ai出来了，股票还在_老虎社区_美港股上老虎

大涨涨不停
2025-12-17

ai出来了，股票还在跌呀。

AI天才少女、“雷军的秘密武器”罗福莉首秀：详解小米AGI之路

在这次大会上，小米MiMo团队负责人罗福莉完成了首秀演讲。作为前DeepSeek核心成员，罗福莉自从加入小米，就被视为小米AI研发走向“正规军化”和“极客化”的里程碑。罗福莉的首秀略显紧张，但不负众望，她带来了一个高效的模型MiMo-V2-Flash，也抛出了新的AGI梦想。但今天的罗福莉，确实在给小米，讲了一个可围绕“人车家生态的”、新的AGI故事。

AI天才少女、“雷军的秘密武器”罗福莉首秀：详解小米AGI之路

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

推荐
最新

暂无评论

热议股票

{"i18n":{"language":"zh_CN"},"data":{"magic":2,"id":511688816718976,"tweetId":"511688816718976","gmtCreate":1765951067889,"gmtModify":1765952797425,"author":{"id":3539656233972898,"idStr":"3539656233972898","authorId":3539656233972898,"authorIdStr":"3539656233972898","name":"大涨涨不停","avatar":"https://static.tigerbbs.com/c13370eafba7d180845fdac324c23cc1","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body>ai出来了，股票还在跌呀。</body></html>","htmlText":"<html><head></head><body>ai出来了，股票还在跌呀。</body></html>","text":"ai出来了，股票还在跌呀。","highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/511688816718976","repostId":2592836965,"repostType":2,"repost":{"id":"2592836965","kind":"news","pubTimestamp":1765946383,"share":"https://www.laohu8.com/m/news/2592836965?lang=zh_CN&edition=full","pubTime":"2025-12-17 12:39","market":"hk","language":"zh","title":"AI天才少女、“雷军的秘密武器”罗福莉首秀：详解小米AGI之路","url":"https://stock-news.laohu8.com/highlight/detail?id=2592836965","media":"腾讯科技","summary":"在这次大会上，小米MiMo团队负责人罗福莉完成了首秀演讲。作为前DeepSeek核心成员，罗福莉自从加入小米，就被视为小米AI研发走向“正规军化”和“极客化”的里程碑。罗福莉的首秀略显紧张，但不负众望，她带来了一个高效的模型MiMo-V2-Flash，也抛出了新的AGI梦想。但今天的罗福莉，确实在给小米，讲了一个可围绕“人车家生态的”、新的AGI故事。","content":"<html><body><article><img src=\"https://inews.gtimg.com/news_bt/ONflyRMeMC-ZlQTNItek_8AexA8hpJ3_mnOC7JfsyDDaIAA/0\"/>文｜郭晓静编辑｜徐青阳12月17日，2025<a href=\"https://laohu8.com/S/XIACY\">小米</a>“人车家全生态合作伙伴大会”举办。在这次大会上，<a href=\"https://laohu8.com/S/01810\">小米</a>MiMo团队负责人罗福莉完成了首秀演讲。作为前DeepSeek核心成员，罗福莉自从加入<a href=\"https://laohu8.com/S/81810\">小米</a>，就被视为小米AI研发走向“正规军化”和“极客化”的里程碑。市场曾期待她能带来像DeepSeek那样颠覆性的“小而美”模型，而罗福莉身上AI时代的极客特质，也许能与小米初创时期的极客基因完美相融，产生新的化学反应。罗福莉的首秀略显紧张，但不负众望，她带来了一个高效的模型MiMo-V2-Flash，也抛出了新的AGI梦想。在她看来，现在的模型大多只是“完美的语言外壳，没有锚定现实世界的物理模型”；“真正的智能是从交互中活出来的”，通往AGI的必经之路，不是打造一个程序，而是“推演整个世界的运作逻辑，打造一个虚拟宇宙”。这次首秀，罗福莉确实带来了鲜明的“DeepSeek 基因”，比如MoE架构、MTP技术和对极致效率的追求。此次开源的MiMo-V2-Flash模型，它具备三个核心特点：高效推理：虽然总参高达309B，但通过MoE架构仅激活15B，结合被低估的MTP（多令牌预测）技术，生成速度达到150 tokens/秒。这带来约2.5倍加速，主要为了解决车机、助手等端侧交互对延迟的敏感。创新的长文本架构：设计上追求“简单优雅”，采用Hybrid SWA机制，锁定128 tokens的“神奇窗口”。这不仅支持256K长上下文，固定了KV缓存以降低硬件压力，还在代码生成上刷新了SOTA。极高的性价比：落地层面非常务实，后训练阶段采用MOPD技术，用极低的计算量（不到标准流程1/50）复刻教师模型性能，意在降低大规模部署的成本。<img src=\"https://inews.gtimg.com/news_bt/OmoAeVdhZ5xPho-N75z25o9QXY5sWVFOtYJgrymYZPd94AA/0\"/>这场首秀被安排在“人车家全生态”大会上，意义耐人寻味。