乔木博客
全部
AI工具
AI教程
AI生成
AI资讯
健脑房
播客解读
论文学习
AI 范式已剧变：罗福莉深度访谈全解读——Agent 框架是新的操作系统 （DeepSeek V4 Pro写作测试）
AI生成
·
2026年4月24日
·
463 次阅读
·
约 22 分钟
这是一期让我反复暂停记笔记的访谈。罗福莉，小米大模型负责人。去年底离开 DeepSeek 加入小米后，她一直保持着极度低调的姿态。但在这期一个多小时的访谈里，她把认知储备全倒出来了。核心结论一句话：AI 的范式已经发生了不可逆的底层切换。从 Chat 到 Agent，不是功能升级，是操作系统的更替。
一、她是谁？为什么她的话值得听？
罗福莉，现任小米大模型负责人。
之前在 DeepSeek 参与过早期大模型的训练（类似 DeepSeek V3 规模的探索），训练过 600B-700B 参数级别的模型。
但她身上有个标签让她很不舒服——"AI 天才少女"。
访谈里她明确表示讨厌这个称谓，因为她真正相信的不是个人英雄主义，而是群体智能。
她认为任何一个人的想象力都是极其有限的，真正能推动 AI 进步的是高密度、高浓度的群体协作。
这个信念不是嘴上说说，后来她用一场疯狂的春节实验证明了它。
二、三天，从拒绝到狂热——与 OpenClaw 的相遇
OpenClaw 是一个极度开放的 Agent 框架。
罗福莉第一次接触时，内心是拒绝的。
她以为这又是某个团队鼓捣出来的实验性玩具——毕竟 2023-2024 年市面上出现过太多"加了几层系统提示词就自称 Agent 框架"的东西，没有一个能达到工业级可用度。
但三天之内，她从"这什么东西"变成了"这他妈就是未来"。
转变的第一个关键瞬间：她把一个以往框架根本搞不定的复杂日常任务丢给 OpenClaw——"如何筛选团队里有好奇心的人"。
她和 AI 深入探讨了一个小时，发现 AI 给出的思考维度甚至超出了她自己的想象。
紧接着，她让 OpenClaw 帮她从人员筛选一路规划到整个组织架构的搭建。
聊完之后，AI 将她的想法总结成了一套极其体系化的方案。
她的原话是："在这类事务上，OpenClaw 已经基本上变成了我的数字分身。现在遇到任何选人或管理问题，我都会习惯性地去问它。"
第二个关键瞬间是更硬核的。
接触 OpenClaw 的次日，她把一个真正复杂的科研任务丢了过去——构建一个多轮交互的 User Agent。
这东西以往需要大量的人力和时间。OpenClaw 在两小时内高标准完成了。
从这一刻起，她知道变天了。
三、Agent 框架不是工具的升级，是新的操作系统
整期访谈最核心的理论贡献，是这个论断：
Agent 框架是一个极度厚重的智能中间层，它将像当年的操作系统一样，成为新的基础设施。
罗福莉从四个维度拆解了这个论断：
3.1 主动弥补模型的能力短板
大模型本质上是被动的计算引擎——你给它 Prompt，它给你输出。
但真实世界的任务远不是一问一答能覆盖的。
OpenClaw 的做法是：框架主动去弥补模型"缺手少眼"的先天不足。
举个例子：当你给 OpenClaw 发一段视频，你完全不需要手动配置视频理解模型。
框架会自己判定主模型在视频理解上存在短板，然后自动寻找并调度一个视频理解能力强的模型来接管，甚至会自动选择更便宜高效的模型来优化成本。
这就是"多模型联合调度"——框架清楚知道不同模型的"长板"与"短板"，能在最优环节调度最优模型。
3.2 分层分级的持久化记忆系统
这是 OpenClaw 跟传统框架最本质的差异之一。
传统框架的记忆管理非常死板：在单次会话快满的时候，被动地做一次压缩，然后勉强维持跨 session 的上下文共享。
这是一种纯软件工程思维——"内存不够了就 swap 一下"。
OpenClaw 则从底层设计了一套分层级、分粒度的持久化记忆底座。
结果是什么？近 100 个不同背景的人同时在大群里使用时，每个人的记忆流完全不串，画像把控极其精准。
