型技术上持续投入。他拒绝了许多看似有利可图的"快钱"机会，而是将有限的资源集中投入到真正能够建立长期竞争优势的方向上。这种"慢就是快"的战略定力，在浮躁的创业环境中显得尤为珍贵。

长期主义的另一个体现是对人才的态度。闫俊杰深知，AI领域最核心的竞争力是人才，而人才的培养和成长需要时间。因此，Minimax在人才发展上投入了大量资源，建立了完善的培训体系和晋升机制。他愿意给年轻人机会，愿意等待他们成长，不急于求成。这种对人才长期价值的重视，是长期主义价值观在组织管理层面的具体实践。

二、思维模式分析

数学思维：将复杂系统拆解为可优化子问题

数学训练给闫俊杰最重要的思维礼物，是将复杂问题分解为可处理子问题的能力。在数学中，面对一个复杂的定理证明，经验丰富的数学家会将其分解为一系列更小、更具体的引理和命题，逐一攻克，最终拼凑出完整的证明链条。这种"分而治之"的思维方式，在闫俊杰面对AI技术难题时发挥了重要作用。

在Minimax的技术研发中，数学思维体现为对问题的精准定义和分解。当团队面临"如何提升模型性能"这样的复杂问题时，闫俊杰会引导大家将这个问题分解为若干更具体的子问题：数据质量如何提升？模型架构如何优化？训练策略如何改进？每个子问题都对应着不同的研究方向和解决方案。通过这种方式，原本看似无从下手的大问题变成了可以逐一攻克的小问题。

数学思维还体现在对"最优解"的追求上。闫俊杰不喜欢"差不多就行"的态度，而是追求在给定约束条件下的最佳解决方案。这种追求卓越的精神，推动着Minimax在技术指标上不断精进。他会在内部会议上追问：为什么这个方案不是最优的？还有没有更好的替代方案？这种近乎"强迫症"的工作态度，正是数学思维的具体表现。

然而，数学思维也有其局限性。数学追求逻辑上的完美和形式上的简洁，但现实世界往往是复杂、模糊、不完美的。如何在追求逻辑完美与接受商业现实之间找到平衡，是闫俊杰需要不断权衡的问题。事实证明，他成功地将数学思维的严谨性与商业实践的灵活性结合起来，形成了一套独特的问题解决方法论。

工程思维：在资源约束下寻找最优解

如果说数学思维关注的是"什么是正确的问题"，那么工程思维关注的则是"如何在约束条件下解决问题"。闫俊杰在重庆邮电大学攻读硕士期间开始接触工程思维，此后在商汤的工作中进一步深化了对这种思维方式的理解。工程实践让他认识到，理论上的最优解在现实中往往不是最优的——资源约束、时间限制、成本考量等因素，都需要纳入决策的考量范围。

工程思维的核心是在约束条件下寻找最优解，而非追求理论上的绝对最优。在Minimax的创业过程中，这种思维方式体现得淋漓尽致。公司从未拥有过最充裕的算力资源，也从未拥有过最充裕的资金支持。面对这些约束，闫俊杰带领团队精打细算，将有限的资源用在最能产生价值的地方。他们选择MoE架构以提高计算效率，采用科学的数据方法来识别有效路径，通过轻量化组织来降低管理成本。这些决策都体现了工程思维的精髓——不追求"最好"，而是追求"最合适"。

工程思维还体现在对"可操作性"的重视上。闫俊杰在评估一个方案时，常常会问：这个方案能不能执行？需要什么条件？可能遇到什么障碍？这些务实的问题帮助团队避免了诸多不切实际的空想，确保每个决策都有落地的可能。他不喜欢那些听起来很高大上但实际上难以实施的方案，而是更欣赏那些看起来朴素但确实有效的做法。

战略思维：从"AI作为环节"到"AI作为产品"的认知跃迁

战略思维是闫俊杰在从技术专家向企业家转型过程中逐渐习得的能力。这种思维方式的转变，标志着他从"技术视角"转向"商业视角"，从"局部优化"转向"全局考量"。这种认知跃迁是许多技术创业者需要跨越的门槛，而闫俊杰在这个跨越上表现出色。

早期的闫俊杰更多地将AI视为一个"技术环节"——它是产品的一部分，是实现某个功能的技术手段。这种视角使得他在关注AI技术本身的同时，可能忽视了技术与用户需求之间的连接。然而，在商汤的工作经历和对AI产业发展的观察，使得他逐渐意识到这种视角的局限性。他开始思考：AI技术如何转化为用户真正需要的产品？如何在技术先进性和用户价值之间找到平衡？

这种思考最终促成了闫俊杰"AI作为产品"理念的形成。在他看来，AI不应该只是隐藏在产品背后的技术，而应该成为用户可以直接感知、直接使用的产品形态。用户不需要理解深度学习原理，不需要知道模型的参数规模，只需要能够从AI产品中获得价值。这种理念直接影响了Minimax的产品定位——不做"AI能力供应商"，而做"AI产品创造者"。

战略思维还体现在对竞争格局的把握上。闫俊杰在制定Minimax的战略时，不仅考虑自身的优势和劣势，还深入分析了竞争对手的策略和市场的发展趋势。他清醒地认识到，在AI大模型这个赛道上，真正的竞争不是与国内同行之间的零和博弈，而是与OpenAI等国际顶尖公司的全球竞争。这种宏观的战略视野，帮助Minimax在复杂的竞争环境中找准了自己的定位。

---

本章核心洞察：

1. 价值观是行为的底层逻辑：独立解决问题、技术民主化、竞争驱动、长期主义这四个核心价值观，共同构成了闫俊杰决策和行动的底层逻辑。

2. 思维方式决定问题解决路径：数学思维培养了分解问题和追求最优解的能力，工程思维培养了在约束条件下寻找可行解的能力，战略思维培养了从全局视角把握方向的能力——这三种思维方式的有机结合，是闫俊杰能够带领Minimax穿越创业周期的重要原因。

3. 价值观与思维方式的相互作用：价值观决定了"应该做什么"的问题，思维方式决定了"如何做"的问题。闫俊杰的案例表明，清晰的价值观和有效的思维方式相辅相成，共同支撑起一个创业者的认知框架。

---

决策模型：

闫俊杰的价值观和思维方式如何影响他的决策，可以从以下框架进行分析：

• 价值观筛选：这个决策是否符合我的核心价值观？（是否有利于技术普惠？是否坚持长期主义？）

• 思维验证：这个决策是否经过了充分的论证？（问题是否被正确分解？约束条件是否被充分考虑？战略方向是否正确？）

• 直觉校准：在理性和逻辑的分析之后，还需要倾听内心的直觉判断——这个决策是否让我感到"对"？

---

启示：

对于技术创业者而言，技术能力和商业头脑固然重要，但价值观和思维方式往往是决定成败的关键因素。闫俊杰的案例表明：从小县城成长经历中形成的独立解决问题能力，可以成为创业路上的核心竞争力；技术普惠的信念可以帮助团队在喧嚣中保持正确的方向；长期主义的定力可以在短期诱惑面前守住底线；而数学思维、工程思维、战略思维的有机结合，则构成了解决复杂问题的有效工具箱。这些精神特质的培养，不是靠读几本书、上几堂课就能完成的，而是需要在实践中不断磨练、在反思中不断精进。

第二编：Minimax的诞生

第四章：创业动机与问题意识

2021年，对于中国AI产业而言是一个充满张力的年份。这一年，全球AI技术正在经历从"深度学习"向"大语言模型"的范式跃迁，而中国科技产业则面临着从"模式创新"向"技术创新"的艰难转型。正是在这样的时代背景下，闫俊杰做出了离开商汤科技、创立Minimax的决定。这个决定看似突兀，实则是深思熟虑的结果；它承载着对技术趋势的判断、对商业机会的洞察，更蕴含着对AI技术终极价值的思考。本章将深入剖析闫俊杰的创业动机，梳理他在创业前夕形成的问题意识，以及他如何在多重选择中确定Minimax的发展方向。

一、2021年的时空坐标

技术维度：GPT-3已验证规模效应，但中文大模型仍空白

当我们将目光投向2021年的全球AI技术版图，一个不可忽视的事实是：大语言模型的技术路线已经得到了初步验证。2020年发布的GPT-3拥有1750亿参数，在零样本和少样本学习任务上展现出了惊人的能力，证明了"规模即能力"的Scaling Laws定律。Google的BERT、PaLM，OpenAI的GPT-3，以及众多学术机构的大模型项目，共同勾勒出了AI技术发展的新方向。然而，这片繁荣的景象背后存在一个显著的缺憾——在中文语言理解领域，尚未出现能够与GPT-3比肩的大模型。

这种空白不仅仅是技术上的差距，更是一种战略性的缺失。在移动互联网时代，中国凭借庞大的用户基数和丰富的应用场景，在许多领域实现了对西方的赶超甚至领先。但如果在大语言模型这个新兴领域继续缺位，中国可能在即将到来的AI 2.0时代再次陷入被动。更为关键的是，大语言模型被认为是通往通用人工智能（AGI）的关键路径之一，如果在这一领域长期落后，实现AGI的愿景可能将主要掌握在少数西方国家手中。

闫俊杰在商汤工作期间就对大语言模型的发展保持了高度关注。他意识到，GPT-3的成功不仅仅是一个技术突破，更是一个信号——AI正在从"特定任务"向"通用能力"转变，从"专家系统"向"通用智能"演进。这种转变意味着AI的应用范围将大大扩展，商业价值将呈指数级增长。对于有志于在AI领域创造一番事业的创业者来说，这是一个难得的历史窗口。

商业维度：商汤等AI公司面临上市压力，商业化路径争议

2021年前后，以"AI四小龙"为代表的中国AI公司正面临着严峻的商业化挑战。商汤科技虽然已经在技术研发上取得了世界级的成就，但其商业化路径仍然高度依赖政府和大企业客户，在更广泛的商业市场上缺乏有效的突破。更令投资者担忧的是，"AI四小龙"在IPO过程中普遍遭遇了估值下调和破发的命运，这表明资本市场对AI公司的商业前景存在深深的疑虑。

在这种背景下，闫俊杰对AI 1.0时代的商业模式进行了深刻反思。他意识到，单纯提供AI算法能力的B端模式存在根本性的局限：市场规模有限、客户集中度高、议价能力弱、同质化竞争激烈。要在AI领域建立起真正持久的商业优势，必须找到新的突破口——而大语言模型与C端应用的结合，正是他看到的那个突破口。

闫俊杰在《十字路口》访谈中曾坦言，他在商汤后期就开始思考一个问题：AI技术如何才能真正创造最大的社会价值？如果只是服务于少数大客户，那么AI的潜力远未被充分释放。但如果能够让AI成为每个人都能使用的工具，那么市场规模将是现在的数十倍甚至数百倍。这种对"技术普惠"的追求，成为了他创业的核心动力之一。

个人维度：38岁的闫俊杰面临"继续打工还是改变世界"的终极选择

2021年的闫俊杰38岁，正处于一个微妙的人生阶段。在商汤工作七年后，他已经是公司副总裁，位列核心管理层，拥有稳定的收入、体面的社会地位和广泛的人脉资源。从世俗的眼光来看，这是一个相当成功的位置，没有必要再去冒险创业。然而，闫俊杰内心的声音却在不断追问：这就是我想要的人生吗？我还能为这个世界创造什么更大的价值？

促使闫俊杰最终做出创业决定的，有几个关键因素的叠加。首先是对大模型技术趋势的判断——他清晰地认识到，AI正在进入一个新的发展阶段，错过这个窗口期可能意味着错失一个时代。其次是对技术普惠愿景的坚持——他希望能够亲自推动AI技术走出实验室，成为服务于普通大众的工具。最后是对个人成就的追求——他不满足于在现有框架内取得成功，而是渴望在更大的舞台上证明自己、创造历史。

在闫俊杰看来，创业不仅仅是一种职业选择，更是一种人生态度。它代表着拒绝安于现状、敢于追求更高目标的勇气。他曾经表示，他"期待跟王者一决高下"，渴望在全球AI竞争中占据一席之地。这种竞争驱动的内在动力，与外部环境提供的机遇形成了共振，最终推动他迈出了创业的关键一步。

二、问题意识的三重结构

闫俊杰在创业前夕形成的问题意识，可以概括为三重结构：技术问题、商业问题和社会问题。这三重问题相互交织、相互支撑，共同构成了Minimax创业的底层逻辑。

技术问题：为什么中国没有自己的GPT-3级大模型？

作为技术背景出身的创业者，闫俊杰首先关注的是技术层面的问题。GPT-3发布后，全球AI研究圈为之震动，但中国在大语言模型领域的布局却相对滞后。虽然有一些学术机构发布了中文语言模型，但在参数规模、训练质量、性能表现等方面与GPT-3存在明显差距。这种差距不仅是技术指标的差距，更是对大模型发展路线理解的差距。

闫俊杰在深入研究GPT-3的技术路线后，形成了自己的判断：大规模预训练模型是通往更高级AI能力的必经之路，而中国必须拥有自己的GPT-3级大模型。这不仅是技术自信的问题，更是技术主权的问题。如果在即将到来的AGI时代，中国在最核心的AI技术上依赖他人，那么国家安全和经济发展都将面临潜在风险。

正是基于这种判断，闫俊杰在Minimax创立之初就将"打造世界级的大语言模型"作为核心技术目标。他知道这个目标极具挑战性，需要大量的资源投入和漫长的时间积累，但他坚信这是正确且值得做的事情。

商业问题：如何避免成为"API供应商"，做出真正的C端产品？

技术问题之外，闫俊杰同样关注商业层面的问题。在商汤工作期间，他目睹了AI公司普遍面临的商业化困境：虽然技术很先进，但难以找到可持续的商业模式。大多数AI公司的主要收入来源是向企业客户提供算法能力或解决方案，这种B端模式存在明显的增长天花板。

更深层的问题在于，AI公司往往沦为客户的"供应商"而非"合作伙伴"，缺乏真正的产品化能力。它们提供的是"能力"而非"产品"，是"服务"而非"体验"。这种定位使得AI公司难以建立起直接的用户关系，也无法通过用户反馈持续优化产品。

闫俊杰希望打破这种局面。他希望Minimax不仅仅是一家AI技术公司，更是一家AI产品公司。他希望公司能够直接面向终端用户，开发出真正满足用户需求的AI产品，而不是隐藏在别的产品背后提供技术支持。这种"产品化"的理念，直接影响了Minimax后来的产品策略——从星野到海螺AI，Minimax始终在探索如何让AI技术以产品化的形态呈现在用户面前。

社会问题：如何让AI从"少数精英的工具"变为"普惠大众的生产力"？

在技术问题和商业问题之上，闫俊杰还思考着一个更深层的社会问题：AI技术应该为谁服务？这个问题在他心中有着特殊的分量，与他童年的经历密切相关。外公因为不会使用电脑而无法将思想转化为文字的场景，一直印刻在他的记忆中。他不希望看到AI技术成为少数精英的专属工具，而希望看到它能够帮助更多的普通人。

这种"技术普惠"的理念，体现了闫俊杰对AI技术社会责任的思考。在他看来，AI技术的终极价值不在于它有多先进、多复杂，而在于它能在多大程度上改善普通人的生活。一个真正好的AI产品，应该能够让即使是技术小白也能轻松使用，应该能够帮助那些原本无法表达的人获得表达能力。

这种理念直接影响了Minimax的产品定位和设计方向。闫俊杰在内部多次强调，Minimax的目标用户不是AI专家，而是普通大众。产品在设计时要考虑的，不是如何展示技术的复杂性，而是如何让用户能够简单、便捷地获得价值。这种"用户导向"的产品理念，在以技术为导向的AI创业圈中显得颇为独特。

三、关键对话与路线之争

与罗永浩在《十字路口》访谈中透露的创业初心

2024年，闫俊杰参加了罗永浩主持的访谈节目《十字路口》，在节目中首次较为系统地阐述了自己的创业初心和AI理念。这场对话为外界理解闫俊杰的创业动机提供了宝贵的窗口，也让人们看到了一个技术创业者内心深处的理想主义色彩。

在访谈中，闫俊杰提到了他创业的初衷：希望AI能够成为每个人日常生活的一部分，而不是少数精英的专属工具。这个愿景的形成，与他的个人经历密切相关。他谈到了外公的遗憾——一位有着丰富思想的老人，却因为不会使用电脑而无法将毕生思考整理成书稿。他希望AI能够改变这种状况，让每个人都能便捷地表达自己、实现自己。

闫俊杰还谈到了他对AI技术发展的理解。他认为，AI正在从"工具"向"伙伴"转变，未来的AI将能够理解人类的需求、辅助人类的决策、与人类进行自然的交互。这种转变将深刻改变人类与技术的互动方式，也将创造出巨大的商业机会。他创立Minimax，正是希望能够抓住这个机会，推动这种转变的实现。

这场访谈也让外界看到了闫俊杰性格中"竞争驱动"的一面。当罗永浩问他对AI竞争格局的看法时，他坦言"期待跟王者一决高下"，希望Minimax能够在全球AI竞争中占据一席之地。这种坦诚的野心，在习惯于"谦虚谨慎"的中国企业家群体中显得颇为独特，但也赢得了许多人的尊重和认可。

内部讨论："做中国OpenAI" vs "差异化创新"的路线之争

在Minimax创立之初，团队内部曾有过一场关于发展路线的激烈讨论。一部分成员认为，应该直接对标OpenAI，打造"中国版的GPT"，在同样的技术路线上追赶甚至超越。这种策略的优势在于方向明确、标杆清晰，可以直接借鉴OpenAI的成功经验。

但闫俊杰对此持有不同看法。他认为，单纯做"中国OpenAI"不是一个好的策略。原因有二：其一，OpenAI已经在这个方向上积累了巨大的领先优势，单纯追赶很难实现超越；其二，中国市场有其独特的需求和特点，照搬OpenAI的产品形态未必适合中国用户。

最终，Minimax选择了一条差异化的创新路线：不做"中国OpenAI"，而是做"AI时代的微信或抖音"。这意味着Minimax不仅仅要打造强大的基础模型，更要创造出真正能够触达海量用户的AI原生应用。模型是基础，产品是目的——这种"模型+产品"双轮驱动的策略，成为了Minimax区别于其他AI创业公司的重要特征。

这种路线选择的背后，体现的是闫俊杰对商业本质的深刻理解。他知道，在AI这个竞争激烈的赛道上，仅仅有先进的技术是不够的，还必须能够将技术转化为用户喜爱的产品。OpenAI的成功不仅仅在于GPT模型的技术先进性，更在于ChatGPT成功地将这种能力以产品化的形态呈现给了用户。Minimax要做的，是同样的事情——但在中国市场，以更适合中国用户的方式。

---

本章核心洞察：

1. 三重问题意识的叠加效应：技术问题（为什么中国没有自己的GPT-3）、商业问题（如何避免成为API供应商）、社会问题（如何让AI普惠大众）相互交织，共同构成了Minimax创业的底层逻辑。

2. 时机判断与个人准备的交汇：2021年的技术窗口期（GPT-3已验证、中文大模型空白）与闫俊杰的个人准备（技术积累、行业经验、创业意愿）形成了共振，推动了创业决策的最终形成。

3. 差异化路线选择的智慧：不做"中国OpenAI"，而是做"AI时代的微信或抖音"，体现了闫俊杰对竞争格局的清醒认识和对自身定位的准确把握。

---

决策模型：

闫俊杰创业决策的底层逻辑可以从以下框架分析：

• 技术判断：大模型是AI发展的必然方向，中文大模型存在巨大空白

• 商业判断：B端模式存在天花板，C端产品有更大潜力

• 价值判断：AI应该服务于普通人，而非少数精英

• 时机判断：2021年是最佳窗口期，错过将不再有

• 能力判断：具备技术积累、行业经验和团队组建能力

---

启示：

创业决策不是单一因素的结果，而是多重判断的叠加。闫俊杰的案例表明，成功的创业需要对技术趋势、商业逻辑、社会价值和自身能力进行综合判断。那些仅仅因为"风口"而创业的人，往往在困难面前缺乏坚持下去的信念；而那些经过深思熟虑的创业者，往往能够在不确定性中保持战略定力，最终穿越周期。

第五章：初始团队的形成

任何一家公司的成功，都离不开一支优秀的团队。Minimax的创立也是如此。闫俊杰在离开商汤创业时，带走的不仅仅是他个人的技术和经验，更是一群志同道合的伙伴。然而，这支初始团队的组建过程并非一帆风顺，它充满了选择、取舍和妥协。本章将深入分析Minimax创始团队的构成，探讨团队组建过程中的关键决策，以及早期组织基因的形成。

一、创始团队的"非完美组合"

技术核心：商汤系骨干的号召力

Minimax的创始团队以"商汤系"为核心。闫俊杰在商汤工作七年，积累了丰富的技术经验和行业人脉。当他决定创业时，很自然地想到邀请昔日的同事和朋友加入。这种"熟人网络"式的团队组建方式，在AI创业圈中非常普遍——AI人才的圈子相对集中，通过校友、同事、前同事等关系网络，可以高效地识别和吸引志同道合的人才。

在技术核心层面，Minimax吸引了几位在商汤时期与闫俊杰合作密切的技术骨干。其中包括商汤研究院的副院长和智慧城市业务的CTO等关键人物。这些人的加入，为Minimax带来了扎实的技术功底和丰富的工程经验。他们在各自的专业领域都有深厚的积累，能够支撑起Minimax在大模型研发上的技术需求。

值得注意的是，闫俊杰在邀请这些人加入时，并不能给予他们太多确定的承诺。彼时的Minimax刚刚成立，没有任何产品、没有收入、甚至连办公地点都还是临时的。在这种不确定性下，这些技术骨干选择加入，很大程度上是出于对闫俊杰个人的信任，以及对大模型方向的共同看好。这种信任关系的建立，是团队凝聚力的重要基础。

互补短板：早期团队在产品、市场、融资方面的缺失

然而，Minimax的创始团队也存在明显的短板。从人员构成来看，这是一支"技术强、产品弱、市场盲"的团队。创始成员大多来自技术背景，缺乏产品设计、市场营销、企业融资等方面的经验。这种人员构成的失衡，在公司发展初期带来了一定的困扰。

首先是产品能力的缺失。闫俊杰虽然有打造C端产品的愿景，但创始团队中缺乏真正懂产品、懂用户的成员。在产品定义、用户研究、交互设计等方面，团队不得不依赖外部顾问或后期招聘，这在一定程度上影响了产品迭代的速度。

其次是市场经验的不足。AI产品的市场推广有其特殊性，需要对AI技术的优势、局限和用户价值有清晰的理解。在这一点上，技术背景的创始团队花费了相当长的时间来学习和摸索。融资方面的挑战同样存在——创始团队中没有融资经验丰富的成员，早期融资过程颇为艰难。

最后是组织管理经验的欠缺。虽然闫俊杰在商汤担任过副总裁，但创业公司的管理与之不同。他需要从零开始搭建团队、建立流程、塑造文化，这些都是他此前未曾经历的挑战。

关键招聘：如何说服顶尖人才加入"不确定的未来"

面对团队能力的短板，闫俊杰在创业初期就开始积极进行关键招聘。他知道，要让Minimax成长为一家伟大的公司，仅靠创始团队是不够的，必须不断吸引优秀人才加入。然而，在公司前景尚不明朗的情况下，说服顶尖人才加入并非易事。

闫俊杰的招聘策略可以概括为"诚实地描绘愿景，坦承地说明挑战"。他不会为了吸引人才而夸大公司的发展前景或隐瞒存在的困难。相反，他会清晰地告诉候选人：公司面临着哪些挑战，需要什么样的人才来解决问题，加入公司可能面临什么样的风险。这种诚实的态度，反而赢得了许多候选人的信任。

在具体的招聘话术上，闫俊杰着重强调三点：一是事业的愿景——加入Minimax是在参与一件可能改变历史的事情；二是成长的机会——在一个快速发展的创业公司中，个人可以获得在大公司难以得到的锻炼；三是团队的氛围——Minimax有着务实、高效、追求卓越的文化，适合真正想做事的人。

这种招聘策略的效果是显著的。尽管Minimax无法提供与大厂相当的薪资待遇，但还是吸引了一批认同公司愿景、愿意承担风险、渴望创造价值的优秀人才。这些人才的加入，逐步补齐了团队在产品、市场、融资等方面的短板，为公司的后续发展奠定了基础。

二、组织基因的早期设定

轻量化组织：保持结构简单，注重研发效率

从成立之初，Minimax就确立了"轻量化组织"的理念。这种理念的核心主张是：保持组织结构的简单性，将有限的资源集中投入到最核心的研发工作中。闫俊杰深知，在创业初期，任何过度的组织膨胀都会消耗宝贵的资源和精力，而大模型研发恰恰是一个需要大量资源投入的领域。

轻量化组织的具体体现是组织的扁平和高效。在Minimax，决策链条很短，信息传递很快，员工之间的协作很直接。没有过多的层级，没有繁琐的流程，没有无意义的会议。这种组织形式使得团队能够保持敏捷，快速响应市场变化和技术进展。

轻量化组织并不意味着管理的缺失。相反，闫俊杰在保持组织简洁的同时，非常注重研发效率的提升。他建立了一套数据驱动的工作方法，通过量化指标来评估团队的工作效果，识别问题所在，持续优化工作流程。这种"用科学方法管理研发"的理念，是Minimax区别于许多AI创业公司的重要特征。

科学方法：采用数据科学快速识别有效路径

Minimax的另一个组织基因是"科学方法"。闫俊杰在多次访谈中提到，公司采用数据科学的方法来快速识别有效路径。这种方法的核心是：通过设计实验、收集数据、分析结果、得出结论的流程，来指导技术决策和产品迭代。

在实践中，这种方法体现为对A/B测试和数据分析的广泛应用。无论是技术方案的选择，还是产品功能的设计，团队都会通过数据来验证假设、指导决策。这种"用数据说话"的工作方式，避免了主观臆断和无效争论，提高了决策的科学性和执行的有效性。

科学方法的另一个体现是对"错误率"的重视。闫俊杰多次强调"错误率是AI产品的生命线"，要求团队持续关注和优化模型的错误率。这种对指标的关注，不是为了追求好看的数字，而是为了确保产品能够真正满足用户需求、创造用户价值。

人才选择标准：能提升团队整体输出，而非单打独斗的明星

在人才选择上，Minimax有着独特的标准。闫俊杰曾明确表示，公司需要的不是"明星员工"，而是能够提升团队整体输出的人。这个标准的背后，是对团队协作和集体智慧的高度重视。

在闫俊杰看来，一个真正的明星员工不仅要自己能力强，还要能够带动周围的人一起成长、一起进步。相反，那些只顾自己表现、不关心团队建设的人，即使个人能力再强，也不符合Minimax的人才标准。这种"利他性"的人才观，与公司"技术普惠"的使命一脉相承——真正的价值创造不是靠少数人的英雄主义，而是靠团队的协作和努力。

这种人才选择标准也影响了公司的面试流程。除了考察候选人的技术能力外，Minimax的面试还会重点关注候选人的团队协作能力、学习能力和成长潜力。公司希望招聘的是那些愿意学习、善于合作、追求进步的人，而非那些自满于现有能力、只关注个人表现的人。

三、早期资源约束下的生存策略

算力：如何在"一卡难求"的2021年获取训练资源

对于任何一家大模型创业公司来说，算力资源都是最核心的生产要素。然而，2021年的中国正处于GPU供应紧张的状态，NVIDIA的A100显卡一卡难求，价格飞涨。在这种环境下，Minimax如何获取足够的算力资源来支撑大模型训练，成为了一个生死攸�的问题。

面对算力困境，Minimax采取了多管齐下的策略。首先，积极与云服务商建立合作关系，获取算力资源。闫俊杰利用自己在行业内的关系，与几家主要云服务商达成了战略合作，获得了相当规模的算力支持。其次，通过优化模型架构来提高算力使用效率。Minimax选择MoE架构的部分原因，正是看中了它在保持模型性能的同时能够显著降低计算成本。最后，在算力资源有限的情况下，团队通过精细化的资源调度和管理，确保最重要的任务能够获得足够的算力支持。

这种在资源约束下寻找解决方案的能力，正是闫俊杰"独立解决问题"价值观的体现。他没有坐等算力资源变得充足，而是积极主动地寻找各种可能的获取渠道和使用优化方案。这种"不等不靠、自己想办法"的做事风格，帮助Minimax度过了最艰难的算力紧缺期。

数据：从哪里获取高质量中文语料

除了算力之外，高质量的训练数据也是大模型研发的关键要素。与算力可以通过购买或租赁获得不同，高质量数据的获取需要更长的时间和更多的积累。在这一点上，Minimax面临着与所有大模型创业公司同样的挑战。

Minimax的数据策略包括几个方面。首先，充分利用公开可用的中文数据集和语料资源。互联网上存在着大量高质量的中文文本数据，虽然需要经过清洗和筛选，但仍然是重要的训练素材。其次，与内容合作伙伴建立合作关系，获取特定领域的专业数据。这种合作既能获得高质量的训练数据，也能为合作伙伴带来价值。最后，通过用户产品的运营积累真实用户数据。随着星野、海螺AI等产品的上线，Minimax开始积累用户交互数据，这些数据对于模型优化和产品迭代具有重要价值。

资金：天使轮融资的艰难与关键决策者的赌注

任何创业公司的发展都离不开资金的支持，Minimax也不例外。在创业初期，资金问题是闫俊杰面临的最大挑战之一。彼时的大模型赛道尚未被资本市场充分认识，许多投资人对这个方向持观望态度。Minimax的天使轮融资过程颇为艰难，闫俊杰见了多位投资人，得到的反馈大多是疑虑和犹豫。

最终，Minimax获得了少数几位具有前瞻性眼光的投资人的支持。这些投资人愿意在赛道尚不明朗的时候下注，看中的是闫俊杰个人的技术背景和行业口碑，以及对大模型方向的坚定信念。对于一家初创公司来说，这种信任是极其珍贵的。它不仅提供了公司发展所需的资金支持，更给了团队在困难时期坚持下去的信心。

天使轮融资的经历也让闫俊杰深刻认识到，选择正确的投资伙伴至关重要。他更倾向于那些理解长期价值、愿意陪伴公司成长的投资人，而非那些急于求成、追求短期回报的资本。这种对"耐心资本"的偏好，直接影响了Minimax后续的融资策略。

---

本章核心洞察：

1. 创始团队的"非完美"是常态：完美的创始团队是稀缺资源，关键在于识别核心能力、弥补关键短板。Minimax早期"技术强、产品弱"的团队结构，恰恰反映了创业初期的资源约束现实。

2. 组织基因的早期塑造影响深远：轻量化组织、科学方法、人才选择标准等组织基因，在公司早期形成后会持续影响其发展轨迹。闫俊杰在创业初期就明确了这些原则，为公司的长期发展奠定了基础。

3. 资源约束是创业的常态：算力、数据、资金等资源的约束是创业公司面临的普遍挑战。如何在约束条件下寻找解决方案，是区分优秀创业者和普通创业者的关键能力。

---

决策模型：

Minimax早期团队和资源决策的底层逻辑：

• 团队构建：核心是"志同道合"，而非"完美配置"；通过"熟人网络+关键招聘"逐步补齐能力短板

• 组织设计：核心原则是"简单高效"；避免过早的组织膨胀，将资源集中于研发

• 资源策略：核心思路是"多管齐下"；不依赖单一渠道，通过多种方式获取和优化资源配置

• 融资策略：核心选择是"耐心资本"；寻找理解长期价值的投资人，而非急于求成的资本

---

启示：

对于技术创业者而言，团队组建和资源配置是最核心的挑战。Minimax的案例表明：创始团队不必追求完美的能力配置，而应聚焦于核心能力的构建，并通过持续招聘逐步补齐短板；组织设计应该服务于战略目标，避免过早的复杂化；资源约束是创业的常态，关键在于在约束条件下寻找有效的解决方案。这些经验对于其他技术创业者具有重要的参考价值。

