作者： 林晚晚，律動

2014 年，百度研究院來了個實習生，中科院自動化所的博士，河南縣城出來的。他給自己算過一筆帳：畢業後最理想的去處是IBM，寫Java，年薪28 萬。

2026 年春節，一款叫OpenClaw 的Agent 工俱全球爆火，開發者搭龍蝦需要底層大模型撐著。有個模型又快又便宜，一週在OpenRouter 上吞掉1.44 兆Token，登頂全平台第一。

這個模型叫M2.5，公司叫MiniMax。

上市兩個月，股價從165 港元衝到1,300 港元，市值破3,000 億，而它還是一家年收入不到8,000 萬美元的公司。

做出MiniMax 的人，就是十二年前那個實習生，髕俊傑。

提前一年多的賭注

2021 年春節，閔俊傑回河南老家過年，去看了外公。

外公跟他說，想寫一本回憶錄，記錄這80 年的人生。但不會打字，也沒辦法把故事好好整理起來，說了幾次，就擱下了。

閔俊傑在AI 產業做了十多年。那一刻他突然意識到，他做的這些東西，就算已經在產業裡落地，幫了多少企業，但對一個想寫回憶錄的老人來說，一點用都沒有。

這個細節後來被反覆引用，有點勵志故事的味道。但它確實解釋了一件事：他做AI 的動機很樸素，讓普通人真的能用上。這股執念，後來驅動了一系列反直覺的決策。

2021 年底，他從商湯離職了。

時間點很關鍵。商湯當時正在準備港股上市，他是副總裁，研究院副院長，智慧城市事業群CTO，走的時候是公司最值錢的時候之一。他沒等到上市，沒等到財富兌現，就出來了。

ChatGPT 是2022 年11 月才發布的。

MiniMax，2021 年12 月成立。

這個時間差，是後來一切的基礎。閔俊傑後來自己說，要不是做得早，在後來「明星研究員和大廠AI 背景更受歡迎」的融資環境裡，MiniMax 根本打不過別人。

他父母都是普通人。高中在縣城讀，考上東南大學數學系，後來中科院自動化所讀博，清華博士後，再進商湯，一步步走出來，沒有任何海外背景，也沒有什麼顯赫的人脈起點。

在百度實習那陣子，他和地平線的餘凱有過交集。餘凱後來說，學術能力可以訓練，但能把AI 技術工程化落地的人，鳳毛麟角。閔俊傑就是其中之一。

進商湯之後，他七年從實習生做到副總裁。 2018 年，在人手不夠的情況下，他帶領團隊做出了一套「All for One」模型演算法，在競標裡反超曠視和依圖，拿到業界第一。有人評價他「看論文速度奇快，不管陳腔濫調，只看精華要義」。這種效率，後來成了MiniMax 的公司文化。

他為公司取名為MiniMax，來自博弈論裡馮·諾依曼的極小化極大演算法。

他的解釋是，做決策要先防住最壞的風險，再選相對最優解。

一張奇特的股東表

2021 年12 月，MiniMax 完成天使輪，3,100 萬美元，投前估值1.7 億美元。進來的有米哈遊、IDG、高瓴、雲啟。

米哈遊那筆錢有點特別。閔俊傑和米哈遊董事長劉偉私交不錯，天使輪就進來了，現在劉偉還在MiniMax 的董事會裡掛著非執行董事。

米哈遊本身就是MiniMax 的客戶，遊戲裡的NPC 對話、劇情生成，都在用他們的模型。

天使輪之後，故事遭遇了一個小插曲。

2023 年3 月，矽谷銀行宣布破產。 MiniMax 當時所有資金都在那家銀行。這是創業初期最險的一次，錢沒了，融資環境還一片混亂。但他們撐過去了，兩個月後拿到A 輪2.57 億美元，估值11.57 億美元。

接下來的名單越來越誇張。阿里進來了，騰訊進來了，紅杉跟了進去。到上市前，7 輪融資，累計近15 億美元，估值42 億美元。 IPO 後阿里持股12.52%，為最大外部股東。

閔俊傑早期融資有個習慣：只和投資機構的最高位談。他見了紅杉的沈南鵬，見了高瓴的張磊。

但這張股東表上還有一個人值得單獨講：贠燁禕。

1994 年生，約翰霍普金斯大學電子工程本科，輔修經濟學和數學。 2017 年本科一畢業就進商湯，幹的是融資與策略投資，一年後升任CEO 徐立的行政助理兼策略部總監。她深度參與了商湯從早期到港股上市的整個過程。

2021 年，她和閔俊傑一起出來創業。

有投資人評價她「幹練、有氣場、執行力強，有種超出其年齡的成熟」。她和閔俊傑的分工很清楚：一個定義技術願景，一個把願景變成金錢和資源。閔俊傑能鑽進技術裡，頭髮都剃光了也無所謂，但市場、資本、全球化，是贠燁禕的戰場。

上市敲鐘那天，兩個人站在同一個台子上。贠燁禕31 歲，身價超過40 億港元。

385 人和1% 的錢

MiniMax 上市時，全公司385 人，平均年齡29 歲。

公司從成立到2025 年9 月，累計花費約5 億美元。 OpenAI 同期花了400 億到550 億美元。

這個對比有點荒謬。用不到對手1% 的錢，做出了全模態全球領先的公司。省錢只是結果。真正的原因是他們把AI 用到了極致。公司80% 的程式碼由AI 完成，內部管AI 叫「實習生」，這些實習生權限高到可以直接存取程式碼庫、改線上環境，飛書里和它聊幾句，review 完直接上線。