更颠覆的是：用户可以直接用自然语言让 AI 去重写这套多智能体底层的记忆系统源码。
你在传统框架里见过这种事吗？
3.3 心跳任务与主动上下文获取
这是我觉得最有启发性的设计。
传统编程场景中，AI 只需要被动响应代码指令。
但真实生活不是这样的——Agent 需要保持持续的在线感知。
OpenClaw 引入了心跳任务（heartbeat tasks）和定时任务：系统在不依赖人类干预的情况下，自发唤醒模型去执行行动，然后主动收集模型自身无法获取的环境上下文，精准地输送给它。
罗福莉的逻辑很简单：模型缺的不是智力，是信息。只要你把这些缺失的上下文给足，模型就能做出极高质量的决策。
3.4 越级放大效应：3B 小模型的逆袭
这是最震撼的一个案例。
罗福莉的团队曾把一个刚训练出来的 3B 参数端侧模型接入 OpenClaw 的复杂 Agent 框架。
结果令人震惊——这个小模型完成了团队原本认为"小模型绝对不可能做到"的复杂任务。
极度厚重的 Agent 中间层，极大拉高了中低端模型的"能力天花板"。那些原本在 85% 任务上表现不错的"中层模型"，在框架加持下，能在绝大多数场景中发挥出近乎顶尖大模型的水准。
她的判断是反直觉的：框架越厚，模型可以越小。
四、群体智能：一场疯狂的春节实验
理论说完了，罗福莉用一个极其大胆的实验来验证。
春节前，团队对新事物（OpenClaw）很抵触。她在群里下了一道"命令"：
"如果第二天 OpenClaw 对话次数不超过 100 轮的人可以直接离职。"
她后来承认根本没打算真正考核，这只是一种强硬的表态——"不用就会落后"。
与此同时，她做了精心的环境准备：买了几台 Mac Mini 提前把框架部署好，把团队按不同方向拉进几个飞书大群集中使用和交流。
接下来发生的事情让她自己都震撼了：
群消息十分钟不看就 999 条。 团队氛围变得极度狂热。
原因在于：当大家同处一个大群时，看到别人竟然能用 OpenClaw 干成某件自己完全没想到的事，个人的想象力瞬间就被点燃了。
群体的创造力不是个体之和，而是个体的乘积。
近 100 个不同背景的人在疯狂修改框架源码。
结果呢？不仅没改坏，记忆系统反而被群体炼得越来越精准，对上下文中每个人画像的把控变得极其智能。
她的原话：
"如果单靠个人去修改 Agent 框架，进步速度极其缓慢。但利用一群人的智慧去改进，框架几个小时就能完成一轮迭代。"
最终结果：团队在三四周内完成了以前需要三四十周才能完成的研究任务。
这次实验让她彻底确信：利用群体智能去提升 Agent 框架，是非常核心的路径。
五、AI 科研已被彻底重构
5.1 从线性到并发的科研节奏
传统 AI 研究流程：产生想法 → 写代码 → 设计评估标准 → 排队验证。
即使一切顺利，一个周期也需要一两周。
在成熟 Agent 框架的辅助下？一两个小时内高标准完成原本几周的工作。
更关键的是验证方式的变化。
过去验证科研想法只能靠人力一个个排队测。现在？同时把 10 个不同的科研构想交给 10 个不同的 Agent 并发执行，短时间内完成交叉验证。
"只要评测标准设置得足够准，科研想法的验证效率就会发生根本性的跃升。"
5.2 算力分配比例的重构：3:1:1
最能说明范式转变的，是算力分配比例的变化。
过去（Chat 时代）：Pre-train : Post-train = 3:1 甚至 5:1
预训练占据绝对大头。因为核心竞争力是"让模型知道更多知识"。
现在（Agent 时代）：前沿研究 : Pre-train : Post-train = 3 : 1 : 1
为什么前沿研究占 3？
罗福莉的解释一针见血："产生想法和写代码的速度已经非常快了，真正的研发瓶颈转移到了'验证想法'上。"
你需要保留大量算力冗余去并发跑无数个实验——前期探索架构，中后期验证算法。
为什么 Post-train 能和 Pre-train 平起平坐？
因为 Agent 范式下，你需要教会模型如何与复杂框架耦合、如何执行端到端的长程任务（如一兆 Context 的处理、多智能体协同）。
