61.Minimax上市，与大模型牌局的三年演进｜对话云启陈昱

他们评价你是科技领域最好的投资人之一。

我更像个猎手。

这期节目发布的时候，MiniMax 已经上市了。你初次见到闫俊杰的时候，觉得他是一个非常聪明、有野心、对技术极度信仰的人。投他的时候，你觉得这件事有多大的概率能成？

Mission Impossible，但是作为一张彩票，我是愿意去赌的。

最早算这笔账的时候，有算出一个数字吗？

如果讲得更清楚一点，第一轮要的就不是 2,000 万美元了。

记忆当中，2024 年是一个不停交锋的过程。3 月份可能是一个分水岭，Kimi 非常大额的融资，传说中阿里最后杀进来的那一轮，对整个市场格局产生了变化。

融了钱以后该怎么花，其实各家都有不同的做法。这是一家商业 sense 最好的大模型公司。2023 年是 Glow，2024 年是海螺，它都没有正面卷着 LLM 的变现。

字节早期也有意向接触过 MiniMax。2024 年 6 月，字节做了一个很大的决定，要自己 all in；同期幻方也决定自己做大模型。

DeepSeek 出现以后，行业出现了一条分岔路。它一分钱广告费都没花，却一下子取得了数倍于它们的一些数据，直接造成了整个行业的反思。

大模型牌桌上的这些公司，到底形成差异化了吗？现在我们会看的一点叫作 model orchestration，集众模型之所长，实现 performance。它是一个权衡综合的艺术。

MiniMax 跟字节是不是早晚有一战？

嗯。

哈喽，大家好，欢迎来到漫谈 Light Star，我是诗杰。2026 年 1 月 9 日，曾被称为大模型六小龙之一的 MiniMax 敲钟上市。作为中国大模型创业公司中估值最高、C 端产品力最强的独角兽之一，MiniMax 的上市不仅是这家公司自己的里程碑，更为整个一级市场提振了信心。过去三年的模型之争，上千亿资金投入其中，是一个漫长又惊人的烧钱故事。随着智谱和 MiniMax 成功登陆二级市场，模型创业公司终于证明了其打造一个健康商业闭环的可能性。本期节目我邀请到了 MiniMax 的天使投资人，云起资本管理合伙人陈昱。作为完整经历过上一轮自动驾驶周期，并精准捕获本轮大模型浪潮的资深投资人，陈昱在三年前究竟看到了什么？我们复盘了这激荡的三年，从 MiniMax 的技术信仰到模型差异化的路线之争，再到通用智能的畅想。此外，在陈昱投过的绝大多数独角兽项目中，他都是天使轮就进入，这期节目他也分享了自己的投资心得，对 AI 两轮周期的观察，以及对技术型创业的理解。欢迎陈昱老师跟我们的观众先打个招呼吧。

嗨，大家好，我是云起资本的陈昱。

他们评价你是科技领域最好的投资人之一，今天开场还是想先跟你聊聊投资问题。之前 Wondery 的创始人曹曦在接受采访的时候说，看到好的投资就像看到一道闪电，你有共鸣吗？

其实我的风格和他不太一样。对我来说，我更像是个猎手。我在决定进入一个行业的时候，会对它做深入的研究。

那你当时是怎么决定加入 VC 这个行业的？你前面是个创业者。

其实我在 2008、2009 年还在 Google 工作的时候，就已经有这个想法了。

Google 当时会定期邀请社会各界知名人士来交流，不局限于技术本身。有一次他们邀请了 YC 的创始人 Paul Graham 来分享做 YC 的经历，当时我触动特别深，才知道当年最伟大的一些公司，从早期的英特尔、思科，到后来的 Google、Facebook，背后都离不开风险投资的支持。

这就像打开了一扇门。实际上，你可以通过资本的有效配置去影响这个世界。这也是为什么我会去申请芝加哥大学的 MBA，然后离开 Google，转向做风险投资。

读 MBA 和做投资人之间的关联，是因为我当时列了一张清单：如果我要做一个用科技改变世界的投资人，需要做什么？

首先，我有行业背景，这已经打勾了。那我缺的是什么？一个是金融知识，另外一个就是创业经历，我需要补上这两课。所以离开 Google 后面的那几年，我就是想办法把这两课补上。

为什么想要做投资人？结果你回国还是先创业了。投资和创业就像一张纸的 A、B 面，最好就是两边你都经历过。

就像我的一个偶像雷军。雷军在做投资之前是非常成功的创业者，包括他现在也是非常成功的创业者，同时还是非常成功的天使投资人。随着阅历的增加，我越来越佩服他的一些决定。

比如他当时出来创业，为什么选择手机这个行业？因为手机毕竟是个特别大的行业。只有做一个足够大的行业，你才有可能做出一个足够大的公司。

这也影响了我后面的投资逻辑：我会对一个赛道的大小给予比较大的权重。大的赛道，只有这样才能够出大公司。无论是自动驾驶，还是现在的大模型以及具身智能，其实都非常符合大赛道的定义。

第二个，他创建了顺为资本，顺势而为。我后来发现这是非常对的。很多时候，只有顺着趋势去做，才能够事半功倍。很多时候一个行业做不下去，可能就是因为一些先决条件还没有 ready。

那你后来怎么抓大势呢？

刚才提到，我是一个有准备的猎手。我在决定去看一个行业的时候，肯定是有些东西会触动我，引发我做这个决定。

其实 2016 年对我来说是蛮重要的一年。那一年我决定去看两个行业，一个是机器人，一个是自动驾驶。这两个归结起来，就是今天所谓的物理 AI。

我当时为什么去看机器人？原因是那几年中国发生了一件事情：改变了已经实施了 20 多年的计划生育基本国策。我们也知道，国家不会无缘无故地去修改国策，这里面必定发生了一些事情。

后来我们去翻人口年鉴，就发现生育率下降以及老龄化的趋势已经变得比较显著了。到后面，如果要用科技解决这个问题，无非是两种方式：一种是生殖科技，用科技手段让大家生更多小朋友；另外一种是用机器人或自动化手段去补充劳动力。

自动驾驶的投资意义也类似。那一年我去美国出差，去了 CMU 所在的 Pittsburgh。Pittsburgh 其实是 Uber 自动驾驶的一个中心。当时我有幸乘坐了 Uber 的一辆无人驾驶汽车，感到非常震撼。

虽然我一直知道 Google、Waymo 做了很多年，百度可能 2014 年也开始了所谓的 Apollo 计划，里面的带头人还是我在 Google 的前老板王劲，但这些信息都不如亲身体验来得震撼。

我当时觉得，自动驾驶已经不仅仅是一个 demo 了，已经接近一个可以推广到全社会的成品。中国是一个很大的汽车消费市场，每年的乘用车销售量在 2,000 万台以上，再加上这么多人口和出行需求，所以我相信自动驾驶未来在中国肯定大有可为。

所以当时我也决定去看自动驾驶这个行业。这两个例子说明，我不是一个案子来了以后，刚好碰上了，觉得好就去做。更多时候，我是先决定去看什么行业，然后以一个 top-down 的 approach 去做研究，最后实施投资。