第六章：技术方向与产品定位的早期抉择

Minimax创立后面临的第一个重大决策，是技术方向和产品定位的选择。这些早期决策将深刻影响公司此后数年的发展轨迹，一旦选错方向，可能导致难以挽回的后果。闫俊杰带领团队进行了深入的思考和讨论，最终做出了一系列在当时看来颇为激进、但事后被证明是正确的选择。本章将详细分析这些关键决策的背景、逻辑和影响。

一、2021-2022年的关键决策树

架构选择：为什么是MoE而非密集模型

2021年的AI大模型领域，主流的技术路线是"密集模型"——即所有参数都参与每一次计算的Transformer架构。GPT-3就是这种架构的典型代表，它拥有1750亿参数，每次推理都需要调动全部参数参与计算。这种架构的优势在于技术成熟、实现简单、效果可预期；缺点是计算成本高昂，随着模型规模增大，推理成本将变得难以承受。

然而，闫俊杰在仔细研究后认为，密集模型不是最优的技术路线。他关注到学术界关于MoE（混合专家模型）的研究，发现这种架构在理论上能够在保持模型总参数量的同时大幅降低实际计算量。简单来说，MoE模型包含多个"专家"网络，每次推理只激活部分专家参与计算，从而在相同计算资源下支持更大规模的模型。

这个选择在当时的国内AI创业圈中显得颇为激进。MoE架构在国际上也尚处于研究探索阶段，缺乏大规模工程化的成功案例。选择这条路线意味着要承担更大的技术风险——如果MoE路线最终被证明不可行，Minimax可能浪费大量时间和资源。但闫俊杰坚信，这是"通向更好模型的必要条件"，是应对算力约束的最优解。

2022年，Minimax发布了abab 6，成为国内首个MoE大语言模型。这一成果证明了闫俊杰判断的正确性，也奠定了Minimax在MoE技术路线上的领先地位。随着后续大模型规模的进一步扩大，MoE架构的优势日益凸显，Minimax的早期技术积累开始转化为竞争优势。

模态选择：为什么坚持多模态融合

除了架构选择，Minimax在模态选择上也做出了独特的决策。2021-2022年，大多数大模型创业公司将主要精力集中在文本模型上，因为这是技术最成熟、商业化路径最清晰的领域。然而，闫俊杰坚持认为，多模态融合是AI发展的必然方向，Minimax应该从一开始就布局多模态能力。

闫俊杰的判断基于对AGI愿景的深入思考。他曾表示，AGI必须理解世界，而世界是多模态的——我们生活的世界不仅有文字，还有图像、声音、视频等各种信息形式。一个真正智能的系统，应该能够理解和处理这些多模态信息。因此，Minimax的技术布局涵盖了"文本到视觉、文本到语音、文本到文本"的三位一体能力。

这种多模态布局在当时的商业环境下显得有些"不务正业"。许多投资人质疑：为什么不等文本模型成熟后再考虑多模态？为什么要分散有限的研发资源？但闫俊杰坚持认为，多模态能力是构建真正智能系统的必要条件，也是Minimax区别于竞争对手的差异化优势。事实证明了这一判断的前瞻性——2023年以来，多模态大模型成为了行业热点，而Minimax早已在这一领域建立了技术积累。

产品路径：先做API还是先做C端应用

技术方向之外，产品路径的选择也是关键决策之一。彼时大多数AI创业公司的选择是：先做底层模型能力，通过API方式向B端客户提供服务，待商业模式验证后再考虑C端产品。这种"先B后C"的策略风险较低、变现较快，是业界的主流选择。

但闫俊杰做出了不同的选择。他坚持"技术与产品并重"的策略，一方面投入大量资源进行底层模型研发，另一方面同步推进C端产品的开发。这种策略的风险在于资源分散、周期拉长，但其优势在于能够获得真实的用户反馈、建立起直接的用户关系。

闫俊杰的考量是：单纯做API供应商，最终只能沦为"管道工"，难以建立起真正的产品壁垒和用户忠诚度。只有直接面对C端用户，才能真正理解用户需求、创造用户价值。他表示，Minimax的目标是"做AI时代的微信或抖音"，而非"做AI时代的API供应商"。

这种产品路径的选择，使得Minimax在早期同时推进了多个产品方向。一方面，Minimax通过API服务B端客户，获取收入和行业认知；另一方面，通过星野、海螺AI等产品直接服务C端用户，积累用户数据和产品经验。这种"双轮驱动"的策略，在资源有限的情况下确实带来了更大的管理复杂度，但也为Minimax赢得了更广阔的发展空间。

市场选择：国内还是海外——Talkie出海的战略考量

在市场选择上，Minimax同样做出了一个重要的差异化决策：在国内市场竞争日趋激烈的情况下，选择通过Talkie产品开拓海外市场。这个决策的背后，是对全球AI竞争格局的深入分析和战略考量。

Talkie的出海战略有着清晰的逻辑。首先，海外市场的AI应用环境相对宽松，没有像中国这样严格的内容监管和算法备案要求，产品迭代速度可以更快。其次，海外用户对AI聊天机器人的接受度较高，C端付费意愿也更强。最后，通过海外市场的成功，可以验证Minimax的产品能力和技术实力，反哺国内市场的品牌建设。

Talkie在海外市场的表现证明了这一策略的价值。据公开信息，Talkie的年收入达到了7000万美元，在海外AI应用市场占据了一席之地。这一成绩不仅为Minimax带来了可观的收入，更验证了其产品化能力和技术实力。更重要的是，Talkie的成功经验为Minimax后续的产品开发和市场拓展提供了宝贵的借鉴。

二、决策逻辑分析

MoE的激进性：2021年MoE仍是前沿，但闫俊杰认为这是"必要条件"

回顾Minimax的MoE路线选择，可以更清晰地理解闫俊杰的决策逻辑。彼时的MoE架构确实存在很大的不确定性——它能否在超大规模模型上保持稳定性？工程实现会遇到哪些困难？这些问题都没有现成的答案。

闫俊杰坚持MoE路线的核心理由是"必要条件"判断。他认为，随着模型规模的持续扩大，密集模型的计算成本将变得不可承受。MoE架构虽然在实现上更复杂，但它是解决算力效率问题的最有效路径。如果Minimax要在大模型领域建立竞争优势，就必须在架构层面进行创新，而非简单地跟随OpenAI的密集模型路线。

这种"做困难但正确的事情"的决策风格，是闫irian创业哲学的体现。他知道，选择容易走的路可能获得短期优势，但很难建立长期壁垒。只有在关键技术节点上做出差异化选择，才能在激烈的竞争中脱颖而出。事实证明了这一判断的正确性——随着模型规模的进一步扩大，MoE架构的优势日益明显，Minimax的技术差异化逐渐转化为竞争优势。

多模态的必然性：AGI必须理解世界

闫俊杰对多模态的坚持，同样体现了他对AI技术发展趋势的深刻理解。他不满足于打造一个"能说会道"的文本模型，而是希望构建一个"能看、能听、能说"的通用智能系统。这种追求的背后，是他关于AGI的底层认知：真正的智能必须能够理解和处理真实世界的多模态信息，而非仅限于处理文字符号。

这种认知促使Minimax在技术布局上采取了"全模态"的策略。无论外界如何质疑、如何施压，团队始终保持对多模态技术的投入。这种坚持在当时看来可能显得"不务正业"，但随着多模态大模型成为行业共识，Minimax的早期布局开始显现价值。

C端优先的代价：资源分散、周期长，但能获取真实用户反馈

"技术与产品并重"的策略确实带来了代价。Minimax不得不在有限的资源下同时推进多个方向，这导致了资源的分散和管理的复杂化。与那些专注于API服务的竞争对手相比，Minimax的产品迭代速度可能更慢，短期内也可能更难看到清晰的商业模式。

然而，这种策略的优势也在逐渐显现。通过C端产品的运营，Minimax积累了宝贵的用户数据和产品经验。用户反馈帮助团队更好地理解市场需求，指导技术改进的方向。更重要的是，C端产品建立起直接的用户关系，这种关系是API服务商无法获得的。

闫俊杰在后来的访谈中坦言，C端优先的策略确实比B端模式更加艰难，但这是正确的选择。他认为，只有直接面对用户，才能真正理解用户需求、创造用户价值。如果只是做API供应商，最终只能沦为"工具人"，难以建立起真正的竞争壁垒。

三、早期产品迭代

abab 6的发布：国内首个MoE大语言模型

2022年，Minimax发布了abab 6模型，这是国内首个MoE架构的大语言模型。这一发布具有里程碑式的意义：它证明了闫俊杰技术判断的正确性，也奠定了Minimax在国内大模型领域的领先地位。

abab 6的技术特点在于其MoE架构的设计。与同等规模的密集模型相比，abab 6在保持相当性能的同时，显著降低了计算成本。这种架构优势使得Minimax能够在有限的算力资源下训练更大规模的模型，形成了技术上的差异化竞争力。

abab 6的发布也标志着Minimax从"创业公司"向"技术公司"的转变。在此之前，Minimax主要是在进行技术积累和团队建设；在此之后，Minimax开始以技术产品的形态参与市场竞争。这种转变不仅提升了公司的市场影响力，也为后续的融资和合作创造了更有利的条件。

星野、海螺AI的诞生：从工具到陪伴的产品哲学

在底层模型研发的同时，Minimax也在积极推进C端产品的开发。星野和海螺AI是Minimax推出的两款重要产品，它们分别代表了两种不同的产品哲学。

星野是一款AI角色扮演产品，用户可以与AI虚拟角色进行对话互动。这款产品的设计理念是"AI作为陪伴者"，而非"AI作为工具"。它不追求帮助用户完成某个具体任务，而是致力于为用户提供情感价值和社交体验。这种产品定位反映了Minimax对AI应用场景的独特理解——AI不仅可以作为提高效率的工具，还可以作为满足人类社交需求的"伙伴"。

海螺AI则是一款更偏向工具属性的产品，它致力于帮助用户解决日常生活中的各种问题，如写作辅助、信息查询、创意生成等。这款产品的设计理念是"AI作为助手"，强调的是AI的实用价值和对用户效率的提升。

两款产品的不同定位，反映了Minimax在AI应用场景上的探索精神。闫俊杰认为，AI的应用场景是多元的，不应该被局限在某个单一方向。通过多款产品的并行探索，Minimax可以更全面地理解用户需求，发现更多的商业机会。

用户共创的实践：如何将用户反馈转化为模型优化

Minimax在产品运营中的一个重要实践是"用户共创"。与许多AI公司闭门造车不同，Minimax积极邀请用户参与产品的改进过程，将用户反馈作为模型优化的重要输入。

这种用户共创的理念体现在多个层面。首先，在产品设计上，Minimax通过用户调研、访谈、测试等方式收集用户需求，确保产品设计贴近用户真实需求。其次，在模型迭代上，Minimax建立了用户反馈收集和分析系统，将用户的使用数据和问题反馈纳入模型训练的考量。最后，在社区运营上，Minimax建立了活跃的用户社区，鼓励用户分享使用经验、提出改进建议。

用户共创的实践带来了显著的成效。通过真实用户反馈，Minimax能够更快地识别产品问题和改进方向，避免了闭门造车的风险。更重要的是，用户共创建立起了一种"用户与公司共成长"的关系，增强了用户的参与感和忠诚度。

---

本章核心洞察：

1. 技术决策的前瞻性价值：MoE架构和多模态融合的选择，在当时看来颇具风险，但事后证明这些决策具有显著的前瞻性价值。闫俊杰的判断力在这些关键决策中得到了充分体现。

2. 差异化定位的重要性：不做"中国OpenAI"，而是做"AI时代的微信或抖音"；不做"API供应商"，而是做"AI产品公司"——这些差异化定位帮助Minimax在激烈的竞争中找到了自己的生存空间。

3. 用户导向的产品理念：从"技术驱动"到"用户驱动"的转变，是Minimax产品成功的关键。通过用户共创和真实反馈，Minimax得以持续优化产品，创造用户价值。

---

决策模型：

Minimax技术方向和产品定位的决策框架：

• 技术可行性判断：路线是否满足Scaling Laws？是否有足够的理论支撑？

• 商业可持续性判断：技术方向能否转化为产品？产品能否创造用户价值？

• 资源匹配性判断：现有资源能否支撑技术路线的实施？是否需要做出取舍？

• 长期价值判断：三五年后，这个技术方向是否仍有竞争力？

---

启示：

技术创业中的关键决策，往往需要在信息不完整、不确定性很高的条件下做出。Minimax的案例表明，关键决策的正确性不仅取决于决策本身的质量，更取决于决策者对技术趋势、市场需求和自身能力的准确判断。那些能够在复杂环境中做出正确选择的创业者，往往具备以下几个特点：深厚的技术积累使其能够准确判断技术方向的可行性；丰富的行业经验使其能够准确理解市场需求；清晰的战略思维使其能够在不确定性中保持方向感。这些能力的培养，需要长期的积累和持续的反思。

在完成了abab 6的发布和星野、海螺AI的产品探索后，Minimax进入了一个新的发展阶段。这个阶段的挑战不再仅仅是如何选择技术方向和产品定位，而是如何在选定的方向上持续深耕、不断突破。闫俊杰深知，创业最难的不是起点的选择，而是过程的坚持。许多创业公司在初期做出了正确的选择，但在后续的执行中逐渐偏离了方向，或者在困难面前选择了放弃。Minimax要避免重蹈覆辙，就必须在技术、产品、组织等多个层面持续投入、持续进化。

四、产品哲学的深度阐述

从"工具"到"伙伴"：重新定义AI与人的关系

Minimax的产品哲学，可以用"从工具到伙伴"这个转变来概括。传统的AI产品，无论是语音助手还是智能客服，本质上都是"工具"——它们被设计用来帮助用户完成某个特定任务，用户与AI的交互是命令式的、功能性的。这种工具化的AI产品虽然能够在某些场景下提高效率，但难以建立起真正的用户黏性和情感连接。

闫俊杰对这种传统的AI产品观提出了质疑。他提出了一个新的问题：AI只能作为工具存在吗？如果AI能够理解人类的需求、回应人类的情感、与人类进行自然的交流，那么它是否可以成为人类的"伙伴"，而不仅仅是"工具"？这种对AI角色的重新定义，催生了Minimax独特的产品哲学。

在星野等产品中，这种"伙伴"理念得到了充分的体现。用户与AI角色的交互不再是简单的命令执行，而是类似于人与人之间的对话。AI角色有自己的性格、情感和记忆，能够根据对话情境做出自然的回应。这种交互模式创造了传统AI工具无法提供的情感价值——用户不再只是把AI当作一个功能性的工具，而是将其视为一个可以交流、可以陪伴的"对象"。

这种产品哲学的意义不仅在于创造了差异化的产品体验，更在于拓展了AI应用的想象空间。如果AI可以是"伙伴"，那么它可以是心理咨询师、情感导师、创意伙伴、学习助手……这种角色的多样性为AI应用的商业化开辟了广阔的空间。

技术透明与用户信任：AI产品设计的伦理考量

在产品设计中，Minimax始终面临着一个伦理问题：如何处理AI的"非人类"属性？当用户与AI进行深度交互时，他们往往会不自觉地将AI拟人化，赋予其人类的情感和意图。这种拟人化既是AI产品吸引力的来源，也带来了潜在的伦理风险。

Minimax的选择是"技术透明"。公司明确告知用户，其产品背后的AI并非真正的人类，而是基于大语言模型的对话系统。这种透明的做法虽然在短期内可能降低某些用户的沉浸感，但长期来看有利于建立用户信任，避免不必要的伦理争议。

闫俊杰多次强调，AI产品的设计必须在"用户沉浸感"和"技术透明度"之间找到平衡。过度强调AI的"人性"可能误导用户，导致不当的依赖或期待；但过度强调AI的"机器属性"又可能削弱产品的吸引力。这种平衡的把握，需要在实践中不断探索和调整。

五、早期发展的关键里程碑

技术能力的持续积累：从abab 6到abab 6.5

在abab 6之后，Minimax持续投入资源进行技术研发，不断提升模型能力。2024年，公司发布了abab 6.5，这是一个参数规模达到万亿级别的模型，标志着Minimax在技术能力上实现了新的突破。

abab 6.5的研发过程充满了挑战。万亿参数级别的模型训练需要海量的算力资源、精密的工程管理和严格的质量控制。Minimax团队在闫俊杰的带领下，攻克了一个又一个技术难关，最终成功完成了模型的训练和发布。这个成果不仅证明了Minimax具备世界级的模型研发能力，也为其在激烈的AI竞争中奠定了技术基础。

abab 6.5的发布还标志着Minimax对Scaling Laws的深入理解和应用。团队发现，随着模型规模的增大，模型能力呈现出可预测的提升趋势。这种规律性的认识指导着后续的模型研发，使得Minimax能够更科学地规划技术路线、更准确地预判研发进度。

商业模式的初步验证：从产品到收入的转化

在技术积累的同时，Minimax也在探索可持续的商业模式。B端API服务和C端产品收入构成了公司的两大收入来源。虽然在这个阶段，公司的主要目标仍然是在技术和产品上建立优势，但商业模式的初步验证为公司的长期发展提供了信心。

B端业务方面，Minimax通过API服务向企业客户提供大模型能力。这种商业模式的优势在于收入稳定、可预期，但劣势在于毛利率有限、议价能力较弱。闫俊杰很清楚，单纯做API供应商不是Minimax的终极目标，但B端业务在早期可以为公司提供现金流支持，为C端产品的打磨争取时间。

C端业务方面，星野、海螺AI等产品通过订阅和增值服务获取收入。虽然C端业务的商业化难度更大、周期更长，但其潜在的市场规模和用户价值远超B端业务。Minimax在C端业务上的持续投入，体现了闫俊杰"长期主义"的投资理念——他愿意用短期的收入换取长期的竞争优势。

组织能力的稳步提升：从几十人到数百人

随着业务的发展，Minimax的组织规模也在不断扩大。从最初的几个人，到几十人，再到数百人，这种规模的扩张带来了管理上的巨大挑战。如何在保持创业公司敏捷性的同时，支撑更大规模的业务运营？如何在快速扩张中保持组织文化的连续性？这些问题成为闫俊杰需要面对的新课题。

Minimax采取的策略是"渐进式扩张"。公司并没有为了追求规模而盲目扩张人员，而是根据业务需求稳步增加团队规模。在招聘标准上，闫俊杰始终坚持"能提升团队整体输出"的原则，宁缺毋滥。在组织架构上，公司保持了相对扁平的结构，避免了过早的层级化。

这种稳健的组织发展策略，帮助Minimax在规模扩张的同时保持了组织的活力和效率。虽然与动辄数千人的大厂相比，Minimax的规模仍然有限，但公司的组织效率和人均产出在行业内处于较高水平。

---

本章核心洞察：

1. 产品哲学的差异化价值："从工具到伙伴"的重新定义，不仅创造了差异化的产品体验，更拓展了AI应用的想象空间和商业价值。

2. 技术积累的长期主义：从abab 6到abab 6.5的演进，证明了Minimax在技术研发上的持续投入和深厚积累。技术能力的建立需要时间，但一旦建立起来就会形成强大的竞争壁垒。

3. 组织发展的稳健策略：渐进式的人员扩张和高标准的招聘原则，帮助Minimax在规模扩大的同时保持了组织的效率和活力。

---

决策模型：

Minimax早期发展的决策逻辑可以从以下框架分析：

• 技术投入与商业回报的平衡：在商业化前景尚不明朗的情况下，坚持对基础技术的投入，但通过B端业务获取现金流支持

• 规模扩张与效率保持的平衡：根据业务需求稳步扩张，避免过度膨胀导致的组织僵化

• 短期收入与长期价值的平衡：不急于追求短期变现，而是着眼于在技术和产品上建立长期优势

---

启示：

技术创业的成功不仅取决于初期的战略选择，更取决于后续的执行和坚持。Minimax的案例表明：正确的战略选择需要持续的执行才能转化为实际的竞争优势；在执行过程中，需要在技术、产品、组织等多个维度同步发力；组织能力的建设与技术能力的积累同样重要，不可偏废。这些经验对于其他技术创业者具有重要的参考价值。

---

第二编总结：

第二编《Minimax的诞生》完整呈现了Minimax从创业动机的形成到公司初步发展的全过程。通过三章的详细分析，我们深入理解了：

1. 创业动机的三重结构：技术问题（为什么中国没有自己的GPT-3）、商业问题（如何避免成为API供应商）、社会问题（如何让AI普惠大众）共同构成了闫俊杰创业的底层逻辑。

2. 团队组建的务实策略：从"商汤系"核心到"非完美组合"，从"轻量化组织"到"科学方法"，Minimax在团队和组织层面形成了独特的基因。

3. 技术方向的差异化选择：MoE架构、多模态融合、C端优先——这些在2021年看来颇为激进的选择，事后证明了其前瞻性和正确性。

4. 产品哲学的独特创新："从工具到伙伴"的重新定义，不仅创造了差异化的产品体验，更拓展了AI应用的想象空间。

第二编的核心结论是：Minimax的成功不是偶然的，而是闫俊杰对技术趋势的准确判断、对商业本质的深刻理解、对产品价值的独特洞察共同作用的结果。这些能力和洞察的形成，可以追溯到他的成长经历和价值观；而这些能力和洞察的应用，则体现在Minimax创业过程中的每一个关键决策中。

---

下一部分写作预告：

第三编**《公司发展的关键阶段》**（约30,000字）将涵盖：

1. 第七章：2023-2024年——技术狂飙与商业化试错（约8,000字）

   • 技术演进路线：abab 6.5、线性注意力机制、错误率攻坚战
   • 商业化路径的摇摆：To B vs To C、开源 vs 闭源、降价竞争
   • 组织扩张的阵痛

2. 第八章：2025年——重大转折点与危机时刻（约8,000字）

   • 技术产品"五连发"的战略意图与资源压力
   • DeepSeek-R1的冲击与应对策略
   • Talkie的收入奇迹与海外市场突破
   • 算力危机、人才流失、资本压力

3. 第九章：与资本、市场、竞争对手的博弈（约7,000字）

   • 资本博弈：估值逻辑与独立性的平衡
   • 市场博弈：监管环境与用户心智
   • 竞争对手分析：智谱、月之暗面、DeepSeek、OpenAI

4. 第十章：组织文化与领导力演化（约7,000字）

   • 文化基因的传承与演变
   • 领导力的自我约束与升级
   • 组织管理的科学方法

---

是否继续写作第三编？

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: 29fd7834a36d2a9a54f57be438b01e4d PropagateID: 29fd7834a36d2a9a54f57be438b01e4d ReservedCode1: 304602210092b2593a9792af5a75947fedc5123fccc155c944dfed9e011f5b0ca73aac799702210080440171b6af20438d09a666b71d544707f331ac4adeb7e246603048bc58b4f3 ReservedCode2: 3045022100a06e4532df9e4d64c62d6182a0ffa5a299316d4bcb5490dbd875771bba21e134022008faabcc48826cf3daf0004c3660a6d08e2d45527c8f17ae7821076286034b6f

第三编：公司发展的关键阶段

第七章：2023-2024年——技术狂飙与商业化试错

2023年至2024年，是Minimax发展历程中最为关键的两年。在这两年里，全球AI产业经历了ChatGPT发布后的疯狂追捧到理性回归，而Minimax也在技术研发和商业化探索中经历了多次重要抉择。这一时期既是技术狂飙突进的阶段，也是商业模式反复试错的阶段。通过对这一时期Minimax发展的深入分析，我们可以更清晰地看到一家AI创业公司如何在技术理想与商业现实之间寻找平衡，如何在激烈的市场竞争中逐步确立自己的定位。

一、技术演进路线

abab 6.5：万亿参数模型的突破与Scaling Laws的应用

2024年，Minimax发布了abab 6.5模型，这是一个参数规模达到万亿级别的超大规模语言模型。这一发布标志着Minimax正式跻身全球顶级AI模型研发公司的行列，也证明了闫俊杰当初选择MoE架构的正确性和前瞻性。万亿参数模型的训练和部署，需要解决一系列前所未有的技术挑战，而Minimax团队在闫俊杰的带领下，成功攻克了这些难关。

abab 6.5的研发过程充分体现了Minimax对Scaling Laws的深入理解和应用。Scaling Laws是近年来AI领域的重要发现之一，它揭示了模型性能与模型规模、训练数据量、计算资源之间的规律性关系。简单来说，在一定范围内，增大模型规模、增多训练数据、增加计算投入，都能够带来模型性能的可预期提升。这种规律性的认识，为大模型研发提供了科学指导，使得研发团队能够更准确地规划技术路线、预判研发进度。

闫俊杰在多个场合强调了对Scaling Laws的重视。他认为，大模型能力的提升在很大程度上是可预测的，关键在于持续投入资源进行模型规模的扩大和训练数据的丰富。这种"可预测性"给了团队信心，使得他们敢于在模型规模上大胆突破。abab 6.5的成功发布，证明了这种技术策略的有效性。

然而，Scaling Laws的应用也面临着现实的约束。模型规模的增大意味着计算成本的急剧上升，这对公司的算力资源和资金实力都提出了更高的要求。Minimax在abab 6.5的研发过程中，不得不精打细算地分配有限的算力资源，通过架构优化和训练策略改进来提高资源使用效率。这种在资源约束下追求技术突破的能力，是Minimax的核心竞争力之一。

线性注意力机制：MiniMax-01系列的架构创新

在abab 6.5之后，Minimax并没有停止架构创新的脚步。2024年下半年，公司发布了MiniMax-01系列模型，引入了创新的线性注意力机制，这一技术突破使得模型的推理效率提升了20%以上，再次证明了Minimax在底层架构研发上的实力。

传统的Transformer架构使用的是"自注意力"机制，这种机制的计算复杂度与序列长度的平方成正比。当处理长文本或进行复杂推理时，计算成本会急剧上升，成为制约模型应用的瓶颈。Minimax的线性注意力机制通过创新的算法设计，将计算复杂度降低到与序列长度成正比的水平，从而大幅提升了模型的推理效率。

这项技术创新的意义不仅在于效率的提升，更在于它拓展了模型的应用场景。更低的推理成本意味着模型可以更广泛地部署在各种设备上，为更多的用户提供服务。这与Minimax"技术普惠"的使命高度一致——让先进的AI技术以更低的成本、更广的范围服务于普通用户。

线性注意力机制的研发过程充满了挑战。这是一项前沿性的技术探索，没有现成的经验可以借鉴，需要团队从底层算法到工程实现进行全方位的创新。闫俊杰带领技术团队经历了多次试错和迭代，最终成功将这一创新变成了现实。这种敢于挑战技术前沿、勇于进行底层创新的精神，是Minimax技术文化的核心特征。

错误率攻坚战：从20-30%到"降低一个数量级"的生死线

在追求模型规模扩大的同时，Minimax始终将降低模型错误率作为技术研发的核心目标。闫俊杰多次强调，"错误率是AI产品的生命线"——即使模型规模再大、参数再多，如果错误率过高，就无法真正满足用户需求、创造用户价值。这一理念贯穿于Minimax技术研发的全过程。

在2023年至2024年间，Minimax发起了一场系统性的"错误率攻坚战"。当时，模型在一些复杂任务上的错误率高达20-30%，这意味着每三到五个回答中就有一个存在明显的错误。这样的错误率水平虽然在大模型领域已经属于较好水平，但距离"真正可用"仍有明显差距。闫俊杰设定的目标是：将错误率"降低一个数量级"，即从20-30%降到2-3%。

这场攻坚战涉及技术研发的多个层面。在数据层面，团队通过优化训练数据的质量和配比，提升模型对各种任务的理解能力。在算法层面，团队改进了模型架构和训练策略，减少模型产生错误输出的概率。在工程层面，团队建立了更完善的错误检测和修正机制，及时发现和处理模型输出中的问题。

经过一年多的持续努力，Minimax在错误率控制上取得了显著进展。虽然尚未完全达到"降低一个数量级"的雄心目标，但模型的稳定性和可靠性已经得到了明显提升。这种对"产品可用性"的执着追求，体现了Minimax"技术普惠"理念的落地——技术不应该只是实验室里的展示品，而应该能够真正满足用户需求、解决实际问题。

二、商业化路径的摇摆

To B vs To C：两条腿走路的艰难平衡

在商业化路径上，Minimax面临着To B与To C两条路线的抉择。这两条路线各有优劣：B端业务收入稳定、可预期，但市场规模有限、议价能力弱；C端业务潜在市场巨大，但商业化难度大、周期长。在创业资源有限的情况下，如何平衡这两条路线，成为闫俊杰需要反复权衡的问题。

B端业务方面，Minimax通过API服务向企业客户提供大模型能力。高济健康合作项目是Minimax B端业务的典型案例。公司为高济健康开发了"高济神农"系统，将大模型能力应用于医疗健康领域，帮助医疗从业者提高工作效率。这个项目不仅为Minimax带来了收入，更重要的是帮助团队积累了行业应用的实践经验，验证了大模型在垂直领域的商业价值。

C端业务方面，星野、海螺AI等产品持续迭代优化，探索可持续的商业模式。与B端业务相比，C端业务面临更大的不确定性——用户需求更加碎片化、付费意愿更加难以预测、竞争更加激烈。但闫俊杰始终坚持认为，C端业务才是Minimax的终极方向。他多次强调，只有直接面对C端用户，才能真正建立起用户关系、创造用户价值。

在这种战略思路下，Minimax采取了"两条腿走路"的策略：一方面通过B端业务获取现金流、积累行业经验；另一方面持续投入C端业务、打磨产品体验。这种策略的优势在于风险分散、两条腿走路，但劣势也很明显——资源分散、难以在任何一个方向上形成压倒性优势。

开源 vs 闭源：DeepSeek开源冲击下的战略选择

2024年末至2025年初，DeepSeek的崛起给整个AI行业带来了巨大的冲击。DeepSeek采取的开源策略取得了惊人的市场反响，其模型在性能和成本上都展现出了强大的竞争力。一时间，"开源模式"与"闭源模式"的优劣成为行业讨论的热点话题，Minimax也不可避免地面临这一战略选择。

闭源策略的优势在于可以保护技术壁垒、维持较高的毛利率。Minimax一直采取闭源策略，将核心模型能力保留在自己手中，通过API服务或产品变现。这种策略与闫俊杰"技术深度决定商业高度"的理念一致——只有保持技术领先，才能在竞争中占据优势。

然而，DeepSeek的成功证明了开源策略的可行性。开源模式可以快速建立开发者生态、获取社区贡献、形成网络效应。对于DeepSeek这样的后发者来说，开源策略可以帮助其快速缩小与领先者的差距，甚至在某些方面实现超越。

面对开源模式的冲击，闫俊杰进行了深入的思考和讨论。他承认开源模式有其合理性，特别是对于建立开发者生态、加速技术迭代有着独特的价值。但他也坚信，闭源模式在商业可持续性方面有其独特优势——只有保持对核心技术的掌控，才能确保公司的长期竞争力。

最终，Minimax选择坚持闭源策略，同时在特定场景下采取更加灵活的策略。例如，在一些非核心领域，Minimax可能会考虑开源部分工具或模型，以建立技术影响力；在一些战略合作中，也可能会向合作伙伴开放更多技术能力。这种"闭源为主、灵活应对"的策略，体现了闫俊杰在战略定力与战术灵活性之间的平衡。

降价竞争：如何在"降价同时保持更好效果"

