深度 | 小米大模型再亮劍，底層邏輯為何變了？

文：趙明

編輯：周易

「我相信，真正的智能絕對不是在文本中讀出來的，而是在交互中活出來的」。

2025 年 12 月 17 日，在今年度的小米「人車家全生態(tài)」合作伙伴大會上，小米宣布自研 AI 大模型 Xiaomi MiMo-V2-Flash 正式開源上線——而 Xiaomi MiMo 大模型負責人羅福莉也首次正式亮相，談到了她對于 AI 的理解。

在演講中，羅福莉多次表達了「物理世界導(dǎo)向」對于 AGI 實現(xiàn)的重要性。

她表示，多模態(tài)和真實世界交互才是通往 AGI 的關(guān)鍵，而非依靠文本。在她現(xiàn)場展示的 PPT 中，小米剛剛開源的大模型 Xiaomi MiMo-V2-Flash 也就此做出解讀：真正的智能必須是一個具身的、嵌入環(huán)境的、通過與物理世界持續(xù)交互而涌現(xiàn)的屬性。

某種程度上，羅福莉的這次演講，代表了小米對于大模型和 AGI 的思考，以及小米在 AI 道路上的核心理念：與數(shù)字世界 AI 相比，更加強調(diào)物理世界的 AI 重要性。

很明顯，以羅福莉的入職和亮相為代表，小米確實正在 AI 人才和大模型領(lǐng)域加大投入，而 AI 本身也是小米整體技術(shù)研發(fā)投入的三大核心板塊之一。

那么，小米 AI 這一波，到底行不行？

95 后羅福莉，首次交卷了

從外界的視角來看，2025 小米「人車家全生態(tài)」合作伙伴大會的最大看點，其實是小米 MiMo 大模型負責人羅福莉的演講。

這要從羅福莉本人在 AI 領(lǐng)域的關(guān)注度說起。

公開數(shù)據(jù)顯示，羅福莉是一名 95 后，她本科畢業(yè)于北京師范大學，碩士畢業(yè)于北京大學計算語言學研究所，師從萬小軍教授。羅福莉在北京大學攻讀碩士期間，就曾經(jīng)在人工智能領(lǐng)域頂級國際會議 ACL 上發(fā)表 8 篇論文，其碩士期間在國際級會議上累計發(fā)表論文超過 20 篇。

從職業(yè)生涯來看，羅福莉畢業(yè)后加入阿里達摩院，擔任機器智能實驗室研究員，主導(dǎo)開發(fā)多語言預(yù)訓(xùn)練模型 VECO，并推動了 AliceMind 項目的開源工作。隨后在 2022 年，羅福莉加入 DeepSeek 母公司幻方量化，并且以深度學習研究員的角色參與研發(fā) DeepSeek-V2 等模型。

而在 DeepSeek 的經(jīng)歷，成為了羅福莉備受關(guān)注的核心支點。

2024 年 12 月，第一財經(jīng)新皮層報道，DeepSeek-V2 的關(guān)鍵開發(fā)者之一羅福莉?qū)⒓尤胄∶住鶕?jù)知情人士的說法，雷軍認為小米在大模型領(lǐng)域發(fā)力太晚，于是親自挖人，重金招募能夠領(lǐng)軍小米大模型的人才，支付的薪酬水平在千萬元級別。

在當時的輿論場中，，類似于「雷軍千萬年薪挖角 95 后 AI 天才少女」這樣的詞條也登上熱搜。

不過，一直到 2025 年 11 月 12 日，羅福莉才通過社交媒體對外確認，自己正在 Xiaomi Mimo 團隊做 AGI 相關(guān)工作——此番在小米「人車家全生態(tài)」合作伙伴大會登臺，也是羅福莉在小米的第一次公開亮相。

