对罗福莉3.5小时访谈：AI范式已然巨变

概览

本期围绕 2026 年大模型竞争的范式转移展开：从预训练主导的 Chat/XBOT 阶段，转向后训练、Agent 框架、长上下文、工具调用和多模型编排共同驱动的新阶段。罗福莉认为，OpenClaw/OpenCloud 这类开源 Agent 框架不是简单 UI，而是连接人、模型、记忆、工具、任务和成本调度的“中间层”。

访谈的核心判断是：顶尖模型能力和顶尖 Agent 框架会共同进化。Agent 框架能放大顶尖模型上限，也能让中层模型在大量日常和生产力场景中变得更稳定、更可用；后训练的重要性因此显著上升，算力分配、团队组织和研究节奏都要随之改变。

后半部分重点讨论了 Memo VR 系列模型、1T 级基座、混合注意力、MTP、长上下文、多模态、TTS、开源、组织平权和人才筛选。罗福莉反复强调，环境比既有经验更重要，研究效率、好奇心、热爱、平权协作和快速试错，正在成为模型团队的新竞争力。

分段落总结

[00:00] 开场与范式判断

[事实] 主持人开场称，2026 年大模型战争进入第二幕，从预训练主导的 XBOT 时代转向后训练主导的 Agent 时代。
[事实] 访谈对象罗福莉曾供职于阿里达摩院、DeepSeek，目前是小米大模型团队负责人，主导 Memo VR 系列模型。
[事实] 她在开场片段中提到，做到接近 Cloud Ops 4.6 的 Agent 水平，1T 模型可能是入场券，研究、预训练、后训练的卡量比例可接近 3:1:1。

[02:16] OpenClaw/OpenCloud 带来的冲击

[事实] 罗福莉说，春节期间第一次深度使用 OpenCore/OpenCloud 后，认知从“产品交互创新”转变为“划时代 Agent 框架”。
[事实] 她最初感受到的是自主性、记忆、时间感知、context 编排和“有灵魂”的交互，随后发现它能辅助团队管理、人员筛选和研究任务。
[推测] 这段经历让她把 Agent 框架看成一种能组织上下文、记忆、工具和任务流程的新基础设施，而不只是聊天壳。

[05:00] 从生活助手到研究助手

[事实] 她用该框架讨论团队好奇心、组织架构和范式转变，并把结果沉淀成 skills，用于后续管理和筛选问题。
[事实] 她还让框架协助构建 user agent，用于模拟多轮交互并生成更丰富的 Agent 场景数据，服务 SFT 和 RL。
[事实] 她认为，这三天内框架从“有温度的产品”变成了能替代部分工作、促进研究的数字分身。

[10:00] Agent 框架补足模型短板

[事实] 罗福莉认为，OpenCode/OpenCloud 这类复杂 Agent 框架能弥补模型在视频理解、模型调度和任务执行上的短板。
[事实] 她把 Memo VR Flash 和一个端侧 3B 模型接入后，发现小模型在复杂 Agent 框架中也能完成超出预期的任务。
[事实] 她据此提出，后训练要从面向 chat 迁移到面向 agent，并适配不同 Agent 框架。

[15:00] 开源框架、顶尖模型与自学习

[事实] 她认同 Cloud Ops 4.6 带来了上限，并在高强度使用阶段主要依赖该模型完成框架改造。
[事实] 开源 Agent 框架可修改 memory、workflow 和 multi-agent 系统，而闭源框架难以改动内部设计。
[推测] 她所说的“自学习”更像模型、Agent 框架、记忆系统和任务流程之间的共同迭代。

[20:00] Agent 框架不是普通产品

[事实] 罗福莉区分了产品和 Agent 框架：产品是人直接感知的交互层，Agent 框架还定义模型沟通、长短板识别和成本调度。
[事实] 她认为前端 UI 反而是较薄的一层，真正厚重的是人和模型之间的中间层。
[事实] 她提到，OpenCloud 从早期不好用到 3 月中旬版本显著易用，原因之一是开源社区和使用者持续改造框架。

[25:00] 团队强制体验与群体智能

[事实] 春节后她要求团队高强度使用 OpenClaw，并通过 Mac mini 等方式降低部署门槛，让大家在群里公开探索。
[事实] 她说公开群聊能激发想象力，因为个人会受到别人用法的启发。
[事实] 她观察到，一百多人共同改进框架时，没有把框架改坏，反而让其更智能，体现出群体智慧的价值。

