MiniMax稀宇科技薛子釗：AI大模型不是"砸錢游戲"，國內大模型被嚴重低估｜Alpha峰會

精彩觀點：

• 全球僅四家公司在三模態均達到領先水平：MiniMax是全球僅有的四家在語言、視頻、聲音三個模態都達到全球領先水平的公司之一，另外三家是OpenAI、谷歌和字節跳動。公司將80%以上資源投入模型層和基礎設施，模型本身才是核心產品，應用只是展示窗口。未來競爭將是全模態融合，單模態公司將失去競爭力。
  
• 高效的研發組織和持續創新的能力才是關鍵：盡管市場以驚人的月度雙位數速度增長，但真正能在模型層持續發布全球領先產品的核心玩家數量在不斷減少。資源（算力、資金、人才）并非成功的唯一保證，高效的研發組織和持續創新的能力才是真正的壁壘。
  
• M2模型成為AI編程領域最大國產模型：今年10月MiniMax發布的M2語言模型是全球開源模型中真實token用量最大的AI編程模型，成為首個真正切入該領域的國產模型，用量相當于其他所有國產模型總和。
  
• 每一塊錢買到更多智能：MiniMax從創立第一天就是全球化公司，所有產品均服務全球用戶，目前大部分商業化收入來自海外。核心戰略是與所有人共創智能，用更少資源做出更領先的模型和創新，提供更高的"per dollar intelligence"（每塊錢的智能水平）。
  
• Agent智能體已成為內部HR和財務數字同事：公司推出的Agent智能體產品在調研寫報告等任務上已超越普通實習生水平，內部HR、財務、商務分析等部門已高度依賴該數字同事，未來可自主完成簡歷篩選、聯系候選人甚至面試等工作。
  
• 與海外技術接近但估值差兩個數量級：MiniMax等國內大模型公司在技術上已接近甚至在某些領域超越美國同行，且差距持續縮小，但估值仍相差兩個數量級。比如谷歌、OpenAI、Anthropic和xAI。這些公司估值可能是中國公司的100倍，但是技術就領先5%，投入可能在50至100倍之間。相比之下，國內公司研發效率更高但被嚴重低估。
  

12月20日，MiniMax稀宇科技副總裁薛子釗做客由華爾街見聞和中歐國際工商學院聯合主辦的「Alpha峰會」，薛子釗不僅復盤了MiniMax成立四年來的心路歷程，更直言AI大模型行業與我們熟悉的移動互聯網有著本質區別，傳統的“流量思維”和“大力出奇跡”在這里可能并不奏效。

這位曾在高瓴資本任職的資深投資人，如今作為AI行業的親歷者，強調大模型行業的市場空間完全取決于“模型的智能水平”，每一次智能的跳變都會瞬間解鎖全新的市場。然而，盡管市場在高速膨脹，真正能留在牌桌上的玩家卻在急劇減少。

薛子釗指出大模型更像是一項“造芯片、造火箭一樣的系統工程”，單純靠堆砌資金和挖人，并不能保證成功。

未來AI將從“昂貴的玩具”變成普惠的工具。正如MiniMax所追求的“per dollar intelligence”（每一美元能買到的智能），誰能用更高效的研發效率做出拓展行業邊界的創新，誰就能定義下一個時代。

在這場沒有硝煙的戰爭中，技術的迭代速度將決定生死，而無論是巨頭還是創業者，稍有停歇，就可能被時代拋下。

以下是華爾街見聞整理的精華內容：

各位好，非常榮幸有機會與大家分享我們在行業中看到的動向與進展，包括公司成立四年以來取得的一些階段性成果。

首先，這個標題是我們的 slogan，叫做“與所有人共創智能”。這句話其實影響了我們后續很多商業決策和戰略，包括我們希望成為一家什么樣的公司，我們的模型理念和產品理念是什么，這些我后面會展開介紹。

