AI 闪记纪要：对罗福莉 3.5 小时访谈
↗ 六点下班 · 加入组织AI范式已然巨变｜OpenClaw、Agent范式很吃后训练、卡的分配、组织平权
张小珺Jùn｜商业访谈录
1 范式转折：从 Chat 到 Agent 的结构性跃迁
🔄 核心变量
2026年大模型战争进入第二幕。由 Claude Opus 4.6、OpenClaw 等技术变量触发，AI 范式发生根本性巨变。
📉 时代转向
从 Pre-train（预训练）主导的 Chat 时代，全面转向 Post-train（后训练）主导的 Agent 时代。
“当人类的知识与智慧内化为模型能力，未来的人类去做什么？我们的社会如何消化这次剧烈的技术变革？”
💡 关键判断：Anthropic 的路径已被验证为正确，成为当下行业共识。国内大模型团队正进入加速追赶状态。Pre-train 代差已基本抹平，竞争焦点全面转移。
2 Agent 架构与后训练 Scaling
00:24:17
群体智能提升
Agent 框架依赖多智能体协同与编排工程，解决单一模型能力瓶颈。
Agent 框架依赖多智能体协同与编排工程，解决单一模型能力瓶颈。
00:41:31
系统重心转移
从“以 Rollout 推理引擎为核心”转变为“以 Agent 为核心”的复杂系统。
从“以 Rollout 推理引擎为核心”转变为“以 Agent 为核心”的复杂系统。
01:01:45
自进化与迭代
模型能力内化后，Agent 可实现“左脚踩右脚”的自我提升与 Workflow 自动化。
模型能力内化后，Agent 可实现“左脚踩右脚”的自我提升与 Workflow 自动化。
⚙️ 技术敏捷性要求
Agent 范式极度依赖后训练（Post-train），特别是 RL 的 Scaling。团队必须具备足够敏捷性，快速开发适配新时代的 RL Infra 系统。接下来两三个月是考验团队研究水平与技术拥抱能力的关键期。
3 资源重构：算力分配与组织平权
📊 用卡比例巨变
- Chat 时代：研究:预训练:后训练 ≈ 3:5:1
- Agent 时代：预训练:后训练 ≈ 1:1（顶尖团队）
- 合理比例趋向 3:1:1，后训练算力需求暴增。
👥 组织与人员重组
- 后训练需要 diversity（多样性）。
- 让预训练人员转做后训练是极佳补充。
- 打破部门壁垒，实现组织平权与能力复用。
🎯 管理启示：算力与人力必须向 Post-train 倾斜。组织架构需从“流水线式”转向“敏捷网状”，以适配快速迭代的 Agent 研发节奏。
4 模型 Scaling 路径与未来押注
🎫 入场券
1T 模型是当前阶段的基准入场券。MiMo-V2 系列即在此规模下实现能力跃升。
📈 下一步决策
不会在 1T 水平停留太久。需立即决策：是 Scaling 参数量，还是 Scaling 其他维度？
🔧 芯片适配
在何种芯片架构上进行 Scaling？硬件选型直接决定大半年后的技术领先度。
“如果要拿到下一个阶段的领先，就要寻求更大规模 scaling。这是当下立即需要去决策和判断的，这才决定了大半年过后谁更领先。”
5 行业共识、竞争与认知迭代
🌍 竞争态势
Pre-train 代差已基本抹平。国内团队全面 All-in Agent Post-train。技术追赶从“补基础”转向“拼敏捷”。
🧠 认知迭代
“每天在否认昨天的自己。”AI 没有生存危机，但面临范式转折。一线经验与真实环境比过往理论更重要。
02:39:12
研究者自身工作也面临被 Skill 化、Workflow 化的风险。
03:05:54
Anthropic 路径成共识，追赶窗口期缩短。
03:19:45
环境比经验更重要，实战试错驱动技术突破。