罗福莉在小米的职责很明确：主导大模型研发，通过高效推理与智能体技术，推动AI从“语言交互”跨越到“物理世界”，赋能全生态。但客观来看，端侧AI智能、赋能全生态的<a href=\"https://laohu8.com/S/LI\">理想</a>还在路上，现在的硬件依然难以支撑这样一个已经“极致效率”的模型。以当前最高端的旗舰手机为例，端侧模型的舒适区依然停留在3B到7B参数之间。MiMo-V2-Flash的15B激活参数，对移动设备而言依然是“房间里的大象”。所谓的“高效推理”，更多是指在云端数据中心实现了高吞吐量，对于用户手中的终端，这依然是一个重度依赖网络的“云端模型”。虽然有惊喜，但是此次小米并没有打破端侧AI的算力天花板，对于期待“AI手机”变革的用户而言，还需要继续等待。但今天的罗福莉，确实在给小米，讲了一个可围绕“人车家生态的”、新的AGI故事。<img src=\"https://inews.gtimg.com/news_bt/OULSg2tEIky83ahY6bZO2esB2SZcCoBNyajPMZMi__0w8AA/0\"/>以下为演讲实录（为优化阅读体验，做了二次编辑、删减）：一、 从<a href=\"https://laohu8.com/S/000504\">生物</a>演变看 AI 发展路径今天我想带大家换一个视角，从10亿年生物进化的长河中，重新去审视我们正在经历的这一场 AI 变革。如果我们回到生命进化的历程，会发现自然界在构建智能这座金字塔时，遵循着非常严密的逻辑：在 6 亿年前，生命首先学会了控制身体与环境互动；紧接着进化出了多巴胺系统，通过强化学习进一步提升生存能力；在 2 亿年前，哺乳动物的大脑首次具备了在行动前先在大脑里模拟未来的能力；最终我们发现，人类才登上了智能的塔尖，掌握了语言这一抽象的符号系统。所以我们能看到，生物演化的规律是先具备对物理世界的感知和生存体验，最后才诞生了语言。但大家都能发现，到现在为止，大模型的发展路径其实跟生物进化路径是不同步的，甚至说是一种倒叙，或者说是一种跳跃。<img src=\"https://inews.gtimg.com/news_bt/OxZ8ijMmM-pLFDOBEyM41_tc9L-_gMRKBYXmTktBU_YhwAA/0\"/>生物是先从行动进化到思考，再进化到语言；但是大模型是先学会了语言，再去补齐它的思考能力，最后再去补齐对物理世界的模拟以及具身感知。为什么大模型智能的产生首先是在语言领域？因为语言不仅仅是一种符号的排列组合，更是人类思维以及对于世界的一种描述。在文本领域的投射，本质上是一种有损压缩。当大模型通过 Next Token Prediction（下一词预测）这种范式在海量文本里进行学习，试图把 Loss（损失函数）降到最低的时候，我们发现它不仅仅是在拟合一个统计规律，而是在压缩人类数十亿年间关于这个世界的认知同构。这种压缩的过程，在我们看来就是一种智能。所以，大模型通过语言的爆发，通过 Scaling（扩展）算力和数据，从而理解了人类的思维和对世界的理解。但其实它并不真正像人类一样具备对整个物理世界的感知。严谨来说，它应该是成功地解码了人类思维在文本空间的一个投影。大家都能看到，这其实是一种自顶向下的捷径，因为它是在学习一种智能的结果，来倒推智能产生的过程。二、 MiMo-V2-Flash 的诞生，解决三大核心问题不管怎么说，语言包含了人类对世界极致的压缩，是智慧的结晶，也是高阶智能体之间高效协作的工具。因此，小米从语言出发，构建了全新一代面向 Agent（智能体）的基座模型——MiMo-V2-Flash。MiMo-V2-Flash 在研发之初，主要围绕着三个非常关键的问题展开：第一，我们认为当代的智能体必须要有一个高效的沟通语言，即代码能力和工具调用能力。第二，目前智能体之间的沟通带宽非常低，如何加速带宽？这需要一个推理效率极高的模型结构。第三，Scaling 的范式已经逐步从预训练（Pre-train）转向后训练（Post-train），我们如何激发后训练的潜能？这就需要一个稳定的范式，以便在强化学习（RL）上投入更多的 Compute（算力）。在这三个问题的驱动下，我们看到了 MiMo-V2-Flash 超强的基座潜能。虽然它的总参数在我看来非常小——总参数 309B，激活参数只有 15B，我甚至都不愿意称它为“大”模型——但它的代码能力和 Agent 能力在世界级公开公正的评估榜单上，已经进入了全球开源模型 Top 1-2 的行列。基本上，大部分评估基准已经超过或者与 DeepSeek-V3、Kimi、Qwen 等模型相当，而这些模型的总参数量通常是 MiMo-V2-Flash 的两倍到三倍。<img src=\"https://inews.gtimg.com/news_bt/OnXoWi2uFiqPPM78T4rrFvWk-hgpzXgE1wLVfkd6LwMqUAA/0\"/>三、 性能与成本的平衡，挑战推理不可能三角这个图展示了全球相同水位大模型在价格和速度上的比较：横轴是推理价格（从大到小），纵轴是推理速度（从小到大）。我们能看到 MiMo 在右上角，代表了低成本、高速度。举两个Bechmark进行对比： 比如 DeepSeek-V3.2，MiMo-V2-Flash 比它更便宜一点，但推理速度大概是 V3.2 的三倍左右。再比如 Gemini 2.5 Pro，虽然综合性能相当，且推理速度差不多，但 Gemini 2.5 Pro 的推理成本比 MiMo-V2-Flash 贵了整整 20 倍。四、 架构创新与 MTP 加速那么我们是怎么做到这一切的呢？核心关键在于围绕“极致推理效率”重新设计模型结构，主要依靠两个创新。第一个是Hybrid Attention（混合注意力）结构。我们采用了 Hybrid Sliding Window Attention（混合滑动窗口注意力）和 Full Attention（全局注意力），比例大概是 5:1。为什么选 Sliding Window Attention？因为它看起来非常简单，只关注邻域的 128 个 Token。