每經(jīng)記者 陳婷    每經(jīng)編輯 文多    

向來(lái)低調(diào)的AI獨(dú)角獸企業(yè)“MiniMax”公布了最新的業(yè)務(wù)進(jìn)展。

在周末（8月31日）舉行的“2024 MiniMax Link伙伴日”活動(dòng)上，MiniMax創(chuàng)始人閆俊杰宣布推出音樂(lè)生成模型與視頻生成模型。

圖片來(lái)源：每經(jīng)記者 陳婷 攝

在接受包括《每日經(jīng)濟(jì)新聞》等媒體的記者采訪時(shí)，閆俊杰表示，在視頻方面，這次MiniMax取得了很大的進(jìn)展。“這個(gè)東西只是我們的第一版，很快還會(huì)有更新的版本，我們的策略是再等一兩周，等新的東西出來(lái)，到了一個(gè)更加滿意的狀態(tài)之后，可能會(huì)考慮一些商業(yè)化，把好的技術(shù)開(kāi)放給廣大的開(kāi)發(fā)者和B端客戶使用。” 閆俊杰介紹說(shuō)。

MiniMax音樂(lè)生成模型與視頻生成模型已經(jīng)在開(kāi)放平臺(tái)和“海螺AI”網(wǎng)頁(yè)版上線。此外，記者從MiniMax處了解到，采用新一代技術(shù)的“abab7”系列文本模型也將于未來(lái)數(shù)周內(nèi)正式發(fā)布。

在海螺AI網(wǎng)頁(yè)版，記者體驗(yàn)了視頻生成模型。輸入一段簡(jiǎn)單的創(chuàng)意描述內(nèi)容之后，該模型可在1到2分鐘內(nèi)輸出一個(gè)包含描述內(nèi)容的視頻。

今年5月，MiniMax宣布上架了C端產(chǎn)品“海螺AI”，其1秒內(nèi)可處理近3萬(wàn)字的文本，進(jìn)行書(shū)籍、長(zhǎng)篇報(bào)告、學(xué)術(shù)論文等長(zhǎng)篇內(nèi)容的閱讀、分析和文本寫(xiě)作。此外，MiniMax在AI內(nèi)容社區(qū)上已經(jīng)有所建樹(shù)。針對(duì)國(guó)外和國(guó)內(nèi)市場(chǎng)，分別推出了“Talkie”和“星野”。

“為什么我們推出比‘可靈’（快手推出的AI創(chuàng)意生產(chǎn)力平臺(tái)）要晚一兩個(gè)月？”閆俊杰表示，核心在于MiniMax在解決一個(gè)更難的技術(shù)問(wèn)題，即如何“原生訓(xùn)練”算力比較高的東西。

知名風(fēng)投機(jī)構(gòu)“a16z”最新發(fā)布的《Top100消費(fèi)級(jí)生成式AI應(yīng)用》移動(dòng)應(yīng)用榜單中，Talkie位列22位。另?yè)?jù)MiniMax提供的數(shù)據(jù)，MiniMax每日與全球用戶進(jìn)行超30億次交互，處理超3萬(wàn)億文本token（詞元）、2000萬(wàn)張圖片和7萬(wàn)小時(shí)語(yǔ)音。

先后獲得騰訊、阿里投資

在本次公開(kāi)發(fā)布之前，MiniMax對(duì)外交流并不多，此前受到的普遍關(guān)注也與融資進(jìn)展有關(guān)。

天眼查顯示，2024年3月，MiniMax背后的上海稀宇極智科技有限公司完成了B輪的6億美元融資，投資方為阿里巴巴，其估值達(dá)到25億美元。此前的2023年6月，MiniMax完成了超2.5億美元的A輪融資，投資方為騰訊投資。