AI行業反直覺的兩大特點

在介紹公司之前，我想分享這個行業兩個非常不同的特點。可能和在座許多有金融投資背景的朋友以往看到過的行業，包括大家最熟悉的互聯網和移動互聯網行業，都有所不同，甚至有些反直覺。

第一個特點是，這個行業的市場空間只有一個核心驅動因素，就是模型的智能水平。模型的智能水平隨著模型的發布而不斷提升，并且這種提升通常不是連續性的。

例如，回想三年前的 GPT-3.5，經過半年時間，GPT-4 發布，其水平就實現了一次躍升。每次這樣的躍升，都會解鎖更多新的應用場景和用途。許多此前被認為模型無法勝任的場景，隨著智能水平的躍升就變得可行了。

這意味著，每解鎖一次，就會有更大的市場空間和可觸達的市場被劃歸到大模型能夠服務的范圍。而這種向上的躍升在發生之前，往往難以預料，每一次都像是一個驚喜的意外。

我舉幾個例子大家可能會更有體會。一個最近的例子是谷歌的Nano Banana圖像生成模型，用戶可以通過文字生成圖片并與之多輪互動。在這個模型發布之前，業內最好的圖片模型是 Midjourney。用戶輸入一段文字，它能生成非常精美的圖片，在多數場景下已難辨真假。

在Nano Banana發布前，人們對于更好的圖像生成模型的想象，可能是像素更高、審美更專業、細節更豐富。但一兩個月前Nano Banana發布后，大家突然發現，它生成的圖片似乎能理解世界的知識。例如，讓它生成一個幻燈片投影儀的內部結構，它就能做出像教學課件一樣的內容，圖片中的文字和物體具有其物理含義。

這個模型發布后，大家突然發現可以用它來做 PPT。你只需輸入想表達的內容，它就能直接生成一張完整的 PPT 頁面，其中包含有邏輯、有物理關系的圖文內容。這種對于世界知識的理解能力，在模型發布前是大家根本想不到的。

在這個行業，我們經常發現這樣的循環：每一次模型智能水平的提升，都會解鎖更多場景；這些新場景會為模型公司帶來更多的下游市場和商業化收入；這些收入又可以投入到下一代模型的研發中，從而推動模型智能水平持續攀升。這種飛輪或閉環效應在這個行業是非常獨特的。

再舉一個例子，比如 SaaS 軟件。去年，如果我們看二級市場的 SaaS 軟件公司，他們大多宣稱自己是 AI 的受益者，會講述如何利用模型提升軟件效率。那些在應用模型上取得一些成果的公司，交易倍數通常也很高。

但到了今年，情況發生了變化。模型的智能水平從具備一定推理能力的 L2 級別，上升到了接近智能體水平的 L3 級別。其區別在于，模型現在能夠自主規劃并執行較為復雜的任務。

于是大家突然發現，過去幾十年沉淀下來的許多軟件工作流程，模型似乎可以自主完成。例如，在人力資源管理軟件中，那些以往需要固化成固定代碼流程的功能，現在模型可以通過自主識別、泛化理解任務目標，并運用編程能力來解決，仿佛不再需要固化的軟件流程。

今年在二級市場大家也看到了，從年初開始，正是因為模型智能水平的上升，這些 SaaS 軟件公司似乎從 AI 大模型的受益者，變成了可能被大模型取代的風險對象，因此它們的交易倍數下降了很多。同時，這部分 SaaS 軟件市場也瞬間被劃歸到了大模型的市場份額之中。

這其實是不斷在發生的例子。我再舉一個多模態的例子，我們的海螺視頻生成模型，也是當前全球用量最大的模型之一。在視頻生成模型剛推出時，大家可能覺得只能做一些簡單粗糙的視頻素材生成。

但今年，隨著模型智能水平的提升，我們看到非常多專業用戶開始使用。例如，國內短劇行業非常發達，短劇制作公司非常在意成本和制作投入的 ROI，他們就會用 AI 生成來輔助制作短劇。在廣告行業，比如奔馳以前推出一款車型，會制作預算高達幾百萬美金的大片級廣告片。現在，通過結合 AI 的方式，用同樣的預算可能制作出十個、一百個同等質量的宣傳片，今年廣告行業的 AI 滲透也非常快。

