2026年3月27日，北京中关村论坛迎来一场堪称AI行业“顶流峰会”的开源主题圆桌对话。
月之暗面创始人杨植麟担任主持，智谱AI创始人张鹏、无问芯穹创始人夏立雪、小米MiMo大模型负责人罗福莉、香港大学助理教授黄超五位行业领军者齐聚一堂，围绕近期刷屏AI圈的OpenClaw（业内昵称“龙虾”）展开深度交锋。
罗福莉：自进化将从概念走向落地，成为AI突破的核心动力。借助强大智能体框架，叠加可验证约束与持续loop，模型可自主迭代优化目标，在科研、架构设计等领域实现两三天自主运行优化。这种自进化不是替代人类生产力，而是像顶尖科学家一样探索未知，1-2年内将实现指数级科研加速，中国团队已在该领域实现突破。
夏立雪：核心是打造中国特色Token经济学，实现“AI made in China”。将中国能源、算力优势，通过高效Token工厂转化为全球领先的AI能力，复刻制造业“低成本、高质量、全球输出”的优势，让中国成为全球Token工厂。可持续的核心是打通“能源-算力-Token-GDP”的经济闭环，实现长期稳定迭代。
张鹏：算力仍是未来12个月行业的核心前提。智能体打开了AI想象力上限，但算力短缺、基础设施滞后，成为制约落地的关键。当前Token需求已十倍、百倍爆发，大量需求未被满足，“没卡没感情，谈卡伤感情”的现状重现。只有解决“用得起、用得上”的算力问题，才能让智能体技术真正普惠，推动行业良性发展。
黄超：12个月，智能体将从“新鲜工具”沉淀为“日常生产力”，从个人助手转变为“职场打工人”，这需要模型迭代、skills平台、工具链全维度协同，构建智能体原生生态。最核心的变革是软件交互模式转型——从GUI、MCP转向CLI，未来大量软件将面向智能体设计，而非人类用户，人类保留创意交互，执行性工作全面交给智能体，生态向agent native彻底转型。
从智能体框架价值、Token消耗爆发、算力基础设施变革、模型架构创新到未来12个月行业趋势，全方位拆解AI从对话范式向执行范式跃迁的核心逻辑，勾勒出中国AI在开源、算力、商业化领域的全新发展蓝图。嘉宾们认为，全球AI产业正式告别“聊天时代”，迈入智能体驱动、Token计价、算力重构的全新发展阶段。
整理编辑：i黑马媒体团队
01
OpenClaw：
不是聊天机器人
是AI生产力的“脚手架革命”
在AI圈，OpenClaw已经成为2026年开年最具颠覆性的关键词。这款前身为ClawBot的开源智能体框架，凭借极简交互、开源开放、任务执行能力，迅速成为开发者、企业用户的必备工具，被业内形象地称为“龙虾”。
与传统大模型“问答交互”模式不同，OpenClaw的核心定位是能自主完成复杂任务的AI执行框架，而非单纯的对话工具，这一本质差异让它彻底改写了AI的应用边界。
五位嘉宾从不同视角，还原了OpenClaw带来的行业变革。
智谱创始人张鹏作为早期使用者，将OpenClaw定义为AI能力的“脚手架”——它不生产模型能力，却把顶尖大模型在编程、智能体、任务执行上的核心能力，从程序员、极客的专属品，彻底开放给普通用户。
过去需要代码实现的创意想法，如今通过简单对话就能落地，这种低门槛赋能，让AI从“展示肌肉”走向“解决问题”，这是OpenClaw最核心的价值突破。
无问芯穹创始人夏立雪则从用户体验切入，坦言最初使用OpenClaw时因响应慢感到不适应，但很快意识到这种“卡顿”背后是AI范式的本质升级：传统大模型是“回答问题的工具”，OpenClaw是“承接大型任务的执行者”。
从按Token计费的对话模型，到能自主规划、执行、纠错的智能体，AI的想象力空间完成跃升，但对系统能力的要求也呈指数级提升。
他披露的一组数据更印证了这场变革的冲击力：无问芯穹自2026年1月底起，Token用量每两周翻一番，累计增长10倍，这种增速堪比3G时代手机流量普及初期，预示着AI算力需求进入爆发期。
小米MiMo大模型负责人罗福莉将OpenClaw评价为智能体框架领域的革命性事件，其核心价值体现在两大层面：
一是开源属性，让社区深度参与迭代，大幅拉高国内中腰部开源模型的能力上限，在多数场景下任务完成度逼近Claude最新模型，同时通过harness系统与skills体系保障能力下限；
二是点燃了“大模型之上的智能体层”想象力，让非科研人员参与AGI变革，用智能体替代重复工作，释放创造力。她特别提到，OpenClaw突破了桌面端限制，实现全场景创意延展，交互灵活性远超传统工具。
香港大学助理教授黄超则从交互模式拆解OpenClaw的爆火密码：“活人感”是核心突破口。
不同于Cursor、Claude Code的“工具感”，OpenClaw以IM软件嵌入的交互方式，让用户感受到“个人贾维斯”的体验，这是大众第一次真切感受到AI的落地价值。
