763亿港元，大模型公司最大IPO！MiniMax登陆港交所，盘前大涨50%

• 克雷西 发自 凹非寺
  量子位 | 公众号 QbitAI

一声锣响，港交所迎来了一个备受瞩目的AI新面孔——

刚刚，MiniMax正式完成IPO冲刺，在香港交易所主板挂牌上市，股票代码“00100”。

这组代码整体呼应了MiniMax这个名字，其中0代表Mini，100在二进制语境下对应Max，寓意是满足条件的最小解。

根据MiniMax此前公布的配发结果，假设绿鞋全额行使，此次全球发售约3358万股，最终以每股165港元的定价上限发行，募集资金总额约55.4亿港元（约49.65亿人民币）。

市场认购反响极为热烈，其中公开发售部分获得1837倍超额认购，国际发售部分亦获37倍认购。

昨天下午的暗盘当中，MiniMax一路上涨，最高曾达到211.2港元每股，最后收盘价为每股205.6港元，涨幅近四分之一。

今日早盘依旧高开，开盘前一度涨幅超过50%，市值突破763亿港元。截至发稿，最高股价已达每股299港元，涨幅超80%。

在此次发行的认购名单中，Aspex、Eastspring（瀚亚投资）、Mirae Asset（未来资产）及阿里巴巴等14家机构作为基石投资者参与其中，合计认购了27.23亿港元的份额。

此时距离MiniMax成立，刚刚过去不到四年。这家一直强调“极致效率”的公司，用这个时间周期，走完了从初创团队到二级市场上市公司的全部流程。

更早之前，这家公司在资本市场的融资能力同样一流，成立四年间，已吸引米哈游、阿里巴巴、腾讯、小红书、小米、金山、PCG和正大集团等知名机构投资站台，累计融资已超15亿美元。

MiniMax创始人兼CEO闫俊杰在上市致辞中表示：

• 过去四年，我们从零开始，靠一群年轻人构建了全球领先的全模态能力，并服务了全球2亿多用户。但这一切只是刚刚开始。我们期待接下来四年AI行业的进步速度和过去四年一样快，我们也努力能在里面能做出自己的贡献。

站在这个新的节点回顾，MiniMax过去四年的战略逻辑可以概括为两个核心维度——

在技术侧，多模态齐发向AGI并进；在组织侧，通过“组织的Scaling”获得极致的研发效率。

全模态，为了AGI

技术层面，MiniMax在成立之初，便制定了一条极具挑战性的路线，坚持全模态并行研发。

对于一家初创公司而言，这意味着必须在算力基础设施、算法架构设计以及数据处理流水线上同时进行重投入，在资源有限的早期阶段极其考验团队的创新能力和工程调度能力。

不过从结果上看，MiniMax的这种并行策略也的确获得了显著的成果，其技术迭代密集、关键技术突破频率高，接连在语音、视频与文本等模型上取得突破性进展。

语音方面，Speech 02实现了超低延时的实时交互，率先在支持超过40种语言的复杂场景下确立了行业第一的性能标准，极大提升了人机交互的拟人化程度。

视频方面，海螺AI（Hailuo AI）在技术难度最高的文生视频领域迅速卡位，凭借其对复杂物理动态的优异掌控，在权威竞技场评测中力压众多国际大厂，排名高居第二。

而在作为认知核心的文本模态上，M2.1模型的表现尤为关键，它在大模型竞技场（LMArena）Coding榜单中拿下了开源模型第一的成绩。

同时在实际业务层面，M2.1显著增强了面向真实场景的Coding代码生成能力与多语言逻辑推理能力，能够胜任更具挑战性的生产力任务。

伴随着全模态技术底座的布局，MiniMax在商业层面确立了以“模型即产品”为核心的运营策略。

这一逻辑将模型能力转化为B端与C端两条并行产线，在消费级市场，模型被直接封装为AI原生应用，目前用户规模已达2.12亿；在企业级市场，通过开放平台以API接口形式提供服务。

这种双向布局，使得MiniMax的技术突破转化为了一套完整的商业结构。

To B和To C看似是两条不同的路，但在MiniMax眼中其实是一回事——无论外壳是APP还是API，最核心的产品只有一个，就是模型本身。

既然核心产品只有一个，那就需要通过不同的渠道将其价值最大化，因此同时做BC两端，才能将智能铺进更多场景。

更关键的是，在多点开花的表象背后，MiniMax还有更深一层考虑。

MiniMax之所以选择全模态，核心动因并非单纯为了丰富产品线，而是源于团队在Day 1对AGI技术终局的底层判断——

真正的AGI，必然是全模态的。

文本仅仅是人类对世界的符号化抽象，而构建一个真正具备物理常识的“世界模型”，必须让AI直接摄取和理解物理世界的原始信号。

只有打通视觉、听觉与文本的认知通道，模型才能理解因果律、空间关系与时间流变，从而触达智能的最高天花板。

核心目的之外，这种架构设计也在客观上为解决“数据枯竭危机”提供了解法。

随着互联网上高质量文本数据被挖掘殆尽，单纯依赖文本进行Scaling已面临边际收益递减的风险。

全模态布局使得海量的视频与音频数据成为新的数据来源，为智能持续进化提供了丰沛且差异化的数据供给。

从技术验证的维度来看，这一路线的落地过程中也是对Scalability路线普适性的验证。

MiniMax通过一套统一的核心算法成功跑通语音、视频与文本，确认了其技术能够灵活适配完全不同的领域，而非是针对某一特定任务的特调产物。

这种底层通用能力的成功验证，也直接成为了MiniMax在面对资本市场的价值重估与筛选时，手中握有的最强硬通货。

回顾近期的全球资本市场，一个显著的趋势是马太效应的加剧——随着Scaling Law带来的资源门槛急剧抬升，大量缺乏底层技术独创性的腰部模型公司，失去了资本青睐。

