在今天舉行的2026中關村論壇年會開源主題圓桌上，月之暗面創始人楊植麟和智譜CEO張鵬，小米MiMo大模型負責人羅福莉，以及無問芯穹聯合創始人兼CEO夏立雪、香港大學助理教授、博士生導師、Nanobot團隊負責人黃超等業界重量級人物齊聚一堂，對AI行業大家關心的問題進行深入探討。

小米新模型的推出，讓擁有DeepSeek背景的羅福莉進一步成為大衆視線的焦點。羅福莉在中關村論壇的現身，和一衆頭部模型公司大佬同台論道，對小米大模型來說，無疑也是一次「抬咖」。

以下是羅福莉在這場圓桌會談中的發言匯總：

楊植麟：現在最流行的就是OpenClaw，大家在日常使用或者類似產品時，覺得什麼最有想象力或印象深刻？

羅福莉：我認為OpenClaw是一個非常革命性和顛覆性的事件。雖然深度Coding的人首選可能還是Code，但用過OpenClaw的人會感受到它在Agent框架設計上是領先於Code的，Code的最新更新其實都在向OpenClaw靠近。

它給我的最大價值在於「開源」：這有利於社區深入參與。它把國內次頂級閉源模型的上限拉得非常高，在絕大部分場景下任務完成度已非常接近最新模型，同時又靠Skill體系保證了下限。

此外，它點燃了大家的想象力。大家發現大模型外的Agent層有巨大空間，更多人不僅是研究員，開始參與AGI變革，這在一定程度上替代了重複工作，釋放了時間去做更有想象力的事。

楊植麟：羅福莉，小米最近通過發布新模型和開源技術對社區做出了貢獻，小米做大模型有什麼獨特優勢？

羅福莉：我想先不談小米的獨特優勢，而是談談中國大模型團隊的優勢。

兩年前，中國團隊在算力受限，尤其是互聯帶寬受限的情況下，做出了突破：在低端算力限制下，通過模型結構創新（如DPCV3、M1、MA等）去追求最高效率。這給了我們勇氣和信心。

雖然現在國產芯片不再受限，但這種對高效率、低推理成本的探索依然重要。例如，現在的Hybrid、SPA、Linear Attention結構等。

為什麼結構創新重要？因為OpenClaw越用越聰明的前提是推理Context。現在的難題是：怎麼在1M或10M的長上下文下，做到成本夠低、速度夠快？只有這樣，才能激發高生產力任務，實現模型自迭代，在複雜環境中依靠超長Context完成自我進化。

我們現在正在探索Long Context Efficient架構，以及如何在真實長距離任務上做到穩定和高上限。

更長期看，隨着推理需求爆發，今年可能增長100倍，競爭維度將下探到算力、推理芯片甚至能源層面。

楊植麟：最後我們來做一個開放式展望。想請各位用一個詞來描述接下來十二個月大模型發展的趨勢，以及你的期望。

羅福莉：我覺得，把這個問題縮小到一年，其實非常有意義。因為如果放到五年，從我自己對AGI的定義來看，我甚至會覺得它已經實現了。

如果要用一個詞來描述接下來一年裏，AGI進程中最關鍵的一件事，我認為會是「自進化」。

雖然這個詞聽起來有點玄，過去一年大家也提過很多次，但我最近才真正對它有了更深的體會。更重要的是，我開始看到「自進化」這件事，已經出現了一個更務實、可落地、可實操的路徑。

原因在於，藉助於足夠強大的模型，我們之前在chat這個範式下，其實並沒有真正發揮出預訓練模型的上限。而這個上限，現在正在被Agent框架激活。尤其是當模型開始執行更長時間任務的時候，我們會發現，它是可以自己學習、自己進化的。

一個很簡單的嘗試就是：在現有的Agent框架裏，給它疊加一個可驗證的約束條件，再給它設定一個loop，讓模型不停下來，持續地圍繞目標迭代優化。這樣我們就會發現，它能夠不斷拿出更好的方案。

如果這種自進化持續下去，現在其實已經可以跑一兩天了，國內很多模型基本都能做到，當然這也和任務難度有關。比如在一些科學研究任務裏，像探索更好的模型結構，因為模型結構本身有明確的評估標準，比如更低的perplexity，這類任務就比較適合驗證。我們已經發現，在這種確定性較高的任務上，模型能夠自主運行和演化兩三天。

所以從我的角度看，自進化是目前唯一一個真正有機會創造「新東西」的方向。它不是簡單替代現有人的生產力，而是像頂尖科學家一樣，去探索這個世界上原本還不存在的東西。

其實一年前，我還覺得這個進程可能需要三到五年；但就在最近，我開始覺得這個時間尺度應該縮短到一到兩年。也就是說，我們很可能在近期就能看到：大模型疊加一個很強的自進化Agent框架後，對科學研究帶來至少指數級的加速。

因為我最近已經觀察到，我們組內做大模型研究的同學，他們的workflow本身就高度不確定、依賴創造力。而藉助Claude Code，再加上頂尖模型，基本已經能夠把我們自己的研究效率提升接近十倍。

所以我非常期待，這樣的範式能夠輻射到更廣泛的學科和領域。我覺得這是接下來非常重要的一件事。