如果用一句话概括你的投资风格，会是什么？

我喜欢投那些聪明、诚实、有野心的年轻人。

聪明，意味着有极大的概率把事情做成；有野心，意味着他追求一个大的结果，这样投资人才可能有回报。

那为什么诚实很重要？

在中间的过程中，你可能会经历很多事情。做决定的时候，一定得客观、诚实地面对每一个决策，不然很容易为了短期利益做出错误的决定。

另一方面，对于投资人来说，如果创业者不诚实，你怎么敢把这么多钱交给他去打理？这需要一个基本的信任。

你曾经在 Google 工作过，接触过全世界最顶尖的人才。Google 有没有给你留下什么肌肉记忆？

我是在 Google 刚上市的时候加入的，员工号大概是一万号左右，还是非常早的阶段。

当年的 Google 和现在的 Google 也很像，人才密度极高。你真的可以看到全世界最聪明的工程师，去解决世界上最难的技术问题。

和这些人一起工作，你能够天然地看到他们解决问题的方式。这对我影响很大，也让我能够比较好地甄别什么是有天赋的工程师。

一个人的技术到底好不好，可能并不一定要了解他的技术本身。但你可以从他对基础问题的理解、对世界的认知里面，判断出他的技术水平。

能举一个例子，让我们感受一下吗？

这个例子其实也蛮难举的。很多时候，我会问一些细节，看他怎么去看待一个复杂的问题，有没有能力把复杂的问题分解，用适当的工具去解决。

他在思考终极愿景的时候，是否能够考虑到事情的规模，而且这个规模往往也会和其他很多东西，包括技术、成本、商业模式，产生紧密联系。

通过和他探讨要做的事情，以及回答问题时的细节，大概就能够判断他有没有能力把这件事做成。

恰恰你是在全球最优秀的公司见到了世界最顶级的人才。当你再回到中国做投资的时候，会不会有一种“除却巫山不是云”的感觉？

这个我倒觉得还好。这个世界上都是英雄辈出的。

像 Google 里面，我们当年非常敬佩的一个人叫 Jeff Dean，也流传着很多关于他的神奇故事。但这个世界上不是只有 Jeff Dean 一个人。像 Jeff Dean 一样的人，其实也是有很多的。

这么多吗？

对。天才只是人群中的一个比例，可能是万分之一、十万分之一。但你要知道，地球的人口基数很大，这种人并不缺，缺的是发现他的眼光。

全球参与 AI 研究的研究者和工程师里面，百分之六七十肯定也是中国人，或者至少是华裔。

MiniMax 的创始人闫俊杰前不久上了罗永浩老师的访谈。他提到一个观点：最早的 Scaling Law，其实是在 2017 年百度的硅谷人工智能实验室发现的，但最后 Scaling Law 却被一家美国公司，也就是 OpenAI，做成了 GPT-3.5 和 ChatGPT。

他说这件事对他触动很大。为什么最早在中国公司发现的一个定律，最终却被美国人应用成了非常好的技术范本？

这里就不得不提百度。百度也是一个伟大的、神奇的地方。

它早在 2013 年就成立了深度学习研究院。那个时候，我相信中国其他公司对深度学习这个未来改变世界的大杀器，了解还非常有限。

2014 年，百度也开启了 Apollo 计划。中国现在所有自动驾驶人才，基本都能够溯源到百度这个黄埔军校里面。

百度无论从技术还是商业上，其实都有独到的眼光，也聚拢了一大批人才。包括后来成立 Anthropic 的 Dario，他其实也曾经在百度美研做过语音识别项目。

他在这个时候也发现了 Scaling Law。但是百度虽然每次都发现得很早，却不能够把方针执行下去，所以虽然先做了这么多事情，到最后却没有成为大成的那个公司。

所以你觉得这当中是组织的问题，还是人才的问题？

这里面是组织目标的问题。目标到底是每个季度给华尔街交一份漂亮的报表，还是我真的要勇攀高峰，就像 OpenAI 一样，最终要实现 AGI 这个崇高理想？

组织有不同的目标，最后的行为和结果就不太一样。

最顶尖的人才不喜欢天天做短期的事情。像 AGI 这件事，虽然我知道大概的目标在哪里，但中间的整个路径是漫长的。按照季度去做规划，这种短期规划必然不可能解决这种长期、未知的问题。

所以百度在做特别宏大的方向时，注定会遇到困难和挑战。

你刚才讲了喜欢投大的事情。如果一件事是大的、远的，就意味着有不确定性。有不确定性的时候，往往需要有信仰的人才能够推动它、贯彻它。

因为你投早期项目，在早期接触这些创业者的时候，怎么去辨别这个人有没有信仰？信仰会是你投资中很重要的一环吗？

我觉得还是挺重要的一环。如果没有一些信念，很难在遇到困难的时候坚持下来。

而且从一个后验的视角去看，我投出来的一些独角兽，无论是 PingCAP、元戎启行，还是现在的 MiniMax、自变量，它们的特点都是：Day One 讲的东西，过了这么多年到现在也没有改变。

在我们这期节目发布的时候，MiniMax 应该已经上市了。你第一次见到闫俊杰的时候，Day One 他跟你说要做的事情是什么？

当时我们聊了一个晚上，讨论更多的是技术问题以及对技术问题的看法。尤其是他提到，基础模型这个范式可能是通向未来 AGI 的一条路径。

因为我投过自动驾驶。自动驾驶首先是一个特别复杂的 AI 问题。之前大家的解决方案，是为了一个小问题专门训练一个小的专用模型去解决。比如变道是一个模型，处理某些特殊情况可能也是一个模型，再把它们耦合成一个大的人工智能系统。

但闫俊杰的观点是，最好的方式可能是训练一个基础大模型。这个大模型能够解决所有问题，而不是一个问题用一个模型去解决。这样可能会是一个更加高效的方式，也更符合人这个生物大脑的思考方式。

我们两三个小时的见面，其实充斥着类似的讨论。这条路线就是今天的大模型。

他有没有告诉你，为什么会有这样的判断？

他当时没有告诉我为什么会有这样的判断，但我敏锐地把握到，这可能真是一个全新的技术范式。

作为投资人，我也聊过无数 AI 项目。自动驾驶更多是 CV、NLP，解决问题的方式大同小异，使用的是一些小规模的、10 亿参数以下的专用模型。

我有一个钉子，就造一把适配的锤子去锤它。但没有人说我要造一把足够大的锤子，这把锤子可以锤世界上任何一个钉子。这就是通用的概念。

你们第一次见面之前，其实 GPT-3.0 已经出现了，但当年的影响力没有那么大，直到 GPT-3.5，也就是 2022 年 11 月、12 月，它的影响力才迸发出来。

之前我听国内 AI 圈的人说，GPT-3.0 出现的时候，AI 前沿的一些学者已经开始意识到 Scaling Law 是 work 的，接下来只是一个工程问题。即便如此，当时在国内做大模型的人还是非常少，屈指可数，闫俊杰就是其中一个。