這種效率讓MiniMax 的人均產出高到不正常。

產品層面，他們從一開始就走全模態路線：語言、視訊、語音、音樂，四個方向同時壓。別人都在學ChatGPT 做對話，髕俊傑押的是多模態融合。他的判斷是，多模態是持續提升智慧的基本前提，不做全模態，下一代模型就沒有機會。

2023 年夏天，他做了一個更激進的決定。

把80% 的算力和研發資源，全部壓到MoE（混合專家系統）。

那時候，國內主流還在迭代稠密模型，MoE 被認為是「前沿但不成熟」的技術。閔俊傑的邏輯很簡單：如果要服務千萬、億級用戶，產生token 的成本和延遲，用稠密模型根本撐不住。不做MoE，規模上不去，一切都是白搭。

2024 年初，MiniMax 發布了國內首個MoE 大模型。

產品上，他們也沒有去捲國內市場。 C 端做了星野和Talkie，一個在國內，一個在海外，做AI 陪伴；海螺AI 做視頻生成，2024 年下半年連續半年全球視頻生成應用月活第一。

現在的數字：2.36 億用戶，覆蓋200 個國家和地區，海外收入佔73%。 B 端21.4 萬企業客戶和開發者，Google Vertex AI、微軟Azure、AWS 都已經部署了MiniMax 的模型，Notion 首個開源模型選擇，也是MiniMax。

2 月的ARR 突破了1.5 億美元，M2 系列單日Token 消耗量是去年12 月的6 倍，程式方向成長超10 倍。

這才是市場願意給200 倍市銷率的原因。

但有一組數字要拆開看。

年報裡，C 端毛利率4.7%，B 端毛利率69.4%。公司67% 的營收來自C 端，但C 端幾乎不貢獻毛利。第四季粗算下來，C 端毛利率已經跌到約2.1%。整體毛利率從12.2% 提升到25.4%，主要是因為B 端營收比例在第四季快速拉升，把整體數字拖上來了。

這是一道沒解完的題。

大山不是不能翻越

2025 年6 月，MiniMax 發表M1 模型。

髕俊傑在朋友圈發了一句話：

「第一次感覺到大山不是不能翻越。」

這句話背後的現實，中美頭部模型技術能力可能只差5%，但這5% 讓海外公司佔據了價值高出10 倍的場景，收取高出10 倍的價格，最終形成近百倍的商業化差距。 OpenAI 最新估值超過7000 億美元。 MiniMax 上市市值800 億港元，不到100 億美元。

他做過一個判斷，全球未來會有五家頂尖AGI 公司，其中至少兩家來自中國，甚至有一家能做到第一。

1 月9 日上市之後，他緊接著在1 月19 日出現在總理主持的專家企業家座談會上，成為繼DeepSeek 梁文鋒之後第二位參加的AI 大模型創始人。

然後3 月2 日，首份年報出來，港股當天大漲。

在財報會上，閔俊傑花了很長時間講一件事：MiniMax 要從「大模型公司」變成「AI 時代的平台型公司」。

他為平台價值下了一個公式：智慧密度× Token 吞吐。網路時代的平台是流量入口，AI 時代的平台是能定義智慧邊界、同時在商業上吃到紅利的公司。 Google 在做，OpenAI 在做，他們也要做。

他面對的對手，體積是他的幾十倍。

港股上市只是把他推到了另一個戰場。季報、分析師、市值壓力，這些東西和寫程式完全不是一回事。二級市場不相信情懷，只看數字。 C 端的故事能不能轉化成毛利，B 端的增速能不能維持，M3 什麼時候出來，這些問題，接下來每季都要回答。

但把視角拉遠一點看，MiniMax 的故事不只是一家公司的故事。

美國這幾年在晶片上卡得越來越緊。 A100 限售，H100 限售，H800 也限售。邏輯很直接：掐住算力，就掐住了AI 的喉嚨。

中國這邊被迫走了一條完全不同的路。

DeepSeek 用H800 跑出了接近H100 的效果。 MiniMax 用5 億美元做了OpenAI 花幾百億才幹到的事。閔俊傑2023 年賭MoE，原因是手上那點卡根本撐不起億級用戶的推理量。 M2.5 連續工作一小時1 美元，是GPT-5 的二十分之一。混合注意力架構、線性注意力、CISPO 演算法，創新都是被逼出來的。

晶片封鎖的本意是拉大差距，但實際效果是把中國AI 公司逼進了一條低算力、高效率的進化路線。

錢少，卡少，人少，反而逼出了極致的工程能力和架構創新。

這跟華為做晶片的邏輯一樣，你封鎖我一項能力，我就在其他維度補回來，補的過程中，可能長出你沒有的東西。

OpenAI 現在4000 多人，2025 年燒了80 億美元現金，到2030 年計劃砸6000 億美元的算力。 MiniMax 385 人，累計花了5 億美元。

誰贏還不知道。但至少現在，賭MiniMax 會死的人越來越少了。

2014 年那個在百度實習的河南博士生，大概不會想到，十二年後他站在的這個位置，背後連著的是一整場國運級別的技術競爭。

他選擇繼續跑下去。