2026 AI 大模型战争第二幕：从预训练转向 Agent 时代，我们访谈了小米大模型负责人
Hello 大家好，我是小俊。
2026 年，大模型战争全面升级，已正式揭开第二幕。 这一年，AI 范式发生了根本性巨变：从预训练主导的 XBOT 时代，转向了后训练主导的 Agent（智能体）时代。
在这一关键节点，我深度访谈了人工智能研究员、现任小米大模型团队负责人——罗福利。
她曾供职于阿里达摩院、DeepSeek，主导研发了 Memo VR 系列模型。在网络空间里，她有很多标签，比如“AI 天才少女”，但她本人并不喜欢这个称呼。这次访谈不仅是她的首次公开露面，更是她第一次进行长时间的技术深度对话。
我们系统性地讨论了由 Cloud Opus 4.6、OpenCloud 等技术变量所触发的 AI 矩阵，以及后续带来的结构性影响。罗福利预判：接下来两三个月会非常精彩。
🎙️ 访谈精华：从 OpenCloud 谈起
小俊：你提到技术变天了，过去两个月发生了什么？
罗福利： 这是一个巨大的分界点。我把 OpenCloud 看作划时代的 Agent 框架。一月份刚接触时，我甚至排斥它，觉得它只是个“交互 UI”。直到那个深夜，我装好它并和它对话了 4 个小时，那一刻我彻底兴奋了——它不仅有自主性，甚至有“温度”和“情商”。
真正让我震撼的，是它的三个阶段：
- 产品感知力： 它能感知时间、拼凑上下文，在别人没注意的角落编排 context，做到极致的交互体验。
- 工作替代： 它能直接帮你处理团队管理、好奇心筛选等复杂的“非代码”任务，甚至能把这些思考体系化。
- 研究赋能（第三天）： 我尝试把 Agent 研究中的核心课题交给它，原本以为要耗费数周的任务，它在两小时内就帮我构建出了框架。
小俊：Agent 框架是未来的入场券吗？
罗福利： 是的。Agent 要做到接近 Cloud 4.6 Opus 的水平，这才是入场券。关于算力投入，我认为一个合理的卡分配比例是 3 : 1 : 1，即 30% 做研究，10% 做预训练，10% 做后训练。研究的优先级，必须高于单纯的暴力堆卡。
💡 核心观点：为什么说“Agent 是最好的壳”？
在访谈中，罗福利提出了一个观点：Agent 框架能补齐模型的短板。
- 持久化的 Memory 体系： 它实现了记忆的分层与分级，这是过去模型做不到的。
- 多模型联合调度： 以前模型理解视频能力不行，你需要自己调优；现在直接发给 Agent，它会自主找到最擅长的模型来处理。
- 自学习路径： 当我们把模型接入 Agent，即便是 3B 的小型端侧模型，也能在复杂的编排下实现超预期的表现。框架本身的复杂设计，弥补了模型能力的短板。
🚀 关于“群体智能”与团队管理
小俊问及福利的团队管理之道，福利直言：“我不管理，我靠热爱驱动。”
- 没有组，没有层级： 团队的 100 人中，包含了各个环节的专业人员，大家在群里碰撞、争论，这种“躁动”才是研发最真实的状态。
- 没有边界的协作： 预训练的人做后训练，做推理的人做 Infra，大家都在互相“蒸馏”长处。
- 人才观的转变： 她现在倾向于招大二、大三的本科生。因为他们思想没被禁锢，敢于做梦，这种“未经污染”的灵活性在 Agent 时代至关重要。
🔮 2026 年的前瞻：大模型公司的终局
小俊：中美两边在 AGI 的路上，差别大吗？
罗福利： 大家共识一致——Agent 路径正确。在预训练基座上，中国大模型厂商已基本消除了代差。接下来两三个月的胜负手，取决于谁能最先让 Agent 框架与模型实现自迭代、自进化。
对于创业公司的寄语：
不需要巨大的公司规模。在 Agent 时代，几个人甚至一个人，借助高阶模型和框架，就能养活一个公司。这是生产力的彻底爆发。
🔚 写在最后
“我感觉自己每天都在否定昨天的自己。”在访谈的最后，罗福利这样评价自己的状态。
在这个技术迭代以“周”为单位的时代，罗福利和她的团队选择了一条硬核且纯粹的道路。当被问及“如果 90% 的工作被颠覆，你去做什么”时，她眼中闪烁的是对科学探索的极致渴望。
这就是 2026 年 AI 领航者的样子——不谈 DAU 的虚名，只在算力的森林里，通过不断质疑现状，寻找那条通往 AGI 的真理之路。
这里是《商业访谈录》，由“语言及世界”工作室出品的深度访谈节目。关注公众号【语言及世界】，我们与你一起，从这里探索新的世界！
🚀 Follow us: [语言及世界]
#AI #大模型 #Agent #MemoVR #深度访谈 #科技前沿