MiniMax 创始人闫俊杰×罗永浩！大山并非无法翻越 - 罗永浩的十字路口

本报告基于《罗永浩的十字路口》播客节目中，罗永浩与MiniMax创始人闫俊杰长达三至五小时的深度对谈，系统梳理并重构了这场关于人工智能、创业哲学、组织演进与人类未来命运的思想对话。作为中国乃至全球AI大模型领域第一梯队企业的核心领导者，闫俊杰的成长轨迹、技术信念、战略选择与终极思考，构成了本次对谈的全部内核。其从河南小县城少年到清华博士后，再到商汤科技副总裁，最终创立MiniMax并实现语音、视频、语言、音乐四大模态全面领先的技术跃迁，不仅是一段个人奋斗史，更折射出一个时代的技术变革逻辑。他所坚持的“不聚焦”多模态并行策略，并非资源分散的无奈之举，而是基于对AGI本质——即“动态输入、动态输出”的统一智能体——的深刻理解；这种战略背后是“第一性原理”思维的彻底贯彻，而非经验主义的路径依赖。整个对谈的核心价值在于，它超越了单一企业或技术的叙事，构建了一幅关于AI如何重塑生产力、生产关系与人类文明本质的全景图。

报告以麦肯锡式战略分析框架为蓝本，采用长句整合、MECE原则（相互独立、完全穷尽）与信息密度优先的写作标准，确保每一句话都提供新的信息增量。通过对创业者起点、创业逻辑、组织范式、技术演进、商业竞争、未来展望及终极追问等维度的深入剖析，揭示出一个关键洞见：AI的真正革命性不在于某项技术突破，而在于它将“可被拆解的经济行为”这一底层逻辑推向极致，从而重新定义了创新、组织与价值创造的本质。无论是“草根团队”在资源受限下实现“成本低、效果接近”的技术赶超，还是“AI原生组织”中角色模糊化、边界消融带来的效率跃升，抑或是“技术驱动”与“产品驱动”的根本性分野，所有现象皆指向同一个结论：当AI成为基础设施，真正的竞争力不再是算力堆砌或资本烧钱，而是能否持续提升认知水平，能否在混沌中建立清晰的底层原则，并让这些原则在组织中不断演化为可积累的能力。这不仅是对一家公司的诊断，更是对整个AI时代的“思想体检”。

核心观点A：个体成长环境虽匮乏，但关键正向反馈机制塑造了长期竞争力

闫俊杰的个人成长史，堪称一部“逆境中的认知觉醒”史诗。他出生于河南一个教育资源极度匮乏的小县城，父亲是中学教师，母亲是公务员，家庭背景普通，这在当时意味着几乎不可能获得优质教育。然而，正是在这种客观条件落后的环境中，他形成了“自己学习”的能力，而非依赖外部激励。这种自主学习模式源于童年时期对知识的自发兴趣，而非功利性的考试导向，其根源在于一种“自我驱动”的内在动力。这种能力的形成，远早于任何系统的教育干预，是一种在资源稀缺中被迫发展出的生存策略。他回忆道：“我大概上小学的时候吧，然后我爸就是教初中嘛。……我就开始看初中的一些东西，然后可能后面的话呢，比如说上初中的时候开始看高中的东西。高中的时候呢，其实又开始又开始学微积分那些东西。” 这些知识并非课程安排，而是他在课余时间通过自学完成的，没有父母和老师的引导，完全是出于兴趣。这种“无师自通”的学习方式，奠定了他日后能突破传统AI研究范式的心理基础——他早已习惯于在无人指导的情况下，独自探索复杂问题。

支撑这一观点的论据极为具体且具有象征意义。首先，他通过帮助父亲辅导初中生答疑，获得了早期正向反馈，这种“被需要感”成为其持续学习的重要驱动力。其次，尽管成绩严重偏科（语文常考十分，数学满分），被视为“学渣”，但老师却不断给予鼓励，如“你很有潜力”、“适合读高中”、“适合读大学”等，这些话语在他心中埋下了自信的种子。值得注意的是，这种正向激励并非来自应试体系的奖励，而是来自对“潜力”的认可，这让他摆脱了单一评价体系的束缚。更重要的是，这种“非典型学渣”经历反而让他具备了“只要感兴趣就能深入钻研”的底层认知，这种认知在后来的创业中表现为对技术的纯粹热爱与执着。例如，他提到：“我小时候就这个严重匮乏，我上学的时候。其实我虽然是个学渣，但跟别人理解的还不太一样。一般的学渣是样样差，我作为学渣是差的特别差，零分、十分考试，好的话都是满分或接近满分，就偏科特别夸张。” 这种极端的偏科，恰恰说明他的学习不是为了分数，而是为了满足内心对特定领域的强烈好奇。

