Key Takeaways
- MiniMax 啟動「10xTeam」計劃,旨在將 AI 引入生命科學和金融等複雜工業領域。
- 此舉反映了行業從通用模型向專用應用的轉型,AI 智慧體現已在現實企業中承擔 KPI 指標。
- 各大公司正競相證明 AI 的商業價值,透過與領域專家合作將模型轉化為工業級工具,以避免潛在的泡沫。
Key Takeaways

中國人工智慧公司 MiniMax 推出了「10xTeam」計劃,旨在尋求人工智慧的下一個重大效率突破。這標誌著整個行業正在從軟體開發轉向更複雜的工業應用,在這些領域,AI 正開始作為組織參與者發揮作用。此舉反映了行業面臨的日益增長的壓力,即證明其商業價值並尋找可持續的、能產生收入的應用。
「目標是在更複雜的領域複製編程中看到的 10 倍效率飛躍,」MiniMax 的一位發言人在談到該計劃時表示。該計劃旨在將 AI 深植於專業工作流中。公司正在積極招攬經濟學、生命科學和材料化學領域的專家,與模型開發人員合作。
在此計劃推出之前,AI 已經從根本上重塑了軟體開發。OpenAI 的 Codex、谷歌的 AlphaCode 以及 MiniMax 自家的 M2.5 模型已經實現了常規編程任務的自動化。第一波應用潮已將人類工程師的角色轉向更高層次的系統架構和設計。現在,MiniMax 押注它可以在擁有複雜的非公開知識庫的行業中引發類似的革命。
該戰略是對 AI 行業將高昂估值轉化為切實收入的巨大壓力的直接回應。整個行業現在正處於一場競賽中,旨在將 AI 從基於聊天的工具轉變為不可或缺的工業引擎。Anthropic 和 OpenAI 等競爭對手也正在有針對性地推進金融和醫療保健等垂直市場,以鎖定長期企業客戶。
從通用模型向專用智慧體的轉變已經開始。在全球營銷公司 eclicktech,AI「同事」正在承擔擁有各自 KPI 的角色。例如,一個名為 Dexter 的 AI 系統充當數據專家,監測廣告活動表現、識別異常情況並生成優化報告。另一個名為 Hubert 的智慧體則充當協作中心,結構化客戶信息並協調銷售與設計團隊之間的任務。據該公司稱,其內部 AI 系統目前每天消耗超過 40 億個 token,將算力轉化為可衡量的業務增長。
這一轉型凸顯了 AI 領域的一個新現實:最寶貴的資源不再僅僅是模型本身,而是對特定行業工作流的深刻理解。將 AI 應用於芯片設計、金融風險管理或藥物研發的核心挑戰在於,必要的知識是私有的且結構化的,無法從用於訓練大多數大語言模型的公開數據中輕易獲得。這使得領域專家——即理解這些複雜流程的科學家、工程師和分析師——成為開啟下一階段 AI 驅動生產力的關鍵環節。
對於投資者而言,AI 工業化競賽是對該行業長期可行性的關鍵考驗。成功創建能產生收入的工業智慧體,將開始證明 AI 產業鏈中數萬億美元估值的合理性,範圍涵蓋從 Nvidia 等 GPU 製造商到雲服務提供商以及模型開發商本身。如果無法超越炒作並交付具體的經濟價值,市場對不可持續泡沫的擔憂將加劇,從而面臨市場回調的風險。MiniMax 的「10xTeam」是眾多賭注之一,旨在確保 AI 成為真正的工業基礎設施,而不僅僅是過眼雲煙的技術熱潮。
本文僅供參考,不構成投資建議。