在會上，羅福莉主要介紹了 Xiaomi MiMo-V2-Flash 大模型的一些內(nèi)容。

她表示，Xiaomi MiMo-V2-Flash 是一個非常小的模型，總參數(shù)只有 309B，激活參數(shù)只有 15B，但它在多數(shù)評測中超過了參數(shù)量更大的 DeepSeek V3.2 和 K2-Thinking，在全球大致處于相同水位的頂尖模型速度和成本象限里，MiMo-V2-Flash 實現(xiàn)了低成本、高速度，已初步具備模擬世界的能力。

其中，在技術(shù)層面，MiMo-V2-Flash 采用 3 層 MTP 推理加速并行 Token 驗證，實現(xiàn)了 2.0-2.6 倍的推理速度提升。這種效率優(yōu)勢對于實際應(yīng)用場景至關(guān)重要，特別是在資源受限的邊緣設(shè)備上。

「我都不愿意稱它是一個非常大的模型，但是它的代碼能力，在我來看它已經(jīng)進入了全球 top 2」，羅福莉表示。

值得一提的是，Xiaomi MiMo-V2-Flash 已經(jīng)正式開源，采用了對開發(fā)者友好的 MIT 開源協(xié)議，基礎(chǔ)版權(quán)重已經(jīng)在 Hugging Face 上發(fā)布，支持深度思考和聯(lián)網(wǎng)搜索功能。

關(guān)于 Xiaomi MiMo-V2-Flash ，盧偉冰表示，它是邁向 Agent 時代的全新語言基座。

不過，從商業(yè)的角度來看，MiMo-V2-Flash 作為 小米 MIMo 大模型家族的最新成果，其本質(zhì)上也是為了小米的「人車家全生態(tài)」而服務(wù)。

實際上，羅福莉也表示，通過統(tǒng)一多模態(tài)感知能力，MiMo 能夠為理解物理世界打下基礎(chǔ)，從而更好地嵌入各種智能終端設(shè)備。這包括智能手機、智能汽車、智能家居設(shè)備等，形成一個無縫銜接的智能生態(tài)系統(tǒng)。

換句話說，MiMo 大模型將成為小米用來連接「人車家」三端的「智能大腦」。

大模型之路，已悄然轉(zhuǎn)折

小米入局大模型的時間，其實非常早。

早在 2023 年 8 月，在雷軍的年度演講中，這位小米掌門人就表示，小米全面擁抱大模型，并且在 2023 年 4 月組建小米了 AI 大模型團隊——據(jù)了解，該團隊的負責人是小米技術(shù)委員會 AI 實驗室大模型團隊負責人欒劍。

當時，雷軍表示，小米大模型技術(shù)的主力突破方向是「輕量化」和「本地部署」；他還表示，小米自研的 13 億參數(shù)端側(cè)模型已經(jīng)在手機端跑通了 Demo，而且部分場景效果可以媲美 60 億模型在云端的運算效果。

值得一提的是，在這次演講之前，小米公司開發(fā)的大規(guī)模預(yù)訓(xùn)練語言模型 MiLM-6B/1.3B 就登陸了代碼托管平臺 GitHub，參數(shù)規(guī)模最高達 64 億，而且現(xiàn)身在 C-Eval、CMMLU 基準評測榜單。

可以說，MiLM 在很長一段時間里都是小米大模型的代名詞。

2024 年 5 月，小米公司宣布其大語言模型 MiLM 已正式通過大模型備案。當時，小米官方強調(diào)，小米大模型將逐步應(yīng)用于小米汽車、手機、智能家居等產(chǎn)品中，為用戶帶來更加智能化的體驗。

到 2024 年 11 月，小米宣布 MiLM 升級至二代 MiLM2，豐富了模型的參數(shù)矩陣，參數(shù)規(guī)模同時向下和向上擴充，實現(xiàn)了云邊端結(jié)合，參數(shù)尺寸最小為 0.3B，最大為 30B，其中 MiLM2-30B 模型專門為云端設(shè)計；同時，新模型在指令跟隨、翻譯和閑聊等一系列能力上平均提升超 45%……