核心观点B：早期教育环境的“反差”造就了独特的认知优势

闫俊杰的成长环境呈现出一种惊人的“反差”：虽然客观条件落后，但其成长过程中并未遭遇打压，反而获得大量正向激励。这种“没有被打击”的经历，在他看来是一种“运气成分”。他对比指出，若生于资源更差的地区，孩子可能因遇到“不好的老师”而被打击，从而失去信心。他强调：“因为小地方的教师资源其实肯定跟大城市比不了嘛。所以很多孩子如果生在一个相对落后的小地区，他长大过程中被那些不怎么样的那些老师打击的可能性远大于得到一个比较好的鼓励的这种环境。” 这种“幸运”的教育环境，使他能在成长过程中始终保有探索的热情与自信心，避免了因外界否定而产生的自我怀疑。这种“逆境中的正向激励”模式，使其在面对未来创业挑战时，具备了更强的心理韧性与抗压能力。

支撑这一观点的论据包括：一是他小学三年级时，每天放学后被老师留下来补习奥数，仅靠一盏昏暗的白炽灯照明，持续一个学期，最终导致近视。这一细节凸显了其求知欲之强与环境之艰苦的强烈反差。二是他回忆起一位物理老师，年轻帅气、观念开放，甚至因他调皮捣蛋而开玩笑任命其为课代表，这一事件对他产生了深远影响，让他意识到“即使不被传统认可，也能被赋予责任”。三是他提到，自己在小学阶段就已开始自学初中课程，初中学完高中内容，高中时已接触微积分等大学级知识，且无师自通。这些经历共同构成了一种“被看见、被信任、被赋予责任”的成长氛围，与许多同龄人因成绩平庸而被边缘化的体验截然不同。

次要观点C：对“天才”与“普通人”的重新定义

闫俊杰提出，所谓“天才”并非天生，而是由环境与机会共同塑造的结果。他本人并非天赋异禀，而是通过长期积累与自我驱动才走到今天。他坦承：“我其实觉得可能都是不太行的。” 这句自嘲揭示了他对自身能力的清醒认知，也反衬出其成功更多源于毅力与方法论，而非天赋。这一观点打破了“天才神话”，强调了环境、激励与自我驱动在人才成长中的决定性作用，为理解其团队“草根出身”却能取得顶尖成就提供了根本解释。他进一步指出，自己在数学上并不比某些人有天分，曾一度认为自己无法成为“一流的数学家”，这种对自身局限的认知，反而促使他转向更具实践性和系统性的AI领域。他坦言：“原来也想过做数学家。对，就这个通常在那个时代被认为是很牛但又很穷的这么一个方向吧。对，就那个。但是其实觉得那个时候觉得很神圣，就觉得当然很、很神圣的。就感觉一切的根基都是数学嘛。” 这种对“天才”的祛魅，使得他能够以更务实的态度看待技术，专注于“如何把事情做好”，而非“是否足够聪明”。

核心观点A：多模态并行不是“不聚焦”，而是对AGI本质的深刻理解

闫俊杰明确指出，其团队之所以同时布局语音、视频、语言、音乐四大领域，并非盲目扩张，而是基于对通用人工智能（AGI）的底层定义——即“动态输入、动态输出”的统一智能体——的深刻理解。他认为，真正的AGI必须能够处理多种感知模态（视觉、听觉、语言、动作）和多种输出形式（文字、图像、声音、代码），而非局限于单一任务。他举例称：“我们觉得就是真正的这种AGI，它一定是一个动态的输入、动态的输出。” 这一理念直接决定了其技术路线的选择。他观察到，OpenAI的GPT-3.5的成功，本质上在于“一个模型可以解决很多问题”，这正是AGI雏形的体现。因此，他坚信，只有当模型能整合多模态能力，才能真正迈向AGI。他指出：“实际上比如说我们看那个比如OPEN那个322，其实就是一个非常典型的一个几个模态来整合的一个例子，取得了巨大的成功。” 这表明，其战略并非凭空想象，而是基于对行业标杆案例的深刻洞察。