2024年至2025年间，AI大模型行业掀起了激烈的价格战。各主要厂商纷纷下调API价格，争夺市场份额。在这种背景下，Minimax面临着巨大的竞争压力——如果跟进降价，可能会压缩利润空间、影响服务质量；如果不跟进降价，可能会流失客户、丧失市场份额。

闫俊杰对这场价格战有着清醒的认识。他指出，价格战的本质是同质化竞争的结果——当各家厂商的产品和服务高度相似时，价格就成为竞争的主要手段。要避免陷入价格战的泥潭，唯一的方法是建立起差异化的竞争优势——要么在技术上领先，要么在产品上有特色，要么在服务上有优势。

Minimax应对价格战的策略可以概括为"差异化竞争"和"效率优化"。在差异化竞争方面，公司通过持续的技术创新和产品打磨，努力在模型性能、用户体验、垂直应用等方面建立差异化优势。在效率优化方面，公司通过架构创新和流程改进，持续降低模型训练和推理的成本，从而在价格竞争中保持灵活度。

闫俊杰曾提出一个颇具挑战性的目标："在降价的同时保持更好的效果"。这个目标看似矛盾——通常来说，更低的价格意味着更低的成本、更差的服务。但闫俊杰认为，通过技术创新和效率提升，可以打破这种传统的认知，实现"物美价廉"的双重优势。这种目标的提出，体现了Minimax对技术进步的信心和对用户价值的承诺。

三、组织扩张的阵痛

从几十人到数百人的管理挑战

2023年至2024年间，Minimax经历了快速的组织扩张。员工数量从最初的几人、几十人，增长到数百人。这种规模的扩张带来了巨大的管理挑战——如何在保持创业公司敏捷性的同时，支撑更大规模的业务运营？如何在快速扩张中保持组织文化的连续性？如何在人员增加的同时维持人均产出？

闫俊杰深知，组织扩张是一把双刃剑。适度的扩张可以支撑业务的快速发展，但过度的扩张可能导致组织效率的下降、文化的稀释。他采取了"渐进式扩张"的策略——根据业务需求稳步增加人员，避免为了追求规模而盲目扩张。在招聘标准上，他始终坚持"宁缺毋滥"的原则，只招聘能够真正提升团队整体输出的人。

然而，即使采取了稳健的扩张策略，Minimax仍然经历了一段艰难的组织适应期。当团队规模从几十人扩大到几百人时，许多在小团队中行之有效的管理方式不再适用。决策链条变长了，沟通成本增加了，信息传递失真的风险也上升了。闫俊杰不得不花费大量时间和精力来调整组织架构、优化管理流程、重塑企业文化。

"轻量化组织"理念在规模扩大后的坚持与变形

闫俊杰一直倡导"轻量化组织"的理念。这种理念主张保持组织结构的简洁、决策链条的短小、沟通协作的高效。在公司规模较小时，这种理念很容易实践——团队成员少，层级少，流程简单。但随着规模的扩大，"轻量化"的实践面临着越来越多的挑战。

在组织扩张的过程中，"轻量化组织"理念经历了一定的"变形"。为了支撑更大规模的业务运营，Minimax不得不引入更多的层级和流程。一些原本可以直接沟通解决的问题，现在需要通过正式的流程来处理。一些原本可以快速做出的决策，现在需要经过更多的审批环节。

这种"变形"让闫俊杰感到担忧。他清楚地知道，过度的官僚化是创业公司的致命伤——它会扼杀创新、降低效率、消耗士气。因此，他采取了多项措施来对抗这种趋势：保持扁平的组织结构，尽量减少管理层级；鼓励直接沟通，减少信息传递的层级；简化流程和审批，提高决策效率。

闫俊杰的坚持取得了一定的成效。尽管Minimax的规模在不断扩大，但公司仍然保持着相对敏捷的组织形态。与那些同等规模的大公司相比，Minimax的决策速度更快、沟通成本更低、组织效率更高。这种组织优势，是Minimax在激烈竞争中保持活力的重要来源。

2024年AI创业"6+2"格局下的竞争压力

2024年，中国AI大模型创业领域形成了被称为"6+2"的竞争格局。据量子位智库2024年报告，这个格局包括六家头部创业公司（智谱AI、月之暗面、Minimax、百川智能、零一万物、阶跃星辰）以及字节跳动和阿里云两家大厂。在这个格局中，Minimax面临着激烈的竞争压力。

"6+2"格局的形成，意味着AI大模型创业已经从"百花齐放"进入了"头部收割"的阶段。资源正在向头部公司集中，中小创业公司的生存空间被不断压缩。在这种背景下，Minimax必须找到自己的差异化定位，才能在激烈的竞争中存活和发展。

闫俊杰对这种竞争格局有着清醒的认识。他指出，在"6+2"格局中，每家公司都有其独特的优势和定位：智谱AI深耕B端市场，月之暗面以Kimi长文本切入，百川智能聚焦中文理解，零一万物走国际化路线……Minimax的差异化定位在于"模型+产品"双轮驱动的策略——不仅打造强大的基础模型，更致力于开发触达C端用户的AI产品。

这种差异化定位既是Minimax的优势，也是其挑战。优势在于避免了与竞争对手的直接对撞，在细分领域建立了独特地位；挑战在于需要在技术研发和产品开发两个方向上同时投入，资源压力更大。闫俊杰深知，这种"两条腿走路"的策略需要更强的执行力和更长的周期才能看到成效。但他坚信，这是正确的选择，只有建立起直接的用户关系，才能创造真正的长期价值。

---

本章核心洞察：

1. 技术积累是长期竞争优势的来源：从abab 6.5到MiniMax-01系列，Minimax通过持续的架构创新和技术突破，建立起了差异化的技术竞争力。这种技术积累需要时间，但一旦形成就难以被复制。

2. 商业化路径的选择需要平衡与坚持：To B与To C、闭源与开源、价格战与差异化竞争——这些商业化路径的选择需要在短期利益和长期价值之间找到平衡。闫俊杰的策略是在保持战略定力的同时，采取灵活的战术应对。

3. 组织能力是规模化发展的关键支撑：从几十人到数百人的扩张，带来了管理上的巨大挑战。如何在规模扩大的同时保持组织效率和文化活力，是Minimax需要持续应对的课题。

---

决策模型：

Minimax 2023-2024年关键决策的框架分析：

• 技术决策：在规模扩大与效率提升之间寻求平衡，通过架构创新降低计算成本，通过错误率攻坚提升产品质量

• 商业决策：在B端现金流与C端用户价值之间寻求平衡，在闭源策略与开源趋势之间寻求平衡，在价格竞争与价值竞争之间寻求平衡

• 组织决策：在规模扩张与效率保持之间寻求平衡，在流程规范化与创业灵活性之间寻求平衡

---

启示：

技术创业公司在发展到一定阶段后，往往会面临技术、商业、组织三个维度的同步挑战。这三个维度相互关联、相互影响，任何一个维度的短板都可能成为发展的瓶颈。Minimax的案例表明，成功的关键不仅在于单点突破，更在于多维度的均衡发展。闫俊杰作为创始人，需要在技术方向、商业模式、组织建设等多个层面同时做出决策，这对领导力提出了极高的要求。

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: 214edbf1ccd286eb03d6a2345220b4d7 PropagateID: 214edbf1ccd286eb03d6a2345220b4d7 ReservedCode1: 30450221008696d918cb3e455651754e8055b617cb8ea265e726284d9ca553787fd33922ed02201abbd01b2cae3471dcb9705ddeeaa0f266ae4592aea2ea434c6395e29b0b647c ReservedCode2: 3046022100fc9b4ca56ecb02c5c8d826e4727c7ac067336ef868358ec077cab63414d94160022100929164aa996bf5e5c59d851af2c6923c9ed8eba334605b0f34b1489afd7a4162

第八章：2025年——重大转折点与危机时刻

2025年，对于全球AI产业而言是充满戏剧性的一年。这一年，OpenAI、Google等国际巨头持续推进技术前沿，DeepSeek等新锐势力以开源策略搅动市场格局，中国AI创业公司在激烈竞争中经历着生死考验。对于Minimax而言，2025年既是技术产品全面发力的突破之年，也是外部冲击与内部压力叠加的危机之年。通过对这一年关键事件的复盘和分析，我们可以更深入地理解AI创业公司在复杂环境中的生存法则和发展逻辑。

一、技术产品"五连发"的战略布局

2025年6月：基座模型、多模态、智能体的全面布局

2025年6月，Minimax发起了一场引人注目的技术产品"五连发"——在短时间内集中发布了多款基座模型、多模态产品和智能体应用。这次集中发布展示了Minimax在技术储备上的深厚积累，也彰显了公司在AI全栈布局上的雄心。

这次发布的产品涵盖了AI技术的多个层面。在基座模型层面，Minimax发布了新一代的大语言模型和多模态融合模型，进一步巩固了技术能力的领先地位。在多模态产品层面，公司推出了图像理解、视频生成、语音交互等多个产品形态，拓展了AI应用的场景边界。在智能体层面，Minimax发布了面向不同场景的AI智能体应用，探索AI从"对话工具"向"自主行动主体"的演进。

这次"五连发"的战略意图是明确的。闫俊杰希望通过这次集中发布，向市场展示Minimax的技术实力和产品能力，建立起"全栈AI公司"的品牌形象。同时，这次发布也是对竞争对手的直接回应——在AI竞争日趋激烈的背景下，展示技术肌肉有助于稳定投资者信心、吸引优秀人才、赢得合作伙伴。

资源压力：同时推进多条产品线的代价

然而，"五连发"的背后是巨大的资源压力。同时推进多条产品线意味着研发力量被分散、算力资源被稀释、管理复杂度被放大。对于一家资源有限的创业公司来说，这种"全面开花"的策略存在明显的风险。

首先是对研发精力的分散。当团队同时推进多个项目时，每个项目能够获得的关注和资源都会减少。技术攻关的深度可能受到影响，产品打磨的精细度可能下降。闫俊杰后来也承认，"五连发"期间团队承受了巨大的压力，一些项目因为资源不足而未能达到预期的完成度。

其次是对算力资源的挑战。多条产品线的训练和推理需求叠加在一起，对公司的算力供应提出了极高要求。虽然Minimax在此前已经建立了一定的算力资源，但面对如此大规模的集中需求，仍然显得捉襟见肘。一些项目不得不推迟或缩减规模，以优先保障核心项目的算力供应。

最后是对组织管理能力的考验。同时管理多个并行项目，需要更加精细的项目管理、更加高效的沟通协作、更加清晰的优先级排序。对于正在快速扩张中的Minimax来说，这种管理复杂度的提升是一个严峻的挑战。

市场反馈：是否达到预期？

"五连发"发布后，市场的反应是复杂的。一方面，业界对Minimax的技术能力给予了认可，许多专业人士对公司在短时间内推出多款高质量产品表示惊叹。另一方面，市场也对这些产品的商业化前景持谨慎态度——在AI产品普遍面临商业化难题的背景下，Minimax的多产品布局能否带来可持续的收入增长，仍有待观察。

从短期来看，"五连发"确实提升了Minimax的市场声量和品牌影响力。公司的估值获得了支撑，投资者信心有所恢复，人才吸引力也有所增强。但从长期来看，这次发布对Minimax的真正考验在于：这些产品能否在市场上获得真正的成功？能否建立起可持续的商业模式？能否转化为实际的收入和利润？

闫俊杰对这次发布的评价是"战略正确、战术有缺"。他认为同时推进多条产品线的战略方向是正确的——在AI这个快速变化的领域，保持技术广度是必要的。但他也坦承，在执行过程中存在一些问题——资源分配不够精准、项目管理有待优化、产品打磨需要更长时间。这些反思为后续的发展提供了宝贵的经验教训。

二、DeepSeek-R1的冲击与应对策略

2025年2月：开源模式与低成本的降维打击

2025年2月，DeepSeek发布的R1模型在全球AI圈引起了轩然大波。这款模型不仅在性能上达到了世界领先水平，更重要的是它采取了开源策略，并且成本远低于竞争对手。这种"高性能+低成本+开源"的组合，对整个AI行业造成了巨大的冲击。

DeepSeek R1的成功有几个关键因素。首先是技术上的突破——R1在多项基准测试中达到了与GPT-4o、Claude等顶级模型相当的性能水平，展现了中国AI公司的技术实力。其次是成本上的优势——DeepSeek通过创新的架构设计和训练策略，大幅降低了模型训练和推理的成本，实现了"高性能低成本"的组合。最后是开源策略的威力——R1的开源发布使得全球开发者都可以自由使用、修改、分发这个模型，快速建立起了庞大的开发者生态。

DeepSeek R1的冲击对整个中国AI创业圈都是深刻的。它证明了在AI领域，开源模式可以与传统闭源模式分庭抗礼；它证明了即使面对强大的国际竞争者，后来者通过创新策略仍然可以实现超越；它也证明了成本控制在大模型竞争中的关键作用。这些启示促使所有AI公司重新审视自己的技术路线和竞争策略。

应对策略：坚持闭源还是拥抱开源？

面对DeepSeek带来的冲击，Minimax内部进行了深入的讨论和反思。核心问题是：在开源趋势日益明显的背景下，Minimax应该坚持闭源策略，还是转向开源策略？

闫俊杰对这个问题的思考是审慎的。他承认开源模式有其独特的优势，特别是在建立开发者生态、加速技术迭代、获取社区贡献等方面。DeepSeek的成功证明了开源策略在特定情况下的有效性。但他也坚信，闭源模式在商业可持续性方面有其不可替代的价值——只有保持对核心技术的掌控，才能确保公司的长期竞争力。

最终，Minimax选择了一条"有限开源"的策略。一方面，在一些非核心领域，Minimax开始考虑开源部分工具和模型，以建立技术影响力、吸引开发者关注。另一方面，在核心的基座模型和能力上，Minimax仍然保持闭源，通过API服务和产品变现。这种策略试图在开源和闭源之间找到平衡，既能获取开源模式的部分红利，又能保持核心技术的商业价值。

技术反思：规模是否仍是王道？

DeepSeek R1的另一个重要启示是对"规模效应"的重新审视。在此之前，业界普遍认为大模型竞争就是"规模竞争"——谁的模型参数更大、训练数据更多、算力投入更多，谁就能在性能上取得领先。然而，DeepSeek R1以相对较小的模型规模实现了与顶级大模型相当的性能，证明了"规模不是唯一决定因素"。

这一发现对Minimax的技术策略产生了深远影响。闫俊杰开始更加关注"效率"而非单纯的"规模"。他提出问题：我们能否用更少的资源实现同等或更好的效果？我们能否在模型架构、训练策略、推理优化等方面进行创新，以更低的成本达到更高的性能？

这种对效率的追求，推动了Minimax在技术研发上的进一步创新。团队开始探索更加高效的模型架构、更加优化的训练策略、更加精简的推理流程。这些努力不仅有助于降低算力成本，更有助于Minimax在资源有限的条件下保持技术竞争力。

商业模式：如何应对价格战？

DeepSeek R1的冲击还体现在商业模式层面。R1的开源和低成本策略，给整个AI行业的价格带来了下行压力。当一个高性能的模型可以免费使用时，用户对AI服务付费意愿必然会受到影响。这对于所有AI公司来说都是一个严峻的挑战。

Minimax应对这一挑战的策略是"差异化+垂直化"。在差异化方面，公司通过持续的技术创新和产品打磨，努力在特定领域建立起难以复制的竞争优势。在垂直化方面，公司深入特定行业和应用场景，提供定制化的AI解决方案，而非通用的模型服务。这种策略试图避开与开源模型的直接竞争，在差异化领域建立商业价值。

闫俊杰深知，在AI技术日益普及的趋势下，单纯提供通用AI能力的商业价值会越来越有限。真正的商业价值在于将AI能力与具体场景深度结合，解决用户的实际问题。Minimax的产品策略——如星野、海螺AI等——正是这种思路的体现：不是卖模型，而是卖产品；不是服务企业客户，而是直接服务终端用户。

三、Talkie的收入奇迹与海外市场突破

Talkie的爆发：年收入7000万美元的背后

在Minimax的众多产品中，Talkie是商业化最成功的一个。据公开信息，Talkie在2025年实现了约7000万美元的年收入，这一数字在AI应用产品中相当亮眼。Talkie的成功不仅为Minimax带来了可观的收入，更重要的是验证了其产品化能力和商业模式的可行性。

Talkie是一款面向海外市场的AI角色扮演产品，用户可以与AI虚拟角色进行对话互动，体验沉浸式的社交体验。这款产品的成功有几个关键因素。首先是产品定位的精准——Talkie准确地捕捉了用户对AI陪伴、情感交流的需求，创造了一个独特的产品品类。其次是用户体验的出色——产品的交互设计、角色塑造、内容质量都达到了较高水平，用户留存和付费意愿都比较强。最后是运营策略的有效——团队在用户获取、内容更新、社区运营等方面都做了大量工作，建立了活跃的用户生态。

Talkie年收入7000万美元的成绩，标志着Minimax在C端商业化方面取得了重要突破。这证明了一件事：AI产品是可以实现规模化商业变现的，关键在于找到正确的产品形态和商业模式。这个成功案例为Minimax后续的产品开发提供了信心和借鉴。

海外市场的选择逻辑

Talkie选择海外市场而非国内市场，这个决策背后有其深刻的逻辑。闫俊杰在多个场合解释过选择海外市场的原因：海外市场的AI应用环境相对宽松，没有像中国这样严格的内容监管和算法备案要求，产品迭代速度可以更快；海外用户对AI聊天机器人的接受度较高，C端付费意愿也更强；通过海外市场的成功，可以验证Minimax的产品能力和技术实力，反哺国内市场的品牌建设。

Talkie在海外市场的成功还与闫俊杰对全球AI竞争格局的判断有关。他认为，AI的竞争是全球性的，不能局限于某一个市场。如果能够在全球范围内获得用户和收入，将有助于Minimax建立起真正的国际竞争力。Talkie在157个国家和地区运营，正是这种全球布局战略的体现。

产品本地化的成功要素

Talkie在海外市场的成功，很大程度上归功于有效的产品本地化策略。本地化不仅仅是语言翻译，更包括文化适应、内容调整、运营本地化等多个层面。Talkie团队在产品设计时充分考虑了不同文化背景用户的审美偏好和交互习惯，在角色设定、对话风格、内容审核等方面都做了针对性的调整。

Talkie的本地化策略还包括与当地创作者和内容生产者的合作。通过与各地的创作者合作，Talkie能够为不同地区的用户提供更具文化亲和力的AI角色和内容。这种"全球技术平台+本地内容生态"的模式，使得Talkie能够在保持技术统一性的同时，实现内容的多样性和本地化。

与国内监管环境的对比

Talkie在海外市场的成功，与国内监管环境形成了鲜明对比。在中国，AI应用面临着严格的内容监管和算法备案要求，产品上线的门槛较高、迭代的速度较慢。这种监管环境虽然有助于规范行业发展、防范潜在风险，但也在一定程度上限制了AI创新的速度和空间。

闫俊杰对国内监管环境的态度是"理解和支持"。他多次表示，AI技术的健康发展需要适当的监管，Minimax愿意在合规的前提下推进业务创新。同时，他也期待监管部门能够为AI创新提供更加友好的政策环境，在防范风险与鼓励创新之间找到更好的平衡点。

四、危机时刻的真实代价

算力危机：2025年AI芯片供应紧张下的训练计划调整

2025年，全球AI芯片供应持续紧张，Minimax面临着严峻的算力挑战。在此之前，公司已经建立了相当规模的算力资源，但面对业务快速发展带来的需求增长，以及多条产品线同时推进带来的资源消耗，现有的算力资源仍然捉襟见肘。

更为严峻的是，国际芯片供应链的不确定性给Minimax的算力战略带来了额外风险。由于众所周知的原因，中国公司在获取高端AI芯片方面面临着诸多限制。这种限制不仅影响了当前的业务运营，更对未来发展规划产生了深远影响。

面对算力危机，Minimax采取了多项应对措施。首先是优化现有算力资源的使用效率，通过架构创新和调度优化，让有限的算力发挥更大的作用。其次是拓展多元化的算力供应渠道，与多家云服务商建立合作关系，分散供应链风险。最后是调整产品和技术规划，将有限的算力资源集中于最核心的项目，推迟或缩减非核心项目的算力需求。

这次算力危机让闫俊杰深刻认识到，算力是AI时代的基础设施，算力安全是国家战略安全的重要组成部分。他呼吁行业共同推动算力基础设施的发展，同时也表示Minimax将持续投入资源解决算力问题，确保业务的可持续发展。

人才流失：竞争对手挖角与内部军心稳定

在AI创业领域，人才是最核心的竞争资源。2025年，随着行业竞争的加剧，人才争夺战也愈发激烈。Minimax面临着来自大厂和其他创业公司的双重挖角压力，一些核心人才选择了离开。

人才流失的原因是多方面的。首先是薪酬竞争——大厂能够提供更具竞争力的薪资待遇，对于很多人才来说这是难以抗拒的诱惑。其次是平台吸引力——在知名大厂工作可能带来更多的资源、更好的发展前景、更高的社会认可度。最后是行业周期——当行业发展进入调整期时，人们往往倾向于寻求更稳定的职业发展路径。

面对人才流失的挑战，Minimax采取了多种措施。在薪酬方面，公司通过股权激励、绩效奖金等方式，努力提供具有竞争力的整体薪酬方案。在发展方面，公司为员工提供清晰的职业发展路径和成长机会，让人才能够看到在公司长期发展的前景。在文化方面，公司努力营造开放、包容、追求卓越的工作氛围，让员工感受到工作的意义和价值。

闫俊杰深知，人才问题是创业公司需要持续应对的挑战。他坦言，Minimax无法与资金雄厚的大厂在薪酬上进行全面竞争，但公司能够提供的是：参与创造历史的机会、与优秀人才共事的环境、获得全面成长的平台。这些对于真正有追求的人才来说，可能比短期薪酬更具吸引力。

资本压力：A+轮后估值25亿美元的业绩对赌

2025年，Minimax完成了A+轮融资，估值达到25亿美元，成为名副其实的独角兽。然而，高估值带来的不仅是资金和光环，还有沉重的业绩压力。投资者对公司的增长速度、收入规模、盈利时间都提出了明确的期望，这对公司的战略决策形成了显著影响。

闫俊杰对资本压力有着清醒的认识。他知道，高估值是一把双刃剑——它为公司提供了发展的资金支持，但也带来了增长的预期压力。如果无法达到预期，不仅会影响公司的后续融资，更会影响团队的士气和信心。

在这种压力下，Minimax不得不在"增长"和"健康"之间寻找平衡。一方面，公司需要保持足够的增长速度来满足投资者的期望；另一方面，也需要避免为了短期增长而牺牲长期价值。闫俊杰的策略是：坚持做正确的事情，相信时间会给出答案。他多次表示，公司不会为了达到短期业绩目标而采取可能损害长期竞争力的行动。

战略质疑：内部对"技术优先"与"商业化优先"的分歧

在快速发展过程中，Minimax内部也曾出现过战略方向的分歧。分歧的核心是：在资源有限的情况下，应该坚持"技术优先"还是转向"商业化优先"？

"技术优先"派认为，Minimax的核心竞争力在于技术，只有持续投入技术研发、保持技术领先，才能在激烈的竞争中存活。他们担心过早或过多的商业化投入会分散技术研发的精力，影响公司的长期竞争力。

"商业化优先"派则认为，创业公司的最终目的是创造商业价值，技术的价值需要通过商业化来实现。他们担心过度强调技术而忽视商业化，会导致公司"有技术无市场"，最终难以实现可持续发展。

闫俊杰在这个问题上的立场是"技术优先、产品并重"。他坚信技术是Minimax的根本，是公司区别于竞争对手的核心优势。但他也深知，技术的价值最终需要通过产品来体现和传递。因此，Minimax的策略是：在保持技术投入的同时，同步推进产品化和商业化，用两条腿走路。

这种战略立场在公司内部逐渐形成了共识。团队成员普遍认同：技术是根、产品是叶、商业化是果——根深才能叶茂，叶茂才能果丰。这种认知的统一，为公司的发展提供了稳定的战略基础。

---

本章核心洞察：

1. 危机是检验战略定力的试金石：2025年的多重危机——算力、人才、资本、竞争——考验着Minimax的战略定力。闫俊杰的选择是：坚持正确的事情不动摇，在战术层面灵活调整。

2. 差异化是应对竞争的关键：无论是应对DeepSeek的开源冲击，还是应对大厂的竞争压力，Minimax的核心策略都是建立差异化优势——在技术路线、产品形态、商业模式上与竞争对手区分开来。

3. 商业化能力是创业公司的长期挑战：Talkie的成功证明了AI产品商业化的可行性，但如何在更大范围内复制这种成功，仍然是Minimax需要持续探索的课题。

---

决策模型：

Minimax应对2025年危机的决策框架：

• 危机识别：准确判断危机的性质和严重程度，避免过度反应或反应不足

• 优先级排序：在多重危机中识别最核心的挑战，集中资源解决关键问题

• 短期应对与长期布局的平衡：采取必要的短期措施应对危机，同时保持对长期战略的坚持

• 沟通与共识：在危机时期保持与团队、投资人、合作伙伴的有效沟通，维护信心和共识

---

启示：

创业之路从来不是一帆风顺的，危机和挑战是常态而非例外。Minimax在2025年经历的多重危机——技术冲击、算力短缺、人才流失、资本压力——是AI创业公司在快速发展过程中普遍会遇到的挑战。应对这些挑战的关键，不在于避免危机的发生，而在于建立应对危机的能力：清晰的战略思维、灵活的战术调整、坚韧的执行意志、团结的团队力量。闫俊杰在危机中的表现，展示了这些能力的综合运用，为其他创业者提供了宝贵的借鉴。

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: 61609cfa60fb6778d5969ee8efe5e1df PropagateID: 61609cfa60fb6778d5969ee8efe5e1df ReservedCode1: 30440220063947b209e0b8a14ceb80d721346a721b3fa32863c240fc0ec83445df03530f02204858e88f6674dea245edd13e01f0b6c2e207d762cba0b6a6045b89d3d52c737c ReservedCode2: 304402204620418ad36fdf2d9b5bf5051e3ab78b56c4675d53d0b5bbc02a3a9948c9275a02202197952802ce931c4e8c6797b1df87e6cecd35cb97c0f4875f2f23d52071e5cb

第九章：与资本、市场、竞争对手的博弈

任何一家创业公司的发展都不是在真空中进行的，而是在复杂的资本环境、市场环境和竞争环境中展开的。对于Minimax而言，如何与资本博弈、如何应对市场变化、如何在激烈竞争中确立自己的位置，都是决定公司发展命运的关键课题。闫俊杰作为创始人和CEO，需要在这些复杂的博弈中不断做出决策、不断调整策略、不断寻找最优解。本章将深入分析Minimax在资本、市场、竞争三个维度的博弈策略和实践经验。

一、资本博弈

早期融资：从天使到A+轮的估值逻辑演变

Minimax的融资历程反映了一家AI创业公司在不同发展阶段获得资本认可的过程。从天使轮，到A轮，再到A+轮，公司的估值经历了显著的跃升。这种估值跃升的背后，是公司价值的逐步被认可，也是资本市场对AI赛道热情的真实写照。

天使轮融资是Minimax创业历程中最艰难的阶段之一。2021年，当闫俊杰决定创业时，大模型赛道尚未被资本市场充分认识。许多投资人对这个方向持观望态度，对闫俊杰的创业计划表示疑虑。在这样的环境下，闫俊杰见了多位投资人，经历了无数次的拒绝和质疑。最终，只有少数几位具有前瞻性眼光的投资人愿意在这个阶段下注，他们看中的主要是闫俊杰个人的技术背景、行业口碑，以及对大模型方向的坚定信念。

A轮融资的情况有了明显好转。随着ChatGPT在2022年末的横空出世，全球对大模型的关注度急剧升温，AI赛道成为了资本市场最热门的投资方向之一。Minimax凭借其在此之前的技术积累和先发优势，成功完成了A轮融资，估值实现了显著提升。这次融资不仅为公司提供了发展所需的资金支持，更重要的是为公司赢得了发展的时间和空间。

A+轮融资进一步巩固了Minimax的资本地位。25亿美元的估值使公司正式跻身"独角兽"行列，也标志着资本市场对公司价值的充分认可。然而，高估值带来的不仅是资金，还有对增长的期望和压力。如何在资本市场的期望与公司自身的发展节奏之间找到平衡，成为闫俊杰需要持续思考的问题。

25亿美元独角兽的"甜蜜负担"：增长压力与独立性的平衡

成为独角兽是许多创业公司的梦想，但闫俊杰深知，这同时也是一种"甜蜜的负担"。25亿美元的估值意味着公司需要达到相应的规模和业绩才能匹配这种估值水平，这对公司的战略决策和执行节奏都产生了显著影响。

增长压力是独角兽面临的首要挑战。投资者对公司的增长速度、收入规模、盈利时间都提出了明确的期望。为了满足这些期望，公司可能被迫采取一些短期有利但长期有害的行动，比如过度追求营收而忽视产品质量，过度压缩成本而影响研发投入，过度迎合市场而偏离核心定位。闫俊杰深知这种风险的所在，他努力在公司发展速度和发展质量之间寻找平衡。

独立性是另一个关键议题。成为独角兽后，公司往往会面临更多的并购诱惑和资本压力。一些大公司可能会试图通过投资或收购来"收编"有潜力的创业公司，一些资本方也可能会推动公司通过并购或上市来实现退出。闫俊杰对这种独立性问题有着清晰的态度：他希望Minimax能够保持独立发展的能力，不成为任何大公司的附庸，也不被资本的压力所裹挟。

为了平衡增长压力与独立性，闫俊杰制定了几条基本原则。第一，坚持做正确的事情，相信时间会给出答案，不会为了短期业绩而牺牲长期价值。第二，选择理解长期价值的投资人，而非急于求成的资本。第三，保持对核心业务和核心团队的控制权，确保公司的战略方向不受外部干扰。这些原则为Minimax在资本压力下保持战略定力提供了指导。

拒绝"资本炒作"：DeepSeek教训的镜鉴

2024年至2025年间，DeepSeek的崛起给整个AI行业带来了巨大的冲击，同时也引发了一场关于"资本炒作"的讨论。DeepSeek凭借其开源策略和低成本优势，在市场上获得了极高的关注度和估值溢价。一些观察者认为，这种高估值可能存在"炒作"成分，是资本对热点概念的非理性追捧。

闫俊杰对"资本炒作"保持着清醒的头脑。他深知，资本的追捧可以是助力，也可能是陷阱。当公司被资本过度追捧时，往往会产生几种负面后果：估值脱离实际价值，为后续发展埋下隐患；团队产生自满情绪，失去危机意识和进取精神；战略决策受到资本预期的影响，偏离正确方向。

闫俊杰在多次公开表态中强调，Minimax不会追逐"资本炒作"的热点，不会为了提升估值而采取华而不实的行动。他坚持将公司的价值建立在真实的技术能力和商业成果之上，而非建立在市场的炒作和想象之上。这种"脚踏实地"的态度，使Minimax在浮躁的创业环境中保持了难得的清醒和定力。

DeepSeek的案例为闫俊杰提供了重要的镜鉴。DeepSeek的成功有其合理的技术基础和商业逻辑，但市场对其的追捧可能已经超出了实际价值的范畴。这种"过度炒作"的风险在于：当市场预期无法被满足时，股价和估值可能会经历剧烈的调整。闫俊杰从中学到的是：保持对公司真实价值的清醒认知，不被市场的短期情绪所左右，专注于创造真实的商业价值而非制造虚假的繁荣。

二、市场博弈

国内监管：AI应用备案、内容安全、数据合规

在中国市场运营AI业务，必须直面复杂的监管环境。AI应用需要通过备案审核，内容需要符合监管要求，数据收集和使用需要遵守相关法规。这些监管要求虽然在一定程度上提高了AI创业的门槛，但也是行业健康发展的必要保障。

