MiniMax 创始人闫俊杰在海外知名投资播客 Invest in Progress 接受专访，这次属于他少见的对外深度英文访谈，他把中美 AI 的竞争路径划分成两套完全不一样的模式，美国依托海量资本、充足算力和芯片通道，打造偏向封闭的前沿模型体系，国内因为算力资源受限，倒逼各家厂商打磨工程效率、走向协同协作，同时他给出一组关键判断，国内头部模型大约只用十分之一成本，就能摸到美国顶尖模型九成五的性能，但剩下最后 5% 的前沿能力，追赶难度会远超前面大部分路程，两种生态不会沿着一模一样的路线往前演化。美国这边资金供给充足，实验室可以靠持续砸算力、堆规模去试探智能边界，很多模型、能力、配套工具都攥在少数头部企业手里；国内赛道里面，各家更愿意在架构、推理、后训练、合成数据上抠效率，不少团队选择开放权重、共享基础设施，靠跨团队协作把有限算力的价值拉满。想要读懂这套判断，可以先分清两套生态各自的优势短板，再看懂 MiniMax 自身押注的效率路线，接着理清 “低成本逼近、最后一段最难追” 的核心逻辑，最后持续跟踪后训练、开源权重、模型评测榜单这些信号。下面把访谈核心观点、两种模式对比、关键数据、落地路径和跟踪节点整理清楚。
两种 AI 生态模式要点清单
- 美国路线：资本驱动封闭体系
- 优势：私人 AI 投资体量巨大，算力、高端芯片供给充裕，可以持续做超大规模训练，更容易率先产出突破性算法猜想。
- 特点：头部大厂倾向闭源，模型、评测、工具链自成闭环，依靠资本壁垒抬高入局门槛。
- 短板：资源充裕之下，对算力利用效率的追求没有那么迫切，很多方案是 “用钱换结果”。
- 中国路线：效率驱动协作体系
- 优势：团队被迫优化模型架构、推理内核、后训练流水线，大量企业愿意开放权重，社区协作活跃，落地场景丰富。
- 特点：同样算力预算之下，可以跑出更多轮迭代、更多强化学习与合成数据实验。
- 短板：前沿大规模算力供给受限，想要冲击最顶尖的模型上限，存在硬性资源约束。
中美 AI 模式对比简表
| 维度 | 美国资本封闭路线 | 中国效率协作路线 |
|---|---|---|
| 核心驱动力 | 巨额资本、充足算力投入 | 工程优化、算力利用率、产业协作 |
| 模型策略 | 闭源为主，独享前沿能力 | 大量开放权重，社区共建 |
| 成本特征 | 训练、推理成本高昂 | 同等性能下，成本优势明显 |
| 迭代重心 | 持续放大训练规模，探索新缩放范式 | 推理降本、后训练扩容、稀疏架构 |
| 长期风险 | 资本退潮之后扩张速度下滑 | 前沿上限突破慢，最后一段差距难啃 |
访谈里的核心量化观点
- 性能与成本：国内最优模型大约达到美国顶尖模型 95% 的性能，投入成本仅为对方十分之一。
- 追赶难度：最后的 5% 前沿能力，难度远高于前面 95%，不能依靠单纯复制路线追上。
- 进步速度：相比单一榜单分数，更值得关注两边模型持续迭代的速度，如果保持相近增速，差距不会快速拉大。
- 效率价值：推理成本降低之后，可以释放更多算力投入后训练、强化学习和合成数据，这是国内路线最重要的突破口。
MiniMax 配套技术落地路径
✅ 持续优化模型架构、训练与推理基础设施，提升单位算力产出。
✅ 坚持开放权重，对外承诺持续开源直到实现 AGI，借力社区协作迭代。
✅ 把省下的推理算力全部投向大规模后训练，把后训练做成核心壁垒。
✅ 控制团队规模，用精简组织，集中资源主攻多模态通用智能，不分散到多条业务线。
后续跟踪实操步骤
- 持续跟踪评测榜单：留意 Arena Elo、各类多模态、数学、代码基准，观察国内头部模型和海外顶尖模型差距变化。
- 关注后训练进展：后训练、强化学习、合成数据是闫俊杰重点押注方向，看有没有规模化成果落地。
- 留意开源发布节奏：跟踪 MiniMax 和国内其他团队开放权重版本，观察社区带来的协同增益。
- 区分 “场景落地” 和 “前沿能力”：效率路线更容易在产业落地拿到优势，但前沿原创算法突破属于另外一条战线。
- 跟踪资本与算力变量：如果海外 AI 资本收缩，或者国内高端算力供给改善，两条路线的强弱对比会发生偏移。
【相关 FAQ】
问题 1：闫俊杰提出的美国用资本堆封闭、中国用效率打协作，这句话怎么理解？
回答 1：闫俊杰认为美国 AI 手握充足资本与算力，倾向打造相对封闭、由头部主导的模型生态；国内受算力条件约束，企业更注重工程效率，偏好开放权重、产业协作，用更高算力利用率完成模型迭代。
问题 2：按照闫俊杰的说法，国内模型可以用十分之一成本做到美国顶尖模型 95% 的性能，剩下的 5% 为什么很难追赶？
回答 2：闫俊杰在访谈中表示，前面 95% 的能力可以依靠架构优化、推理效率、场景落地快速补齐，但最后的前沿能力突破，需要原创算法、超大算力、长期科研积累，难度会远远高于前面追赶的过程。
问题 3：在这套中美 AI 路线判断之下，MiniMax 选择了什么样的发展策略？
回答 3：MiniMax 顺着效率协作路线，持续压低推理成本，把算力倾斜到后训练，坚持开源权重，以精简团队聚焦多模态 AGI，希望依靠大规模后训练体系冲击前沿智能水平。
问题 4：效率协作这条路线，会不会意味着中国 AI 可以快速追上甚至超越美国前沿模型？
回答 4：按照闫俊杰的判断，效率路线可以稳住迭代速度、拿到成本优势和落地优势，但并不保证快速超越；最后一小段前沿差距门槛很高，两条生态会走出不一样的演化路径，不会简单复刻对方的成长方式。
【参考资料】
[2026-11-11]（MiniMax 闫俊杰罕见拆解中美 AI 差距：美国用资本堆封闭，中国用效率打协作）新浪财经
[2026-11-08]（MiniMax 创始人罕见访谈：美国暴力投入算力，正被中国工程效率追赶）观察者网
[2026-11-07]（MiniMax 创始人闫俊杰：AI 竞赛的最后 5% 最难）腾讯新闻
[2026-11-07]（How MiniMax Pursues AGI）36 氪英文站
[2026-11-07]（闫俊杰海外播客：最后 5% 的模型差距最难追赶）正观新闻
【免责声明】
本文全部观点、引述内容来自闫俊杰在 Invest in Progress 播客的访谈以及公开媒体转述；相关性能、成本判断属于创始人个人观点，不同评测基准下模型差距结果存在差异；两条 AI 生态后续走向，会受资本周期、芯片供给、监管政策、算法突破等多重变量影响；文中内容仅作为 AI 产业资讯科普，不构成大模型创业、算力投入、证券投资的决策依据。