AI 正在从工具演变为组织架构的底层逻辑。当模型能力跨越“玩具”与“生产工具”的分界线，企业内部的协作方式、决策路径甚至岗位定义都在被重新书写。2026 中国 AIGC 产业峰会上，MiniMax ToB 中国区商业化负责人胡维琦的分享，恰好提供了一个来自前沿实践者的微观样本——一家以多模态模型为核心的公司，如何率先用 AI 改造自身，并从中提炼出可复用的方法论。以下内容在不改变原意的基础上进行了整理，希望能帮助读者跳脱营销话术，看到真实落地的路径与挑战。
编辑整理自 AIGC2026 峰会
AI 不仅是生产力工具，更在深刻改变组织的形态。
本次 2026 中国 AIGC 产业峰会上，MiniMax ToB 中国区商业化负责人胡维琦，分享了自己在 AI 创业公司中的实践与思考。
与其焦虑 AI，不如加入 AI。
大家不用看营销号，更多的还是自己动手试试。
MiniMax是一家专注文本、视频、语音、音乐多模态模型的公司，于 2026 年 1 月在港股上市。
胡维琦表示，公司从诞生之初就在探索下一代 AI 的范式。至于目前这一代 AI 和上一代最大的不同在于，它已经从“玩具”变成了企业的生产力和提效工具。
她还进一步分享了AI Native 组织建设的几点经验：
- 从“人类最不愿意干”的高价值场景切入，推进阻力最小。
- AI 的广泛使用会让组织更加扁平，前端与后端研发的边界逐渐模糊。
- 每个人对 AI 的接受度不同，Token 消耗量正在成为衡量效率的新指标。
……
胡维琦认为，未来 2-3 年，AI 将与各行各业快速深度融合，改变商业模式甚至组织构成。
AI 的序幕才刚刚开启。
为了完整呈现胡维琦的思考，在不改变原意的基础上，我们对演讲内容进行了整理编辑，希望能提供新的视角与洞察。
2026 中国 AIGC 产业峰会是由行业机构主办的年度会议，近 20 位产业代表与会讨论。线下参会观众超千人，线上直播观众近 400 万，获得了主流媒体的广泛关注与报道。
- AGI 是什么？Intelligence with Everyone，就是所有人都能用得起的 AI。要实现这点，就得坚持大模型和应用并行、ToC 和 ToB 并重。
- AI 公司首先要在内部实现闭环，不要吝啬 Token 补贴，放手让员工自己用 Agent 去搭建自动化工作流。这个使用过程也会反哺模型研发。
- 与其焦虑、不如加入。企业如果想做 AI 实践，最高效的方法就是直接动手去尝试，并且要从员工最不愿意干的场景切入，这通常也是最有价值、内部阻力最小的场景。
- AI 会让组织变得更扁平。产品可以直接出 demo，再交由研发决定是否要做大批量生产。未来 2 到 3 年，AI 会持续和各行业深度融合，改变生产力工具、商业模式和组织构成。
以下为胡维琦演讲全文：
大家好，我叫胡维琦，今天非常高兴代表 MiniMax 跟大家分享 MiniMax AI 实践探索之路。在谈到我们之前，先来看一个视频，了解谁是 MiniMax、MiniMax 是谁。
通过这个视频，大家可以大概了解 MiniMax 主要是做什么的。其实我们 MiniMax 是一家创业公司，专注于模型领域，并于今年 1 月份在港股上市。
我们对外推出的模型包括文本模型、视频模型、语音模型和音乐模型，视频中简单展示了一下我们各个模型的能力，通过这些模型能力，想必大家对我们公司基本模型的服务情况也会有所了解。
要介绍我们公司，那就必须要回到我们创办的第一天。
这是我们公司创始团队在创业之初，在白板上写的对未来业务的构想。
我们的创始团队有一部分创始人之前有在 AI 公司工作过，但那个时候 AI 更多的还是一些小模型，特别是视频小模型。
他们发现，在原来的小模型领域有很多技术上无法解决的问题，比如说泛化能力问题、项目订制问题，甚至很多场景领域不能完全满足客户需要的问题。
这是因为我们在过去的技术和商业上存在很多问题，所以我们的创始团队就在构想，如果我们要做一个新项目，想做什么样的模型。
他们当时提出，我们想做下一代 AI。
什么叫下一代 AI？我们认为下一代 AI 是通过图灵测试的智能体，其次是这个智能体能在很多场景中给客户创造出极致的客户体验，甚至它的市场空间一定能达到万亿级，可以解决原来在小模型时代，我们模型能力泛化造成的可参与空间比较受限的问题。
