2026 年 2 月，OpenClaw 的发布标志着 AI Agent 工程化时代正式开启。3月，罗福莉接受了一场长达 3.5 小时的深度访谈，系统性地分享了她对技术演进、竞争格局、组织变革和未来方向的深刻洞察。
本文摘选访谈核心观点，按主题重新组织为五大部分：范式革命、技术重构、竞争格局、组织与人、未来方向。
视频源 ：www.bilibili.com/video/BV1iV... 3.5 小时）
访谈时间推断 ：2026 年 3 月
根据访谈内容中提及的技术节点判断：国内各龙虾版本已推出，但 Claude Code 代码泄露事件尚未发生。
第一部分：范式革命
01 开篇：OpenClaw 龙虾为什么是行业转折点
罗福莉在访谈中坦言，看完 OpenClaw 的相关能力后极度兴奋，她意识到 AI Agent 真正的范式革命已经到来 。这不是一次小功能升级，而是智能体工程化时代的正式开启。
她强调了几个关键认知：
代码能力是通用智能的重要底座。代码具备极强的长程任务与泛化属性，能力边界远大于普通文本对话，也是 OpenClaw 能够突破传统大模型局限的核心根基。
开源驱动群体协同进化。开源框架允许使用者深度改造、共同优化，依靠群体智慧快速迭代；而闭源产品架构固化、难以自定义优化，很难跟上行业高速进化的节奏。
国内环境更适合 Agent 工具普及。相比海外，国内用户对效率提升的诉求强烈，同时高性价比模型生态成熟，成本优势突出，让 Agent 工具的大规模落地与广泛使用具备天然条件。
02 三代 AI 交互范式迭代：彻底理解行业变迁
罗福莉系统性地梳理了 AI 交互范式的三次演进，这一框架对理解当前行业变革至关重要。
第一代：Prompt 工程时代
人适配 AI，依赖个人技巧编写提示词。这种方式效果不稳定、不可复制，本质上是让用户承担了模型能力不足的成本。
第二代：Context 工程时代
通过长文本、知识库、外挂资料补强模型能力，但交互模式依旧是人下指令、AI 被动执行，没有突破工具属性的边界。
第三代：Harness 工程时代（当下）
核心不再是调教模型本身，而是搭建一套让 AI 稳定自主完成任务的完整系统。竞争重心从「拼模型聪明度」转向「拼系统可靠度、流程可控度」。
这意味着，未来不会再依赖个人的魔法提示词，而是转向标准化、工程化的智能体架构。AI 从被动工具进化为主动协作者，这是质的飞跃。
03 大模型行业最大误区：跑分 Benchmark 陷阱
罗福莉尖锐地指出了行业普遍存在的评估误区。
公开榜单上的高分模型，大量是通过场景定制化刷分获得的，真实落地能力极弱。很多所谓的 Agent 只能在测试集上"演戏"，一旦进入真实复杂工作流就立刻失效。
她给出了判别真假 Agent 的最简标准：能否长期稳定完成多步骤、长链路、带纠错能力的复杂任务。这是检验智能体实战能力的试金石。
在范式切换的关键阶段，产品体感和落地实测的价值远超纸面数字指标。企业和开发者需要警惕被漂亮的跑分数据误导，回归真实场景的验证逻辑。
第二部分：技术重构
04 Agent 时代：算力与研发资源分配的彻底重构
罗福莉透露了一组极具价值的内部数据，揭示了资源分配逻辑的根本性转变。
上一代 Chat 时代的资源配比 ：研究：预训练：后训练 = 3:5:1
当下 Agent 时代的全新配比：研究：预训练：后训练 = 3:1:1
核心变化在于：后训练、强化学习、智能体微调已上升到与预训练同等的战略地位。
她强调，单纯堆砌预训练参数已经没有未来。复杂推理、规划、行动能力，全部依赖后训练阶段的精细打磨。更重要的是，模型单独强大已不足以构成竞争力，模型 + 框架 + 调度系统的一体化能力，才是决定胜负的关键。
这一转变意味着，行业竞争的焦点正在从"谁的模型更大"转向"谁的系统更完整"。
05 小米 MiMo 技术路线选择：不盲从 Transformer
罗福莉透露了小米在大模型技术路线上的独特思考。
团队主动布局 SSM（状态空间模型），进行多路线技术储备，而非单一押注 Transformer 架构。这种技术多元化策略体现了对未来不确定性的清醒认知。
MiMo-V2 针对 Agent 场景进行了深度定制，包括混合注意力机制、长上下文优化、多 Token 预测等技术创新。
她强调了技术选型的核心逻辑：不追逐理论热点，一切以推理效率、落地稳定性、任务完成率为标准。这是工程导向而非论文导向的价值观。