作為一家大廠連續(xù)加碼的AI獨(dú)角獸，MiniMax已經(jīng)推出了多款產(chǎn)品。

以星野為例，資料顯示，作為MiniMax旗下的AI原生應(yīng)用，其致力于為用戶打造沉浸式AI內(nèi)容社區(qū)，于2023年9月上線。

閆俊杰透露，星野這樣的產(chǎn)品，其底層設(shè)計(jì)并不是陪伴用戶聊天，底層設(shè)計(jì)實(shí)際上是一個(gè)內(nèi)容社區(qū)。在其中，可以有一些用戶創(chuàng)建一些角色，此外，現(xiàn)在也提供了更復(fù)雜的工具，用戶可以在里面創(chuàng)建故事、創(chuàng)作世界觀。同時(shí)另外一些用戶可以根據(jù)創(chuàng)造的世界觀進(jìn)行互動(dòng)。

在發(fā)布星野之前，MiniMax已經(jīng)于去年6月發(fā)布出海產(chǎn)品Talkie。根據(jù)數(shù)據(jù)分析公司Sensor Tower的數(shù)據(jù)，Talkie在美國(guó)免費(fèi)娛樂(lè)類應(yīng)用榜上排名第五，全球月活躍用戶數(shù)已達(dá)1100萬(wàn)。此外，根據(jù) 智能服務(wù)商QuestMobile 數(shù)據(jù)，星野活躍率達(dá)到25.7%，月人均使用天數(shù)為7.7天。

值得一提的是，據(jù)媒體報(bào)道，谷歌花費(fèi)了數(shù)十億美元，吸納了聊天機(jī)器人初創(chuàng)公司“Character.AI” 的聯(lián)合創(chuàng)始人諾姆·沙澤爾、丹尼爾·德弗雷塔斯，以及研發(fā)人員約30名，并與Character.AI達(dá)成了許可協(xié)議。同時(shí)，谷歌將以25億美元的估值收購(gòu)Character.AI投資者的股票。

關(guān)于海外業(yè)務(wù)的進(jìn)展，MiniMax國(guó)際業(yè)務(wù)總經(jīng)理盛靜遠(yuǎn)對(duì)記者表示，很早之前Character.AI是比較有名的。“現(xiàn)在他的核心團(tuán)隊(duì)被谷歌收走之后，我們成了賽道的扛大旗者，我們?cè)谧龅氖虑槭遣粩嗟仄迫ΑＮ覀冏龅牟皇桥懔?，也不是AI的情感陪伴，就是新一代的內(nèi)容生成平臺(tái)。”盛靜遠(yuǎn)說(shuō)道。

此外，今年5月，“海螺AI”也已經(jīng)上線。據(jù)MiniMax官方公眾號(hào)披露，海螺AI背后接入了 MiniMax自研的多模態(tài)大模型，包括萬(wàn)億參數(shù)MoE（混合專家）大語(yǔ)言模型 “abab6.5”，語(yǔ)音大模型和圖像大模型。這些技術(shù)讓海螺AI可以在1秒內(nèi)處理近3萬(wàn)字的文本。

閆俊杰表示，星野的用戶畫(huà)像以二三線城市居民為主，年齡在17歲到25歲之間。據(jù)他透露，海螺用戶畫(huà)像更泛一些，因?yàn)楹Ｂ荼緛?lái)就是工具型的產(chǎn)品。

就商業(yè)化進(jìn)展等問(wèn)題，閆俊杰回復(fù)稱，整個(gè)公司的商業(yè)化基本上分成兩個(gè)形式，其中的一個(gè)形式就是MiniMax開(kāi)放平臺(tái)，它目前擁有超過(guò)3萬(wàn)名企業(yè)客戶和開(kāi)發(fā)者。此外，閆俊杰表示，MiniMax的產(chǎn)品里面也有廣告的機(jī)制，廣告本身也可以進(jìn)行商業(yè)化的變現(xiàn)。

他認(rèn)為，在目前的階段，最重要的東西還不是商業(yè)化，是技術(shù)能達(dá)到廣泛“可用”的程度。

切入視頻生成模型混戰(zhàn)

2024 年以來(lái)，AI 視頻生成模型正在加速涌現(xiàn)。

2024年2月，OpenAI 的視頻生成大模型 Sora 橫空出世，可輸出長(zhǎng)達(dá)60秒的視頻，不僅能準(zhǔn)確呈現(xiàn)細(xì)節(jié)，還能理解物體在物理世界中的存在，被視為視頻創(chuàng)作領(lǐng)域里程碑式的產(chǎn)品。