当年智谱也算另外一个。

这非常符合你所说的“聪明、有野心、要做大事”。决定投资 MiniMax 这件事，对你来说没有特别多的挣扎，是吗？

其实没有太大的挣扎。第一，他是一个非常聪明的人，又有野心去解决一个超级难的问题，就是 AGI。这本身听起来就非常性感。

他当时真的说的是 AGI 这 3 个字吗？

具体细节我不太记得了，但即使不是 AGI，和这个也没有什么区别。

当时投他的时候，你觉得这件事有多大的概率能成？

应该说概率是很小的。

你为什么还要投？

美元投资和人民币投资，一个很大的风格差异是，你会在早期去投一个成功概率很低，但一旦成功就是非常 disruptive 的想法。

回到投 MiniMax 天使轮的时间点，那时中国一级市场处于比较低迷的状态，一个旧周期结束了，一个新时代开始了。

这也和不同管理基金的风格有关。我们的风格是希望投资是一个匀速的行为。无论市场火热还是冷淡，我都会保持相对平均的出手频率和资金量。

你和你的机构有没有思考过，如果出现一个新的周期，我们要扮演什么样的角色？

你说到这点很好。VC，特别是早期投资，投的是一个变量。对于科技 VC 来说，我需要一个大的技术变革。

2021 年的时候，其实有一段时间我们还是比较迷茫的。技术在 2019、2020、2021 年实际上相对停滞。投资 MiniMax 的时候，也是对新技术的一次尝试，并没有意料到后面整个基础大模型技术真的会深刻改变人类。

你如果问我有没有看到它的后续影响，我诚实地回答是没有。但是作为一个可能解决很大问题的方式，或者说一张彩票，我是愿意去赌的。

ChatGPT 出现之后，你有没有第一时间联系闫俊杰，还是他联系的你？

没有。闫俊杰在那之前两三个月就已经把重心放在语言模型上面了。

当时他有跟你们提到 OpenAI 这家公司吗？

其实不用他提，大家都知道。OpenAI 和 DeepMind 差不多时间成立，大概也是 2015 年左右。它的目标是解决 AGI 问题，大家都知道。

它很像一个研究所或实验室，尝试过无数的 idea，包括打游戏。OpenAI 去尝试大语言模型的时候，一开始也只是两三个人的小 project，没想到最后做成了。

我采访过当时参与 ChatGPT 项目的 OpenAI 科学家。他们说，ChatGPT 这条路线本来是一个边缘路线，而且 GPT-1、GPT-2 从产品来看，其实是非常烂的产品。

所以那个时候、我指的是在聚焦语言这条线之前的 MiniMax，会更像 OpenAI 当时那样，处于研究各种技术路线、不断探索的状态，还是说它当时已经有一个蓝图了？

我觉得他们在 2022 年有几个东西是确定的。

一个是他们想做 To C，觉得 To C 的天花板更高。但最终形态到底是什么，大家也要摸着石头过河。

另外，他们确立了需要同时做 3 个模态，就是语言、声音和视频。其实到现在看，它还是在坚持这一点。

为什么需要这几种模态？

这是它当时设想的终极 To C 形态所需要的技术。

MiniMax 很早就押注了 MoE 架构。2023 年这还不是共识，实际上到 2025 年才被全行业跟进，这也是 MiniMax 早期押对的一个方向。

为什么会考虑这个方向？这点其实和 Google 很像。因为它一开始就想，如果这个产品做得很成功，成功以后计算资源的消耗会非常巨大。

你想想，同时有 1,000 万个人和 AI 聊天，要做推理，算力肯定会爆炸。在这种情况下，哪怕我能省 1% 的算力，也是账单上的巨大节省。

所以当时就要探索，怎么能够在最大程度保留智商的同时，把算力需求降下来。出于成本压力，他们就得探索这条路线。

但探索一个新的架构是非常难的事情。MoE 最早已经有 Mistral 在做了，闫俊杰看到了其中的价值，就愿意全力去赌这样一个技术路线。想法听起来简单，但里面有无数的工程细节。

投资人有压力吗？闫俊杰有压力吗？

肯定都有压力。如果 6 个月里面你的模型性能没有任何变化，那其实就已经落后同行很多了。

现在大家有一个说法，大模型的排名是“3 个月季度排位赛”。

对，每 3 个月就会大变天。所以只有不断训练最好的模型，才能够继续留在牌桌上。

那 MiniMax 的股东们会传导压力吗？

其实有一阵子，像 DeepSeek 出来以后，因为 DeepSeek 的性能比当时绝大多数模型都要好，这个时候股东和公司之间形成了一个讨论：我们是否应该把更多资源投入到已经领先的视频模型上，一直保持这个优势；还是说大语言模型也不能落下？

闫俊杰明显有一股劲，就是“我要所有东西都能做好”。他要做六边形战士。

后来 2025 年发生的故事大家也知道了。这一年发布了两个大的版本，一个是 M1，一个是 M2。M2 的模型全方位达到了第一梯队。

这个时候股东们才算把一块石头放下：MiniMax 真正做到了在每一个模态上都保持比较好的水平。

这个结果出现之后，MiniMax 和股东们一起讨论，最后的结果是什么？

最后的结果是，公司坚持不放弃任何一个模态，也会把精力放在 LLM 上面。

而且 LLM 在今年有一个比较大的变化，就是场景会更加聚焦于信息获取，慢慢转移到推理、编码以及 agent 方面。

我很好奇，MiniMax 最初的融资 PPT 里面都有哪些重点？

他们每次融资都没有变的一页，就是我刚才说的 3 个模态都做的那一页。那一页最让人印象深刻，也最重要。

MiniMax 从成立到上市的速度非常快，可能是破纪录的，4 年出头。

对。它 4 年就能够上市，和团队的执行力很有关系。他们不断把模型性能做上去，有很好的模型产品。

另外一方面，在商业化上也有很多不错的探索。无论是 Talkie 还是海螺，都是很好的商业模式。

MiniMax 的上市，对其他大模型创业公司来说有启发意义吗？

今天讲大模型，它是一个 big money 的游戏。所有大模型公司都融了很多钱，也都面临退出的问题。

我相信，能够上市的公司都完成了第一步，就是要有好的模型产品。第二步就是各显神通：怎么利用自己的模型去变现，大家选择的路径不太一样。

智谱做了很多 To B、To G 的生意。MiniMax 更多是以标准化产品为主，无论是 API 产品、agent 产品，还是以社交产品为抓手，去形成变现。

我们把视线拉回到 2023 年初，中国大模型浪潮一下子沸腾起来的时候。你经历过前两轮 AI 浪潮，2014 年的 CV 和 2016 年的自动驾驶浪潮。碰到第三股浪潮的时候，你是什么样的感受？

第一波浪潮我当时还是旁观者，因为云起资本是 2014 年底才成立的。

2016、2017 年的时候，早期投资窗口其实也就只有几个月时间。后来跑出来的那四家独角兽，如果你不在 2016 年第四季度和 2017 年第一季度投资，基本上就投不到了。

为什么只有几个月的投资窗口？

一个原因是，自动驾驶行业当年万事俱备，只欠资本东风。后来被证明留在牌桌上的独角兽玩家，都在那两个季度出现了。

当然这是一个后验的视角，回头看，两个季度不投，后面就很难投到这四家。

回头看大模型，其实投资窗口也非常窄。2021 年它还不是一个共识赛道，到了 2023 年大模型迅速形成共识以后，所有项目都在 2023 年前两个季度出现了，所有玩家悉数登场，无论成功还是失败。