下一步的滲透，都將隨著模型智能水平的提升而進行。我們在圖片領域已經看到了：現在，你可能不再需要一位精通 Photoshop 的專業人士。你直接與圖片生成模型對話，用自然語言描述需要修改哪里，它可能比以往任何一代最專業的修圖師都修得更好。

當模型的智能水平達到這種程度并解鎖該場景后，這部分市場就被劃歸到了大模型的市場。

這與大家看到的許多行業的驅動力有本質區別。

我們熟悉的移動互聯網，常常講數據的飛輪：有更多數據就更懂用戶，推薦算法就更精準，用戶體驗更好，留存更高，然后又能獲得更多數據。這是移動互聯網推薦引擎的閉環。

但在這個行業，情況完全不同。我們看到基本上每三個月到半年，大家就會突然眼前一亮，模型的智能水平又上了一個臺階，從而解鎖出更多的場景。

這個行業現在增長很快。根據一些統計數字，其年化收入目前接近三百億美金——這是此時此刻，全球頭部模型層公司收入的總和。

它的增速狀態是：本月與上月相比，保持著雙位數的增長。這個數字很驚人，意味著每月增長約百分之十，即一年增長約一點一的十二次方。這是非常可怕的增速。通常，增速如此快的行業會吸引越來越多的公司參與競爭，因為每年的增量都會大于去年的存量。

但這個行業的第二個非常不同之處在于：我們看到，真正參與模型層競爭、能持續發布全球領先模型的公司數量并沒有變多，而是從三年前到現在持續在減少。目前全球大概只有十家左右。

放到國內語境，幫大家回顧一下：在二二年十一月 OpenAI 發布 ChatGPT 后，過了一個春節，到二三年年初，這變成了國內關注度最高的行業。二三年年中，有非常多的公司宣稱要做大模型。那時有個詞叫“百模大戰”，類似于若干年前的百團大戰。

但到了二四年，我相信大家已經聽不到這個詞了。二四年，我們的同行發明了一個詞叫“五小龍”還是“六小龍”，即從一百家變成了個位數。因為很多家放棄了基座模型的持續研發，今年又進一步淘汰。這是國內大家能切身感受到的，真正參與領先模型發布的玩家在減少的趨勢。

海外也是如此。我舉個海外大廠的例子可能比較有體感。兩年前，Llama 1、Llama 2 是公認的全球最好的開源語言模型。但從Llama 3 開始，可能就不算第一梯隊了。到了 Llama 4 甚至更差。現在，它的開源模型其實已經沒什么人用了。

因此，今年三四月份，馬克·扎克伯格花了幾億美金，以天價從谷歌、OpenAI 挖人，組成了一個新的團隊，收購了Alexandr Wang的Scale AI。組建這個團隊后，我們作為業內人，其實一直覺得不太對——大模型肯定不是這么做出來的。

但仍然有很多人認為，重組后的團隊都是最精英的，應該沒問題。現在半年過去了，大家可能也看到很多報道，這個團隊仍然什么都沒做出來，而且非常混亂，有很多公開新聞描述其內部如何混亂。

讀完這些文章，大家會有兩個很好的理解：

• 第一，大模型研發是一個類似于造芯片、造火箭的系統工程，不是單點的算法創新。每一代模型可能需要做一千個決策，如果你能做對其中八百個，模型最終會不錯；但如果只做對五百個，即使投入大量算力成本訓練出來，結果也會很差。
  
• 第二，大家可能會更理解，在一個大廠組織里，如果存在很多摩擦，如果一號位并非真正懂大模型技術，中間會發生什么樣的組織損耗。
  

你說他們沒有資源嗎？它的集群比任何一家中國公司，包括中國大廠的都要大、要多；它花的錢、招的人都是全球最好的。但即便如此，也并不一定能保證它在這個行業做出領先的模型。