例如，硅谷的Inflection AI与Adept因技术路径难以持续说服市场，在昙花一现后最终失去了后续资金的支持。

经过行业早期的狂热期，资本对于模型公司的筛选标准重新校准，资金已不再为单纯的赛道红利或愿景故事买单，而是转向了对企业底层技术硬实力的极致要求。

在这一理性回归的大背景下，Aspex等国际长线资管机构与阿里巴巴等产业资本依然选择重注MiniMax，强有力地印证了市场对MiniMax所构建的全模态技术壁垒与极致工程效率的高度认可。

用组织的Scaling撬动极致效率

如果说全模态的并行产出是外显的果实，那么支撑这一高难度动作的内因，则是对生产关系的彻底重构。

要维持小团队的大产出，答案不能止步于技术，必须向组织要效率，而获得效率的途径，就是Scaling。

闫俊杰将组织视为一个需要Scaling的模型，认为AI原生公司的人才结构应像模型参数一样具备高度多样性，通过不同画像人才的排列组合与高频碰撞，在组织内部产生涌现效应，而非简单地线性堆叠人力。

为了在实际研发过程中构建组织这个“模型”，MiniMax首先在参数多样性上引入变量，将AI智能体直接纳入工作流。

在MiniMax内部，超过80%的代码由AI完成，大量Agent被部署为“AI实习生”。这些能够直接读取代码库、监控线上环境的Agent，甚至能在飞书对话中通过Review后直接修改线上代码。

这种深度介入研发流程的AI Native工作流，相当于在“人类参数”之外引入了海量的“AI参数”，从根本上改变了软件工程的边际成本结构。

为了适配这种高密度的参数组合，还必须构建一个极度扁平的架构以确保“高频碰撞”。

适配这一需求的是极其年轻化的人员构成与组织形态，全员385人中研发人员占比高达73.8%，平均年龄仅29岁，主力军为95后。

配合CEO之下职级不超过三层的设计，这种组合消除了冗余层级带来的信息损耗，让这支年轻队伍能够无损地执行新的开发路径。

这一组织模型跑通后的实际产出，便是极具竞争力的研发效率数据。

MiniMax累计花费约5亿美金，约为OpenAI同期资金消耗量的百分之一，却维持了全模态产品的并行产出。这种极高的投入-产出比并非依靠单纯的成本控制，正是得益于上述生产流程的重构。

掌舵这一复杂组织模型的创始人兼CEO闫俊杰，在创立MiniMax之前已在深度学习领域深耕多年。

早在2014年深度学习爆发初期，他便在顶级AI技术平台主导了工业级深度学习工具链的搭建，并利用早期的高性能算力集群进行了大量验证。

核心创始团队也延续了这种技术基因，联合创始人周彧聪与贠烨祎均为经历了AI 1.0时代技术浪潮洗礼的实战老兵。

这种深厚的技术积淀与新生代力量的融合，让这支队伍最终以极致年轻的Scaling形态，跑出了远超行业平均水平的极致效率。

变资源为智能，AI从业者的新挑战

MiniMax的成功上市，给当下陷入算力焦虑的AI行业提供了一个新的观察样本。

它验证了在粗放的资源消耗竞赛之外，确实存在着一套由极致效率和通用方法论构建的生存法则。

这种生存法则不再依赖盲目的投入规模，侧重于对技术路线的精准判断与执行，证明了精细化的工程能力同样足以撬动从模型到商业的闭环。

MiniMax以仅有不到OpenAI百分之一的资金成本，换取了从技术到底层架构的第一梯队入场券，证明了资本厚度与算力规模不再是唯一的护城河，组织将资源转化为智能的效率成为了更关键的竞争维度。

这种“智能转化率”的高低，成为了衡量企业能否在长周期的AGI赛程中保持在牌桌之上的新标准。

MiniMax的上市，创下了近年来港股IPO机构认购历史纪录。此次参与MiniMax IPO认购的机构超过460家，超额认购达70多倍，下单的机构中不乏众多的长线基金及国家主权基金。

上市当天，创始人闫俊杰将这一时刻定义为一个新的起点，同时表示下一个四年将继续努力，取得和过去一样的发展速度。

• 这个过程更重要的是找到更多的同路人。我们为这支充满热情和创新能力的团队感到骄傲。同时，我们更加热切地期待全球更多优秀的人才加入我们。

这一表态意味着从0到1的生存验证阶段结束，但未来的行业竞争将变得更快、更难、更复杂。

在AGI的漫长征途中，人才密度的持续累积，最终指向的是一种足以应对无限复杂度的核心能力——Scalability。

唯有具备这种属性，才足以在指数级不断攀升的竞争难度中，持续承载未知的技术挑战。