在ChatGPT爆火之后，“AI大模型”成為下一個人工智能的高地。

「甲子光年」獨家獲悉，前商湯科技副總裁、通用智能技術負責人閆俊杰已進軍多模態(tài)AI大模型領域，于2021年11月成立人工智能公司MiniMax。2022年上半年，明勢資本領投了MiniMax的天使輪融資。

成立至今，MiniMax是一家頗為神秘的公司，創(chuàng)始人及核心技術團隊人員均未對外公開。

2月16日下午，MiniMax在北京舉行了首場小型媒體溝通會。會上，MiniMax的技術合伙人楊斌公布了公司技術路徑與商業(yè)路徑。

MiniMax從底層做起，形成了文本到視覺（text to visual）、文本到語音（text to audio）、文本到文本（text to text）三大模態(tài)的基礎模型架構，可能是國內(nèi)第一家同時擁有3個模態(tài)大模型能力的創(chuàng)業(yè)公司。

MiniMax的商業(yè)模式與OpenAI相似，包括to C與to B兩大方向。在to C方向，其首款AI虛擬聊天社交軟件Glow推出四個月已經(jīng)積累數(shù)百萬用戶；在to B方向，MiniMax計劃在今年對外開放API。

在ChatGPT的火爆下，AI大模型已經(jīng)成為創(chuàng)業(yè)熱點。此前，前美團聯(lián)合創(chuàng)始人王慧文、出門問問CEO李志飛等人已經(jīng)宣布在該領域創(chuàng)業(yè)。

噪聲越是喧囂，越難以發(fā)現(xiàn)水面下的變化。而MiniMax已經(jīng)在潮水來臨前，提前出發(fā)。

1.核心團隊來自知名高校與科技公司

據(jù)「甲子光年」了解，MiniMax聯(lián)合創(chuàng)始人為前商湯科技副總裁、通用智能技術負責人閆俊杰，也曾擔任商湯研究院副院長。

閆俊杰于2015年博士畢業(yè)于中科院自動化所，此前在商湯科技負責搭建深度學習的工具鏈和底層算法，以及通用智能的技術發(fā)展。此外，他還搭建了商湯的人臉識別和智慧城市相關的技術體系。

在深度學習和計算機視覺領域，閆俊杰發(fā)表頂級會議和期刊論文100余篇, Google Scholar引用超過10000次。

關于通用人工智能，閆俊杰曾表示，應給予算法、算力和系統(tǒng)的協(xié)同創(chuàng)新，推動人工智能通用模型的性能指數(shù)級上升。

MiniMax技術合伙人楊斌曾于2014年在中科院自動化所讀碩士，在加拿大讀完博士后，先后在Uber AI研究院、以及自動駕駛卡車領域有多年研發(fā)經(jīng)驗，對基于數(shù)據(jù)驅動的端到端無人卡車運輸問題頗有研究。

目前，MiniMax團隊人數(shù)已過百，公司核心技術研發(fā)成員均來自全球知名高校和全球頂尖科技公司，擁有世界頂尖自然語言處理，語音，計算機視覺，計算機圖形學等工業(yè)界和學術界經(jīng)驗，擁有多項全球領先的人工智能領域研究成果，具有上百個全球發(fā)明專利，1/3 的團隊成員擁有世界頂尖技術實驗室的博士學位。

在MiniMax創(chuàng)始團隊看來，此次ChatGPT的出現(xiàn)并不意外，但比他們的預期要早3~6個月。

楊斌表示，過去三年，AI領域出現(xiàn)了三個關鍵事件：

第一件是2020年6月，OpenAI發(fā)布GPT-3。這表明在自然語言任務上，也存在類似“摩爾定律”的規(guī)律，即如果讓模型的參數(shù)量成指數(shù)級增加，并配合足夠多的語料數(shù)據(jù)，就會發(fā)生化學反應——GPT-3擁有了對自然語言的推理能力，并擁有很好的泛化能力，幾乎能夠解決任何文本處理任務，如翻譯、續(xù)寫、評價等。

第二件是2021年1月，OpenAI的DALL-E-2火出圈，它能夠通過用戶給的一段文字描述生成圖片。DALL-E-2背后是CLIP模型，該模型能夠在互聯(lián)網(wǎng)上抓取大量圖片文本，學習一段時間過后，CLIP能夠實現(xiàn)用自然語言解釋對圖片的理解，也能通過文字描述來生成圖片，這便是一種跨模態(tài)的生成和轉換。

