你有没有发现，大模型圈的玩法，短短三年已经彻底换了一轮。去年还在比拼谁的参数大、预训练数据多，今年所有人都把筹码压在了Agent和后训练上。
小米大模型负责人罗福莉在最近一场3.5小时的深度访谈中，把这波AI范式转型说得非常透。作为曾经在达摩院、DeepSeek深耕过的一线研究者，她的判断值得每一个关注AI的人认真读一读。
这波变化到底有多大？
罗福莉的判断非常直接：AI已经从预训练主导的Chat时代，全面进入后训练主导的Agent时代。
这个转变不是量变，是质变。放在两三年前，所有人比拼的都是谁能拿到更多数据、训出更大模型。那个时候，大家的共识是"参数越大，能力越强"。预训练就是一切，后训练只是边角料。
现在情况完全反过来了。预训练的代差几乎被抹平，国内头部团队和国际第一梯队的差距已经非常小。真正的竞争焦点，转移到了Agent场景下的强化学习scaling。
用她的话说，整个系统已经从"以Rollout推理引擎为核心"，变成了"以Agent为核心"的复杂系统。这对团队技术敏捷性提出了完全不一样的要求。
算力分配正在重构
最直观的变化，体现在GPU卡的分配比例上。Chat时代，研究、预训练、后训练的用卡比例大概是3:5:1，预训练吃掉了绝大部分算力。罗福莉说，现在一个合理的比例已经变成了3:1:1，顶尖团队甚至已经做到了1:1。
这个变化意味着什么？——大厂AI实验室的投入重心，已经从"堆参数抢占地盘"，转向了"在Agent场景下精耕细作"。大家都明白，光有大参数不够，能不能把Agent用起来，能不能解决复杂长程任务，才是接下来胜负的关键。
组织也要跟着变
范式变了，组织不变不行。罗福莉提到，后训练时代特别需要团队的多样性。原来做预训练的工程师，转型做后训练就是很好的补充。不同背景的人在一起碰撞，更容易产生新想法。
接下来两三个月会非常精彩。她说，这是检验一个团队能不能快速拥抱新范式的关键时刻。谁能更快调整技术路线、重组团队和算力分配，谁就能在接下来竞争中占得先机。
这里有一个很有意思的点——罗福莉认为Anthropic的路径是对的，这已经是圈内共识。国内团队现在都在往这个方向加速追赶。
1T参数为什么是入场券？
访谈里另一个核心判断：1T以上参数的基座模型，是现在AGI竞争的入场券。但这只是入场券，不是终点。
罗福莉认为，我们不会在1T这个水平停留太久。想要在下一阶段保持领先，必须马上思考：接下来还要继续scale什么？是继续堆参数量，还是scale别的东西？在什么样的芯片上scale？这些决策现在就要做，因为它决定了半年后谁领先。
关于OpenClaw这样的开源Agent框架，她评价也很高：通过持久化记忆和任务编排，不仅弥补了模型本身能力的短板，还能把中层模型的上限给激发出来。未来的方向一定是Agent框架和基座模型协同进化。
对我们普通人意味着什么？
罗福莉说，哪怕是亲手训练模型的研究者，现在都有危机感。她自己就说："我之前认为我们自己做的工作已经足够有创造力、足够不会被Skill化、不会被Workflow化。但我现在发现，它竟然也能！"
当人类的知识和智慧都能内化为模型能力，我们该去哪里？这个问题现在没有人能给出答案。但有一点可以确定：这波变革的速度，比我们想象的快得多。
你我都已经在这艘船上了。与其观望，不如思考——在Agent时代，你的技能会不会被重新编排？你该怎么借这波趋势升级自己的能力？如果你想更深入地探讨这些技术趋势，欢迎来云栈社区与大家一起交流。
发表于 2 小时前
|
查看: 2|
回复: 0
