直接的例子就是MoE（混合专家模型）上的“豪赌”。
时间回到2023年夏天，国内的大模型厂商们纷纷加快了研发进度，摆在MiniMax面前的现实问题是：自家2B和2C的产品已经有很多用户，传统dense（稠密）模型生成token的成本太高，延时太严重；在计算资源有限的情况下，只有MoE才能训练完当时的数据。
理论上讲，MoE相较于dense模型的预训练速度更快，在相同参数的情况下，有着更快的推理速度，但在微调方面存在诸多挑战，比如泛化能力不足容易引发过拟合现象，属于典型的“技术派才有的红利”。
其他厂商选择dense模型快速迭代的时候，MiniMax放了80%以上的算力和研发资源做MoE，而且没有Plan B。
拐点出现在2024年初，MiniMax发布了国内首个基于MoE架构的abab 6，找到了越来越多加速实现Scaling Laws的途径，包括改进模型架构、重构数据pipeline等等，并在三个月后研发出了更强大的abab 6.5。
正如外界所熟知的，长文本能力在2024年成为生产力工具的“胜负手”，万亿参数的abab 6.5已经200k tokens 的上下文长度，综合能力已经不逊于国外主流大模型；使用同样的训练技术和数据的abab 6.5s，进一步提升了推理速度，可以在1秒内处理近3万字的文本。
按照业界常用的“大海捞针”机制，即在很长的文本中放入一个和该文本无关的句子（针），然后通过自然语言提问模型，看模型是否准确将这个针回答出来。在891次问答中，abab 6.5均能正确回答。
现在，MoE模型已经上升为行业共识，被认为是高性能AI大模型的必选项，而MiniMax已经在这条路上“抢跑”了一年。
02 技术驱动的产品方法论
让许多人没想到的是，一群痴迷于技术的工程师，“意外”做出了多个日活用户超过100万的产品，包括Glow、星野、海螺AI等，涵盖内容社区、生产力工具等不同方向。
曾有媒体在采访时询问闫俊杰：“你们第一个模型还没做出来，就招了产品经理，当时你如何向他描述你想要一个怎样的产品？”出乎预料的是，闫俊杰给出的回答只要三个字：“不知道。”
闫俊杰口中的“不知道”，源于对技术的敬畏：当前AI原生的超级产品，无不源自突破性的技术进步。
比如搜索问答几乎是所有对话式AI的标配，也是我们使用生产力工具提升工作效率的刚需功能。但越是基础的功能，越能验证生产力工具的价值，考验背后大模型的能力。
百度发布2024年Q1财报后，我们同时在海螺AI和国外的一款产品进行了对比，用户体验可谓高下立见：
我们的问题是皮尔斯·布朗的代表作《火星崛起》，曾被《娱乐周刊》评为2014年度最佳图书，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准确理解了我们的需求，生成的故事梗概可圈可点，并给出了深刻的评价；豆包将我们的需求误解为《星球崛起》，生成的内容居然是《火星三部曲》的介绍。
技术的上限左右着产品的上限。
MiniMax之所以做出了海螺AI这样“能打”的生产力工具，根源在于技术驱动的产品方法论，只有具备足够好的产品能力，才能承接和转化取得的技术进展，否则会落得一场空。
当然，MiniMax也有自己的“野心”。就像闫俊杰所筹划的：“在技术快速进化的窗口关闭前，做出用户量巨大的To C产品。”
03 做普通人每天用的产品
资本圈里流传着一句话：判断一位人工智能创业者是否真正的AGI信仰，就看这个人创业是在2023年之前还是之后。作为普通用户，则有另一套判断标准，即能不能解决实际问题，扎扎实实地提高工作效率。
行事低调的闫俊杰，很少围绕AGI的话题高谈阔论，但在媒体采访时讲述了自己朴素的信仰：Intelligence with everyone。
怎么理解“与用户共创智能”？海螺AI无疑是最直观的研究对象。
生产力工具作为当下最拥挤的大模型赛道，市面上的产品已经多达几十款，豆包、文心一言、智谱清言、Kimi……哪怕是在高度内卷的局面下，肩负MiniMax信仰的海螺AI，依然表现出了差异化和稀缺性。
首先是简洁的产品设计。
为了争夺用户的注意力和时长，越来越多的对话式AI产品在首页上添加了丰富的菜单栏，努力向用户表达功能的多样性。海螺AI不可谓不克制，首页上除了简单的功能引导和对话框外，并没有其他影响注意力的元素。
而产品能力的强弱，往往体现在一些细节中。以我们高频使用的长文总结为例，将第三方行业报告上传到海螺AI，可以准确梳理报告的核心信息，并根据报告内容进行对话。原先阅读一篇报告需要至少两个小时的时间，现在不到5分钟就能完成，工作效率可以说是实现了指数级增长。
然后是多元的使用场景。
有些产品尽可能在首页上推荐足够多的“角色”，来告诉我们有很多使用场景，适合不同的用户。仅仅在prompt下功夫，当真可以满足不同人群的需求吗？市场初期也许奏效，可终归不是解决问题的最优解。
海螺AI的答案是从能力上满足不同人群的需求：帮研究人员快速总结和分析长篇学术论文或研究报告、帮内容创作者整合关键信息并生成爆款文章、帮知识工作者整理和回顾学习资料、为日常用户提供生活中的即时帮助……就像是一个能打的六边形战士，背后是万亿参数MOE大模型的底气。
一言以蔽之，只有做出足够产品化、能服务大众的AI技术和产品，才可以给社会带来足够高的反馈。在MiniMax的认知里，AGI不是原子弹那样的大杀器，而是普通人每天会用的产品和服务。
04 写在最后
每一次代际演变的出现，都会经历百花齐放到超级APP“统治”市场的过程。
大模型的产品化也不例外。现阶段AI产品的核心价值，主要来自模型性能和算法能力，不排除会上演“赢者通吃”的一幕。特别是对于寻求生产力的用户，拥抱海螺AI这样的超级APP，卸载掉“尝鲜”时下载的几十个APP，将是可以预见的结果。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：SEO优化专员，转转请注明出处：https://www.chuangxiangniao.com/p/962794.html
