“现阶段最重要的还不是商业化” 腾讯、阿里投资的MiniMax正式切入视频生成混战

向来低调的AI独角兽企业“MiniMax”公布了最新的业务进展。

在周末（8月31日）举行的“2024 MiniMax Link伙伴日”活动上，MiniMax创始人闫俊杰宣布推出音乐生成模型与视频生成模型。

图片来源：每经记者 陈婷 摄

在接受包括《每日经济新闻》等媒体的记者采访时，闫俊杰表示，在视频方面，这次MiniMax取得了很大的进展。“这个东西只是我们的第一版，很快还会有更新的版本，我们的策略是再等一两周，等新的东西出来，到了一个更加满意的状态之后，可能会考虑一些商业化，把好的技术开放给广大的开发者和B端客户使用。” 闫俊杰介绍说。

MiniMax音乐生成模型与视频生成模型已经在开放平台和“海螺AI”网页版上线。此外，记者从MiniMax处了解到，采用新一代技术的“abab7”系列文本模型也将于未来数周内正式发布。

在海螺AI网页版，记者体验了视频生成模型。输入一段简单的创意描述内容之后，该模型可在1到2分钟内输出一个包含描述内容的视频。

今年5月，MiniMax宣布上架了C端产品“海螺AI”，其1秒内可处理近3万字的文本，进行书籍、长篇报告、学术论文等长篇内容的阅读、分析和文本写作。此外，MiniMax在AI内容社区上已经有所建树。针对国外和国内市场，分别推出了“Talkie”和“星野”。

“为什么我们推出比‘可灵’（快手推出的AI创意生产力平台）要晚一两个月？”闫俊杰表示，核心在于MiniMax在解决一个更难的技术问题，即如何“原生训练”算力比较高的东西。

知名风投机构“a16z”最新发布的《Top100消费级生成式AI应用》移动应用榜单中，Talkie位列22位。另据MiniMax提供的数据，MiniMax每日与全球用户进行超30亿次交互，处理超3万亿文本token（词元）、2000万张图片和7万小时语音。

先后获得腾讯、阿里投资

在本次公开发布之前，MiniMax对外交流并不多，此前受到的普遍关注也与融资进展有关。

天眼查显示，2024年3月，MiniMax背后的上海稀宇极智科技有限公司完成了B轮的6亿美元融资，投资方为阿里巴巴，其估值达到25亿美元。此前的2023年6月，MiniMax完成了超2.5亿美元的A轮融资，投资方为腾讯投资。

作为一家大厂连续加码的AI独角兽，MiniMax已经推出了多款产品。

以星野为例，资料显示，作为MiniMax旗下的AI原生应用，其致力于为用户打造沉浸式AI内容社区，于2023年9月上线。

闫俊杰透露，星野这样的产品，其底层设计并不是陪伴用户聊天，底层设计实际上是一个内容社区。在其中，可以有一些用户创建一些角色，此外，现在也提供了更复杂的工具，用户可以在里面创建故事、创作世界观。同时另外一些用户可以根据创造的世界观进行互动。

在发布星野之前，MiniMax已经于去年6月发布出海产品Talkie。根据数据分析公司Sensor Tower的数据，Talkie在美国免费娱乐类应用榜上排名第五，全球月活跃用户数已达1100万。此外，根据 智能服务商QuestMobile 数据，星野活跃率达到25.7%，月人均使用天数为7.7天。

值得一提的是，据媒体报道，谷歌花费了数十亿美元，吸纳了聊天机器人初创公司“Character.AI” 的联合创始人诺姆·沙泽尔、丹尼尔·德弗雷塔斯，以及研发人员约30名，并与Character.AI达成了许可协议。同时，谷歌将以25亿美元的估值收购Character.AI投资者的股票。

关于海外业务的进展，MiniMax国际业务总经理盛静远对记者表示，很早之前Character.AI是比较有名的。“现在他的核心团队被谷歌收走之后，我们成了赛道的扛大旗者，我们在做的事情是不断地破圈。我们做的不是陪聊，也不是AI的情感陪伴，就是新一代的内容生成平台。”盛静远说道。