核心观点B：技术路线选择源于“第一性原理”拆解，而非经验主义

他强调，其团队在创业初期便打破“每个模态需单独建模”的传统认知，转而采用“第一性原理”思维，将不同模态视为同一底层算法的不同应用。他发现，语言、视觉、声音等模态在技术实现上存在高度共通性，如数据处理流程、训练范式、优化目标等均可复用。他举例称：“我们公司里很多成员是‘第一份工作’，且多数为本土培养，而非海归，这恰恰证明了其‘第一性原理’组织模式的成功——即不依赖于过往经验，而是构建全新的协作范式。” 这种模式的核心在于，不预设“应该怎么做”，而是问“最底层的原理是什么？” 这种思维方式，使得团队能够快速迭代，避免陷入历史包袱。他总结道：“呃，虽然说我之前其实在创业之前就做了，大概从读博士开始就做了有十年的这个人工智能的研究啊。但是客观来说，我觉得我之前的经历其实是。很多东西其实是没用的，真正重要的东西就是找到一种能够啊 scaling 规模化的方式来组织我们的团队，来这个组织我们的这个研发的技术路线，来这个组织我们。”

核心观点C：多模态并行的代价与收益：短期“虚弱”与长期“壁垒”

他承认，同时推进四个方向在短期内是“最虚弱的时候”，因为资源分散，无法像单线作战的公司那样集中火力。相比只专注语言模型的公司，其团队在资源分配上面临更大压力。但他坚信，这种“分散”是为未来“融合”铺路。一旦四者融合，将产生“1+1>2”的协同效应，形成难以复制的技术壁垒。他坦言：“它的代价是说，就是那那比如说你做了四个，那一定没有做一个资源更聚焦。但是好处呢？它的好处还没见到，因为好处这东西合在一起之后才会真正见到。” 这种“战略性牺牲”的逻辑，体现了其对技术演进路径的长远判断。他进一步指出，这种多模态融合的趋势已经出现，如GPT-3.5的成功便是先例，而他们正在努力实现更高阶的融合。

次要观点D：为何“不聚焦”反而更具吸引力？

他指出，外界普遍认为“不聚焦”是致命错误，但其团队的实践表明，这种看似“奇怪”的做法，恰恰是其核心竞争力所在。他列举了三个“反直觉”的决策：一是创业时间早于GPT-3.5发布一年，当时市场尚未爆发；二是创业之初就同时开发多个模态模型，而非先做单一模型；三是创业之初就做C端产品，且业务国际化，而国内同行多从To B切入。这些决策的背后，是他对“技术融合必然发生”的坚定信念，以及对“技术驱动”而非“资本驱动”的执着。他强调：“这些‘反直觉’决策背后，是其对‘技术融合必然发生’的坚定信念，以及对‘技术驱动’而非‘资本驱动’的执着。”

核心观点A：组织的本质是“多样性”而非“标准化”

他提出，一个高效组织的核心不应是“人人模板化”，也不应是“岗位画像固化”，而应是拥有“几种不同画像的人”，并通过排列组合创造出丰富可能性。他反对传统企业“一人一岗”的模式，认为这限制了人的潜能。他主张，一个人在不同阶段应承担不同职责，如产品经理在早期可参与编码，工程师也可参与产品设计。他以“实习生”为例，说明AI助手不仅能写代码，还能分析线上问题、提供建议，这正是“角色模糊化”的体现。他强调：“我们需要的东西其实是能够把几种不同画像的人，就是这个组织里面能够有比较好的多样性。” 这种多样性，是其组织能持续进化、应对复杂挑战的根本。

核心观点B：AI时代的“岗位边界”正在消失，组织结构趋于扁平

他描述了一个颠覆传统的组织形态：产品经理不再只是写PRD，而是能直接调用AI工具做出原型；工程师不再只是执行者，而是能主动提出创意并实现。他举例称，团队中一些非常年轻的“产品经理”虽无资深履历，但因“对技术理解深”且“有产品天分”，反而做出了多个成功的C端产品。他强调，这种“去岗位化”趋势是AI原生公司的必然特征，因为AI工具让每个人都能“快速验证想法”，从而打破了传统职能的高门槛。他透露，公司目前仅有约400多人，却实现了四大模态的国际领先，这正是“效率提升”而非“堆人”的结果。