第三件事是2021年8月，特斯拉在AI Day上證明了完全由數(shù)據(jù)驅動的、端到端的深度學習技術棧能夠在自動駕駛上被成功應用，并且已經(jīng)成功上車，在現(xiàn)實世界跑通了數(shù)據(jù)閉環(huán)。此后，全球各大自動駕駛公司才相信這件事原來能夠做成。

基于以上三件事，MiniMax初創(chuàng)團隊早在兩三年前就對未來趨勢做出判斷：AI技術將在未來2-3年內(nèi)發(fā)生質(zhì)的升級，基于這種技術升級，AGI（通用人工智能）將成為可能。

基于對AGI趨勢的判斷，以“和用戶共同創(chuàng)造通用智能 Intelligence with Everyone”為使命的MiniMax，在2021年11月成立。

2.首家“三模態(tài)AI大模型”創(chuàng)業(yè)公司

楊斌認為，人工智能的發(fā)展分為兩個階段。

當下絕大多數(shù)人工智能公司處在AI 1.0階段，通過上萬個單一任務模型，為大客戶（企業(yè)或者政府）提供全套AI解決方案，以此來實現(xiàn)“AI for everyone”。為了定制成千上萬的模型，AI公司需要配備一個人數(shù)龐大的團隊。

而到了AI 2.0階段，AI公司可以利用一個“AI通用大模型”，直接服務于每一個人，就像現(xiàn)在的ChatGPT一樣，實現(xiàn)“AI with everyone”。這僅需要一個規(guī)模較小的團隊就能實現(xiàn)，比如OpenAI的人數(shù)也只不過375人（截至2023年1月）。

MiniMax就是要 2.0階段的公司，即通過AI大模型逐漸實現(xiàn)AGI。

在過去的15個月中，MiniMax主要做了兩件事：定義核心技術與商業(yè)路徑。

在技術層面，和目前很多創(chuàng)業(yè)公司只做應用層產(chǎn)品不同，MiniMax直接從底層的基礎模型做起，百分之百自研了三個foundation model（基礎模型）。

MiniMax自研的三個基礎模型為——文本到視覺（text to visual）、 文本到語音（text to audio），文本到文本（text to text）。楊斌表示，MiniMax可能是國內(nèi)第一家同時擁有3個模態(tài)大模型能力的創(chuàng)業(yè)公司。

MiniMax是在Transformer的基礎上做自研，楊斌對此解釋道：“Transformer就像是磚頭，而模型是房子。當然也會參考別人已經(jīng)造好的房子架構，但把自己的房子蓋好需要完全憑借自己的系統(tǒng)工程能力?！?/span>

對于訓練模型所需要的算力、數(shù)據(jù)來源、模型參數(shù)以及訓練成本，MiniMax暫未透露。

在商業(yè)層面，MiniMax可能是國內(nèi)第一個跑通了基于大模型和用戶反饋的公司。

在三個基礎模型之上有一個計算推理平臺，將三個基礎大模型的能力以一種低成本、高魯棒性的方式釋放給用戶。

目前，基于該推理平臺MiniMax在去年11月推出了第一款to C的用戶產(chǎn)品Glow。通過內(nèi)容生成與用戶反饋這樣一種“user-in-the-loop”的方式，來不斷迭代基礎大模型的AI能力，就像ChatGPT引入的人類反饋強化學習機制（RLHF）那樣。

基于AI大模型，MiniMax未來還會有更多的產(chǎn)品產(chǎn)生。

楊斌表示，MiniMax的初心是實現(xiàn)通用人工智能，而這必須要靠一個開放的生態(tài)。所以從今年開始，MiniMax會逐步開放API，讓更多的個人用戶和企業(yè)用戶基于大模型構建自己的應用。

MiniMax的商業(yè)落地模式與OpenAI相似。2020年，OpenAI在完成GPT-3模型的早期測試之后進行了商業(yè)化，向付費用戶與企業(yè)開放API，AI 獨角獸Jasper.ai就是OpenAI的客戶；而ChatGPT則是在GPT-3的基礎上構建的直接面向用戶的聊天機器人應用。

ChatGPT向更多的人普及了AI大模型的概念。而MiniMax已經(jīng)在AI大模型的道路上布局了15個月，無論是從技術上還是商業(yè)落地上，都在創(chuàng)業(yè)公司中走在了前列。

大模型的研發(fā)需要非常高的投入。MiniMax目前并未披露融資信息，但其在招聘網(wǎng)站表示，“MiniMax由全球頂級投資機構背書，是目前全球該領域成長最快的準獨角獸”。

