AI時代的組織平權：小米Mimo團隊的一種結構實驗

隨著大模型、大數據和智能化工具深度參與研發，傳統“人對人”的層級組織正在慢慢瓦解，“人—數據—系統”的混合決策網絡開始成為新的趨勢。

文｜胡嘉琦

ID | BMR2004

在模型參數快速迭代、技術路線頻繁調整的AI行業，傳統企業層級分明、分工固化的組織模式，開始暴露出明顯的短板：信息傳遞滯后、一線聲音容易失真、創新想法被層層過濾。

在小米，羅福莉領導的Mimo團隊走出了一條完全不一樣的路徑。MiMo團隊是小米公司旗下專注于大模型研發的團隊，沒有固定部門分組、沒有嚴格職級，也沒有硬性交付節點，這支團隊也因此成為AI領域里一次極具樣本價值的組織平權實驗。

羅福莉在一次公開采訪中完整拆解了這套獨特的研發與管理邏輯，其核心并非簡單放棄管理，而是順著大模型前沿探索的特點，重新搭建信息傳遞、團隊協作和決策落地的方式。小米相關負責人向《商學院》記者坦言，小米Mimo團隊目前的狀態便是在這套模式下集中精力做好產品。

01

堅守技術優先

模型效果永遠優先于進度與成本。

當前市面上絕大多數大模型項目，普遍采用大團隊、強節點、快迭代的工業化打法，依靠明確的交付期限、細化的崗位職責和嚴苛的進度考核推進項目。這套模式更適合成熟產品的量產迭代，卻很難適配大模型訓練過程中大量試錯、反復排查和深度打磨的需求。小米Mimo團隊選擇了完全相反的路線，以極致精簡的創業式小團隊為基礎，建立起一套技術質量優先、不受進度束縛的研發邏輯。

從整體規模來看，小米Mimo團隊全鏈路工作人員合計百人，覆蓋數據采集、質量審核、基礎設施搭建、預訓練、后訓練、算法研發、產品落地等環節，其中實習生占比并不低。但真正深度參與每一代模型迭代、負責核心攻堅的人員只有二三十人，在同量級項目里屬于規模極小的配置。即便身處小米這樣的大廠，Mimo團隊始終保持著初創團隊的運行狀態，沒有大企業里繁瑣的管理流程和層級管控，所有人的工作都圍繞模型訓練中出現的實際問題展開。

然而，羅福莉坦言，小團隊架構的直接結果，就是訓練周期被拉長，大模型無法在一兩個月內快速完成迭代，同時還要承擔高昂的算力成本。業內都清楚，高端顯卡集群的單日成本可以達到一兩百萬甚至兩三百萬元。在目標導向的傳統項目中，算力消耗和交付節點永遠排在第一位，即便訓練過程中察覺到異常波動，團隊也很少愿意停下來排查問題，耗費數周時間溯源通常會被看作資源浪費，大家更傾向于帶著瑕疵繼續推進，優先保證按期交付。

小米Mimo團隊卻定下了另一條原則：模型效果永遠優先于進度與成本。團隊內部沒有設置任何硬性發布期限，堅持等模型真正訓練到位再對外推出，絕不倉促上線不成熟的版本。羅福莉坦言，在之前的訓練過程中，小米Mimo團隊曾遇到訓練數據偏移（備注：是模型在真實場景失效的主因之一，包括引發模型的泛化能力下降）等問題，面對這些暫時無法確定影響的隱患，團隊都會果斷暫停訓練尋找根源，最長一次停訓調整持續了兩周。

即便沒有外部考核壓力，長時間的排查過程依然并不輕松。反復試錯、調試無果，再加上高額算力的無效消耗，很容易讓成員陷入自我懷疑和情緒低落，甚至會在夜里反復復盤訓練過程。盡管如此，在羅福莉看來，這種節奏放緩是前沿AI研發必須付出的代價。大模型的智能涌現，建立在穩定、干凈的訓練基底之上，這些看似耽誤進度的打磨，本質上是在規避后續更大的系統性風險。

與大團隊更擅長多任務并行、大范圍探索，但遇到單點問題深挖、隱性故障排查時，卻很容易出現責任分散、無人深究的情況相比，小米Mimo團隊這支精簡的核心隊伍的優勢在于，每個人都扎根一線，熟悉訓練全流程細節，更容易聚焦問題本質持續攻堅，可以用小團隊的專注度彌補工業化研發模式的精細化短板。

