当AI绘画从实验室的奇观变成设计师手中的日常工具，一场关于算力、数据与人才的军备竞赛早已在暗处全面升级。近日，国内AI大模型独角兽MiniMax的一纸公告，将这场竞赛的激烈程度推向了新的高度——公司拟融资约160亿港元（约合138.83亿元人民币），创始人兼CEO闫俊杰同时宣布，在实现通用人工智能（AGI）之前，他将不再从公司领取任何薪酬。这不仅是资本层面的豪赌，更是一次对技术信仰的极端表达。
巨额融资背后的战略野心：从“烧钱”到“烧出未来”
MiniMax此次融资由股份配售和可转换债券两部分组成，计划配售3560万股A类股份，每股配售价267.99港元，预计募集约95.41亿港元；同时发行65亿港元可转债，两项合计约159.57亿港元。在当下资本市场普遍收紧、AI公司估值回调的背景下，MiniMax能够拿到如此规模的融资，本身就说明投资者对其技术路线和商业化前景的高度认可。
这笔资金最直观的用途是“强化基建”。根据公告，80%的净募集资金——约127.66亿港元——将用于AI基础设施建设和模型研究与开发，包括模型训练、推理以及相关硬件投入。这并非简单的“烧钱”，而是对规模法则的忠实执行：大模型的能力直接与训练数据量、算力规模正相关。MiniMax在2023年推出的MiniMax-01模型参数量已达千亿级别，而后续的迭代版本需要更庞大的GPU集群和更高效的并行训练框架。可以说，这笔钱买的是“通向AGI的入场券”。
值得注意的是，MiniMax将10%的资金用于AI原生产品Harness的全球商业化及开发，另外10%用于日常运营。这种“80-10-10”的分配比例揭示了公司的底层逻辑：技术研发是第一优先级，产品落地是第二优先级，而运营成本则被压缩到最低。这与CEO闫俊杰的“零薪酬”宣言形成了呼应——公司上下都在为同一个目标牺牲短期利益。
资金流向：基础设施与模型研发占八成，AGI需要多深的“护城河”？
在AI行业，算力是硬通货，而大模型公司对算力的渴求几乎没有上限。MiniMax将80%的融资款投入AI基础设施，本质上是在构建一条由物理资源和技术栈组成的“护城河”。
从模型训练角度看，一个千亿参数的大模型每次训练需要数千张GPU连续运行数周甚至数月，单次电费就高达数百万美元。MiniMax目前采用的是混合专家模型（MoE）架构，这种架构虽然能提升推理效率，但在训练阶段对显存和通信带宽的要求更高。因此，这笔资金中的很大一部分将用于采购最新的AI芯片（如H100/B200）以及建设自己的数据中心，以减少对第三方云服务的依赖。
从模型推理角度看，AI绘画、文生图等应用对实时性要求极高。以用户使用AI画图生成一张图片为例，底层模型需要完成从文本编码到扩散过程的多步计算，推理延迟直接决定用户体验。MiniMax如果能在推理基础设施上做到成本更低、速度更快，就能在文生图等垂直场景中形成差异化竞争力。
此外，模型研发本身也面临“暴力美学”向“精致工程”的转变。随着参数规模增长，简单的数据堆砌带来的边际收益递减，MiniMax需要更精细的数据清洗策略、更高效的注意力机制设计以及更安全的对齐技术。这笔钱将用来招募全球顶尖的AI研究员，同时支撑跨模态、多语言、长上下文等前沿方向的探索。
CEO的“零薪酬”宣言：AGI信仰与长期主义的极致样本
闫俊杰在内部全员信中宣布，从即日起直到公司实现AGI，他将不再领取任何薪酬。同时，他拿出个人名下相当于公司总股本4%的股份激励团队，另外1%设立专项基金支持开源社区。这一举动在科技圈引发巨大反响。
在AI初创公司，创始人“零薪酬”并非没有先例——OpenAI的Sam Altman也曾表示自己只拿最低工资，但MiniMax的情况更为特殊：它是一家已完成多轮融资的商业公司，而非非营利组织。闫俊杰的决策实际上是在向团队和资本市场传递一个信号：短期内没有任何人可以从公司“套现”，所有资源都必须用于技术攻坚。
这种极致的长期主义背后，是对于AGI实现路径的深刻判断。闫俊杰曾在多个场合表示，AGI可能在未来5-10年内到来，而当前大模型的能力距离真正的通用智能尚有巨大鸿沟。如果公司高层在此时考虑个人薪酬或股权减持，势必会分散团队注意力。他用“零薪酬”和“股权激励”一抑一扬，既约束了自己，也绑定了核心员工。
从行业视角看，这一做法也为其他AI企业提供了参考。在最新科技领域，尤其是AI大模型这种“赢家通吃”的赛道，创始人的决心往往决定了公司的天花板。闫俊杰的“All in”姿态，与那些急于上市套现的AI公司形成了鲜明对比。
产品Harness：AI原生应用的全球化突围，从工具到生态
MiniMax除了模型研发，还有一条重要的产品线——Harness。这是一个面向开发者的AI原生应用平台，旨在帮助企业和个人快速构建基于大模型的智能应用。此次融资中，10%的资金将用于Harness的全球商业化及开发，这一比例虽然不高，但背后是MiniMax对“模型+应用”双轮驱动战略的坚持。
