小米AI負(fù)責(zé)人親述：從堅(jiān)信到懷疑，AI自進(jìn)化或1-2年爆發(fā)！

小米 MiMo 團(tuán)隊(duì)負(fù)責(zé)人羅福莉，最近做了一場(chǎng)3個(gè)多小時(shí)的長(zhǎng)訪談。

她講了很多技術(shù)細(xì)節(jié)。

但最讓人后背發(fā)涼的，不是她說 AGI 可能離我們很近，而是她說了另一件事：

她原來以為，自己的研究工作，AI 替代不了。

后來她發(fā)現(xiàn)，自己錯(cuò)了。

注意，這句話不是普通人說的。

這是一個(gè)親手訓(xùn)練大模型的人說的。

羅福莉，1995年生，四川人。

公開資料顯示，她本科畢業(yè)于北京師范大學(xué)，碩士階段進(jìn)入北京大學(xué)計(jì)算語言學(xué)方向。畢業(yè)后，她去過阿里達(dá)摩院，后來加入 DeepSeek，參與過 DeepSeek-V2 等模型研發(fā)。

2025年，她官宣加入小米 MiMo 團(tuán)隊(duì)。此前網(wǎng)上一直有“雷軍千萬年薪挖人”的報(bào)道，但這個(gè)說法更適合寫成“網(wǎng)傳”，不要當(dāng)作小米官方確認(rèn)。

為什么這次訪談值得看？

因?yàn)樗皇瞧胀ǖ摹癆I會(huì)改變世界”式口號(hào)，而是一個(gè)一線大模型團(tuán)隊(duì)負(fù)責(zé)人，把自己看到的行業(yè)變化講出來了。

很多人一聽 AGI，就想到機(jī)器人突然變成人。

這個(gè)想象太科幻了。

羅福莉這次講的重點(diǎn)，不是機(jī)器人有沒有意識(shí)，而是一個(gè)更現(xiàn)實(shí)的東西：AI能不能自己改進(jìn)AI。

比如過去訓(xùn)練模型，主要靠人來設(shè)計(jì)方向：

人提出想法。

人寫代碼。

人跑實(shí)驗(yàn)。

人看結(jié)果。

人再修改。

但如果有一天，AI可以自己提出模型結(jié)構(gòu)，自己寫實(shí)驗(yàn)代碼，自己跑測(cè)試，自己看結(jié)果，再自己改下一輪方案，這就很不一樣了。

這就是她說的“自進(jìn)化”。

她在中關(guān)村論壇上的判斷是：以前覺得這個(gè)過程可能還要3到5年，現(xiàn)在看，可能1到2年就能看到更明確的進(jìn)展。

這里有一個(gè)很關(guān)鍵的例子。

它完成了1773次自主實(shí)驗(yàn)，消耗約20000個(gè)GPU小時(shí)，最后發(fā)現(xiàn)了106個(gè)新的、達(dá)到SOTA水平的線性注意力架構(gòu)。

這不等于“AGI已經(jīng)來了”。

更不等于“人類科學(xué)家沒用了”。

但它說明一件事：在某些特定研究問題上，AI已經(jīng)不只是幫人打字、寫總結(jié)、查資料了。

它開始進(jìn)入“提出方案—執(zhí)行實(shí)驗(yàn)—反饋迭代”的閉環(huán)。

這才是最值得關(guān)注的地方。

這次訪談里，最有價(jià)值的不是一句“AGI快來了”。

而是一個(gè)很少被普通報(bào)道講清楚的細(xì)節(jié)：頂級(jí)AI實(shí)驗(yàn)室的用卡比例正在變化。

過去 Chat 時(shí)代，大概是：

研究 : 預(yù)訓(xùn)練 : 后訓(xùn)練 = 3 : 5 : 1

現(xiàn)在更合理的比例可能變成：

研究 : 預(yù)訓(xùn)練 : 后訓(xùn)練 = 3 : 1 : 1

這是什么意思？

預(yù)訓(xùn)練，就是以前大家最熟悉的“堆數(shù)據(jù)、堆參數(shù)、堆大模型”。

后訓(xùn)練，就是讓模型更會(huì)做事，包括強(qiáng)化學(xué)習(xí)、工具調(diào)用、Agent任務(wù)、長(zhǎng)流程執(zhí)行。

過去幾年，大家都在拼誰模型更大、誰訓(xùn)練數(shù)據(jù)更多。

但現(xiàn)在，算力正在從“單純預(yù)訓(xùn)練”轉(zhuǎn)向“研究”和“后訓(xùn)練”。

錢花在哪里，卡用在哪里，往往比發(fā)布會(huì)口號(hào)更誠(chéng)實(shí)。

這說明頂級(jí)團(tuán)隊(duì)已經(jīng)意識(shí)到：繼續(xù)只靠堆預(yù)訓(xùn)練，邊際收益在下降。

下一個(gè)戰(zhàn)場(chǎng)，是讓模型真正執(zhí)行復(fù)雜任務(wù)。

羅福莉說，她以前認(rèn)為自己的工作足夠有創(chuàng)造力，不容易被流程化。

設(shè)計(jì)實(shí)驗(yàn)，判斷路線，分析結(jié)果。

這些聽起來都不像普通重復(fù)勞動(dòng)。

但后來，她看到Agent工具和頂級(jí)模型進(jìn)入研究工作流之后，效率可能直接提升一個(gè)數(shù)量級(jí)。

換句話說，連做AI的人，都低估了AI能進(jìn)入哪些工作。

這才是真正讓普通人需要警惕的地方。

不是“AI明天把所有人替掉”。

而是我們對(duì)“我的工作AI做不了”的判斷，可能總是慢半拍。

今天你覺得它不會(huì)做。

半年后，它已經(jīng)能做一部分。

一年后，它可能做得比你想象中更穩(wěn)定。

所以這件事最后落到普通人身上，不是問：

AGI到底是哪一天來？

而是問：

你現(xiàn)在最依賴的那項(xiàng)技能，多久沒有認(rèn)真讓AI試過了？

寫方案、做表格、查資料、寫代碼、剪視頻、做PPT、整理會(huì)議紀(jì)要、分析數(shù)據(jù)。

很多人不是被AI淘汰。

而是被那些真正把AI接進(jìn)工作流的人甩開。

以前，一個(gè)人會(huì)不會(huì)用搜索引擎，會(huì)拉開信息差。

后來，一個(gè)人會(huì)不會(huì)用Excel，會(huì)拉開效率差。

現(xiàn)在，一個(gè)人會(huì)不會(huì)把AI變成自己的工作流，可能會(huì)拉開新的生產(chǎn)力差距。

羅福莉這次訪談?wù)嬲档糜涀〉模皇恰癆GI還有兩年”這句話。

而是一個(gè)更直接的提醒：

連AI科學(xué)家都可能低估AI。普通人更不能只靠直覺判斷。

今天就挑一件你最熟悉的工作，讓AI完整做一遍。

不是隨便問一句。

而是把要求、材料、標(biāo)準(zhǔn)、輸出格式都給清楚。

然后你再看：

到底是AI不行，還是你還沒有真正用過它。