還有很多其他例子，比如另一個投資了OpenAI的海外大廠，但自己也有一個內部的AI團隊在做自研模型，但到現在為止，還沒有任何人知道他們做出了什么，即始終沒有發布過領先的模型。包括另一個投資了 Anthropic的大廠，同時自己也有一個自研模型團隊，花了非常多的資源和資金，也始終沒有做出來。

這么多數據點讓大家看到的是，這個行業真正的壁壘并非簡單地擁有大量人才或龐大的算力集群。真正的壁壘在于，你能否持續做出創新，拓展行業的邊界？而不是簡單地把其他公司的人挖過來做復現。

因為這個行業的模型智能水平提升非常快，每三到六個月就會躍升一大截。因為這個行業每年的增量都比歷史的存量要大，所以你必須不斷向前創新、拓展行業邊界，才可能在這個行業留有一席之地。

比如，Meta即使把OpenAI的人全挖來，過半年做出了 OpenAI 半年前的東西，其實也已經沒用了，因為這個行業已經往前走了很多。

所以，這是我們看到的這個行業真正的壁壘：如何讓一個至少百人規模的研發組織高效配合，持續跟上甚至超過行業模型迭代的速度，持續做出創新。這也是為什么，盡管行業發展非常快，月度環比增速是雙位數，但反而留在模型層的玩家數量卻越來越少。

我舉個例子，就是如果你發布一次模型失敗了，可能沒關系。但如果你在一年到一年半的時間里，每次發布的模型甚至還不如開源模型，那會發生什么？這個團隊里最頂尖的人才會立刻流向其他公司，因為在這個行業，頂尖人才非常搶手。頂尖人才走后，次頂尖的人才也會走。然后，整個團隊的研發凝聚力、信心和士氣就散掉了。士氣散掉后，其實很難再回到原來的狀態。

這是前面想跟大家介紹的，與大家傳統認知中各個行業都不同的兩點：市場在飛速地、跳躍式地變大；同時，真正在模型層持續發布過全球領先模型的公司反而在變少；并且，大廠有資源并不一定就能留在牌桌上。

關于我們公司：從第一天的構想到四年來的實踐

接下來回到我們公司。這張圖非常有意思，是我們公司成立第一天，創始人在白板上寫下的，相當于我們的商業計劃書。我先介紹其中的幾點內容。

這個時間點是四年以前，那時還沒有 OpenAI 發布 ChatGPT，是 ChatGPT 誕生一年以前。當時我們的創始人閆俊杰（我們一般叫他花名 IO，即 Input/Output），他當時看到的一個核心點就是圖中的第一點：雖然那時還沒有 ChatGPT，但我們看到通用模型可能迎來爆發點。這里說的“下一代 AI”，其“上一代 AI”是指什么呢？

我們的創始人 IO 之前一直從事圖像、視覺相關的“上一代 AI”，其特點是每遇到一個新的客戶、一個新的場景，都需要在這個場景里訓練一個專用模型，因此邊際成本很高，且難以規模化。你不可能服務到每一個終端用戶，因為大家場景不同，都需要針對場景重新訓練模型。

但在四年前，我們非常前瞻地看到，通用模型可能即將到達工業化可用的拐點。這是我們第一天開始創業的核心判斷：模型將從“幾萬個模型服務幾萬個場景”，轉變為“一個通用模型服務所有場景”。這是我們看到的第一點。

第二點，我們把通用人工智能定義為可以接近通過圖靈測試的智能體。Agent 這個概念后來被全球行業廣泛使用，其實我們是非常早提出的。這背后隱含的含義是，我們認為通用人工智能應該實現的方向，一定是全模態交互的——不僅僅是語言交互，還包括視覺和聲音。

所以，我們從第一天就在做三個模態的大模型：大家最熟悉的大語言模型、視覺相關模型和聲音相關模型。因為所有人與人的交互其實都可以拆解成這三個模態。例如，我們能看到的所有內容，都可以拆解成這三種模態。只要在這三個模態中都實現了通用人工智能，組合在一起就是一個可以通過圖靈測試的智能體。