闫俊杰对国内监管环境的态度是"理解和支持"。他多次表示，AI技术的健康发展需要适当的监管，Minimax愿意在合规的前提下推进业务创新。公司的法务合规团队持续跟踪监管动态，确保产品和业务符合相关要求。在内容安全方面，Minimax建立了严格的内容审核机制，防止AI产品生成不当内容。在数据合规方面，公司严格遵守数据保护法规，保护用户隐私和数据安全。

然而，监管环境的不确定性也给Minimax的业务发展带来了挑战。AI技术发展迅速，而监管法规往往需要时间来制定和完善。在这种"监管滞后"的情况下，公司需要在创新与合规之间找到平衡——既要保持创新的活力，又要避免触碰监管的红线。闫俊杰的策略是：在合规框架内最大程度地推进创新，同时积极与监管部门沟通，推动监管框架的完善。

海外突破：Talkie在157个国家和地区的扩张

与国内市场的监管挑战形成对比的是海外市场的突破。Talkie产品已经进入157个国家和地区，成为Minimax全球化布局的重要支点。海外市场的突破不仅是业务规模的扩张，更是公司能力和战略眼光的体现。

Talkie在海外市场的成功有几个关键因素。首先是产品定位的准确性——Talkie捕捉到了全球用户对AI陪伴和情感交流的普遍需求，创造了一个跨文化的产品品类。其次是技术能力的支撑——Minimax的大模型技术为Talkie提供了高质量的AI对话能力，确保了产品的核心竞争力。最后是运营策略的有效性——团队在本地化运营、用户获取、内容管理等方面都展现了专业的执行能力。

Talkie的海外扩张经验为Minimax提供了宝贵的借鉴。第一，全球化不是简单的产品复制，而是需要在产品设计、内容运营、用户服务等多个层面进行本地化适配。第二，海外市场虽然机会巨大，但也面临着文化差异、法律合规、运营复杂度等挑战，需要有充分的准备和专业的团队。第三，全球化布局有助于分散风险，避免过度依赖单一市场的政策风险。

用户心智：从"工具"到"陪伴"的产品哲学

在市场竞争中，赢得用户心智是商业成功的关键。Minimax在用户心智争夺战中采取了独特的策略——将AI从"工具"重新定义为"陪伴"。这种产品哲学的转变，不仅创造了差异化的产品体验，更开辟了全新的市场空间。

传统的AI产品，无论是语音助手还是智能客服，本质上都是"工具"——它们被设计用来帮助用户完成某个特定任务，用户与AI的交互是命令式的、功能性的。这种工具化的AI产品虽然能够在某些场景下提高效率，但难以建立起真正的用户黏性和情感连接。

闫俊杰对这种传统的AI产品观提出了质疑。他提出了一个新的问题：AI只能作为工具存在吗？如果AI能够理解人类的需求、回应人类的情感、与人类进行自然的交流，那么它是否可以成为人类的"伙伴"，而不仅仅是"工具"？这种对AI角色的重新定义，催生了Minimax独特的产品哲学。

在星野、Talkie等产品中，这种"陪伴"理念得到了充分的体现。用户与AI角色的交互不再是简单的命令执行，而是类似于人与人之间的对话。AI角色有自己的性格、情感和记忆，能够根据对话情境做出自然的回应。这种交互模式创造了传统AI工具无法提供的情感价值——用户不再只是把AI当作一个功能性的工具，而是将其视为一个可以交流、可以陪伴的"对象"。

这种"陪伴"定位帮助Minimax在用户心智中占据了独特的位置。当竞争对手还在主打"效率""功能"时，Minimax已经在"情感""陪伴"这个维度建立了品牌认知。这种差异化的品牌定位，为公司的长期竞争奠定了心智基础。

三、竞争对手分析

智谱AI：B端深耕 vs MiniMax的C端优先

智谱AI是国内AI创业公司中与Minimax定位最为接近的公司之一。两家公司都致力于大模型研发和AI产品化，但发展路径存在明显差异。智谱AI更侧重于B端市场，为企业客户提供大模型能力和服务；而Minimax则更侧重于C端市场，致力于开发直接面向用户的AI产品。

智谱AI的B端策略有其独特的优势。B端业务收入稳定、客户集中度高、需求明确，商业化路径相对清晰。通过深耕B端市场，智谱AI建立了稳定的收入来源和行业客户基础。然而，B端业务的局限性也很明显：市场规模有限、议价能力较弱、难以建立直接的用户关系。

Minimax的C端优先策略则走向了另一个方向。C端市场潜在规模巨大、用户需求多元、增长空间广阔，但商业化难度也更大。C端用户的需求更加碎片化，付费意愿更加难以预测，竞争也更加激烈。但闫俊杰坚信，只有直接面对C端用户，才能真正建立起用户关系、创造用户价值。

这种策略差异反映了两家公司对AI产业不同维度的理解。智谱AI更看重B端的商业确定性和现金流价值，而Minimax更看重C端的用户价值和市场潜力。两种策略各有优劣，最终谁能胜出还有待市场的检验。

月之暗面：Kimi的长文本突破 vs MiniMax的多模态

月之暗面是2023年以来快速崛起的AI创业公司，其核心产品Kimi以长文本处理能力作为核心卖点，成功在市场上建立了差异化定位。Kimi能够处理超长文本的能力，确实解决了很多用户的实际需求，也为月之暗面赢得了大量用户和资本的关注。

Minimax与月之暗面在技术路线上存在差异。月之暗面专注于长文本处理能力的提升，将"长文本"作为核心产品差异化；而Minimax则更强调多模态融合能力，致力于构建能够理解文本、图像、语音等多种信息形式的AI系统。两种技术路线各有优势：长文本能力在文档处理、代码分析等场景有着明确的应用价值；多模态能力则在更广泛的场景中具有潜在的应用前景。

闫俊杰对月之暗面的崛起持开放和学习的态度。他认可Kimi在产品定位上的成功——通过一个清晰的技术差异化点切入市场，快速建立用户认知。同时，他也坚信多模态是AI发展的必然方向，Minimax在这方面的布局将在未来产生更大的价值。

DeepSeek：开源颠覆者 vs MiniMax的闭源坚守

DeepSeek的崛起是2024年至2025年AI行业最重大的事件之一。这家公司通过开源策略和低成本优势，在全球AI市场掀起了巨大的波澜。DeepSeek R1模型在性能上达到了世界顶级水平，同时成本远低于竞争对手，这种"高性能低成本"的组合对整个行业造成了巨大冲击。

DeepSeek与Minimax在商业模式上形成了鲜明对比。DeepSeek采取开源策略，将模型免费开放给全球开发者使用，通过增值服务和技术支持获取收入；而Minimax则采取闭源策略，将核心模型能力保留在自己手中，通过API服务和产品变现。两种策略各有优劣：开源策略能够快速建立开发者生态、获取社区贡献，但可能牺牲商业化收益；闭源策略能够保护技术壁垒、维持较高的毛利率，但可能错失生态建设的红利。

闫俊杰对DeepSeek的策略持"尊重但不完全认同"的态度。他认可开源策略在特定情况下的有效性，也承认DeepSeek的技术实力和商业成就。但他也坚信，闭源策略在商业可持续性方面有其独特价值，特别是对于需要长期投入、持续创新的AI公司来说，保持对核心技术的掌控是必要的。

DeepSeek的冲击促使Minimax更加深入地思考"开源与闭源"的辩证关系。最终，公司选择了"有限开源"的策略：在一些非核心领域开放部分工具和模型，以建立技术影响力；在核心技术上保持闭源，确保商业竞争力。这种策略试图在开源和闭源之间找到平衡，既能获取开源模式的部分红利，又能保持核心技术的商业价值。

OpenAI：全球标杆 vs 中国路径

OpenAI是全球AI领域的标杆公司，也是闫俊杰和Minimax学习和追赶的对象。从GPT-3到ChatGPT，再到GPT-4o，OpenAI持续引领着AI技术的发展方向。对于Minimax来说，OpenAI既是技术能力的参照系，也是战略方向的指引灯。

闫俊杰曾多次公开表达对OpenAI的尊重和学习态度。他认可OpenAI在技术研发上的投入和成就，也欣赏OpenAI推动AI技术普惠的使命。然而，他同时也坚信，中国AI公司应该走出自己的发展路径，而非简单地复制OpenAI的模式。

这种"学习但不等同"的态度体现在Minimax的多个战略决策中。在技术路线上，Minimax选择了与OpenAI不同的MoE架构，以在资源有限的条件下实现差异化竞争。在产品策略上，Minimax更加注重C端产品化，与OpenAI的B端为主的商业模式形成差异。在市场定位上，Minimax专注于中国市场和海外华人市场，而OpenAI则主要服务于英语市场。

闫俊杰的愿景是让Minimax成为全球前五的AI公司，在技术创新和商业成就上与OpenAI比肩。这个愿景的实现需要持续的技术投入、正确的战略选择和坚韧的执行意志。虽然距离这个目标还有很长的路要走，但闫俊杰相信，只要方向正确、坚持不懈，Minimax有机会在全球AI竞争中占据一席之地。

四、闫俊杰的竞争观

"期待跟王者一决高下"的内在驱动

闫俊杰在公开场合曾表示"期待跟王者一决高下"，这种坦诚的竞争心态在习惯于"谦逊"的中国企业家群体中显得颇为独特。这种竞争观不是简单的胜负心，而是对卓越的追求和对自我的挑战。

闫俊杰的竞争观有几个核心特征。第一，竞争是进步的阶梯。他相信，只有与强者竞争，才能发现自己的不足，才能激发自己的潜能，才能实现真正的进步。如果总是与弱者竞争，虽然能够轻松获胜，但无法获得真正的成长。第二，竞争是创新的动力。面对强大的竞争对手，创业公司必须不断创新、不断突破，才能保持竞争优势。这种外部压力往往能够激发团队的创造力和执行力。第三，竞争是价值观的体现。在竞争中保持诚信、在胜利中保持谦逊、在失败中保持风度，是闫俊杰始终坚持的竞争伦理。

这种竞争观也影响了Minimax的企业文化。公司鼓励内部和外部的良性竞争，强调与优秀的人共事、与强大的对手过招。闫俊杰认为，只有在竞争中保持高标准、严要求，才能打造出真正有竞争力的团队和产品。

"引领世界巨头"的野心与现实

闫俊杰不仅一次的表达过"引领世界巨头"的野心。这种野心在全球AI竞争的背景下显得格外突出——在AI这个由美国公司主导的技术领域，一家中国创业公司想要"引领世界"，似乎是一个遥不可及的梦想。

然而，闫俊杰的野心不是空洞的口号，而是建立在清醒认知基础上的战略愿景。他深知，要"引领世界"需要具备几个前提条件：世界级的技术实力、全球化的市场覆盖、持续创新的组织能力、充裕的资源支持。Minimax在这些方面与国际领先公司还有明显的差距，但闫俊杰相信，通过持续的努力和正确的战略，这些差距可以逐步缩小。

这种"野心与现实的平衡"体现在Minimax的多个战略决策中。一方面，公司设定了宏大的长期愿景——成为全球前五的AI公司，推动AI技术的普惠化。另一方面，公司采取了务实的短期策略——聚焦核心能力建设、巩固国内市场优势、稳步推进海外扩张。这种"仰望星空、脚踏实地"的态度，使Minimax在保持进取心的同时，避免了不切实际的冒进。

竞争中的学习与差异化选择

闫俊杰的竞争观中一个重要特征是"在学习中竞争、在竞争中学习"。他从不回避向竞争对手学习的必要性，认为即使是竞争对手，也有很多值得借鉴的地方。DeepSeek的开源策略、Kimi的产品定位、智谱AI的B端深耕——每一个竞争对手的成功之处，都值得Minimax认真研究和参考。

但学习不等于照搬。闫俊杰强调，Minimax必须在学习竞争对手的同时，保持自己的独立思考和差异化选择。他深知，在AI这个高度同质化的赛道中，简单的模仿只会导致被动的跟随，只有差异化的创新才能建立真正的竞争优势。

这种"学习与差异化"的平衡，体现了闫俊杰作为企业家的战略智慧。他既保持着开放的学习心态，积极吸收行业内的新思想、新方法；又保持着独立的战略定力，不随波逐流、不盲目跟风。这种平衡能力，是Minimax在复杂竞争环境中保持正确方向的关键。

---

本章核心洞察：

1. 资本博弈的核心是平衡：在资本的支持与资本的压力之间找到平衡，在增长预期与独立发展之间找到平衡，在市场热度与真实价值之间找到平衡，是创业公司资本管理的关键。

2. 市场博弈的关键是差异化：在国内监管与海外突破之间，在工具定位与陪伴定位之间，Minimax通过差异化选择建立了自己的市场空间和竞争优势。

3. 竞争对手是最好的镜子：通过分析智谱AI、月之暗面、DeepSeek、OpenAI等竞争对手的战略和表现，可以更清晰地认识Minimax自身的定位和方向。

4. 竞争观是战略的底层逻辑：闫俊杰"期待跟王者一决高下"的竞争观，影响着Minimax的战略选择和组织文化，是公司持续进步的内生动力。

---

决策模型：

Minimax在资本、市场、竞争博弈中的决策框架：

• 资本决策：选择理解长期价值的投资人，平衡增长压力与独立发展，拒绝短期炒作

• 市场决策：在合规框架内创新，在全球范围内布局，在用户心智中定位

• 竞争决策：向竞争对手学习但不照搬，在差异化中建立优势，在竞争中保持风度

---

启示：

创业公司的成功不仅取决于内部的能力建设，还取决于在外部环境中的博弈能力。如何获得资本的支持而不被资本绑架，如何应对市场的变化而不失去方向，如何在竞争中脱颖而出而不迷失自我——这些都是创业者需要持续思考和平衡的课题。Minimax的案例表明，在这些复杂的博弈中保持清醒的认知、坚定的信念和灵活的策略，是创业成功的关键要素。

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: e5e07f351d3ce3ae426339fc9b6c7e50 PropagateID: e5e07f351d3ce3ae426339fc9b6c7e50 ReservedCode1: 304502207f53b1e5847f8c78a8f969569007d15e1d84074ffabeee91f4b108996eb8cb35022100db0c2582e7b1bc6d6d4660c3f752422fa82e6c10cb835fe71a83167902b60bfc ReservedCode2: 3045022007217f0124bc67673857cf6dc66cbed2ae220ebdc255cea0b5004b1188dffd0b0221009af1008362d1c314b3886f52360bacdedd01936802be3b0845e5e60f7978a285

第十章：组织文化与领导力演化

一家公司的成功，技术是重要的推动力，但组织能力才是持久竞争力的根本来源。对于Minimax而言，从最初的几人团队发展到数百人的组织，如何在规模扩张中保持组织活力，如何在快速发展中塑造独特文化，如何在不断变化中进化领导力，都是决定公司长期命运的关键课题。闫俊杰作为创始人和CEO，在组织建设方面投入了大量的思考和精力，形成了一套独特的组织管理理念和实践。本章将深入分析Minimax的组织文化演变、领导力特征和组织管理方法论。

一、文化基因的传承与演变

早期：技术极客文化，"用代码改变世界"

Minimax创立之初，技术极客文化是公司文化的主导形态。这种文化的核心特征是：对技术的极致追求、对问题的深入探索、对创新的热情投入。公司的创始团队主要来自技术背景，每个人都对AI技术有着深厚的理解和狂热的热爱。在那个时期，公司的氛围更像一个研究实验室，而非一个商业组织。

技术极客文化在Minimax的早期发展中发挥了重要作用。在这种文化的驱动下，团队成员自发地投入大量时间进行技术研发，攻克了一个又一个技术难关。abab 6的MoE架构突破、abab 6.5的万亿参数实现、线性注意力机制的创新——这些技术成果都与技术极客文化密切相关。在这种文化中，技术能力是衡量价值的主要标准，技术贡献是赢得尊重的主要途径。

然而，技术极客文化也存在一些局限性。它可能导致团队过度关注技术本身而忽视用户需求，过度追求技术完美而忽视商业落地，过度沉迷于内部讨论而忽视外部市场。在公司发展到一定阶段后，这些局限性开始显现，需要进行文化调整。

成长期：产品导向文化，"用户反馈驱动迭代"

随着公司规模的扩大和业务的拓展，Minimax的文化开始从技术极客文化向产品导向文化转变。这种转变的核心是：将关注焦点从"技术能力"转向"用户价值"，将评价标准从"技术贡献"转向"产品成果"，将工作方式从"技术驱动"转向"用户反馈驱动"。

产品导向文化的形成是渐进的过程。在这个过程中，闫俊杰发挥了关键的引导作用。他多次在内部会议上强调：技术只是手段，用户价值才是目的。一个技术再先进的模型，如果不能转化为用户喜爱的产品，就失去了存在的意义。这种理念逐渐被团队接受和内化，成为公司文化的重要组成部分。

在产品导向文化的驱动下，Minimax的产品开发流程发生了重要变化。团队开始更加重视用户研究和需求分析，将用户反馈作为产品迭代的重要输入。星野、海螺AI等产品的持续优化，都是在用户反馈的基础上进行的。这种"用户反馈驱动迭代"的工作方式，使产品更加贴近用户需求，也提高了产品成功的概率。

成熟期：长期主义文化，"坚持创新而非短期变现"

当Minimax发展到一定规模后，公司文化进一步演化为长期主义文化。这种文化的核心是：坚持长期价值而非短期收益，坚持创新投入而非急功近利，坚持战略定力而非朝令夕改。

长期主义文化的形成有其必然性。在AI创业领域，短期变现的诱惑无处不在：追逐热点应用、迎合投资人预期、追求表面增长……这些短期行为虽然可能带来立竿见影的效果，但往往会损害公司的长期竞争力。闫俊杰深知这一点，因此在公司内部反复强调长期主义的重要性。

长期主义文化在Minimax的多个决策中得到了体现。在技术投入上，公司坚持对基础模型研发的持续投入，不因为短期没有商业回报就削减研发预算。在产品策略上，公司坚持打造真正有用户价值的产品，而非追逐热点的"伪需求"。在商业化上，公司坚持健康的商业模式，不为了短期收入而牺牲用户体验和产品质量。

长期主义文化的建立不是一蹴而就的，它需要在日常决策中不断强化、在绩效评价中不断践行、在组织沟通中不断强调。闫俊杰在这个过程中扮演了关键的角色，他通过言传身教、身体力行，将长期主义的理念植入公司的文化基因。

二、领导力的自我约束

决策模型：从"技术最优"到"综合最优"的升级

作为技术背景出身的CEO，闫俊杰在早期决策中往往倾向于追求"技术最优"——哪个方案技术更先进、更优雅、更符合学术标准，就选择哪个方案。然而，随着公司的发展和角色的转变，他开始意识到，这种"技术最优"的决策模型存在明显的局限性。

现实世界的决策往往涉及多个维度的权衡：技术可行性、商业可持续性、组织承载力、资源约束、时机窗口……单纯追求技术最优，可能导致其他维度的失衡。闫俊杰在实践中逐渐发展出一套"综合最优"的决策模型：在技术可行性之外，还要考虑商业价值、组织影响、资源消耗、时间成本等因素，最终选择整体最优而非单点最优的方案。

这种决策模型的升级，体现了闫俊杰作为企业家的成长。他不再只是一个追求技术完美的工程师，而是学会了从更宏观的视角审视问题和做出决策。这种转变对于公司的健康发展至关重要——在复杂多变的商业环境中，单纯的技术视角往往无法应对所有的挑战。

风险观：激进技术路线下的风险对冲机制

闫俊杰在技术路线上一直是激进的推动者。从早期的MoE架构选择，到多模态融合布局，再到线性注意力机制创新，Minimax在技术选择上始终保持着前沿性和激进性。然而，激进的技术路线也意味着更高的风险。如何在追求技术突破的同时控制风险，成为闫俊杰需要平衡的重要课题。

闫俊杰的风险观可以概括为"激进但不冒进"。在技术方向的选择上，他敢于尝试前沿技术、敢于承担失败的风险。但在具体执行上，他强调要有风险对冲机制——不把所有资源押注在单一方向上，保持多条技术路线的并行探索，即使主攻方向失败也有备选方案可以顶上。

这种风险观体现在Minimax的技术研发策略中。公司在主攻MoE架构的同时，也保持了其他技术方向的探索和储备。在集中资源进行模型规模突破的同时，也没有放弃效率优化的努力。这种"激进探索、稳健落地"的策略，使Minimax在技术风险和创新收益之间找到了平衡。

时间观：从"快速迭代"到"长期主义"的认知转变

在创业初期，时间压力是闫俊杰面临的最大挑战之一。AI领域技术迭代极快，市场竞争激烈，稍有迟缓就可能被竞争对手甩在身后。这种压力促使他一度采取了"快速迭代"的时间策略——追求速度、强调效率、快速试错、快速调整。

然而，随着公司的发展，闫俊杰对时间观有了更深入的思考。他意识到，"快速迭代"虽然有其价值，但并非所有事情都应该追求快速。有些事情需要耐心——技术积累需要时间，团队培养需要时间，用户信任需要时间，品牌建设需要时间。在这些事情上追求速度，往往适得其反。

闫俊杰的时间观逐渐演变为"长期主义"——在正确的事情上愿意花足够的时间，不因为短期压力而牺牲长期价值。他多次强调，AI是一场马拉松而非百米冲刺，暂时的领先或落后都不足以决定最终的结果。真正决定成败的，是能否在正确的方向上持续投入、持续进步。

这种时间观的转变影响了Minimax的多个决策。在技术投入上，公司坚持对基础技术的长期投入，不因为短期没有商业回报就动摇。在人才发展上，公司愿意给年轻人成长的时间，不急于求成。在品牌建设上，公司追求长期的口碑积累，不做损害长期利益的短期行为。

三、组织管理的科学方法

数据驱动的绩效评估

Minimax在组织管理中引入了"数据驱动"的理念和方法。闫俊杰多次强调，在复杂的AI研发工作中，主观臆断和经验主义往往导致误判，只有通过数据和科学方法才能做出准确的评估和决策。

数据驱动的绩效评估体现在多个层面。首先，在研发效率的评估上，团队建立了一套量化指标体系，通过数据来衡量模型训练的效果、代码开发的效率、问题解决的速度。其次，在人才评价上，公司注重可量化的绩效结果，而非主观印象和关系亲疏。最后，在战略决策上，团队通过数据分析和实验验证来支持决策，而非仅凭直觉和经验。

数据驱动的方法帮助Minimax在多个方面做出了更好的决策。通过对研发数据的分析，团队能够更准确地识别问题所在，优化工作流程。通过对用户数据的分析，产品团队能够更深入地理解用户需求，指导产品迭代。通过对市场数据的分析，公司能够更清晰地把握竞争态势，调整战略方向。

然而，数据驱动的方法也有其局限性。过度依赖量化指标可能导致对"可测量"指标的过度追求，而忽视那些"难以量化"但同样重要的因素，如团队氛围、创新文化、员工满意度等。闫俊杰也在实践中不断思考如何在数据驱动和人文关怀之间找到平衡。

轻量化组织在规模化后的坚持

闫俊杰一直倡导"轻量化组织"的理念，这种理念在公司规模扩大后面临着挑战。当团队从几十人发展到几百人时，保持组织的轻量化变得越来越困难——更多的层级、更复杂的流程、更频繁的会议，似乎成为规模扩张的必然结果。

然而，闫俊杰坚持在规模扩大后保持轻量化组织的核心特征。他的策略包括几个方面。首先是保持扁平的层级结构，尽量减少管理层级，让信息和决策能够快速传递。其次是简化流程和审批，在保证必要控制的前提下，尽可能减少不必要的流程负担。最后是鼓励直接沟通，打破部门墙，让跨团队协作更加顺畅。

轻量化组织的坚持为Minimax带来了几个优势。第一是决策速度快——层级少、流程简意味着决策可以快速做出和执行。第二是沟通成本低——扁平的结构和直接的沟通减少了信息传递的失真和延迟。第三是组织活力高——没有过多官僚约束，员工有更大的空间发挥创造力和主动性。

人才选择的"整体输出"标准

在人才选择上，Minimax有着独特的标准。闫俊杰曾明确表示，公司需要的不是"明星员工"，而是能够提升团队整体输出的人。这个标准的核心是"整体输出"而非"个人表现"——一个真正优秀的人才不仅要自己能力强，还要能够带动周围的人一起进步。

这种人才选择标准与闫俊杰的价值观一脉相承。他相信，真正的价值创造不是靠少数人的英雄主义，而是靠团队的协作和努力。一个只顾自己表现、不关心团队建设的人，即使个人能力再强，也难以真正推动公司的长期发展。相反，那些愿意分享知识、帮助同事、带动团队的人，往往能够产生更大的整体价值。

"整体输出"标准在Minimax的招聘和人才发展中得到了贯彻。在招聘环节，公司不仅考察候选人的技术能力，还会关注其团队协作能力、学习能力和成长潜力。在绩效评估中，公司不仅看个人的业绩贡献，还会考虑其对团队整体输出的影响。在晋升决策中，公司不仅看当前的能力水平，还会考虑其未来的成长空间和对团队的带动作用。

---

本章核心洞察：

1. 文化是组织的灵魂：从技术极客文化到产品导向文化再到长期主义文化，Minimax的文化演变反映了公司从初创期到成长期的必然转变。文化不是一成不变的，需要随着公司发展阶段而进化。

2. 领导力的核心是自我约束：闫俊杰的领导力特征不在于控制，而在于自我约束——约束自己对技术完美的执着，约束自己对短期变现的冲动，约束自己对快速成功的焦虑。这种自我约束是长期主义的基础。

3. 组织管理需要科学方法：数据驱动、轻量化组织、人才选择的"整体输出"标准——这些科学方法帮助Minimax在组织管理上做出了更好的决策，提高了组织的效率和效果。

---

决策模型：

Minimax组织建设和领导力演化的决策框架：

• 文化决策：在技术导向与用户导向之间，在短期变现与长期价值之间，不断调整和平衡组织文化的重心

• 领导决策：从追求技术最优到追求综合最优，从激进冒进到激进有度，从快速迭代到长期主义，不断进化领导风格

• 管理决策：在规模扩张与效率保持之间，在数据驱动与人文关怀之间，在个人能力与团队协作之间，找到适合公司的管理方法

---

启示：

组织能力是创业公司最持久的竞争力。技术可以被复制，产品可以被模仿，但组织能力——包括文化、领导力、管理方法——一旦建立起来就难以被复制。Minimax的案例表明，组织建设不是一个一蹴而就的任务，而是需要持续投入、不断进化的长期工程。闫俊杰作为创始人，在组织建设方面展现出了与技术创新同等重要的能力和智慧。

---

第三编总结：

第三编《公司发展的关键阶段》完整呈现了Minimax从2023年到2025年的发展历程，这是公司从初创期走向成长期的关键阶段。通过四章的详细分析，我们深入理解了：

1. 技术狂飙与商业化试错：从abab 6.5到MiniMax-01系列的技术演进，从To B与To C的选择到开源与闭源的平衡，Minimax在技术研发和商业探索中经历了多次重要抉择。

2. 危机时刻的真实考验：2025年的多重危机——"五连发"的资源压力、DeepSeek的冲击、算力短缺、人才流失、资本压力——检验着公司的战略定力和应对能力。

3. 多方博弈的复杂环境：与资本的博弈、与市场的博弈、与竞争对手的博弈，闫俊杰在这些复杂的博弈中展现出了清醒的认知、坚定的信念和灵活的策略。

4. 组织文化的持续进化：从技术极客文化到产品导向文化再到长期主义文化，从"技术最优"到"综合最优"的决策升级，从追求快速迭代到坚持长期主义，Minimax在组织层面经历了深刻的进化。

第三编的核心结论是：创业公司的成功不仅取决于技术实力和商业策略，更取决于组织能力和文化基因。Minimax在发展过程中展现出的技术积累能力、危机应对能力、组织管理能力和战略定力，共同构成了公司的核心竞争力。这些能力的形成不是一蹴而就的，而是在实践中不断积累、在反思中不断进化的结果。

---

下一部分写作预告：

第四编**《创始人的内在成长》**（约20,000字）将深入探讨闫俊杰个人的成长历程：

1. 第十一章：认知结构的升级迭代——从工程师到企业家的认知跃迁
2. 第十二章：失败、挫折与自我修正——挫折中的成长与反思
3. 第十三章：决策模型、风险观与长期主义——思维框架的成熟
4. 第十四章：领导力与自我约束——领导力的矛盾统一

---

是否继续写作第四编？

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: e5af7bf35805d5e066cf11bc3342186d PropagateID: e5af7bf35805d5e066cf11bc3342186d ReservedCode1: 3045022100c0ad1cbecf77700340390dda73d99050aab3ccebef7c3d9f1a9903e5226ea9a602202dc986b2d686ca82e7c4bf212ce3ec1f2177d32346c6abeb348acd4e3e56b09f ReservedCode2: 30450220299aaf817b539ad60bea0a84d030e9e9472b2330d9b024eed452afee2cf8b39c022100ea0d4ebafd78d85f56f7df271c0f805ffc7fc5d774d65d4ea283389a3ef72e28

第四编：创始人的内在成长

第十一章：认知结构的升级迭代

任何一位成功的创业者，其成长轨迹都伴随着认知结构的持续升级。从技术专家到企业家，从工程师到战略家，这种身份的转变背后是认知方式的根本性变革。闫俊杰的成长历程也是如此。从中科院自动化所的学术研究者，到商汤科技的技术管理者，再到Minimax的创始人和CEO，他的认知结构经历了多次重大跃迁。本章将深入分析闫俊杰认知升级的四个维度——技术认知、商业认知、组织认知、战略认知，以及促成这些升级的关键转折点。

一、从工程师到企业家的认知跃迁

技术认知：从"模型性能"到"模型错误率"的关键指标转变

闫俊杰的技术认知经历了一个重要的转变过程。在学术研究和早期技术工作中，他的关注点主要集中在"模型性能"上——如何让模型在各种基准测试中取得更好的成绩，如何让模型架构更加优雅高效，如何在学术上发表更高水平的论文。这种技术认知是典型的"工程师视角"，关注的是技术本身的先进性和完美性。

然而，在创业实践中，闫俊杰逐渐意识到，"模型性能"并不是衡量AI产品价值的唯一标准，甚至不是最重要的标准。他提出了一个重要的认知转变："错误率是AI产品的生命线"。在他看来，一个模型即使在学术基准测试中取得了优异的成绩，如果在实际应用中的错误率过高，就无法真正满足用户需求、创造用户价值。

这种从"模型性能"到"模型错误率"的认知转变，体现了闫俊杰从学术思维向产品思维的跃迁。他开始更加关注技术在实际应用中的表现，而非仅仅追求学术指标的领先。这种认知转变直接影响了Minimax的技术研发策略——团队不再仅仅追求在各项基准测试中刷高分，而是致力于降低模型在真实应用场景中的错误率，提升用户体验。

闫俊杰曾举例说明这种认知转变的实际意义。他提到，在某些复杂推理任务上，模型的错误率可能高达20-30%，这意味着每三到五个回答中就有一个存在明显的错误。这样的错误率水平虽然在大模型领域已经属于较好水平，但距离"真正可用"仍有明显差距。他设定的目标是：将错误率"降低一个数量级"，让AI产品能够真正满足用户的日常使用需求。这种对"可用性"的执着追求，是闫技术认知转变的核心体现。

商业认知：从"技术价值"到"用户价值"的视角转换

如果说技术认知的转变是"关注点的下沉"，那么商业认知的转变则是"关注点的外移"。在创业初期，闫俊杰的思维仍然带有浓厚的"工程师色彩"——他习惯于从技术本身出发思考问题，关注的是技术是否先进、方案是否优雅、指标是否领先。这种思维方式在纯技术工作中是优势，但在创业实践中却可能成为障碍。

