生產力工具中的“六邊形戰士”:解密海螺AI“紅海突圍”的底氣_風聞
Alter-51分钟前

2023年可以説是人工智能行業最振奮的一年,大模型的能力每隔一段時間就會上一個新台階,洶湧澎湃的技術革命迅速影響着每一個人的生活,AGI不再是一種技術理想,而是觸手可及的現實。
到了2024年,人工智能的熱度不減,但口口相傳的“百模大戰”並未上演。資本市場罕見地“降温”,不少大模型悄無聲息地消失,有機會進入決賽圈的大模型創業者,僅剩下寥寥數家。
其中就有孵化出海螺AI的MiniMax,一家不為太多人所熟知,估值卻早已超過25億美元的現象級獨角獸。
01 技術路線幾乎沒有退路
目前國內估值超過10億美元的大模型創業團隊只有五六家,MiniMax恰恰又是其中最為特殊的存在:
1、月之暗面、百川智能、零一萬物等均成立於2023年,MiniMax卻是一家誕生於2021年的企業,比友商們早了兩年時間。
2、有別於李開復、王小川等人的“明星”身份和高調風格,MiniMax的創始人閆俊傑不可謂不低調,很少在公開場合露面。
3、“搶算力”儼然是整個AI行業的常態,MiniMax沒有夠購買任何GPU,而是以相對便宜的價格找火山引擎租了大量GPU算力。
為何特立獨行的MiniMax能夠活下來?答案就藏在閆俊傑時常提及的一句話裏:“我選的技術路線幾乎沒有退路”。

直接的例子就是MoE(混合專家模型)上的“豪賭”。
時間回到2023年夏天,國內的大模型廠商們紛紛加快了研發進度,擺在MiniMax面前的現實問題是:自家2B和2C的產品已經有很多用户,傳統dense(稠密)模型生成token的成本太高,延時太嚴重;在計算資源有限的情況下,只有MoE才能訓練完當時的數據。
理論上講,MoE相較於dense模型的預訓練速度更快,在相同參數的情況下,有着更快的推理速度,但在微調方面存在諸多挑戰,比如泛化能力不足容易引發過擬合現象,屬於典型的“技術派才有的紅利”。
其他廠商選擇dense模型快速迭代的時候,MiniMax放了80%以上的算力和研發資源做MoE,而且沒有Plan B。
拐點出現在2024年初,MiniMax發佈了國內首個基於MoE架構的abab 6,找到了越來越多加速實現Scaling Laws的途徑,包括改進模型架構、重構數據pipeline等等,並在三個月後研發出了更強大的abab 6.5。
正如外界所熟知的,長文本能力在2024年成為生產力工具的“勝負手”,萬億參數的abab 6.5已經200k tokens 的上下文長度,綜合能力已經不遜於國外主流大模型;使用同樣的訓練技術和數據的abab 6.5s,進一步提升了推理速度,可以在1秒內處理近3萬字的文本。
按照業界常用的“大海撈針”機制,即在很長的文本中放入一個和該文本無關的句子(針),然後通過自然語言提問模型,看模型是否準確將這個針回答出來。在891次問答中,abab 6.5均能正確回答。
現在,MoE模型已經上升為行業共識,被認為是高性能AI大模型的必選項,而MiniMax已經在這條路上“搶跑”了一年。
02 技術驅動的產品方法論
讓許多人沒想到的是,一羣痴迷於技術的工程師,“意外”做出了多個日活用户超過100萬的產品,包括Glow、星野、海螺AI等,涵蓋內容社區、生產力工具等不同方向。
曾有媒體在採訪時詢問閆俊傑:“你們第一個模型還沒做出來,就招了產品經理,當時你如何向他描述你想要一個怎樣的產品?”出乎預料的是,閆俊傑給出的回答只要三個字:“不知道。”
閆俊傑口中的“不知道”,源於對技術的敬畏:當前AI原生的超級產品,無不源自突破性的技術進步。
比如搜索問答幾乎是所有對話式AI的標配,也是我們使用生產力工具提升工作效率的剛需功能。但越是基礎的功能,越能驗證生產力工具的價值,考驗背後大模型的能力。
百度發佈2024年Q1財報後,我們同時在海螺AI和國外的一款產品進行了對比,用户體驗可謂高下立見:

海螺AI整理出了百度的核心業務信息,包括營收、利潤等關鍵數據,以及百度智能雲、開發者社區、百度APP、蘿蔔快快等核心業務數據,有着清晰的邏輯和側重,並且每條內容都關聯了對應的信息源,甚至在末尾附加了和百度財報相關的常見問題。
另一款產品也準確回答了財報的核心信息,但僅僅引述了一些媒體報道,輸出內容的結構化很弱,需要人工二次處理信息。和直接用搜索引擎查找信息的方式相比,並未節省太多的時間。
再比如長尾內容的檢索和生成能力。像百度財報這樣的熱門議題,很容易找到相關的媒體報道,一些小眾的長尾內容,似乎更能考驗生產力工具的內容檢索和生成能力。

