在Google I/O大會(huì)前夕，科技圈迎來(lái)了一則重磅消息：Google正式推出Gemini Omni，這款被外界視為AI領(lǐng)域“全能選手”的新產(chǎn)品，憑借其多模態(tài)交互能力迅速成為焦點(diǎn)。與傳統(tǒng)AI工具聚焦單一任務(wù)不同，Omni通過(guò)整合文本、圖像、視頻、音頻等多種模態(tài)，試圖構(gòu)建一個(gè)“一站式”生產(chǎn)力入口，重新定義了AI Agent的邊界。

Omni的核心突破體現(xiàn)在兩個(gè)層面。其一，它支持通過(guò)自然語(yǔ)言指令直接生成完整教學(xué)視頻。例如，用戶僅需輸入“一位教授在黑板上推導(dǎo)三角恒等式并同步講解”，系統(tǒng)便能自動(dòng)生成包含粉筆動(dòng)作、公式書寫、語(yǔ)音解釋的動(dòng)態(tài)視頻，無(wú)需分步驟操作或反復(fù)修正。這一能力背后，是AI對(duì)物理空間關(guān)系、邏輯推理和內(nèi)容準(zhǔn)確性的深度理解，而非簡(jiǎn)單的畫面拼接。其二，Omni將Google分散的AI能力整合至單一對(duì)話框中，用戶可同時(shí)完成寫作、繪圖、視頻剪輯、跨任務(wù)記憶等操作，徹底告別多工具切換的繁瑣流程。這種設(shè)計(jì)直擊企業(yè)級(jí)用戶的痛點(diǎn)——此前，某頭部大廠引入AI編碼工具后，雖提升了交付速度，卻因需求質(zhì)量參差不齊導(dǎo)致預(yù)算超支，暴露出單一模態(tài)工具的局限性。

市場(chǎng)對(duì)“全模態(tài)”的期待并非空穴來(lái)風(fēng)。以視頻制作為例，傳統(tǒng)流程需依次調(diào)用文本模型生成腳本、圖像模型設(shè)計(jì)封面、視頻工具剪輯畫面、音樂(lè)模型匹配配樂(lè)，任何一個(gè)環(huán)節(jié)出錯(cuò)都需推倒重來(lái)。而全模態(tài)系統(tǒng)可同步處理多種信息形態(tài)，顯著降低試錯(cuò)成本。Google的轉(zhuǎn)型更具象征意義：其此前將視頻生成（Veo）、文本處理（Gemini）、圖像生成（Imagen）拆分為獨(dú)立產(chǎn)品，而Omni的推出標(biāo)志著公司正式押注統(tǒng)一架構(gòu)，回應(yīng)了業(yè)界對(duì)“AI能否真正理解復(fù)雜世界”的質(zhì)疑。

在國(guó)內(nèi)市場(chǎng)，Minimax成為少數(shù)在全模態(tài)領(lǐng)域與谷歌正面競(jìng)爭(zhēng)的獨(dú)立AI公司。其M2系列模型在2026年初的Token用量較2025年底激增6倍，每分鐘處理量（TPM）以每周10%-20%的速度增長(zhǎng)，顯示出強(qiáng)勁的市場(chǎng)需求。更引人注目的是其商業(yè)模式：通過(guò)優(yōu)化推理服務(wù)器配置，Minimax實(shí)現(xiàn)單臺(tái)設(shè)備每分鐘1美元營(yíng)收，而運(yùn)營(yíng)成本不足0.3美元，單位經(jīng)濟(jì)效益遠(yuǎn)超行業(yè)平均水平。這種“低成本、高毛利”的特性，使其在無(wú)需依賴廣告投放的情況下，僅靠工具價(jià)值便實(shí)現(xiàn)用戶自發(fā)增長(zhǎng)——2025年?duì)I銷費(fèi)用同比下降40.3%，而毛利率從12.2%提升至25.4%。

資本市場(chǎng)的反應(yīng)印證了全模態(tài)的戰(zhàn)略價(jià)值。摩根士丹利預(yù)測(cè)，Minimax的年化經(jīng)常性收入（ARR）將在2026年底突破10億美元，與國(guó)際巨頭處于同一量級(jí)。其背后的邏輯在于，全模態(tài)能力可同時(shí)覆蓋企業(yè)級(jí)（ToB）和消費(fèi)級(jí)（ToC）市場(chǎng)：企業(yè)用戶需要高效處理跨模態(tài)任務(wù)，而個(gè)人用戶則期待通過(guò)單一入口完成創(chuàng)作、辦公等場(chǎng)景需求。Minimax的全球化布局進(jìn)一步放大了這一優(yōu)勢(shì)——相比多數(shù)AI公司僅聚焦單一市場(chǎng)，其雙線作戰(zhàn)策略顯著提升了增長(zhǎng)天花板。

技術(shù)層面，Minimax的“模型+工程層”雙輪驅(qū)動(dòng)模式成為關(guān)鍵護(hù)城河。以視頻生成為例，其下一代模型Hailuo 3預(yù)計(jì)將大幅提升理解能力，并通過(guò)工程優(yōu)化降低使用門檻，使非專業(yè)用戶也能輕松創(chuàng)作。在辦公場(chǎng)景中，M3模型將強(qiáng)化AI Agent的多步驟任務(wù)規(guī)劃能力，配合創(chuàng)新工具M(jìn)axHermes，實(shí)現(xiàn)從代碼生成到日程管理、跨應(yīng)用協(xié)作的擴(kuò)展。瑞銀分析指出，多模態(tài)訓(xùn)練產(chǎn)生的視覺(jué)理解能力可反哺文本模型，推動(dòng)整體智能水平躍升，這種“1+1>2”的效應(yīng)將成為Minimax的核心競(jìng)爭(zhēng)力。

隨著Gemini Omni的發(fā)布，全模態(tài)競(jìng)爭(zhēng)已從技術(shù)概念進(jìn)入商業(yè)化落地階段。谷歌的轉(zhuǎn)型與Minimax的崛起，共同指向一個(gè)趨勢(shì)：未來(lái)的AI Agent必須具備“看、聽(tīng)、說(shuō)、寫、畫”的綜合能力，才能適應(yīng)真實(shí)世界的復(fù)雜性。當(dāng)市場(chǎng)從“流量競(jìng)爭(zhēng)”轉(zhuǎn)向“模型競(jìng)爭(zhēng)”，那些能同時(shí)平衡技術(shù)深度與商業(yè)效率的玩家，或?qū)⒅鲗?dǎo)下一輪增長(zhǎng)周期。