[31:54] 研究节奏被改写

[事实] 她认为，过去从想法到代码、评估可能需要一两周，现在在 Agent 辅助下可能一两小时到一天完成。
[事实] 研究 taste 和研究效率因此更关键，多个 idea 可以并行交给不同智能体尝试并交叉验证。
[推测] 这意味着研究组织方式从线性排队转向并行探索，算力和评估体系成为新的瓶颈。

[34:04] 为什么 Code 具备强泛化性

[事实] 罗福莉说，Code 是长程、多轮、依赖密集的数据形态，适合训练长上下文能力。
[事实] 她认为软件开发任务能锻炼模型和 Agent 框架的通用能力，包括 plan、压缩、跨 session 记忆和长程任务恢复。
[事实] 她提出，在 Code 上训练可拿到能力上限，扩展到其他场景则用于保下限和稳定性。

[40:00] OpenClaw 为什么在中国更热

[事实] 她认为，中国开发者对效率提升更急迫，而且国内有大量便宜好用的模型，使 API 成本与替代生产力价值之间的比值更划算。
[事实] 她认为去年很多所谓 Agent 只是复杂 system prompt 加少量环境反馈，尚未达到工业级可用。
[事实] 她强调，真正可用的 Agent 要能接入复杂框架，在实际任务中稳定工作，而不是只在 benchmark 上表现高。

[45:00] Skills 与组织知识

[事实] 她认为 skills 改变了模型在复杂流程任务中的执行准确率，因为 skills 定义了执行规范。
[事实] 很多组织内部规范不会出现在预训练数据中，但可以通过人和 Agent 的多轮交互沉淀成 skills。
[推测] Skills 在这里被视为预训练知识之外的“另类信息”入口，也是人机共创数据的一种形式。

[50:00] OpenCloud Moment、开源与本地化

[事实] 罗福莉说 OpenCloud moment 的时间线会更长、更深远，因为它会外溢到更多人能感受到的生产力场景。
[事实] 她认为开源与安全不冲突，隐私相关的简单任务未来可以在本地模型和本地芯片上完成，高难任务再转向云端。
[事实] 她认为开源的重要性在于需要更多人共同改进框架、模型、芯片和生态。

[55:00] 未来框架要自进化

[事实] 她认为许多“Cloud”类产品只是换了交互形态，真正的自进化、自迭代框架还没有大规模出现。
[事实] 她把未来方向分成框架自进化、Agent 自进化、Agent 与人共同进化，以及 Agent 与模型的双向适配。
[事实] 她认为拥有 non-conventional 架构、code 能力强、参数量至少 1T 以上的厂商，才更有机会进入下一阶段竞争。

[60:00] 生产力革命的成熟条件

[事实] 她认为最大变化是不再只有算法工程师提升智能，所有会写代码、会用代码提效的人都在参与 Agent 框架、skills 和研究方式改进。
[事实] 她认为 Agent 和人都需要自迭代，通过更自然的交互方式，Agent 可能比人进化得更快。
[事实] 她指出，成本和效率仍然关键，不可能所有场景都使用最顶尖、最昂贵的模型。

[65:00] 2026 年的主旋律与多 Agent

[事实] 她认为 2026 年主旋律是高生产力场景持续突破，而小尺寸端侧模型会持续发展但不是主线。
[事实] 她认为 Multi-Agent 当前更明确的价值是节省成本和时间，还没有充分证明能提高最终上限。
[事实] 她把自己的目标描述为让模型最终能替代自己，而不是追逐 DAU 等互联网产品指标。

[70:00] AI 训练模型与群体智能

[事实] 她说，过去认为“训练模型”很难被模型替代，因为需要长科研上下文和深度学习平台融合；现在发现模型在给定近期 context 后能复原科研路径并参与讨论。
[事实] 她认为未来一两年内，模型吸收人的智能后，再依靠自己产生更强智能是很可能发生的事情。
[事实] 她把模型训练团队类比为多 Agent 系统：不同成员有独立 context，又在关键处互相连接。

[75:00] 好框架的要素与评估

[事实] 她认为好 Agent 框架应弥补行动缺陷，包括 memory、更多 message channel、主动任务、定时任务和自我更新。
[事实] 她认为评估体系是框架自迭代的关键，但现有评估多用于防止致命错误，尚不足以泛化。
[事实] 她认为当前很多高阶用户实际上在充当评估者，通过复杂任务、补充信息和纠错帮助框架与模型进化。

[80:00] Memo VR 系列与模型编排

[事实] 她说 Pro、Omni、TTS 三个模型在 Agent 场景下能力提升很快，内部也发生了快速“觉醒”。
[事实] 她认为 Pro 负责理解、认知和复杂调度，Omni 负责感知，TTS 负责声音输出，三者一起覆盖人的输入和输出表象。
[事实] 三个模型没有合成一个模型，主要出于成本、速度和价格考量。