02

去分組、破邊界

在Mimo團隊里，沒有固定崗位職責，也沒有自上而下的強制任務分配，人員分工完全隨著訓練階段變化。

傳統科技公司的研發組織，大多以固定部門、細分崗位、固化分工為基本框架，預訓練、后訓練、數據、算法、工程、產品各自獨立，邊界清晰。這種靜態結構適配標準化工作，但放到大模型研發這種高度交叉、快速變化的創新業務里，很容易形成部門墻，阻礙技術交流。

為了適配大模型全鏈路融合的研發特點，小米Mimo團隊直接取消了所有固定組別，不再劃分預訓練組、后訓練組、框架研發組等傳統模塊，徹底打破崗位之間的邊界，形成了圍繞具體問題運轉的動態協作網絡。團隊沒有固定崗位職責，也沒有自上而下的強制任務分配，人員分工完全隨著訓練階段變化。

邊界的消失，帶來了人才能力的自然流動與互補。在常規團隊中，預訓練人員更關注海量數據篩選和模型基底搭建，核心追求數據多樣性；后訓練人員更多聚焦場景優化，容易陷入單一方向的調優，兩者視角割裂，經常出現預訓練數據和后訓練需求不匹配的情況。

在小米Mimo團隊里，人員流轉大多基于個人興趣和能力特質自然發生，幾乎沒有行政層面的干預。原本負責訓練數學、深耕預訓練的成員，會主動轉向后訓練環節；做訓練框架和推理算法的工程師，也會全程參與訓練故障排查和數據問題溯源。這種流動的核心優勢在于，預訓練人員自帶的全局數據視野，剛好可以彌補后訓練階段容易出現的場景局限，讓模型優化同時兼顧底層通用性和落地實用性。

深度科技研究院院長張孝榮對此評價道，傳統大廠大模型團隊規模龐大、業務繁雜，必須依靠分層管理和部門劃分維持運轉，過程中難免產生內耗。小米Mimo團隊沿襲了創業團隊精干專一的特點，拆掉固定組織邊界，不靠制度分工，只靠技術共識和項目需求臨時組隊，圍繞問題靈活調配人力，協作效率更高。

2026年3月起，羅福莉推行“每天與智能體（Agent）對話少于100次者可以辭職”，推動團隊快速擁抱Agent的管理方式，快速統一團隊研發方向，聚焦Agent任務，而非單純語言生成，以此對齊技術優先級。

上海杉達學院研究員唐樹源進一步指出，取消固定分組之后，小米Mimo團隊的整個研發協作邏輯都發生了變化。在傳統模式下，算法、工程、數據之間存在天然壁壘，出現分歧往往需要產品經理或中層管理者居中協調，一場簡單的對齊可能要開好幾輪會。而在小米Mimo團隊這種流體組織里，所有角色都盯著同一個模型、同一個問題，技術爭議可以當場碰撞解決，溝通鏈路被大幅壓縮。

當然，這種模式也對小米Mimo團隊成員提出了更高要求。所有人都需要跳出單一技能的舒適區，建立跨界認知：做數據的要理解算力約束和模型結構，做算法的要懂工程落地邏輯，做研發的要貼近產品真實場景。外部的部門摩擦被轉化為每個人的學習成本，用全員更高的認知負擔，換取組織整體更少的內耗和更強的靈活性，這也是小米Mimo團隊這套組織模式最突出的特點。

03

平權化、去層級

所謂組織平權，表面看是去層級、去職級，本質是重新分配信息權和決策權。

當前，被外界討論最多的，是羅福莉在接受媒體采訪時提到的“1對100”管理模式，但這套模式的核心，并不是管理學意義上超大管理跨度，而是組織平權和信息平權。實際上，小米Mimo團隊內部取消了職級差異和上下級層級，不存在擁有絕對管理權的負責人，只有負責把握方向、推動項目落地的核心角色，徹底擺脫了傳統企業逐級匯報、層層決策的運行方式。

所謂組織平權，表面看是去層級、去職級，本質是重新分配信息權和決策權。在傳統層級組織里，一線研發的真實數據、技術問題和現場反饋，需要經過多層中層篩選、加工之后才能傳到決策層，信息失真、傳遞延遲是常態；決策指令向下傳達時，也容易出現理解偏差，直接影響AI研發的迭代速度。

小米Mimo團隊則完全壓縮了中間層級，實現信息無壁壘流動、決策點對點落地。百人團隊內部信息高度透明，一線訓練數據、故障問題、技術想法和資源需求，可以直接同步給核心決策端；團隊整體的研發方向，也能直接觸達包括實習生在內的每一位成員。職級不再是獲取信息、參與討論的門檻，無論資歷深淺，所有人都可以平等發表觀點，甚至直接和負責人爭論技術方案。