2023 年给我最大的印象，就是那一整年都是一场投资乱战。

你当时对于这一年的回忆是什么样的？

大家首先都非常兴奋，好不容易看到一个技术范式的变革，这一点很快形成了共识。

做这样的事情可能需要大量资金，但资本的数量是有限的。大家就得想办法搭好一个团队，迅速获得资本青睐，拿到有限的几张上船船票。

当时有很多成功和不成功的例子，也证明了一个问题：在一个具有历史负担的旧体系里面，很难做出这种改变世界的项目。

比如当年的王慧文，还有出门问问的李志飞。

李志飞也是你当年的同学。

对。他当时也想过，是不是不再继续做出门问问，自己专门去做一家大模型公司。

他的判断是对的：如果继续在出门问问这个体系里面做，实际上这件事情是做不成的。

另外一个相反的例子，是杨植麟从循环智能出来。我觉得这是一个非常正确的决定。

主要是两个人当时的状态不太一样。出门问问当时快要上市了，而且李志飞是一把手，你要找个人来代替一把手，相对比较难。

但杨植麟在循环智能里面甚至还不是 CTO。两个人在这家创业公司里投入的时间不一样，股东的参与程度也不一样，所以确实没有办法直接比较。

不过，他们也证明了一点：在一个具有历史负担的旧体系里面，很难做出改变世界的项目。

我八卦一下，既然李志飞是你的同学，你当时作为投资人，会怂恿他说“你要出来做”吗？

其实他每周都会给我打一个小时电话。当时我给他的建议，包括他自己也承认的一点，就是这件事不能在旧体系里面做。

但有一个问题，你需要有一个职业经理人去把他的盘子接下来。第二，你还得和老股东沟通。

最后很可惜，没能实现。他曾经也想过和王慧文搭档，但后来两个人没有搭成。

不过大模型、自动驾驶和其他强技术项目都是一样的，最后还是得让技术人做一号位。不然你对人才没有号召力，也很难把控项目的走向，因为项目的走向和技术发展密切相关。

所以如果李志飞最后真的出来了，你会投他吗？

我有可能会支持他，出于对同学的支持。

我真的很好奇，如果 2023 年没有发现 MiniMax，你会投别的大模型公司吗？我知道你最终其实没有投别家大模型公司。

我没有投别家的原因在于，如果我们在一个赛道里面要重复下注，必须满足一个条件：我投的每一家公司，都要和其他公司在技术上或者商业模式上有非常大的差异化。

我自己的理念是，要投就投那些即使在大赛道里面，也有足够差异化的公司。

比如自动驾驶，我投元戎启行和新石器，它们的差异化就是一个做乘用车，一个做商用车，成功要素非常不一样。

回到大模型，一个问题在于 MiniMax 已经是六边形战士，把多个模态都做了。大模型里面，技术路线其实也高度趋同，无非是 MoE 早做晚做，或者大家现在都在研究 Efficient Attention。

你会发现，很难讲出一个清晰的差异化。所以我既然已经投了 MiniMax，再去投一家相似的公司，可能性就不大。

但我肯定也在努力了解其他竞争对手，万一他们真的有独特之处呢？

所以不重复下注，是基金规模决定的，还是你自己的理念？

我觉得是我自己的理念，但也不至于说一个赛道只能投一家。

我想跟你复盘一下从 2023 年到现在，已经快三年的时间里，大模型领域，尤其是中国大模型梯队演化的进程。

刚才我们讲了 2023 年一整年是投资战，你觉得上半年和下半年有什么区别吗？

投资战主要发生在上半年。下半年 MiniMax 开始做社交了。

从 2022 年底的 Glow 开始，到 2023 年下半年，从 Glow、星野到 Talkie 这样的完整社交产品，第一次让大家看到了大模型的变现方式，产品形态也是大家第一次见到。

印象当中，2023 年年底，我很明显地感受到这些做基模的创业公司好像有一股商业化压力。市场上常有声音说，估值这么贵，但是又看不到任何赚钱的希望。

今年 MiniMax 的收入体量已经接近 1 亿美元，相对来说，这种声音会比以前小一点。

当要做大规模的算力、数据和算法投入时，需要的是巨大的资源。

MiniMax 最早算这笔账的时候，你们有算出一个数字吗？

如果想得更清楚一点，可能第一轮要的就不是 2,000 万美元了。

我记得王小川 Day One 创立百川的时候，就算过一笔账：5,000 万美元去启动大模型训练，早期是没有问题的。

中国资本市场还是能够支撑这么大规模的投资。像滴滴当年融资，其实也不止 100 亿美元，是几十亿美元。资本市场还是能够接受的。

2023 年印象很深的是下半年，Kimi 站在了大模型创业公司梯队的舞台中央。

这里面可能有一个分水岭。大模型公司感受到融资压力，可能是在稍微晚一点的时间点，也就是 2024 年 3 月份。

我还记得 2024 年 2 月春节刚过，我还在外地，就接到那家公司的电话，说 Kimi 很快会拿到一笔非常大额的融资。后来我们也知道，是阿里那一轮 8 亿美元的投资。

传说中阿里最后杀进来的那一轮，让融资总额一下子变得非常巨大，让他们两家站到了整个大模型融资的中心。手头上有这么多钱，整个市场格局也发生了变化，后面又引发了智谱的疯狂融资。

所以 2024 年上半年就是融资大战。这种融资压力一直持续到 2024 年，是吧？

对。融了钱以后该怎么花，其实各家都有不同的做法。

大家知道，Kimi 把更多的钱花在了投放上面。当然，我作为一个旁观者，当时觉得这不太理性，原因有几个。

如果今天豆包做得更好，大家是不会给它任何钱的。如果别人不收费，凭什么你能够收费？豆包当时不愿意收费，坚持免费。

但对于创业公司来说，这是致命的。因为创业公司没有大厂那样的其他变现渠道，只能靠融资去补贴。靠融资去补贴一个没有商业模式、也没有留存的 App，我觉得不是一个很好的决策。

反观 MiniMax，其实看到了 Sora 出现的机会。Sora 第一次让大家看到了视频生成的潜力。之前大家觉得 AI 生图是简单的，但从来没想到 AI 生成视频也能够这么快地用技术解决。

他们看到这个机会以后迅速跟进，在 8 月推出了海螺，海螺的效果也出人意料地好。

我记忆当中，2024 年是一个不停交锋的过程。

对。2024 年 4 月，Llama 3 开源是一个特别大的节点。

Llama 3 开源之后，国内很多号称要做基础模型的创业公司就下桌了。因为大家发现，当你还在讨论如何追上 GPT 的时候，Llama 3 已经把开源模型的基础能力推到了一个新的高度。

这个时候淘汰了一批创业公司。

到了下半年，阿里和字节明显提高了对大模型的战略决心和投入程度，模型价格战开始了，又加大了大家对基模创业公司的质疑：你能做得过大厂吗？

MiniMax 相对比较好的地方，是它当时和其他公司形成了差异化。无论是 2023 年的 Talkie 社交类产品，还是 2024 年的海螺，它都没有和其他人正面卷 LLM 的变现。

2023 年大家都在卷基础模型的时候，它已经先人一步去做语言模型的产品化。2024 年大家都在卷语言模型商业化的时候，MiniMax 又提前布局了视频生成。

所以大家一直对 MiniMax 的评价是，这是一个商业 sense 最好的大模型公司。它不只是在做基础模型技术，更重要的是对应用也从来没有放弃，实现模应一体，形成变现闭环。