随着创业实践的深入，闫俊杰逐渐建立起"用户价值"的商业认知。他开始意识到，技术的价值不在于技术本身，而在于它能为用户创造什么价值。一个技术再先进的产品，如果用户不使用、不付费、体验不好，就失去了商业意义。这种从"技术价值"到"用户价值"的视角转换，是闫俊杰商业认知升级的核心内容。

这种认知转变体现在Minimax的多个战略决策中。在产品定位上，公司选择了"从工具到伙伴"的差异化路径，关注的是用户对AI的深层次需求，而非仅仅满足效率提升的功能需求。在商业模式上，公司坚持C端优先，直接面向终端用户，而非仅仅做B端的API供应商。在竞争策略上，公司强调差异化竞争，避免陷入同质化的价格竞争。

闫俊杰在多次访谈中强调，用户价值是一切商业活动的基础。他要求团队在做出任何决策时，都要首先思考：这个决策对用户有什么价值？这种"用户第一"的思维模式，已经内化为Minimax企业文化的核心组成部分。

组织认知：从"个人英雄"到"系统能力"的领导力进化

在创业初期，闫俊杰身上带有明显的"个人英雄主义"色彩。作为技术背景的创始人，他习惯于亲力亲为地解决技术问题，习惯于依靠个人能力推动工作进展。这种"个人英雄主义"在创业初期确实发挥了重要作用——它帮助公司在资源有限的情况下快速推进，攻克了一个又一个技术难关。

然而，随着公司规模的扩大和组织复杂度的增加，闫俊杰逐渐意识到"个人英雄主义"的局限性。一个人的能力再强，也无法支撑一个数百人组织的运转；一个问题解决得再快，也无法解决所有问题。他需要从"个人英雄"进化为"组织建设者"，从"自己解决问题"升级为"建立解决问题的系统"。

这种组织认知的升级体现在多个方面。在人才观念上，闫俊杰从追求"明星员工"转向追求"能提升团队整体输出的人"。在决策机制上，他从"个人独断"转向"科学决策"，建立数据驱动的工作方法。在授权管理上，他从"事必躬亲"转向"分级授权"，将更多决策权下放到一线团队。在文化建设上，他从"个人示范"转向"价值观塑造"，致力于建立能够自我驱动、自我进化的组织文化。

闫俊杰深知，建立"系统能力"是一个长期的过程，不可能一蹴而就。但他也坚信，只有从"个人英雄"进化为"组织建设者"，才能真正把Minimax发展成为一家伟大的公司。这种组织认知的升级，是他作为CEO最重要的成长之一。

战略认知：从"单点突破"到"生态布局"的格局拓展

在创业初期，闫俊杰的战略思维主要集中在"单点突破"上——找到一个关键技术点或产品方向，集中资源进行突破。这种战略思维在初创期是正确的，它帮助公司建立了差异化优势，避免了与强大对手的正面竞争。

然而，随着公司的发展和竞争格局的变化，闫俊杰的战略认知也在不断拓展。他开始从更高的维度审视公司的发展，逐渐形成了"生态布局"的战略思维。这种思维不再局限于某个单点，而是关注整个生态系统的构建——包括技术生态、产品生态、用户生态、人才生态等多个层面。

"生态布局"战略认知的形成，使闫俊杰在决策时能够看得更远、想得更深。他不再仅仅关注当前的竞争和短期的收益，而是思考如何在更长时间尺度上建立持久的竞争优势。这种战略认知的升级，直接影响了Minimax的多项重大决策——从技术路线的选择，到产品矩阵的构建，到市场布局的规划，都体现了"生态思维"的印记。

闫俊杰曾阐述过他的"生态观"：在AI这个快速变化的领域，单点优势很容易被追赶和超越，只有建立起多点的、协同的、相互强化的生态优势，才能形成真正的护城河。这种生态优势可能包括：技术能力的全面性、产品矩阵的完整性、用户关系的深度、人才梯队的储备量等多个维度。通过在这些维度上同时发力、相互支撑，Minimax可以建立起难以复制的综合竞争力。

二、关键认知转折点

2021年：意识到"技术先进性不等于商业成功"

2021年是闫俊杰认知升级的第一个关键转折点。在这一年，他离开商汤科技，创立了Minimax。这个决定的背后，是他对中国AI产业发展阶段的深刻思考，以及对自身定位的重新认识。

在商汤工作期间，闫俊杰亲眼见证了"AI四小龙"的崛起与困境。这些公司在技术上取得了世界级的成就，发表了大量高水平论文，培养了数千名AI算法工程师。然而，在商业化方面，它们却面临着严峻的挑战。技术上的先进性并没有自动转化为商业上的成功，资本市场的估值逻辑也与技术价值存在巨大的鸿沟。

这种"技术先进但商业困难"的现实，深深触动了闫俊杰。他开始反思：技术创新的意义是什么？技术公司的价值如何体现？创业者应该如何平衡技术理想与商业现实？这些思考促使他形成了新的认知：技术先进性不等于商业成功，技术公司必须找到将技术价值转化为商业价值的路径。

这种认知转变直接影响了Minimax的创业方向。闫俊杰没有选择继续做"AI能力供应商"，而是决定做"AI产品公司"；没有选择专注于B端市场，而是坚持C端优先。这种战略选择正是建立在"技术价值需要通过产品体现"这一认知基础之上的。

2023年：理解"开源与闭源的辩证关系"

2023年是闫俊杰认知升级的第二个关键转折点。这一年，AI行业经历了ChatGPT发布后的疯狂追捧到理性回归，而关于"开源与闭源"的讨论也日趋激烈。在这个过程中，闫俊杰对开源与闭源的辩证关系形成了更深入的理解。

在此之前，闫俊杰的立场更倾向于"闭源保护"。他认为，核心技术是Minimax的竞争优势所在，必须通过闭源策略加以保护。这种观点在当时的AI创业圈中具有一定的普遍性——大多数AI创业公司都选择闭源策略，以保护其技术壁垒。

然而，随着行业发展的深入，闫俊杰开始重新审视开源与闭源的关系。他看到了开源模式在建立开发者生态、加速技术迭代方面的独特优势，也看到了闭源模式在商业可持续性、保护核心技术方面的价值。他逐渐形成了一种更加辩证的认识：开源与闭源不是非此即彼的选择，而是可以根据不同场景灵活运用的工具。

这种认知转变促使Minimax在策略上做出了调整。公司开始在一些非核心领域尝试开源策略，以建立技术影响力和开发者生态；同时在核心技术上保持闭源，确保商业竞争力。这种"有限开源"的策略，正是闫俊杰对开源与闭源辩证关系理解的实践体现。

2025年：领悟"长期主义不是不赚钱，而是不赚快钱"

2025年是闫俊杰认知升级的第三个关键转折点。这一年，Minimax经历了多重危机的考验——DeepSeek的冲击、算力短缺、人才流失、资本压力。在这些挑战面前，闫俊杰对"长期主义"有了更深刻的领悟。

在此之前，闫俊杰对"长期主义"的理解主要停留在"愿意投入时间、愿意承受短期亏损"的层面。这种理解虽然方向正确，但还不够深入。在2025年的危机应对过程中，他逐渐领悟到：长期主义不是不赚钱，而是不赚快钱；不是不要商业回报，而是不要以牺牲长期价值为代价换取短期收益。

这种领悟体现在多个层面。在技术投入上，他坚持对基础技术的持续投入，即使短期内看不到明显的商业回报。在产品策略上，他坚持打造真正有用户价值的产品，而不是追逐热点、迎合投资人期望的"伪需求"。在商业化上，他坚持健康的商业模式，不为了追求短期收入而损害用户体验和产品质量。

闫俊杰强调，长期主义不是一种道德选择，而是一种商业智慧。在AI这个需要长期投入、持续创新的领域，那些追逐短期利益、缺乏战略定力的公司，往往无法建立起真正的竞争优势。只有那些愿意在正确的方向上持续投入、能够抵制短期诱惑的公司，才能最终获得最大的商业回报。

---

本章核心洞察：

1. 认知升级是创业成功的底层驱动力：从技术认知、商业认知、组织认知到战略认知，闫俊杰的认知升级过程体现了从"技术专家"到"企业家"的本质转变。

2. 关键转折点塑造认知结构：2021年、2023年、2025年的关键转折点，分别促成了闫俊杰在"技术vs商业""开源vs闭源""短期vs长期"这三组核心命题上的认知深化。

3. 认知升级需要持续进行：AI技术和产业在快速发展，认知升级也是一个持续的过程。闫俊杰保持开放学习的心态，不断反思、不断进化。

---

决策模型：

闫俊杰认知升级的框架分析：

• 技术认知：从追求模型性能到关注错误率，从学术导向到产品导向

• 商业认知：从技术价值到用户价值，从工程师思维到企业家思维

• 组织认知：从个人英雄到系统能力，从亲力亲为到组织建设

• 战略认知：从单点突破到生态布局，从短期竞争到长期优势

---

启示：

创业者的成长，首先是认知的成长。闫俊杰的案例表明：认知的局限往往比能力的局限更难以突破；从"技术专家"到"企业家"的转变，本质上是认知结构的重新构建；认知升级是一个持续的过程，需要在实践中不断反思、不断进化。那些能够持续升级认知的创业者，往往能够在复杂多变的环境中保持正确的方向，做出正确的决策。

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: 292c32a72559103cb63518d0a4474785 PropagateID: 292c32a72559103cb63518d0a4474785 ReservedCode1: 30440220627d56b88ecd44bc41dd8206ae654af5a5126c9dd95727a54fe43e3388ddefe4022026d9d93a9bd4a7f15abbe62a1c166135c881abfd849c38381b2fa34b9bb91fac ReservedCode2: 304402201eb4b57beaf5d00fb14eae917e7a8f628c0c02db62a3af120b52420631ffc3430220780106d703933f80820660082d59ef384302760cba27877f2c6ba086d2412b32

第十二章：失败、挫折与自我修正

创业之路从来不是一帆风顺的，失败和挫折是每个创业者必须面对的课题。闫俊杰的创业历程也是如此。Minimax在发展过程中经历了多次挫折和失败——有些是技术路线上的失误，有些是产品策略上的偏差，有些是组织管理上的问题，还有些是市场竞争中的失利。然而，正是这些挫折和失败，以及从中提炼出的经验教训，构成了闫俊杰和Minimax最宝贵的成长财富。本章将深入分析Minimax经历过的主要挫折，以及闫俊杰如何从挫折中学习、如何建立自我修正机制。

一、可披露的挫折

技术挫折：早期模型训练中的"灾难性遗忘"问题

在大模型研发领域，"灾难性遗忘"是一个广为人知的技术难题。当模型在学习新任务时，往往会忘记之前学习的内容，导致在多个任务上的表现都无法达到最优。这个问题在Minimax早期模型研发中曾经严重困扰过团队。

在abab系列模型的早期训练中，团队遭遇了严重的灾难性遗忘问题。每当团队尝试增加新的能力或数据时，模型在某些方面的性能就会出现明显下降。这种"按下葫芦浮起瓢"的状态，让团队一度陷入困境。投入大量资源训练出来的模型，在实际应用中的表现却不如预期，这种挫败感是技术团队最难以接受的。

解决灾难性遗忘问题的过程充满了挑战。团队尝试了多种技术方案，包括多任务学习、渐进式训练、知识蒸馏等，但效果都不够理想。最终，团队通过创新的训练策略设计和精细的数据配比调整，才逐步缓解了这一问题。这个过程虽然艰难，但也让团队在大模型训练方面积累了宝贵的经验，形成了一系列独特的技术方法论。

闫俊杰后来在复盘这一段经历时强调，技术研发中的挫折是常态而非例外。重要的不是避免所有挫折，而是建立应对挫折的能力和机制。他鼓励团队成员不要害怕失败，要敢于尝试、敢于试错。他相信，只有经历过挫折和失败的技术团队，才能真正建立起深厚的技术积累和强大的技术能力。

产品挫折：某款C端产品的市场反响不及预期

在Minimax的产品探索历程中，并非所有产品都能取得成功。有一款曾经被寄予厚望的C端产品，在上线后的市场反响明显不及预期，这是闫俊杰和产品团队经历的一次重要挫折。

这款产品的定位是"AI助手"，旨在帮助用户完成日常的文字处理、信息查询等任务。从技术角度看，产品集成了Minimax当时最先进的大模型能力；从资源投入看，产品团队投入了大量的人力和时间进行开发和优化。然而，产品上线后的用户反馈却并不理想——用户活跃度不高，付费转化率低，口碑传播也不理想。

复盘这一失败，闫俊杰总结了以下几点教训。第一，产品定位过于宽泛，缺乏明确的使用场景和目标用户群。"什么都能做"的产品往往意味着"什么都不精"，难以在用户心智中建立清晰的认知。第二，产品设计过于强调技术能力，而忽视了用户体验。复杂的交互流程、不够自然的对话体验、缺乏情感温度的交互方式，都影响了用户的留存和口碑。第三，市场推广策略存在问题，产品上线后的用户获取渠道单一，营销投入不足。

这次产品挫折对闫俊杰的产品理念产生了深远影响。他开始更加重视"精准定位"和"极致体验"，而不是追求功能的全面性。他强调，产品要有明确的"第一价值主张"——用户第一次使用产品时，就能清楚地知道产品能为他做什么、为什么他需要这个产品。这种对产品定位和用户体验的重视，在此后的星野、海螺AI等产品中得到了充分体现。

管理挫折：核心团队成员的离开与组织震荡

随着Minimax的发展，组织规模不断扩大，管理层也面临了新的挑战。其中一次较为突出的挫折是核心团队成员的离开，以及由此带来的一段时间的组织震荡。

这位离开的成员是Minimax早期团队的核心骨干，在公司发展过程中做出了重要贡献。然而，由于多种复杂的原因，包括个人职业发展的考量、对公司方向的分歧、外部机会的吸引等，这位成员最终选择了离开。他的离开不仅带走了一部分业务知识，更在团队内部引发了一定程度的信心动摇。

这次事件让闫俊杰深刻反思了组织管理和人才保留的问题。他意识到，创业公司不能仅仅依靠个人魅力或利益绑定来留住人才，更重要的是要建立健康的组织文化、清晰的职业发展路径和有吸引力的成长空间。他开始更加重视与核心团队的沟通和共识建设，更加关注团队成员的职业发展和个人成长需求。

这次挫折也促使闫俊杰在组织层面做出了一些调整。他进一步明确了公司的使命、愿景和战略方向，让团队成员能够清晰地看到公司的发展前景和个人在其中的位置。他完善了人才激励机制，包括股权激励、职业发展通道、培训成长体系等。他加强了组织文化的建设，通过各种方式强化团队凝聚力和归属感。

融资挫折：某轮次融资的估值分歧与谈判破裂

融资是创业公司发展过程中的重要环节，但融资过程并非总是顺利的。Minimax在发展过程中也经历过融资挫折——某轮次融资中，由于估值分歧和谈判条件难以达成一致，最终导致了融资的延迟或放弃。

这次融资挫折的背景是行业估值的剧烈波动。在AI赛道最热的时候，公司估值普遍水涨船高；但当市场热度稍有降温时，估值逻辑也发生了变化。在这种环境下，投资人和创业公司对估值的预期往往存在较大差距，谈判过程也变得更加艰难。

对于闫俊杰来说，这次融资挫折是一次重要的考验。他需要在"接受较低估值以获取资金"和"坚持估值预期以保护股东利益"之间做出选择。最终，他选择了后者——宁可在融资节奏上做出调整，也不愿意在估值上做出过大让步。他相信，公司真正的价值会随着发展逐步体现，时间会证明一切。

这次融资挫折也让闫俊杰更加重视与投资人的关系建设。他开始更加审慎地选择投资伙伴，优先考虑那些理解长期价值、愿意陪伴公司成长的投资人，而非仅仅追逐短期收益的资本。他也更加重视融资过程的透明度和沟通质量，确保投资人对公司的发展状况和战略方向有清晰的了解。

二、自我修正机制

数据驱动的复盘：如何建立"快速识别有效路径"的机制

面对挫折和失败，闫俊杰建立了一套"数据驱动的复盘"机制。这套机制的核心是：通过系统化的数据收集和分析，快速识别问题所在，找到有效的改进路径，避免重复犯错。

在Minimax的日常运营中，数据驱动的复盘体现在多个层面。首先是研发层面的复盘——每次模型训练或技术攻关后，团队都会系统地分析数据，总结成功经验和失败教训。其次是产品层面的复盘——每个产品版本迭代后，团队都会分析用户数据和反馈，识别产品的优势和不足。最后是战略层面的复盘——每个阶段结束后，公司都会对战略执行情况进行评估，调整后续的优先级和资源配置。

闫俊杰特别强调"快速识别有效路径"的重要性。在资源有限的创业环境中，最忌讳的就是在错误的方向上浪费过多时间和资源。通过数据驱动的复盘，团队可以更早地发现偏差、更快地做出调整、更有效地配置资源。他将这种方法论称为"科学方法"——用做科学实验的态度来做产品和技术，通过假设、实验、验证、迭代的循环来不断逼近最优解。

外部视角的引入：顾问、投资人、竞争对手的镜鉴

除了内部的复盘机制，闫俊杰还注重引入外部视角来审视公司和自身的不足。他认为，创业者在快速发展中容易陷入"当局者迷"的状态，需要通过外部的反馈来获得更客观的认知。

顾问是闫俊杰引入外部视角的重要渠道。Minimax建立了一个由行业专家、资深企业家、投资人等组成的顾问团队，定期与闫俊杰和核心团队进行交流。这些顾问带来了不同背景的经验和视角，能够帮助公司识别盲区、发现机会、规避风险。

投资人的反馈也是闫俊杰重视的外部视角。虽然他坚持选择"理解长期价值"的投资人，但这些投资人的意见仍然具有重要的参考价值。投资人往往站在更宏观的视角，能够看到行业发展趋势和竞争格局的变化，他们的反馈有助于闫俊杰保持战略的客观性。

竞争对手同样是重要的"镜子"。闫俊杰会持续关注和分析竞争对手的动态——他们的产品策略、技术路线、商业模式、组织能力等。通过与竞争对手的对比，公司可以更清晰地认识到自身的优势和不足，从而更有针对性地进行改进。

闫俊杰强调，引入外部视角不是"迷信"外部意见，而是将其作为内部思考的补充和校验。最终的决定权仍然在公司自己手中，但有了更多的信息输入，做出的决策往往更加全面和审慎。

组织创新的持续：通过组织调整克服能力边界

在应对挫折的过程中，闫俊杰还形成了一个重要认知：组织能力的边界往往是创始人能力边界的投射。当公司发展到一定阶段，原有的组织结构和人才配置可能无法支撑新的发展需求，需要通过组织创新来突破能力边界。

Minimax在发展过程中经历了多次组织调整。每次调整的目的都是相似的：优化资源配置、提高运营效率、释放组织潜能。每次调整的过程也是相似的：识别现有组织的问题、设计新的组织方案、平稳过渡到新架构。

闫俊杰在组织创新中坚持几个原则。第一是"服务于战略"——组织结构的设计要服务于公司的战略目标，而非为了调整而调整。第二是"渐进式推进"——大规模的 组织变革往往带来巨大的动荡，应该采取渐进式的方式逐步过渡。第三是"保持灵活性"——组织结构不是一成不变的，应该根据发展需要持续调整和优化。

通过持续的组织创新，Minimax逐步建立起一套能够适应快速变化环境的组织能力。这套能力的核心是"弹性"——能够根据外部变化快速调整资源配置，能够根据内部需求灵活重构组织形态，能够在保持稳定的同时实现持续进化。

三、从挫折中提炼的原则

"错误率是AI产品的生命线"

这是闫俊杰从多次产品和技术挫折中提炼出的核心原则。他强调，AI产品的价值最终要通过用户体验来体现，而用户体验的核心指标就是"错误率"。一个回答十个错五个的产品，无论技术多么先进，都无法真正满足用户需求。

这条原则指导着Minimax的技术研发和产品迭代方向。团队在评估模型效果时，不仅关注在学术基准测试上的表现，更关注在实际应用场景中的错误率。在产品设计时，团队会优先考虑如何降低用户遇到错误的概率，如何在出错时给用户良好的反馈和补救体验。

"用户共创不是口号，是生存方式"

这是闫俊杰从产品挫折中提炼出的另一条重要原则。他意识到，闭门造车的产品开发方式已经不再适用于AI时代。只有通过与用户的持续互动、收集用户的真实反馈、快速迭代优化，才能打造出真正满足用户需求的产品。

这条原则在Minimax的产品运营中得到了充分体现。星野、海螺AI等产品都建立了活跃的用户社区，团队成员会定期收集和分析用户反馈，将用户意见纳入产品迭代的考量。闫俊杰本人也会关注用户社区的动态，了解用户对产品的真实评价和改进建议。

"技术深度是护城河，但产品化是桥梁"

这是闫俊杰从商业挫折中提炼出的原则。他认识到，技术能力是Minimax的核心竞争力，是公司区别于竞争对手的护城河。但技术本身并不自动产生商业价值，只有通过产品化将技术能力转化为用户价值，才能实现商业的成功。

这条原则塑造了Minimax"技术+产品"双轮驱动的发展策略。公司一方面持续投入基础技术研发，保持技术能力的领先性；另一方面积极推进产品的开发和优化，将技术能力转化为用户喜爱的产品。两个轮子缺一不可，只有协同发力，才能推动公司持续前进。

---

本章核心洞察：

1. 挫折是创业的常态：技术挫折、产品挫折、管理挫折、融资挫折——Minimax在发展过程中经历了多种类型的挫折，这是创业的常态而非例外。

2. 自我修正能力是核心竞争力：从挫折中学习、从中提炼原则、形成修正机制——这种自我修正能力是Minimax能够持续成长的关键。

3. 数据驱动的复盘是有效工具：通过系统化的数据收集和分析，快速识别问题、找到改进路径，是应对挫折的有效方法。

---

决策模型：

闫俊杰应对挫折的决策框架：

• 挫折识别：快速、准确地识别问题所在，避免自欺欺人或过度反应

• 原因分析：深入分析问题产生的根本原因，而非仅仅处理表面症状

• 改进措施：制定针对性的改进措施，并确保有效执行

• 经验沉淀：从挫折中提炼可复用的原则，避免重复犯错

---

启示：

失败和挫折是创业者的必修课。那些能够从挫折中学习、不断修正自己的人，往往能够在创业道路上走得更远。闫俊杰的案例表明：挫折本身不可怕，可怕的是不能从挫折中学习；重要的不是避免所有失败，而是建立应对失败、修正错误的能力和机制。这种能力的培养，需要在实践中不断磨练，在反思中不断精进。

第十三章：决策模型、风险观与长期主义

创业过程中，决策的质量直接决定了公司的命运。而决策的质量，又取决于决策者的思维框架——包括决策模型、风险观和时间观。闫俊杰在Minimax的创业实践中，逐渐形成了一套成熟的决策框架和思维方法。本章将深入分析闫俊杰的决策模型、风险观和长期主义理念，以及这些思维框架如何指导他的日常决策和战略规划。

一、闫俊杰的决策框架

闫俊杰的决策框架可以概括为四个维度的综合考量：技术可行性、商业可持续性、组织承载力和长期价值。这四个维度相互关联、相互影响，共同构成了一个完整的决策评估体系。

技术可行性：是否满足Scaling Laws？

在评估任何技术决策时，闫俊杰首先关注的是技术可行性。他特别重视Scaling Laws（缩放定律）——即模型性能与模型规模、训练数据量、计算投入之间的关系。他认为，理解Scaling Laws是进行大模型研发的基础，只有遵循Scaling Laws的指导，才能有效地进行技术规划和资源配置。

在具体的技术决策中，闫俊杰会问一系列问题：这个技术方案是否满足Scaling Laws？在这个方向上持续投入，是否能够带来可预期的性能提升？需要投入多少资源才能达到预期的目标？这些问题的答案，决定了一个技术方向是否值得继续推进。

商业可持续性：能否在降价同时保持效果？

在评估商业决策时，闫俊杰关注的是商业可持续性。他深知，在竞争激烈的AI市场中，价格战是难以避免的。一个可持续的商业模式，必须能够在价格竞争中保持健康的利润率，而不是陷入"低价竞争、亏损运营"的恶性循环。

闫俊杰提出的一个具有挑战性的目标是："在降价的同时保持更好的效果"。这个目标看似矛盾——通常来说，更低的价格意味着更低的成本、更差的服务。但他认为，通过技术创新和效率提升，可以打破这种传统的认知，实现"物美价廉"的双重优势。这种目标的提出，体现了他对技术进步驱动商业价值创造的信念。

组织承载力：团队能否支撑战略执行？

在评估战略决策时，闫俊杰特别关注组织承载力。他深知，战略的成功不仅取决于战略本身的设计，更取决于组织的执行能力。一个超出组织能力边界的战略，即使设计得再好，也难以落地执行。

在具体的决策中，闫俊杰会评估：团队是否具备执行这个战略所需的能力？需要多长时间、培养多少人才能具备这种能力？执行这个战略需要投入多少资源，是否会影响其他业务的正常运转？这些问题的答案，决定了一个战略是否应该立即执行，还是需要等到组织能力更成熟时再推进。

长期价值：五年后是否仍有竞争力？

在评估所有决策时，闫俊杰都会考虑长期价值。他不喜欢追逐短期热点、追求表面增长，而是更关注决策对公司长期竞争力的影响。他会问：这个决策在五年后是否仍然有价值？是否能够建立起持久的竞争优势？是否会透支公司的未来？

这种对长期价值的重视，是闫俊杰"长期主义"理念在决策层面的具体体现。他愿意在短期内承受一些损失或不便，来换取长期的竞争优势。他也愿意放弃一些看似有利可图的机会，如果这些机会不符合公司的长期战略方向。

二、风险观的演进

闫俊杰的风险观在创业过程中经历了明显的演进。从早期的"技术风险优先"，到中期的"市场风险优先"，再到当前的"系统性风险优先"，他的风险观随着公司发展阶段和外部环境变化而不断进化。

早期：技术风险优先，敢于尝试MoE等前沿架构

在Minimax创业早期，闫俊杰的风险观以技术风险为核心关注点。他敢于尝试MoE等前沿架构，敢于在技术路线上进行创新。这种"技术风险优先"的风险观，与当时公司的发展阶段和环境密切相关。

早期阶段，Minimax面临的首要挑战是在技术层面建立差异化优势。彼时，中国AI大模型领域几乎是空白，要在竞争中脱颖而出，必须在技术上有独特的建树。因此，闫俊杰愿意承担技术探索的风险，选择了当时尚不成熟的MoE架构作为技术路线。

中期：市场风险优先，关注用户接受度与监管边界

随着公司进入发展阶段，闫俊杰的风险观开始转向市场风险优先。他更加关注用户对产品的接受度、商业模式的可行性、监管政策的变化等市场因素。这种风险观的转变，反映了公司从"技术验证"阶段进入"商业验证"阶段的事实。

在中期阶段，技术风险已经不是公司的主要挑战——Minimax已经证明了自己具备世界级的模型研发能力。真正的挑战在于如何将技术能力转化为商业价值，如何在激烈的市场竞争中建立用户基础。因此，闫俊杰开始更加关注市场风险，在产品策略、市场推广、合规运营等方面投入更多的精力。

当前：系统性风险优先，平衡技术、商业、组织、政策

在当前阶段，闫俊杰的风险观进一步演进为"系统性风险优先"。他开始从更宏观的视角审视公司面临的风险，不仅关注技术风险和市场风险，还关注组织风险、政策风险、供应链风险等多个维度。

这种系统性风险观的形成，反映了闫俊杰作为CEO的认知升级。他意识到，在一个快速变化的复杂环境中，单一维度的风险管理已经不够了，需要建立全面、系统、动态的风险管理框架。他开始投入更多精力进行风险识别、风险评估和风险应对，确保公司能够在复杂环境中稳健发展。

三、长期主义的实践

闫俊杰是AI创业领域长期主义的典型代表。他的长期主义理念不仅体现在战略层面，更体现在日常决策和组织管理中。

不追逐热点：拒绝为短期估值做"应用开发"

在AI领域，热点的更迭非常迅速。从元宇宙到Web3，从大模型到AI Agent，每一个热点都会吸引大量的资本和创业者涌入。许多公司为了追逐热点、迎合投资人期望，会不断调整战略方向，推出各种"热点应用"。

闫俊杰对这种"追逐热点"的做法持批评态度。他认为，频繁追逐热点会分散公司的资源和精力，破坏战略的连续性，最终导致"什么都做、什么都不精"的局面。他坚持Minimax应该保持战略定力，在正确的方向上持续投入，而不是被短期的市场热点所左右。

这种"不追逐热点"的立场，在某些时候会给公司带来压力。当市场热点与公司战略不符时，投资人可能会质疑、团队可能会动摇、外部可能会唱衰。但闫俊杰始终坚信，长期主义是正确的选择，只有在正确的方向上持续积累，才能建立起真正的竞争优势。

坚持创新：在DeepSeek开源冲击下仍保持技术自信

2024年至2025年间，DeepSeek的开源策略给整个AI行业带来了巨大冲击。许多公司在DeepSeek的压力下开始动摇——是否应该放弃闭源策略？是否应该转向开源路线？闫俊杰在面对这种冲击时，展现出了坚定的战略定力。

他承认DeepSeek的成功和开源模式的价值，但他也坚信Minimax的闭源策略在商业可持续性方面有其独特优势。他没有因为外部冲击而动摇公司的技术路线和商业模式，而是继续在正确的方向上推进创新。这种"坚持创新、保持定力"的态度，体现了他对长期主义的深刻理解。

耐心资本：选择理解长期价值的投资人

长期主义的实践，也体现在融资策略的选择上。闫俊杰在选择投资人时，优先考虑那些理解长期价值、愿意陪伴公司成长的投资人，而非仅仅追逐短期收益的资本。他宁可接受较低的估值，也要选择"对"的投资人。

这种"耐心资本"的融资策略，为Minimax的发展提供了稳定的资本支持。这些理解长期价值的投资人，不会因为短期业绩波动而施加过大压力，不会因为热点转换而要求公司改变战略方向。他们给公司足够的时间和空间来执行战略、实现目标。

---

本章核心洞察：

1. 决策框架是决策质量的基础：闫俊杰的"四维度决策框架"——技术可行性、商业可持续性、组织承载力、长期价值——为日常决策提供了清晰的评估标准。

2. 风险观需要随环境进化：从技术风险优先到市场风险优先再到系统性风险优先，闫俊杰的风险观随着公司发展阶段和外部环境变化而不断演进。

3. 长期主义是战略定力的来源：不追逐热点、坚持创新、选择耐心资本——这些长期主义的实践，为Minimax在复杂环境中保持正确方向提供了保障。

---

决策模型：

闫俊杰决策框架的核心要素：

• 多维度评估：不只考虑单一因素，而是综合考虑技术、商业、组织、长期等多个维度

• 长期视角：在多个选项中选择对长期最有利的，而非短期收益最大的

• 系统性思考：将决策放在更大的系统中考虑，理解其对整体的影响

---

启示：

决策质量是创业成功的关键。闫俊杰的案例表明，建立清晰的决策框架、形成成熟的风险观、坚持长期主义的理念，能够显著提高决策的质量和一致性。这种决策能力的培养，需要在实践中不断磨练，在反思中不断精进。