根據(jù)興業(yè)證券相關(guān)研報(bào)統(tǒng)計(jì)，年中以來(lái)，中國(guó)自研視頻生成大模型也在加速涌現(xiàn)。

當(dāng)前，“即夢(mèng)”（抖音旗下）、“可靈”（快手旗下）、“清影”（智譜旗下）等產(chǎn)品已對(duì)公眾開(kāi)放，在幀率、視頻時(shí)長(zhǎng)、清晰度等層面接近或超過(guò)了海外已開(kāi)放的主流視頻大模型，并且實(shí)現(xiàn)了背景音樂(lè)、首尾幀、視頻延長(zhǎng)、口型驅(qū)動(dòng)等技術(shù)集成。

對(duì)于切入視頻生成模型混戰(zhàn)的原因，閆俊杰表示，MiniMax一直以來(lái)的目標(biāo)是要做動(dòng)態(tài)的輸出。

“我們每天看的大部分內(nèi)容，都不是文字，而是一些動(dòng)態(tài)的東西。打開(kāi)小紅書(shū)都是圖文，打開(kāi)抖音都是視頻，甚至打開(kāi)拼多多買東西，大部分時(shí)候也是圖片。”閆俊杰表示，為了能夠有非常高的用戶覆蓋度，有非常高的使用深度，唯一的辦法是能夠輸出動(dòng)態(tài)的內(nèi)容，而不是輸出單純基于文字的內(nèi)容。

閆俊杰透露，其實(shí)（MiniMax）很早就做出來(lái)了圖片，只是現(xiàn)在技術(shù)變得更強(qiáng)，把視頻也做了出來(lái)。“這個(gè)路線是一以貫之的，一定要能夠做多模態(tài)。”

閆俊杰也提到，做視頻生成模型的工作復(fù)雜度比文本更難，因?yàn)橐曨l的Context（上下文的文本）天然很長(zhǎng)。其次，視頻量很大，比如一個(gè)5秒的視頻，大小可能有幾兆，但是5秒的文字，大小可能都不到1K，這是幾千倍的存儲(chǔ)差距。

“這里面的挑戰(zhàn)在于，之前基于文本而構(gòu)建的這套底層基礎(chǔ)設(shè)施怎么處理數(shù)據(jù)、怎么清洗數(shù)據(jù)、怎么來(lái)標(biāo)注。（但這些）對(duì)視頻都不太適用，意味著基礎(chǔ)設(shè)施也需要升級(jí)。”閆俊杰說(shuō)。

興業(yè)證券的相關(guān)研報(bào)提及，AI生成視頻模型已在短劇領(lǐng)域取得顯著成果，未來(lái)有望賦能對(duì)畫(huà)面的精度和時(shí)長(zhǎng)要求更高的長(zhǎng)視頻和電影。

北京社科院副研究員王鵬對(duì)《每日經(jīng)濟(jì)新聞》記者表示，隨著短視頻、直播等新型媒體形式的興起，視頻內(nèi)容的需求量急劇增加。視頻生成模型能夠滿足這一需求，為內(nèi)容創(chuàng)作者提供高效、低成本的視頻制作工具。

值得一提的是，作為創(chuàng)業(yè)公司，MiniMax會(huì)不可避免地與大廠進(jìn)行正面競(jìng)爭(zhēng)。

對(duì)此，閆俊杰表示：“當(dāng)開(kāi)始意識(shí)到那些比你大好多倍的公司都開(kāi)始跟你競(jìng)爭(zhēng)的時(shí)候，就意識(shí)到有些東西是沒(méi)用的，因?yàn)樵谀切〇|西上，大廠比你強(qiáng)百倍千倍，我們能做的就是（把）有可能變強(qiáng)的事無(wú)限地放大。”

對(duì)于這“可能變強(qiáng)的事”，他提到了兩點(diǎn)，一是技術(shù)如何提升，二是如何跟用戶做更好的共創(chuàng)，“這兩點(diǎn)都需要一些非常關(guān)鍵的判斷，需要非常長(zhǎng)期的積累”。