這是我們當時在第一天就堅持的第二個理念和目標：我們不是只做語言模型，而是要做三個模態都實現通用智能的模型。

后面還有一些我們對于行業的理解。例如，圖中打了三個星號的“系統工程”這個詞剛才也介紹了，它不是單點的創新。因為在二一年底之前的上一代 AI，所有研發范式是我需要非常多的算法專家，研發組織按算法分組。但這一代完全反過來了：我們只有幾個算法模型，比如公司只有三個模態的模型，也就是三個通用模型；同時，也不需要通用的技術中臺，這里的基礎設施變成了專門服務于這幾個模型的專用基礎設施。

這個過程更像是造火箭和造芯片，需要一位總工程師或一號位，對每一個模塊、端到端的技術細節都有深入理解。

此外，當時我們也設想了一些模型，比如不同智能程度從 L1 到 L4 的變化，以及產品形態從閑聊到目標導向的演進。閑聊就是我們推出的第一款娛樂性產品“Talkie /星野”，而目標導向就是我們現在的智能體產品。

所以，整體來看，這個行業的一些關鍵時間點判斷、技術路線和產品形態，我們在第一天就寫在了白板上，后來驗證都是正確的。我們也是整個亞洲最早成立的專注做大模型的公司。

后面發生的事情是，過了一年后，OpenAI 發布了 ChatGPT，這個行業變得人盡皆知、非常火熱。行業的關注度和增速確實比我們四年前想的要快很多。我也非常幸運，當時也在場，但是在桌子的另一邊——我之前一直是做投資的，來自高瓴。高瓴是我們的天使投資人，也是前幾輪的持續投資人，后來我選擇加入了公司。

我們的產品與業務：以模型為核心

現在介紹我們公司的產品和業務，其實非常好理解。

三個模態的大模型就是我們核心的產品，即底層的模型層：大家熟悉的語言模型、視頻生成與圖像生成模型，以及聲音相關的語音和音樂模型，還有支持這些模型訓練和推理的平臺。在模型和基礎設施層，我們投入了超過百分之八十的公司資源。模型層之上是我們的產品層。

產品層，我們開發了一系列面向全球 C 端、B 端和開發者的全球化產品，有幾個方向，后面會仔細介紹。正如我在開頭講的，這個行業很大的不同是，我們發現無論你做任何大模型驅動的產品，主要的用戶體驗其實都來自于模型本身。所以對我們來說，這些產品具體長什么樣并沒有那么重要。

在我們公司有一句話：我們的核心產品其實是這些模型，而大家傳統意義上理解的產品，比如海螺、星野、我們的智能體 Agent、To B 的開放平臺，都只是將我們的模型打包集成、面向不同用戶群體的渠道或窗口。真正為客戶、用戶提供價值的，是我們的底層模型本身。

下面從模型層快速回顧一下我們過去四年的進展。

第一年，2022 年，在 ChatGPT 發布前，我們就已經有了自己的大語言模型。

兩年前，2023 年，我們的語音模型實現了從文字生成語音的突破。其技術表現先做到了國內第一，后面做到了全球第一。我相信大家日常生活中肯定接觸過由我們語音模型驅動的聲音。舉個例子，大家用的各種智能硬件，包括智能音箱、各種 AR/VR 眼鏡、AI玩具，大概率都由我們模型驅動。

再比如，電商直播里的虛擬主播，很多聲音也是我們提供的。當然，抖音會用字節的模型。基本上在聲音這個賽道，我們在國內和字節加起來幾乎等于全市場。例如，有聲書方面，字節的番茄小說會用其自有模型，但除此之外的大部分有聲書產品，都接入了我們的語音模型。

現在，以前專門做讀書的創作者，只需將其音色復刻下來，就不再需要花幾十個小時去朗讀，只需幾分鐘就能用其語音逼真地讀出來。大家如果聽書，現在大部分內容應該都是由我們模型生成的，但大家是聽不出來的。這是我們兩年前在聲音模態實現的階段性成就。