[85:00] Flash/Pro 的结构选择

[事实] Memo VR Flash 和 Pro 同期训练，模型结构接近，核心目标是为长上下文效率、成本和速度设计。
[事实] 她解释了 hybrid attention、sliding window、MTP 和 KV cache 之间的权衡，认为该结构天然适合 Agent 场景。
[事实] 她提到 Flash 可做到较高 TPS，Pro 也能在成本不同情况下达到较高生成速度。

[95:00] 后训练改变架构假设

[事实] 她认为 Agent 范式拉长了 post-train 周期，使得预训练阶段对推理场景和芯片的固定假设可能失效。
[事实] 她认为更简洁、有余量的结构能给后训练和 Agent 适配留下更多空间。
[事实] 她说 MTP 命中率高时可降低单 token 成本，并且因为会被 verify，不会额外带来幻觉。

[100:00] 定价逻辑与 1T 训练

[事实] 她认为预训练时代可按结构和推理成本定价，但后训练时代应更多按模型最终产生的价值定价。
[事实] 她说 Pro 和 Flash 同步训练，但 Pro 在训练中遇到更多数值不稳定、loss spike、expert 分布异常等问题。
[事实] 她认为做到接近 Cloud Ops 4.6 的 Agent 水平，1T 级基座是重要入场券。

[110:00] 算力比例与训练组织

[事实] 她认为在 Agent 范式下，卡的数量成为关键瓶颈，因为 idea 生成和代码实现变快，实验并行需求上升。
[事实] 她给出的理想比例是研究、预训练、后训练约 3:1:1，且顶尖团队的预训练与后训练投入可能已接近 1:1。
[事实] 她说训练 1T 模型不一定需要庞大团队，关键是小团队极致排查问题、解决问题和跨环节协作。

[115:00] 无组、无强职级的团队方式

[事实] 她说小米大模型团队约 100 人，但真正投入一代模型迭代的人可能只有二三十到三四十人。
[事实] 团队内部没有清晰组划分，不固定预训练组、后训练组，也没有对成员拥有绝对控制权的 lead。
[事实] 她认为过于清晰的组织边界会扼杀创造力，也会限制成员在不同阶段自然迁移。

[120:00] 平权、热爱与失败处理

[事实] 她认为平权有利于每个人平等贡献创造力和智慧，层级和规范容易压制创新。
[事实] 她说管理主要靠热爱驱动，通过体验新事物、筛选有热爱的人、激发共同信念来推动团队。
[事实] 训练中遇到 loss 飘升时，团队会停下来排查，即便停几天到一两周，也认为应当解决问题。

[125:00] 参数、长上下文与多模态统一

[事实] 她认为参数量和 context 共同决定能力；达到当代最强 Agent 水平，至少需要 1T 以上总参数规模。
[事实] 她说 Pro 采用更极致的全局注意力与滑动窗口比例，目标是在长上下文效率相当时提升模型智能上限。
[事实] 在音频上，团队尝试把连续信号离散化为 token；图像也在尝试，但不会为了统一架构牺牲模型整体智能。

[135:00] Omni、TTS 与 AGI 路径

[事实] 她说 Omni 支持视频、音频、图片、文本等模态，并希望服务 Agent 的行动能力。
[事实] 她认为多模态是否必然促进 AGI 仍不能下结论，但多模态训练会带来更多世界知识和更细微的感知力。
[事实] TTS 方向上，她强调简洁架构加大规模训练带来的泛化能力，例如能根据复杂自然语言描述调整情感和韵律。

[145:00] 从代码到机器人、从工作到生活

[事实] 她认为 coding 的主旋律仍是替代更多真实软件工程工作，包括复杂项目、调试和验证。
[事实] 更广泛生产力场景需要更强交互方式，聊天软件、移动终端和机器人都是可能路径。
[事实] 她认为机器人会把智能体从屏幕带到真实空间，但硬件、电池和灵巧手等瓶颈会比语言空间进化更慢。

[152:32] 战略信念、敏捷后训练与基础设施

[事实] 她认为核心架构和基础设施研究周期长，模型结构要提前半年到一年思考其服务目标。
[事实] 后训练与 Agent 强耦合，很多事情无法前置规划清楚，因此更考验团队敏捷性。
[事实] Agent 时代的 RL/rollout 基础设施不再只围绕模型推理引擎，还要处理 Agent 框架、GPU、CPU、存储、容错和兼容性。

