DeepSeek与MiniMax：中国AI星系的超新星爆发与多模态技术领先

DeepSeek 走红了，就像超新星爆发一样，释放出巨大的能量，瞬间把中国的 AI 星系照亮了。在上海的人工智能领域中，稀宇科技（MiniMax）是其中比较亮眼的一颗。

DeepSeek 擅长文字方面。MiniMax 在文本、视频、语音多模态技术领域处于领先地位。在今年 1 月的全球 AI 视频产品榜里，MiniMax 旗下的海螺 AI 视频网站在全球的访问量是第一名。到 2 月上旬的时候，MiniMax 每天能生成数百万条视频，从而占据了全球第一的位置，每天生成的语音量在国内排第二，文本处理量在国内也处于前列。这家上海公司在全世界竞争最为激烈的领域中，是如何逐步提升自身的竞争位次的呢？又是如何在细分赛道上超越那些顶尖的同行的呢？

用一张照片“拍”出电影

许多人乐于尝试用人工智能生成视频这一应用。然而，AI 的技术缺陷却引来诸多吐槽，比如上一段视频生成的是张三，而下一段视频就变成了另一张脸，即便怎么调整，也无法让两段视频的主角变为同一人。人物角色一致性的难题，使得 AI 难以制作出同一人物角色且不同故事情节的短片，这大大限制了 AI 生成视频的应用场景。今年 1 月 MiniMax 发布了最新视频模型，把这个难题给彻底解决了。用户只要提供 1 张人物的正面照片，不管生成多少段风格不同的视频，主角都是这个人。这使得网友惊叹，一张照片就能制作电影，这不是梦。在创业期间，MiniMax一直秉持着技术驱动的理念。动态视频中怎样保持人物面部多角度的真实度与稳定性呢？怎样保持人物角色高度一致呢？这些痛点正是 MiniMax 攻关的重点。开发团队开展了大量的技术探索，对不同的技术路径进行了比较选择，最终开发出了 S2V 模型，该模型只需传统方案 1%的输入量和计算成本，“上传 1 张图片”的效果就已经足够好了。在超过 3 年的时间里，进行了一次次的迭代升级。文生视频的功能在持续优化，图生视频的功能也在持续优化，主体参考等功能同样在持续优化。这些创新举措，使得海螺 AI 视频能够在激烈的竞争中突出重围，其使用量超过了 OpenAI 的 Sora，并且用户分布在全球超过 200 个国家和地区。在文生语音等功能方面，MiniMax 也走出了与其他产品不同的路线。网友发现，MiniMax 的语音功能具备情绪调节和效果器功能。AI 生成的语音能够带上开心、难过、生气等情绪。这一创新使得有声书和广播剧的生产力得到了大幅提升。MiniMax 创始人闫俊杰表示，通用人工智能并非简单的互联网流量变化，而是计算范式的颠覆式创新，将会引领生产力、社会分工以及产业结构的深刻变革。

画自己的图纸建造大厦

算力、算法以及数据是人工智能发展的重要组成部分。MiniMax 刚创立的时候，算力和数据都非常有限，所以唯一的办法就是在算法方面寻求突破。从 2023 年夏天起，公司把 80%的算力和研发资源都投入到了底层架构的研发当中，在旁人看来，这就如同是一场大胆的冒险。我们在工程领域遇到的许多问题，都是因为处于一片完全未知的黑暗之中。公司技术团队在缺乏成熟经验可借鉴的情形下，不断进行尝试和犯错，持续开展摸索工作。一年后，公司成功推出了国内首个基于 MoE 架构的模型，接着研发人员又对“注意力机制”这一难题展开了冲击。今年 1 月，大规模实现线性注意力机制的 MiniMax - 01 模型问世。中国公司首次实现了对传统 Transformer 架构的突破，并且逐渐得到了行业的广泛认可。

底层模型能力对于大模型应用的成功起着首要的决定作用。MiniMax 的副总裁刘华向记者表示，尽管依据现成的图纸来盖楼相对较为容易，然而，图纸存在的不足会对楼房的高度产生限制。我们决定采用自己的图纸来构筑大厦，在最初阶段可能会稍慢一些，但是我们期望能够更好地应对未来的挑战。底层架构就像是 AI 的“新基建”。MiniMax - 01 模型打破了长文本处理的瓶颈。它能够高效地处理最长 400 万 token（词元）的上下文。在工业领域，此模型可以迅速解析百万字的设备日志，从而辅助故障诊断。在医疗场景中，它能够连续跟踪患者数年的病历，进而生成个性化的治疗方案。最近两年，大模型技术发展迅速且不断迭代。国际和国内的 AI 行业都处于激烈的竞争状态。底层模型进行一次重大的迭代，给产品带来的优化效果，要远远超过在工程实现层面对产品进行细致的雕琢。这就是 MiniMax 一直紧紧盯着模型本身，加快迭代升级的重要原因。

借助上海优势加快发展

MiniMax 作为上海人工智能高地孵化出的代表性企业，其成长与这座城市的文化和基因息息相关。上海汇聚了全球顶尖的 AI 人才，也有大量富有热情的年轻人才，这些为产业的快速发展提供了支撑。在 MiniMax 的上海总部大楼，研发人员的数量在持续增加。2023 年 6 月时，只是一层楼坐了半个楼面，之后很快就坐满了两层楼。从人工智能行业的发展来看，成功的模型是由科学的做事方法孕育而成的，是数百人技术团队有效组织的结果，也是坦诚扎实研发文化的体现。不久之前，上海推出了人工智能“模塑申城”的实施方案，并且在算力、场景、数据、人才等方面推出了一系列有力的举措。上海还在积极地促使大模型企业与场景企业进行对接。以 MiniMax 为例，它与小红书展开合作，致力于打造生成式智能搜索；同时与阅文集团合作，把数千本小说转化为超自然、高保真的有声书等。通过彼此赋能，从而实现了更快的发展。闫俊杰坚信，“真正有价值的事，并非在于当下的所作所为，而是技术进化的速度。”多年前的移动互联网行业是这样，在人工智能这个快速迭代的行业，民营科技企业展现出了独特价值。它们以技术驱动来实现快速发展，凭借灵活机制去捕捉前沿趋势，通过务实创新来解决产业痛点。上海的人工智能产业规模已经突破了 4000 亿元，规模以上的企业超过了 350 家。仅“模速空间”及其周边，就已经聚集了 255 家大模型企业和 34 个备案大模型。上海的AI宇宙正在加速壮大，更多激动人心的故事正在续写。