763億港元，大模型公司最大IPO！MiniMax登陸港交所，盤前大漲50%

• 克雷西 發自 凹非寺
  量子位 | 公眾號 QbitAI

一聲鑼響，港交所迎來了一個備受矚目的AI新面孔——

剛剛，MiniMax正式完成IPO沖刺，在香港交易所主板掛牌上市，股票代碼“00100”。

這組代碼整體呼應了MiniMax這個名字，其中0代表Mini，100在二進制語境下對應Max，寓意是滿足條件的最小解。

根據MiniMax此前公布的配發結果，假設綠鞋全額行使，此次全球發售約3358萬股，最終以每股165港元的定價上限發行，募集資金總額約55.4億港元（約49.65億人民幣）。

市場認購反響極為熱烈，其中公開發售部分獲得1837倍超額認購，國際發售部分亦獲37倍認購。

昨天下午的暗盤當中，MiniMax一路上漲，最高曾達到211.2港元每股，最后收盤價為每股205.6港元，漲幅近四分之一。

今日早盤依舊高開，開盤前一度漲幅超過50%，市值突破763億港元。截至發稿，最高股價已達每股299港元，漲幅超80%。

在此次發行的認購名單中，Aspex、Eastspring（瀚亞投資）、Mirae Asset（未來資產）及阿里巴巴等14家機構作為基石投資者參與其中，合計認購了27.23億港元的份額。

此時距離MiniMax成立，剛剛過去不到四年。這家一直強調“極致效率”的公司，用這個時間周期，走完了從初創團隊到二級市場上市公司的全部流程。

更早之前，這家公司在資本市場的融資能力同樣一流，成立四年間，已吸引米哈游、阿里巴巴、騰訊、小紅書、小米、金山、PCG和正大集團等知名機構投資站臺，累計融資已超15億美元。

MiniMax創始人兼CEO閆俊杰在上市致辭中表示：

• 過去四年，我們從零開始，靠一群年輕人構建了全球領先的全模態能力，并服務了全球2億多用戶。但這一切只是剛剛開始。我們期待接下來四年AI行業的進步速度和過去四年一樣快，我們也努力能在里面能做出自己的貢獻。

站在這個新的節點回顧，MiniMax過去四年的戰略邏輯可以概括為兩個核心維度——

在技術側，多模態齊發向AGI并進；在組織側，通過“組織的Scaling”獲得極致的研發效率。

全模態，為了AGI

技術層面，MiniMax在成立之初，便制定了一條極具挑戰性的路線，堅持全模態并行研發。

對于一家初創公司而言，這意味著必須在算力基礎設施、算法架構設計以及數據處理流水線上同時進行重投入，在資源有限的早期階段極其考驗團隊的創新能力和工程調度能力。

不過從結果上看，MiniMax的這種并行策略也的確獲得了顯著的成果，其技術迭代密集、關鍵技術突破頻率高，接連在語音、視頻與文本等模型上取得突破性進展。

語音方面，Speech 02實現了超低延時的實時交互，率先在支持超過40種語言的復雜場景下確立了行業第一的性能標準，極大提升了人機交互的擬人化程度。

視頻方面，海螺AI（Hailuo AI）在技術難度最高的文生視頻領域迅速卡位，憑借其對復雜物理動態的優異掌控，在權威競技場評測中力壓眾多國際大廠，排名高居第二。

而在作為認知核心的文本模態上，M2.1模型的表現尤為關鍵，它在大模型競技場（LMArena）Coding榜單中拿下了開源模型第一的成績。

同時在實際業務層面，M2.1顯著增強了面向真實場景的Coding代碼生成能力與多語言邏輯推理能力，能夠勝任更具挑戰性的生產力任務。

伴隨著全模態技術底座的布局，MiniMax在商業層面確立了以“模型即產品”為核心的運營策略。

這一邏輯將模型能力轉化為B端與C端兩條并行產線，在消費級市場，模型被直接封裝為AI原生應用，目前用戶規模已達2.12億；在企業級市場，通過開放平臺以API接口形式提供服務。

這種雙向布局，使得MiniMax的技術突破轉化為了一套完整的商業結構。

To B和To C看似是兩條不同的路，但在MiniMax眼中其實是一回事——無論外殼是APP還是API，最核心的產品只有一個，就是模型本身。

既然核心產品只有一個，那就需要通過不同的渠道將其價值最大化，因此同時做BC兩端，才能將智能鋪進更多場景。

更關鍵的是，在多點開花的表象背后，MiniMax還有更深一層考慮。

MiniMax之所以選擇全模態，核心動因并非單純為了豐富產品線，而是源于團隊在Day 1對AGI技術終局的底層判斷——

真正的AGI，必然是全模態的。

文本僅僅是人類對世界的符號化抽象，而構建一個真正具備物理常識的“世界模型”，必須讓AI直接攝取和理解物理世界的原始信號。

只有打通視覺、聽覺與文本的認知通道，模型才能理解因果律、空間關系與時間流變，從而觸達智能的最高天花板。

核心目的之外，這種架構設計也在客觀上為解決“數據枯竭危機”提供了解法。

隨著互聯網上高質量文本數據被挖掘殆盡，單純依賴文本進行Scaling已面臨邊際收益遞減的風險。

全模態布局使得海量的視頻與音頻數據成為新的數據來源，為智能持續進化提供了豐沛且差異化的數據供給。

從技術驗證的維度來看，這一路線的落地過程中也是對Scalability路線普適性的驗證。

MiniMax通過一套統一的核心算法成功跑通語音、視頻與文本，確認了其技術能夠靈活適配完全不同的領域，而非是針對某一特定任務的特調產物。

這種底層通用能力的成功驗證，也直接成為了MiniMax在面對資本市場的價值重估與篩選時，手中握有的最強硬通貨。

回顧近期的全球資本市場，一個顯著的趨勢是馬太效應的加劇——隨著Scaling Law帶來的資源門檻急劇抬升，大量缺乏底層技術獨創性的腰部模型公司，失去了資本青睞。