经过大量实验验证，我们发现一些看似复杂的 Linear Attention（线性注意力）结构，在兼顾长短文推理和知识检索的综合性能上，其实并不如简单的 Sliding Window Attention。更重要的是，它的 KV Cache 是固定的，能非常好地适配当代主流的 Infra（基础设施）推理框架。<img src=\"https://inews.gtimg.com/news_bt/O7BiTCtX_73_CJzUrmkoKFnIWZI3rMIrmj9yyswo_FJrkAA/0\"/>图：MiMo-V2-Flash全局注意力（GA）和滑动窗口注意力（SWA）的1:5混合结构第二个是挖掘 MTP（Multi-Token Prediction，多令牌预测）的潜力。MTP 一开始被提出是用于做推理加速的，后来 DeepSeek 将其用于提升基座模型能力。我们在训练时加入了一层 MTP 层以提升基座潜能，并且在微调时加入了更多层的 MTP，用少量算力就提升了 MTP 层的接受率。最终推理时，我们使用了三层 MTP 进行加速并行 Token 验证。在实际场景中，这种方式能做到 2.2 到 2.6 倍的推理加速。在社区关于三层 MTP 的情况下，我们来看模型输出吞吐：在单机吞吐能做到 5,000~15,000 Tokens/秒的基础上，单请求吞吐也能做到 150~155 Tokens/秒。使用 MTP 相比不使用，整体速度提升了 2 到 3 倍。五、 训练范式革新：MOPD 与自进化除了关注预训练结构的高效性，我们还在思考如何扩展强化学习训练的 Compute。强化学习训练通常非常不稳定，因此我们提出了MOPD（Multi-Teacher On-Policy Distillation，多教师在线策略蒸馏）范式。<img src=\"https://inews.gtimg.com/news_bt/O5nthvgxsTGWoSd4K88vadeqbM9pgl6Gt0z1LV_u2nfwUAA/0\"/>它的核心在于 On-Policy，依赖稠密的 Token Level Reward（令牌级奖励）进行监督学习。通常 Post-train 范式会通过 SFT 和 RL 拿到各领域专家模型。MOPD 则会让 Student（学生）模型基于自身概率分布 Roll out（生成）一些序列，然后用专家模型对这些序列进行打分，提供非常稠密的监督信号。我们发现这种学习效率极高，通过简短的几十步就能将各领域专家的能力快速蒸馏到 Student 模型上。此外，我们还有一个意外发现：当 Student 很快超越 Teacher 时，我们正在尝试将 Teacher 替换成更强的 Student，继续自我迭代提升，这是一个正在进行中的工作。六、 迈向物理世界：从语言模拟到真实交互MiMo-V2 已经初步具备在语言空间模拟世界的能力。比如，我们可以通过 HTML 让它写一个操作系统，很多功能都是可实现的；或者写一个 HTML 模拟太阳系；甚至做一个画圣诞树并产生交互的小 Demo。<img src=\"https://inews.gtimg.com/news_bt/Or0XYDqpMPRrc3aCWOCGZcwm0T7Jb2RJ_3Saiy1Ci8DvQAA/0\"/>MiMo-V2-Flash 已经在昨天发布，我们开源了所有模型权重，同步了技术报告细节，并提供了 API 供开发者接入 Web Coding IDE。我们的体验 Web 也已上线，大家可以扫描试用。虽然现在的大模型能聊天、能写代码，但我相信大家还是不放心把身边复杂的任务交给它。我认为真正的下一代智能体系统，不应该只是一个语言模拟器，而是需要跟世界共存。下一代智能体必须具备两个潜能： 第一，从“回答问题”变成“完成任务”。这不仅需要记忆、推理、规划能力，更需要一个 Omni（全模态）的感知能力。做一个统一的动态系统非常必要，这是理解世界的基础。有了这个基础，模型才能无缝嵌入到像眼镜这样的智能终端，融入我们的生活流。<img src=\"https://inews.gtimg.com/news_bt/Ox6pqrALUFm5YdC-ouHRMdfDVBgKxaURkaihYE3lThMmcAA/0\"/>第二，构建物理模型。回到开头的话题，现有大模型本质上是用算力的“暴力美学”攻克了顶层的语言和第二层的强化学习，但跳过了中间对世界的感知和模拟，以及底层的实体交互。这就是为什么大模型能做奥数、模仿莎士比亚，却不懂重力等物理法则，经常产生具身幻觉。因此，AI 进化的下一个起点，一定要有一个可以跟真实环境交互的物理模型。我们要打造的本质上不是一个程序，而是一个具备物理一致性、<a href=\"https://laohu8.com/S/605178\">时空</a>连贯性的虚拟宇宙。这意味着 AI 能力的本质跨越——不仅仅是看懂画面，而是理解背后的物理规律；不仅仅是处理文本，而是推演世界的运作逻辑。真正的智能绝对不是在文本里读出来的，而是在交互里“活”出来的。</article></body></html>","source":"tencent","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>AI天才少女、“雷军的秘密武器”罗福莉首秀：详解小米AGI之路</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\nAI天才少女、“雷军的秘密武器”罗福莉首秀：详解小米AGI之路\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-12-17 12:39 北京时间&nbsp;&nbsp;&nbsp;<a href=http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251217124217a6ac52ed&s=b>腾讯科技</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n文｜郭晓静编辑｜徐青阳12月17日，2025小米“人车家全生态合作伙伴大会”举办。在这次大会上，小米MiMo团队负责人罗福莉完成了首秀演讲。