所以从 MiniMax 创立的第一天起，我们就在构想下一代 AI 是什么、AGI 是什么。
我们也提出我们的理念，我们希望做的是“Intelligence With Everyone”，意思就是我们想去做一个所有人都能用得起的 AI，我们希望智能和我们每个人连接在一起，这就是我们公司创立之初的构想。
正是这个构想，我们一直坚持大模型和应用的并重，坚持 ToC 和 ToB 的双轮驱动。
我们有文本、视频、语音、音乐模型，在 B 端和 C 端也都有相应的产品，比如海螺 AI、MaxClaw，甚至我们在 B 端也有很多用户有在接入 MiniMax API 进行影视制作，甚至在编程、企业 Agent 中都可以看到模型在被使用。
从我们自己的角度来看，我们在上市之初，C 端业务占比较高，但现在从公司整体来看，B 端和 C 端是并重的。
B 端这部分，在互联网文娱行业包括视频领域甚至很多企业中，我们发现模型已经逐步走进到客户生产领域，成为客户生产工具。
而从 3 月份以来，企业龙虾蓬勃兴起，每个人都意识到 AI 并不是远在天边的事情，每个普通人都可以参与。
同时我们也发现，在很多研发比重高的场景，非常多的程序员已经采用 Vibe Coding 的方式进行编码，甚至一部分程序员已经不再手工编码，完全通过 AI 工具方式进行编码。
我们看到 AI 不像上一代 AI 时代的产品，彼时它更像是玩具，而这一代 AI 已经成为了企业生产力工具，甚至成为企业提效工具，此时带来的效率提升，和为我们带来的组织变革，影响是非常深远和巨大的。
从我们自身来看，我们从创立之初就一直秉持技术驱动的原则，我们不断地在 C 端和 B 端创造更多更好的产品，去进行双轮驱动。
可以看到，在时间轴上有几个关键性产品。
2023 年我们推出了星野，之所以推出它，是因为我们最初 AI 创业时发现，彼时大模型还没有成为特别深入人心的理念，大家都不知道大模型该怎么用，所以我们在 C 端做了一个情感陪伴类产品，向我们用户展示，模型怎么帮助 APP 进行赋能，来进行提效。
2024 年我们也发布了海螺产品，海螺的发布在业界引起非常大的反响，AI 生成的视频在某些领域已经达到了真人制作水平。
2025 年我们重磅推出 M2 系列文本模型，通过这个文本模型，我们开启了企业 Agent 包括 Coding 的广泛适用场景。2026 年我们继续围绕文本和视频的布局，在客户端和工具层做了很多创新。
我们在 2026 年 1 月份发布了 MaxClaw Agent 产品，2 月份发布了 MaxClaw 产品，4 月份又发布了 MaxHermes 这个产品。
我们不断地在工具层快速迭代，因为我们发现，原来大家的理解中，Harness 更多的是执行，模型做思考，但实则模型也可以帮助 Harness 不断迭代。
从我们自身研发实践来看，通过我们的模型帮助 Harness 快速迭代，整个研发生产效率可以提升 30%，从我们内部强化训练来看，30%～50% 代码已经由我们模型自动生成，可以极大提升企业内部的效率。
介绍完公司整体情况后，再详细介绍各个模态的能力。
首先是文本模型。文本模型从目前看来，主要应用在两大场景，一个是企业编程场景，另一个是在企业 Agent 场景，当中可以处理很多企业个人提效的工具，比如 C 端的各种龙虾助手，背后就由 Agent 进行助力。
我们 MiniMax2.5 和 2.7 主要的特点在于，第一个我们在 Agent 任务场景中，整个任务闭环率比较高；第二个任务响应速度非常快；第三个是一旦 Agent 用起来，烧 Token 烧得特别快，但我们整个模型的性价比也是比较高的。
所以做很多 Agent 任务时，用到 MiniMax 产品，既可以做到效果平衡，也可以做到性价比优化。
从主流评测来看，无论是工具级评测还是和主流模型智能、性价比的对比，MiniMax2.5 和 2.7 都做到了业界领先的水平。
第二个介绍海螺视频模型，先来看几段视频。
可以看到，AI 生成视频已经能够在光影效果上做到非常好的影视级效果，它的创意是超出人类想象的。