后训练的周期被大幅拉长，所需算力已经和预训练完全相当。
六、后训练时代的核心竞争力：代码与长程任务
罗福莉在这期访谈里提出了一个极其重要的技术洞见：
代码——尤其是软件工程开发——是保住大模型泛化能力下限的关键。
她的逻辑是这样的：
代码是一个极其典型的长程和多轮交互任务。
不同文件与代码块之间的逻辑关联极其紧密。当模型在高度依赖长程上下文的数据环境中训练时，它对长上下文的理解和建模能力自然会得到质的飞跃。
更关键的是："只要模型能把复杂的软件开发任务做好，模型本身所具备的很多通用智能特质就已经被完善了。" 为严谨编程而不断迭代的 Agent 框架本身也具备了极强的泛化性，可以直接迁移应用到其他更困难的通用长程任务中。
所以她的策略是：先构造真实且多样的长程代码任务，融入大量 SFT 和 RL 训练中，把"上限"打透。然后再依靠群体智能挖掘出的广泛领域数据进行训练，将这种长程泛化能力外延到各个场景，以此保住模型在所有任务上的"下限"（稳定性）。
代码训练不是让模型变成程序员，而是让模型拥有处理复杂现实的能力基座。
七、MiMo-V2 的设计哲学：放弃主流，追求极致
7.1 为什么放弃 MoE？
MiMo-V2 Flash 做了一个大胆的选择：放弃主流的 MoE 架构，转而追求极致的混合注意力结构。
罗福莉的解释非常技术化但极其清晰：
MoE 确实能有效减少参数量，但它的设计初衷是为了在现有芯片上达到"访存与计算"的完美比例。
这意味着它的计算量已经被打满了（被计算 bound 住），没有发挥空间再叠加额外的推理加速技术。
而混合注意力结构（全局注意力 + 滑动窗口）将稀疏比拉到了 7:1 甚至更高，极大节省了 KV Cache，在计算上留出了大量"富余"。
7.2 MTP（多Token预测）的巧妙配合
省下来的算力干什么？MTP 完美地吃掉了这些"计算红利"。
MTP 的核心突破：
推理加速数倍：Flash 模型甚至能达到 100-150 TPS 的惊人速度
降低单 Token 成本：GPU 利用率被打得更高
零幻觉代价：MTP 的预测结果会被严格验证（verify），预测准确才会采纳
提升基座能力：在预训练阶段加入 MTP 本身就能有效提升模型的基础能力
7.3 为什么同时推出三个模型？
MiMo-V2 系列同时推出了 Pro、Omni 和 TTS 三个独立模型，而不是强行统一到一个多模态大模型中。
罗福莉的理由是极致的实用主义：
"Agent 革命的本质是生产力的提升，必须高度在意任务的端到端完成率和成本效率。"
如果把所有模态强行融合到一个庞大模型中，成本和速度都会被拖垮——"语音生成完全没必要动用沉重的基座模型，否则延迟将让人无法接受。"
三个模型在 Agent 的精密编排下各司其职：Pro 负责深层认知和复杂调度，Omni 负责多模态环境感知，TTS 负责声音表达。又因为它们在同一个生态下训练，共享底层背景知识，能形成极高的协同默契。
"不是技术上做不到统一，而是统一在工程上没有意义。"
7.4 "悄无声息的伏击"
MiMo-V2 的发布被形容为"悄无声息的伏击"。这不是营销策略，而是技术爆发的真实写照。
团队早在一年前就开始布局多模态，但当时并不清楚这些能力该如何组合。直到罗福莉接触到 OpenClaw框架——"脑海中瞬间打通了逻辑，立刻明白了语言、感知、语音模型可以如何在 Agent 的不同环节中被有效编排。"
基于这种顿悟，她迅速让所有研发方向全面转向适配新范式的后训练设计。内部的觉醒和爆发速度，甚至远超团队自己的预期。
八、开源 vs 闭源：一场关于进化速度的博弈
罗福莉对开源和闭源的思考超越了简单的意识形态之争，而是从进化速度的角度给出了底层逻辑：
8.1 群体智能只有开源能撬动
闭源 Agent 框架（如 Cloud Code）是一个黑盒——开发者无法洞察其内部设计，更无法修改底层的记忆系统或多智能体工作流。
"由开源社区共建带来的进步速度，是任何封闭系统都无法比拟的。"