[160:00] 价值观、发布与模型史回顾

[事实] 她说自己的心法从量化时期的“总有方式建模价格”，转为做符合价值观、对更多人有价值的事情。
[事实] Memo 新模型发布前，她已通过内部评估预期外部反馈，并用匿名模型验证外部评价和内部评估是否一致。
[事实] 她回顾 2022 年 ChatGPT 展示短上下文对话智能，2023 年开源追赶预训练，2024 年 O1/R1 带来 reasoning 和后训练转变。

[175:00] R1、组织与 Agent 第二幕

[事实] 她认为 R1 的最大感知不只是模型结果，而是后训练范式变化对团队和组织方式提出了新要求。
[事实] 她认为 2025 年许多团队在 chat reasoning 上继续深耕，也有团队更早转向 Agent 架构。
[事实] 她把当前模型竞争称为第二幕：核心是复杂 Agent 框架下端到端完成高复杂任务，而非局部 benchmark 优化。

[185:00] 中美差距、Code 泛化与竞争维度

[事实] 她认为 Agent 路径在过去三个月变得更清晰，国内团队在预训练基座上的代差已不明显。
[事实] Code 在预训练、reasoning 和 Agent 三个阶段都具有高泛化价值，因为它有可验证指标、长程任务和自然语言属性。
[事实] 她认为竞争维度和速度都增加了，后训练可能一个月出一个模型，同时还要判断 Agent 框架、推理芯片和长上下文需求。

[190:00] 创业公司、多 Agent 与模型公司边界

[事实] 她说自己不了解太多基座模型之外的创业公司，但认为 Agent 会降低公司规模要求，几个人甚至一个人也可能成为公司。
[事实] 她认为 Multi-Agent 今年可能变现实，但当前仍缺便宜好用的模型和更成熟的架构。
[事实] 她认为模型公司边界正在变模糊，模型借助 Agent 框架本身就会变成一种产品。

[195:00] 开源、胜负手与 Frontier Lab

[事实] 她认为开源的核心目的是加速 Agent，因为未来芯片、推理、模型和生态会高度分散。
[事实] 她认为 2026 年模型公司不能做错预训练基座；在 1T 以上基座相近时，胜负手是 Agent 框架与模型的互相自迭代，以及框架对战略资源的调度。
[事实] 她认为 frontier 研究要顺应可 scaling 的主流方向，同时做一些自己认为超前的小点。

[200:00] 论文、信息来源与人才环境

[事实] 她说自己对发 paper 没有执念，核心原因是更相信自己实验结果，并且大规模算力团队关注的问题与学术会议论文常有差异。
[事实] 她认为环境比经验更重要，很多能力可以在一两个月到三四个月内快速习得。
[事实] 她更看重基础好、好奇心强、热爱做事、多样性高的人，也开始更倾向招更早期的本科生。

[210:00] Agent RL 的人和工程瓶颈

[事实] 她认为适合后训练的人，一类是高频和模型互动、理解边界、维护私有测试库的人。
[事实] Agent RL 的基础设施与预训练不同，需要容忍模糊、中断、异构资源、训练推理不一致等复杂问题。
[事实] 她认为真正把 Agent RL scaling 起来的团队很少，未来还不确定，先把当前方式做好。

[215:00] 工作状态与结尾

[事实] 她说自己的工作节奏大约是早上 11 点到晚上 12 点、1 点、3 点、4 点，睡眠 4 到 6 小时也可以。
[事实] 她表示现在做的事情让自己兴奋，因此觉得睡太多有些浪费时间。
[事实] 节目最后由主持人收尾，介绍“商业访谈录”和“语言集世界”工作室。

播客点评/总结

这期的价值在于，它不是单纯介绍某个模型或产品，而是把 Agent 框架、后训练、长上下文、推理成本、开源生态和组织方式放在同一个系统里讨论。罗福莉最鲜明的观点是：Agent 时代的竞争不再只是模型参数和 benchmark，而是模型、框架、数据、skills、推理基础设施和团队协作的共同演化。

亮点是大量一线判断都来自具体使用和训练经验：OpenClaw/OpenCloud 的震撼来自她连续几天的高强度使用，Memo VR 的架构选择来自长上下文效率和推理成本权衡，组织讨论也来自实际训练 1T 模型时的协作方式。这让访谈比一般行业判断更接近工程现场。

局限也很明显：不少判断仍带有强烈个人经验色彩，部分技术细节因保密没有展开，某些时间线和产品名在转录中存在混用或 ASR 误差。[推测] 适合的听众是关注大模型前沿、Agent 产品、模型训练、AI 基础设施和 AI 组织管理的人；如果只想了解普通用户层面的 AI 应用，本期信息密度可能偏高。