3月27日，2026中关村论坛年会“人工智能主题日·主题论坛”在京举办。MiMo大模型负责人罗福莉出现在以“OpenClaw与AI开源”为主题的圆桌论坛环节。
罗福莉称，OpenClaw（俗称：“龙虾”）的核心价值有两点，第一是开源。从基座模型的角度看，这类框架一方面保证了基座大模型的下限，另一方面又拉伸了它的上限。第二是OpenClaw点燃了大家对Agent（智能体）层的想象力。在她看来，随着大模型及Agent框架的进步，推理需求会继续迅速增长，甚至将竞争带到模型之外的算力、推理芯片、能源层面。
《每日经济新闻》记者注意到，被要求用一个词描述未来一年大模型发展的趋势以及自己的期待时，罗福莉选择了“进化”。
OpenClaw最核心的价值有两点
罗福莉穿着黑白格子衫和牛仔裤，是台上穿着最松弛的一位嘉宾。作为小米MiMo大模型负责人，她在过去数月间与团队一起发布了多款自研模型，也因AI“天才少女”、前DeepSeek研究员等身份标签备受关注。
（图源：主办方供图）
谈及近期大火的OpenClaw，罗福莉称，自己将其看作Agent框架层面一个非常革命性、也非常颠覆性的事件。“虽然我知道，我身边很多做深度Coding（编码）的人，第一选择可能仍然是Claude Code（Anthropic公司推出的终端AI编程助手），但我相信，只要真正用过OpenClaw，你就会很明确地感受到，这个框架在很多设计上其实是领先的。包括最近Claude Code的不少更新，在我看来，某种程度上也是在向OpenClaw靠近。”罗福莉称。
以自己的使用体验为例，罗福莉谈到，OpenClaw最核心的价值有两点。第一是开源。她进一步称，如OpenClaw、Claude Code这样的框架，很大的价值在于将国内那些还没有完全逼近闭源模型、但已经位于开源模型赛道前列的模型，上限显著拉高了。从基座模型的角度看，这类框架一方面保证了基座大模型的下限，另一方面又拉伸了它的上限。第二是“除此之外，我觉得它给整个社区带来的另一个重要价值，是点燃了大家对于Agent层的想象力。”罗福莉称。
把推理成本打来 ，把速度提上去
被问及“小米做大模型的独特优势”时，罗福莉笑着将问题退了回去。“我想先把‘小米做大模型有什么独特优势’这个问题放一放。我更想谈的，其实是中国大模型团队在做基座模型这件事上的整体优势，因为我觉得这个话题更有普遍价值。”
据罗福莉介绍，大概从两年前开始，她就已经看到，中国的基座模型团队在这个方向上出现了非常重要的突破：在有限算力，尤其是在NVLink（由英伟达开发的一种高速、低延迟的芯片间互连技术）互联带宽受限的情况下，该如何突破这些硬件条件带来的限制，做一些看起来像是在为效率妥协、但本质上却是模型结构创新的工作，如 DeepSeek V2、V3系列中的细粒度MoE和MLA等。
“后来我们看到，这类创新其实带来了一场真正的变化。”在她看来，DeepSeek的出现，给了国内所有基座模型团队很大的勇气和信心。包括DeepSeek的相关探索，Kimi的相关方案，以及小米面向下一代模型结构所做的一些研究，都指向同一个问题：进入Agent时代之后，模型结构到底应该如何进一步演化。
“刚才我们一直在讨论OpenClaw。只要你真正用过就会发现，它往往是越用越好用，越用越聪明。而它成立的一个前提，就是推理阶段必须拥有足够长的context（上下文）。”
罗福莉直言，Long context （长上下文）其实已经是一个被讨论了很久的话题，但直到今天，大家才真正开始意识到，不是模型做不到百万级甚至千万级上下文，而是如果推理成本太高、速度太慢，这件事就没有现实价值。
“所以，真正关键的问题是，能不能在100万甚至1000万级context的情况下，把推理成本打下来，把速度提上去。”在她看来，只有在这种前提下，用户才会愿意把真正具有高生产力价值的任务交给模型，模型也才有机会在长上下文环境中完成更高复杂度的任务。甚至可以说，只有到了1000万级、上亿级上下文的阶段，才可能真正看到模型的自我迭代能力被释放出来。
“我们现在也在思考，怎样构造更有效的学习算法；怎样采集在100万、1000万、甚至更长上下文里，真正具有长期依赖关系的文本；以及怎样结合复杂环境，生成高质量的轨迹数据。这些，都是我们正在持续推进的事情。”
罗福莉称，自己看到的更长期趋势是，随着大模型本身在飞速进步，再叠加Agent框架的加持，推理需求一定会继续迅速增长，这就将竞争带到了另一个维度，模型之外的算力、推理芯片，甚至能源层面的竞争。
“自进化”已具备比较可行的实现路径
被要求用一个词描述未来一年大模型发展的趋势以及自己的期待时，罗福莉选择了“进化”。同时，她对一年这个时间节点也表示了赞同。“我觉得，把这个问题收缩到一年的尺度非常有意义。如果把时间拉到5年，在我对AGI的理解里，很多事情几乎已经是必然会发生的了。”
在她看来，虽然“进化”听起来有点抽象，但她最近对这个词有了更具体、也更务实的理解，也于近期真正开始感受到，“自进化”其实已经具备比较可行的实现路径。她表示，随着模型能力增强，在过去单纯对话式的范式下，预训练模型的上限其实并没有被真正发挥出来。而今天，这个上限正在被Agent框架逐步激活。
“我们现在已经摸到这个边界了。”罗福莉称，如果这种“自进化”机制可以持续运转，潜力将会非常大。“现在其实很多国内模型已经能够稳定跑上一到两天了。当然，这和任务难度有关。”她提到，在一些确定性较强的任务上，模型已经能自主优化并持续执行两三天。
在罗福莉看来，“自进化”是一个真正可能创造新东西的方向，不是简单地替代人类已有的生产力，而是像顶尖科学家一样，去探索世界上原本还不存在的东西。一年前，她觉得这个过程大概要三到五年；但到了最近，反而觉得这个时间窗口应该缩短到一到两年。“我们可能很快就能看到，在一个很强的自进化Agent框架加持下，大模型对科学研究带来至少指数级的加速。期待这种范式未来能够辐射到更广泛的学科和领域。\"
分享结束后，人群涌向罗福莉，她在会议主办方的引导下快速走向会场外，并以后续“有事”为由婉拒了采访诉求，但仍有追逐者一直跟随。一位志愿者向前对她表达了感谢，提及此前在网络上受到罗福莉的文章的启发，罗福莉做了个握拳的动作，还对这名志愿者说：“加油”。
（每经记者李少婷对本文亦有贡献）
长红配资提示：文章来自网络，不代表本站观点。
