2025 世界人工智能大會（WAIC）于今日在上海開幕。作為全球人工智能領域的頂級盛會，本屆大會以 " 智能時代 同球共濟 " 為主題，匯聚全球智慧，展現中國方案。
活動首日，MiniMax 創始人、CEO 閆俊杰先生作為特邀嘉賓出席大會開幕式并在大會主論壇（上午場）發表主題演講《每個人的 AI》（Everyone's AI）。
大家好，我給大家分享的題目是《每個人的 AI，Everyone's AI》。講這個題目，跟我個人過去經歷有關。當 Hinton 先生開始設計 AlexNet 之時，我是國內第一批從事深度學習研究的博士生；當 AlphaGo 人機大戰上演，也是人工智能走進所有人視野之時，我在參與一家創業公司；而當 ChatGPT 出來的前一年，我們開始創立 MiniMax，也是國內第一批大模型公司。
在過去的 15 年里，當我每天面對任務寫代碼，看論文做實驗的時候，一直都在想一件事：如此受關注的人工智能到底是什么？人工智能跟這個社會到底有什么樣的聯系？
隨著我們模型變得越來越好，我們發現人工智能正逐步成為社會的生產力。比如，我們在做人工智能研究的時候，每天需要分析大量的數據，一開始我們需要來寫一些軟件來分析這些數據，后續我們發現其實可以讓 AI 來生成一個軟件，來幫助分析所有數據。
作為一個研究員， 我非常關心每天 AI 領域的所有進展，一開始我們設想，是不是可以做一款 APP，來幫我們追蹤各領域的進展？后面我們發現，這件事也不需要自己來做，讓一個 AI Agent 來自動跟蹤更加高效。
AI 是更強的生產力，也是越來越強的創意。比如，15 年前上海舉辦世博會的時候，有一個非常火爆的吉祥物叫 " 海寶 "。過去 15 年，上海有了全方位的發展，我們如果想繼續用 " 海寶 "IP 生成一系列更具上海特色，符合時下潮流的衍生形象時，AI 可以做得更好。正如現場屏幕展示的，徐匯書院 × 海寶、武康大樓 × 海寶，AI 能一鍵直出，幫我們生成各種各樣的創意形象。
再比如最近非常火的 Labubu，此前制作一個 Labubu 創意視頻，可能需要兩個月，花費大約幾十甚至百萬人民幣。通過越來越強的 AI 視頻模型，像大屏幕右邊展示的 Labubu 視頻，基本一天時間就可以生成出來，成本只有幾百塊錢。
過去六個月，我們的視頻模型海螺（Hailuo）已經在全世界生成超過 3 億個視頻。通過高質量的 AI 模型，互聯網上的大部分內容與創意會變得越來越普及，低門檻讓每個人的創意得以充分發揮。
除了釋放生產力與創意之外，我們發現， AI 的使用其實已經超出最初的的設計與預期，各種各樣想象不到的應用場景正在發生；比如解析一個古文字、模擬一次飛行、設計一個天文望遠鏡……這樣意想不到的場景，隨著模型能力越來越強，變得越來越可行；僅僅需要少量協作，就可以把每個人的想法變成現實。僅僅需要少量協作，就可以把每個人的想法變成現實。
面對這么多變化，一個想法開始在我的心里涌現出來：作為一個 AI 創業者，AI 公司并不是重新復制一個互聯網公司，AI 是一個更基礎更根本的生產力，是對個人能力和社會能力的持續增強。這里有兩點比較關鍵：第一、AI 是一種能力，第二是 AI 是可持續的。
人類很難突破生物定律，永不停歇學習新知識，持續變聰明，而 AI 可以。當我們在建造更好的 AI 模型時，我們也發現，AI 也在和我們人類一起進步，一起做出來更好的 AI。就在我們公司內部，員工每天需要寫很多代碼，做很多研究型實驗，這里邊大概有 70% 的代碼是 AI 來寫，90% 數據分析是靠 AI 來做。
AI 怎么能變得越來越專業？大約在一年前，當時訓練模型還需要大量的基礎標注工作，標注員是一個不可或缺的工種。而今年，當 AI 能力變得越來越強的時候，大量機械的標注工作被專業 AI 完成，標注員則可以專注于更有價值的專家型工作，一起幫助模型變得更好。標注工作也不再是簡單給 AI 一個答案，而是教會 AI 思考的過程，讓 AI 來學習人類的思考過程，從而使 AI 能力變得更加泛化，越來越接近人類頂尖專家的水平。