我們的問題是皮爾斯·布朗的代表作《火星崛起》,曾被《娛樂週刊》評為2014年度最佳圖書,但知名度不如《火星救援》、《星球崛起》等可能被AI混淆的名著。海螺AI準確理解了我們的需求,生成的故事梗概可圈可點,並給出了深刻的評價;豆包將我們的需求誤解為《星球崛起》,生成的內容居然是《火星三部曲》的介紹。
技術的上限左右着產品的上限。
MiniMax之所以做出了海螺AI這樣“能打”的生產力工具,根源在於技術驅動的產品方法論,只有具備足夠好的產品能力,才能承接和轉化取得的技術進展,否則會落得一場空。
當然,MiniMax也有自己的“野心”。就像閆俊傑所籌劃的:“在技術快速進化的窗口關閉前,做出用户量巨大的To C產品。”
03 做普通人每天用的產品
資本圈裏流傳着一句話:判斷一位人工智能創業者是否真正的AGI信仰,就看這個人創業是在2023年之前還是之後。作為普通用户,則有另一套判斷標準,即能不能解決實際問題,紮紮實實地提高工作效率。
行事低調的閆俊傑,很少圍繞AGI的話題高談闊論,但在媒體採訪時講述了自己樸素的信仰:Intelligence with everyone。
怎麼理解“與用户共創智能”?海螺AI無疑是最直觀的研究對象。
生產力工具作為當下最擁擠的大模型賽道,市面上的產品已經多達幾十款,豆包、文心一言、智譜清言、Kimi……哪怕是在高度內卷的局面下,肩負MiniMax信仰的海螺AI,依然表現出了差異化和稀缺性。
首先是簡潔的產品設計。
為了爭奪用户的注意力和時長,越來越多的對話式AI產品在首頁上添加了豐富的菜單欄,努力向用户表達功能的多樣性。海螺AI不可謂不剋制,首頁上除了簡單的功能引導和對話框外,並沒有其他影響注意力的元素。

不同的設計風格,似乎談不上孰優孰劣,但從生產力工具的定位來説,頁面的簡潔與否和大模型能力不無關係。倘若大模型的能力足夠強大,哪怕沒有花裏胡哨的功能露出,也可以通過生成的內容佔領用户心智。刻意強調功能的多樣性和玩法的趣味性,反而在大模型的能力上漏了怯。
其次是過硬的產品能力。
諸如搜索問答、語音對話、長文總結等功能,早已是對話式AI產品的標配,也是高度同質化的主要誘因。但只要深入使用一段時間,或者進行簡單的結果對比,並不難判斷能力上的高下,找到最適合的生產力工具。

而產品能力的強弱,往往體現在一些細節中。以我們高頻使用的長文總結為例,將第三方行業報告上傳到海螺AI,可以準確梳理報告的核心信息,並根據報告內容進行對話。原先閲讀一篇報告需要至少兩個小時的時間,現在不到5分鐘就能完成,工作效率可以説是實現了指數級增長。
然後是多元的使用場景。
有些產品儘可能在首頁上推薦足夠多的“角色”,來告訴我們有很多使用場景,適合不同的用户。僅僅在prompt下功夫,當真可以滿足不同人羣的需求嗎?市場初期也許奏效,可終歸不是解決問題的最優解。

海螺AI的答案是從能力上滿足不同人羣的需求:幫研究人員快速總結和分析長篇學術論文或研究報告、幫內容創作者整合關鍵信息並生成爆款文章、幫知識工作者整理和回顧學習資料、為日常用户提供生活中的即時幫助……就像是一個能打的六邊形戰士,背後是萬億參數MOE大模型的底氣。
一言以蔽之,只有做出足夠產品化、能服務大眾的AI技術和產品,才可以給社會帶來足夠高的反饋。在MiniMax的認知裏,AGI不是原子彈那樣的大殺器,而是普通人每天會用的產品和服務。
04 寫在最後
每一次代際演變的出現,都會經歷百花齊放到超級APP“統治”市場的過程。
大模型的產品化也不例外。現階段AI產品的核心價值,主要來自模型性能和算法能力,不排除會上演“贏者通吃”的一幕。特別是對於尋求生產力的用户,擁抱海螺AI這樣的超級APP,卸載掉“嚐鮮”時下載的幾十個APP,將是可以預見的結果。