Files
Obsidian/X-Articles-CN/罗福莉:AI 范式已然巨变!.md
2026-07-21 14:53:24 +08:00

116 lines
6.3 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
title: "罗福莉:AI 范式已然巨变!"
source: "https://x.com/SaitoWu/status/2047661042680172627"
author:
- "[[@SaitoWu]]"
published: 2026-04-24
created: 2026-04-24
description: "刚刷完小珺对小米大模型负责人罗福莉的深度访谈,信息量大到炸裂。她把 2026 年 AI 的本质变化说得很清楚:从预训练主导的 Chatbot 时代,彻底转向后训练主导的 Agent 时代。而真正让她“脑内多巴胺狂飙”的,是春节期间第一次高强度用 OpenClaw。那晚从凌晨 2 ..."
tags:
- "clippings"
---
![图像](https://pbs.twimg.com/media/HGq-OIza0AASgIx?format=jpg&name=large)
刚刷完小珺对小米大模型负责人罗福莉的深度访谈,信息量大到炸裂。
她把 2026 年 AI 的本质变化说得很清楚:从预训练主导的 Chatbot 时代,彻底转向后训练主导的 Agent 时代。
而真正让她“脑内多巴胺狂飙”的,是春节期间第一次高强度用 OpenClaw。那晚从凌晨 2 点聊到天亮,她直接把整个团队拉进去“强制体验”,结果全员躁动。来,我把这期最核心、最扎心的观点拆给你听。
OpenClaw 是划时代 Agent 框架,不是“Claude Code 的 UI 升级”
罗福莉一开始也抵触:觉得它只是产品交互创新、本地化、24 小时在线这些“玄幻”卖点。
真正让她转变的,是亲手用后发现: 它有分层分级的持久 Memory,能跨 Session 记住上下文;
它会自主调度多个模型(视频理解差就自动找强模型);
它把“行动短板”全补上了,让中层模型在绝大多数生活/工作场景里,都能发挥接近 Claude 4.6 Ops 的水平。
她总结:OpenClaw 的核心逻辑是通过厚重的框架编排,弥补当下模型的所有短板。这才是它和 Claude Code 最大的差异——后者更像软件工程思维,前者更像“端到端完成任务”的产品逻辑。
**三天彻底改观:从“有灵魂的产品”到“能替代我研究”**
第一天:感受到温度和情商(主动提醒睡觉)。
第二天:交给日常生活和工作任务,全都做成了。
第三天:直接用来做研究——构建 User-Agent 多轮交互模拟,一两个小时就搞定以前觉得“不可能这么快”的东西。
她甚至让 OpenClaw 帮她重新设计了整个 Agent 架构。
从此,OpenClaw 成了她的“数字分身”,团队管理、筛选人才、研究规划,都直接问它。
她直言:这三天,每天都有新惊喜,彻底改变了她对 Agent 的认知。
**Agent 时代的研究范式彻底变了**
以前:想到 idea → 写代码 → 设计评估 → 训练,流程漫长,至少两周。
现在:一个小时就能把 idea 验证完。
原因就是 OpenClaw 这种框架 + 模型的组合,让研究效率指数级提升。
罗福莉说:环境比经验更重要。她招人更看重好奇心和热爱,而不是过往大模型经验。
团队 100 多人里,很多是没训过大模型的本科生/在读博士,但放在这个“高标准 + 群体智能”的环境里,三个月就能快速成长。
她甚至下过“强制指令”:对话次数不到 100 轮的可以 quit(虽然没真开除),就是为了让大家真实体验。
**1T+ 参数才是 Agent 时代的入场券**
中美在预训练上的代差基本没了,或者非常接近。
她明确说:要做接近 Claude 4.6 Ops 水平的 Agent,1T 参数是合理门槛。
现在真正的战场在后训练和 Agent 框架。
国内大模型团队会加速追赶,因为路径已经清晰——就像三年前追预训练一样清晰。
预训练和后训练的算力投入比例,从以前的 3:1 或 5:1,变成现在至少 1:1,甚至研究卡要更多。
因为 Agent 需要长上下文、多轮交互、复杂环境反馈,后训练的权重彻底拉满。
MiMo-V2 系列(Flash、Pro、Omni、TTS)就是在 Agent 范式下设计的:Hybrid Attention + MTP + 极致性价比,专门为 non-code 场景优化。
**小米 MiMo 团队的组织方式是最大秘密 完全扁平,没有严格组划分,没有直属领导。**
靠热爱驱动 + 群体智能:大家在群里疯狂聊天、改框架、分享体验。
没有 KPI 绑死,允许“浪费”算力去解决 Loss Spike、数值不稳定等问题。
强调“环境”:把人扔进高强度 Agent 使用场景里,自然就会进化。
罗福莉说:我更在乎的是我创造的环境能不能让大家快速提升,而不是招来的人历史背景多牛。
**模型公司没有边界,模型公司正在变成产品公司。**
"技术 Agent 的产品力反而更强了,其他所有东西都很简单,模型借助这个 Agent 的架构本身就变成一套新的产品了。"
开源的目的也是加速 Agent——因为 AGI 要大规模产生经济价值,必须依赖分散的算力,而分散的算力需要开源模型来适配。
**对未来的真实判断 接下来两三个月会非常精彩:Agent 框架自迭代 + 模型能力双向进化。**
机器人是下一个需求曲线,会把 token 需求再拉高一个量级。
生产力革命已来:大部分重复工作会被替代,人要思考“自己的意义和价值是什么”。
她对 AGI 的定义很务实:当每个人的生活和工作方式被彻底改变时,大家都会感知到。
她自己每天都在“否定昨天的自己”,但正因为这种持续的兴奋和迭代,她觉得两年内就能看到明显突破。
**一句话总结罗福莉的核心观点:**
**两三年内 AI 将具备自主迭代和创造性研究的能力。**
而现在(2026 年初),竞争已经从预训练主导的 Chat 时代,转向后训练主导的 Agent 时代。
预训练和后训练的算力投入比例正趋向 1:1。
Agent 框架、推理芯片、端云混合部署,这些才是接下来的核心变量。
OpenClaw 不是一个产品,而是一个划时代的 Agent 框架。它把模型短板补齐,把群体智能放大,把研究效率拉到前所未有的高度。
2026 年,谁先真正拥抱 Agent 范式,谁就能在生产力革命里领先一步。普通人如果还停留在 Chatbot 思维,就真的要被甩开了。
播客逐字稿: [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](https://podwise.ai/dashboard/episodes/7838984)