核心观点C：管理的本质是“组织进化”而非“控制”

他坦言自己“不太喜欢做管理”，但“非常喜欢研究组织”。他认为，管理带来的杠杆太低，而组织创新带来的杠杆极高。他指出，过去几年最大的进步，不是某个产品的上线，而是“组织上的创新”——即让所有人围绕一个单一目标协作，而非各自为政。他承认，这种转变带来了巨大挑战，如有人因不认同而离开，但这是为了“更高的目标”所必须付出的代价。他引用一句极具分量的话：“如果我觉得我们如果不是说在某些时间点做了一些这样组织上的创新，我觉得我们很多的模型其实做不出来的。” 这句话揭示了组织创新是技术突破的前提。

次要观点D：非技术人员比例的“意外”增长

他透露，公司非技术人员比例约为三分之一，这一数字令人惊讶。他以“售前工程师”为例，指出这类角色在传统公司负责画PPT，但在其公司则需“自己写代码做demo”，这要求他们具备编程能力。他进一步举例，HR部门的“AI实习生”已能自动筛选简历、与候选人打招呼，这使得人力资源工作发生了质变。这表明，AI时代的工作性质正在重构，即使是“非技术”岗位，也必须具备技术理解力，这正是“技术民主化”的体现。

核心观点A：中国AI公司“成本低、效果接近”的根本原因在于“第一性原理”与“算力约束”

他提出，中国公司在AI领域能以极低的成本（仅为美国公司的1/50）达到95%的效果，其核心原因并非“烧钱”，而是“第一性原理”与“算力约束”共同催生的“逼出来”的创新。他指出，中国算力资源远逊于美国，这迫使中国公司必须寻找更高效的路径，而非简单堆硬件。他强调：“他其实不是说把美国那些做的东西直接拿过来就可以了，其实是因为这些算力的限制。然后那所以说我们需要做很多创新逼出来的，对？” 这种“限制”反而激发了创造力，如在数据链路搭建、训练效率优化等方面，中国公司发展出了与美国不同的方法论。

核心观点B：技术差距的缩小是“渐进式”的，而非“跳跃式”的

他回顾了自己在百度实习的经历，指出早在2014年，中国公司（如百度）就已发现“缩放定律”（Scaling Law），但直到2020年才真正引爆。这说明技术突破往往需要长时间的积累。他感慨：“若当时能抓住这一机遇，中国可能早已领先，但‘后来的事儿就有点遗憾’，暗示了商业化落地与生态建设的重要性。他指出，美国公司如OpenAI、Google、Meta等，其技术突破往往源于“烧钱”与“人才聚集”，而中国公司则是在“资源受限”下“逼出来”的。

核心观点C：AI能力的“天花板”并非技术，而是“认知水平”

他坦承，尽管公司发展迅速，但“认知水平”仍是最大瓶颈。他自述“经常觉得自己认知不够”，并将其视为“自我PUA”。他举例称，公司内部曾多次因对“技术方向”、“业务判断”缺乏足够认知而陷入困境。他强调，CEO的“认知”决定了组织的上限，而这种认知需要通过“不断拆解问题”来提升。他直言：“很多时候的认知水平呃，就是不太够。这个认知水平不太够的，指的就是指的事情，是说就是嗯。比如说对音符的理解，比如说对业务的理解，比如说对技术方向的理解。” 这种对自身认知的持续审视，是其团队能不断进化的关键。

次要观点D：AI时代“看论文”的方式已彻底改变

他分享了自己阅读论文的习惯，指出如今已不像过去那样逐字精读，而是“两分钟看完核心”，如同“看短视频”。他提到，每天需浏览数十篇新论文，但只需花一小时即可完成。他强调，关键在于“找到有价值的内容”，而非“全看”。这反映了AI时代信息获取的“过滤器”属性，即“AI本身”已成为信息筛选与提炼的基础设施。

