最近，外灘君刷到一期節(jié)目—— “張小珺商業(yè)訪談錄”對話羅福莉。 整整3.5小時，信息量拉滿。她自己也說，這是她人生第一次坐下來做一場這么長時間的訪談。

張小珺商業(yè)訪談錄

之前，外灘君也寫過，她早年在阿里巴巴達(dá)摩院做研究，后來參與了 DeepSeek-V2 的研發(fā)——你大概率聽過這個模型的名字。

如今， 羅福莉是小米 MiMo 大模型團(tuán)隊的負(fù)責(zé)人，入職一年，帶隊做出的MiMo V2.5 Pro已經(jīng)達(dá)到了國內(nèi)頂尖水平。

MiMo V2.5 Pro在國際上也處于領(lǐng)先位置

這期訪談的大部分內(nèi)容在聊技術(shù)，聽著跟普通人的生活很遠(yuǎn)。但外灘君認(rèn)真聽完后，發(fā)現(xiàn)她聊的很多東西：

AI 會往哪個方向走、人跟 AI 的關(guān)系會變成什么樣，這也對未來世界的一種推測，這些對每一個人都很有啟發(fā)，不管你是不是做技術(shù)的。

從“會聊天”到“會自主干活”，

AI進(jìn)化進(jìn)入新階段

對羅福莉來說，變革的開始在今年春節(jié)。當(dāng)時OpenClaw風(fēng)頭正盛，但她最開始并不看好這個產(chǎn)品，直到她在自己電腦上安裝了OpenClaw。

凌晨兩點，她第一次跟它對話。

聊著聊著，天亮了。

她太興奮了，她笑著說，感覺“腦內(nèi)的多巴胺在持續(xù)分泌”。她的第一個感受是OpenClaw 特別有自主性，有“靈魂”，甚至?xí)诹奶鞎r提醒她，天晚了該休息了。

第二天，她嘗試讓它幫忙解決工作上的難題，比如怎樣激發(fā)團(tuán)隊的創(chuàng)造力。沒想到聊了一個多小時，OpenClaw不僅提出了很多超出想象的建議， 還整理出了一套體系化的方案。

第三天，她更進(jìn)一步，讓它嘗試 解決研究問題——怎么構(gòu)建一個能模擬真實用戶行為的Agent，用來生成訓(xùn)練數(shù)據(jù)。她自己估摸著，這事至少得折騰幾天。結(jié)果聊了一兩個小時后，她覺得東西差不多做出來了。

這不是聊天，這是在干活。羅福莉在那一刻意識到： 2026 年，大模型進(jìn)入了第二幕——Agent 時代。

之前的 ChatGPT，是讓大模型在短對話里展示智能。你提問，它回答，但它不會主動去做事。來回幾次，對話結(jié)束。

但 OpenClaw、Claude Code 這樣的Agent（智能體），是把同一個大腦（AI大模型）接上了一整套“干活的系統(tǒng)”， 接收到任務(wù)后，它可以自己思考怎么做，并調(diào)用工具一步步完成。

更讓人吃驚的是， 還激發(fā)了中層模型的上限?！耙恍┰静凰沩敿壍哪Ｐ停柚鶤gent 框架，也能達(dá)到接近頂級模型的水準(zhǔn)?！?/span>

但Agent還只是其一。羅福莉認(rèn)為還有兩個同樣重要的變化在同時發(fā)生：

一個是AI大模型本身， 訓(xùn)練參數(shù)量在瘋狂上升，同時，推理成本在斷崖式下跌。簡單來說， 模型會變得更加聰明，成本更低。羅福莉判斷，“1T（萬億）的模型可能是未來競爭的入場券”，而大家熟知的DeepSeek V3，參數(shù)量只有600~700B。

同時，達(dá)到同等能力所需的算力在減少?！翱赡芤粋€10B（百億參數(shù)）的模型，過一年就能做到今天頂級AI Claude Opus 4.6的水平?！?/span>

羅福莉第一天用Opus 4.6，一個晚上就燒了快1000美金；而10B的模型，“可能一兩塊錢就有百萬token上下文”，夠十幾個小時的對話。

另一個是多模態(tài)協(xié)同，讓AI不僅看得懂文字，還能看懂***、圖畫，聽得懂說話。這也是羅福莉被OpenClaw 啟發(fā)后，認(rèn)為極其重要的方向。這也是她的團(tuán)隊做出了成果：小米同期發(fā)布了三個模型——Pro（語言認(rèn)知）、Omni（視覺感知）、TTS（語音表達(dá)）。

三個模型被編排在同一個 Agent 框架里協(xié)同工作，一個負(fù)責(zé)看，一個負(fù)責(zé)想，一個負(fù)責(zé)說，就像一個真正的人一樣。“真正產(chǎn)生智能，應(yīng)該是全方位、多方面的?！?/span>