Harness的定位类似于“AI时代的操作系统”——它提供API接口、预训练模型、低代码开发工具以及数据标注服务，让不具备AI背景的开发者也能调用大模型能力。例如，一个电商平台想推出AI图片生成功能来帮商家自动生成商品图，只需接入Harness的API，就能在几小时内完成功能上线。这种“开箱即用”的体验，降低了AI技术的使用门槛，也加速了AI绘画等应用在商业场景中的普及。
在全球化方面，MiniMax已经将Harness部署到北美、东南亚、中东等地区，并针对不同市场的语言和文化做了本地化。比如在东南亚，Harness接入了当地社交媒体的常用语料，让古诗词生成或藏头诗等中文特色的功能也能适配当地文化。这种“模型通用+应用定制”的策略，帮助MiniMax在海外市场快速积累用户。
不过，Harness也面临激烈的竞争。OpenAI的API、百度的文心一言、阿里的通义千问等都在抢开发者生态。MiniMax的差异化在于：一是对MoE架构的优化使得推理成本更低，二是对开源社区的投入（1%股份基金）能吸引全球开发者贡献代码。如果Harness能形成类似“模型市场”的生态，其商业价值将远超单纯的API调用。
行业格局：大模型竞赛进入资本密集期，谁能笑到最后？
MiniMax的巨额融资并非孤例。2024年以来，国内AI大模型公司进入了“融资竞赛”的白热化阶段：月之暗面（Kimi）完成超10亿美元融资，智谱AI估值突破200亿，百川智能也拿到了数亿美元。这些公司的共同特点是：都在疯狂囤积算力，同时寻求商业化的突破口。
从全球视角看，OpenAI的估值已超3000亿美元，Anthropic、xAI也分别获得数百亿融资。AI大模型行业已经进入了典型的“资本密集-技术密集”双密集阶段。这意味着，没有足够资金支持的公司将在算力、人才、数据三个维度上被迅速甩开。MiniMax拿到160亿港元后，至少在未来两年内不用担心“弹药”问题，但如何把钱花出效率，才是真正的考验。
另一个值得关注的点是“AI原生产品”能否跑通商业模式。目前，国内大模型公司的主要收入来源包括：API调用、模型私有化部署、行业解决方案等。但除了少数头部公司，绝大多数企业仍处于亏损状态。MiniMax将10%资金用于Harness商业化，说明它希望尽快找到可持续的营收模型。如果Harness能够在海外市场复制类似Midjourney的订阅制模式，MiniMax的财务状况将得到极大改善。
对于普通用户而言，这场竞赛的最终受益者可能是我们每个人。无论是抠图、背景去除、透明背景等图片处理工具，还是更复杂的多模态内容生成，都会因为底层模型的迭代而变得更智能、更便宜。可以说，MiniMax的融资不是终点，而是新一轮AI生产力革命的起点。
未来展望：通用人工智能的路径与挑战，零薪酬能撑到那一天吗？
闫俊杰承诺“直到实现AGI”前不领薪酬，这是一个极具煽动性的目标。但AGI的定义本身存在争议——是达到人类水平的通用智能，还是具备跨领域迁移能力的超级智能？MiniMax内部给出的路线图是：2025年实现多模态Agent，2027年完成复杂推理，2030年接近AGI。
现实挑战同样严峻：第一，算力成本仍在指数级增长，160亿港元似乎很多，但相比于OpenAI烧掉的上百亿美元，这只是杯水车薪；第二，技术路线存在不确定性，Transformer架构能否通向AGI尚无定论；第三，监管风险，尤其是AI安全与伦理问题，可能拖慢研发进度。
不过，MiniMax的优势在于团队稳定性。闫俊杰的“零薪酬”和股权激励，让核心员工看到了长期绑定的价值。同时，开源社区的1%股份基金也能吸引外部开发者共建生态。如果MiniMax能够将模型能力与AI工具导航、AI工具箱等平台结合，形成“模型-工具-应用”的闭环，其护城河将更加稳固。
对于整个行业而言，MiniMax的融资和CEO的零薪酬宣言，标志着AI大模型竞赛从“商业故事”进入了“信仰之战”。只有那些真正相信AGI并愿意为之付出一切的人，才有可能在这场马拉松中幸存下来。
结语：当AI绘画成为日常，我们的想象力才是天花板
从ChatGPT惊艳全球，到AI绘画、文生视频层出不穷，再到MiniMax以160亿港元押注AGI，我们正在经历一场前所未有的技术跃迁。闫俊杰的“零薪酬”或许只是个人选择，但它折射出整个AI行业的一种共识：在通往AGI的路上，没有捷径，只有重注。
对于内容创作者、设计师、产品经理来说，更好的模型意味着更低的使用成本。与其担心被替代，不如主动拥抱这些最新科技，利用科技产品提升自己的生产效率。毕竟，AI绘画再强大，也需要人的创意来驱动。未来已来，只是分布不均。而MiniMax的故事，不过是这场宏大叙事中的一个注脚。