3 月 16 日消息，小米 AI 实验室研究员罗福莉，也就是很多人口中的 " 天才少女 "，又发论文了。

论文名叫 ARL-Tangram: Unleash the Resource Efficiency in Agentic Reinforcement Learning。作者之一，就是罗福莉。

如果只看标题，这篇论文似乎只是一个偏工程的研究：如何让 AI Agent 的强化学习训练更省算力。

但如果把它放在最近几个月 AI 的发展脉络里，

就会发现它其实正好落位在 OpenClaw、Claude Code、Devin 这一波 Agent 浪潮的底层。

而要理解这篇论文所讲的东西，

需要我们先下一个定义，AI 正在从 " 模型时代 " 进入 "Agent 时代 "

过去几年，大多数 AI 系统的结构其实非常简单。

输入一段内容，模型计算，然后输出结果。

从 ChatGPT 到图像生成模型，本质都是同一个逻辑：

输入→模型→输出

整个系统的核心资源也很单一，那就是 GPU。

因此过去几年 AI 的竞争基本围绕模型参数规模、训练数据、GPU 算力三件事来展开。

但随着 AI Agent 的出现，计算结构突然变得复杂起来。

一个典型的 Agent 任务可能是这样的：

思考→搜索信息→写代码→运行代码→分析结果→再修改

在这个过程中，AI 不再只调用模型本身，还会不断调用各种工具。

要用 GPU 去做模型推理，要用 CPU 去执行代码，要用 API 去处理搜索、数据库，可能还要用浏览器进行网页操作 ......

于是，一个 Agent 系统的资源结构就变成了：

GPU+CPU+API+ 存储 + 网络

这已经非常接近一个完整的软件系统。

" 帮我整理今天的 AI 新闻并做成 Excel。"

一个 Agent 就会搜索网页、抓取信息、总结内容、生成表格、保存文件，

整个过程涉及浏览器、Python、文件系统、模型推理。

这是 Agent 计算模式的典型例子，龙虾 OpenClaw 也是这么做的，

而最近 Anthropic 更新的 Claude Code，也在逐渐向同样的方向发展。

/loop：让 AI 自动循环执行任务

CLAUDE.md：提供长期记忆

Session Spawning：手机远程启动电脑上的 AI 编程任务

连不少开发者看完更新后的第一反应都是 " 这不就是官方版龙虾吗？"

当远程操控、自主执行和长期记忆组合在一起时，AI 不再只是一个聊天工具，而更像一个持续运行的数字员工。

好用，确实是好用，但真正的问题也就在其中，

算力怎么调度？

在传统模型训练中，资源基本只有 GPU。

但在 Agent 系统里，不同任务会不断切换资源类型：

有时需要 GPU，有时需要 CPU，有时需要 API

如果资源管理方式不合理，就会出现大量浪费。

论文里给出的典型例子中有一项数据，

在某些 AI 编程任务中，CPU 的真实利用率只有 47%。

剩下的算力基本处于闲置状态。

对于正在进行大规模训练的 AI 公司来说，这种浪费意味着巨大的成本。

基于此，罗福莉等人的论文提出了一种新的系统：Tangram。

它的核心思路很像操作系统的进程调度。

传统系统的资源分配方式是任务级调度：

一个 Agent 任务开始时，就会占用 CPU 或 GPU，直到任务结束。

而 Tangram 采用的是动作级调度。

也就是说，只有当某个具体操作需要资源时，系统才会分配资源。

写代码→ GPU

编译代码→ CPU

运行测试→ CPU

搜索资料→ API

这样不同 Agent 的任务可以共享资源。

实验结果显示，这种调度方式带来明显提升：平均任务时间缩短 4.3 倍，训练效率提升 1.5 倍，外部资源成本降低 71%，

对于正在进行大规模 Agent 训练的团队来说，这种效率提升非常关键。

如果把最近几个月的技术动向连起来，会看到一条越来越清晰的路线。

OpenClaw 解决的是 Agent 的运行框架问题，

Claude Code、Devin 解决的是 Agent 在真实任务中的应用问题，

而罗福莉等人做 Tangram 这样的研究，则开始解决 Agent 的底层计算问题。

这说明 AI 行业正在经历一个结构性变化，

竞争的焦点正在从模型能力转向 Agent 系统能力。

这也正是为什么 OpenClaw、Claude Code、Devin 会在今年突然变得如此重要。（转载自 AI 普瑞斯）