更重要的洞察是：中层模型配合优质框架，可以通过系统层面的优化补齐模型短板，实现越级能力。这再次印证了"系统能力 > 模型能力"的核心判断。
第三部分：竞争格局
06 中美大模型真实差距：破除认知偏差
罗福莉对中美大模型差距给出了清晰的判断，破除了许多常见的认知偏差。
在纯预训练底座层面 ，国内头部大厂和团队与海外一线基本没有代差。技术能力的差距并非外界想象的那么大。
真实的落地差距 不在模型底座本身，而在 Agent 化改造、工程落地、系统整合的速度。这是执行力和工程化能力的竞争，而非纯粹的算法竞争。
她判断，整体行业差距只有 2--3 个月，属于「追赶并行」状态，不存在断崖式落后。
更重要的是，国内具备独特优势：场景丰富、需求密集、商业化落地意愿强烈，这些因素正在倒逼智能体技术快速迭代。在应用层面的创新速度上，国内甚至可能实现反超。
07 2026 竞争胜负手：留在牌桌上的关键
当被问及"2026 年什么会成为模型公司竞争的胜负手"时，罗福莉给出了层次分明的答案。
入场券：预训练基座不能缺席
如果连一个大于 1T 参数、基座潜能相当（尤其在 Code 能力上）的模型都没有，就完全没有机会进入竞争。这是最基本的门槛。
第一层竞争：Agent 框架与模型的互相迭代
比拼的核心是：如何让 Agent 框架与模型互相自迭代提升。这不是单向调用，而是框架和模型形成正反馈循环，共同进化。
第二层竞争：战略资源的适配整合
如何让 Agent 架构适配公司现有的战略资源------操作系统、硬件、流量、社交生态等。每家公司的生态位不同，谁能更好地将 Agent 能力与自身独特资源整合，谁就能建立差异化优势。
终极考验：组织变革的勇气
罗福莉指出了最残酷的现实：这非常考验一个公司愿不愿意用一套全新的方式来做事情。原有的做法是否需要推倒重来？人员规模是否需要调整？如何让团队利用 Agent 发挥更大价值？原有壁垒在新生态位上是否还存在？
这些问题触及组织变革的核心痛点。技术突破相对容易，但组织自我革命极其困难。能否直面这些问题并果断行动，将成为企业生死存亡的分水岭。
第四部分：组织与人
08 环境大于经验：AI 时代的人才成长新逻辑
罗福莉提出了一个反常识的观点：在 AI 技术高速迭代、范式快速切换的当下，环境反而比经验更重要。
在 Agent 时代，很多能力短时间内就能快速习得，快则一两个月、慢则三四个月便可掌握。技术的快速迭代使得过往的经验优势被大幅削弱。
旧经验的双刃剑
过往沉淀的固有经验容易形成思维枷锁与路径依赖，限制对新范式的接纳与探索。那些在上一代技术体系中积累的"最佳实践"，可能恰恰成为理解新范式的障碍。
优质环境的重塑力量
相比之下，优质的成长环境能够重塑人的认知，打开视野、激发好奇心与创造力，让人快速适配 Agent 时代的技术变革。
因此在人才筛选与团队建设中，更看重人的底层潜力与可塑性，而非被旧经验束缚的过往履历。依托开放、探索、高频交互的团队氛围，就能让所有人实现高速成长。
这一洞察对整个行业的人才战略具有颠覆性意义：在范式转换期，组织提供的成长环境和学习氛围，比个人的历史积累更能决定未来的竞争力。
09 小米大模型团队：组织与人才底层逻辑
罗福莉分享了小米大模型团队在组织和人才方面的独特实践。
极致扁平化管理：无职级、无部门小圈子、无强制 deadline。她的结论很明确：层级会扼杀 AI 时代最需要的创造力。
百人小团队模式：核心研发人员仅 30--40 人。小团队更灵活，迭代更快，决策链路更短。这与许多大厂的千人团队形成鲜明对比。
选人标准：第一标准是好奇心、自驱力、热爱，学历和履历排在后面。她认为，老旧的行业经验反而可能形成思维枷锁，新人更容易理解新的 AI 范式。
她还透露了一个有价值的观察：预训练人才完全可以转型做后训练，因为数据理解能力、模型直觉是高度通用的。这为人才培养和团队建设提供了新思路。
这些实践背后的核心理念是：在快速变化的领域，组织的灵活性和人的创造力，比规模和经验更重要。
10 AI 时代稀缺的核心资源：想象力
罗福莉对未来稀缺性的判断发人深省。
当下算力、模型、框架等技术基础会逐步走向普惠，执行类的能力不再是门槛。真正稀缺的从来不是技术能力，而是想象力。