同时，它验证了agent loop高效框架范式，更倾向于成为轻量级操作系统级“小管家”，撬动生态工具能力，与开源生态天然契合，而非打造全能超级智能体。
从四位嘉宾的共识中可以清晰看到，OpenClaw的崛起绝非偶然，它精准击中了AI产业的核心痛点：大模型能力过剩，但落地能力不足；技术门槛过高，普惠性不够。
作为开源智能体框架，它成为连接大模型与真实需求的桥梁，让AI从“能说会道”真正走向“能干会干”，这场“脚手架革命”，彻底重构了AI的生产力形态。
02
Token爆发：
智能体驱动成本重构
模型定价回归商业本质
OpenClaw带来的任务执行革命，直接引爆了Token消耗的“核爆式增长”，也倒逼大模型定价逻辑、成本结构全面重构。
圆桌对话中，杨植麟直击行业核心，向张鹏提问智谱GLM-5-Turbo模型迭代与提价的底层逻辑，揭开了智能体时代Token经济的真相。
张鹏直言，智谱GLM-5-Turbo的迭代核心，是从“对话”向“干活”的彻底转型。OpenClaw让AI承担复杂任务，需要模型具备长时任务规划、上下文压缩、自主debug、多模态处理等能力，这与传统对话模型的技术要求天差地别。为支撑智能体持续自主loop执行任务，GLM-5-Turbo做了针对性强化，同时优化推理效率，降低复杂任务的资源消耗。
而关于市场关注的“提价”问题，张鹏给出了直白解释：智能体任务的Token消耗，是简单问答的10倍甚至百倍。复杂任务背后，模型需要超长推理链路、代码编写、基础设施交互、实时纠错，算力与推理成本大幅攀升，提价并非单纯的商业策略，而是回归AI服务的正常商业价值。
他强调，长期低价竞争会摧毁行业生态，只有形成良性商业闭环，才能持续优化模型能力，为用户提供稳定服务。
这一观点得到了全行业的印证。随着智能体普及，Token不再是简单的计价单位，而是成为AI时代的“新石油”“新大宗商品”。
无问芯穹作为AI基础设施厂商，深度感知到Token需求的爆发——当前Token用量的增长速度，已经超越过往任何AI应用阶段，传统云计算架构的算力供给，完全无法匹配这种需求增速。
Token消耗的爆发，本质是AI价值重心的转移：过去Token主要消耗在“情绪对话、简单问答”等低价值场景，如今则集中在“任务执行、代码开发、科研探索、企业办公”等高价值场景。
智能体成为Token消耗的主力军，单个复杂任务的Token消耗量可达数十万级别，这种结构性变化，直接推动AI产业从“训练时代”全面转向“推理时代”，Token经济的雏形正式形成。
在这场变革中，中国AI产业展现出独特的发展逻辑：一方面，开源框架降低了智能体落地门槛，让中小模型也能参与价值创造；另一方面，Token需求的爆发，倒逼产业链从“模型竞赛”转向“效率竞赛”，单Token成本、每瓦Token产出率成为核心竞争力，这为中国AI在算力受限背景下实现弯道超车，提供了全新路径。
03
算力瓶颈：
传统基建不适配AI，
基础设施需“智能体化”
Token用量的核爆式增长，让算力基础设施成为AI产业的核心瓶颈。
五位嘉宾一致认为，当前云计算架构从设计根源上就为人类工程师服务，而非为AI智能体设计，这种结构性错配，成为制约智能体发展的最大障碍，也催生了全新的基础设施变革方向。
夏立雪作为基础设施领域的代表，给出了清晰判断：无问芯穹的核心使命，是打造AGI时代的高效Token工厂。
面对算力紧缺，企业采取两大策略：一是软硬件协同，接入国内所有主流计算芯片，整合数十种芯片与算力集群，最大化盘活现有资源；二是极致优化效率，让每一分算力都发挥最大价值，探索模型结构与硬件结构的深度融合。
但他更强调，标准化Token工厂只是短期方案，长期来看必须实现基础设施智能体化。现有基础设施的接口为人设计，需要层层封装才能接入智能体，用人类的操作逻辑限制了智能体的能力——智能体可毫秒级发起任务，而传统系统仅支持分钟级人类操作，速度完全不匹配。
未来，基础设施本身应成为智能体，具备自我进化、自我迭代能力，甚至拥有“AI CEO”，根据AI客户需求自主迭代优化，实现AI与基础设施的深度耦合，而非单向的需求执行。
这一观点得到了罗福莉的呼应。她指出，中国大模型团队的核心优势，正是在算力受限环境下逼出来的架构创新。两年前，在NVLink带宽受限、高端算力不足的背景下，DeepSeek、MiniMax等团队突破技术限制，探索出混合稀疏架构、线性注意力等创新方向，证明在有限算力下，可通过架构优化最大化智能水平。这种“算力约束下的创新”，成为中国AI的核心技术积累。