去年，在視頻生成模態，我們的海螺模型也做到了全球用量非常領先，處于數一數二的狀態。去年八月，實際上可能更早，去年二月過年時，大家一定對 OpenAI 發布的 Sora 演示視頻有印象——一位穿紅裙子的女士在東京街頭行走。

那時是 2024 年 2 月，它只發布了演示，模型并未開放使用。我們則在去年八月底發布了海螺模型，公開可用，所有人通過簡單提示詞即可生成視頻。發布后，我們沒有任何投放推廣，但很快通過口碑在全球各大平臺傳播開來，迅速成為該賽道最大的視頻生成平臺之一。

我們的產品“海螺”第一個月甚至沒有英文界面，是一個中文網站，但海外用戶通過瀏覽器翻譯使用，因為當時模型效果排在第一位。到現在，我們的模型與谷歌的 Veo 3、OpenAI的Sora2一起，被公認為模型性能最好的幾個第一梯隊模型。這是我們去年實現的第二個模態的突破。

今年，在第三個模態——語言模型上，我們也實現了很大突破。目前我們的新語言模型叫 M2，是全球所有開源模型中，在編程和智能體等場景真實 token 用量最大的語言模型。雖然它名字叫 M2，聽起來是第二代，但若從 2022 年第一版語言模型算起，它是我們內部迭代的第八或第九代模型。

今年十月發布后，我們收到了非常好的國際反響。回過頭看，我們每一年在一個模態上都實現了一個新的突破，在技術和模型用量上都做到了全球第一梯隊。我們也希望未來每一年都能持續上一個臺階。

有一些量化的數據可以介紹：例如視頻生成，我們每天生成接近兩百萬條視頻。這是什么概念？谷歌的 Veo 在上次財報時發布過數據，其模型每天生成一百多萬條視頻。所以至少在上個季度，我們每天生成的視頻量是超過谷歌 Veo 的。

另一個視角是，國內大家常用的小紅書，日活躍用戶超過一億，它每天的視頻和圖像新增投稿量是千萬級別。而我們一個平臺的生成量已達兩百萬級別，可見滲透率在快速增長。

關于語言模型，我多說兩句，這個突破我們也非常開心。在大眾用戶最熟悉的場景，如海外的 ChatGPT、國內的豆包或 DeepSeek 這類閑聊對話機器人，我們是不做這個產品的。因為這個產品在國內以免費為主，我們作為創業公司，認為這個產品更適合大廠來做。

我們的語言模型主攻的是語言市場中商業化收入最大的下游——AI 輔助編程和支持自主決策的智能體。這個下游在兩個月前幾乎 100% 由美國公司壟斷，其中份額最大的是一家叫 Anthropic 的公司。

如果大家關注投資，可以搜索它每年的收入和估值增速，它是全球歷史上收入增長最快的軟件公司之一。它今年一月的年化收入是十億美金，到十月時已達七十億美金，十個月翻了七倍。在語言模型市場，目前超過一半的下游是編程相關場景，而該場景又由 Anthropic 壟斷。

歷史上，從來沒有一個國產模型或開源模型真正切入 AI 編程場景。大家可能最熟悉的國產語言模型是 DeepSeek，它今年的突破主要是在對話問答場景。而編程這個最能商業化的場景，之前沒有國產模型能切入。

我們的 M2 模型在十月底發布后，迅速成為全球編程 AI 領域用量最多的國產模型，目前用量份額排到第三名。這不是榜單打榜的分數，而是真實的 token 用量。我們現在是國產模型中用量最大的，基本相當于其他國產模型用量的總和。

當然，排在前面的還是兩個美國模型。同時，看我們的下游應用，也都是編程軟件場景。我們做個小小預告，未來很快也會發布 M2 模型的一個更新版。這是我們在語言模型上最新的突破。

視頻模型從去年開始一直非常領先，這里就不多說了，非常直觀。和大家分享一個一分鐘的短片，它完全是由我們今年六月發布的第二代模型生成的。生成時的提示詞都是文字，我們也把提示詞列在了底部供參考。