此外，今年5月，“海螺AI”也已经上线。据MiniMax官方公众号披露，海螺AI背后接入了 MiniMax自研的多模态大模型，包括万亿参数MoE（混合专家）大语言模型 “abab6.5”，语音大模型和图像大模型。这些技术让海螺AI可以在1秒内处理近3万字的文本。

闫俊杰表示，星野的用户画像以二三线城市居民为主，年龄在17岁到25岁之间。据他透露，海螺用户画像更泛一些，因为海螺本来就是工具型的产品。

就商业化进展等问题，闫俊杰回复称，整个公司的商业化基本上分成两个形式，其中的一个形式就是MiniMax开放平台，它目前拥有超过3万名企业客户和开发者。此外，闫俊杰表示，MiniMax的产品里面也有广告的机制，广告本身也可以进行商业化的变现。

他认为，在目前的阶段，最重要的东西还不是商业化，是技术能达到广泛“可用”的程度。

切入视频生成模型混战

2024 年以来，AI 视频生成模型正在加速涌现。

2024年2月，OpenAI 的视频生成大模型 Sora 横空出世，可输出长达60秒的视频，不仅能准确呈现细节，还能理解物体在物理世界中的存在，被视为视频创作领域里程碑式的产品。

根据兴业证券相关研报统计，年中以来，中国自研视频生成大模型也在加速涌现。

当前，“即梦”（抖音旗下）、“可灵”（快手旗下）、“清影”（智谱旗下）等产品已对公众开放，在帧率、视频时长、清晰度等层面接近或超过了海外已开放的主流视频大模型，并且实现了背景音乐、首尾帧、视频延长、口型驱动等技术集成。

对于切入视频生成模型混战的原因，闫俊杰表示，MiniMax一直以来的目标是要做动态的输出。

“我们每天看的大部分内容，都不是文字，而是一些动态的东西。打开小红书都是图文，打开抖音都是视频，甚至打开拼多多买东西，大部分时候也是图片。”闫俊杰表示，为了能够有非常高的用户覆盖度，有非常高的使用深度，唯一的办法是能够输出动态的内容，而不是输出单纯基于文字的内容。

闫俊杰透露，其实（MiniMax）很早就做出来了图片，只是现在技术变得更强，把视频也做了出来。“这个路线是一以贯之的，一定要能够做多模态。”

闫俊杰也提到，做视频生成模型的工作复杂度比文本更难，因为视频的Context（上下文的文本）天然很长。其次，视频量很大，比如一个5秒的视频，大小可能有几兆，但是5秒的文字，大小可能都不到1K，这是几千倍的存储差距。

“这里面的挑战在于，之前基于文本而构建的这套底层基础设施怎么处理数据、怎么清洗数据、怎么来标注。（但这些）对视频都不太适用，意味着基础设施也需要升级。”闫俊杰说。

兴业证券的相关研报提及，AI生成视频模型已在短剧领域取得显著成果，未来有望赋能对画面的精度和时长要求更高的长视频和电影。

北京社科院副研究员王鹏对《每日经济新闻》记者表示，随着短视频、直播等新型媒体形式的兴起，视频内容的需求量急剧增加。视频生成模型能够满足这一需求，为内容创作者提供高效、低成本的视频制作工具。

值得一提的是，作为创业公司，MiniMax会不可避免地与大厂进行正面竞争。

对此，闫俊杰表示：“当开始意识到那些比你大好多倍的公司都开始跟你竞争的时候，就意识到有些东西是没用的，因为在那些东西上，大厂比你强百倍千倍，我们能做的就是（把）有可能变强的事无限地放大。”

对于这“可能变强的事”，他提到了两点，一是技术如何提升，二是如何跟用户做更好的共创，“这两点都需要一些非常关键的判断，需要非常长期的积累”。