當時，小米官方也表示，小米第二代自研大模型取得的進步和成果，已經(jīng)開始滲透到真實的業(yè)務(wù)場景與用戶需求中，不僅幫助集團內(nèi)部解決了多樣化的業(yè)務(wù)需求、實現(xiàn)工作提效，也已經(jīng)在澎湃 OS、小愛同學、智能座艙、智能客服中開始應(yīng)用落地。

不過，也正是在這個時間節(jié)點，小米的大模型之路，開始進入轉(zhuǎn)折點。

實際上，據(jù)第一財經(jīng)「新皮層」報道，正是在 2024 年年底，雷軍挖來了羅福莉。以羅福莉的正式入職為節(jié)點，小米自研大模型的重心開始逐步切換，而小米則在 2025 年年初組建了「大模型 Core」團隊，并且在 4 月份發(fā)布了小米 MiMo 系列的首個模型，也就是 MiMo-7B。

實際上，在此次發(fā)布 Xiaomi MiMo-V2-Flash 之前，小米就已經(jīng)以 MiMo 的名義推出了一系列模型，包括推理大模型 MiMo-7B、視覺推理大模型 MiMo-VL、原生端到端音頻生成模型 MiMo-Audio、端側(cè)視覺語言大模型 MiMo-VL-Miloco、具身大模型 MiMo-Embodied。

對此，一位長期關(guān)注小米的 AI 行業(yè)人士告訴我們，小米在大模型領(lǐng)域的核心支點，已經(jīng)從以往的以往的 MiLM 悄然轉(zhuǎn)向為如今的 MiMo。

那么，小米 MiMo 下一步會如何發(fā)展？

對此，羅福莉其實也已經(jīng)表態(tài)——她表示，下一代基座模型將會重點關(guān)注模型參數(shù)規(guī)模的增大與上下文長度的擴展；模型將是原生多模態(tài)的，意味著要用文本、視覺、音頻原生融合的統(tǒng)一架構(gòu)實現(xiàn)端到端的物理世界感知與推理。另外，算法與底層硬件相結(jié)合，提升訓(xùn)練與推理效率。

可見，小米 MiMo 不僅僅是要解決數(shù)字 AI 的問題，也要在很大程度上解決物理 AI 領(lǐng)域的難題，這確實是一個不小的目標。

加碼補課技術(shù)，但依舊務(wù)實

小米對于 AI 和大模型的態(tài)度轉(zhuǎn)變，本質(zhì)上是伴隨著其業(yè)務(wù)發(fā)展而產(chǎn)生的。

比如，2023 年上半年，隨著 ChatGPT 的橫空出世，國內(nèi)掀起了一波大模型競賽，當時小米表示不會做 OpenAI 類的大模型，但會積極擁抱 AI，將其與自身業(yè)務(wù)深度結(jié)合。這背后的背景是，小米當時還是把 AI 落地的重點場景考慮在智能手機上。

但如今，隨著小米汽車業(yè)務(wù)的迅猛發(fā)展和小米「人車家全生態(tài)」的逐步成熟，小米對于 AI 落地場景的理解更加全面，對于大模型的重要性有了不一樣的感知。

這才是小米通過自研 MiMO 持續(xù)加碼 AI 的核心邏輯。

不過，即使是大模型，小米投入到 AI 大模型的邏輯，與騰訊、阿里、字節(jié)等互聯(lián)網(wǎng)巨頭在 AI 領(lǐng)域的布局，還是有著明顯的不同。

畢竟，小米不是一家純粹的軟件公司或互聯(lián)網(wǎng)公司，它本質(zhì)上是全球最大的消費電子物聯(lián)網(wǎng)公司之一。根據(jù)小米公布的數(shù)據(jù)，小米全球月活用戶數(shù)達到 7.42 億；硬件生態(tài)方面，小米 AIoT 平臺連接設(shè)備數(shù)達到 10.4 億，硬件合作伙伴數(shù)量突破 15000 家。

