在小米近期舉辦的“人車家全生態(tài)大會”上，一位年輕的女性高管憑借一場學(xué)術(shù)范十足的演講引發(fā)行業(yè)關(guān)注。她便是小米MiMo大模型團(tuán)隊負(fù)責(zé)人羅福莉，這位頂著“AI天才少女”光環(huán)的95后科學(xué)家，首次公開亮相便展現(xiàn)出對技術(shù)趨勢的深刻洞察。

出生于四川宜賓的羅福莉，求學(xué)軌跡堪稱學(xué)霸典范：北京師范大學(xué)計算機(jī)本科畢業(yè)后，進(jìn)入北京大學(xué)計算語言學(xué)研究所攻讀碩士學(xué)位。2019年，她在國際頂級學(xué)術(shù)會議ACL上一口氣發(fā)表8篇論文，迅速在人工智能領(lǐng)域嶄露頭角。其職業(yè)履歷同樣亮眼，先后在阿里達(dá)摩院和DeepSeek擔(dān)任核心研發(fā)崗位，直至今年11月通過朋友圈官宣加入小米，此前傳聞雷軍為其開出千萬年薪的消息更是一度沖上熱搜。

在技術(shù)演講中，羅福莉提出顛覆性觀點(diǎn)：當(dāng)代智能體必須突破單純的語言交互，重點(diǎn)發(fā)展代碼編寫與工具調(diào)用能力。她形象地比喻道：“智能體間的溝通帶寬如同窄帶網(wǎng)絡(luò)，必須通過提升推理效率來加速信息傳遞。”基于此，她預(yù)言下一代智能體將實(shí)現(xiàn)兩大跨越：從被動回答問題轉(zhuǎn)向主動完成任務(wù)，并具備與物理世界實(shí)時交互的能力。這一論斷與小米正在構(gòu)建的“人車家”生態(tài)形成強(qiáng)烈呼應(yīng)——截至第三季度，小米AIoT平臺全球連接設(shè)備已突破10.4億臺，如何讓這些設(shè)備真正理解人類需求成為關(guān)鍵命題。

入職不足半月，羅福莉便帶領(lǐng)團(tuán)隊交出首份答卷：在開源社區(qū)發(fā)布跨具身基座模型MiMo-Embodied，嘗試打通自動駕駛與機(jī)器人領(lǐng)域的技術(shù)壁壘。這項研究由她擔(dān)任核心作者，小米智駕首席科學(xué)家陳龍負(fù)責(zé)項目統(tǒng)籌。該模型的設(shè)計理念源于羅福莉?qū)Α拔锢鞟I”的執(zhí)著追求，她在朋友圈寫道：“智能終將從語言邁向物理世界，我們正在構(gòu)建這樣的未來?！庇ミ_(dá)官網(wǎng)對物理AI的定義是“通過運(yùn)動技能理解現(xiàn)實(shí)世界的交互模型”，而羅福莉更強(qiáng)調(diào)：“真正的智能要在真實(shí)交互中‘活’出來，而非從文本中‘讀’出來?！?/p>

這種技術(shù)路線在小米最新發(fā)布的MiMo-V2-Flash模型中得到驗證。這個擁有3090億參數(shù)量的開源模型，通過動態(tài)參數(shù)激活技術(shù)將活躍參數(shù)量壓縮至150億，在保持高性能的同時顯著降低計算成本。羅福莉透露，該模型已初步具備模擬物理世界的能力，這為小米布局具身智能提供了重要技術(shù)支撐。

在智能家居領(lǐng)域，小米的探索更為激進(jìn)。11月推出的Xiaomi Miloco方案，試圖讓設(shè)備從“被動響應(yīng)”轉(zhuǎn)向“主動服務(wù)”。傳統(tǒng)智能家居依賴用戶預(yù)設(shè)規(guī)則，而Miloco通過端側(cè)視覺語言大模型MiMo-VL-Miloco-7B，結(jié)合攝像頭實(shí)時數(shù)據(jù)，可實(shí)現(xiàn)多維度場景感知。國金證券研報指出，用戶只需口語化表達(dá)需求，系統(tǒng)就能自動創(chuàng)建智能規(guī)則，徹底擺脫復(fù)雜的手動設(shè)置。

資深行業(yè)觀察家丁道師認(rèn)為，這種變革將重新定義人機(jī)交互方式：“未來可能連APP都不需要打開，回家燈自動亮起、空調(diào)調(diào)節(jié)溫度，甚至根據(jù)用戶情緒播放音樂?！盙KURC智庫分析師丁少將則指出，Miloco代表的技術(shù)方向可能催生類似AI手機(jī)的集中式操作系統(tǒng)，通過本地AI中樞統(tǒng)一調(diào)度跨品牌設(shè)備。但他同時提醒，打破品牌生態(tài)壁壘、建立統(tǒng)一協(xié)議標(biāo)準(zhǔn)仍是最大挑戰(zhàn)，“一旦實(shí)現(xiàn)，智能家居將從單點(diǎn)智能升級為自主決策的空間智能體”。

小米的技術(shù)布局已顯現(xiàn)體系化特征。據(jù)盧偉冰披露，MiMo系列已形成覆蓋推理、視覺、多模態(tài)、音頻與具身智能的完整矩陣：包括70億參數(shù)的推理大模型、視覺推理模型MiMo-VL、端到端音頻生成模型MiMo-Audio等。其中專為智能家居設(shè)計的MiMo-VL-Miloco，正通過持續(xù)學(xué)習(xí)家庭場景數(shù)據(jù)，向“理解人類意圖”的目標(biāo)邁進(jìn)。