文章核心观点 - 文章通过对比MiniMax在2024年初与2025年初的两次访谈，揭示了公司战略认知与行业议题的演变[4][6] - 公司核心信仰始终是“Intelligence with everyone”，致力于做出服务普通人的AI产品，而非项目或大杀器[5][8][9] - 公司认知发生关键转变：从初期同时追求技术与产品，到明确自身是一家技术驱动型公司；并深刻认识到“更多用户不会直接让模型变得更聪明”，批判套用移动互联网逻辑（如过度追求DAU、依赖用户反馈和AB测试）是行业误区[4][57][60][93] - 基于新认知，公司调整策略：将技术迭代定为最高目标，而非收入或增长；坚定推进开源以加速技术进化；在应用层面避开与大厂的正面竞争，寻找差异化空隙[54][56][95][97] 公司战略与认知演变 - **2024年初目标**：技术上对标GPT-4，产品上将用户规模翻十倍，实现单个产品千万DAU[4] - **2025年认知转变**：DAU被视为“虚荣指标”，做大模型的误区是套用移动互联网逻辑，因为用户数据不能直接提升模型智能，提升核心在于训练和迭代新模型[4] - **技术驱动明确化**：公司明确为技术驱动型公司，当技术与产品冲突时，技术决策优先，例如为保障算法上限而牺牲产品页面完善度[61] - **目标重设**：2025年目标调整为聚焦技术研发，而非收入或增长目标[95] 技术路线与研发理念 - **早期豪赌MoE**：在2023年夏季，公司投入80%以上算力与研发资源研发混合专家系统，因计算资源与数据量限制，只有MoE能训完，且dense模型无法承受生成token的成本与延迟[9][10] - **技术成果**：2025年1月发布的M1是首个使用线性注意力机制的千亿参数大模型；MiniMax-01系列是首个大规模实现线性注意力机制的模型，旨在高效处理长上下文，开启Agent时代[5][70][85] - **研发方法论**：信仰并追求优化“Scaling Laws”，认为通过提升数据质量、优化算法与训练方法，可以实现比原始定律快数倍甚至十倍的性能提升[20][22][23] - **开源策略转变**：认识到技术品牌的重要性与开源对技术进化的加速作用，于2025年开源MiniMax-01系列，并坦言若重新选择，创业第一天就会开源[54][56] 产品哲学与市场策略 - **产品逻辑**：不认同“在黑莓手机上做不出抖音”的观点，认为产品发展也是渐进的，需要通过不断尝试和失败来找到成功形态[16][17] - **多产品矩阵**：同时运营Glow、星野、海螺AI等多款产品，认为在技术与产品存在gap的阶段，多尝试是找到成功产品的客观规律[16] - **关键教训**：产品价值的核心来源是模型性能与算法能力，例如Glow曾因一个小算法bug导致DAU在元旦三天内下降40%，修复后用户量迅速回升[18] - **差异化竞争**：避免与字节“豆包”等大厂在生产力工具上正面竞争，转而寻找巨头战场之外的空隙，例如在AI社区（星野）和视频生成（海螺视频）领域建立优势[89][96][97] 行业观点与竞争格局 - **批判行业误区**：指出中国AI产业存在“用户越多，模型能力提升越快”的巨大误区，并以ChatGPT DAU是Claude的50-100倍但模型能力并未等比提升为例证[57] - **竞争本质**：认为靠融资无法打死竞争对手，拐点只可能来自技术、产品或商业化效率的领先；创业公司之间比较意义不大，应关注整个行业[37][62] - **中美模型差异**：认为中国模型缺乏内部定义的benchmark和底层设计，更多是在对齐如o1等国外模型的输出[84] - **组织与人才**：认为人才密度最高的是字节跳动，其他公司都差一档；但创业公司能让优秀人才成长更快的概率更大[86][87]；公司组织结构简单，仅三层，分为技术、产品、运营与增长三个部门[43][44]

自动驾驶VLA行业趋势 - 自动驾驶VLA是学术界和工业界在端到端之后聚焦的核心方向，提供了类人思考能力并通过思维链形式展现决策过程，以实现更可靠和安全的自动驾驶[1] - 行业将自动驾驶VLA划分为三个子领域：模块化VLA、一体化VLA和推理增强VLA[1] - 传统的BEV感知、车道线、Occupancy等方向相对成熟，学术界和工业界关注度逐渐下降，自动驾驶VLA成为各家企业急需攻克的方案[4] - 主流自动驾驶企业，包括智驾方案供应商和车企，均在发力自研自动驾驶VLA[4] 自动驾驶VLA技术核心 - 自动驾驶VLA涉及视觉感知、大语言模型、Action建模、大模型部署、数据集制作等核心内容[6] - 最前沿算法包括CoT、MoE、RAG、强化学习[6] - 模块化VLA强调多阶段pipeline（感知→语言→规划→控制），语言模型为规划决策提供信息[16] - 一体化VLA直接连接动作解码器，实现感知→控制的端到端映射，通过单次前向传播将传感器输入映射为控制动作[16] - 推理增强VLA新增推理模块（如Chain-of-Thought、记忆体、工具调用），同步输出控制信号和自然语言解释，支持长时序规划和因果解释[17] 课程内容与结构 - 课程第一章介绍VLA算法概念、发展历史、开源BenchMark和常见评测指标[12][13] - 第二章讲解VLA算法基础，涵盖Vision、Language、Action三个模块基础知识及大模型结合，并以Qwen 2.5VL-72为例讲解开源大模型部署[14] - 第三章讲解VLM作为自动驾驶解释器的经典及最新算法，包括DriveGPT4、TS-VLM、DynRsl-VLM、SENNA，重点分析算法动机、网络结构和核心[15] - 第四章聚焦模块化与一体化VLA，配套实战代码学习选取华科和小米最新提出的ReCogDrive，涵盖预训练、模仿学习、强化学习GRPO、扩散模型轨迹输出等技术栈[16] - 第五章聚焦推理增强VLA，讲解ORION、OpenDriveVLA、DriveMoE、DiffVLA、S4-Driver、FutureSightDrive、AutoVLA、Drive-R1等算法，并配套清华AIR和博世提出的Impromptu VLA实战代码[17][18][19][23] - 第六章设置大作业，要求学员基于ms-swift框架自定义数据集和加载模型，进行训练任务微调，并提供V-L-A各部分代码解读[20] 行业人才培养 - 课程由清华大学教研团队联合开展，旨在推动自动驾驶VLA在学术界和工业界的发展[6][22] - 讲师团队包括在ICCV/IROS/EMNLP/Nature Communications等顶级会议发表论文的清华大学硕士生、QS30高校博士在读研究员，具备丰富的自动驾驶、大模型研发和实战经验[8][9] - 学员需自备GPU，推荐算力在4090及以上，并具备自动驾驶领域基础、transformer大模型、强化学习、BEV感知等技术概念，以及概率论、线性代数、Python和PyTorch基础[24] - 课程为国内首个自动驾驶VLA进阶实战教程，预计两个半月结课，采用离线视频教学配合VIP群内答疑及三次线上答疑的模式[22][23]