字节早期也有意向接触过 MiniMax，其实也想过要投资。那为什么最后没有成？

我觉得到了 2024 年 6 月，字节内部做了一个很大的决定，就是要自己 all in。

对它来说，投资没有意义。要么我去收购，要么我就 all in 自己做。但收购的话，无论是当时在谈的 MiniMax，还是阶跃，都不可能愿意这么早被收购掉。

所以 6 月的时候，字节选择自己下场。

我也知道同期幻方决定自己做大模型，DeepSeek 是半年以后才为大家熟知的。他们为什么在那个时间点决定自己下场做大模型？

这个就不为人所知了。但是 DeepSeek 其实很早就囤了很多 GPU，甚至一度拥有最多 NVIDIA A 系列卡。

2023 年的时候，听说有 1 万张。

对。更早的时候，2022 年，甚至疫情期间，DeepSeek 的人也联系过我。

他们当时用这些卡做了一个算力平台，想把算力卖给有需求的公司。那时可能没有这么多大模型公司，他们想的客户主要是自动驾驶公司，所以我也帮他们联系、对接了几家自动驾驶公司。

幻方也以投资的名义接触了市面上的几家大模型创业公司。估计可能是在接触的过程中，梁文锋意识到这件事情的重要性，觉得自己也可以下场做。

当然，这整个是外人的猜测。传说中他也和一些投资人接触过，但他希望对公司有绝对的把控力，而且想做一个类似 OpenAI 的、非营利的组织。

对于 VC，特别是中国的 VC 来说，这可能不太可接受。所以最后梁文锋用自己的钱做了这件事。

2024 年下半年的时候，阿里自己也开始了模型价格战。对于你们来说其实还好，因为当时卖模型、卖 API 不是 MiniMax 的主要收入，给到你们的压力相对比较小，至少闫俊杰还是比较从容地看待和应付竞争的。

到了 12 月，DeepSeek 先发布了 V3，后来在 2025 年 1 月春节前发布了 R1。

它那种超一流的模型性能，一下子把大家拉回到现实：最后商业化的根本还是模型能力，而不是上面的一些营销花架子。

DeepSeek 出来以后，它的日活迅速超过了豆包和 Kimi。你知道，这两家公司都是投入了大量获客费用，才拿到千万级别左右的活跃数据。

但 DeepSeek 一分钱广告费都没花，日活一下子达到数倍于它们的数字，直接造成了整个行业的反思，可以说是石破天惊。

所以行业开始反思，还是得把模型性能做好，才能去讲其他事情。

对。不然根基不扎实，在市场上就没有竞争力。

DeepSeek 是一个转折点，把这些模型创业公司全部拉回到模型本身。

这里面首先让大家意识到，我的基模性能要提高；第二，大家需要做推理模型，要在后训练上面花更多力气。

MiniMax 有没有因为 DeepSeek 改变什么决策？

它引发了很多股东与公司的讨论：MiniMax 是否要继续做语言模型？

因为闫俊杰坚信它能够做出和 DeepSeek 相媲美的模型。在 DeepSeek 出现之前，MiniMax 会把更多重心、资源和注意力放在已经成熟产品化的视频、多模态能力上。

DeepSeek 出现以后，就出现了一条分岔路：到底是坚守并加重自己的优势，还是面对 DeepSeek，把语言模型也补上？

DeepSeek 之后，大家很强调模型的“智商”。既然 DeepSeek 的市场反馈让大家知道 reasoning 是特别重要的能力，而 reasoning 又是后续做 agent、做 coding 的基础，所以大家迅速调整方向，把资源放在这上面。

这也说明一号位懂技术很重要。在面临重大决策时，怎么做出一个更本质的选择，而且是基于技术的选择，这非常关键。

本来我想问 MiniMax 这家公司的信仰体现在哪里，我觉得这个十字路口就是一个很好的体现。

对。它是对技术极度信仰，所以在那个岔路口，它才会觉得推理也是很本质的事情，不能落下，也要去做，才有了后来的 M2。

M2 的整体性能一下子进入了第一梯队。

在坚定选择技术驱动的过程中，他们有没有放弃过一些短期更容易变现的方式或形式？

我觉得他们一直都是两手抓，就是既要、又要、还要，而且在 MiniMax 身上发挥得淋漓尽致。

在你眼中，这 3 年闫俊杰有什么变化吗？

我觉得更多要说的是，闫俊杰不变的是什么。

他不变的就是对技术的追求。在管理风格上，他是用人唯能。

那你觉得他的变化有哪些？

其实还好。我觉得他是一个非常 consistent 的人。从 Day One 我见到他，到今天，他做的任何事情都在我们的预期里面。

我观察到，2025 年硅谷有一个非常重要的变化，就是创业公司的分化。

像我们刚才聊到的 Anthropic，2025 年选择专注 coding 和 agent，被认为是更符合它创业公司身份的选择。因为你没有办法和巨头去 PK 六边形战士，那就可以选择在一些方面做专长。

与此同时，我们在下半年又看到 Google 重回王座，全面开花。而且更重要的是，按照年终来看，Anthropic 的 coding 能力在年中其实有断代式领先，但到 2025 年年底，其他公司也追得差不多了，它的领先优势没有那么强。

所以在硅谷，我听到一种声音，可能大模型最终还是巨头赢面更大，创业公司没有什么机会。你有听到过这种声音吗？你的观点是什么？

其实你看 OpenAI 也好，Anthropic 也好，它们从某种意义上也是巨头，因为手上也有百亿美元的资金。

它们拿着这么大的资金，专注做一件事情。你说 Google 能投入的，也不会比它们多太多。所以对它们来说，就是在做自己最擅长的事情。

Google 的产品线最丰富，人才密度和数量其实也是最高的，很自然会往六边形战士的方向发展。

Anthropic 是一家小而美的公司，恰好在它的历史发展过程中发现，代码编程是一个很好的商业变现模式，所以往这个方向 all in，也是很好的战略选择。

但这带来一个问题。MiniMax 在文本、语音、视频、coding 这些层面都抓得很紧，但它是一家创业公司。

它的优势在于，中国的人才成本相对美国低很多。第二，当资源受限的时候，就会想尽一切办法，无论从模型架构还是底层基础设施上去省钱。

这也导致中国公司用了更少的算力资源，却做出了很不错的成绩。虽然不一定能够做到 SOTA，但我觉得和美国的差距也就是 6 个月以内。

但我想问的是，MiniMax 作为一家创业公司，4 个维度都要全线作战，作为投资人有没有提过反对意见？

我们之前的争论在于，如果你都能做好，投资人当然不会有任何意见，就像现在一样，它 4 个方面做得都不错，所以投资人当然开心。

中间如果某一方面没有做好，投资人肯定会提出来：你是否需要战略性放弃，就像刚才说的那样。

但是闫俊杰自己是有骨气的。他和投资人沟通时说的第一点是“我能做，你让我做”；第二点是“几个月内我就能够让你们看到成果”。

他也不负众望。他的判断一直都是“我能做”。这是他根据团队技术水平和手头资源做出的判断，投资人很难做到这一点，因为你没有下场做这件事。

多模态有一个节点，就是 GPT-4o 出现的时候，这条路线被验证是正确的。

但对于 MiniMax 来说，会不会内心五味杂陈？一方面，技术路线被验证了；另一方面，作为一家创业公司，资源肯定更少，没有办法和巨头比较。如果这件事变成共识，还会引来更多竞争者。

