【视频转载】对罗福莉的3.5小时访谈

——AI范式已然巨变！OpenClaw、智能体框架、Agent范式很吃Post-train、卡的分配比例、巨变下的组织

人物简介

罗福莉，1995 年四川宜宾人，国内顶尖 NLP 与大模型技术专家。北师大本科、北大计算语言学硕士，读研期间产出多篇国际顶会论文，学术实力突出。毕业后以阿里星身份入职达摩院，主导多语言预训练模型研发；后任职 DeepSeek，参与 DeepSeek-V2 大模型核心研发。2025 年加入小米，担任 MiMo 大模型负责人，主导小米自研大模型迭代落地。

采访者简介

张小珺，顶尖深度财经科技记者，北大、香港浸会大学新闻学背景，历任《财经》杂志、腾讯新闻潜望资深记者，擅长互联网与AI行业深度调查特稿，手握多篇现象级商业深度报道，斩获多项亚洲卓越新闻奖等权威新闻奖项，现阶段独立运营头部商业访谈播客，长期对话罗福莉、谢赛宁等一线AI领军人物，是国内科技创投圈极具影响力的内容创作者。

采访内容

俺自己听完了，3个多小时，倍速播放，这里有文字精炼的版本：

OpenClaw 相关情况：

• 对其认知转变：最初因追求顶尖编程体验排斥，使用后发现其自主性、有灵魂，能弥补模型短板，激发中层模型上限。
• 与其他框架对比：相比 Claude 等框架，OpenClaw有更持久的 memory 体系、能自主利用多模型弥补短板，且设计更适合日常场景。
• 火起来的原因：中国开发者对效率提升需求急迫，且国内有性价比高的模型，使用 OpenClaw能带来高性价比。
• 与过去 agent 概念差异：过去的 agent 框架简洁不通用，未达工业级可用能力，而 OpenClaw能让模型执行高复杂度任务，改变了模型生态。
• 安全性思考：认为可通过端云混合、隐私本地化推理缓解安全性焦虑，开源有利于集众人智慧共同解决相关问题。

研究效率与范式变化：

• 效率提升：agent 辅助下，研究效率大幅提升，可并行验证多个想法，且能自迭代进化。
• 研究方向转变：从 code 出发外延到其他领域，激发大模型潜力，靠群体智慧覆盖更多领域以提升模型泛化性。

团队管理与模型训练：

• 群体智能作用：模型训练需要群体智能，不同环节人员协作，让模型具备更好的 context，提升训练效果。
• 与团队管理相似性：都需要群体参与，且每个环节人员需足够投入和专业。

模型研发情况：

• 新模型情况：Proomni、TTS 等三个新模型在 agent 场景表现超预期，出于成本、速度等考量分开训练，未来需更好协作编排。
• Flash 模型：核心定位是追求 non – context 效率，采用 Hyper 神经网络结构，结合 NTP 提升基座能力，具有速度快、成本低优势。
• 模型结构选择：MTP 因能提升推理效率、降低成本，但 MA 在特定时期有优势，未来模型结构设计需考虑 post train 周期和场景变化。
• 训练挑战与卡需求：训练 1T 模型面临全方位挑战，数据方面问题相对较小，更需解决训练中的数值不稳定问题。研究、预训练、后训练卡的合理比例约为 3:1:1。

大模型训练挑战：

• 数据与问题挑战：更大模型对脏数据容忍度更高，训练中更大挑战是发现和解决问题，需建立严密监控系统洞察模型参数变化。
• 问题解决方式：发现问题后分析原因，如系数比、结构、Infra bug 等，可采用 clip、norm 等解决方案，跨团队协作效率低，小团队更高效，但训练周期可能拉长。

团队组织与管理：

• 团队规模与结构：团队约 100 人，包含数据、Infra、开发等链路人员，真正投入一代模型迭代的约二三十人，不设明确组和职级，避免扼杀创造力。
• 管理方式与驱动：采用超例外驱动管理，激发热情让大家自驱做事，通过让大家体验新事物、筛选有热爱特质的人来驱动热情。

模型技术要点：

• 1T 模型决策：涉及混合处理机制、EM 上下文窗口、MTP 等，提升稀疏比以提高架构效率，长上下文数据构造难，MTP 训练为提升基座能力和推理加速。
• 多模态融合：尝试将音频离散化建模，迁移到其他模态，权衡架构优雅性和成本，Omni 模型构建更高效 VLT，支持多模态，有促进智能的迹象。
• TTS 模型：用优雅架构训练，泛化力好，能根据自然语言描述赋予情感和音律，但下限需弥补，目前限时免费开放 API。

模型发展与竞争：

• 发展路径对比：人类进化与大模型演变环境不同，模型进化路径更自由，语言之后，编码开发复杂度提升，机器人交互会涌现，但受硬件制约。
• 中美差距与竞争：国内部分模型厂商距国外顶尖代差约两三个月，比拼研究水平、技术敏捷性和拥抱新范式能力，推理需求将爆发，需考虑芯片产能和参数量规模。
• 发展阶段回顾：22 年 ChatGPT 激发模型智能水平，23 年开源团队追赶顶尖预训练模型，24 年团队组织调整适应后训练范式，25 年面临范式选择。
• 竞争新态势：大模型竞争从 Chat 过渡到 Agents，入场需 ET 基础模型和敏捷性，国内暂无公司同时具备，Code 在各范式有优势，RL 探索结果暂不分享，竞争维度和速度增加。

创业与开源：

• 创业机会：创业公司团队规模要求变小，借助 Agent 可实现，但需更低价模型和完善 Multi – agent 架构。
• 开源目的：开源加速进程，有利于框架、芯片、能源等环节，公司开源与否取决于自身战略生态位。

团队搭建与人才：

• 人才选择：更注重创造环境让能力快速习得，招人大二、大三本科生的比例增加，要求基础好、好奇心强、热爱驱动、有多样性。
• 适应人群：注重模型体验、与模型交互频次高的人及能适应 RD Infra 体系模糊性的人适合团队搭建方式。

个人感悟与预期：

• 自我成长：在否定中成长，心法是做符合价值观、对更多人有益的事，思考做公益组织支持基础研究。
• 工作状态：工作节奏是早上 11 点到晚上 12 – 4 点，睡眠需求 4 – 6 小时，认为做好当下研究即可。

相关内容

官方公众号原文

知乎：如何评价张小珺对罗福莉的3.5个小时访谈？