例如，硅谷的Inflection AI與Adept因技術路徑難以持續說服市場，在曇花一現后最終失去了后續資金的支持。

經過行業早期的狂熱期，資本對于模型公司的篩選標準重新校準，資金已不再為單純的賽道紅利或愿景故事買單，而是轉向了對企業底層技術硬實力的極致要求。

在這一理性回歸的大背景下，Aspex等國際長線資管機構與阿里巴巴等產業資本依然選擇重注MiniMax，強有力地印證了市場對MiniMax所構建的全模態技術壁壘與極致工程效率的高度認可。

用組織的Scaling撬動極致效率

如果說全模態的并行產出是外顯的果實，那么支撐這一高難度動作的內因，則是對生產關系的徹底重構。

要維持小團隊的大產出，答案不能止步于技術，必須向組織要效率，而獲得效率的途徑，就是Scaling。

閆俊杰將組織視為一個需要Scaling的模型，認為AI原生公司的人才結構應像模型參數一樣具備高度多樣性，通過不同畫像人才的排列組合與高頻碰撞，在組織內部產生涌現效應，而非簡單地線性堆疊人力。

為了在實際研發過程中構建組織這個“模型”，MiniMax首先在參數多樣性上引入變量，將AI智能體直接納入工作流。

在MiniMax內部，超過80%的代碼由AI完成，大量Agent被部署為“AI實習生”。這些能夠直接讀取代碼庫、監控線上環境的Agent，甚至能在飛書對話中通過Review后直接修改線上代碼。

這種深度介入研發流程的AI Native工作流，相當于在“人類參數”之外引入了海量的“AI參數”，從根本上改變了軟件工程的邊際成本結構。

為了適配這種高密度的參數組合，還必須構建一個極度扁平的架構以確保“高頻碰撞”。

適配這一需求的是極其年輕化的人員構成與組織形態，全員385人中研發人員占比高達73.8%，平均年齡僅29歲，主力軍為95后。

配合CEO之下職級不超過三層的設計，這種組合消除了冗余層級帶來的信息損耗，讓這支年輕隊伍能夠無損地執行新的開發路徑。

這一組織模型跑通后的實際產出，便是極具競爭力的研發效率數據。

MiniMax累計花費約5億美金，約為OpenAI同期資金消耗量的百分之一，卻維持了全模態產品的并行產出。這種極高的投入-產出比并非依靠單純的成本控制，正是得益于上述生產流程的重構。

掌舵這一復雜組織模型的創始人兼CEO閆俊杰，在創立MiniMax之前已在深度學習領域深耕多年。

早在2014年深度學習爆發初期，他便在頂級AI技術平臺主導了工業級深度學習工具鏈的搭建，并利用早期的高性能算力集群進行了大量驗證。

核心創始團隊也延續了這種技術基因，聯合創始人周彧聰與贠燁祎均為經歷了AI 1.0時代技術浪潮洗禮的實戰老兵。

這種深厚的技術積淀與新生代力量的融合，讓這支隊伍最終以極致年輕的Scaling形態，跑出了遠超行業平均水平的極致效率。

變資源為智能，AI從業者的新挑戰

MiniMax的成功上市，給當下陷入算力焦慮的AI行業提供了一個新的觀察樣本。

它驗證了在粗放的資源消耗競賽之外，確實存在著一套由極致效率和通用方法論構建的生存法則。

這種生存法則不再依賴盲目的投入規模，側重于對技術路線的精準判斷與執行，證明了精細化的工程能力同樣足以撬動從模型到商業的閉環。

MiniMax以僅有不到OpenAI百分之一的資金成本，換取了從技術到底層架構的第一梯隊入場券，證明了資本厚度與算力規模不再是唯一的護城河，組織將資源轉化為智能的效率成為了更關鍵的競爭維度。

這種“智能轉化率”的高低，成為了衡量企業能否在長周期的AGI賽程中保持在牌桌之上的新標準。

MiniMax的上市，創下了近年來港股IPO機構認購歷史紀錄。此次參與MiniMax IPO認購的機構超過460家，超額認購達70多倍，下單的機構中不乏眾多的長線基金及國家主權基金。

上市當天，創始人閆俊杰將這一時刻定義為一個新的起點，同時表示下一個四年將繼續努力，取得和過去一樣的發展速度。

• 這個過程更重要的是找到更多的同路人。我們為這支充滿熱情和創新能力的團隊感到驕傲。同時，我們更加熱切地期待全球更多優秀的人才加入我們。

這一表態意味著從0到1的生存驗證階段結束，但未來的行業競爭將變得更快、更難、更復雜。

在AGI的漫長征途中，人才密度的持續累積，最終指向的是一種足以應對無限復雜度的核心能力——Scalability。

唯有具備這種屬性，才足以在指數級不斷攀升的競爭難度中，持續承載未知的技術挑戰。