面向智能体时代，模型架构创新的核心方向直指长上下文能力。罗福莉明确表示，OpenClaw“越用越聪明”的前提，是超长推理上下文支撑。但多数模型无法实现百万级、千万级上下文，并非能力不足，而是成本过高、速度过慢。只有实现长上下文下的低成本、高速度推理，才能交付高价值复杂任务，最终实现模型自我进化。
小米、Kimi等团队正在探索的下一代架构，正是围绕智能体时代的长上下文、高效率需求打造，区别于传统Transformer架构。
算力瓶颈的倒逼，让中国AI产业走出了一条“效率优先、架构创新、软硬协同”的特色路径。不同于国外依赖高端算力堆砌的模式，中国AI更注重资源整合、成本优化、技术迭代，这种模式不仅适配国内算力现状，更成为智能体时代全球AI发展的重要参考方向。
04
技术痛点：
规划、记忆、工具调用
智能体的三大核心难题
尽管OpenClaw带来了革命性突破，但五位技术大咖也直言，当前智能体框架仍存在诸多技术短板，规划、记忆、工具调用成为制约行业发展的三大核心痛点，需要全社区协同突破。
黄超从技术层面系统拆解了这些痛点：规划层面：复杂任务、超长上下文的规划能力不足。500步以上的部署任务，模型普遍难以完成规划，核心是缺乏垂直领域隐性知识。
未来需将领域知识固化到模型中，通过skills、harness体系缓解规划错误，提升任务完成度。记忆层面：信息压缩、检索精度存在瓶颈。任务复杂度提升导致上下文暴增，现有框架仅采用文件系统等简单共享方式，无法满足需求。
未来需走向分层记忆设计，但coding、科研、多模态等场景数据模态差异大，通用化记忆机制仍需突破。
同时，多智能体集群（Agent Swarm）会带来更海量的上下文压力，现有机制完全无法适配。
工具调用层面：高质量skill极度稀缺。当前skill数量多但质量低，低质量skill直接拉低任务完成率，还存在恶意注入的安全风险。
这与当年MCP时代的工具稀缺问题高度相似，需要社区共建生态，甚至探索智能体自主进化skill的能力，而非依赖人工预设。
这些痛点直指智能体发展的核心：当前智能体仍处于“初级执行”阶段，距离自主、高效、安全的复杂任务处理仍有差距。而解决这些问题，不能仅靠单一企业或模型，需要开源社区、模型厂商、基础设施厂商、开发者协同发力，构建完整的技术生态。
值得关注的是，harness与skills体系被嘉宾们一致认定为突破痛点的关键设计。从模型层面提升长上下文能力，从harness层面优化记忆、规划、工具调用，两大方向互补协同，才能让模型支撑更复杂的智能体任务，这成为行业共识。
05
未来12个月：
生态、自进化、可持续、算力
四大关键词定调行业走向
对话最后，五位嘉宾用四个关键词，勾勒出未来12个月AI产业的核心趋势，为行业发展指明方向。
1.黄超：生态未来
12个月，智能体将从“新鲜工具”沉淀为“日常生产力”，从个人助手转变为“职场打工人”，这需要模型迭代、skills平台、工具链全维度协同，构建智能体原生生态。最核心的变革是软件交互模式转型——从GUI、MCP转向CLI，未来大量软件将面向智能体设计，而非人类用户，人类保留创意交互，执行性工作全面交给智能体，生态向agent native彻底转型。
2.罗福莉：自进化
自进化将从概念走向落地，成为AI突破的核心动力。借助强大智能体框架，叠加可验证约束与持续loop，模型可自主迭代优化目标，在科研、架构设计等领域实现两三天自主运行优化。这种自进化不是替代人类生产力，而是像顶尖科学家一样探索未知，1-2年内将实现指数级科研加速，中国团队已在该领域实现突破。
3.夏立雪：可持续Token
核心是打造中国特色Token经济学，实现“AI made in China”。将中国能源、算力优势，通过高效Token工厂转化为全球领先的AI能力，复刻制造业“低成本、高质量、全球输出”的优势，让中国成为全球Token工厂。可持续的核心是打通“能源-算力-Token-GDP”的经济闭环，实现长期稳定迭代。
4.张鹏：算力
算力仍是未来12个月行业的核心前提。智能体打开了AI想象力上限，但算力短缺、基础设施滞后，成为制约落地的关键。当前Token需求已十倍、百倍爆发，大量需求未被满足，“没卡没感情，谈卡伤感情”的现状重现。只有解决“用得起、用得上”的算力问题，才能让智能体技术真正普惠，推动行业良性发展。
四个关键词，覆盖生态、技术、商业、基础设施四大维度，精准概括了智能体时代的核心命题：生态是基础，自进化是动力，可持续是保障，算力是前提。
OpenClaw引爆的智能体革命，彻底终结了大模型“聊天内卷”时代，让AI回归生产力本质；Token经济的崛起，重构了AI商业化逻辑，让技术价值与商业价值匹配；算力基础设施的智能体化探索，走出了中国特色的AI发展路径；自进化、生态化的技术方向，直指AGI的终极目标。
匿名用户