如果在 2022 年，大家不知道需要投入多少资源去做这件事；但到了 2024 年，大家做了一年多以后，已经知道需要多少张卡、多少资源去训练一个模型。

这种情况下，只要你兜里有钱，心里就是有底气的。所以 GPT-4o 出来的时候，大家其实已经对资金消耗有了概念，反而没有那么焦虑。

Google 现在全面开花，你又是从 Google 出来的。这次回硅谷之后，有没有和 Google 内部进行一些有效交流？

我每年都会至少回去一两次，和他们聊天。

2023 年的时候，我记得大家刚从疫情里缓过来，还没有完全恢复状态，一周也就去一两天公司，很多时候在家工作。

到了 2025 年，大家每天都去 office。和大模型相关的组，比如 Gemini，以及 Google Cloud 里面的一些组，已经特别卷了，平均每周工作 80 个小时。

这在过去的硅谷是不可思议的。回到 2023 年，我觉得大家每周有效工作时间有 30 个小时就不错了。

你会看到，重赏之下必有勇夫。无论是股票、现金，还是这件事做成后对整个世界的巨大影响，大家现在都有了更强的动力去卷。

我听说 Google 的出现让 OpenAI 的压力非常大。

现在硅谷里面没有一个巨头没有压力。

一个是对方的巨额投入，以及不断有成果产出；第二，自从 Meta 这个搅屎棍进来以后，硅谷的薪酬又涨到了一个大家无法想象的水平。

薪酬压力对所有人都是一样的。

Meta 今年的表现很有意思。

当我们讲到 Llama 3 的时候，它在开源模型里还是绝对领先的。但今年 DeepSeek、千问这些来自中国的开源模型都超越了 Llama。Llama 4 本身对比 Llama 3 的成就也比较拉垮。

另一方面，今年中国开源模型也实现了反超。我很好奇，Meta 到底发生了什么，会有这么大的变化？

大家已经觉得 Meta 现在不在大模型这张桌上了。

提到大模型，大家最多提到的几家公司就是 Google、OpenAI、Anthropic，还有 Elon Musk 的 xAI，它们的模型也都是一流的。

自从 Llama 3 以后，Meta 就没有再推出过一款让大家满意的模型，无论开源还是闭源。

为什么？那肯定是组织架构出了问题。这也是为什么后来 Zuckerberg 会请 Alex Wang 去整顿整个 Meta AI 组织的一个重要原因。

可能是太多老人躺在功劳簿上，不作为。

我也听到一个没有被验证的消息。据说 Llama 现在招了很多人，是要把基础模型全部做一遍，不知道你有没有听说过。

但也有传闻说，它现在所谓的新的闭源模型，也是基于千问做后训练。

对，所以这件事众说纷纭。我们也没必要做这种无谓的猜测，就看 2026 年它到底能够拿出什么让大家满意的产品。

那硅谷这几家巨头的模型，现在呈现出差异化了吗？

我觉得它们是有差异化的，只是侧重点不太一样。

大家会说 Gemini 是六边形战士，而且是一个性价比很高的六边形战士；OpenAI 非常能够提供情绪价值，是一个陪伴者；Anthropic 则是编码必备的模型。

最近我刚好也在采访问算法 agent 的事情。算法程序员告诉我，大家都觉得 coding 最好的是 Anthropic，但实际上在算法层面，coding 最好的还是 Gemini。

这么说，反而给了应用层一个机会。否则如果模型把应用都做了，那其实就没有 AI 应用的机会了。

现在做应用，我们会看一点，叫作 model orchestration。

意思是，一个应用不是那几家建模公司的，不需要从政治正确的角度只使用自家的模型。我可以集众模型之所长，应用到底要解决什么问题，就去调用不同的模型。

这样能够实现 performance、cost 以及其他方面的 balance。最后是一个权衡综合的艺术。

这也是做 AI 应用的一个机会。

中国基模公司一开始在 2023 年被称为“六小龙”，今天可能剩下“四小龙”：阶跃、MiniMax、月之暗面和智谱，再加上阿里的千问、字节的豆包。

大模型牌桌上的这些公司，各自的模型和生态到底形成差异化了吗？

中国和美国有些类似，但差异化相对更小一点。

比如千问，开源做得特别好。开源生态无论在中国还是美国，都像 Airbnb 一样。它甚至公开承认，内部就是使用千问调出来的模型，然后在自己的系统里使用。

大家会发现，千问在开源生态方面做得特别好。

字节虽然模型表现不是最好的，但它的产品最创新，也触达最多消费者。不只是豆包聊天，大家也知道，前几周它推出了豆包手机和豆包手机 Agent。

它现在还在和各大车厂合作。以后你开车时，车里的智能座舱系统可能也会由豆包大模型赋能。

字节尝试的是把大模型的触角渗透到大家生活的方方面面，在 To C 领域不断扩大影响力。这也是字节、今日头条、抖音一直在做的事情。

但我感觉阿里现在也在探索 To C，最近在做夸克。

夸克肯定是精兵强将，但它和字节这么深厚的积累相比，还是有一定距离。

那其他几家呢？

快手的可灵，我们都知道它长于多模态。快手其实也有自己的编程模型。

我们来讲讲其他几家基模公司。你觉得它们形成了什么样的差异化？

在模型上，MiniMax 相对来说是个多面手，各方面都卷出了不错的水平，语音方面其实比较厉害。

智谱做了很多 To B、To G 的生意，但它自己也意识到，真的要突破天花板，也需要做自己的 To C 产品。

Kimi 一个是聊天 App，另外一个是它投入比较多的 Thinking 推理模型。它基于这些方向做更多尝试，可能也和股东的资源有关。

这些创业公司的模型差异化，相对美国来说小一些。为什么会这样？

因为它们没有那么多资源去投入，和我们的资本环境也有关系。

我们的国家无论一级市场还是二级市场，体量都和美国不能相提并论。

像 OpenAI 一个 CTO 出来创业，Thinking Machines Lab 第一轮就是 100 亿美元估值。你想想，中国的估值离这个还有很大的距离。

所以现在对于美元投资人来说，他们也很感兴趣中国项目，因为觉得中国 AI 项目很划算。

这么说吧，如果你今天是一个投资人，要投 AI 项目，除了美国，唯一的选择就是中国。

但放眼中美，在大国型战局里面，真正掌控节奏的还是拥有云厂商的巨头。

在中国，像阿里云、火山引擎，都可以用更低的价格售卖 API，也拥有中国市场上最大的算力。

创业公司面对这些巨头的时候，会不会觉得它们的压倒性优势太明显了？

所以你不能够去和它比拼优势的地方。就像你说的，同样都是卖 API，肯定卖不过云厂商。

这就是为什么需要做产品。因为产品本身卖的不仅仅是模型性能，也不只是算力价格，更多的是综合体验。

如果把产品化作为重点，To B 领域我理解还存在一些护城河，因为脏活、苦活、累活多。

对，服务本身就是壁垒，而且大厂可能也不是特别愿意做。

但 To C 就不一样。尤其在中国，今年我观察很多创业公司，都会感受到一种信心上的怯懦。

当我是做 To C 的，就必须绕开字节走。甚至我观察到，一些创业者索性放弃中国市场，直接去做美国，去做全球。

还好。像 Talkie，在它所在的社交、AI 陪伴领域，也没有占过下风。

MiniMax 跟字节是不是早晚有一战？

无论是社交产品还是模型产品，大家无非就是用脚投票。

因为我们录制的时候，MiniMax 刚好通过聆讯，招股书还没有出来。

对，过两天你就能看到了。

在大模型和应用层面，未来真正的差异化能在哪些方面体现？

差异化最根本的还是模型性能。但现在大家很难评估模型性能到底怎么样。

市面上有各种各样的 benchmark，大概能够让你知道它处于什么水平线上，但也不能完全相信 benchmark。哪怕 benchmark 刷得很高，实际体验也未必好。