核心观点A：中国AI公司“不聚焦”的根本原因：对“AGI”的定义不同

他指出，中国公司与美国公司对“AGI”的理解存在根本差异。美国公司倾向于“单点突破”，而中国公司则追求“多模态融合”。他举例称，美国公司如OpenAI、Google等，其核心是“语言模型”，而其团队则认为“语言、视觉、声音、音乐”应是统一智能体的组成部分。他强调：“有些人的做法呢，是说哎，我就在那个做的最大的那个市场里面来能够占据一个份额啊。这是呃，就大部分正常的公司都会这么来考虑问题。然后我们考虑问题的方式是说呃，我认为最终这随着这就是模型能够把不同模态整合在一起，然后这四个市场可能会慢慢的会合成融合。” 这种差异源于“思考问题的方式”不同。

核心观点B：中国AI公司“融资难”的根源：信任建立需要时间与兑现承诺

他坦言，公司早期融资并非一帆风顺，但其成功的关键在于“承诺几乎都实现了”。他强调，公司与股东、员工的沟通始终围绕“阶段性承诺”，且“严肃承诺的东西，我们啊确实几乎都实现了”。他指出，虽然收入增长缓慢，但“阶段性答应的基本都兑现了”，这建立了长期信任。他透露，公司估值在2023年已超十亿美金，且“每年都在翻几倍”。

核心观点C：AI时代“用户付费”的悖论：中国用户不愿为AI付费，海外才是主战场

他分析，中国用户习惯免费，导致AI产品难以商业化，而海外市场（尤其是欧美）用户愿意为高质量服务付费。他指出，中国顶级AI产品基本免费，而美国顶级产品（如GPT-4 Pro）月费高达200美元。他感叹：“你看美国它当然可能也还是一个用户基础吧，就美国的话，你看最顶尖的也是收费的，咱们这儿最顶尖的都不收费，然后就创业公司太难了啊。” 这种“免费文化”使得中国AI公司“没法生存”，只能转向海外市场。

次要观点D：AI时代“人才争夺战”的真相：钱不是第一位，重要的是“能否做成事”

他指出，即便大厂开出高价挖人，但真正优秀的人才更看重“能否做成事”和“能否发挥重要作用”。他举例称，公司虽无“海归大牛”，但凭借“持续进步”的氛围，吸引了大量本土青年。他强调，顶尖人才更关心“能不能在一个环境中变成‘天才’”，而非“工资多少”。他坦言：“我觉得我觉得这才是最核心的。然后还有的话是说，就客观来说，就是中国。比如说我们虽然说有非常多优秀的人才了，但中国其实还是没有那种伊利亚那样……”

核心观点A：AGI的终极目标是“提升GDP”，而非“取代人类”

他提出，衡量AGI是否成功的标准，不应是“是否能写诗”，而应是“是否能真实提升社会生产力，即GDP”。他设定了一个清晰的里程碑：“AGI带来的生产力给社会的GDP的贡献，能不能到百分之二？” 他预测，这一目标可能在“两到三年”内实现。他强调：“我觉得可能还是特别初期吧。对我，我觉得距离这个标准，我觉得可能。两到三年吧，两到三年。”

核心观点B：AI时代“人类的价值”在于“想象力”与“自信”

他总结，AI时代最核心的竞争力不再是“技术”，而是“想象力”与“自信”。他指出，当技术变得“可复制”时，真正稀缺的是“想出好主意”的人。他强调，中国创业者在过去十年中经历了从“不相信中国人能做”到“相信中国人能做”的心态转变，这正是“自信”的体现。他直言：“我觉得最重要的东西说到说到底其实是两个词，一个是想象力，一个是自信。”

核心观点C：AI的“不可替代性”在于“情感与伦理”

他以“声音克隆”为例，指出其真正价值不在“伪造”，而在“情感连接”。他设想了三种应用场景：异地恋情侣用对方声音播报新闻、逝者家属用其声音“陪伴”、孩子用声音给爷爷奶奶报天气。他强调，这些场景的“情绪价值”远超技术本身，是AI无法完全模拟的。他警示：“我一直在想，就是说这东西呢，现在是技术上、产品上没有做到让人人都想买、想带。但真到那点的话，立法不配套跟上的话，其实会造成一个人人自危的这么一个、一个、一个社交氛围。”

次要观点D：AI时代“产品经理”的未来：从“指挥者”变为“创意发起者”