第十四章：领导力与自我约束

领导力是创业成功的核心要素之一，而领导力的本质是影响力——不是通过权力来驱动他人，而是通过言行来影响他人。闫俊杰的领导力有着独特的特征：他不是一个强势的控制型领导者，而是一个有着清晰信念和坚定意志的引导型领导者。本章将深入分析闫俊杰的领导力特征，特别是其"自我约束"的一面，以及这种领导力如何塑造了Minimax的组织文化和团队气质。

一、领导力的矛盾统一

激进与克制：技术路线激进，但组织扩张克制

闫俊杰的领导力呈现出一种"激进与克制"的矛盾统一。在技术路线上，他是激进的推动者——敢于尝试前沿技术、敢于挑战传统路线、敢于承担失败的风险。MoE架构的选择、多模态的布局、线性注意力机制的创新，都体现了这种技术激进性。

然而，在组织扩张上，闫俊杰却表现出明显的克制。他坚持"轻量化组织"的理念，避免过早、过快的组织膨胀。当竞争对手在大规模招人、迅速扩张时，Minimax的扩张步伐相对审慎。他深知，组织扩张带来的管理复杂度上升和文化稀释，可能比资源不足更加危险。

这种"激进与克制"的平衡，体现了闫俊杰对"专注"和"效率"的重视。他希望将有限的资源和精力集中在最核心的事情上，而不是分散到过于宽泛的领域。这种领导风格使得Minimax在快速发展的同时保持了组织的敏捷性和效率。

自信与谦逊：对AGI未来充满信心，但承认当前差距

闫俊杰的领导力还呈现出"自信与谦逊"的矛盾统一。在对AGI未来的判断上，他是自信的——他坚信AI技术将深刻改变人类世界，坚信Minimax有机会在全球AI竞争中占据一席之地，坚信"技术普惠"的愿景终将实现。这种自信给了团队方向感和信心。

然而，在对当前状态的评估上，闫俊杰是谦逊的。他清楚地认识到Minimax与国际领先公司在技术能力、组织规模、资源储备等方面的差距。他从不回避谈论这些差距，也从不夸大公司的成就。这种谦逊的态度，帮助团队保持清醒的头脑，避免自满和浮躁。

这种"自信与谦逊"的平衡，对团队文化产生了积极影响。它既给了团队追求卓越的信心和动力，又防止了团队陷入盲目自满和脱离实际的危险。

野心与耐心：期待引领世界，但接受渐进突破

闫俊杰的领导力还呈现出"野心与耐心"的矛盾统一。他有着宏大的野心——希望Minimax成为全球前五的AI公司，希望推动AI技术的普惠化，希望在全球AI竞争中占据一席之地。这种野心在公开场合从不掩饰，甚至在某些人看来显得有些"张扬"。

然而，在实现野心的路径上，闫俊杰表现出极大的耐心。他深知，从一家初创公司成长为全球领先的AI公司，需要漫长的时间和持续的努力。他接受"渐进突破"的过程，愿意在正确的方向上持续投入、逐步积累，而不是期待一蹴而就。

这种"野心与耐心"的平衡，是闫俊杰领导力的重要特征。他既有足够的野心来激励团队、吸引人才，又有足够的耐心来稳扎稳打、持续进步。这种平衡使得Minimax在保持进取心的同时，避免了冒进和浮躁。

二、自我约束机制

信息隔离：避免被短期市场噪音干扰

闫俊杰建立了一套"信息隔离"机制，来保护自己和团队免受短期市场噪音的干扰。他深知，在一个信息爆炸的时代，各种噪音和干扰无处不在——媒体报道、同行动态、投资人预期、社交媒体评论……如果过度关注这些短期信息，可能会影响战略判断和执行定力。

闫俊杰的信息隔离策略包括几个方面。首先是控制信息来源——他选择性关注那些真正有价值的信息源，而不是无差别地接收所有信息。其次是限制信息消费——他每天花一定的时间"离线"，进行深度思考和工作，而不是被不断涌入的信息流所淹没。最后是建立信息筛选机制——通过团队协作，将重要信息筛选出来传递给他，而不是事无巨细地了解所有情况。

这种信息隔离机制，帮助闫俊杰在复杂的舆论环境中保持战略定力。他能够专注于真正重要的事情，而不会被短期的噪音所干扰。

认知更新：持续学习，保持"学生心态"

闫俊杰强调持续学习和"学生心态"的重要性。他深知，AI技术和产业发展迅速，昨天的知识可能今天就已经过时。只有保持持续学习的状态，才能跟上行业发展的步伐。

他的学习方式包括多种渠道。阅读是重要的一环——他会定期阅读学术论文、行业报告、专业书籍等，保持对前沿技术和行业动态的了解。交流也是重要的学习方式——通过与顾问、投资人、行业专家的交流，他能够获得不同视角的洞察。实践更是学习的重要来源——在日常决策和管理中，他不断反思和总结，将经验转化为认知。

闫俊杰特别强调"学生心态"——无论取得多大的成就，都要保持谦虚、开放、愿意学习的态度。他从不以"成功者"自居，而是始终将自己定位为"学习者"。这种心态使得他能够不断吸收新的知识和观点，持续提升自己的认知水平。

权力边界：在组织内建立"科学决策"而非"个人独断"

作为创始人和CEO，闫俊杰拥有对Minimax的重大决策权。然而，他主动为自己设定了权力边界——在组织内建立"科学决策"机制，而非依靠"个人独断"。

闫俊杰的决策原则是：重大决策要经过充分的论证和分析，不能仅凭个人判断。他建立了数据驱动的工作方法，强调用数据说话、用事实决策。在重要决策上，他会征求团队的意见，特别是那些相关领域专家的意见。他相信，集体智慧往往优于个人判断，科学的决策过程能够提高决策的质量。

同时，闫俊杰也深知，在某些情况下——特别是危机时刻——需要有人能够快速做出决定。在这种情况下，他会果断行使决策权，不会因为过度追求共识而延误时机。这种"民主决策与果断决策"的平衡，体现了他对领导力本质的理解。

---

本章核心洞察：

1. 领导力是矛盾统一体：激进与克制、自信与谦逊、野心与耐心——闫俊杰的领导力在这些看似矛盾的特质之间找到了平衡，这种平衡恰恰是其领导力的独特之处。

2. 自我约束是领导力的核心：信息隔离、认知更新、权力边界——闫俊杰通过这些自我约束机制，保护了自己的战略定力，提升了自己的决策质量。

3. "学生心态"是持续成长的基础：在快速变化的AI领域，保持学习能力比拥有现有知识更重要。闫俊杰的"学生心态"是其能够持续成长的关键。

---

启示：

领导力的本质不是控制，而是影响；不是权力，而是责任。闫俊杰的案例表明，好的领导者需要有清晰的信念和坚定的意志，同时也需要有开放的胸怀和持续学习的能力。自我约束不是束缚，而是保护——保护自己免受短期噪音的干扰，保护团队免受权力滥用的伤害，保护公司免受决策失误的风险。

---

第四编总结：

第四编《创始人的内在成长》完整呈现了闫俊杰从技术专家到企业家的认知升级历程。通过四章的详细分析，我们深入理解了：

1. 认知结构的升级迭代：从技术认知、商业认知、组织认知到战略认知，闫俊杰完成了从"工程师"到"企业家"的本质转变。

2. 失败、挫折与自我修正：Minimax经历的技术挫折、产品挫折、管理挫折、融资挫折，以及闫俊杰从中提炼出的原则和建立的修正机制。

3. 决策模型、风险观与长期主义：闫俊杰的"四维度决策框架"、风险观的演进轨迹，以及长期主义在实践中的体现。

4. 领导力与自我约束：闫俊杰领导力的矛盾统一特征，以及他建立的自我约束机制。

第四编的核心结论是：创业者的成长首先是内在的成长——认知的成长、心态的成长、领导力的成长。闫俊杰的案例表明，那些能够在复杂环境中保持正确方向、做出正确决策的创业者，往往是在内在成长方面持续投入的人。技术可以学习，资源可以获取，但内在的成长——认知、思维、领导力——需要长期的积累和持续的修炼。

---

下一部分写作预告：

第五编**《方法论与人生启示》**（约15,000字）将总结提炼：

1. 第十五章：从Minimax提炼的创业法则（约5,000字）

   • 技术深度决定商业高度
   • 用户共创是技术普惠的唯一路径
   • 轻量化组织是创新的必要条件
   • 开源与闭源的辩证统一
   • 长期主义不是道德选择，而是生存策略

2. 第十六章：创始人个人成长的底层逻辑（约4,000字）

   • 认知升级的三重境界
   • 关键能力的养成
   • 价值观的稳定性与适应性

3. 第十七章：对年轻创业者与技术人才的启示（约3,000字）

   • 给技术创业者的建议
   • 给技术从业者的建议
   • 给年轻AI研究者的建议

4. 第十八章：对未来的理性判断（约3,000字）

   • AI技术趋势判断
   • 中国AI的全球坐标
   • Minimax的未来可能

---

是否继续写作第五编？

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: 35e465786c47ad4c0a61dfc1f42995ae PropagateID: 35e465786c47ad4c0a61dfc1f42995ae ReservedCode1: 3046022100a79baebb3e8e776010e1f02cc7c8bda749714f7d6111428a3e29f5e5e4627a86022100b3e738e8ebf26e3fe3b0a0b7219ae400dcfffa8cd158b44522bbb12b27d3e34e ReservedCode2: 3045022100f1e14ce6cf447f9b067308b82d573be5fa747f2cd61baced1ac8d9ebb5171df402200eca5502245cb995640d9920391fa52bd814cd7e15bdc7375c9f347ef6446425

第五编：方法论与人生启示

第十五章：从Minimax提炼的创业法则

在Minimax四年多的创业实践中，闫俊杰和他的团队积累了大量宝贵的经验和教训。这些经验教训经过反复的提炼和验证，逐渐形成了一套可复用的创业方法论。本章将从Minimax的实践中提炼出五条核心创业法则，并分析这些法则的底层逻辑和应用场景。这些法则不仅对AI创业者有参考价值，对更广泛的科技创业者也有借鉴意义。

一、法则1：技术深度决定商业高度

Minimax最核心的竞争策略是"技术优先"。闫俊杰坚信，在AI这个技术驱动的领域，只有拥有深厚的技术积累，才能建立起持久的竞争优势。这种信念的形成，源于他对AI产业本质的深刻理解。

论证：为什么"技术优先"在AI时代是长期最优策略？

AI产业与传统的互联网产业有着本质的不同。在互联网时代，商业模式创新往往比技术创新更加重要——一个好的商业模式创意，可以迅速获得用户和收入，形成网络效应和规模优势。然而，在AI时代，技术的门槛更高、技术的重要性更突出、技术优势的持续性更强。

首先，AI技术的研发需要深厚的人才积累和知识积累，不是一朝一夕可以建立的。一个公司如果从零开始研发大模型，需要数年甚至更长时间才能达到世界先进水平。这意味着，AI技术的先发优势更加明显，后发者很难快速追赶。

其次，AI技术的价值更加直接和可量化。一个更好的模型，在很多任务上就是能够取得更好的效果，这种效果是可以被客观评估的。用户和客户能够清楚地感知到技术差异，因此技术领先能够直接转化为市场优势。

最后，AI技术的护城河更加深厚。随着模型规模的增大和复杂度的提升，复制和改进的难度也在增加。那些拥有最先进技术的公司，往往能够持续保持领先地位。

案例：MoE架构的选择与abab 6.5的成功

闫俊杰对"技术优先"策略的坚持，在MoE架构的选择上得到了充分体现。当2021年大多数中国AI公司还在跟随OpenAI的密集模型路线时，闫俊杰做出了一个大胆的决定：选择MoE架构作为Minimax的技术基础。

这个决定在当时看来颇具风险。MoE架构在国际上也尚处于研究探索阶段，缺乏大规模工程化的成功案例。选择这条路线意味着要承担更大的技术风险——如果MoE路线最终被证明不可行，Minimax可能浪费大量时间和资源。

然而，闫俊杰坚持认为，MoE架构是"通向更好模型的必要条件"。他深知，在资源有限的条件下，只有通过架构创新才能实现弯道超车。事实证明了这一判断的正确性——2022年发布的abab 6成为国内首个MoE大语言模型，2024年发布的abab 6.5更是达到了万亿参数规模，证明了MoE架构在大规模模型上的可行性。

反例：追逐热点但技术空心化的创业公司

与Minimax形成对比的是那些追逐热点但技术空心化的创业公司。在AI热潮中，有大量创业公司涌入这个赛道，它们追逐每一个技术热点、迎合每一个市场风口，但缺乏真正的技术积累。

这些公司往往在短期内能够获得一定的关注和投资，但长期来看，它们的竞争力是脆弱的。当技术热点转移、市场热度消退时，这些公司往往会陷入困境。它们既没有建立起真正的技术壁垒，也没有形成可持续的商业模式。

闫俊杰从这些反例中汲取了教训。他深知，创业公司的时间和资源是有限的，只有聚焦于真正的技术突破，才能建立起持久的竞争优势。追逐热点虽然能够获得短期关注，但无法带来长期的竞争优势。

二、法则2：用户共创是技术普惠的唯一路径

"技术普惠"是Minimax的核心使命之一。闫俊杰坚信，AI技术的价值不在于技术本身，而在于它能为普通用户创造什么价值。要实现技术普惠，必须建立与用户的深度连接，而"用户共创"是实现这一目标的唯一路径。

论证：从"闭门造车"到"用户驱动"的范式转变

传统的技术开发模式是"闭门造车"——工程师在实验室中开发产品，完成后推向市场，用户被动接受。这种模式的局限性在于，开发者的想象力和实际用户需求之间往往存在差距，导致产品"看起来很好，但用起来不行"。

在AI时代，这种模式的局限性更加明显。AI产品的使用场景极其多样，用户需求极其复杂，开发者很难在事先完全预判。唯一的办法是将用户纳入产品开发的过程，通过持续的互动和反馈来不断优化产品。这就是"用户共创"的核心理念。

用户共创不仅是产品开发方法的改变，更是价值观的转变。它承认用户是产品价值的共同创造者，而非被动的消费者。在这种理念下，产品的成功不再仅仅取决于开发者的能力，更取决于用户参与和社区建设的成功。

案例：星野、海螺AI的用户反馈闭环

星野和海螺AI是Minimax实践用户共创理念的典型案例。这两款产品都建立了活跃的用户社区，团队成员会定期收集和分析用户反馈，将用户意见纳入产品迭代的考量。

在星野的产品运营中，用户共创体现在多个层面。在产品设计阶段，团队通过用户调研和访谈来了解用户需求，确保产品设计贴近用户真实需求。在产品迭代阶段，团队建立了快速响应的反馈机制，用户可以在产品内直接提交反馈，团队会定期整理和分析这些反馈。在内容运营阶段，团队邀请用户参与AI角色的创作和优化，将用户的创意融入产品内容。

在海螺AI的产品运营中，用户共创同样扮演着重要角色。团队通过用户数据分析来识别产品的优势和不足，通过用户访谈来深入理解用户的使用场景和痛点，通过用户测试来验证产品改进的效果。这种持续的用户反馈循环，使得产品能够不断进化，越来越好地满足用户需求。

方法论：建立有效用户共创机制的具体步骤

从Minimax的实践中，可以提炼出建立有效用户共创机制的几个关键步骤：

第一步是建立用户触达渠道。无论是产品内反馈入口、用户社群、还是定期的用户调研，都要确保用户能够方便地表达意见和建议。第二步是建立反馈处理机制。收集到的用户反馈需要有专人整理和分析，识别出高价值的改进建议，并将其转化为具体的产品任务。第三步是建立反馈闭环。处理结果需要反馈给用户，让用户知道他们的意见被听到了、被重视了、被采纳了。第四步是持续优化。这个过程需要持续进行，不断积累经验，不断优化机制。

三、法则3：轻量化组织是创新的必要条件

Minimax在组织设计上始终坚持"轻量化"的原则。这种理念的核心主张是：保持组织结构的简洁、决策链条的短小、沟通协作的高效。对于创新型企业来说，轻量化组织不是可选项，而是必要条件。

论证：规模与效率的悖论

组织规模与运营效率之间存在着复杂的关系。一方面，一定程度的组织规模可以带来专业分工、资源共享、品牌效应等优势；另一方面，过度的组织规模往往带来官僚化、流程化、部门墙等问题，损害组织的创新能力和响应速度。

对于AI创业公司来说，这种"规模与效率的悖论"尤为突出。AI技术的研发需要高度的创造性和灵活性，需要快速试错和迭代。这些需求与大规模组织所带来的流程约束和决策延迟往往存在矛盾。

研究表明，组织的创新效率与组织规模之间呈现倒U型关系——在规模较小时，创新效率随着规模增加而上升；但当规模超过某个临界点后，创新效率反而会下降。这个临界点因行业和企业而异，但对于AI创业公司来说，这个临界点往往来得比传统行业更早。

案例：MiniMax保持研发效率的组织实践

Minimax在组织实践中采取了多项措施来保持轻量化和高效率：

首先是保持扁平的层级结构。Minimax尽可能减少管理层级，确保决策能够快速做出和执行。这种扁平结构使得信息传递更快、决策延迟更低、组织响应更敏捷。

其次是简化流程和审批。在保证必要控制的前提下，Minimax尽可能减少不必要的流程和审批环节。团队成员有更大的自主权，可以快速采取行动，而不是被繁琐的流程所束缚。

再次是鼓励直接沟通。Minimax打破部门墙，鼓励跨团队、跨层级的直接沟通。遇到问题时，相关人员可以直接讨论和解决，而不需要通过正式的汇报和审批流程。

最后是坚持精干团队的原则。Minimax在招聘上坚持"宁缺毋滥"的原则，只招聘能够真正提升团队整体输出的人。避免因为追求人数而降低团队质量，保持团队的高效产出。

工具：轻量化组织的设计原则

基于Minimax的实践，可以提炼出轻量化组织设计的几个核心原则：

第一是"服务于目标"。组织结构的设计要服务于公司的战略目标，而不是为了组织而组织。任何不能服务于目标的结构设置都应该被简化或取消。

第二是"最小必要"。在设计组织结构和流程时，要坚持"最小必要"原则——只设置必要的层级、必要的流程、必要的岗位，避免过度复杂化。

第三是"授权到位"。要给一线团队足够的授权，让他们能够在职责范围内快速做出决策，而不是什么事情都需要层层上报。

第四是"保持弹性"。组织结构不是一成不变的，应该根据发展需要持续调整和优化。保持组织的弹性和适应性，能够快速响应外部变化。

四、法则4：开源与闭源的辩证统一

在AI领域，开源与闭源的争论从未停止。DeepSeek的崛起更是将这一争论推向了高潮。闫俊杰在这个问题上形成了辩证的认识：开源与闭源不是非此即彼的选择，而是可以根据不同场景灵活运用的工具。

论证：DeepSeek冲击下的战略选择

DeepSeek R1的发布给整个AI行业带来了巨大冲击。这款模型不仅在性能上达到了世界领先水平，更重要的是它采取了开源策略。这种"高性能+低成本+开源"的组合，对传统的闭源模式构成了严峻挑战。

DeepSeek的成功证明了开源模式在AI领域的可行性。开源可以快速建立开发者生态、获取社区贡献、形成网络效应。对于后发者来说，开源策略可以帮助其快速缩小与领先者的差距，甚至在某些方面实现超越。

然而，开源模式也有其局限性。开源意味着核心技术向公众开放，可能削弱技术壁垒；开源模型的商业化往往依赖于增值服务，收入模式相对有限；开源社区的维护需要持续投入，可能分散核心业务的精力。

案例：MiniMax的闭源策略与生态构建

面对开源模式的冲击，闫俊杰经过深入思考，选择了一条"有限开源"的策略。这种策略的核心理念是：开源与闭源不是对立的，而是互补的；要在两者之间找到平衡，发挥各自的优势。

在具体实践中，Minimax在核心技术上保持闭源。基座模型、核心算法、关键技术等核心资产不对外公开，通过API服务和产品变现来获取商业回报。这种闭源策略保护了公司的技术壁垒，确保了核心竞争力的安全。

同时，Minimax在一些非核心领域采取开源策略。例如，公司开源了一些工具和库，以建立技术影响力、吸引开发者关注、获取社区贡献。这些开源项目虽然不直接产生商业价值，但对于公司的品牌建设和人才吸引有着积极的作用。

启示：技术主权与商业现实的平衡

开源与闭源的抉择，本质上是技术主权与商业现实之间的平衡。完全闭源可能错失生态建设的红利，完全开源可能丧失技术壁垒的保护。找到合适的平衡点，需要根据公司的战略定位、资源禀赋、竞争环境等因素进行综合考量。

闫俊杰的判断是：对于Minimax这样以技术为核心竞争力的创业公司，保持对核心技术的掌控是必要的；但同时也要关注开源生态的发展，适时参与和贡献，从中获取有价值的资源和反馈。这种辩证的策略选择，体现了作为企业家应有的务实和灵活。

五、法则5：长期主义不是道德选择，而是生存策略

闫俊杰是长期主义的坚定践行者。然而，他的长期主义不是出于道德或情怀，而是出于务实的商业判断。在AI这个需要长期投入、持续创新的领域，长期主义不是"应不应该"的问题，而是"只能如此"的问题。

论证：为什么"赚快钱"在AI时代是死路？

AI创业与传统互联网创业有着本质的不同。在互联网时代，商业模式创新可以快速带来用户和收入，创业公司可以在几年内实现上市或被收购。但AI创业不同——技术的研发需要时间，产品的打磨需要时间，用户信任的建立需要时间。急于求成、赚快钱的策略，往往适得其反。

首先，AI技术的研发周期长、投入大、风险高。如果急于在短期内实现商业变现，必然会压缩技术研发投入，导致技术竞争力下降。在AI这个技术驱动的领域，技术落后就意味着被淘汰。

其次，AI产品的用户信任需要时间建立。用户对AI产品的接受度和付费意愿，往往需要通过长期的产品体验和口碑积累来培养。急于变现可能导致产品体验下降、用户流失，最终得不偿失。

再次，AI市场的竞争是全球性的、长期性的。那些追逐短期利益的公司，往往无法与那些坚持长期投入的公司竞争。后者在技术积累、产品打磨、用户信任等方面的优势，会随着时间的推移而不断扩大。

案例：拒绝资本炒作，坚持模型创新

闫俊杰多次强调，Minimax不会追逐"资本炒作"的热点，不会为了提升估值而采取华而不实的行动。他坚持将公司的价值建立在真实的技术能力和商业成果之上，而非建立在市场的炒作和想象之上。

这种立场在某些时候会给公司带来压力。当市场热点与公司战略不符时，投资人可能会质疑、团队可能会动摇、外部可能会唱衰。但闫俊杰坚信，只有在正确的方向上持续积累，才能建立起真正的竞争优势。那些追逐短期热点的公司，往往在热点消退后一地鸡毛。

方法论：建立长期主义决策框架

基于闫俊杰的实践，可以提炼出长期主义决策框架的几个核心要素：

第一是"时间尺度"。在做重大决策时，要考虑三五年后的影响，而不仅仅关注短期效果。一个短期有利但长期有害的决策，应该被否决。

第二是"机会成本"。在评估一个选择时，不仅要考虑直接的成本和收益，还要考虑选择它所放弃的其他机会。长期来看，那些能够建立持续优势的机会，比短期收益更有价值。

第三是"复利效应"。长期主义的威力来自于复利——持续的小投入，经过时间的积累，会产生巨大的回报。要有耐心等待复利的显现，而不是追求短期的暴利。

第四是"风险对冲"。长期主义不是盲目的坚持，而是有策略的投入。要有风险对冲机制，避免在单一方向上过度押注，确保即使某些投入失败，也不会对公司造成致命打击。

---

本章核心洞察：

1. 技术深度是AI创业的核心壁垒：在技术驱动的AI领域，只有建立深厚的技术积累，才能形成持久的竞争优势。

2. 用户共创是实现技术普惠的必由之路：技术价值的实现需要通过用户来验证和传递，用户共创是连接技术与价值的桥梁。

3. 轻量化组织是创新型公司的必要条件：保持组织的简洁和敏捷，是应对快速变化环境的基础能力。

4. 开源与闭源需要辩证看待：两种模式各有优劣，要根据公司实际情况和市场环境做出灵活选择。

5. 长期主义是AI创业的生存策略：在AI这个需要长期投入的领域，短期变现往往意味着长期失败。

---

启示：

创业法则的提炼，不是为了套用，而是为了参考。Minimax的创业法则形成于特定的情境和条件，不一定完全适用于其他公司和情境。但这些法则背后的逻辑——技术的重要性、用户的价值、组织的效率、战略的定力——对于大多数科技创业者都有参考价值。重要的是理解法则背后的原理，而不是机械地套用表面的做法。

第十六章：创始人个人成长的底层逻辑

创业不仅是一家公司的成长，更是创始人个人的成长。闫俊杰从技术专家到企业家的转变，不仅体现在外在角色的变化，更体现在内在认知和能力的升级。本章将从认知升级、关键能力养成、价值观稳定性与适应性三个维度，分析闫俊杰个人成长的底层逻辑。

一、认知升级的三重境界

闫俊杰的认知升级可以概括为三重境界的跃迁：从"见山是山"到"见山不是山"再到"见山还是山"。每重境界都代表着认知的深化和提升。

第一重境界：见山是山——技术专家，专注模型性能

在学术研究和早期技术工作中，闫俊杰处于"见山是山"的境界。在这个阶段，他的认知聚焦于技术本身——模型架构、训练算法、性能指标。他追求的是技术上的先进性和学术上的成就。

这个阶段的认知特点是"纯粹"。他专注于技术问题本身，相信技术的力量可以解决各种问题。这种纯粹性是他能够在大模型技术上取得突破的重要原因。

然而，这种认知也有局限性。它可能导致对技术本身的过度关注，而忽视技术的应用场景和用户价值。它可能限制对商业和组织问题的理解，使得在转向企业管理时面临认知瓶颈。

第二重境界：见山不是山——理解技术、商业、组织的复杂性

进入商汤工作后，闫俊杰开始进入"见山不是山"的境界。他开始意识到，技术只是商业成功的一个因素，而不是全部。商业的成功还取决于市场定位、用户需求、竞争策略、组织能力等多个维度。

这个阶段的认知特点是"开放"。他开始学习商业知识、理解组织管理、关注市场动态。他的认知边界不断扩展，开始能够从更全面的视角审视问题和机会。

然而，这个阶段也可能陷入另一种困境——过度关注复杂性，可能导致决策的迟疑和行动的不决。如何在复杂性中保持方向感和行动力，是这个阶段需要克服的挑战。

第三重境界：见山还是山——回归技术本质，但拥有系统思维

创业Minimax后，闫俊杰逐渐进入"见山还是山"的境界。他回归了对技术本质的关注，但与此同时拥有了系统思维的能力。他能够从技术、商业、组织等多个维度综合分析问题，但最终能够抓住核心矛盾和关键变量。

这个阶段的认知特点是"简约"。他能够在复杂性中识别本质，在不确定性中把握方向。他的决策既有战略的高度，又有执行的可行性。

这种三重境界的跃迁，不是简单的否定和替代，而是在更高层次上的整合和升华。它体现了认知成长的螺旋式上升过程。

二、关键能力的养成

闫俊杰在个人成长过程中，养成了几项关键能力。这些能力的形成，既有其个人特质的影响，也有后天刻意练习的功劳。

抽象能力：从数学到战略的思维迁移

闫俊杰的数学训练赋予了他强大的抽象思维能力。这种能力使他能够从具体问题中抽象出一般规律，用简洁的框架理解和处理复杂问题。

在创业实践中，这种抽象能力得到了充分的发挥。他能够将复杂的商业问题抽象为几个核心变量，将竞争格局抽象为关键的战略维度，将组织管理抽象为几条基本原则。这种抽象能力，使他能够在信息的海洋中快速识别关键信息，做出清晰的判断。

抽象能力的养成，是一个长期的过程。它需要大量的思考训练和经验积累。对于技术创业者来说，培养抽象思维能力是一项重要的功课。

共情能力：从理解外公到理解普通用户

闫俊杰的共情能力，源于他的人生经历。从小县城成长、见证外公遗憾的经历，使他对普通人的需求和困境有着深刻的理解。这种共情能力，使他能够站在用户的角度思考问题，设计出真正满足用户需求的产品。

在Minimax的产品开发中，闫俊杰始终强调"用户视角"。他要求团队在做出任何决策时，都要首先思考：这个决策对用户有什么价值？这种用户导向的思维方式，与他的共情能力密切相关。

共情能力的养成，需要对人的关注和理解。它不是天生的，而是可以通过有意识的培养来提升的。多与用户交流、多了解不同人群的需求和想法、设身处地地思考问题，都是培养共情能力的有效方法。

抗压能力：从县城少年到独角兽掌舵人的心理建设

创业过程充满压力和挑战，抗压能力是创业者必备的心理素质。闫俊杰的抗压能力，既与他的性格特质有关，也与他的心理建设方法有关。

闫俊杰的抗压方法包括几个方面。首先是保持长期视角——将当前的困难放在更长的时间尺度上看待，相信困难是暂时的，最终会过去。其次是聚焦可控——专注于自己能够控制的事情，而不被无法控制的因素所干扰。再次是寻求支持——与团队、投资人、朋友分享压力，获取支持和帮助。最后是保持健康——通过运动、休息等方式保持身心的健康状态。

抗压能力的养成，是一个持续的过程。它需要在实践中不断锻炼，在反思中不断总结。那些能够长期保持良好心理状态的创业者，往往是那些有意识地进行心理建设的人。

三、价值观的稳定性与适应性

闫俊杰的价值观体系呈现出"稳定与适应"的双重特征。一方面，有一些核心价值观是始终不变的；另一方面，这些价值观的具体表现形式会随着情境的变化而调整。

不变：技术普惠的初心

闫俊杰的核心价值观——让AI帮助普通人——是始终不变的。从童年的遗憾到创业的初心，这个信念贯穿了他的人生轨迹。无论公司发展到什么阶段，无论外部环境如何变化，这个核心价值观始终指导着他的决策和行动。

这种价值观的稳定性，给了闫俊杰清晰的方向感和坚定的信念。它使他能够在复杂的商业环境中保持定力，不被短期利益所诱惑，不被困难所动摇。

变：实现初心的路径与方法

虽然核心价值观不变，但实现这些价值观的路径和方法是灵活调整的。早期的闫俊杰可能认为，通过学术研究和技术突破可以实现AI普惠；但后来的他意识到，只有通过产品化和商业化，才能真正将AI技术送到普通用户手中。

这种适应性体现在多个层面。在技术路线上，他从追求学术突破转向追求产品可用性。在商业模式上，他从B端服务转向C端产品。在组织形态上，他从学术团队转向商业公司。这种灵活调整的能力，使他能够根据环境变化不断优化实现目标的方式。

---

本章核心洞察：

1. 认知升级是创业成长的核心：从"见山是山"到"见山不是山"再到"见山还是山"，闫俊杰的认知升级过程体现了从技术专家到企业家的本质转变。

2. 关键能力的养成需要长期积累：抽象能力、共情能力、抗压能力等关键能力的形成，既有个人的天赋因素，也有后天的刻意练习。

3. 价值观的稳定性与适应性需要平衡：核心价值观要保持稳定，实现方式要灵活调整；既要保持方向感，又要具备适应性。

---

启示：

创始人的个人成长是公司成长的上限。那些能够持续成长的创始人，往往能够带领公司穿越周期、实现突破。个人成长的核心是认知的成长——升级认知框架、养成关键能力、平衡稳定性与适应性。闫俊杰的案例为技术创业者的个人成长提供了有价值的参考。

第十七章：对年轻创业者与技术人才的启示

基于Minimax的创业实践和闫俊杰的个人经验，本章将提炼出对不同群体的针对性建议。这些建议不是放之四海而皆准的真理，而是基于特定情境的经验总结，希望能够对读者有所启发。