今年有一个很热门的话题，就是吴恩达提出的大模型进入下半场。我们可能需要新的 benchmark 来定义模型好坏。

但实际上，新的定义也没有彻底出现。只要有一种新的 benchmark 出来，这帮聪明人肯定会想办法解决它。

如果 benchmark 数据是公开的，就有可能不小心把这些测试数据放进训练数据里。这个时候就相当于提前背了答案，分数自然很高。

另外一种方式是，这道题我做一次做不出来，但做 5 次就做出来了。原来限时 20 秒，我给自己 200 秒的思考时间，答案肯定会更好。

还有各种各样的方式，让我在 benchmark 上取得更好的成绩。

不断有人提出新的 benchmark，提出新的评估大模型的方法。只要它还有宣传价值，大家肯定会想着怎么攻破这个 benchmark。

当没有 benchmark 可以评估绝对好坏的时候，市场上的差异化怎么体现？

到最后大家就是用脚投票。因为使用大模型是要花钱的，我要花钱买 token，假设它不是免费的。

所以商业化收入还是一条主线。

没错。因为闫俊杰一直主张，AGI 是一条很长的路，如何可持续地坚持到那一天很重要。

通俗地翻译来说，MiniMax 选择的是“沿途下蛋”，一直不停地做产品和商业化。

这是他们天生的忧患意识，还是投资人影响的结果？

这是他们天生的想法。公司要想办法走得更快、更稳，避免犯一些错误，这些都是他们过去经历能够贡献的东西。

你之前在自动驾驶领域也积累得很深。回顾当年的历史，我们会看到当时也有 L4 和 L2 路线之争。

像小马智行这样的公司奔着 L4 去了，实际上现在市场上存活的另外几家公司，都是以 L2+ 的落地和商业化为路线。

自动驾驶这段历史，会不会在大模型这段历史当中重复？

市场上其实分成两派。一派是小马智行、文远知行，属于 L4 派；另一派是元戎启行、Momenta，属于 L2 派。

元戎启行成立之初其实也是 L4 派。周光后来发现一个问题：实现 L4 的成本实在太高，这样公司的成长速度以及技术普及速度都可能不够快。

所以他后来及时把公司战略从 L4 转向 L2+，也是希望让自动驾驶技术更快落地。这样在过程中不但能赚钱，还能够收集更多数据，让技术未来做得更好。

自动驾驶的路线之争，会出现在大模型的故事里吗？

大模型的路线不太一样。大模型其实没有这么大的技术理念分歧，大家的做法大同小异。

OpenAI 是喊实现 AGI 喊得最响的公司，也曾经被认为是技术信仰最强的公司。但实际上，它现在做的事情都是商业化。

我觉得主要是因为它在模型性能上遇到了瓶颈。

为什么预训练模型现在没有特别大的进展？因为大家已经穷尽了这个世界上可以使用的高质量文本数据。

后续当然可以请专家继续生成高质量数据，但数据生成速度是慢的。所以大家现在把精力放在后训练上面，同时也会受到资本压力。

最开始的几年，我可以花钱培育你的技术，但最后不能看到技术无法产生商业化。归根结底，还是要用商业化检验技术的可用性。

所以很有意思。在大模型的故事里面，现在我们在战局上没有看到任何一家像当初小马智行、文远知行那样，直接奔着通用 AGI 去，过程中完全不做 L2 的落地。

到最后你会发现，它们其实也是大同小异：我花很多年研发技术，突然有一天技术变得便宜好用，就会迅速商业化，迅速爆发。

举个例子，新石器所在的低速无人车赛道，很长一段时间，从 2018 年到 2024 年，行业发展都很缓慢，也看不到商业化机会。

但到了 2025 年，整个行业一下子爆发了。

这里面当然有技术成熟、成本下降，以及政府对路权态度开放等原因。但你会发现，一旦便宜、好用这两个指标都达到，整个商业化就会以指数级方式发展。

去年新石器全年部署了 1,000 台车，今年是 1.5 万台，明年是 5 万到 6 万台，每年都是数倍增长。

自动驾驶的元戎启行也可以看到类似的情况。今年是 20 万台，明年的装机量要突破 100 万台。

大模型也会有这么一个拐点。真正变得好用，价格也足够低的时候，收入就会上得很快。

感觉在大模型的故事里，玩家们都比较务实。这是资本市场引导的，还是事物客观发展的规律？

其实大语言模型的商业化速度远超自动驾驶。

现在 OpenAI 和 Anthropic 的收入体量已经是百亿美元量级，你不能说它们没有商业化。

大模型的故事里，非共识变成共识的速度急速缩短。

对，但中间其实酝酿了很多年。

从刚才提到的 GPT-1.0 开始，到 2022 年真正出现第一个让大家觉得可用的版本，已经过去了六七年。这六七年就等同于自动驾驶前面的技术投入期。

因为据闫俊杰自己的说法，MiniMax Day One 就是要做 AGI。你当时听到这 3 个字，或者类似的概念，和你今天对 AGI 的理解有什么不同吗？

现在我觉得大家对 AGI 的预期更高了。

原来大家觉得，和人类小孩的智商差不多，就是 AGI。到今天，大家甚至希望 AGI 超越人的智能，甚至达到人类智商总和的水平。

因为大家看到了大语言模型的潜力，所以预期也提高了。但现有的方法不一定能够达到大家的预期。

这就很像数论里的哥德巴赫猜想。一加二永远做不到一加一。用预训练模型、Transformer 这样的路径，你可能永远只能无限接近 AGI 的智能，却达不到 AGI。

