羅福莉：OpenClawが強制した中国AIのパラダイムシフト――エージェント時代に求められる「1兆パラメータ」「事前・事後学習比1:1」「組織の抜本的再編」
張暁軍ポッドキャストインタビュー（2026年4月24日）
Xiaomiの大規模モデルチームを率いる羅福莉氏は、OpenClawが引き起こした劇的なパラダイムシフト後、初となる長編技術インタビューに応じた。わずか2カ月でAI業界が「チャット」から「エージェント」へと根本的に変容した経緯と、なぜ多くのチームが依然として誤ったアプローチを続けているのかを語った。DeepSeekからXiaomiの「MiMo-V2」シリーズ開発を率いる立場へと至る過程、そしてエージェント時代を定義づける組織の混乱、技術的ブレイクスルー、そして直視すべき厳しい現実について、同氏は率直に明かした。
OpenClawがもたらした4時間の「悟り」：製品のギミックから研究の加速装置へ
春節期間中、羅氏のOpenClawに対する初期の反応は冷ややかなものだった。「Claude CodeにインスタントメッセンジャーのUIをつけただけ」であり、Skillhubのような機能は実体よりも製品デザイン上のギミックに過ぎないと感じていた。しかし、休暇中に深夜までかけて導入したことで、すべてが一変した。「午前2時から6時まで対話しました。ドーパミンやエンドルフィンが分泌され続け、興奮して全く眠れませんでした」。単なる人気への好奇心から始まった試行は、3日間の探求の旅となった。
1日目は「感情的知性」に驚かされた。深夜になるとシステムが睡眠を促し、対話の各ラウンドに現在時刻を巧みに組み込むことで温かみを演出した。2日目には、期待を大きく上回るチーム管理や組織構造への深い洞察が明らかになった。そして3日目は変革的だった。数週間かかると想定していた研究タスクを、マルチラウンドの相互作用をシミュレートするユーザーエージェントの構築を含め、わずか1〜2時間で完了させたのだ。「複雑なエージェントのフレームワーク設計が、モデルの能力不足を補えることを初めて実感しました」と羅氏は説明する。
技術的な洞察は決定的だった。OpenClawの成功は、緻密に構成されたコンテキスト、階層化された永続的メモリシステム、弱点を補うための複数モデルの連携、そして現代のモデルの限界を回避する自律的な問題解決能力にある。「OpenClawを使う際、私はモデル自体には注目しません。OpenClawのフレームワーク設計は、エージェントの振る舞いそのものでモデルの不足を補おうとしているからです」。これは、単一の生成モデルの能力を最大限に引き出すことを前提としたClaude Codeとは根本的に異なる。
強制的な転換：中国のAIチームに選択肢はなかった
羅氏は春節明け、チーム全員に対し1日以内に100ラウンドのOpenClaw対話をノルマとして課した。もっとも、強制したわけではなく、経験を積ませることが目的だった。「Mac Miniを数台購入してデプロイし、異なるOpenClawグループを構築しました。個人の想像力には限界がありますが、他人が実際にOpenClawを使って成果を出す姿を見れば、自身の想像力も刺激されます」と語る。
2日後にはチーム内が活気づき、想像もしなかった機能が次々と発見された。3〜4週間で「以前なら30〜40週間かかったであろう」研究が完了した。効率性の向上は劇的であり、羅氏は「環境さえ整えば、経験の有無にかかわらず、以前は数カ月かかった学習が1〜2カ月で習得できる」と確信している。
「1兆パラメータ」のチケット：なぜ規模が不可欠になったのか
羅氏は新たな参入障壁について率直だ。「エージェント時代においては、Claude Opus 4.6レベルのチケット（規模）が必要です。研究、事前学習（Pre-Train）、事後学習（Post-Train）のバランスを考えると、3:1:1の比率が妥当です」。つまり、1兆パラメータモデルの事前学習に投じる計算資源に対し、同等の資源を事後学習に、さらに同等以上の資源を研究に割り当てる必要があるということだ。
これは、事前学習を重視したチャット時代の3:5:1、あるいは2023〜2024年の極端な事前学習偏重とは大きく異なる。「トップチームは今や、事前学習と事後学習の比率を1:1にすべきです」。エージェントタスクは、より長いコンテキストとトークン消費、そして純粋な事前学習では達成不可能な複雑なマルチターン対話の制御を要求するからだ。