第二段视频画风更加唯美一点，比较偏中国风，在很多漫剧制作中被广泛采用，从运镜角度看，已达到电影级的运镜效果。
第三段视频则是真人视频的生成，在很多纪录片的场景中，可以通过 AI 提高生产效率，以后只要你有好的创意，就可以把你的创意通过 AI 变成视频，来呈现你的想法。
这是我们声音的模型，声音模型的主要使用场景，包括智能客服、教培行业，甚至很多短剧漫剧做配音都需要用到声音模型。我们的声音模型特点主要在拟人化、情绪化，还有多语言和低延时上做得比较好。
从声音来看，我们最大的特色其实还是在于对真人声音的拟人化，比如我们在很多语言的语气、停顿上，都会和真人的实感非常贴近。
这对海外客户非常需要，他们在很多客服场景，都希望让客户不要感知到背后是 AI 在跟他交流，所以他们普遍要求非常逼真的真人实感。
音乐模型今年推出了 music 最新音乐模型，我们在整个音色包括真实感受上面做了很多增强。
讲完了模型，大家对我们公司可能还比较感兴趣的是，MiniMax 你们自己作为 AI 公司，是如何在 AI 上做实践和应用的？从你们的角度来看，AI Native 组织应该是什么样的？这也是我经常被很多客户所追问的问题。
从我们自己实践来看，我们从 2024 年 9 月份开始，就给全员不限 Token 提供 Cursor，在 2025 年 8 月份又实践了 Agent 项目。
我们公司比较小，只有 400 多人，其中法务、财务、HR 甚至包括销售的很多工作都没有足够多的人手来支撑，所以我们通过 Agent 的方式做了很多工作。
10 月份我们把 Agent 实习生计划在全公司进行了推广，我们自身内部实践是跟产品发布相迭代的，我们自身在企业日常使用中也会大量使用自己的模型，通过 dogfooding 形成场景和效果的闭环。
通过我们自己的实践来看，有几个经验可以跟大家共享。
第一个经验，因为是 AI 公司，我们老板没有限定我们每个员工的 Token，我们可以无限量使用。
第二个针对 HR 岗位，我们创业公司招人要求非常高，入职率也并不太高，所以我们面试压力非常大，从简历筛选、和候选人打招呼，到面试评估，整个过程我们都会让 Agent 参与。
第三个在开发环节，我们所有的开发人员也都会用我们自己的 AI 作为他们的开发工具，我们只是在代码提交的时候进行人工确认和审核。
第四个，运维体系上我们也会提供线上问题的定位，包括 Demo 输出、音色调整，都会让 AI 来参与。
第五个，因为我个人处在市场岗位，我们平时也会生成很多宣发视频、销售线索跟踪、问题闭环、日常销售过程管理，这些我都会交由 Agent 帮忙做，让它帮忙做一些提醒、沟通。
最后从我们自己沟通和实践来看，这也是我跟很多客户交流的结果，现在很多客户特别是老板，资产越大的越焦虑，我们的观点是，与其焦虑不如加入。大家不用只看营销号，更多的还是自己动手试试。
很多客户也问我，如果我要做 Agent、AI 实践，应该从哪些场景切入比较合适？
我们的建议和经验是从最有价值的场景进行切入，最好这个场景是人类很不愿意干的。
选这种场景进行切入的话，在公司内部阻力是比较好的，这时候通过 AI 的提效，员工的满意度也会有所提升，就会帮助你在内部大力推行 AI 的使用。
第三点是，AI 广泛使用之后会让组织更加扁平。
从我们自己实践来看，包括跟客户的交流来看，现在很多研发已经没有区分前端研发和后端研发，基本上就是一个研发岗位，甚至有些公司做得更激进，产品的人会直接出 Demo，出了 Demo 之后再给研发看看是否做一些大批量生产。很多产品前端 Demo 设计，已经是由产品同学直接完成的，然后再交给研发。
再有一个思考是，我们发现每个人和每个组织对 AI 接受程度是不一样的。
有些人 AI 用得很溜，消耗 Token 就很高，有些同学对 AI 的接受度就会弱一点，我们发现 AI 会让组织和组织，人和人之间使用的效率发生变化。
最后从我们自己视角来看，我们认为未来 2—3 年 AI 会不断快速迭代，会和各个行业深度融合在一起，成为各个行业的生产力工具，甚至改变这个行业的商业模式、组织的构成，所以我们认为 AI 的序幕才刚刚开启。
非常高兴 MiniMax 能够作为一个创业公司和各行各业伙伴一起在 AI 赛道不断探索和前行，谢谢聆听！
