小米 MiMo 负责人罗福莉：Agent 时代的出路不是更便宜的 Token

核心要点

2026 年 4 月 5 日，小米 MiMo 团队负责人罗福莉在 X 平台发声，揭示了一个被行业有意无意忽视的结构性矛盾：Agent 场景下 Token 消耗量正以远超算力供给的速度膨胀，全球算力瓶颈已非价格战所能绕开。她以第三方推理框架 OpenClaw 为例，指出单次 Agent 请求的上下文长度已轻松突破 10 万 Token 量级，现有的粗放式上下文管理方案造成了巨大的算力浪费。罗福莉呼吁行业将精力从「把 Token 做得更便宜」转向「让 Agent 用 Token 的方式更聪明」，即框架与模型的协同进化。

原文 + 中文翻译

原文： "Global compute can't keep up with token consumption in the Agent era. Take OpenClaw as an example — single agent request context easily exceeds 100K tokens. The solution isn't cheaper tokens, it's smarter frameworks and co-evolution of models and infra."

翻译： "全球算力无法跟上 Agent 时代的 Token 消耗速度。以 OpenClaw 为例，单个 Agent 请求的上下文轻松超过 10 万 Token。解决方案不是更便宜的 Token，而是更智能的框架与模型和基础设施的协同进化。"

深度解读

1. Agent 时代算力消耗的结构性危机

罗福莉的观察直击当前 AI 行业最热门但也被最严重误读的议题——大模型 API 价格战。表面上看，Anthropic、OpenAI、DeepSeek 等头部玩家在过去 18 个月内将 Token 单价压低了数十倍，业界欢呼「Token 成本进入白菜价时代」。但罗福莉指出，这个逻辑在 Agent 场景下彻底失效。传统 LLM 调用是「问答式」的，输入输出相对对称；而 Agent 调用是多步骤的、工具增强的，每个步骤都会携带完整的历史上下文到下一层推理。OpenClaw 这类第三方框架在编排 Agent 流程时，往往无法做到精细的上下文压缩和剪枝，导致每一次工具调用都「背着」整个对话历史。以 10 万 Token 的单次请求量计算，即使 Token 单价降至 $0.1/M，在规模化部署时成本仍然是惊人的。

2. 小米 MiMo 的战略意图：从「跟随」到「定义框架」

罗福莉的发言并非单纯的技术批评，其背后有清晰的公司战略诉求。小米在大模型领域属于国内第二梯队玩家，MiMo-8B 和 MiMo-72B 在开源社区取得了一定声量，但在参数规模上与 DeepSeek-V3、Qwen3 等头部模型存在差距。面对参数量竞争的红海，罗福莉选择了一个更聪明的话语切入点：与其在模型 scale 上硬碰硬，不如在 Agent 框架侧建立技术壁垒。这也是小米 AI 战略的特色——不追求「最大最强」，而是追求「端侧落地最有效」。通过在 Agent 推理框架层面发声，小米可以在开发者生态中建立影响力，绕开基础模型参数的正面竞争。

3. 行业格局的潜在转变：从「模型即服务」到「系统即服务」

罗福莉的「框架与模型协同进化」论，实际上在挑战当前行业的主流叙事——一切竞争都围绕「模型能力」展开。但 Agent 时代的真正瓶颈，或许不在于模型的「大脑」够不够聪明，而在于整个系统的「消化系统」是否高效。这意味着推理框架层（如 OpenClaw、LangChain、AutoGen 的后继者）和推理引擎层（如 vLLM、TGI 的 Agent 优化版本）将不再是基础设施配角，而是核心技术竞争力的载体。如果这个判断正确，未来 12-18 个月内，头部云厂商和模型公司之间的竞争将更多转移到「谁能提供端到端 Agent 效率优化方案」，而非简单「M tokens 的价格是多少」。

值得关注

• 小米 MiMo 的框架产品规划： 罗福莉是否会推动 MiMo 团队发布与自家模型绑定的 Agent 推理框架？观察时间窗口为 2026 年 Q3 小米开发者大会。
• OpenClaw 的技术改进路线： 作为被直接点名的第三方框架，OpenClaw 团队是否会公开回应上下文管理的低效问题？关注其 GitHub 仓库近期的 commit 记录和 issue 区讨论。
• 上下文压缩技术在 Agent 场景的商用进展： 微软、Anthropic 和 Google 都在研发「选择性上下文」（Selective Context）技术，罗福莉的批评会否加速这些厂商推出 Agent 专用上下文优化 API。
• 价格战的拐点信号： 如果 Token 价格战的受益者在 Agent 场景下仍面临成本失控，风险投资方是否会重新评估「Token 低价获客」模式的可持续性，转向押注 infra 层创新。
• 小米与 DeepSeek 的生态博弈： DeepSeek 在开源领域已建立了强大的 Agent 编排能力口碑，小米若要差异化竞争，是否会在端侧 Agent（手机 / IoT 设备上运行的 Agent）框架上寻找突破口。

信源行：
• 原文链接：https://x.com/dotey/status/2040854097838952598
• 背景报道：The Information 2025 年 12 月报道《AI Agents Are Burning Through Compute Faster Than Expected》；a16z 2026 年 2 月报告《State of Agentic AI Infrastructure》均涉及 Agent 场景算力消耗的结构性问题。
• 相关背景：罗福莉此前在字节跳动 AI Lab 工作，2025 年中加入小米；小米 MiMo 系列模型最早于 2025 年 3 月开源发布。