作为前DeepSeek核心成员，罗福莉自从加入小米，就被视为小米AI研发走向“正规军化”和“极客化”的里程碑。市场曾期待她能带来像DeepSeek那样颠覆性的“小而美”模型，而罗福莉身上AI时代的极客特质，也许能与小米初创时期的极客基因完美相融，产生新的...\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251217124217a6ac52ed&s=b\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"","relate_stocks":{"81810":"小米集团-WR","LU0463099449.HKD":"SCHRODER ISF CHINA OPPORTUNITIES \"A\" (HKD) ACC","LU0117841782.USD":"JPM GREATER CHINA \"A\" (USD) INC","BK1502":"双十一","LU0593848301.USD":"未来资产亚洲卓越消费股票基金A","LU1868838027.USD":"CT (LUX) I GLOBAL EMERGING MARKET EQUITIES \"8\" (USD) ACC","LU0235996351.USD":"UBS (LUX) KEY SELECTION SICAV - ASIAN EQUITY (USD) \"P\" (USD) ACC","LU0417516738.SGD":"Allianz Hong Kong Equity AT Acc SGD","LU0499858602.USD":"NINETY ONE GSF ASIA PACIFIC EQUITY OPPORTUNITIES \"A\" (USD) ACC","LU2226246903.HKD":"ALLIANZ TOTAL RETURN ASIAN EQUITY \"AT4\" (HKD) ACC","LU0348735423.USD":"ALLIANZ HONG KONG EQUITY \"A\" (USD) INC","BK1589":"北水核心资产","IE0032431581.USD":"PINEBRIDGE GREATER CHINA EQUITY \"A\" (USD) ACC","LU0244354667.USD":"SCHRODER ISF CHINA OPPORTUNITIES \"A\" ACC","LU1956131251.USD":"BNP PARIBAS SUSTAINABLE ASIA EX-JAPAN EQUITY \"C\"MD (USD) INC","LU1251922891.USD":"NINETY ONE GSF ALL CHINA EQUITY \"A\" (USD) ACC","BK1618":"Manus概念股","BK1193":"电脑硬件、储存设备及电脑周边","LU0594300419.USD":"富达中国消费基金A","LU0797268264.HKD":"ALLIANZ TOTAL RETURN ASIAN EQUITY \"AT\" (HKD) ACC","LU1961090484.USD":"ALLIANZ ALL CHINA EQUITY \"A\" (USD) INC","LU0823413587.USD":"BNP PARIBAS EMERGING EQUITY \"C\" (USD) ACC","LU1303224171.USD":"NINETY ONE GSF ALL CHINA EQUITY \"A\" (USD) INC","LU2257852520.SGD":"JPMorgan Funds - Asia Growth A (acc) SGD","LU0348825331.USD":"ALLIANZ CHINA EQUITY \"A\" (USD) INC","LU1105468828.SGD":"Allianz Total Return Asian Equity AM DIS H2-SGD","BK1615":"港股-互联网","LU0320764599.SGD":"FTIF - Templeton China A Acc SGD","LU0918141705.HKD":"ALLIANZ TOTAL RETURN ASIAN EQUITY \"AM\" (HKD) INC","LU0499858438.USD":"NINETY ONE GSF ASIA PACIFIC EQUITY OPPORTUNITIES \"A\" (USD) INC","LU0169518387.USD":"JPM ASIA EQUITY \"A\" ACC","LU2476274720.SGD":"ALLIANZ CHINA FUTURE TECHNOLOGIES \"AT\" (SGDHDG) ACC","LU0675040207.SGD":"JPM ASIA PACIFIC EQUITY \"A\" (SGD) ACC","LU0823413660.USD":"BNP PARIBAS EMERGING EQUITY \"C\" (USD) INC","LU0441854154.USD":"JPM ASIA PACIFIC EQUITY \"A\" (USD) ACC","XIACY":"小米集团ADR","LU1328277881.USD":"MANULIFE GF DRAGON GROWTH FUND \"AA\" (USD) INC","LU0823426308.USD":"法巴中国股票基金","HXXD.SI":"Xiaomi HK SDR 2to1","LU1981816686.USD":"EASTSPRING INV ASIAN MULTI FACTOR EQUITY \"A\" (USD) ACC","LU0314109678.HKD":"MANULIFE GF DRAGON GROWTH \"AA\" (HKD) INC","LU0051755006.USD":"摩根大通中国A (dist)","LU1023057109.AUD":"BGF CHINA \"A2\" (AUDHDG) ACC","LU1481107354.HKD":"HSBC GIF HONG KONG EQUITY \"AD\" (HKD) INC","LU0572944931.SGD":"Janus Henderson Horizon China Opportunities A2 SGD","LU0210526637.USD":"JPM CHINA \"A\" (USD) ACC","LU0449509016.USD":"HSBC GIF BRIC EQUITY \"AC\" (USD) ACC","LU0700851271.USD":"NINETY ONE GSF EMERGING MARKETS MULTI-ASSET \"A\" (USD) ACC","LU0594300179.USD":"FIDELITY CHINA CONSUMER \"A\" (USD) ACC","LU0254981946.USD":"HSBC GIF BRIC MARKETS EQUITY \"AC\" (USD) ACC","LU1868837565.USD":"CT (LUX) I GLOBAL EMERGING MARKET EQUITIES \"1\" (USD) ACC","LU0417516902.SGD":"Allianz China Equity Cl AT Acc SGD","LU2476274308.USD":"ALLIANZ CHINA FUTURE TECHNOLOGIES \"AT\" (USD) ACC","BK1607":"新IT概念","LU0084288322.USD":"Natixis Asia Equity RD USD","LU0164865239.USD":"HSBC GIF CHINESE EQUITY \"AC\" (USD) ACC","LU0708995583.HKD":"TEMPLETON CHINA \"A\" (HKD) ACC","LU0348814723.USD":"ALLIANZ TOTAL RETURN ASIAN EQUITY \"A\" (USD) INC NC","LU0143863784.USD":"CT (LUX) I GLOBAL EMERGING MARKET EQUITIES\"DU\" (USD) ACC","BK1523":"武汉本地概念股","LU1323998911.USD":"BGF ASIAN MULTI-ASSET INCOME \"A\" (USD) ACC","LU1813983027.USD":"MANULIFE GF DRAGON GROWTH \"AA\" (USD) INC","LU0327786744.USD":"Janus Henderson Horizon China Opportunities A2 USD","LU0345775950.USD":"NINETY ONE GSF ASIAN EQUITY \"A\" (USD) ACC","LU2399975544.HKD":"ALLIANZ ALL CHINA EQUITY \"AT\" (HKD) ACC","BK1521":"挪威政府全球养老基金持仓","LU0531970944.HKD":"HSBC GIF BRIC EQUITY \"AC\" (HKD) ACC","LU0164872284.USD":"HSBC GIF GLOBAL EMERGING MARKETS EQUITY \"A\" (USD) ACC","LU0823426480.USD":"法巴中国股票经典Dis","LU0348827113.USD":"ALLIANZ RCM CHINA \"AT\" ACC","LU0164880469.USD":"HSBC GIF HONG KONG EQUITY \"AC\" ACC","LU0918141887.USD":"安联亚洲实际收益股票基金","LU0143863198.USD":"CT (LUX) I GLOBAL EMERGING MARKET EQUITIES\"AU\" (USD) ACC","LU1880383366.USD":"东方汇理中国股票基金 A2 (C)","LU0054450605.USD":"HSBC GIF GLOBAL EMERGING MARKTS EQ \"AD\" INC","LU0359202008.SGD":"Blackrock China Fund A2 SGD-H","LU0456846285.SGD":"JPMorgan Funds - Greater China A (acc) SGD","LU1880383440.USD":"AMUNDI FUNDS CHINA EQUITY \"A2\" (USD) INC","SG9999002463.SGD":"LionGlobal China Growth SGD","LU0540923850.HKD":"ALLIANZ HONG KONG EQUITY \"A\" (HKD) INC","LU0326950275.SGD":"Schroder ISF China Opportunities A Acc SGD-H","IE00B3M56506.USD":"NEUBERGER BERMAN EMERGING MARKETS EQUITY \"A\" (USD) ACC","LU1808992512.USD":"AB ALL CHINA EQUITY PORTFOLIO \"A\" (USD) ACC","LU0634319403.HKD":"ALLIANZ HONG KONG EQUITY \"AT\" (HKD) ACC","BK1610":"ETF&股票定投概念","01810":"小米集团-W","LU2097828557.USD":"AZ EQUITY CHINA \"A\" (USD) ACC","LU0052750758.USD":"富兰克林中国基金A Acc","LU0531971595.HKD":"HSBC GIF CHINESE EQUITY \"AD\" (HKD) INC","BK1575":"同股不同权","LU2097828631.EUR":"AZ EQUITY CHINA \"A\" (EUR) ACC","LU0823397285.USD":"BNP PARIBAS SUSTAINABLE ASIA EX-JAPAN EQUITY \"C\" (USD) INC","LU0611395673.USD":"NINETY ONE GSF EMERGING MARKETS EQUITY \"A\" (USD) ACC","HK0000165453.HKD":"华夏精选大中华科技基金 A类港币","LU2778985437.USD":"ALLIANZ CHINA FUTURE TECHNOLOGIES \"A\" (USD) INC","LU2097828714.EUR":"AZ EQUITY CHINA \"BAZ\" (EUR) ACC","LU0823040885.USD":"东方汇理新兴市场焦点股票基金","LU2152927971.USD":"NORDEA 1 ASIAN STARS EQUITY \"BP\" (USD) ACC","LU0561508036.HKD":"ALLIANZ CHINA EQUITY \"A\" (HKD) INC","LU2097828805.USD":"AZ EQUITY CHINA \"A-AZ\" (USD) ACC","LU0823397103.USD":"BNP PARIBAS SUSTAINABLE ASIA EX-JAPAN EQUITY \"C\" (USD) ACC","LU0039217434.USD":"HSBC GIF CHINESE EQUITY \"AD\" INC","LU0345776255.USD":"NINETY ONE GSF ASIAN EQUITY \"A\" (USD) INC","LU2097828474.EUR":"AZ EQUITY CHINA \"A\" (EUR) ACC A","BK1506":"5G概念","LU0307460666.USD":"EASTSPRING INVESTMENTS CHINA EQUITY \"A\" ACC","SG9999003461.SGD":"United Asia Pacific Infrastructure SGD","LU0588546209.SGD":"Eastspring Investments - China Equity Fund AS SGD","LU1794554557.SGD":"Allianz All China Equity AT Acc H2-SGD","LU1188198961.HKD":"SCHRODER ISF CHINA OPPORTUNITIES \"A\" (HKD) INC QV","LU0449515922.USD":"HSBC GIF GLOBAL EMERGING MARKETS EQUITY \"PC\" (USD)ACC","LU0871576103.HKD":"HSBC GIF CHINESE EQUITY \"AC\" (HKD) ACC","LU0359201612.USD":"贝莱德中国基金A2","IE0034224299.USD":"PINEBRIDGE ASIA EX JAPAN EQUITY \"A\" (USD) ACC","LU0605514214.HKD":"FIDELITY CHINA CONSUMER \"A\" (HKD) ACC","LU1720050803.USD":"安联全方位中国股票基金","LU0211977185.USD":"EASTSPRING INVESTMENTS GREATER CHINA EQUITY \"A\" ACC","LU0214875030.USD":"HSBC GIF BRIC EQUITY \"M2C\" (USD) ACC","LU0456827905.SGD":"JPMorgan Funds - China A (acc) SGD","LU0650527681.SGD":"Fidelity China Consumer A-SGD","LU0149721374.USD":"HSBC GIF HONG KONG EQUITY \"AD\" INC","LU1770036033.HKD":"NINETY ONE GSF ASIAN EQUITY \"A\" (HKD) ACC","LU0231483743.USD":"abrdn SICAV I - ALL CHINA SUSTAINABLE EQUITY \"A\" (USD) ACC","LU1719994722.HKD":"NINETY ONE GSF ALL CHINA EQUITY \"A\" (HKD) ACC","SG9999001093.SGD":"United Greater China Fund A Acc SGD","LU0823041008.USD":"AMUNDI FUNDS EMERGING WORLD EQUITY \"A2\" (USD) ACC","LU2087589342.USD":"BGF ASIAN MULTI-ASSET INCOME \"A6\" (USD) INC","LU1770034418.SGD":"ALL CHINA EQUITY \"A\" (SGDHDG) ACC","LU2039709279.SGD":"MANULIFE GF DRAGON GROWTH \"AA\" (SGDHDG) INC","LU0823038988.USD":"AMUNDI FUNDS ASIA EQUITY FOCUS \"A2\" (USD) ACC","LU0348816934.USD":"ALLIANZ TOTAL RETURN ASIAN EQUITY \"AT\" (USD)","LU1282648689.USD":"ALLIANZ TOTAL RETURN ASIAN EQUITY \"AMG\" (USD) INC","LU0359201885.HKD":"BGF CHINA \"A2\" (HKD) ACC","LU0823039010.USD":"AMUNDI FUNDS ASIA EQUITY FOCUS \"A2\" (USD) INC"},"source_url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251217124217a6ac52ed&s=b","is_english":false,"share_image_url":"https://static.laohu8.com/9a95c1376e76363c1401fee7d3717173","article_id":"2592836965","content_text":"文｜郭晓静编辑｜徐青阳12月17日，2025小米“人车家全生态合作伙伴大会”举办。