打开网易新闻 查看精彩图片

近日，MiniMax创始人、董事长兼CEO闫俊杰在接受英国播客采访时表示：“AI行业的盈利不是通过提高价格实现的，而是通过创新不断降低推理成本。”这一判断把AI商业化的讨论从价格端引向成本端，也与其在采访中围绕中美AI发展路径、推理成本和后训练展开的阐述形成呼应。

盈利逻辑落在推理成本

在AI模型从研发走向规模化服务的过程中，推理成本是决定模型服务能否持续供给的关键变量。推理成本与模型架构、算力利用效率、基础设施调度和部署方式密切相关。闫俊杰将盈利问题与推理成本直接关联，指向的是通过技术创新持续压低推理成本，从而支撑更低成本的模型服务。素材显示，MiniMax致力于最大限度降低推理成本，同时提升智能水平，并通过简化架构、优化基础设施和开放模型权重，推动更低成本的模型服务与持续创新。这里的关键不只是“降本”，还包括在降本的同时保持智能水平提升，二者共同构成其技术路径。

中美AI生态的路径差异

围绕中美AI发展路径，闫俊杰在采访中给出对比：美国AI生态由巨额资本支撑并趋向封闭，中国AI生态则由效率驱动、强调协作。这一判断为理解推理成本问题提供了产业背景。巨额资本支撑的生态往往更强调资源投入，并呈现封闭趋向；效率驱动、强调协作的生态，则更需要在架构简化、基础设施优化和开放模型权重等环节提升资源使用效率。MiniMax提出的降本路径——简化架构、优化基础设施、开放模型权重——正对应这种效率导向。需要注意的是，这是闫俊杰在采访中的判断，指向的是生态特征与成本创新之间的关系，而非对具体市场结果的预测。

后训练议题与持续创新

采访还涉及后训练议题。结合已披露的发言概要，闫俊杰的阐述覆盖推理成本、后训练与中美AI发展路径等方向。后训练是模型能力迭代的重要环节，其与推理成本、工程效率之间的关系，是当前AI产业关注的技术议题。就此次采访而言，可确认的信息是议题覆盖后训练，以及MiniMax通过简化架构、优化基础设施和开放模型权重推动更低成本模型服务与持续创新的做法。对通信行业和科技产业观察者而言，这一表述的价值在于：AI服务的竞争不只在模型参数和功能层面，也在成本结构、基础设施效率和开放协作方式上展开。推理成本下降会改变模型服务的供给门槛，进而影响云服务、算力网络和行业应用的落地节奏。闫俊杰将盈利与降本创新直接关联，提供了观察AI商业化路径的一个切口：价格不是唯一杠杆，技术创新带来的成本曲线下移，才是其强调的方向。