我看你之前的采访说过，你之所以投资 MiniMax，是因为一直相信世界需要一个通用智能体。你为什么会有这样的相信？

我觉得这是大家对技术的追求和梦想。

这种梦想是怎么来的？很多人小时候都特别喜欢看科幻小说、动画片。在这个过程中，你肯定会想，未来有一天能不能做到。

每一个像我一样经常出差的人，都想要一个像哆啦A梦一样的任意门。小时候写作业的时候，也肯定想过，有一天电脑能够自动把题目看一眼就解出来。

实际上，大模型现在也做到了这一点。

所以这是人性使然。

对，这是人性使然。今天看到的很多技术，无论是大模型，还是视频会议，都能够在以前的影视作品或科幻小说里面找到它们的踪迹。

人类就是靠不断对未来进行幻想，一步步去实现这些幻想，推动科技进步。

云启一直的思路是投科技新基建。我看你过去比较关注数据库、自动驾驶和 AI，近几年在具身智能上也重拳出击。

待会儿再讲具身智能，先讲一下前面这几个方向。你觉得这几个方向在 AI 到来之后会有什么样的变化？

当年我们去投云计算、大数据，实际上也是在为 AI 时代的到来打基础。

今天所有 AI，无论推理还是训练，其实都在云上进行。因为数据规模太大，需要完善的数据处理方式和基础设施去支撑。

这些都是人类科技发展一步一步需要的东西，我们就把它搭建出来。

云和数据库是 AI 的基建。

对，云、数据库以及 GPU 芯片。但芯片我不投资，这些都是实现今天 AI 大模型的基础。

你为什么不投芯片？

每个投资人都有自己的 scope 和分工。我自己更关注软件上面的东西。

你投数据库有两个不得不提的案例，就是刚才讲到的 PingCAP 和 Zilliz。

我比较好奇，这两家所代表的数据库技术，在 AI 大模型时代需要做大的方向改变吗？

我觉得是有改变的。

像 PingCAP，最近一个很知名的案例就是支持了 Manus，它是 Manus 的底层支撑。

刘奇和我讨论这个案例的时候，说了一句很经典的话：未来 95% 的数据库都会是 AI 创建的。

现在的数据库，很多时候是人输入指令，说我要创建一个数据库，然后再去使用它。到现在，agent 要使用数据库的时候，agent 自己会创建数据库。

而且每天有成千上万的 agent 在运行，也会有成千上万的数据库在这个过程中被创建和销毁。这就是时代倒逼底层技术不断发展的过程。

这很有意思。PingCAP 也在跟随着时代和需求，不断迭代技术。

对。Zilliz 则更和大模型有关系，因为大家都知道，向量数据库就是大模型的外部记忆体。

自动驾驶已经进入深水区了，对吗？

对。自动驾驶现在是真正进入普及阶段了。

对你来说，是要进入收获时代了吗？

对，就是商业化爆发、收入暴涨，最后形成资本化的时候。

我想到一个很有意思的问题。之前你的投资案例里，PingCAP 应该是投资回报最高的典型案例之一。现在 MiniMax 会超越 PingCAP 吗？

那要看二级市场股民们给不给力了。

我看你这几年在具身智能领域布局得非常积极。咱们两周前在杭州参加群核的大会，我跟你聊过这个问题。

我发现，你在工业机器人 1.0 的机械臂时代其实没有重注，但在现在通用 AI 具身智能的时代，却非常清晰地做了重注布局，也投了很好的公司，比如自变量。

但我留意到，对于通用智能机器人这个行业，在 VC 圈其实很有争议。有同行觉得，通用机器人行业还早，还没有到 VC 该出手的时候。你怎么看？

上一代的时候，工业机器人相对来说是一个比较小的行业。

正好在 2016、2017 年，像刚才提到的，我们还有自动驾驶、服务机器人等看起来更大的赛道。所以在赛道选择上，我肯定愿意把钱押在潜力更大的赛道上。

回到今天，我们会发现，随着技术发展，过去可能一个机器人只能解决一个任务、一个场景。

但现在由于所谓通用智能的发展，已经能够看到机器人像人一样，通过一个大脑完成很多通用型工作。这为通用智能的实现打下了很好的基础，也让潜在市场变得更大。

所以从市场和赛道选择上，我觉得现在是一个可以出手的机会。

这解释了你为什么出手，但你怎么看有人觉得这个行业还早，还没到 VC 出手的时候？

我不知道这个结论是怎么来的。

从我的角度看，我看过 10 年前自动驾驶的状态，其实和今天具身智能的状态是类似的：已经有完成度很高的 demo，需要资金投入，让性能进一步提升。

商业化成本下降，达到某个拐点以后，便宜、好用两个条件满足，商业化就能够迅速实现。

但到底是今年、5 年后还是 10 年后，我说不清楚 timing。我们有能力，也有耐心去等待。

说到这个，我要给大家科普一下你的历史。你的投资案例当中，绝大部分独角兽你都是天使轮、第一轮就进入，除了 PingCAP，对吧？

对。如果想在第一轮投中某个大技术的玩家，投资窗口其实也就一两个季度。机会来临时，你得迅速抓住，但前提是要提前做好功课。

你们会格外关注年轻人吗？我留意到现在一级市场也有一些机构特别喜欢投年轻人，尤其是“00 后”。

你要看美国的历史。无论 Google、Facebook，还是当年的 Microsoft、Bill Gates，他们创业时其实都没有超过 27 岁。

所以我觉得 27 岁是一个特别神奇的数字。

今年我们基金推出了一个 Y Transformers 年轻人计划，专门投资 27 岁或以下的创业者。他们可能会给这个世界带来无穷的可能性。

那就是 1998 年以后出生的人。

对。

所以 27 岁是一条金线吗？

27 岁是一条金线。

从历史上看，并不是说我们不能投 27 岁以上的创业者。我们还有主基金，主基金肯定不限制年龄，但还是会就事论事。

我们专门划出一笔钱，想办法支持这些年轻、有想法、想改变世界的人。

这个行为其实已经代表了你们的立场。

对，这是一个立场，我们站在年轻人这一边。

早期投资其实是投人的艺术。你投了这么多独角兽，对人的判断肯定是有的。

你自己是技术出身，会格外青睐那些技术信仰者吗？

我用自动驾驶的投资来举个例子。我并不是所有项目都投技术型创业者。

自动驾驶两个比较有代表性的案例，一个是元戎启行，一个是新石器。元戎启行做乘用车自动驾驶解决方案，新石器做低速商用车解决方案。

它们遇到的问题是不一样的。

乘用车当年做的是 L4，从某种意义上更像大模型的 AGI，是一个未知的难题。但一旦解决，市场空间最大。

因为很多东西都是未知的，所以需要科研型人才去做。你会看到，无论是大模型，还是做乘用车的这几家创业公司，一号位都是强技术型人才。

周光老师也是科学家。

对。

到了新石器，除了自动驾驶技术本身很重要，还有其他问题要解决，比如车辆制造、生产、路权、运营、销售等。

乘用车只要搞定几家大的车厂就可以了，但在无人商用车领域，面对的除了大物流公司，还有各种各样的小 B。

比如批发市场的商贩、小旅馆要用无人车运输布草，或者农民要把采摘的水果运到其他地方。你面对的是各种各样不同的用户。

这些问题都处理好的话，一般不是一个技术男一号位能够完成的事情。这时需要一个商业能力更强的一号位。

所以我在这两个项目上选择的一号位，性质是不太一样的。

如果有人两者都兼备，是不是更好？

肯定有这样的人，但相对比较少。

人的时间就这么多。你在某一方面花更多时间发展特长，在另外一方面花的时间就会少。

所以不是天赋不可兼得，而是时间不可兼得。

对，是时间不可兼得。

有人觉得，如果 AI 能拉动中国 GDP 增量的 20% 到 30%，头部模型公司的价值可以达到万亿美元。

当然，今天我们看到 OpenAI 的估值已经做到这个水平。这样的公司当中，会有中国公司的身影吗？

我相信中国公司肯定会出现。

而且我坚信，未来中国的首富肯定来自科技界，而不是像现在这样，更多来自消费品和地产。

好，谢谢陈老师，录得非常完整，口水都没有。好啦，这期节目就到这里，本期播客的视频版已经全网上线，欢迎前往 B 站、微博、小红书、视频号、腾讯视频等平台，都能找到我的视频专栏。这是一档追求深度、生动与信息质量的科技商业访谈。我们争取在每一个技术、商业、时代的关键变化节点，提供负责、可靠的一手信息。欢迎在留言区留下你的评论，你的评论、转发、分享对我们来说真的很重要。我们下期再见。