标题和作者

本文由梦晨代表MiniMax ToB中国区商业化负责人胡维琦撰写，分享主题为《从Token无上限到全员Agent：MiniMax的AI Native组织进化实践》。文章主要探讨了MiniMax作为一家专注于多模态模型（文本、视频、语音、音乐）的AI公司，如何从创业之初就确立“下一代AI”的范式，并分享了其在港股上市后如何通过内部实践构建“AI Native”组织，实现从“玩具”向“企业生产力工具”的转变。

摘要

本文详细阐述了胡维琦在AIGC 2026峰会上的演讲内容，介绍了MiniMax在内部从“Token无上限”到“全员Agent”的组织进化过程。在此之前，AI更多被视为“玩具”，且小模型存在泛化能力不足和定制化困难的问题，导致市场空间受限。本文指出，AI必须从“玩具”进化为企业生产力和提效工具，MiniMax通过坚持大模型与应用并行、ToC和ToB并重，实现了从文本、视频、语音、音乐等多模态模型的能力突破。具体做法上，MiniMax通过给全员不限Token提供Cursor，并在HR招聘、开发代码、运维、市场营销等“人类最不愿意干”的高价值场景引入Agent（智能体）和“Agent实习生计划”，反哺模型研发。结果显示，研发生产效率提升了30%，内部30%～50%的代码由模型自动生成，组织更加扁平。此外，本文提出了“与其焦虑、不如加入”的企业AI实践建议，强调应从内部阻力最小的场景切入。关于本文中可能让听众困惑的术语，AGI指的是通用人工智能，即“Intelligence With Everyone”，意指所有人都能用得起的AI；Agent是智能体，指能够自主执行任务的AI程序；Token是AI模型处理输入输出的基本单位，消耗量成为衡量效率的新指标；MiniMax是一家专注于多模态模型的AI公司，于2026年1月在港股上市；Cursor是一款AI编程工具。

主要主题和概念

  • 下一代AI范式与AGI理念
    • What：将AI从“玩具”转变为“企业生产力工具”，并定义AGI为“Intelligence With Everyone”。
    • Why：小模型在泛化能力、项目定制化等方面存在技术缺陷，导致场景受限，无法满足客户极致体验。
    • How：坚持大模型与应用并行、ToC和ToB并重，开发文本、视频、语音、音乐等多模态模型，构建万亿级市场空间。
  • AI Native组织建设与扁平化
    • What：构建“AI Native”组织，打破前端与后端研发边界，推行“全员Agent”。
    • Why：为了解决招聘、代码编写等人类最不愿意干的高价值场景的效率问题，降低内部推行阻力，提升员工满意度。
    • How：提供无限Token，推广Agent实习生计划，在HR、开发、运维等环节使用Agent，实现Dogfooding（内部使用）。
  • AI实践的“与其焦虑、不如加入”策略
    • What：企业应如何有效开展AI实践，从“Token无上限”转向全员使用Agent。
    • Why：老板们往往因焦虑而错失良机，营销号的信息不可靠，动手尝试是最有效的验证方式。
    • How：从内部阻力最小、最有价值的场景切入，产品直接出Demo，不严格区分前后端研发。

      关于本文中可能让听众困惑的术语，AI Native指原生AI，指组织在设计和运作中从底层就深度集成AI技术，而非后期叠加工具；Agent即智能体，指能够感知环境、理解指令并自主执行任务以达成目标的AI程序；Token是AI模型处理信息的基本计量单位，类似于语言中的“词”或“字”，其消耗量被用来衡量员工使用AI的效率；Dogfooding指企业内部使用自己的产品进行迭代和优化，以确保产品满足自身需求；MiniMax是一家专注多模态模型的AI公司；AGI即通用人工智能，指具备像人类一样全面智能的AI。

重要引文

  • 论点：AGI应当是“Intelligence With Everyone”，即所有人都能用得起的AI。
  • 论据：小模型在泛化能力、项目定制化等方面存在技术缺陷，导致场景受限，无法满足客户极致体验。
  • 论证：为了解决小模型时代的局限，MiniMax提出要构建能解决客户极致体验且市场空间达万亿级的下一代AI。
  • 论点：企业做AI实践最高效的方法是“与其焦虑、不如加入”，并从人类最不愿意干的高价值场景切入。
  • 论据：老板们资产越大越焦虑，营销号不可靠，且从高阻力场景切入阻力最小、满意度最高。
  • 论证：通过直接动手尝试并选择高价值场景，可以快速验证AI价值，帮助内部大力推行。
  • 论点：模型可以帮助Harness（执行框架）快速迭代，整体研发生产效率提升30%。
  • 论据：通过内部强化训练，30%～50%的代码已经由模型自动生成。
  • 论证：模型不仅负责思考，还能辅助执行框架不断自我进化，从而极大提升企业内部效率。
    关于本文中可能让听众困惑的术语，Harness通常指AI工作流中的执行框架或调度器，负责将模型的思考转化为具体的任务执行步骤；MiniMax是一家专注于多模态模型的AI公司；AGI即通用人工智能。

总结

本文的核心亮点在于MiniMax作为一家AI原生公司，成功实现了从“Token无上限”到“全员Agent”的组织变革，展示了AI如何重塑企业内部运作。文章最吸引人眼球的数据是研发生产效率提升了30%，以及30%～50%的代码由AI自动生成，这直观体现了AI作为生产力工具的巨大价值。MiniMax通过在招聘、开发、运维等高阻力场景推行Agent实习生计划，打破了前后端研发的边界，使组织更加扁平。尽管AI的序幕才刚刚开启，但未来2-3年AI将深度融合各行业，改变商业模式与组织构成。当前应用场景主要集中在企业内部提效与多模态内容生成，虽然组织变革已初见成效，但仍面临不同员工接受度差异的挑战，未来需持续关注AI与行业深度融合带来的新机遇。