AI Agent罗福莉
独家对话罗福莉：AI 范式已然巨变！
小米大模型团队负责人罗福莉在访谈中称，AI正在从预训练主导的Chat时代转向后训练主导的Agent时代。
BestBlogs · Agent 关键词43 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称，AI正在从预训练主导的Chat时代转向后训练主导的Agent时代。
以下为 BestBlogs · Agent 关键词 原文（中文）
📌 一句话摘要
小米大模型团队负责人罗福莉首次接受深度访谈，系统阐述 OpenClaw 引发的 AI 范式巨变：从预训练主导的 Chat 时代转向后训练主导的 Agent 时代，并分享小米 MiMo-V2 系列模型的技术决策与组织管理思考。
📝 详细摘要
本文是张小珺对小米大模型团队负责人罗福莉的独家深度访谈。罗福莉以亲身经历详细描述了 OpenClaw 框架带来的技术冲击，将其定义为「划时代的 Agent 框架」。她认为，2026 年 AI 行业正经历从 Pre-train 主导的 Chat 时代向 Post-train 主导的 Agent 时代的范式转移，核心标志是 Agent 框架与模型的深度耦合、长上下文能力成为关键、以及后训练算力投入与预训练持平。在技术层面，她深入解析了小米 MiMo-V2 系列模型的技术选择，包括 Hybrid Attention 架构、MTP 多词元预测策略，以及 1T 参数模型作为 Agent 时代入场券的判断。在组织层面，她分享了小米大模型团队「无职级、无小组、无 deadline」的平权管理理念，以及如何通过群体智能快速迭代 Agent 框架。访谈还涉及 OpenClaw 在中国更火的原因、Skills 机制的价值、Agent 自学习的可能性、以及端侧模型与隐私本地化的未来趋势。
💡 主要观点
AI 行业正从预训练主导的 Chat 时代转向后训练主导的 Agent 时代。
罗福莉认为，OpenClaw 等 Agent 框架的出现标志着范式转移，后训练的算力投入将与预训练持平（1:1），长上下文能力和 Agent 框架设计成为核心竞争力。
1T 参数规模的基座模型是进入 Agent 时代竞争的门票。
罗福莉判断，要实现接近 Claude Opus 4.6 水准的 Agent 能力，至少需要 1T 参数的模型作为基础，这决定了团队的入场资格。
MiMo-V2 系列采用 Hybrid Attention+MTP 架构，在长上下文效率和推理速度上形成差异化优势。
通过 Hybrid Attention 减少 KV Cache，结合 MTP 利用计算富余加速推理，MiMo-V2 在 Agent 场景下实现了高 TPS 和低成本，与主流的 MLA 路线形成竞争。
开源 Agent 框架通过群体智能加速迭代，闭源框架难以复制。
OpenClaw 的开源属性让大量开发者可以修改和优化框架，形成群体智能的乘积效应，这是其快速进步的关键，也是闭源框架难以追赶的原因。
平权组织文化有利于创新，小米大模型团队采用无职级、无小组、无 deadline 的管理模式。
罗福莉认为，层级和规范会压制创造力，平权环境能让所有人平等贡献智慧，这是团队在范式转移中保持敏捷性的组织基础。
💬 文章金句
上一个时代的成功并不意味着下一个时代的领先，现在基本上大家在同一水平线。
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！ 一个非常好的框架，应该尽量去弥补行动上的缺陷。 它先吸收所有人的智能，再靠自己产生更强的智能。这是这一两年会发生的事情。 平权本身是有价值的，有利于所有人平等地贡献自己的创造力和智慧。
📊 文章信息
AI 初评：88
来源：语言即世界language is world
作者：张小珺
分类：人工智能
语言：中文
阅读时间：194 分钟
字数：48344
标签：
AI范式转移, Agent框架, OpenClaw, 后训练, MiMo-V2
阅读完整文章