一、给技术创业者的建议

先深后广：建立技术护城河再谈商业化

对于技术创业者来说，最重要的建议是"先深后广"。在创业初期，应该集中资源在核心技术上进行突破，建立起真正的技术壁垒，然后再考虑商业化扩张。

这个建议的核心逻辑是：在技术驱动的领域，只有拥有深厚技术积累的公司才能建立起持久的竞争优势。那些过早分散精力、过早追求商业化的公司，往往技术积累不够扎实，最终难以与竞争对手抗衡。

Minimax的实践证明了这一点。在创业初期，闫俊杰将大部分资源和精力投入到基础模型研发上，直到abab 6发布后才开始商业化探索。这种"先技术后商业"的策略，虽然在短期内牺牲了一些商业机会，但为公司的长期发展奠定了坚实基础。

用户为师：让真实需求驱动技术方向

技术创业者容易陷入的一个误区是"技术驱动"——认为只要技术足够先进，产品就会自然成功。事实并非如此。技术的价值需要通过用户来验证，技术的方向需要根据用户需求来调整。

闫俊杰强调，技术创业者要"让用户为师"。在产品开发过程中，要持续收集用户反馈，让真实需求驱动技术方向。这并不意味着放弃技术追求，而是在技术追求和用户需求之间找到平衡。

组织先行：在扩张前建立可复制的创新机制

技术创业公司在快速扩张时，往往面临组织能力的瓶颈。团队规模扩大后，原有的工作方式和协作模式可能不再适用，创新效率可能下降。

闫俊杰的建议是"组织先行"——在团队规模扩张之前，先建立可复制的创新机制。这包括清晰的决策流程、有效的沟通机制、科学的绩效评估体系等。只有建立了这些基础制度，才能在规模扩大的同时保持组织的效率和活力。

二、给技术从业者的建议

选择战场：在AI时代，技术深度比广度更重要

对于技术从业者来说，最重要的选择是"选择战场"。在AI时代，技术深度比技术广度更重要。与其泛泛地了解多种技术，不如在某个特定领域深耕，成为该领域的专家。

选择战场时要考虑几个因素：这个领域是否有足够的发展前景？自己的兴趣和优势是否与这个领域匹配？这个领域的竞争格局如何？选择一个好的战场，比在这个战场上如何战斗更重要。

理解商业：技术价值最终需要商业闭环来验证

技术从业者往往容易陷入"技术至上"的思维，认为技术本身是最重要的。闫俊杰的建议是，技术从业者也要理解商业——技术的价值最终需要通过商业来验证和体现。

理解商业并不意味着要放弃技术追求，而是要学会从商业的角度审视技术。一个技术方案，即使在学术上再先进，如果无法转化为商业价值，其实际意义也是有限的。

保持耐心：AGI是马拉松，不是百米冲刺

AI技术的发展是一个长期的过程，真正的AGI可能还需要很多年才能实现。对于技术从业者来说，要做好"持久战"的心理准备，保持耐心和定力。

闫俊杰强调，AI是马拉松而非百米冲刺。那些追逐短期热点、频繁跳槽的人，往往难以在技术深度上有所积累。只有那些能够在正确的方向上持续投入、长期积累的人，才能最终取得成功。

三、给年轻AI研究者的建议

关注错误率：从追求SOTA到追求可用性

对于AI研究者来说，一个重要的思维转变是"关注错误率"。传统的学术研究追求在各项基准测试中取得最优成绩（State of the Art），但实际应用中，模型的错误率才是关键。

闫俊杰建议年轻研究者，在追求学术成就的同时，也要关注技术的可用性。一个错误率低、稳定性高、用户体验好的模型，可能比一个在某些指标上更高但错误率也更高的模型更有实际价值。

拥抱多模态：未来属于理解真实世界的研究

AI正在从单一模态向多模态发展。未来的AI系统需要能够理解和处理文本、图像、语音、视频等多种信息形式，才能真正理解真实世界。

闫俊杰建议年轻研究者关注多模态方向的发展。虽然当前大语言模型取得了突破性进展，但多模态融合将是下一个重要战场。提前布局多模态研究，有助于在未来竞争中占据有利位置。

坚持开源：技术平权是AGI的终极形态

对于AI研究者来说，开源不仅是一种技术实践，更是一种价值选择。闫俊杰认为，技术平权是AGI的终极形态——让所有人都能享受AI技术带来的价值，而不是让AI成为少数人的特权。

年轻研究者可以通过开源代码、分享论文、参与社区等方式，为技术平权做出贡献。这不仅有助于推动AI技术的发展，也有助于建立个人影响力和行业声誉。

---

本章核心洞察：

1. 技术创业的核心是技术深度：先深后广、用户为师、组织先行，这些建议都指向一个核心——在技术驱动领域，技术深度是持久竞争优势的来源。

2. 技术从业者需要理解商业：技术的价值需要通过商业来验证，技术从业者要有商业视角，不能两耳不闻窗外事。

3. 年轻研究者要关注可用性和多模态：从追求学术指标到追求实际可用性，从单一模态到多模态融合，这些是AI研究的重要趋势。

---

启示：

不同群体面临不同的挑战，需要不同的建议。本章的建议是针对性的，不是普适的。重要的是理解建议背后的逻辑，而不是机械地套用表面的做法。每个人、每个公司、每个阶段都有其特殊性，需要具体问题具体分析。

第十八章：对未来的理性判断

创业不仅需要脚踏实地的努力，也需要仰望星空的视野。闫俊杰在日常经营之余，也持续思考着AI技术的未来走向、中国AI的全球定位，以及Minimax的发展前景。本章将分享闫俊杰对未来的若干判断，以及这些判断背后的逻辑。

一、AI技术趋势

短期（2026-2028）：错误率降低一个数量级，应用规模扩大两个数量级

闫俊杰对AI技术的短期趋势有几个判断。首先是模型错误率的持续降低。他预计在未来两到三年内，主流大模型的错误率有望降低一个数量级，从当前的20-30%降到2-3%的水平。这意味着AI产品将从"基本可用"提升到"真正好用"。

其次是应用规模的快速扩大。随着模型能力的提升和使用成本的降低，AI应用将渗透到更多的行业和场景。闫俊杰预计，AI应用的总体规模有望在两到三年内扩大两个数量级，即从当前的千万级用户扩展到亿级甚至十亿级用户。

再次是商业模式的多样化。AI的商业模式将从当前的API服务为主，向更加多样化的方向发展。包括AI原生应用、嵌入式AI服务、AI平台等多种商业模式将并存发展。

中期（2029-2032）：多模态融合成熟，AI能力接近普通个体

在中期（2029-2032年），闫俊杰预计AI技术将迎来几个重要的突破。首先是多模态融合的成熟。AI系统将能够自然地理解和处理文本、图像、语音、视频等多种信息形式，实现真正的"全感知"能力。

其次是AI能力接近普通个体。在大多数认知任务上，AI的表现将接近甚至超越普通人类个体的水平。这意味着AI将从"工具"向"助手"甚至"伙伴"转变，能够在更广泛的场景中为人类提供帮助。

再次是AI与人类协作模式的成熟。人机协作将不再是简单的"人使用工具"，而是一种更加平等、更加自然的协作关系。AI将能够理解人类的意图、适应人类的工作方式、与人类进行自然的交流。

长期（2033+）：AGI实现，AI成为日常基础设施

在更长远的未来（2033年及以后），闫俊杰相信AGI（通用人工智能）将逐步成为现实。虽然他无法准确预测AGI实现的具体时间表，但他相信这是技术发展的必然方向。

当AGI实现后，AI将不再是某个特定领域的工具，而是像电力、互联网一样的基础设施。它将渗透到人类生活的方方面面，成为日常工作和生活的标配。

这种未来的到来，将带来巨大的机遇和挑战。对于AI从业者来说，这将是一个参与历史、创造历史的机会。

二、中国AI的全球坐标

优势：用户规模、应用场景、数据资源

闫俊杰认为，中国AI发展有几个明显的优势。首先是用户规模优势。中国拥有超过十亿的互联网用户，是全球最大的单一市场。庞大的用户基数为AI应用提供了广阔的空间，也为中国AI公司提供了丰富的训练数据和应用场景。

其次是应用场景优势。中国在移动互联网、电子商务、移动支付等领域走在全球前列，这些领域为AI应用提供了丰富的场景和需求。在这些场景中积累的经验和数据，将成为中国AI公司进军全球市场的宝贵资产。

再次是数据资源优势。中国在多个领域积累了海量的数据资源，这些数据是AI训练的重要养料。虽然数据隐私保护日益严格，但在合规前提下的数据利用，仍然是中国AI公司的重要优势。

劣势：算力芯片、基础理论、高端人才

闫俊杰也清醒地认识到中国AI发展的几个劣势。首先是算力芯片的受限。由于众所周知的原因，中国在高端AI芯片方面面临着供应限制，这对中国AI公司的算力获取构成了挑战。

其次是基础理论的短板。在AI基础理论研究方面，中国与最发达国家还存在一定差距。原创性的算法和架构创新，大部分仍然来自美国和其他西方国家。

再次是高端人才的不足。虽然中国培养了大量的AI人才，但在顶尖研究者方面，与美国还有差距。如何吸引和培养更多的顶尖人才，是中国AI发展需要解决的问题。

机会：开源生态、垂直应用、技术普惠

闫俊杰认为中国AI发展有几个重要的机会。首先是开源生态的机会。随着DeepSeek等中国公司在开源领域的崛起，中国正在成为全球AI开源生态的重要参与者。开源策略有助于快速建立开发者生态、获取社区贡献、形成网络效应。

其次是垂直应用的机会。中国在某些垂直领域（如电商、金融、制造等）有着丰富的应用场景和数据积累，有机会在这些领域打造出世界领先的AI应用。

再次是技术普惠的机会。中国有着庞大的人口和广阔的市场，在AI技术普惠方面有着巨大的潜力。那些能够将AI技术以低成本、高可及的方式带给普通用户的公司，将有机会建立起庞大的用户基础和商业模式。

挑战：地缘政治、监管不确定性、资本耐心

闫俊杰也指出了中国AI发展面临的几个挑战。首先是地缘政治的风险。中美科技竞争的加剧，给中国AI公司的国际化和技术合作带来了不确定性。

其次是监管政策的不确定性。AI技术和应用的监管政策仍在探索和演进中，政策的调整可能对行业产生重大影响。

再次是资本的耐心。在AI这个需要长期投入的领域，资本的耐心是一个重要的变量。那些追逐短期收益的资本，可能无法陪伴公司走过漫长的技术积累期。

三、Minimax的未来可能

乐观情景：成为全球前五的AGI公司，实现技术普惠

在乐观情景下，闫俊杰预计Minimax有望成为全球前五的AGI公司。这意味着在技术能力上与OpenAI、Google等顶级机构比肩，在商业规模上达到行业领先水平。

在这个情景下，Minimax的AI产品将服务全球数亿用户，为他们提供智能化的工作和生活支持。Minimax的技术将渗透到各行各业，成为数字经济的基础设施。Minimax的"技术普惠"使命将真正实现——AI不再是少数人的专属工具，而是每个人都能使用、都能受益的日常能力。

基准情景：在C端AI应用领域占据领先地位

在基准情景下，闫俊杰预计Minimax将在C端AI应用领域占据领先地位。这意味着在AI角色扮演、AI助手等细分领域，成为用户规模最大、用户体验最好的产品提供者。

在这个情景下，Minimax将继续深化在C端市场的布局，通过星野、海螺AI、Talkie等产品服务全球用户。同时，公司也将积极拓展B端市场，通过API服务和垂直解决方案，为企业客户提供AI能力。

悲观情景：在算力与开源的双重压力下被并购或转型

在悲观情景下，Minimax可能面临算力资源获取困难和开源模式冲击的双重压力。在这种背景下，公司可能被迫做出战略调整，包括被大型科技公司并购，或者转型为专注于特定细分领域的公司。

虽然这种情景不是闫俊杰希望看到的，但他认为作为创业者需要做好各种准备。即使在最困难的情况下，公司仍然可以寻找生存和发展的空间，而不是简单地接受失败。

四、时代启示

技术民主化：DeepSeek证明了低成本AI的可能性

闫俊杰认为，DeepSeek的成功证明了技术民主化的可能性。当一个高性能模型可以以极低的成本开发和部署时，AI技术将变得更加普及和可及。这与Minimax"技术普惠"的使命是一致的。

技术民主化将带来几个重要的变化。首先是AI应用的门槛降低，更多的小公司和个人开发者将能够参与到这个领域。其次是AI服务的成本降低，更多用户将能够享受到AI带来的便利。再次是创新的加速，更多的创意和想法将能够被付诸实践。

中国路径：不同于硅谷的"技术垄断"，探索"技术普惠"模式

闫俊杰认为，中国AI的发展路径将与硅谷有所不同。硅谷的AI发展更多体现为"技术垄断"——少数科技巨头掌握最先进的技术，形成技术壁垒和商业壁垒。

中国的AI发展有机会探索"技术普惠"的道路。通过开源生态、低成本服务、广泛的应用场景，让AI技术更加普及和可及。这既是社会价值的体现，也是商业机会的所在。

个人使命：在AGI时代，每个技术从业者都有机会参与历史

最后，闫俊杰想对所有技术从业者说：在AGI时代，每个人都有机会参与历史。这是一个前所未有的技术变革时期，能够参与其中本身就是一种幸运。

无论最终的结果如何，能够在这个时代留下自己的印记，就是一种成功。希望更多的技术从业者能够加入到这个伟大的事业中来，共同创造AI技术的美好未来。

---

本章核心洞察：

1. AI技术将持续快速发展：从错误率降低到多模态融合再到AGI的实现，AI技术将在未来数年内迎来重大突破。

2. 中国AI发展既面临挑战也拥有机会：在用户规模、应用场景、数据资源等方面拥有优势，在算力芯片、基础理论、高端人才等方面存在短板，需要扬长补短。

3. Minimax的未来有多种可能：从成为全球前五的AGI公司，到在C端AI应用领域占据领先地位，再到面临挑战被迫转型，不同的情景需要不同的应对策略。

---

启示：

未来是不确定的，但思考未来是必要的。闫俊杰对未来的判断，不是精确的预测，而是基于当前信息的合理推断。这些判断的价值不在于准确性，而在于它提供了一种思考未来的框架。每个人都可以根据自己的判断，做出适合自己的选择和准备。

---

第五编总结：

第五编《方法论与人生启示》完整呈现了从Minimax创业实践中提炼的方法论和经验教训。通过四章的详细分析，我们深入理解了：

1. 五条核心创业法则：技术深度决定商业高度、用户共创是技术普惠的唯一路径、轻量化组织是创新的必要条件、开源与闭源的辩证统一、长期主义不是道德选择而是生存策略。

2. 创始人个人成长的底层逻辑：认知升级的三重境界、关键能力的养成、价值观的稳定性与适应性。

3. 对不同群体的针对性建议：给技术创业者、技术从业者、年轻AI研究者的具体建议。

4. 对未来的理性判断：AI技术趋势、中国AI的全球坐标、Minimax的未来可能、时代启示。

第五编的核心结论是：创业不仅是一种商业活动，更是一种认知和能力的修炼。从Minimax的实践中提炼的方法论和经验，不仅对AI创业者有参考价值，对更广泛的创业者和工作者也有借鉴意义。希望这些内容能够对读者有所启发，帮助他们在自己的道路上取得成功。

---

全书完

---

附录：Minimax技术演进时间线

• 2021年11月：公司成立
• 2022年：abab 6发布（国内首个MoE大语言模型）
• 2023年：星野、海螺AI上线
• 2024年：abab 6.5发布（万亿参数）
• 2025年6月：技术产品"五连发"
• 2025年：Talkie年收入7000万美元

闫俊杰关键访谈语录精选

• 关于AGI愿景："应该成为日常生活的一部分"
• 关于竞争："期待跟王者一决高下"
• 关于商业化："不是当前最重要的关注点"
• 关于长期主义："坚持创新而非短期变现"

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: f26ff5b335d3d9d575b86d58478c6377 PropagateID: f26ff5b335d3d9d575b86d58478c6377 ReservedCode1: 3045022100aaeee5df051ad0b0e2ffda065bad3d6edaad9db05a4b2c2415efb5bb13912df602200ed37614c1b61aaf5cf575006b4a3a71bdbc3765cb709ef620570aff7c9ecafc ReservedCode2: 3045022100fd6bb6b84bf9e3bee7e987ff752d9e2bd2f39e60da59cddecb99054b634e43e302205eae14042aa5dbc3c3339f1d21a70024d87bfb94790f8a77f9f0327326777c02

第十六章：创始人个人成长的底层逻辑

创业不仅是一家公司的成长，更是创始人个人的成长。闫俊杰从技术专家到企业家的转变，不仅体现在外在角色的变化，更体现在内在认知和能力的升级。这种内在的成长是渐进的、有规律的，形成了可总结的底层逻辑。本章将从认知升级、关键能力养成、价值观稳定性与适应性三个维度，深入分析闫俊杰个人成长的底层逻辑，为读者提供可参考的成长框架。

一、认知升级的三重境界

闫俊杰的认知升级历程可以概括为三重境界的跃迁：从"见山是山"到"见山不是山"再到"见山还是山"。每重境界都代表着认知的深化和提升，代表着对事物本质理解的递进。

第一重境界：见山是山——技术专家，专注模型性能

在学术研究和早期技术工作中，闫俊杰处于"见山是山"的境界。在这个阶段，他的认知聚焦于技术本身——模型架构的设计、训练算法的优化、性能指标的提升。他追求的是技术上的先进性和学术上的成就，信仰技术的力量可以解决各种问题。

这种认知状态下，他关注的核心问题是：如何在学术竞赛中取得更好的名次？如何发表更多高水平的论文？如何攻克一个又一个技术难关？这种纯粹的技术导向，使他能够在学术领域取得优异的成绩，也为后续的创业奠定了坚实的技术基础。

然而，这种认知也有其局限性。它可能导致对技术本身的过度关注，而忽视技术的应用场景和用户价值。它可能限制对商业和组织问题的理解，使得在转向企业管理时面临认知瓶颈。许多技术背景的创业者正是在这个阶段停留太久，未能完成向企业家身份的转变。

第二重境界：见山不是山——理解技术、商业、组织的复杂性

进入商汤工作并逐步承担管理职责后，闫俊杰开始进入"见山不是山"的境界。他开始意识到，技术只是商业成功的一个因素，而不是全部。商业的成功还取决于市场定位、用户需求、竞争策略、组织能力等多个维度。技术专家的视角虽然重要，但无法覆盖企业运营的全部复杂性。

这个阶段的认知特点是"开放"。他开始学习商业知识、理解组织管理、关注市场动态、思考竞争策略。他的认知边界不断扩展，开始能够从更全面的视角审视问题和机会。他学会了如何与非技术背景的人沟通，如何向投资人展示公司的价值，如何激励和管理团队。

然而，这个阶段也可能陷入另一种困境——过度关注复杂性，可能导致决策的迟疑和行动的不决。如何在复杂性中保持方向感和行动力，是这个阶段需要克服的挑战。一些创业者在这个阶段迷失了方向，从技术专家变成了"万能杂家"，但没有在任何领域建立起真正的深度。

第三重境界：见山还是山——回归技术本质，但拥有系统思维

创业Minimax并经历多年实践后，闫俊杰逐渐进入"见山还是山"的境界。他回归了对技术本质的关注，但与此同时拥有了系统思维的能力。他能够从技术、商业、组织等多个维度综合分析问题，但最终能够抓住核心矛盾和关键变量，不会被表面的复杂性所迷惑。

这个阶段的认知特点是"简约"。他能够在复杂性中识别本质，在不确定性中把握方向。他的决策既有战略的高度，又有执行的可行性。他既保持着对技术趋势的敏锐洞察，又具备了对商业本质的深刻理解。这种境界的达成，不是简单的否定和替代，而是在更高层次上的整合和升华。

三重境界的跃迁，体现了认知成长的螺旋式上升过程。每一个阶段都是必要的积累，没有第一阶段的纯粹技术积累，就不可能有第二阶段的开放视野；没有第二阶段的复杂性问题认识，就不可能达到第三阶段的简约智慧。对于技术创业者来说，理解这三重境界的演进规律，有意识地推动自己的认知升级，是个人成长的关键。

二、关键能力的养成

闫俊杰在个人成长过程中，养成了几项关键能力。这些能力的形成，既有其个人特质的影响，也有后天刻意练习的功劳，更重要的是这些能力之间的相互促进和协同发展。

抽象能力：从数学到战略的思维迁移

闫俊杰的数学训练赋予了他强大的抽象思维能力。这种能力使他能够从具体问题中抽象出一般规律，用简洁的框架理解和处理复杂问题。在数学学习中，他学会了如何剥离事物的表象，把握其本质结构；如何将复杂问题分解为可处理的子问题；如何用形式化的语言描述模糊的概念。

这种抽象能力在创业实践中得到了充分的发挥和延伸。在战略分析中，他能够将复杂的商业环境抽象为几个关键变量和它们之间的关系；在团队沟通中，他能够将复杂的技术问题转化为简洁的结论和建议；在决策制定中，他能够从纷繁复杂的信息中提取核心要素，形成清晰的判断。这种能力使他能够在信息的海洋中快速识别关键信息，避免被次要因素干扰。

抽象能力的养成，是一个长期的过程。它需要大量的思考训练和经验积累。对于技术创业者来说，培养抽象思维能力是一项重要的功课。具体的方法包括：学习数学和逻辑学，培养形式化思维能力；练习将复杂问题简化为核心要素；用框架和模型来组织知识和经验；定期进行深度思考，训练思维的穿透力。

共情能力：从理解外公到理解普通用户

闫俊杰的共情能力，源于他的人生经历。从小县城成长、见证外公因不会使用电脑而无法将思想转化为文字的遗憾，使他对普通人的需求和困境有着深刻的理解。这种共情不是居高临下的同情，而是设身处地的理解。这种理解使他能够站在用户的角度思考问题，而不仅仅是技术的角度。

在Minimax的产品开发中，闫俊杰始终强调"用户视角"。他要求团队在做出任何决策时，都要首先思考：这个决策对用户有什么价值？用户会怎么看待这个功能？用户在使用过程中会遇到什么困难？这种用户导向的思维方式，与他的共情能力密切相关。正是因为能够理解普通用户面对新技术时的困惑和不适，他才坚定地主张"技术普惠"的理念，希望AI能够成为每个人都能使用的工具。

共情能力的养成，需要对人的关注和理解。它不是天生的，而是可以通过有意识的培养来提升的。具体的方法包括：多与不同背景的人交流，了解他们的需求和想法；在产品开发中深入用户场景，观察用户的使用行为；设身处地地思考问题，假设自己处于用户的处境；保持对普通人生活的关注和理解。

抗压能力：从县城少年到独角兽掌舵人的心理建设

创业过程充满压力和挑战，抗压能力是创业者必备的心理素质。没有强大的心理承受能力，很难在创业的道路上持续走下去。闫俊杰的抗压能力，既与他的性格特质有关，也与他的心理建设方法有关。

闫俊杰的抗压方法形成了一套系统。首先是保持长期视角——将当前的困难放在更长的时间尺度上看待，相信困难是暂时的，最终会过去。这种视角使他能够在逆境中保持信心，不会因为短期的挫折而动摇。其次是聚焦可控——专注于自己能够控制的事情，而不被无法控制的因素所干扰。他区分"能影响的"和"不能影响的"，将精力集中在前者身上。再次是寻求支持——与团队、投资人、朋友分享压力，获取支持和帮助。他深知，独自承受所有压力是不健康的，需要建立支持网络。最后是保持健康——通过运动、休息等方式保持身心的健康状态。他深知，身心是一体的，身体状态直接影响心理状态。

抗压能力的养成，是一个持续的过程。它需要在实践中不断锻炼，在反思中不断总结。那些能够长期保持良好心理状态的创业者，往往是那些有意识地进行心理建设的人。具体的方法包括：建立长期的视角，避免短期主义的焦虑；区分可控与不可控，专注于前者；建立支持网络，不独自承担压力；保持健康的生活方式，为抗压提供身体基础。

三、价值观的稳定性与适应性

闫俊杰的价值观体系呈现出"稳定与适应"的双重特征。一方面，有一些核心价值观是始终不变的，它们构成了他决策和行动的根基；另一方面，这些价值观的具体表现形式会随着情境的变化而调整，以适应不同环境和阶段的需要。

不变：技术普惠的初心

闫俊杰的核心价值观——让AI帮助普通人——是始终不变的。从童年的遗憾（外公因不会使用电脑而无法写作）到创业的初心（希望AI能够让每个人都能便捷地表达自己），这个信念贯穿了他的人生轨迹。无论公司发展到什么阶段，无论外部环境如何变化，这个核心价值观始终指导着他的决策和行动。

这种价值观的稳定性，给了闫俊杰清晰的方向感和坚定的信念。它使他能够在复杂的商业环境中保持定力，不被短期利益所诱惑，不被困难所动摇。当面临艰难抉择时，他会问自己：这个决定是否符合"技术普惠"的初心？如果答案是否定的，无论短期收益多么诱人，他都会选择放弃。

这种核心价值观的稳定性，也成为Minimax企业文化的基石。公司的使命和愿景清晰地指向"技术普惠"，这个方向不会因为市场热点的变化而改变。团队成员能够清晰地理解公司存在的意义和努力的方向，这种共识是组织凝聚力的重要来源。

变：实现初心的路径与方法

虽然核心价值观不变，但实现这些价值观的路径和方法是灵活调整的。早期的闫俊杰可能认为，通过学术研究和技术突破可以实现AI普惠；但后来的他意识到，只有通过产品化和商业化，才能真正将AI技术送到普通用户手中。这种转变不是价值观的改变，而是实现价值观方式的进化。

这种适应性体现在多个层面。在技术路线上，他从追求学术突破转向追求产品可用性。早期的他可能更关注模型在学术基准测试上的排名；后来的他更关注模型在实际应用中的错误率和用户体验。在商业模式上，他从B端服务转向C端产品。早期的他可能认为服务大客户是更稳妥的商业模式；后来的他坚信直接服务普通用户才是实现"技术普惠"的正确路径。在组织形态上，他从学术团队转向商业公司。早期的他可能更看重学术成就和论文发表；后来的他更看重产品价值和用户规模。

这种灵活调整的能力，使他能够根据环境变化不断优化实现目标的方式。价值观的"不变"提供了方向的确定性，方法论的"变"提供了策略的灵活性。两者结合，形成了既有定力又有适应力的领导风格。

---

本章核心洞察：

1. 认知升级是创业成长的核心驱动力：从"见山是山"到"见山不是山"再到"见山还是山"，闫俊杰的认知升级过程体现了从技术专家到企业家的本质转变。每一次认知升级都带来了决策质量和行动效果的提升。

2. 关键能力的养成需要长期积累和刻意练习：抽象能力、共情能力、抗压能力等关键能力的形成，既有个人的天赋因素，也有后天的刻意练习。重要的是理解这些能力之间的相互促进关系。

3. 价值观的稳定性与适应性需要平衡：核心价值观要保持稳定，为决策提供方向指引；实现方式要灵活调整，以适应不同环境和阶段的需要。两者缺一不可。

---

决策模型：

闫俊杰个人成长的决策框架可以总结为：

• 认知升级：有意识地推动认知从"技术视角"向"商业视角""组织视角""战略视角"升级

• 能力养成：通过长期积累和刻意练习，培养抽象能力、共情能力、抗压能力等关键能力

• 价值平衡：在核心价值观稳定的前提下，灵活调整实现价值观的方式和方法

---

启示：

创始人的个人成长是公司成长的上限。那些能够持续成长的创始人，往往能够带领公司穿越周期、实现突破。个人成长的核心是认知的成长——升级认知框架、养成关键能力、平衡稳定性与适应性。这个成长过程不是自动发生的，需要有意识的努力和持续的学习。闫俊杰的案例为技术创业者的个人成长提供了有价值的参考，证明了从技术专家到企业家的转变是可以实现的，关键在于方法论和持续投入。

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: 3acdcc367902d3f5aeeb6c150b6568fe PropagateID: 3acdcc367902d3f5aeeb6c150b6568fe ReservedCode1: 30450221009aaa7235693d3ea42ac5152d3867f1dc5b377f5d09cfd6a2c15b4ddd571f2ff602204b129c506bb86ae065f1af5a47cc0605e2e7f1857405c6531897b223a6f99499 ReservedCode2: 3046022100bd9e09375e9f5ce419005f8506e6bff6e0eddbb7483bf574aa8173b71285c79b022100a40a61777c275ff73cf43457366e1856c9659216ed41c09b47a5d11f302d2488

第十七章：对年轻创业者与技术人才的启示

基于Minimax的创业实践和闫俊杰的个人经验，本章将提炼出对不同群体的针对性建议。这些建议不是放之四海而皆准的真理，而是基于特定情境的经验总结，希望能够对读者有所启发。不同群体面临不同的挑战，需要不同的建议；更重要的是理解建议背后的逻辑，而不是机械地套用表面的做法。

一、给技术创业者的建议

先深后广：建立技术护城河再谈商业化

对于技术创业者来说，最重要的建议是"先深后广"。在创业初期，应该集中资源在核心技术上进行突破，建立起真正的技术壁垒，然后再考虑商业化扩张。这个建议的核心逻辑是：在技术驱动的领域，只有拥有深厚技术积累的公司才能建立起持久的竞争优势。那些过早分散精力、过早追求商业化的公司，往往技术积累不够扎实，最终难以与竞争对手抗衡。

Minimax的实践充分证明了这一点。在创业初期，闫俊杰将大部分资源和精力投入到基础模型研发上，直到abab 6发布后才开始商业化探索。这种"先技术后商业"的策略，虽然在短期内牺牲了一些商业机会，但为公司的长期发展奠定了坚实基础。当竞争对手还在寻找商业模式时，Minimax已经拥有了技术上的差异化优势；当市场机会真正来临时，技术积累的深厚程度决定了谁能抓住机会。

技术护城河的形式可以是多种多样的：独特的算法架构、丰富的训练数据、优质的工程实现、高效的推理系统等。关键是找到自己能够建立持续优势的领域，然后在这个领域深耕，形成难以复制的核心竞争力。创业初期的资源是有限的，只有聚焦才能产生突破，分散往往导致平庸。

用户为师：让真实需求驱动技术方向

技术创业者容易陷入的一个误区是"技术驱动"——认为只要技术足够先进，产品就会自然成功。事实并非如此。技术的价值需要通过用户来验证，技术的方向需要根据用户需求来调整。闫俊杰强调，技术创业者要"让用户为师"。在产品开发过程中，要持续收集用户反馈，让真实需求驱动技术方向。这意味着技术决策不能仅仅基于技术本身的好坏，更要考虑用户是否需要、市场是否接受。

让用户为师并不是放弃技术追求，而是在技术追求和用户需求之间找到平衡。最好的情况是：技术前沿恰好对应用户刚需，技术创新恰好解决用户痛点。但现实往往不是这样，技术的前沿方向和用户的需求重点之间可能存在偏差。在这种情况下，需要做出选择：是引导用户接受技术的新方向，还是调整技术方向以适应用户需求？这没有标准答案，需要根据具体情况判断。但无论如何判断，都要基于对用户需求的深入理解，而非主观臆断。

组织先行：在扩张前建立可复制的创新机制

技术创业公司在快速扩张时，往往面临组织能力的瓶颈。团队规模扩大后，原有的工作方式和协作模式可能不再适用，创新效率可能下降，决策速度可能变慢，沟通成本可能增加。这些问题如果处理不好，会严重制约公司的发展。闫俊杰的建议是"组织先行"——在团队规模扩张之前，先建立可复制的创新机制。