这不仅仅是代码层面的贡献。当大量开发者在不同场景中高强度使用并修改框架时，框架本身就在被"群体炼化"——就像春节实验里那 100 个人做的一样。
8.2 隐私与安全的真相
"很多人认为闭源更安全，但开源与安全性并不冲突。"
极度开放的框架使得**"端云混合"**成为可能：涉及个人隐私的简单任务交给本地小尺寸端侧模型处理，需要高创造力的非隐私任务放到云端大模型推理。
但这种复杂的端云结合架构，需要大量开发者的共建——任何单一公司都无法独立完成。
8.3 生态位决定策略
她给了一个非常商业化的视角：一家模型厂商选择开源还是闭源，本质上取决于其"生态位"。
如果公司拥有别人短期内无法攻克的战略资源和护城河 → 敢于拥抱开源
如果仅仅把模型本身当作唯一的生存壁垒 → 只能选择闭源
"如果要实现全社会的生产力革命，底层的算力芯片、能源和框架资源注定是分散的，不可能由一家公司完全垄断。开源是加速全人类通往未来智能时代的核心引擎。"
九、OpenClaw 时刻 ≠ ChatGPT 时刻
罗福莉做了一个让人深思的对比：
ChatGPT 时刻的特征：
突然爆发的、极其清晰的时间节点
全世界瞬间震动
有明确统一的测试标准（数学能力、代码能力，一测便知）
模型具备了某项能力就是具备了，标尺极其清晰
OpenClaw 时刻的特征：
延续时间更长，渗透得更深
因为行业关于 Agent 的"前序章节"铺垫太久，人们一开始甚至察觉不到它是颠覆性事物
面对的绝大多数真实场景是"混沌的"，缺乏明确统一的测试标准
价值不是单点爆发，而是在混杂场景中缓慢积累，直到某个临界点后突然向前迈进一大步
她说了一句我反复回味的话：
"ChatGPT 时刻带来的震撼是'它竟然能回答'。OpenClaw 时刻带来的震撼是'它竟然能完成'。这是两种完全不同量级的颠覆。"
十、1T 参数是入场券，但未来的主角是小模型
罗福莉在这个问题上异常辩证，两面都说得极其透彻：
10.1 为什么需要 1T？
"如果你要角逐顶尖 Agent 任务的'天花板'，如果你想达到或接近 Cloud 4.6 Opus 的水准——1T 及以上总体参数规模是必须跨越的门槛。"
她的逻辑链：模型的智力上限由"参数量 + 上下文任务本身"共同决定。在团队成功训练过 600B-700B 规模模型的基础上，继续拓展到 1T 是突破当前智能瓶颈的必然选择。
10.2 为什么小模型不会死？
但硬币的另一面更精彩：
"极度厚重的 Agent 框架极大拉高了小模型的'能力天花板'。"
那个 3B 端侧模型在框架加持下完成复杂任务的案例，就是最好的证明。她的预测是：
"同等智能水平的基座体积会越来越小。可能未来一年内，十几 B 激活参数的小模型就能达到今天顶尖模型的水准。"
逻辑很简单：在真正的生产力革命中，成本和速度是极度关键的考量。灵敏、低成本的小模型，结合强大的 Agent 框架，将在绝大部分日常高频场景中爆发巨大潜能，成为替代传统工作的主力军。
框架越厚，模型可以越小。大模型负责天花板，小模型负责生产力。
十一、训练 1T 模型的真实挑战：连太阳黑子都要怀疑
罗福莉非常诚实地分享了训练超大模型的"暗面"：
11.1 Loss Spike 与专家死亡
训练万亿参数模型时，频繁遭遇 Loss Spike（损失函数突然飙升）是家常便饭。更深层的问题是：某些 Expert（专家网络）的数据分布变得极端，负载极不均衡。如果不加干预，异常更新的极大数值会直接把某些参数或 Expert "打死"，导致后续再也不会有 Token 被送入该节点。
11.2 玄学级 Bug 排查
问题表象是数值异常，根源却可能隐藏得极深。团队在排查完所有显卡发现没有硬件故障后，甚至会无奈地怀疑是不是"太阳黑子爆发"导致的。
这考验的不是单纯的算法能力，而是"从最表层到最底层的基础设施排查能力"——从底层通信算子是否正确，到混合注意力机制的稀疏比是否过高，到每一层参数的输入输出差异——需要全链路追踪。
11.3 零容忍：几千张卡停工两周也要查清
