罗福莉首次深度访谈：当AI也学会了创造，只有学AI才有出路？

Source

最近，外滩君刷到一期节目——“张小珺商业访谈录”对话罗福莉。整整3.5小时，信息量拉满。她自己也说，这是她人生第一次坐下来做一场这么长时间的访谈。

之前，外滩君也写过罗福莉，她早年在阿里巴巴达摩院做研究，后来参与了 DeepSeek-V2 的研发——你大概率听过这个模型的名字。

如今，罗福莉是小米 MiMo 大模型团队的负责人，入职一年，带队做出的MiMo V2.5 Pro已经达到了国内顶尖水平。

MiMo V2.5 Pro在国际上也处于领先位置

这期访谈的大部分内容在聊技术，听着跟普通人的生活很远。但外滩君认真听完后，发现她聊的很多东西：

AI 会往哪个方向走、人跟 AI 的关系会变成什么样，这也对未来世界的一种推测，这些对每一个人都很有启发，不管你是不是做技术的。

从“会聊天”到“会自主干活”，

AI进化进入新阶段

对罗福莉来说，变革的开始在今年春节。当时OpenClaw风头正盛，但她最开始并不看好这个产品，直到她在自己电脑上安装了OpenClaw。

凌晨两点，她第一次跟它对话。

聊着聊着，天亮了。

她太兴奋了，她笑着说，感觉“脑内的多巴胺在持续分泌”。她的第一个感受是OpenClaw特别有自主性，有“灵魂”，甚至会在聊天时提醒她，天晚了该休息了。

第二天，她尝试让它帮忙解决工作上的难题，比如怎样激发团队的创造力。没想到聊了一个多小时，OpenClaw不仅提出了很多超出想象的建议，还整理出了一套体系化的方案。

第三天，她更进一步，让它尝试解决研究问题——怎么构建一个能模拟真实用户行为的Agent，用来生成训练数据。她自己估摸着，这事至少得折腾几天。结果聊了一两个小时后，她觉得东西差不多做出来了。

这不是聊天，这是在干活。罗福莉在那一刻意识到：2026 年，大模型进入了第二幕——Agent 时代。

之前的 ChatGPT，是让大模型在短对话里展示智能。你提问，它回答，但它不会主动去做事。来回几次，对话结束。

但 OpenClaw、Claude Code 这样的Agent（智能体），是把同一个大脑（AI大模型）接上了一整套“干活的系统”，接收到任务后，它可以自己思考怎么做，并调用工具一步步完成。

更让人吃惊的是，还激发了中层模型的上限。“一些原本不算顶级的模型，借助Agent 框架，也能达到接近顶级模型的水准。”

但Agent还只是其一。罗福莉认为还有两个同样重要的变化在同时发生：

一个是AI大模型本身，训练参数量在疯狂上升，同时，推理成本在断崖式下跌。简单来说，模型会变得更加聪明，成本更低。罗福莉判断，“1T（万亿）的模型可能是未来竞争的入场券”，而大家熟知的DeepSeek V3，参数量只有600~700B。

同时，达到同等能力所需的算力在减少。“可能一个10B（百亿参数）的模型，过一年就能做到今天顶级AI Claude Opus 4.6的水平。”

罗福莉第一天用Opus 4.6，一个晚上就烧了快1000美金；而10B的模型，“可能一两块钱就有百万token上下文”，够十几个小时的对话。

另一个是多模态协同，让AI不仅看得懂文字，还能看懂视频、图画，听得懂说话。这也是罗福莉被OpenClaw 启发后，认为极其重要的方向。这也是她的团队做出了成果：小米同期发布了三个模型——Pro（语言认知）、Omni（视觉感知）、TTS（语音表达）。

三个模型被编排在同一个 Agent 框架里协同工作，一个负责看，一个负责想，一个负责说，就像一个真正的人一样。“真正产生智能，应该是全方位、多方面的。”

而这三者共振，构成了2026年AI最大的范式变化——从一个“会聊天的工具”，变成一个“会干活的智能体”。这也悄然改写着未来世界的“游戏规则”。

AI团队负责人的人才观：

好奇心 > 学历，环境 > 经验

罗福莉讲的另一个故事也让外滩君深受启发。

尽管她自己被OpenClaw惊艳到不行，但节后返工，她发现团队里却没多少人主动去用。

她理解答大家，OpenClaw这东西看着太玄幻了，不够tech。但她坚信，真正使用过才能感知变革到来。

于是，她下了一道命令：“第二天OpenClaw对话次数不超过100轮的人，可以直接quit（辞职）。” 与此同时，她部署了好几个OpenClaw，供所有人自由使用。

真上手后，大家很快被点燃了。群消息十分钟不看就 999+，所有人疯了一样分享自己用OpenClaw做出来的东西。

玩了两天之后，大家达成了一致：“这个事这么好玩，那搞啊！”于是，很快投入到新模型的研究中。

从被点燃到真正产生价值，只用了三四周。罗福莉后来笑着说，自己其实没有真的打算考核。但态度必须摆出来：“你不用，你可能真的要落后了。”

这背后，是罗福莉的一套用人哲学，跟我们熟悉的管理逻辑几乎完全相反。

学历高≠想象力丰富

罗福莉现在团队中，博士（包括在读）比例占55%，但也招了很多本科生，甚至慢慢倾斜到招更多大二大三的学生。

因为“本科生在对Agent这种新范式的理解上，想象力反而更高。思想还没有被禁锢，敢放心大胆把自己那些想法交给这套架构去验证。”