產業觀察家梁振鵬認為，小米Mimo團隊模式的本質轉變，是從層級控制體系轉向高速信息流決策體系。傳統大模型團隊依靠層級完成管控和信息傳遞，效率受制于中間環節；而“1對100”模式，本質上是管理者對接100個獨立信息源，而非100個員工。管理的重心不再是管人、控流程，而是從海量一線信息里識別風險、快速做出判斷。

天使投資人、AI領域專家郭濤也持類似看法，他認為小米Mimo團隊的組織平權，本質是用群體智能和個體自驅力替代層級管理。團隊不依靠制度約束推進工作，而是在招聘階段就篩選出真正熱愛技術、主動性強的人，讓大家圍繞共同目標自發向前。信息自由流動之后，決策不再單純依賴頂層主觀判斷，更多來自一線真實數據和反饋，準確性和時效性都明顯提升。

扁平化帶來效率提升的同時，也讓決策壓力變得更大。沒有中間層幫忙過濾信息，小米Mimo團隊的管理者需要直面大量碎片化信息、不同角度的技術爭議和頻繁出現的突發問題，信息洞察、快速取舍和技術判斷力成為核心能力。和傳統管理者更側重資源協調不同，小米Mimo團隊的核心負責人，主要精力都放在從一線信息里提煉趨勢、識別隱性風險、敲定技術路線上，成為整個組織的信息中樞和決策終端。

04

未定型 難復制

小米Mimo團隊的組織平權，更像一場仍在持續的產業實驗，而非一套已經定型的管理制度。

羅福莉是95后AI技術專家，曾在阿里、DeepSeek任職。 她從北師大本科到北大碩士，始終深耕自然語言處理領域。在技術和管理上，羅福莉所帶領的小米Mimo團隊的組織平權實驗，也是AI行業組織變革的一個縮影。隨著大模型、大數據和智能化工具深度參與研發，傳統“人對人”的層級組織正在慢慢瓦解，“人—數據—系統”的混合決策網絡開始成為新的趨勢。在這種新形態里，數據和系統不再只是輔助工具，它們本身也成為重要的協作依據，訓練評測曲線、系統自動告警、數據監控指標，在很多時候比職級和資歷更有說服力，決策場景也逐漸從會議室轉移到人機交互界面。

這套極致扁平、問題驅動、依靠熱愛運轉的組織模式，給AI創新團隊提供了新的思路。對比傳統層級結構，小米Mimo團隊模式的優勢十分明顯：一方面徹底減少了信息衰減和決策延遲，研發問題可以快速響應，技術方向迭代更快；另一方面充分釋放個體創造力，打破崗位固化帶來的思維局限，更適配大模型高度交叉的創新屬性；同時依靠創業氛圍保持團隊自驅力，避免大企業內部常見的流程內耗。

但多位業內專家也一致提醒，小米Mimo團隊這套模式并不具備普遍適用性，它更像是嚴苛條件下的最優解，無法隨意復制。

首先是人才密度門檻。整個模式高度依賴成員的主動性、專業能力和跨界認知。郭濤提到，小米Mimo團隊在招聘環節標準很高，核心成員普遍具備高學歷背景和獨立思考能力，不需要外部督促就能主動攻堅。一旦人才密度下降，成員自驅力不足，無層級、無固定分工的模式很容易出現混亂、責任不清、進度失控的情況。

其次是業務場景限制。極致扁平化更適合大模型基礎訓練、前沿技術探索這類迭代快、試錯多、沒有標準答案的業務。張孝榮認為，如果業務偏向強合規、強標準、追求穩定量產，層級管控和固定分工依然是保障質量、規避風險的更優選擇，盲目扁平化反而會放大運營風險。

再次是核心決策者的能力天花板。“1對100”的信息中樞模式，非常考驗小米Mimo團隊負責人的技術功底、信息處理能力和臨場決斷力。能夠扎根一線、讀懂原始數據、把控技術方向的統帥型人才本身就十分稀缺，這也是該模式很難批量復制的關鍵原因。

最后是組織文化的基礎。平權模式需要形成“貢獻優先于職級、技術高于資歷”的文化氛圍，真正包容試錯、鼓勵不同意見。多數成熟企業長期形成的固有文化，很難支撐小米Mimo團隊這種高度開放的組織形態。

由此可見，小米Mimo團隊的組織平權，更像一場仍在持續的產業實驗，而非一套已經定型的管理制度。它試圖回答AI時代的核心問題：當技術迭代速度不斷加快，當創新更多來自個體創造力而非自上而下的指令，企業是否還需要依靠傳統層級維持運轉？這場實驗目前還沒有標準答案。