在这次大会上，小米MiMo团队负责人罗福莉完成了首秀演讲。作为前DeepSeek核心成员，罗福莉自从加入小米，就被视为小米AI研发走向“正规军化”和“极客化”的里程碑。市场曾期待她能带来像DeepSeek那样颠覆性的“小而美”模型，而罗福莉身上AI时代的极客特质，也许能与小米初创时期的极客基因完美相融，产生新的化学反应。罗福莉的首秀略显紧张，但不负众望，她带来了一个高效的模型MiMo-V2-Flash，也抛出了新的AGI梦想。在她看来，现在的模型大多只是“完美的语言外壳，没有锚定现实世界的物理模型”；“真正的智能是从交互中活出来的”，通往AGI的必经之路，不是打造一个程序，而是“推演整个世界的运作逻辑，打造一个虚拟宇宙”。这次首秀，罗福莉确实带来了鲜明的“DeepSeek 基因”，比如MoE架构、MTP技术和对极致效率的追求。此次开源的MiMo-V2-Flash模型，它具备三个核心特点：高效推理：虽然总参高达309B，但通过MoE架构仅激活15B，结合被低估的MTP（多令牌预测）技术，生成速度达到150 tokens/秒。这带来约2.5倍加速，主要为了解决车机、助手等端侧交互对延迟的敏感。创新的长文本架构：设计上追求“简单优雅”，采用Hybrid SWA机制，锁定128 tokens的“神奇窗口”。这不仅支持256K长上下文，固定了KV缓存以降低硬件压力，还在代码生成上刷新了SOTA。极高的性价比：落地层面非常务实，后训练阶段采用MOPD技术，用极低的计算量（不到标准流程1/50）复刻教师模型性能，意在降低大规模部署的成本。这场首秀被安排在“人车家全生态”大会上，意义耐人寻味。罗福莉在小米的职责很明确：主导大模型研发，通过高效推理与智能体技术，推动AI从“语言交互”跨越到“物理世界”，赋能全生态。但客观来看，端侧AI智能、赋能全生态的理想还在路上，现在的硬件依然难以支撑这样一个已经“极致效率”的模型。以当前最高端的旗舰手机为例，端侧模型的舒适区依然停留在3B到7B参数之间。MiMo-V2-Flash的15B激活参数，对移动设备而言依然是“房间里的大象”。所谓的“高效推理”，更多是指在云端数据中心实现了高吞吐量，对于用户手中的终端，这依然是一个重度依赖网络的“云端模型”。虽然有惊喜，但是此次小米并没有打破端侧AI的算力天花板，对于期待“AI手机”变革的用户而言，还需要继续等待。但今天的罗福莉，确实在给小米，讲了一个可围绕“人车家生态的”、新的AGI故事。以下为演讲实录（为优化阅读体验，做了二次编辑、删减）：一、 从生物演变看 AI 发展路径今天我想带大家换一个视角，从10亿年生物进化的长河中，重新去审视我们正在经历的这一场 AI 变革。如果我们回到生命进化的历程，会发现自然界在构建智能这座金字塔时，遵循着非常严密的逻辑：在 6 亿年前，生命首先学会了控制身体与环境互动；紧接着进化出了多巴胺系统，通过强化学习进一步提升生存能力；在 2 亿年前，哺乳动物的大脑首次具备了在行动前先在大脑里模拟未来的能力；最终我们发现，人类才登上了智能的塔尖，掌握了语言这一抽象的符号系统。所以我们能看到，生物演化的规律是先具备对物理世界的感知和生存体验，最后才诞生了语言。但大家都能发现，到现在为止，大模型的发展路径其实跟生物进化路径是不同步的，甚至说是一种倒叙，或者说是一种跳跃。生物是先从行动进化到思考，再进化到语言；但是大模型是先学会了语言，再去补齐它的思考能力，最后再去补齐对物理世界的模拟以及具身感知。为什么大模型智能的产生首先是在语言领域？因为语言不仅仅是一种符号的排列组合，更是人类思维以及对于世界的一种描述。在文本领域的投射，本质上是一种有损压缩。当大模型通过 Next Token Prediction（下一词预测）这种范式在海量文本里进行学习，试图把 Loss（损失函数）降到最低的时候，我们发现它不仅仅是在拟合一个统计规律，而是在压缩人类数十亿年间关于这个世界的认知同构。这种压缩的过程，在我们看来就是一种智能。所以，大模型通过语言的爆发，通过 Scaling（扩展）算力和数据，从而理解了人类的思维和对世界的理解。但其实它并不真正像人类一样具备对整个物理世界的感知。严谨来说，它应该是成功地解码了人类思维在文本空间的一个投影。大家都能看到，这其实是一种自顶向下的捷径，因为它是在学习一种智能的结果，来倒推智能产生的过程。二、 MiMo-V2-Flash 的诞生，解决三大核心问题不管怎么说，语言包含了人类对世界极致的压缩，是智慧的结晶，也是高阶智能体之间高效协作的工具。因此，小米从语言出发，构建了全新一代面向 Agent（智能体）的基座模型——MiMo-V2-Flash。MiMo-V2-Flash 在研发之初，主要围绕着三个非常关键的问题展开：第一，我们认为当代的智能体必须要有一个高效的沟通语言，即代码能力和工具调用能力。第二，目前智能体之间的沟通带宽非常低，如何加速带宽？这需要一个推理效率极高的模型结构。第三，Scaling 的范式已经逐步从预训练（Pre-train）转向后训练（Post-train），我们如何激发后训练的潜能？这就需要一个稳定的范式，以便在强化学习（RL）上投入更多的 Compute（算力）。在这三个问题的驱动下，我们看到了 MiMo-V2-Flash 超强的基座潜能。