除了通過專家來教 AI 之外，還有另外一種進步，就是在環境中大量學習。在過去半年， 通過各種環境，從編程 IDE，到 Agent 環境， 再到游戲沙盒，當我們把 AI 放到一個能夠持續提供可驗證的獎勵環境中學習，只要這個環境可以被定義出來，有明確的獎勵信號，AI 就可以把問題給解決。這個強化學習也變得可持續，規模越來越大。
基于這些觀察，我們有一個非常確定性的判斷：AI 會變得越來越強，而且這種增強幾乎是沒有盡頭的。
接下來出現的問題是，AI 這么強，對社會的影響越來越大，那么 AI 到底會不會被壟斷？它是會被掌握在一家組織里，還是掌握在多家組織里呢？
我們認為，AI 領域一定會有多個玩家持續存在。原因有三點：
第一，我們目前用到的所有模型，都依賴對齊（Model Alignment）。很明顯，不同模型的對齊目標其實是不一樣的，比如有的模型對齊目標是一個靠譜的程序員，那么做 Agent 就會特別的強；有的模型它對齊目標是與人的交互，那么它就會比較有情商， 能夠做流暢的對話；有的模型可能會充滿想象力。不同的對齊目標反映了不同公司或者組織的價值觀，這些價值觀最終會導致模型的表現非常不一樣，也會使得不同的模型擁有各自的特點，并且長期存在。
第二，我們在最近半年用的 AI 系統其實都已經不是單個模型了，而是一個多 Agent 系統，里面涉及多個模型， 不同的模型也可以使用不同的工具，通過這樣的方式讓 AI 智能水平越來越高，能夠解決越來越復雜的問題。這個東西帶來的結果是，單一模型的優勢在這樣一個多 Agent 系統里逐漸變弱。
第三，在過去半年，有很多非常智能的系統，都不是大公司所擁有的。背后的原因，是過去一年開源模型如雨后春筍般涌現，開源模型變得越來越有影響力。這張圖是過去一年比較受關注 AI 的排行榜，可以發現最好的模型還是閉源的，但最好的開源模型越來越多，同時也在不斷逼近最好的閉源模型。
基于這三點原因，我們認為， AI 一定會被掌握在多家公司的手中。
與此同時，我們認為 AI 一定會變得越來越普惠，使用成本也會變得更加可控。
在過去一年半， AI 模型的大小沒有發生特別大的變化，即便我們可使用算力更多了。為什么呢？對所有實用模型而言，計算速度是一個比較關鍵的因素。如果模型計算速度特別慢，就會降低用戶的使用意愿，所以所有公司都關注模型的參數量和智能水平之間的平衡。
此前，模型大小增長和芯片的進步速度基本上是成正比的。我們知道芯片的進步速度是每 18 個月會翻一倍，模型也會相應保持這樣的增長趨勢。而現在，雖然大家都有更多的算力了，模型參數卻沒有變得更大。那這些增長的算力花在哪呢？
首先說訓練，規模增長的速度在過去半年已經變得比較緩慢，訓練單個模型的成本實際上卻沒有顯著增加。這些算力花在做更多的研究跟探索上。而我們知道研究和探索，除了取決于算力之外，還取決于高效的整體實驗設計，高效的研發團隊，以及一些天才的創意。結果是，擁有非常多算力的公司和沒擁有那么多算力的公司，在訓練上其實的差異可能不會那么大。沒有那么多算力的公司，可以通過持續提升自己的實驗設計、提升思考能力和組織形式，讓實驗探索變得更加高效。
再說推理，在過去一年，最好模型的推理成本其實是降了一個數量級，通過大量的計算網絡系統和優化算法，我們認為在接下來一兩年之內，最好模型的推理成本可能還能再降低一個數量級。總結而言，我們認為訓練單個模型的成本不會顯著地增加。
我們認為，大量創新能讓 AI 研發變成一個沒有那么燒錢的行業，但是算力使用還會增加。盡管 Token 會變得很便宜，但是使用 Token 的數量會顯著增加。去年 ChatBot 單個對話只要消耗幾千個 Token，現在 Agent 單個對話可能消耗幾百萬個 Token，并且因為 AI 解決的問題越來越復雜，越來越實用，那么用的人也會越來越多。 雷峰網
讓每個人都用得起 AI，這是我們對 AI 發展的判斷。Intelligence with Everyone，這也是我們創業的初衷。我們認為 AGI 一定會實現，并且一定會服務大眾、普惠大眾。
如果有一天 AGI 實現了，其過程一定是由做 AI 的公司們和他們的用戶一起來實現，并且這個 AGI 應該屬于多家 AI 公司和它的廣泛用戶，而不是只屬于單個組織某家公司。
我們也愿意長期為這個目標而奮斗。感謝大家！雷峰網