热爱是唯一可靠的驱动力

当然，学历本身也能说明很多问题，比如对研究的热爱。在罗福莉看来，“一个人如果热爱做研究，可能会选择至少读一个硕士或博士。”

从管理的角度看，“钱给够是基础，让大家围绕着自己愿意信仰的事情去自驱做事”，是罗福莉一直坚信的有效方式。所以她在筛选人时，会着重看“这个人到底在围绕什么目标做事情”。

环境比经验更重要

让人吃惊的是，罗福莉的MiMo 100人团队中，大部分人来之前从来没有训过大模型，有的做过小规模研究，有的甚至只做过工程开发。

但她的判断是，人放在一个高标准的环境里会自己进化，这些能力在对的环境里，一两个月就能快速习得。

比起一个人的历史背景、已具备的能力，她更在乎人的潜力上限，更在乎团队有没有提供一个好的环境，让大家共同进步。

“我们上班每个群叽叽喳喳聊得挺多的。大家都会疯狂把自己的想法，或者说关注到的信息给分享出来。吵得不行，（但）这样的沟通环境是非常好的。”

而这套哲学也让外滩君想到“硅谷创业教父”Paul Graham的一个观点。他曾写过一篇文章叫《The Lesson to Unlearn》，说教育系统教给学生最有害的一课，就是“如何取得好成绩”，这恰恰是最需要“卸载”掉的能力。

很多年轻创业者常问：如何让投资家投自己？怎么才能获得更多用户？在Paul Graham看来，答案很简单：把产品做好，自然吸引客户，也能让自己成为一个值得投资的对象。

但很多人却花了太多时间琢磨“怎么讲好PPT”，一如在学校里为了拿高分，只读考试范围内的材料，只为了交作业而做研究写论文。看似高效，实则误入歧途。

说到底，Paul Graham的“unlearn”和罗福莉的人才标准，并非否认高学历和学习本身，因为基础好是门槛，但能够卸载做标准答案的思维方式，找到一个高质量环境，保持好奇心和热爱，决定了上限。

罗福莉的团队在推进中，也有沮丧和自我怀疑的时刻。模型训练也倒退过好几次，排查不出原因，每天都是百万算力损失。罗福莉说：“晚上都睡不好，做梦都在想为什么。”

但最终还是做出来了。

靠的不是“会考试”，而是在一个模糊的、没有标准答案的问题面前，还能保持好奇心、自己找到往前走的路。

当AI学会了创造，人还能做什么？

不过，罗福莉也在访谈里讲了一个她自己都觉得很残酷的发现：

她曾以为，训练大模型是AI时代最后的安全区。因为这件事需要创造力，又足够复杂，而且几乎不可能被流程化。但最近她发现，AI 已经可以复原一个博士五年的科研成长路径。

“可能过一段时间，我们能训出来的模型，它也能训出来了。那它可不可以左脚踩右脚就提升了？它先吸收所有人的智能，再靠自己产生更强的智能。”

如果连“创造”也不再是人类的保留区，那我们的孩子将来靠什么立足？

与此同时，人跟AI的交互方式正在发生根本性改变：

过去，和ChatGPT交流还需要提示词，后来是“这行代码错了帮我修一下”。

但现在借助Agent，人都不再需要去做改代码这种具体的事务了。人只做更高阶的事：提需求、给限制、参与架构设计、理解业务逻辑。

但差距也在悄然扩大，罗福莉看到，“预训练大部分依赖的知识，还是在互联网上可访问到的知识。但很多智能，我们是在互联网上访问不到的。”

一个十年女装电商运营，每季的选品决策，可以让AI分析历史销售数据、爬取社交媒体热词、对比竞品定价。但是问题是，下一季什么会火？

这不是数据能回答的。还需要来自互联网上学不到的东西：比如轻纺城在进什么新面料、小红书上什么关键词和审美风向在悄悄累积粉丝、自家店铺多年复购客户的审美疲劳点在哪里……

这些个人在行业中积累的信源、判断力，是隐形的价值壁垒。

AI独角兽公司Anthropic曾基于Claude的真实使用数据做了一项分析，发现约60%的职业使用AI的场景属于“增强”，即AI辅助人完成工作；约40% 属于“自动化”，即由AI直接完成任务。

尽管AI大规模替代职业的情况尚未发生，但它正在快速重新定义每个职业的核心任务。

这意味着什么？

教育不是去赌“某个具体能力AI永远学不会”，因为安全区在不断被侵蚀。今天AI还写不好一篇有温度的特稿，但明天未必。真正值得投资的是和AI共处，共同创造更大价值的能力。

👉提出好问题，比解出标准答案更重要。题目AI会解了，但“该解什么题”还是人说了算。

👉界定模糊需求，比执行明确任务更重要。真实世界的需求从来不是选择题，没人给你四个选项让你选。

👉快速拥抱新范式，比深耕单一技能更重要。就像罗福莉说的：“上一个时代的成功并不意味着下一个时代的领先。”

👉积累、整理好隐形经验，比记忆显性知识更重要。AI几秒钟就能读完几十万字的大部头，那些没有写在书里的东西将变成稀有资产。

而所有这一切，最终指向罗福莉在访谈中说的那句话：“这个时候，人更应该去思考，到底自己的意义和价值是什么？”

这不是一个技术问题，也不是每个人都必须学技术。但这是每一个家长，甚至每个孩子，都需要在这个时代想清楚的问题。