而這三者共振，構(gòu)成了2026年AI最大的范式變化—— 從一個“會聊天的工具”，變成一個“會干活的智能體”。這也悄然改寫著未來世界的“游戲規(guī)則”。

AI團(tuán)隊負(fù)責(zé)人的人才觀：

好奇心 > 學(xué)歷，環(huán)境 > 經(jīng)驗

羅福莉講的另一個故事也讓外灘君深受啟發(fā)。

盡管她自己被OpenClaw驚艷到不行，但節(jié)后返工，她發(fā)現(xiàn)團(tuán)隊里卻沒多少人主動去用。

她理解答大家，OpenClaw這東西看著太玄幻了，不夠tech。但她堅信，真正使用過才能感知變革到來。

于是，她下了一道命令：“第二天OpenClaw對話次數(shù)不超過100輪的人，可以直接quit（辭職）?！?/span>與此同時，她部署了好幾個OpenClaw，供所有人自由使用。

真上手后，大家很快被點燃了。群消息十分鐘不看就 999+，所有人瘋了一樣分享自己用OpenClaw做出來的東西。

玩了兩天之后，大家達(dá)成了一致：“這個事這么好玩，那搞啊！”于是，很快投入到新模型的研究中。

從被點燃到真正產(chǎn)生價值，只用了三四周。羅福莉后來笑著說，自己其實沒有真的打算考核。 但態(tài)度必須擺出來：“你不用，你可能真的要落后了?！?/span>

這背后，是羅福莉的一套用人哲學(xué)，跟我們熟悉的管理邏輯幾乎完全相反。

01

學(xué)歷高≠想象力豐富

羅福莉現(xiàn)在團(tuán)隊中， 博士（包括在讀）比例占55%，但也招了很多本科生， 甚至慢慢傾斜到招更多大二大三的學(xué)生。

因為“本科生在對Agent這種新范式的理解上，想象力反而更高。思想還沒有被禁錮，敢放心大膽把自己那些想法交給這套架構(gòu)去驗證?！?/span>

02

熱愛是唯一可靠的驅(qū)動力

當(dāng)然， 學(xué)歷本身也能說明很多問題，比如對研究的熱愛。在羅福莉看來，“一個人如果熱愛做研究，可能會選擇至少讀一個碩士或博士?！?

從管理的角度看，“錢給夠是基礎(chǔ)，讓大家圍繞著自己愿意信仰的事情去自驅(qū)做事”，是羅福莉一直堅信的有效方式。 所以她在篩選人時，會著重看“這個人到底在圍繞什么目標(biāo)做事情”。

03

環(huán)境比經(jīng)驗更重要

讓人吃驚的是，羅福莉的MiMo 100人團(tuán)隊中，大部分人來之前從來沒有訓(xùn)過大模型，有的做過小規(guī)模研究，有的甚至只做過工程開發(fā)。

但她的判斷是，人放在一個高標(biāo)準(zhǔn)的環(huán)境里會自己進(jìn)化，這些能力在對的環(huán)境里，一兩個月就能快速習(xí)得。

比起一個人的歷史背景、已具備的能力， 她更在乎人的潛力上限，更在乎團(tuán)隊有沒有提供一個好的環(huán)境，讓大家共同進(jìn)步。

“我們上班每個群嘰嘰喳喳聊得挺多的。大家都會瘋狂把自己的想法，或者說關(guān)注到的信息給分享出來。吵得不行，（但）這樣的溝通環(huán)境是非常好的。”

而這套哲學(xué)也讓外灘君想到 “硅谷創(chuàng)業(yè)教父”Paul Graham的一個觀點。他曾寫過一篇文章叫 《The Lesson to Unlearn》，說 教育系統(tǒng)教給學(xué)生最有害的一課，就是“如何取得好成績”，這恰恰是最需要“卸載”掉的能力。

很多年輕創(chuàng)業(yè)者常問：如何讓投資家投自己？怎么才能獲得更多用戶？在Paul Graham看來，答案很簡單：把產(chǎn)品做好，自然吸引客戶，也能讓自己成為一個值得投資的對象。

但很多人卻花了太多時間琢磨“怎么講好PPT”，一如在學(xué)校里為了拿高分，只讀考試范圍內(nèi)的材料，只為了交作業(yè)而做研究寫論文?？此聘咝?，實則誤入歧途。

說到底，Paul Graham的“unlearn”和羅福莉的人才標(biāo)準(zhǔn)， 并非否認(rèn)高學(xué)歷和學(xué)習(xí)本身，因為基礎(chǔ)好是門檻，但能夠卸載做標(biāo)準(zhǔn)答案的思維方式，找到一個高質(zhì)量環(huán)境，保持好奇心和熱愛，決定了上限。