所以，小米 MiMo 大模型的終極落地場景，就是在萬物互聯(lián)的端側(cè)設(shè)備上，包括手機，也包括汽車。

基于此，我們也能夠理解，MiMo-V2-Flash 模型的特質(zhì)在于，它是一款端云結(jié)合、側(cè)重端側(cè)的輕量化大模型；它的核心邏輯是端側(cè)優(yōu)先，其目的把一個更小參數(shù)量的模型，通過極致的蒸餾和量化，實現(xiàn)本地化部署，直接塞進小米手機或者小米汽車的車機里。

這在本質(zhì)上，也是 MiMo-V2-Flash 的命名包含有「Flash」字樣的關(guān)鍵原因。

從這個角度來看，小米對于大模型的思考和業(yè)務(wù)發(fā)展邏輯其實也非常明晰——那就是在加大力度投入到大模型同時，依舊非常務(wù)實，更加側(cè)重于自身的業(yè)務(wù)落地場景，更加強調(diào)軟硬件結(jié)合的核心產(chǎn)品邏輯。

值得一提的是，考慮到小米的「人車家」全生態(tài)，尤其是車端本身也是 AI 落地的核心場景之一，所以，小米對于大模型的思考，更加側(cè)重于對于物理世界的感知和交互，也就是讓大模型超脫數(shù)字世界的范疇，與物理世界更好地融合。

所以，小米做大模型的底層出發(fā)點，也天然地與具身智能產(chǎn)生了密切關(guān)聯(lián)，這是小米做大模型最有挑戰(zhàn)的地方——但是從另外一個角度來看，也是最有潛力的地方。

回過頭來看，小米花重金投入到大模型，本質(zhì)上也是在補課——補上大模型的課，也是補上研發(fā)投入到核心科技的課。尤其是在 AI 技術(shù)進入到無人區(qū)和深水區(qū)之后，這樣的研發(fā)投入對于當前的小米來說，確實是非常必要的。

當然，小米不僅僅是在花大力氣投入到 AI 之中，也在砸錢投入到芯片和操作系統(tǒng)的研發(fā)中，包括此前的玄戒 O1 芯片和小米 Vela 等，以及這次開源的 Xiaomi MiMo-V2-Flash，也是這些研發(fā)過程的階段性成果。

但很明顯，還不夠。

值得注意的是，就在本次小米「人車家全生態(tài)」合作伙伴大會上，小米集團合伙人、總裁盧偉冰又再次強調(diào)稱，小米今年預(yù)計研發(fā)投入達到 320 億元到 330 億元，2026 年預(yù)計投入約 400 億，未來五年小米將在研發(fā)上投入 2000 億元。

他還強調(diào)：「小米的長期目標是成為全球硬核科技的引領(lǐng)者」。

不過，從資本市場的角度來看，小米在 12 月 17 日的股價并沒有因為其對外釋放的研發(fā)成果而出現(xiàn)明顯的回升，甚至在此后兩天還出現(xiàn)了一定的下行——從資本市場的反饋來看，至少到目前為止，外界對于小米加碼硬核科技、加碼研發(fā)投入的敘事邏輯還并不買單。

很明顯，盡管小米在 AI、芯片等領(lǐng)域已經(jīng)拿出了一些成果，小米距離一家真正意義上的硬核科技公司，還有相當長的距離。

畢竟，對于任何一家企業(yè)來說，從技術(shù)研發(fā)到產(chǎn)品落地，再到最終市場認可，這從來都是一條漫長且充滿不確定性的過程——要在 AI 落地上實現(xiàn)這個階段性過程，小米除了繼續(xù)投入大量的金錢和時間之外，還需要更強大的戰(zhàn)略定力。