AI 能够承接大量具体的执行工作，完成复杂任务落地，但无法自主定义方向、挖掘新问题、开拓新场景。技术再强大，也只能在人类设定的框架内运行。
群体交互激发想象力
个人单一的认知始终存在局限，而群体交互、共同探索的环境，能够互相启发、彼此激发想象力。这也是为什么开放、高频交互的团队氛围如此重要。
想象力是唯一难以替代的能力
在 Agent 快速进化的时代，模型会不断补齐执行与逻辑短板。算力会更便宜，算法会更成熟，数据会更丰富。但唯有突破固有思维的想象力难以被替代。
她的结论是：想象力是未来拉开差距、驱动技术持续创新的核心关键。那些能够想象新可能、定义新方向、发现新问题的人和组织，将在 AI 时代获得压倒性优势。
这意味着教育、培养、选拔的标准都需要根本性调整。在 AI 时代，培养人的想象力和创造性思维，比培养执行能力更加重要。
第五部分：未来方向
11 AI 天然的底层缺陷：进化顺序颠倒
罗福莉提出了一个深刻的观察：当前 AI 的进化路径与生物智能恰好相反。
生物的真实进化路径：先有肉身感知、环境交互，再进化出大脑，最后才产生语言能力。智能是从具身经验中生长出来的。
当前 AI 的进化路径：先掌握语言，再发展推理能力，最后才试图补充现实感知与行动能力。这种"空中楼阁"式的发展路径存在天然缺陷。
她判断，下一代智能体的必然方向是：具身智能、现实世界理解、环境交互、试错行动。只做纯文本 AI，长期会遇到不可突破的能力天花板。
这一洞察指向了 AI 发展的根本性挑战：如何让智能体真正理解物理世界，而不仅仅是处理符号和文本。
12 2026 新定义：工作替代元年
罗福莉将 2026 年定义为"工作替代元年"，这不是危言耸听，而是基于技术成熟度的理性判断。
过去的 AI 主要替代体力劳动和简单重复性脑力劳动。但从 2026 年开始，需要判断、推理、规划、创意的复杂脑力工作将被大规模替代。
这意味着人的角色将彻底转变：从「亲自做事」转向「定义目标、指挥 AI、审核结果」。工作的核心从执行层上升到决策层。
她预判，企业生产模式、个人工作方式都将发生结构性改写。这不是渐进式的优化，而是范式级的重构。那些能够快速适应新协作模式的组织和个人，将获得巨大的生产力优势。
13 真正的 AGI 进度与务实定义
罗福莉给出了一个务实的 AGI 定义，摒弃了玄学化的讨论。
团队的 AGI 定义： 能独立完成绝大多数白领、研发、创意类的完整工作流。这是以实用价值为导向的标准，而非追求科幻式的超级智能。
她透露了当前的进度判断：
- 当前整体行业 AGI 完成度：约 20%
- 短期目标：2026 年底达到 60%--70% 成熟度
这个时间表比许多人预期的要激进，但她认为是可实现的。
她强调，不需要玄幻级的超智能，够用、能落地、能自主解决复杂问题，就是阶段性的 AGI。这种务实态度避免了行业陷入无谓的哲学争论，将焦点拉回到可衡量的能力提升上。
14 未来 1--2 年核心关键词：AI 自进化
罗福莉认为，AI 自进化将是未来 1--2 年最重要的技术突破方向。
过去的 AI 完全依赖人类喂养：人工标注数据、人工设计训练任务、人工调整参数。这种模式的天花板显而易见。
自进化的定义： AI 自主设计实验、自主总结经验、自主迭代模型与策略、自我优化提升。这是从被动学习到主动探索的质变。
她透露了一个重要的时间判断：原本预判需要 3--5 年才能实现，现在看来 1--2 年内就能规模化落地。技术进展速度超出预期。
自进化的价值存在分层：
- 浅层价值：替代重复性工作，提升效率
- 深层价值：自主探索未知领域、加速基础科研、创造全新知识
她强调，自进化是唯一能让 AI 从"执行工具"变成"创造主体" 的路径。这将彻底改变 AI 在人类社会中的角色定位。
精选金句
- 大模型竞争，已经从模型有多好，变成系统有多完整。
- Agent 时代，后训练和预训练同等重要。
- 个人的想象力是局限的，想象力是一个乘积作用。
- 评测分数会骗人，真实任务体感不会。
- 范式转变的时候，只要你路径走对，可以短暂地忽略评估。
- Code 是一个泛化性非常强的场景。
- 开源是分布式技术加速主义，是智能普惠的必经之路。
- 自进化是 AI 唯一能创造新东西的能力，不止是替代现有生产力。
- 层级一定程度上都在规范和约束，而规范和约束压制创造力。
- 智能体的进步靠群体智能，不靠少数天才的个人英雄主义。