羅福莉的團(tuán)隊在推進(jìn)中，也有沮喪和自我懷疑的時刻。模型訓(xùn)練也倒退過好幾次，排查不出原因，每天都是百萬算力損失。羅福莉說：“晚上都睡不好，做夢都在想為什么?！?/span>

但最終還是做出來了。

靠的不是“會考試”，而是在一個模糊的、沒有標(biāo)準(zhǔn)答案的問題面前，還能保持好奇心、自己找到往前走的路。

當(dāng)AI學(xué)會了創(chuàng)造，人還能做什么？

不過，羅福莉也在訪談里講了一個她自己都覺得很殘酷的發(fā)現(xiàn)：

她曾以為，訓(xùn)練大模型是AI時代最后的安全區(qū)。因為這件事需要創(chuàng)造力，又足夠復(fù)雜，而且?guī)缀醪豢赡鼙涣鞒袒?。但最近她發(fā)現(xiàn)，AI 已經(jīng)可以復(fù)原一個博士五年的科研成長路徑。

“可能過一段時間，我們能訓(xùn)出來的模型，它也能訓(xùn)出來了。那它可不可以左腳踩右腳就提升了？它先吸收所有人的智能，再靠自己產(chǎn)生更強(qiáng)的智能。”

如果連“創(chuàng)造”也不再是人類的保留區(qū)，那我們的孩子將來靠什么立足？

與此同時， 人跟AI的交互方式正在發(fā)生根本性改變：

過去，和ChatGPT交流還需要提示詞，后來是“這行代碼錯了幫我修一下”。

但現(xiàn)在借助Agent，人都不再需要去做改代碼這種具體的事務(wù)了。 人只做更高階的事：提需求、給限制、參與架構(gòu)設(shè)計、理解業(yè)務(wù)邏輯。

但差距也在悄然擴(kuò)大，羅福莉看到，“預(yù)訓(xùn)練大部分依賴的知識，還是在互聯(lián)網(wǎng)上可訪問到的知識。 但很多智能，我們是在互聯(lián)網(wǎng)上訪問不到的。”

一個十年女裝電商運營，每季的選品決策，可以讓AI分析歷史銷售數(shù)據(jù)、爬取社交媒體熱詞、對比競品定價。但是問題是，下一季什么會火？

這不是數(shù)據(jù)能回答的。還需要來自互聯(lián)網(wǎng)上學(xué)不到的東西：比如輕紡城在進(jìn)什么新面料、小紅書上什么關(guān)鍵詞和審美風(fēng)向在悄悄累積粉絲、自家店鋪多年復(fù)購客戶的審美疲勞點在哪里……

這些個人在行業(yè)中積累的信源、判斷力，是***的價值壁壘。

AI獨角獸公司Anthropic曾基于Claude的真實使用數(shù)據(jù)做了一項分析，發(fā)現(xiàn)約60%的職業(yè)使用AI的場景屬于“增強(qiáng)”，即AI輔助人完成工作；約40% 屬于“自動化”，即由AI直接完成任務(wù)。

盡管AI大規(guī)模替代職業(yè)的情況尚未發(fā)生，但它正在快速重新定義每個職業(yè)的核心任務(wù)。

這意味著什么？

教育不是去賭“某個具體能力AI永遠(yuǎn)學(xué)不會”，因為安全區(qū)在不斷被侵蝕。今天AI還寫不好一篇有溫度的特稿，但明天未必。 真正值得投資的是和AI共處，共同創(chuàng)造更大價值的能力。

?? 提出好問題，比解出標(biāo)準(zhǔn)答案更重要。題目AI會解了，但“該解什么題”還是人說了算。

??界定模糊需求，比執(zhí)行明確任務(wù)更重要。真實世界的需求從來不是選擇題，沒人給你四個選項讓你選。

??快速擁抱新范式，比深耕單一技能更重要。就像羅福莉說的：“上一個時代的成功并不意味著下一個時代的領(lǐng)先?！?/span>

??積累、整理好***經(jīng)驗，比記憶顯性知識更重要。AI幾秒鐘就能讀完幾十萬字的大部頭，那些沒有寫在書里的東西將變成稀有資產(chǎn)。

而所有這一切，最終指向羅福莉在訪談中說的那句話： “這個時候，人更應(yīng)該去思考，到底自己的意義和價值是什么？”

這不是一個技術(shù)問題，也不是每個人都必須學(xué)技術(shù)。但這是每一個家長，甚至每個孩子，都需要在這個時代想清楚的問題。

過去，外灘君也寫過不少大咖專家對AI的看法，歡迎閱讀：返回搜狐，查看更多