罗福莉的两个反共识
原创 邱晓芬 智能涌现2025年12月17日 16:39北京
在小说阅读器中沉浸阅读
1、AI的发展根基不稳固，像是空中楼阁；2、数据和算力，不是AI真正的护城河。 |
文｜邱晓芬
编辑｜苏建勋
官宣加入小米一个月后，原Deepseek核心成员、被称为“天才少女”的罗福莉首次露面，并在小米“人车家全生态合作伙伴大会”上公开发表演讲。
这次亮相，她的身份是小米MiMo大模型的负责人。
罗福莉略显紧张，偶尔卡壳。在演讲开场，罗福莉将AI的演进与生物进化做对比，指出AI正在以非线性的方式重演人类大脑6亿年的进化史。
在她看来，经过了强化、模拟、心智的发展，语言是生物智能最后的产物，而AI的发展则是完全反过来——大模型是从语言开始解码人类的思维，自上而下倒推智能的产生。
为此，小米也从语言出发，发布了全新的语言基座模型 MiMo-V2-Flash。据其介绍，这一大语言模型的核心特点可以概括为三点：更强的代码和工具调用能力、更高推理效率和更低成本、更强的强化学习训练。
具体而言，为了实现极致推理效率，罗福莉团队重新设计了模型结构，其中包括两项核心创新。
据罗福莉介绍，小米 MiMo-V2-Flash采用了Hybrid Attention架构（混合注意力），其中，Hybrid Sliding Window Attention（混合滑动窗口注意力）和 Full Attention（全局注意力）的比例大概是 5:1。
这种架构的好处是，不仅能适配当代主流的Infra推理框架，还兼顾长短文推理和知识检索的综合性能。
其次，小米也挖掘MTP（Multi-Token Prediction，多令牌预测）的潜力。
MTP最早是用于推理加速，后来DeepSeek将其用于提升基座模型。
而小米也在训练时加入了一层MTP层以提升基座潜能，并在微调时加入了更多层的 MTP，这样使得用少量算力就提升了 MTP 层的接受率，实现2.2到2.6倍的推理加速。
罗福莉用价格和效率列了一个象限，证明MiMo-V2-Flash的优势。
比如，在参数方面，MiMo-V2-Flash的总参数只有309B（激活15B），相比于Deepseek V3.2和Kimi K2 Thinking，参数量减少了1/2-1/3。
而在推理的速度方面，MiMo-V2-Flash是Deepseek V3.2的三倍，成本更是比Gemini 2.5pro低了20倍。
除了在预训练方面进行模型架构创新，小米大模型团队也在思考如何扩展强化学习训练。一直以来，强化学习训练通常不稳定，罗福莉提出了 MOPD（Multi-Teacher On-Policy Distillation，多教师在线策略蒸馏） 范式。
据介绍，MOPD是一种学习效率更高的模式，简短的几十步就能将各领域专家的能力快速蒸馏到 Student 模型上。
MiMo-V2-Flash目前初步具备模拟世界的能力，可以用HTML来写操作系统、模拟太阳系、或者是让它画一棵圣诞树等等。
她认为，下一代的智能体并不是一个简单的“语言模拟器”，而是一个真正理解世界、与人类共存的智能体。而要实现这一愿景，Agent关键需要具备两项潜能。
首先，在执行层面，Agent需要从过去只会回答问题，到能够完成任务，实现记忆、推理、自主规划、决策、执行的全链路闭环。
另外，在感知层面，下一代Agent也需要有统一的多模态感知，为理解物理世界打好基础——这才有利于嵌入智能眼镜等全新智能终端，融入人类日常的工作流里。
在演讲末尾，罗福莉也发表了对于当前AI行业的两点反共识看法。
在罗福莉看来，大模型本质上是一种算力的暴力美学，直接从语言入手，但跳过了对世界的感知磨砺（即下图第三层的“模拟”），也缺乏实体，跳过与世界产生交互的环节（即下图第一层的“转向”），像是“空中楼阁”一般。
比如，当前的大模型虽然能力超群，但并不懂重力这种物理法则，也产生了很多具身的幻觉。“大模型只有一个完美的语言外壳，而缺乏锚定现实世界的物理模型”，她表示。
为此，罗福莉表示，AI的下一个起点是，需要有一个和物理世界产生交互的物理模型。
她认为，AI本质上要打造的不是一个程序，而是一个在物理上有一致性、时空上有连贯性的“虚拟宇宙”。AI不是要看画面、理解文本，而是要推演整个世界的真实逻辑。“真正的智能不是从文本里读出来的，而是在交互里产生的”。
谈及竞争力方面，罗福莉认为，算力和数据并不是真正的AI护城河，而是研究文化和研究方法，将未知的问题结合模型优化成可用产品能力。
首次公开演讲，罗福莉还借此机会打了广告。她直言，小米的大模型核心团队是一个研究、产品、工程深度耦合的团队，充满创业精神，而且极度好奇、追求真理。
罗福莉回忆道，当她开始研究大模型时，国内的开源大模型与国外的大模型代差有三年的时间，但现在的差距只有几个月。
“我相信开源的价值，本质上是一种分布式技术加速主义，开源是 AGI实现普惠化，确保所有人类智慧共同进化的唯一路径”，罗福莉表示，从数据的极速压缩到算法范式创新，再到物理空间的深度链接，小米将与全球 AI共同定义未来。
（文内图片来源均为作者拍摄）