根據(jù)明勢資本官方消息，2022年上半年，明勢資本領投了MiniMax的天使輪融資。

3.創(chuàng)業(yè)是最好的方式，高校、開源、大廠都有局限

創(chuàng)業(yè)公司做大模型，是更難還是更簡單？對此，楊斌也分享了他的思考。

首先，為什么要做文本、語言、視覺三模態(tài)？因為目前我們能消費到的幾乎所有數(shù)字內(nèi)容都是這三模態(tài)的組合排列，包含圖片、小說、視頻等。只要能做好這三個模態(tài)的基礎大模型，就能提供非常好的內(nèi)容生成能力。

楊斌表示，在組織架構層面，為了做好三個大模型的研發(fā)，其實并不需要像現(xiàn)在的公司一樣，有成千上萬個研究員、工程師，每個人都做流水線上的小螺絲釘。由于三個模態(tài)不分家，其實只需要一個非常小的團隊，來共同維護優(yōu)化這三個大模型，以及做好用戶閉環(huán)就可以了。

目前MiniMax的團隊人數(shù)在100人左右。

楊斌也談到了對于大模型的制勝點：大模型的系統(tǒng)優(yōu)化，只有以創(chuàng)業(yè)公司的方式才能實現(xiàn)最高的效率。

楊斌認為，如果在高校做，資源會太少；如果用開源的方式做，因為開源本質(zhì)上是在做局部優(yōu)化，開源只適合小模塊、一個齒輪，而MiniMax要做的復雜系統(tǒng)需要集中量來做系統(tǒng)性的全局優(yōu)化，開源也行不通。

如果是大廠來做，也不一定行得通，因為大廠有之前的商業(yè)包袱或者技術包袱，這勢必會在優(yōu)化最終目標的時候產(chǎn)生一些不必要的累贅。

谷歌就是一個很好的案例。雖然谷歌內(nèi)部也有比肩OpenAI GPT模型的對話應用語言模型LaMDA，但直到現(xiàn)在谷歌仍不愿向公眾發(fā)布LaMDA。谷歌完全有能力拿出類似ChatGPT的成果，但一旦出了紕漏，無疑需要承擔更高的經(jīng)濟、聲譽成本。近期谷歌為了對抗微軟匆忙發(fā)布的聊天機器人Bard就證實了這一點。

因此，MiniMax團隊最終決定既然要做，就從最可能選擇把這件事發(fā)揮到極致的路徑，也就是從頭開始創(chuàng)立一家創(chuàng)業(yè)公司。

4.首款產(chǎn)品Glow用戶數(shù)破百萬

Glow是MiniMax首款C端產(chǎn)品，和ChatGPT百科全書一樣的回答不同，Glow的定位在AI虛擬聊天社交軟件，主打聊天、陪伴等情感功能。

Glow的基本玩法是在應用中創(chuàng)建“智能體”——即虛擬AI機器人，可以根據(jù)用戶意愿賦予其性格，實現(xiàn)實時溝通、互動并建立情感連接。

用戶可選擇公開智能體，其他用戶均可和智能體對話；也可選擇不公開，創(chuàng)建自己的專屬智能體。此外，用戶還能夠在搜索框內(nèi)用關鍵詞搜索有相應特征的智能體來對話。

用戶和智能體的每一次對話都會成為對智能體的一次訓練，智能體會根據(jù)用戶對話的引導，對同一問題回復不同答案。

在“話題”功能中，用戶可以創(chuàng)建自己感興趣的話題，還可選擇關聯(lián)自己創(chuàng)建的相關智能體，以便其他用戶在該話題下與智能體對話時有更好的對話體驗。

Glow還有“記憶簿”功能，能夠將用戶與智能體的對話封存，在用戶需要時調(diào)取特定時間的對話內(nèi)容。

目前來看，Glow的文本理解與生成能力更強，在對話過程中，智能體還不會回復表情包，但偶爾會跳出一個emoji。

對此，楊斌表示，現(xiàn)在技術上已經(jīng)能夠通過一定設置讓智能體發(fā)送圖片，但這種方式略顯生硬，有好的解決方案后會進一步改善。

整體來看，和Glow智能體的對話體驗較為流暢，且表現(xiàn)出更強的人格性，會給用戶帶來很強的陪伴感。此外，在對話過程中，涉及“中國”“國家”等詞匯，會被判定為敏感詞，而無法發(fā)送。

Glow現(xiàn)已上線四個月，注冊用戶數(shù)量達數(shù)百萬。

AI大模型的商業(yè)落地仍然處在早期，MiniMax已經(jīng)憑借先發(fā)優(yōu)勢提前邁出了一步。而從整個行業(yè)來看，這場新的AI競賽可能才剛剛開始。

標簽：ChatGPT