看了张小珺对罗福莉的长访谈，信息密度极高，聊了将近两万字，我尽量把核心观点压缩一下。

罗福莉的身份很特殊：她曾在阿里达摩院和 DeepSeek 工作，是 DeepSeek V2 的核心作者之一，后来被小米千万年薪挖走，现在是小米大模型团队 MiMo 的负责人。这是她第一次接受深度技术访谈。

她最核心的判断是：AI 的范式已经发生了根本性的转变，从预训练主导的 Chat 时代，进入了后训练主导的 Agent 时代。这个转变的标志性事件是 OpenClaw 的出现和 Claude Opus 4.6 的发布。

关于 OpenClaw，罗福莉的体验非常有感染力。她说自己春节期间凌晨两点装上 OpenClaw，一直用到早上六点，兴奋到完全睡不着。第一天感受到的是它的「灵魂感」，产品设计的温度和情商超出预期。第二天发现它能帮她完成日常生活和工作中以前做不了的事。第三天，她把研究任务交给它，一两个小时就做出了她以为要花很久的 User Agent 构建。三天之内，她对这个框架的认知被彻底刷新了。

她对 OpenClaw 的技术判断很有深度：它真正的价值在于，一套精心编排的 Agent 框架可以大幅弥补模型本身的短板。她把自己的 MiMo 模型接进 OpenClaw 之后，发现一个中层模型借助好的框架，在 85% 的任务上就能达到接近 Claude Sonnet 的水准。甚至一个 3B 的端侧小模型，在这套框架下也能做出超乎想象的事情。这让她第一次感受到：Agent 框架和模型能力必须同步进化，互相推动。

回到小米团队后，她做了一件很猛的事：要求所有人必须用 OpenClaw，如果第二天对话次数不超过 100 轮就辞职。当然她说自己不会真的考核，只是想传递一种态度。结果团队被彻底点燃了，近 100 个人在飞书群里疯狂探索，10 分钟不看就 999+ 消息。群体智能的爆发让他们三四周做完了以前三四十周的研究量。

关于大模型竞争的格局，她给出了几个关键判断。第一，Anthropic 的路径是正确的，这已经是行业共识。第二，国内团队在预训练上的代差基本消除了，大家现在站在同一条起跑线上。第三，1T 参数规模的基座模型是做到接近 Claude Opus 4.6 水平的入场券。第四，接下来的核心赛点是在 Agent 场景下怎么做好强化学习的 scaling。

在算力分配上，她透露了一个很有意思的数据：过去 Chat 时代，研究、预训练、后训练的用卡比例大约是 3:5:1，现在合理的比例变成了 3:1:1。预训练和后训练的算力投入已经持平，顶尖团队应该都是 1:1 了。这个变化本身就说明了范式转移的剧烈程度。

关于 MiMo 的技术路线，她解释了为什么选择 MTP（多词元预测）而非 MLA（多头潜在注意力）。MLA 在 Chat 时代确实是非常优秀的结构，但它把计算和访存的比例已经优化到了极致临界点，反而没有留下灵活调整的空间。而 MiMo 采用的 Hybrid Attention 加 MTP 的组合，天然适合 Agent 场景：长上下文成本低、推理速度快、架构有弹性。她说这个选择当时有一定偶然性，但回头看恰好完美适配了 Agent 时代的需求。

在组织管理上，罗福莉的做法非常另类。MiMo 团队大约 100 人，但没有职级、没有小组划分、没有 deadline。训练 1T 模型的核心团队只有几个人。她认为平权有利于创新，任何层级都是规范和约束，而规范和约束本身会压制创造力。她招人更看重好奇心和热爱，甚至开始倾向招大二大三的本科生，因为他们的想象力没有被禁锢。她说环境比经验更重要，团队成员之间像「互相蒸馏」一样快速成长。

她对 AGI 的时间表也很激进：认为目前已经走到 20%，今年年底能到 60% 到 70%，两年内应该能实现。她说 AI 先会颠覆工作模式，然后才是生活模式，后者需要等机器人技术跟上。

最后一个让人印象深刻的判断：她说自己以前认为训模型这种工作足够有创造力，不会被 Skill 化和 Workflow 化。但现在发现，AI 竟然也能做到。那它能不能自己训出更强的模型？自己左脚踩右脚就提升了？她说这是一两年内会发生的事情。这句话听起来很平静，但仔细想想，其实相当震撼。

#How I AI##科技先锋官#