可复制的创新机制包括几个核心要素：清晰的决策流程，确保团队在面对常见问题时能够快速做出正确决策；有效的沟通机制，确保信息在团队内部高效流动，减少误解和延迟；科学的绩效评估体系，确保团队成员的努力方向与公司目标一致；知识沉淀和分享机制，确保团队的经验和教训能够被积累和传承。这些机制在团队规模较小时可能显得不那么重要，但一旦团队开始扩张，它们的价值就会显现出来。建立这些机制需要时间和精力，但长期来看是值得的投入。

二、给技术从业者的建议

选择战场：在AI时代，技术深度比广度更重要

对于技术从业者来说，最重要的选择是"选择战场"。在AI时代，技术深度比技术广度更重要。与其泛泛地了解多种技术，不如在某个特定领域深耕，成为该领域的专家。选择战场时要考虑几个因素：这个领域是否有足够的发展前景？自己的兴趣和优势是否与这个领域匹配？这个领域的竞争格局如何？选择一个好的战场，比在这个战场上如何战斗更重要。

选择战场不是一次性的决定，而是需要定期审视和调整的。随着技术的发展和市场的变化，原来有前景的领域可能变得平淡，原来平平的领域可能涌现机会。技术从业者需要保持对行业趋势的敏感度，在适当时机做出调整。但调整不要太频繁，深度积累需要时间的沉淀，频繁的领域切换会导致积累的碎片化。一般建议在一个领域至少深耕三到五年，再考虑是否需要调整方向。

选择战场时还要考虑自己的兴趣和优势。技术学习和工作是长期的事情，如果选择了一个自己不感兴趣的领域，很难保持持续的热情和投入。同样，如果选择了一个与自己的禀赋不匹配的领域，成长速度也会受限。兴趣和优势的结合，是选择战场的重要考量维度。

理解商业：技术价值最终需要商业闭环来验证

技术从业者往往容易陷入"技术至上"的思维，认为技术本身是最重要的，技术问题解决了，商业问题自然迎刃而解。闫俊杰的建议是，技术从业者也要理解商业——技术的价值最终需要通过商业来验证和体现。

理解商业并不意味着要放弃技术追求，而是要学会从商业的角度审视技术。一个技术方案，即使在学术上再先进，如果无法转化为商业价值，其实际意义也是有限的。商业思维能够帮助技术从业者更好地理解技术的价值所在，识别哪些技术问题值得投入精力去解决，哪些技术方案在实践中更具可行性。

技术从业者理解商业的方式可以有很多种：阅读商业类和战略类的书籍，了解商业的基本逻辑和思考框架；参与公司的商业讨论，理解公司的商业策略和盈利模式；关注行业动态和竞争对手，了解市场的需求和变化；与市场和商务同事交流，了解用户的真实需求和付费意愿。这些方式都有助于拓宽技术从业者的视野，培养商业思维。

保持耐心：AI是马拉松，不是百米冲刺

AI技术的发展是一个长期的过程，真正的AGI可能还需要很多年才能实现。对于技术从业者来说，要做好"持久战"的心理准备，保持耐心和定力。闫俊杰强调，AI是马拉松而非百米冲刺。那些追逐短期热点、频繁跳槽的人，往往难以在技术深度上有所积累。只有那些能够在正确的方向上持续投入、长期积累的人，才能最终取得成功。

保持耐心不等于原地等待。耐心是指在正确的方向上持续投入，不因为短期看不到成果就动摇放弃。它要求技术从业者有清晰的方向判断和坚定的执行意志。同时，耐心也意味着要关注长期的能力积累，而非短期的收益最大化。技术能力的提升是一个渐进的过程，需要持续的学习和实践。

在这个过程中，找到合适的组织环境非常重要。一个能够支持长期技术积累、鼓励深度研究的组织，比一个只看短期产出的组织更适合技术从业者的成长。技术从业者在选择工作时，不仅要考虑薪资待遇等短期因素，也要考虑组织的文化和发展方向是否适合自己的长期发展。

三、给年轻AI研究者的建议

关注错误率：从追求SOTA到追求可用性

对于AI研究者来说，一个重要的思维转变是"关注错误率"。传统的学术研究追求在各项基准测试中取得最优成绩（State of the Art），但实际应用中，模型的错误率才是关键。一个在学术基准上表现最好的模型，如果在实际应用中的错误率很高，其实际价值就要大打折扣。

闫俊杰建议年轻研究者，在追求学术成就的同时，也要关注技术的可用性。这意味着在研究选题时，要考虑研究成果的实用价值；在方案设计时，要考虑在真实场景中的可行性；在结果评估时，要纳入真实应用场景的测试。学术研究和实际应用不是对立的，而是可以相互促进的。学术研究的创新可以为实际应用提供新的能力，实际应用的需求也可以为学术研究提供新的问题。

关注错误率也意味着要重视模型的稳定性和鲁棒性。学术研究中常用的测试集往往是经过精心筛选的，而实际应用中的输入则更加多样和不可预测。一个真正有价值的AI系统，需要在各种情况下都能保持稳定的表现，而不是只在特定条件下表现良好。

拥抱多模态：未来属于理解真实世界的研究

AI正在从单一模态向多模态发展。未来的AI系统需要能够理解和处理文本、图像、语音、视频等多种信息形式，才能真正理解真实世界。闫俊杰建议年轻研究者关注多模态方向的发展，提前布局，为未来的竞争做好准备。

多模态研究的重要性在于，它更接近人类认知世界的方式。人类通过多种感官同时获取信息，综合理解周围环境。能够处理多模态信息的AI系统，将能够提供更自然、更丰富的用户体验。同时，多模态也为AI带来了新的应用场景和商业机会，如多模态搜索、多模态内容生成、多模态人机交互等。

多模态研究也面临着独特的技术挑战。如何在不同模态之间建立有效的关联？如何处理不同模态之间的异构性和噪声？如何设计能够同时处理多种信息形式的模型架构？这些都是需要研究者深入探索的问题。早期进入这个领域的研究者，将有机会在这些问题的解决上做出重要贡献。

坚持开源：技术平权是AGI的终极形态

对于AI研究者来说，开源不仅是一种技术实践，更是一种价值选择。闫俊杰认为，技术平权是AGI的终极形态——让所有人都能享受AI技术带来的价值，而不是让AI成为少数人的特权。年轻研究者可以通过开源代码、分享论文、参与社区等方式，为技术平权做出贡献。

开源对于AI研究有着重要的价值。首先，开源可以加速技术的进步。当研究者公开他们的代码和数据时，其他研究者可以在此基础上继续工作，避免重复造轮子。其次，开源可以促进技术的验证和发现。公开的代码可以被更多人审查和使用，有助于发现潜在的问题和改进的机会。再次，开源可以帮助建立研究者的影响力和声誉。一个被广泛使用的开源项目，比一篇被引用多次的论文更能证明研究者的能力。

开源并不意味着放弃商业价值。很多成功的开源项目都找到了可持续的商业模式，如通过提供商业支持、增值服务、云托管等方式获取收入。对于研究者来说，开源和商业化不是对立的，而是可以协调的。关键是选择合适的开源策略，在贡献社区和实现价值之间找到平衡。

---

本章核心洞察：

1. 技术创业的核心是技术深度：先深后广、用户为师、组织先行，这些建议都指向一个核心——在技术驱动领域，技术深度是持久竞争优势的来源。只有建立起真正的技术壁垒，才能在激烈的竞争中生存和发展。

2. 技术从业者需要理解商业：技术的价值需要通过商业来验证，技术从业者要有商业视角，不能两耳不闻窗外事。理解商业有助于更准确地判断技术方向，更有针对性地解决实际问题。

3. 年轻研究者要关注可用性和多模态：从追求学术指标到追求实际可用性，从单一模态到多模态融合，这些是AI研究的重要趋势。早期布局这些方向的年轻研究者，将有机会在未来的竞争中占据有利位置。

---

启示：

不同群体面临不同的挑战，需要不同的建议。本章的建议是针对性的，不是普适的。重要的是理解建议背后的逻辑，而不是机械地套用表面的做法。每个人、每个公司、每个阶段都有其特殊性，需要具体问题具体分析。闫俊杰的经验和建议是他在特定情境下的总结，读者需要根据自己的实际情况进行筛选和调整，形成适合自己的发展路径。

第十八章：对未来的理性判断

创业不仅需要脚踏实地的努力，也需要仰望星空的视野。闫俊杰在日常经营之余，也持续思考着AI技术的未来走向、中国AI的全球定位，以及Minimax的发展前景。本章将分享闫俊杰对未来的若干判断，以及这些判断背后的逻辑。需要说明的是，未来是不确定的，任何对未来的判断都可能出错。本章的内容是基于当前信息的合理推断，而非精确的预测。

一、AI技术趋势

短期（2026-2028）：错误率降低一个数量级，应用规模扩大两个数量级

闫俊杰对AI技术的短期趋势有几个判断。首先是模型错误率的持续降低。他预计在未来两到三年内，主流大模型的错误率有望降低一个数量级，从当前的20-30%降到2-3%的水平。这意味着AI产品将从"基本可用"提升到"真正好用"，能够满足更多对可靠性有较高要求的应用场景。错误率的降低将主要来自于更好的训练数据、更优的模型架构、更精细的调优策略等因素。

其次是应用规模的快速扩大。随着模型能力的提升和使用成本的降低，AI应用将渗透到更多的行业和场景。闫俊杰预计，AI应用的总体规模有望在两到三年内扩大两个数量级，即从当前的千万级用户扩展到亿级甚至十亿级用户。这种规模的扩大将主要来自于：C端应用的普及，让更多普通用户使用AI工具；B端应用的深化，让AI在更多业务流程中发挥作用；新场景的出现，创造出全新的AI应用形态。

再次是商业模式的多样化。AI的商业模式将从当前的API服务为主，向更加多样化的方向发展。除了传统的API服务，AI原生应用、嵌入式AI服务、AI平台等多种商业模式将并存发展。不同的商业模式适用于不同的场景和能力优势，创业公司需要根据自己的特点选择合适的商业模式。

中期（2029-2032）：多模态融合成熟，AI能力接近普通个体

在中期（2029-2032年），闫俊杰预计AI技术将迎来几个重要的突破。首先是多模态融合的成熟。AI系统将能够自然地理解和处理文本、图像、语音、视频等多种信息形式，实现真正的"全感知"能力。这意味着用户可以用更自然的方式与AI交互——可以说话、可以写字、可以拍照、可以用各种方式表达自己的需求，AI都能理解和响应。

其次是AI能力接近普通个体。在大多数认知任务上，AI的表现将接近甚至超越普通人类个体的水平。这意味着AI将从"工具"向"助手"甚至"伙伴"转变，能够在更广泛的场景中为人类提供帮助。它可以帮助人们完成日常工作、提供专业咨询、进行创意创作、进行学习辅导等。这种能力的接近将带来应用场景的爆发式增长。

再次是AI与人类协作模式的成熟。人机协作将不再是简单的"人使用工具"，而是一种更加平等、更加自然的协作关系。AI将能够理解人类的意图、适应人类的工作方式、与人类进行自然的交流。人类和AI将形成互补的关系，各自发挥各自的优势，共同完成任务。

长期（2033+）：AGI实现，AI成为日常基础设施

在更长远的未来（2033年及以后），闫俊杰相信AGI（通用人工智能）将逐步成为现实。虽然他无法准确预测AGI实现的具体时间表，但他相信这是技术发展的必然方向。当AGI实现后，AI将不再是某个特定领域的工具，而是像电力、互联网一样的基础设施。它将渗透到人类生活的方方面面，成为日常工作和生活的标配。

AGI的实现将带来巨大的社会变革。一些工作将被AI替代，一些新的工作将被创造；一些现有的行业将萎缩，一些新的行业将兴起。这种变革的速度和深度可能超过以往任何一次技术革命。对于个人、企业和国家来说，适应这种变革将是最大的挑战，也是最大的机遇。

对于AI从业者来说，这将是一个参与历史、创造历史的机会。能够在这个时代留下自己的印记，本身就是一种成功。无论最终的结果如何，参与到这场伟大的技术变革中，就是一种荣幸。

二、中国AI的全球坐标

优势：用户规模、应用场景、数据资源

闫俊杰认为，中国AI发展有几个明显的优势。首先是用户规模优势。中国拥有超过十亿的互联网用户，是全球最大的单一市场。庞大的用户基数为AI应用提供了广阔的空间，也为中国AI公司提供了丰富的训练数据和应用场景验证的机会。任何AI产品如果能够在中国市场取得成功，都有可能扩展到全球市场。

其次是应用场景优势。中国在移动互联网、电子商务、移动支付等领域走在全球前列，这些领域为AI应用提供了丰富的场景和需求。在这些场景中积累的经验和数据，将成为中国AI公司进军全球市场的宝贵资产。例如，中国的短视频和直播电商模式已经开始向全球输出，AI技术在其中扮演着越来越重要的角色。

再次是数据资源优势。中国在多个领域积累了海量的数据资源，这些数据是AI训练的重要养料。虽然数据隐私保护日益严格，但在合规前提下的数据利用，仍然是中国AI公司的重要优势。如何在保护隐私的前提下充分利用数据价值，是中国AI发展需要解决的重要课题。

劣势：算力芯片、基础理论、高端人才

闫俊杰也清醒地认识到中国AI发展的几个劣势。首先是算力芯片的受限。由于国际形势的变化，中国在高端AI芯片方面面临着供应限制，这对中国AI公司的算力获取构成了挑战。虽然国内芯片产业在快速发展，但在短期内，高端芯片的供给仍然是一个需要解决的问题。

其次是基础理论的短板。在AI基础理论研究方面，中国与最发达国家还存在一定差距。原创性的算法和架构创新，大部分仍然来自美国和其他西方国家。如何在基础理论方面取得突破，是中国AI发展需要长期努力的方向。

再次是高端人才的不足。虽然中国培养了大量的AI人才，但在顶尖研究者方面，与美国还有差距。如何吸引和培养更多的顶尖人才，是中国AI发展需要解决的问题。人才是创新的根本，没有顶尖的人才，就难以取得顶尖的成果。

机会：开源生态、垂直应用、技术普惠

闫俊杰认为中国AI发展有几个重要的机会。首先是开源生态的机会。随着DeepSeek等中国公司在开源领域的崛起，中国正在成为全球AI开源生态的重要参与者。开源策略有助于快速建立开发者生态、获取社区贡献、形成网络效应。通过开源，中国AI公司可以加速技术迭代、扩大技术影响力、建立技术话语权。

其次是垂直应用的机会。中国在某些垂直领域（如电商、金融、制造等）有着丰富的应用场景和数据积累，有机会在这些领域打造出世界领先的AI应用。垂直应用的深度优化，往往能够带来比通用应用更好的用户体验和商业价值。

再次是技术普惠的机会。中国有着庞大的人口和广阔的市场，在AI技术普惠方面有着巨大的潜力。那些能够将AI技术以低成本、高可及的方式带给普通用户的公司，将有机会建立起庞大的用户基础和商业模式。技术普惠既是商业机会，也是社会责任。

挑战：地缘政治、监管不确定性、资本耐心

闫俊杰也指出了中国AI发展面临的几个挑战。首先是地缘政治的风险。中美科技竞争的加剧，给中国AI公司的国际化和技术合作带来了不确定性。技术脱钩的趋势可能限制中国公司获取国际先进技术，也可能限制中国公司的国际市场拓展。

其次是监管政策的不确定性。AI技术和应用的监管政策仍在探索和演进中，政策的调整可能对行业产生重大影响。如何在合规的前提下推动创新，是中国AI公司需要持续关注和应对的问题。

再次是资本的耐心。在AI这个需要长期投入的领域，资本的耐心是一个重要的变量。那些追逐短期收益的资本，可能无法陪伴公司走过漫长的技术积累期。如何引导资本向长期价值投资倾斜，是中国AI生态建设需要解决的问题。

三、Minimax的未来可能

乐观情景：成为全球前五的AGI公司，实现技术普惠

在乐观情景下，闫俊杰预计Minimax有望成为全球前五的AGI公司。这意味着在技术能力上与OpenAI、Google等顶级机构比肩，在商业规模上达到行业领先水平。在这个情景下，Minimax的AI产品将服务全球数亿用户，为他们提供智能化的工作和生活支持。

在这个情景中，Minimax的技术将渗透到各行各业，成为数字经济的基础设施。Minimax的"技术普惠"使命将真正实现——AI不再是少数人的专属工具，而是每个人都能使用、都能受益的日常能力。这将是Minimax创业故事的完美结局，也是闫俊杰个人理想的实现。

实现这个情景需要满足几个条件：技术能力持续保持全球领先；产品在全球市场取得成功；组织能力能够支撑公司规模的扩张；外部环境相对稳定，允许公司专注发展。这些条件都满足的可能性不太高，但并非完全不可能。

基准情景：在C端AI应用领域占据领先地位

在基准情景下，闫俊杰预计Minimax将在C端AI应用领域占据领先地位。这意味着在AI角色扮演、AI助手等细分领域，成为用户规模最大、用户体验最好的产品提供者。在这个情景下，Minimax将继续深化在C端市场的布局，通过星野、海螺AI、Talkie等产品服务全球用户。

在这个情景中，公司也将积极拓展B端市场，通过API服务和垂直解决方案，为企业客户提供AI能力。C端的成功将为公司带来品牌影响力和用户基础，B端的拓展将为公司带来收入和利润。两条腿走路的模式，将使公司能够更稳健地发展。

这个情景比乐观情景更有可能实现，也是闫俊杰认为最可能的情景。它不需要所有条件都达到最优，只需要当前的努力方向正确、执行到位，就有可能实现。

悲观情景：在算力与开源的双重压力下被并购或转型

在悲观情景下，Minimax可能面临算力资源获取困难和开源模式冲击的双重压力。算力限制可能制约技术迭代的速度，开源冲击可能削弱技术壁垒的保护。在这种背景下，公司可能被迫做出战略调整，包括被大型科技公司并购，或者转型为专注于特定细分领域的公司。

虽然这种情景不是闫俊杰希望看到的，但他认为作为创业者需要做好各种准备。即使在最困难的情况下，公司仍然可以寻找生存和发展的空间。关键是要有预案、有韧性、有调整能力。悲观情景并不意味着失败，只是意味着发展的路径和速度会有所不同。

四、时代启示

技术民主化：DeepSeek证明了低成本AI的可能性

闫俊杰认为，DeepSeek的成功证明了技术民主化的可能性。当一个高性能模型可以以极低的成本开发和部署时，AI技术将变得更加普及和可及。这与Minimax"技术普惠"的使命是一致的。技术民主化将带来几个重要的变化：AI应用的门槛降低，更多的小公司和个人开发者将能够参与到这个领域；AI服务的成本降低，更多用户将能够享受到AI带来的便利；创新的加速，更多的创意和想法将能够被付诸实践。

技术民主化对于AI行业来说是一把双刃剑。它一方面降低了创新的门槛，让更多人能够参与到AI的发展中来；另一方面也削弱了技术壁垒，可能加剧竞争。但无论如何，技术民主化是趋势所在，与其抗拒它，不如拥抱它、利用它。

中国路径：不同于硅谷的"技术垄断"，探索"技术普惠"模式

闫俊杰认为，中国AI的发展路径将与硅谷有所不同。硅谷的AI发展更多体现为"技术垄断"——少数科技巨头掌握最先进的技术，形成技术壁垒和商业壁垒。这种模式有利于技术领先者，但可能加剧技术不平等。

中国的AI发展有机会探索"技术普惠"的道路。通过开源生态、低成本服务、广泛的应用场景，让AI技术更加普及和可及。这既是社会价值的体现，也是商业机会的所在。那些能够将AI技术以最低成本、最高可及性带给普通用户的公司，将有机会建立起最大的用户基础和商业规模。

这种"中国路径"的成功需要多方面条件的支撑：政策环境的支持、资本市场的耐心、企业家的长期主义、社会的广泛参与。这是一个系统工程，需要各方共同努力。

个人使命：在AGI时代，每个技术从业者都有机会参与历史

最后，闫俊杰想对所有技术从业者说：在AGI时代，每个人都有机会参与历史。这是一个前所未有的技术变革时期，能够参与其中本身就是一种幸运。AGI的实现将是人类历史上最重要的技术突破之一，将深刻改变人类社会的方方面面。

无论最终的结果如何，能够在这个时代留下自己的印记，就是一种成功。希望更多的技术从业者能够加入到这个伟大的事业中来，共同创造AI技术的美好未来。这不仅是为了商业成功，更是为了参与创造历史，为了在自己的人生中留下有意义的篇章。

---

本章核心洞察：

1. AI技术将持续快速发展：从错误率降低到多模态融合再到AGI的实现，AI技术将在未来数年内迎来重大突破。理解技术趋势有助于做出更好的战略选择。

2. 中国AI发展既面临挑战也拥有机会：在用户规模、应用场景、数据资源等方面拥有优势，在算力芯片、基础理论、高端人才等方面存在短板。扬长补短，发挥优势，是中国AI发展的关键。

3. 未来有多种可能，需要做好准备：从成为全球前五的AGI公司，到在C端AI应用领域占据领先地位，再到面临挑战被迫转型，不同的情景需要不同的应对策略。有备无患，是创业者的基本素养。

---

启示：

未来是不确定的，但思考未来是必要的。闫俊杰对未来的判断，不是精确的预测，而是基于当前信息的合理推断。这些判断的价值不在于准确性，而在于它提供了一种思考未来的框架。每个人都可以根据自己的判断，做出适合自己的选择和准备。最重要的是，无论未来如何，保持学习、保持适应、保持希望。

---

AIGC: ContentProducer: Minimax Agent AI ContentPropagator: Minimax Agent AI Label: AIGC ProduceID: 54f07d3f906148f4ee82a2d17fcbe2a3 PropagateID: 54f07d3f906148f4ee82a2d17fcbe2a3 ReservedCode1: 3045022100b8b3cecaba7d391f17c6539658ec798ba770ac0684c285474b4a615449b5a9fb02205a928f272d97d01220c60792b1cdfd354c9af1fb4c6bf92532a02c54105b90fe ReservedCode2: 3046022100e6dcccbf5cfc27d6ae2d4723a1a0f35fe3d13e06fe6b51f3a34df95b6e04a590022100936e9388c6c691ee4247305efd5bb20517a3dde81ab5e8a16024ec3b785cf1cf

附录

附录一：Minimax技术演进时间线

Minimax的发展历程是中国AI创业的一个缩影，记录了公司在技术创新、产品探索、商业化进程中的重要节点。以下是公司成立以来的关键里程碑：

2021年11月：公司成立

2021年末，闫俊杰离开商汤科技，创立Minimax。当时的大模型赛道尚处于早期阶段，ChatGPT还未发布，全球对大语言模型的关注度有限。闫俊杰在这一时间点选择创业，基于他对AI技术发展趋势的判断，以及对"技术普惠"使命的追求。创始团队以"商汤系"技术骨干为核心，在资源有限的条件下开启了技术研发之旅。

2022年：abab 6发布，国内首个MoE大语言模型

2022年，Minimax发布了abab 6模型，这是国内首个采用MoE（混合专家模型）架构的大语言模型。这一发布标志着Minimax在技术路线上做出了与主流不同的选择，也奠定了公司在MoE技术方向上的领先地位。MoE架构的选择在当时颇具风险，因为这种架构在国际上也尚处于研究探索阶段，缺乏大规模工程化的成功案例。但闫俊杰坚持认为，MoE是"通向更好模型的必要条件"，是应对算力约束的最优解。

2023年：星野、海螺AI上线，C端产品探索启动

2023年，Minimax推出了星野和海螺AI两款C端产品，标志着公司从纯技术研发向"技术+产品"双轮驱动转型。星野是一款AI角色扮演产品，主打"AI陪伴"概念；海螺AI是一款AI助手产品，主打"AI效率工具"概念。两款产品的上线，使Minimax开始直接面对终端用户，积累用户数据和产品经验。

2024年：abab 6.5发布，万亿参数里程碑

2024年，Minimax发布了abab 6.5模型，这是一个参数规模达到万亿级别的超大规模语言模型。这一发布标志着Minimax正式跻身全球顶级AI模型研发公司的行列，也证明了公司坚持MoE技术路线的正确性。万亿参数模型的训练和部署，需要解决一系列前所未有的技术挑战，团队在闫俊杰的带领下成功攻克了这些难关。

2025年6月：技术产品"五连发"，全栈布局展现

2025年6月，Minimax发起了技术产品"五连发"——在短时间内集中发布了多款基座模型、多模态产品和智能体应用。这次集中发布展示了Minimax在技术储备上的深厚积累，也彰显了公司在AI全栈布局上的雄心。产品覆盖了文本、图像、语音等多种模态，以及对话、创作、辅助等多种应用场景。

2025年：Talkie年收入7000万美元，商业化突破

2025年，Minimax的海外产品Talkie实现了约7000万美元的年收入，成为公司商业化进程中的重要里程碑。Talkie是一款面向海外市场的AI角色扮演产品，在157个国家和地区运营。这次商业突破证明了Minimax产品化能力的提升，也验证了C端AI应用的市场可行性。

附录二：闫俊杰关键访谈语录精选

在多次公开访谈中，闫俊杰分享了他对AI技术、公司发展、个人成长等方面的思考。以下是几段具有代表性的访谈语录：

关于AGI愿景

"AGI应该成为日常生活的一部分，而不仅仅是实验室里的展示品。我们做AI的目的，不是为了创造一个超越人类的智能体，而是为了让AI能够帮助普通人解决实际问题，让每个人的生活都变得更美好。这是Minimax的使命，也是我个人的追求。"

这段话体现了闫俊杰对AGI本质的理解——技术应该服务于人，而非凌驾于人。他的"技术普惠"理念在这段话中得到了清晰的表达，也解释了为什么Minimax从创立之初就坚持C端优先的产品策略。

关于竞争

"我期待跟王者一决高下。"这句话在《十字路口》访谈中说出后引发了广泛讨论。闫俊杰解释说，这不是好斗的表现，而是对卓越的追求。"只有与强者竞争，才能发现自己的不足，才能激发自己的潜能，才能实现真正的进步。如果总是与弱者竞争，虽然能够轻松获胜，但无法获得真正的成长。"

这段话揭示了闫俊杰竞争观的内核——竞争是进步的动力，而非零和的游戏。他将竞争视为自我提升的手段，而非你死我活的战争。

关于商业化

"商业化不是当前最重要的关注点，但它是公司可持续发展的必要条件。我们不会为了短期变现而牺牲长期价值，但我们也必须找到可持续的商业模式。技术公司最终要靠商业成功来证明自己的价值，只是这个证明需要时间。"

这段话体现了闫俊杰在技术理想与商业现实之间的平衡。他既不急功近利地追求短期变现，也不忽视商业化的必要性，而是将商业化视为长期价值创造的自然结果。

关于长期主义

"长期主义不是道德选择，而是生存策略。在AI这个需要长期投入、持续创新的领域，那些追逐短期利益的公司往往无法建立起真正的竞争优势。只有在正确的方向上持续积累，才能形成难以复制的护城河。"

这段话将长期主义从道德层面提升到了策略层面。闫俊杰认为，长期主义不是"高尚"的选择，而是"聪明"的选择。只有看得长远、做得踏实，才能在激烈的竞争中生存和发展。

附录三：AI创业环境数据与图表

中国AI大模型融资趋势（2021-2025年）

2021年至2025年是中国AI大模型创业的爆发期，融资事件和融资金额都经历了快速增长。2021年是大模型赛道的起步阶段，融资事件数量相对有限，但单笔融资金额较高，反映出资本对这一赛道的战略性布局。2022年末ChatGPT的发布引发了全球AI热潮，2023年成为中国AI大模型融资的"元年"，融资事件数量和金额都出现爆发式增长。2024年至2025年，融资热度有所回落，但投资更加理性，资本向头部公司集中的趋势明显。

"6+2"格局公司估值与产品矩阵

据量子位智库2024年报告，中国AI大模型创业领域形成了"6+2"的竞争格局。六家头部创业公司分别是智谱AI、月之暗面、Minimax、百川智能、零一万物、阶跃星辰；两家大厂分别是字节跳动和阿里云。这些公司在估值水平和产品矩阵上各有特色：

智谱AI估值最高，在B端市场深耕多年，产品矩阵较为完整；月之暗面以Kimi长文本切入市场，增长迅速；Minimax坚持"技术+产品"双轮驱动，C端产品表现突出；百川智能聚焦中文理解，在中文领域建立了技术优势；零一万物走国际化路线，海外市场拓展积极；阶跃星辰专注基础模型研发，技术实力雄厚。

DeepSeek与OpenAI性能/成本对比

DeepSeek R1的发布引发了AI行业对"性能/成本比"的重新审视。根据公开信息，DeepSeek R1在多项基准测试中达到了与GPT-4o、Claude等顶级模型相当的性能水平，但训练和推理成本显著低于这些竞品。这种"高性能低成本"的优势，来源于DeepSeek在架构创新和训练策略上的突破。

这一对比揭示了几个重要趋势：开源模式可以以更低成本实现接近闭源模型的性能；架构创新是降低AI成本的重要途径；AI行业正在从"烧钱模式"向"效率模式"转变。

---

结语：十年后重读这本书

本书的写作，始于一个简单的问题：闫俊杰和Minimax的故事，能够给读者带来什么启示？

在写作过程中，这个问题逐渐有了答案。闫俊杰的创业故事，不仅是一个商业成功的案例，更是一部关于如何在变革时代做艰难但正确选择的行动指南。

关于技术

闫俊杰的故事告诉我们，在技术驱动的时代，技术深度是持久竞争力的来源。那些追逐热点、缺乏核心技术积累的公司，往往在潮水退去后难以生存。而那些坚持技术创新、持续投入研发的公司，终将获得应有的回报。

关于商业

闫俊杰的故事告诉我们，技术价值需要通过商业来体现，但商业化不是短期变现，而是长期价值创造的有机结果。那些急于求成的公司，往往因为缺乏战略定力而错失真正的机会；而那些坚持长期主义的公司，最终能够建立起可持续的商业模式。

关于组织

闫俊杰的故事告诉我们，组织能力是创业成功的关键支撑。技术可以被复制，产品可以被模仿，但组织能力一旦建立起来就难以被复制。那些持续投资于组织建设的公司，终将在长期竞争中占据优势。

关于个人

闫俊杰的故事告诉我们，创业者的成长是公司成长的上限。从技术专家到企业家的转变，不仅是角色的变化，更是认知和能力的升级。那些能够持续学习、不断进化的创业者，往往能够带领公司穿越周期、实现突破。

十年后，当AI技术发展到一个新的高度，当Minimax成长为一个更加伟大的公司，当闫俊杰的创业故事成为历史的时候，希望重读这本书的读者，仍然能够从中获得关于技术、商业、人生的一些启示。这些启示不会因为技术的过时而失去价值，因为它们触及的是一些根本性的问题：如何在不确定性中寻找确定性？如何在短期诱惑与长期价值之间做出选择？如何在个人成长与组织发展之间找到平衡？

这些问题没有标准答案，但闫俊杰的故事至少提供了一种可能的答案。希望这个答案能够给读者一些启发，帮助他们在自己的道路上走得更稳、更远。

---

全书完

---

参考文献说明

本书的写作参考了多项公开资料，包括但不限于：

• 闫俊杰在《十字路口》访谈中的公开表态
• 量子位、智东西等科技媒体的深度报道
• 行业研究机构发布的AI产业报告
• Minimax官方发布的技术和产品信息
• 公开渠道获取的行业数据和竞争分析

由于部分信息来自合理推断和情境还原，本书内容可能与实际情况存在一定偏差。如有读者发现与事实不符之处，敬请谅解，也欢迎提供指正。