這個短片是我們內部兩位 AI 藝術家花了一天半時間，通過文生視頻生成兩百個六到十二秒的小片段，從中挑選出好的片段拼接而成的作品。像剛才最后兩個鏡頭——馬戲團和小丑化為灰塵消失的特效鏡頭，如果使用上一代計算機視覺建模技術制作，僅這兩個鏡頭的成本可能就要小幾十萬，而且非常耗時，因為需要一幀一幀地進行 3D 建模和粒子效果調整。現在通過 AI 生成，可以更快迭代、更低成本地制作出高質量內容。

接下來是聲音模型。剛才我也介紹了一些應用場景，現在聽起來已經非常自然。我們的模型是統一的底層模型，無論什么語言、音色或場景，你只需要輸入不同的語音提示詞，它就可以進行克隆或模仿。

類似的，能說話就能唱歌，所以我們的音樂模型可以輸入歌詞生成完整歌曲。當然，歌詞也可以通過我們的語言模型來創作。比如，你想把今天下午在上海中歐商學院的感想變成一首歌，它可以先幫你寫成歌詞，再生成歌曲。

我相信有些人可能注意到了，我們這些推廣模型的演示視頻本身，也是由我們的海螺視頻模型生成的。

我們的核心競爭力與未來愿景

最后，我想再補充兩點。

我們剛才介紹了一些模型在全球的進展和突破。我們是一家獨立的創業公司，每年消耗的資源，主要是訓練算力，與美國這個行業最大的公司，如 OpenAI，相差兩個數量級；與國內同樣在每個模態都有模型的字節相比，我們的資源消耗也小于一個數量級。

這就是創業公司存在的核心意義：我們的研發效率和資金使用效率更高，不斷做創新，能用更少的資源做出更領先、迭代更快的模型。這是我們核心的競爭能力和組織能力。

最近也有很多討論，為什么感覺模型差距在不斷接近，但估值還差兩個數量級？我相信大部分人稍加研究，都能得出結論：包括我們在內的國內模型公司，其價值是被嚴重低估的。

最后介紹一下商業化。我們從第一天就是一家全球化運營的公司，每一個產品，包括海螺視頻生成、面向企業和開發者的開放平臺、陪伴類產品Talkie/星野，都服務于全球用戶。目前，大部分商業化收入也來自全球。

這些產品我就不一一展開了，如果大家感興趣，歡迎到我們的官網體驗，每個產品都有獨立鏈接。

這里我最推薦的是我們的新產品 Agent（智能體），因為我個人是日活用戶。我用它做調研、寫報告，現在的完成度、思考深度和速度，肯定比一個普通實習生要好很多。這是我們新的智能體產品。

未來，我們相信它能成為我們的數字同事。我們內部，HR、財務和商務分析已經非常多使用我們的Agent同事，它能自主規劃任務，在虛擬環境中操作電腦，例如幫助 HR 查找簡歷、跟蹤聯系等。到明年，甚至可能自主進行面試。

最后，再跟大家回顧一下前面的觀點：首先，競爭留在牌桌上的玩家確實越來越少；其次，我們越來越看到，真正全模態的價值正被越來越多的人所欣賞。未來一定不是單模態的，一定是語言、視頻、聲音越來越融合。

我們也是全球為數不多的、僅有的四家公司之一，能在每個模態都做出全球領先的模型。目前在這個類別中，只有四家公司：兩家美國公司 OpenAI 和谷歌，兩家中國公司我們和字節。

我們相信，基于我們的研發效率、研發創新能力和每個模態模型的競爭力，我們可以在全球提供更好的“per dollar intelligence”，即每一塊錢能買到的智能水平，真正將大模型從一個服務少數人、價格昂貴的東西，變成能服務普羅大眾的產品。這符合我們的愿景——“與所有人共創智能”的行業發展趨勢。

這些是我今天想跟大家分享的內容，謝謝。