小米大模型团队负责人罗福莉近日在bilibili发布了一场长达3.5小时的深度专访，首次以技术负责人身份系统阐述了对AI产业转向的判断。1995年出生的她，从阿里达摩院、幻方量化到DeepSeek，如今掌舵小米最核心的大模型研发，业内知名度极高却极少公开露面。这次访谈信息密度极高，多位AI从业者评价“每一分钟都是干货”。
从Chat到Agent：大模型战场全面换轨
罗福莉开宗明义指出：大模型竞争赛道已经切换。过去几年由Pre-train主导的Chat时代，各家拼的是基座能力与通用对话品质；但进入2026年，战场已全面转向Post-train主导的Agent时代。谁能让模型在复杂任务中持续自主行动、不靠人工介入修正，谁才能抢到下一波市场。她特别强调，“自进���”将是未来一年AGI领域最关键的事件。目前顶尖模型已能在特定任务中自主优化并稳定执行2到3天，无需人工干预。这意味着AI系统开始具备某种程度的自我修正能力，边界正悄然移动。
算力配比大翻转：后训练瘦身，推理获重视
罗福莉透露了小米内部算力分配策略的重大调整。过去业界惯用配比为Pre-train : Post-train : Inference = 3:5:1，后训练阶段消耗最多资源。但现在小米已将策略调整为3:1:1，大幅压缩后训练比例，同步提升Pre-train与推理阶段投入。背后的逻辑是：Agent RL Scaling策略逐渐成熟，后训练不再需要暴力堆叠算力，模型自我强化效率已大幅提升。推理端资源的回升则反映了Agent落地时对实时响应能力的高要求。
Pre-train代差从3年缩至数月，下一关在哪
对于国内AI团队长期被诟病的“预训练代差”问题，罗福莉给出了相对乐观的判断：差距已从过去的3年缩短至数月。这个数字并非自我吹捧，而是策略转折点——既然Pre-train代差接近消弭，资源投入重心自然转向Agent RL Scaling，这正是小米当下的主要押注方向。她还谈及对Anthropic路径的判断，以及2026年Claude Opus 4.6、OpenClaw等技术变量在业界引发的震���效应，认为这些变量正在加速产业从“工具”思维转向“代理”思维。
MiMo-V2：小米交出的第一张成绩单
2026年3月19日，罗福莉主导的MiMo-V2系列正式发布，一次端出三款模型。旗舰基座MiMo-V2-Pro采用兆级总参数、启用参数仅42B的混合注意力架构，支持百万上下文，任务完成率达81%；MiMo-V2-Omni主打全模态Agent场景；MiMo-V2-TTS瞄准语音合成。最引人注目的是已开源的MiMo-V2-Flash，在全球开源模型排行榜上拿下第二名，推理速度达到DeepSeek-V3.2的3倍。对于一个2025年11月才加入小米的团队负责人来说，这份成绩单不算低调。
罗福莉的履历本身就是一部AI快进史的缩影：从阿里达摩院积累基础研究，到幻方量化与DeepSeek磨砺出工程效率感（她是DeepSeek-V2的关键开发者），再到加入小米面对更复杂的商业落地挑战。这场3.5小时长访是她首度以技术负责人身份系统梳理观点。她的结论既不悲观也不轻巧：Agent时代的竞争远比Chat时代复杂，“自进化”能力的突破是真实的技术门槛而非营销话术。国内团队缩短代差的速度令人振奋，但下一场仗——在真实世界复杂任务中让Agent稳定自主执行——才正要开打。