ハイブリッド・アテンションの正当性：1年前に下した決断
MiMo V2シリーズの技術的基盤は、反応的な開発よりも戦略的な信念がいかに重要かを示している。羅氏のチームは、業界全体（GLM-5、KimiのK2、DeepSeekのV2/V3/R1など）がMLA（Multi-head Latent Attention）を採用する中、あえて「ハイブリッド・アテンション」を選択した。「チャット時代においてMLAは優れた構造ですが、エージェントのパラダイムには適していないと考えました」と羅氏は語る。
MLAは当時のHシリーズチップに最適化されており、メモリと計算のバランスが完璧に設計されている。そのため、マルチトークン予測（MTP）のような推論加速技術を導入する余地がなく、導入すればコスト効率が悪化する。対照的に、スライディングウィンドウとフルアテンションを7:1の比率で組み合わせたハイブリッド・アテンションは、計算上の余裕を生み出し、そこにMTPを組み込むことで、Flashモデルで100〜150 TPS、Proモデルで60〜100 TPSという圧倒的な速度を実現した。
事後学習の隠れた複雑さ：エージェント研究の「虚像」
羅氏は2023年から2024年初頭にかけて発表されたエージェント研究を厳しく批判する。「あれはエージェントではなく、チャットを少し複雑にしたコンテキストに過ぎません」。SWE-benchのようなベンチマークでテストされたフレームワークには「産業グレードの能力」が欠けており、Claude CodeやOpenClawに接続しても実用にならないという。
真のエージェントの事後学習には、根本的な変革が必要だ。第一に、多様なコンテキストでのマルチラウンド対話をシミュレートできるユーザーエージェントが必要である。第二に、定量的な報酬が明確なトレーディングとは異なり、報酬系が曖昧な環境下での設計が求められる。「RL（強化学習）のインフラは、曖昧さを許容しなければなりません。実行途中のエラーや、学習と推論が一致しない異種クラスタ、CPUやストレージのボトルネックなど、事前学習インフラよりもはるかに高い柔軟性が求められます」。
組織の地震：グループも階級も、事前・事後学習の分断もない
最も急進的なのは、約100人のチームをグループ分けせず、フラットな階層構造にしたことだ。「事後学習を行う人間が、多様な視点を持たずに特定のシーンだけで最適化するのは間違いです」。羅氏は、事前学習と事後学習の分断を廃し、好奇心と意欲を重視して採用を行っている。現在、チームの3〜4分の1が学習のバックグラウンドを持つが、大半はXiaomiに入社するまで大規模モデルを扱ったことがない若手だ。
「階級が存在すると、上位者が常に最も賢いという前提が生まれますが、それは不自然です」。羅氏は「情熱による管理」を掲げ、メンバーが自ら信じるものに没頭し、新しい能力を直接体験させることで組織を動かしている。
トレーニングの苦難：1兆パラメータモデルの損失スパイク
MiMo V2 Proのトレーニングでは、1兆パラメータ規模特有の課題が露呈した。トレーニング中に損失スパイクが数回発生し、最長で2週間のダウンタイムを要した。「1日停止すれば数百万ドルの損失です」。しかし、チームには「納期」という概念がない。「モデルが完璧に学習できるまで、何度でもやり直す」という姿勢だ。多くのチームが損失スパイクを「正常な現象」として片付ける中、羅氏のチームは原因を徹底的に究明し、構造的な調整やインフラの修正を行うことで、スパイク自体を排除するアプローチをとった。
AGIへのタイムライン加速：2026年中に60〜70％へ
春節の時点ではAGIまで「少なくとも2年」と見ていた羅氏は、現在、2026年中に「少なくとも60〜70％」に達すると考えている。「2年以内には完全に到達可能でしょう」。AGIの定義を「生産性価値が変容し、既存の働き方が放棄される地点」と置く。鍵となるのは「AIがAIを学習させる」という自己反復の頂点だ。
「今後2〜3カ月は非常にエキサイティングな時期になるでしょう」。羅氏の言葉は、エージェント時代への適応を怠ったチームに対する最後通告でもある。2026年のメインテーマは「生産性の変革」であり、個人の英雄的な活躍ではなく、グループの知恵とオーケストレーションによるインテリジェンスの創出こそが、次なる勝敗を分けることになる。