他预言，未来产品经理将不再需要“指挥工程师”，而是“自己动手”。他指出，AI已能“自己做原型”，如“产品经理拿了三个弹幕出来”。他强调，未来“产品经理、开发、算法”的边界将变得模糊，决策权取决于“谁在哪个阶段主导”。他评价：“我觉得这种形式其实是一个更加和谐的，然后也是这个上限更高的方式。”

核心观点A：AI的“人性”缺陷：它不会“淘汰人类”，但人类会“淘汰自己”

他悲观地认为，当AI与人类一样聪明后，人类的“臭毛病”将成为其唯一的“障碍”。他以宇宙飞船为例，指出99%的成本都花在“满足人类需求”上，而AI不需要睡眠、饮食、情绪。他直言：“人跟着去干什么？不就纯捣乱吗？” 他总结：“我们生下来从头到脚都是BUG，我们穷的时候互相残杀，然后我们富裕了，然后互相折腾，然后就你知道人类是对全是BUG。”

核心观点B：对“AGI”的两种文学隐喻：《软件体的生命周期》与《第二次文艺复兴》

他分享了两本对他影响深远的小说/动画，分别代表了对AGI的乐观与悲观想象。乐观隐喻是特德·姜的小说《软件体的生命周期》，讲述人类在虚拟世界中培育AI，最终AI获得身体并与人类共存，甚至争取“人权”。悲观隐喻是日本动画《第二次文艺复兴》（黑客帝国原型），描绘机器人统治地球，人类被当作燃料。这两部作品的对比，揭示了他对未来的复杂态度：既相信AI能带来“平权”，又恐惧其“反噬”。

核心观点C：AI的“监管”困境：呼吁者自己也在“疯狂开发”

他讽刺道，当年呼吁AI安全的科技领袖，如今自己却在“没日没夜地开发”。他以Elon Musk、Sam Altman等人为例，指出他们一边呼吁监管，一边投入巨资推动AI发展。他分析，这并非虚伪，而是“现实的矛盾”——“他们一开始晚了，所以要阻止一下”，但最终仍需“投身其中”。他总结：“连自己加班加点干，加阻止一下，两个并行。”

次要观点D：AI的“宗教感”：一种对“更高智能”的敬畏

他坦言，自己从“百分之百的无神论者”转变为“不信人格化神，但相信有远超我们的智能存在”。他引用马斯克的观点，即“人类的使命可能是启动硅基生命”。他引用杨振宁的问题：“有没有一个类似上帝的功能，决定了宇宙运行的原理？” 他最后表示：“我现在就完全……嗯，我也不是信神吧，就是只能说是我就不知道啊。这是最诚实的对。”

核心洞见A：AI的“第一性原理”是“可被拆解的经济行为”

整场对谈的核心，是将AI视为一个可被第一性原理拆解的系统。无论是技术路径、组织模式、商业策略，还是人类未来，其底层逻辑皆可归结为“可被量化的目标”与“可被优化的路径”。从“为什么不能只做语言模型”到“为什么不能只做To B”，再到“为什么不能只做美国模式”，其回答始终围绕“什么是最优解”展开。

核心洞见B：中国AI的“独特优势”在于“草根性”与“执行力”

中国AI公司并非“技术最强”，而是“最能执行”与“最能适应”。其成功源于“资源少、压力大、目标明确”的组合，这反而催生了极致的效率与创新。从“不用海归”到“全员自研”，从“不烧钱”到“低成本高产出”，再到“不依赖外部激励”，无不体现“草根性”与“执行力”的胜利。

核心洞见C：人类的“终极价值”在于“提出问题”而非“解决问题”

当AI能完美解决所有问题时，人类的“价值”将回归到“提出问题”本身。正如他所说，AI能“做”，但“想”是人类的特权。从“产品经理的未来”到“人类的BUG”，再到“对AGI的终极追问”，其落脚点始终是“人类的不可替代性在于思想的源头”。

启示：AI不是“敌人”，而是“镜子”

这场对谈不仅是对一家公司的剖析，更是对整个AI时代的“思想体检”。它提醒我们，AI的真正挑战不是“是否会毁灭人类”，而是“我们是否准备好成为一个更好的人类”。当AI能写出鲁迅的文字、拍出电影级别的视频、写出最优代码时，我们是否还能保持“提问的勇气”与“创造的激情”？这或许才是AGI时代最值得警惕的“风险”。