AI Agent罗福莉
138. 对罗福莉 3.5 小时访谈：AI 范式已然巨变！OpenClaw、Agent 范式很吃后训练、卡的分配、组织平权
小米大模型团队负责人罗福莉在访谈中认为AI竞争正从预训练主导转向Agent后训练主导，并以OpenClaw讨论研究效率、算力分配和组织方式变化。
BestBlogs · Agent 关键词46 分钟阅读中文
阅读原文
TL;DR: 小米大模型团队负责人罗福莉在访谈中认为AI竞争正从预训练主导转向Agent后训练主导，并以OpenClaw讨论研究效率、算力分配和组织方式变化。
以下为 BestBlogs · Agent 关键词 原文（中文）
📌 一句话摘要
小米大模型负责人罗福莉首次深度技术访谈，详解 2026 年 AI 范式从预训练向 Agent 后训练巨变，以及 OpenClaw 框架如何通过群体智能和开源生态重塑研究效率与组织方式。
📝 详细摘要
本期播客是小米大模型团队负责人罗福莉的首次深度技术访谈，系统性探讨了 2026 年由 Claude Opus 4.6、OpenClaw 等技术变量触发的 AI 范式巨变。罗福莉提出核心判断：AI 已从预训练主导的 Chat 时代转向后训练主导的 Agent 时代，国内团队在预训练上的代差已基本追平，当前竞争焦点转向 Agent 后训练。她以亲身经历详细拆解了 OpenClaw 框架从「有灵魂的产品」到「研究助力」的三天蜕变过程，强调该框架通过精细编排弥补模型能力短板，激发中层模型上限。谈话深入分析了 Agent 范式对研究方式、组织架构和卡资源分配的根本性影响：研究效率大幅提升、团队需实现算力在预训练和后训练的平等分配（3:1:1→1:1）、以及组织应保持灵活平权以促进多样性。同时，罗福莉分享了小米 MiMo-V2 系列模型在长城任务泛化、开源生态价值、人才选拔标准（重好奇心和基础能力）等方面的实践经验，对未来技术发展保持高度兴奋和持续自我否定的态度。
💡 主要观点
AI 范式从预训练主导转向 Agent 后训练主导
2026 年大模型战争进入第二幕，核心竞争从预训练代差转移到 Agent 场景下的后训练能力，特别是 RL Scaling 的工程实现。
OpenClaw 框架的核心价值在于通过编排弥补模型能力短板
该框架并非简单 UI 创新，而是通过持久化记忆、多模型协同调度、开源可修改等机制，极大释放了模型在复杂任务上的上限。
Agent 时代的研究效率发生质变
借助 Agent 框架，研究周期从数周缩短到数小时，研究者可并行验证多个想法，研究方式和节奏被根本性改变。
卡资源分配需从预训练倾斜转向预训练与后训练均衡
Chat 时代典型的用卡比例（3:5:1）不合理，当前合理的比例应为 3:1:1，顶尖团队甚至应达到 1:1。
团队组织需保持平权与多样性以适应范式转变
不设固定组别划分，预训练和后训练人员保持流动和交叉，让预训练的人做后训练能带来很好的多样性补充。
开源是激发群体智能的关键路径
OpenClaw 的开放特性允许全社区的力量改进框架本身，加速了框架迭代和智能涌现，这是闭源框架无法实现的优势。
💬 文章金句
2026 年大模型战争全面升级，揭开了第二幕，从预训练主导的 Chat 时代转向了后训练主导的 Agent 时代。
我第一天感受到很惊艳的东西，第二天立马觉得不惊艳。人的适应性真的是非常强的。现在我觉得反而缺乏的是第一个是想象力，第二个是怎么优化它的成本和速度。 如果你没有那么多高阶信息，没有另外一种另类信息... 它是用另类信息跟当前的 Agent 的共创的话，那么最顶尖的模型的能力也很难发挥出来。 我之前认为我们自己做的工作已经足够有创造力、足够不会被 Skill 化、不会被 Workflow 化。但我现在发现，它竟然也能！那它可不可以训出更强的模型？自己左脚踩右脚就提升了？ 效率的提升基本上代表着一个非常本质的问题。如果这个时候你的 taste 又比较准，你十个 idea 可以并行做，然后很快验证这个想法 work 不 work。
📊 文章信息
AI 初评：94
精选文章：是
来源：张小珺Jùn｜商业访谈录
作者：张小珺
分类：人工智能
语言：中文
阅读时间：7 分钟
字数：1587
标签：
AI 范式转变, Agent 后训练, OpenClaw, 群体智能, AI Lab 组织变革
收听完整播客