这是最体现她工程哲学的一点。
面对直接起飞且无法自行恢复的 Loss 异常，团队坚持绝对不将就。
"我们宁愿让几千张极其昂贵的显卡停工闲置——最长甚至停过两周——也必须彻底查清并解决问题，绝不带着隐患强行往前训。"
她认为很多团队对 Loss Spike 见怪不怪是致命错误："忽视它会导致模型内部出现大面积不可逆的'死神经元'，严重削弱模型的潜力上限。"
11.4 跨界联合 Debug 是终极竞争力
解决万亿规模模型的训练难题，极其考验Infra（基础设施）与算法联合 Debug 的能力。在未来的大模型竞争中，打破部门壁垒、让懂算法的人精通底层机制、在一个无层级约束的小团队中协同作战——其问题解决效率远超臃肿的大公司科层架构。
十二、对未来 1-3 年的五个核心预测
罗福莉的预判高度具体，不确定但方向清晰：
12.1 工作模式被颠覆（2 年内）
"两年内，大部分人的传统工作和生活模式将被彻底颠覆。" 2026 年的主旋律是生产力的加速变革。工作场景的颠覆会先于生活场景发生——因为工作直接与生产力价值挂钩。
12.2 "AI 训练 AI"的奇点
"大模型依靠自身去创造新研究、自我训练并产生更强智能的现象，肯定会在这一两年内发生。" 这标志着 Agent 自学习与自迭代达到巅峰——不再是人训练 AI，而是 AI 训练 AI。
12.3 多智能体协同成为现实
解决极其复杂的长程任务（如复杂软件工程），不可能仅靠单一模型。多智能体的协同合作不仅能极大节约成本和时间，更会在今年内成为落地的现实。
12.4 推理需求爆发式增长
随着 Agent 框架变强、模型能力提升、端侧成本降低，推理需求将出现几倍甚至几十倍的爆发。 算力资源的竞争核心从训练端向推理芯片和基础产能（存储等）转移。
12.5 小尺寸端侧模型成为主支线
未来十年内，同等智能水平的模型体积持续缩小。这些灵敏、低成本的小模型在优秀 Agent 框架加持下，将具有极高的爆发空间。
十三、给创业者和开发者的五条行动建议
13.1 一人成军不是口号
"一个人都可以成为一家公司。" 在 Multi-Agent 架构下，一个人充当管理者，调度和"养"无数个 AI 数字员工完成复杂业务流——这不是科幻，今年就会落地。
13.2 敢于推翻所有既往认知
"面对如此剧烈的范式转变，必须思考'原来所有的做法是不是都是错的'。" 不要再用庞大的人力团队解决问题，思考如何用 Agent 带来的生产力价值替代传统人力。
13.3 寻找独特的"生态位"
创业公司在巨头夹击下留在牌桌上的关键：让 Agent 框架高度耦合你手里的独家战略资源——特定操作系统、硬件、私域社交流量。 这不是技术竞争，是生态位竞争。
13.4 底层前瞻性与后段敏捷性并重
做预训练和基础设施：提前半年到一年做战略预判（算力分配、底层架构如何适应未来 Agent）。 做后训练和 Agent 开发：保持极高的敏捷性和试错包容度，适应几乎每周都在进化的框架生态。
13.5 招人看"热爱"不看过往经验
"过去的'大模型经验'不重要。好奇心、纯粹的热爱和未被禁锢的思想更重要。"
她极力推荐招募优秀的本科生——思想极其灵活、敢想敢干。只需要提供高浓度的"群体互相蒸馏"环境，技能几个月内就能极速习得。
写在最后
这期访谈信息密度极高，我记了十几页笔记，写了七千多字才勉强覆盖核心内容。
但如果你只要带走一个念头，我希望是这个：
AI 范式已经发生了不可逆的底层切换。从"对话"到"行动"，从单模型到多智能体协同，从静态框架到自进化系统。Agent 框架不再是模型的附属品——它是新的操作系统。
操作系统的更替，一代人只能遇到一次。
而上一次操作系统级别的机会，造就了微软、苹果和整个 PC 互联网时代。
参考来源：YouTube - 罗福莉: OpenClaw, Agent框架 — AI范式已剧变
写作时间：2026-04-24
标签：#Agent框架 #AI范式转变 #OpenClaw #罗福莉 #群体智能 #开源 #大模型训练
© 2026
·
向阳乔木