虽然它的总参数在我看来非常小——总参数 309B，激活参数只有 15B，我甚至都不愿意称它为“大”模型——但它的代码能力和 Agent 能力在世界级公开公正的评估榜单上，已经进入了全球开源模型 Top 1-2 的行列。基本上，大部分评估基准已经超过或者与 DeepSeek-V3、Kimi、Qwen 等模型相当，而这些模型的总参数量通常是 MiMo-V2-Flash 的两倍到三倍。三、 性能与成本的平衡，挑战推理不可能三角这个图展示了全球相同水位大模型在价格和速度上的比较：横轴是推理价格（从大到小），纵轴是推理速度（从小到大）。我们能看到 MiMo 在右上角，代表了低成本、高速度。举两个Bechmark进行对比： 比如 DeepSeek-V3.2，MiMo-V2-Flash 比它更便宜一点，但推理速度大概是 V3.2 的三倍左右。再比如 Gemini 2.5 Pro，虽然综合性能相当，且推理速度差不多，但 Gemini 2.5 Pro 的推理成本比 MiMo-V2-Flash 贵了整整 20 倍。四、 架构创新与 MTP 加速那么我们是怎么做到这一切的呢？核心关键在于围绕“极致推理效率”重新设计模型结构，主要依靠两个创新。第一个是Hybrid Attention（混合注意力）结构。我们采用了 Hybrid Sliding Window Attention（混合滑动窗口注意力）和 Full Attention（全局注意力），比例大概是 5:1。为什么选 Sliding Window Attention？因为它看起来非常简单，只关注邻域的 128 个 Token。经过大量实验验证，我们发现一些看似复杂的 Linear Attention（线性注意力）结构，在兼顾长短文推理和知识检索的综合性能上，其实并不如简单的 Sliding Window Attention。更重要的是，它的 KV Cache 是固定的，能非常好地适配当代主流的 Infra（基础设施）推理框架。图：MiMo-V2-Flash全局注意力（GA）和滑动窗口注意力（SWA）的1:5混合结构第二个是挖掘 MTP（Multi-Token Prediction，多令牌预测）的潜力。MTP 一开始被提出是用于做推理加速的，后来 DeepSeek 将其用于提升基座模型能力。我们在训练时加入了一层 MTP 层以提升基座潜能，并且在微调时加入了更多层的 MTP，用少量算力就提升了 MTP 层的接受率。最终推理时，我们使用了三层 MTP 进行加速并行 Token 验证。在实际场景中，这种方式能做到 2.2 到 2.6 倍的推理加速。在社区关于三层 MTP 的情况下，我们来看模型输出吞吐：在单机吞吐能做到 5,000~15,000 Tokens/秒的基础上，单请求吞吐也能做到 150~155 Tokens/秒。使用 MTP 相比不使用，整体速度提升了 2 到 3 倍。五、 训练范式革新：MOPD 与自进化除了关注预训练结构的高效性，我们还在思考如何扩展强化学习训练的 Compute。强化学习训练通常非常不稳定，因此我们提出了MOPD（Multi-Teacher On-Policy Distillation，多教师在线策略蒸馏）范式。它的核心在于 On-Policy，依赖稠密的 Token Level Reward（令牌级奖励）进行监督学习。通常 Post-train 范式会通过 SFT 和 RL 拿到各领域专家模型。MOPD 则会让 Student（学生）模型基于自身概率分布 Roll out（生成）一些序列，然后用专家模型对这些序列进行打分，提供非常稠密的监督信号。我们发现这种学习效率极高，通过简短的几十步就能将各领域专家的能力快速蒸馏到 Student 模型上。此外，我们还有一个意外发现：当 Student 很快超越 Teacher 时，我们正在尝试将 Teacher 替换成更强的 Student，继续自我迭代提升，这是一个正在进行中的工作。六、 迈向物理世界：从语言模拟到真实交互MiMo-V2 已经初步具备在语言空间模拟世界的能力。比如，我们可以通过 HTML 让它写一个操作系统，很多功能都是可实现的；或者写一个 HTML 模拟太阳系；甚至做一个画圣诞树并产生交互的小 Demo。MiMo-V2-Flash 已经在昨天发布，我们开源了所有模型权重，同步了技术报告细节，并提供了 API 供开发者接入 Web Coding IDE。我们的体验 Web 也已上线，大家可以扫描试用。虽然现在的大模型能聊天、能写代码，但我相信大家还是不放心把身边复杂的任务交给它。我认为真正的下一代智能体系统，不应该只是一个语言模拟器，而是需要跟世界共存。下一代智能体必须具备两个潜能： 第一，从“回答问题”变成“完成任务”。这不仅需要记忆、推理、规划能力，更需要一个 Omni（全模态）的感知能力。做一个统一的动态系统非常必要，这是理解世界的基础。有了这个基础，模型才能无缝嵌入到像眼镜这样的智能终端，融入我们的生活流。第二，构建物理模型。回到开头的话题，现有大模型本质上是用算力的“暴力美学”攻克了顶层的语言和第二层的强化学习，但跳过了中间对世界的感知和模拟，以及底层的实体交互。这就是为什么大模型能做奥数、模仿莎士比亚，却不懂重力等物理法则，经常产生具身幻觉。因此，AI 进化的下一个起点，一定要有一个可以跟真实环境交互的物理模型。我们要打造的本质上不是一个程序，而是一个具备物理一致性、时空连贯性的虚拟宇宙。这意味着 AI 能力的本质跨越——不仅仅是看懂画面，而是理解背后的物理规律；不仅仅是处理文本，而是推演世界的运作逻辑。真正的智能绝对不是在文本里读出来的，而是在交互里“活”出来的。","news_type":1,"symbols_score_info":{"81810":0.6,"XIACY":1.96,"01810":1.96,"MIUmain":0.6,"HXXD.SI":0.6}},"isVote":1,"tweetType":1,"viewCount":489,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":22,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"hasMoreComment":false,"orderType":2}