小米AI团队负责人罗福莉认为：目前中美AI技术代差仅2-3个月

小米AI团队负责人罗福莉，在4月24日接受知名科技博主张小珺采访时指出，中美大模型目前技术代差仅2-3个月，国内团队若反应迅速，有望直接追上当代国际顶尖模型。

她还提出，当前国内已有多家具备1T以上基座模型的公司，Agent框架将在两个月内快速进化。她认为，推理需求将爆发式增长5-10倍，导致推理芯片需求达到历史峰值，低成本推理解决方案将成为行业核心命题。

罗福莉作为小米AI团队负责人，在AⅠ领域具有丰富的经验。她曾主导多个AⅠ项目的研发，推动了小米在AI技术上的快速发展。

小米AI团队最近推出的MiMo-V2.5-Pro模型，在综合智能指数和Agent指数上，于数天前的Artificial Analysis的数据中，均取得了全球开源大模型并列第一，并进入全球大模型总排名前五。

一、中美技术代差与追赶窗口

罗福莉指出，中美大模型技术代差仅2-3个月，国内团队若反应迅速，有望直接追上当代国际顶尖模型。这一判断与当前行业观察基本一致。

从技术迭代周期看，大模型的核心突破往往集中在算法优化、数据质量和算力调度三个维度。以OpenAⅠ的GPT-4为例，其技术优势主要体现在训练数据的规模和质量、模型架构的创新，以及算力资源的充足性。

国内不少AI团队，在算法层面已接近国际水平，但在数据多样性和算力资源上仍存在差距。然而，这种差距并非不可逾越。

国内企业可以通过优化数据处理流程、提升算力利用率等方式快速缩小差距。例如，阿里云通过自研的飞天操作系统，实现了算力资源的高效调度，显著提升了模型训练效率。

此外，国内团队在应用场景的探索上更具优势，能够更快地将技术转化为实际产品，形成良性循环。

二、Agent框架的快速进化与推理需求爆发

罗福莉在访谈中提到，Agent框架将在两个月内快速进化，随着其能力增强和模型性能跃升，推理需求将爆发式增长5-10倍。

罗福莉因此预言，推理芯片需求将空前高涨。这一预测反映了AⅠ技术发展的一个重要趋势。

Agent框架作为连接模型与实际应用的桥梁，其进化速度直接影响AⅠ产品的落地效果。例如，自动驾驶领域的Agent框架需要实时处理大量传感器数据，做出快速决策。

随着模型性能的提升，Agent框架的复杂度和响应速度也将大幅提升，从而推动推理需求的爆发式增长。这种增长不仅体现在计算资源的需求上，更体现在存储和网络带宽的需求上。

以自动驾驶为例，一辆L4级别的自动驾驶汽车每天产生的数据量可达数TB，对存储和处理能力提出了极高要求。

国内企业在存储技术方面也取得了显著进展，如华为的OceanStor存储系统，能够提供高可靠、高性能的存储解决方案，满足大规模推理需求。

三、低成本推理与规模化扩张

罗福莉认为，低成本推理解决方案将成为行业核心命题。企业不会长期停留在1T参数水平，下一步规模化扩张方向及芯片适配决策，将直接决定半年后AⅠ领域的格局。

这一观点指出了AⅠ产业发展的关键方向。随着大模型的广泛应用，推理成本成为制约其大规模落地的重要因素。

例如，在智能客服领域，一个高参数量的模型虽然能提供更精准的服务，但其高昂的推理成本使得企业难以承受。因此，开发低成本推理解决方案成为当务之急。

国内企业在这一领域一直在进行积极探索，如寒武纪推出的思元系列芯片，通过优化架构设计，显著降低了推理成本。

同时，企业也需要在参数规模和其他维度上进行规模化扩张，以适应不断增长的应用需求。例如，通过增加模型的层数和宽度，或者引入新的训练方法，提升模型的性能和泛化能力。

芯片适配决策也至关重要，企业需要根据自身需求选择合适的芯片，以实现性能和成本的最优平衡。

总结

罗福莉的观点全面而深刻地指出了当前AI领域的发展趋势和竞争焦点。

中美技术代差的缩小为国内Al企业提供了难得的追赶机会，Agent框架的快速进化和推理需求的爆发式增长将推动AⅠ技术的广泛应用，低成本推理解决方案和规模化扩张方向则决定了企业未来的竞争力。

相信国内AI企业应当能够抓住机遇，加强技术研发和应用探索，以在全球AI竞争中占据有利地位。