最近，AI 領(lǐng)域被一個名為 OpenClaw 的開源智能體框架攪動得熱火朝天。這個框架不僅被比作賈維斯、腳手架，甚至有人稱其為輕量級操作系統(tǒng)，其熱度在行業(yè)內(nèi)持續(xù)攀升，引發(fā)了關(guān)于它能做什么、不能做什么、未來走向何方等眾多話題的熱烈討論。

在一場由月之暗面創(chuàng)始人楊植麟主持的開源主題圓桌討論中，智譜創(chuàng)始人張鵬、無問芯穹創(chuàng)始人夏立雪、小米 MiMo 大模型負責(zé)人羅福莉以及香港大學(xué)助理教授黃超齊聚一堂，圍繞 OpenClaw 的實際使用體驗、模型定價邏輯、推理基礎(chǔ)設(shè)施的結(jié)構(gòu)性瓶頸以及模型架構(gòu)創(chuàng)新等話題展開了深入交流。

張鵬分享了自己從早期使用類似工具（當(dāng)時叫 ClawBot）的經(jīng)歷。他指出，OpenClaw 的最大突破在于將頂尖模型的編程和智能體能力賦予了普通人，在模型上方搭建了一個靈活的腳手架，讓原本因不會寫代碼而無法實現(xiàn)的想法，如今通過簡單對話就能完成。他強調(diào)，這并非一個封閉的產(chǎn)品，而是一種可能性的提供。

夏立雪則坦言，一開始對 OpenClaw 的響應(yīng)速度感到不適應(yīng)，習(xí)慣了與大模型聊天的他，發(fā)現(xiàn)這類工具與聊天機器人有本質(zhì)區(qū)別。OpenClaw 更像是一個能承接大型任務(wù)的人，而非單純回答問題的工具。他還透露，無問芯穹從今年一月底開始，token 用量每兩周翻一番，目前已翻了十倍，這種增速讓他想起了 3G 時代手機流量剛普及時的情景。他認(rèn)為，現(xiàn)有資源難以支撐這種快速增長，需要更好的優(yōu)化和整合。

羅福莉從產(chǎn)品框架設(shè)計角度出發(fā)，認(rèn)為 OpenClaw 是 agent 框架領(lǐng)域的一次革命性事件。她指出，開源是 OpenClaw 的核心價值之一，它讓整個社區(qū)能夠深度參與、持續(xù)改進，大幅拉高了國內(nèi)參數(shù)量不大但水平可觀的模型的能力上限。同時，它也點燃了大家對大模型之上智能體層的想象力，讓越來越多非研究員背景的人能夠參與 AGI 的變革，替代工作中的重復(fù)任務(wù)，釋放時間進行更有創(chuàng)造力的活動。她還提到，相比 Claude Code 只能在桌面上延展創(chuàng)意，OpenClaw 可以隨時隨地參與創(chuàng)意過程，想象力擴展沒有場景限制。

黃超從交互模式分析了 OpenClaw 引發(fā)關(guān)注的原因。他認(rèn)為，“活人感”是關(guān)鍵因素之一，OpenClaw 以 IM 軟件嵌入的交互方式呈現(xiàn)，讓人感覺更接近個人賈維斯。它再次驗證了 agent loop 這種高效框架范式，也引發(fā)了關(guān)于需要一個 all-in-one 的超級智能體還是一套輕量級操作系統(tǒng)或腳手架的討論。他傾向于后者，認(rèn)為 OpenClaw 更像操作系統(tǒng)級別的小管家，通過這個入口，社區(qū)里越來越多的人開始設(shè)計面向這類系統(tǒng)的應(yīng)用，與開源生態(tài)緊密結(jié)合。

隨著討論的深入，話題轉(zhuǎn)向了智譜最新發(fā)布的 GLM-5-Turbo 模型及其提價策略。張鵬解釋說，這次更新是從“對話”轉(zhuǎn)向“干活”的階段性成果。OpenClaw 讓大家意識到大模型能幫人完成任務(wù)，但這背后對模型能力的要求遠超以往，需要長時間任務(wù)規(guī)劃、上下文壓縮、隨時 debug 以及處理多模態(tài)信息等。GLM-5-Turbo 在這些方面做了專門加強，尤其是讓模型持續(xù)自我 loop、不停執(zhí)行任務(wù)的能力。同時，也做了效率優(yōu)化，避免用戶看到賬單數(shù)字不停下降。對于提價，他認(rèn)為現(xiàn)在完成復(fù)雜任務(wù)消耗的 token 量可能是回答簡單問題的十倍甚至百倍，模型變大、推理成本提高，價格自然要回歸正常商業(yè)價值，長期低價競爭不利于行業(yè)發(fā)展。

推理基礎(chǔ)設(shè)施的壓力也成為不可回避的話題。夏立雪表示，無問芯穹作為 AI 時代的基礎(chǔ)設(shè)施廠商，一直在思考 AGI 時代需要什么樣的基礎(chǔ)設(shè)施以及如何實現(xiàn)。他認(rèn)為，當(dāng)前最緊迫的問題是打造更高效的 token 工廠，從軟硬件打通角度出發(fā)，接入國內(nèi)幾乎所有種類的計算芯片，統(tǒng)一連接幾十個不同的算力集群。但他也指出，僅僅打造標(biāo)準(zhǔn)化 token 工廠還不夠，當(dāng)前大量云計算基礎(chǔ)設(shè)施是為人類工程師設(shè)計的，限制了智能體的發(fā)揮空間。他舉例說，智能體能做到秒級甚至毫秒級思考和發(fā)起任務(wù)，但現(xiàn)有底層能力沒有為這個速度做好準(zhǔn)備，需要打造更智慧化的調(diào)控系統(tǒng)。從長遠看，他認(rèn)為真正 AGI 時代到來時，基礎(chǔ)設(shè)施本身也應(yīng)該成為一個智能體，能夠自我進化、自我迭代，形成自主的組織。

羅福莉?qū)⒃掝}拉到了中國大模型團隊的層面。她認(rèn)為，大約兩年前，中國基座大模型團隊在有限算力、尤其是 NVLink 互聯(lián)帶寬受限的情況下，開始了一次重要突破，即在模型結(jié)構(gòu)上進行創(chuàng)新以突破低端算力限制。DeepSeek V2、V3 系列以及后來的 MiniMax M1 等都是這類探索的產(chǎn)物，這些創(chuàng)新為國內(nèi)大模型團隊帶來了勇氣和信心。她還提到了混合稀疏架構(gòu)、Kimi 的 KSA 架構(gòu)、小米面向下一代的新結(jié)構(gòu)等具體方向，強調(diào)了長上下文能力的重要性，認(rèn)為只有在長上下文下成本夠低、速度夠快，才能把真正有生產(chǎn)力價值的復(fù)雜任務(wù)交給模型完成。

黃超從技術(shù)角度系統(tǒng)梳理了當(dāng)前智能體框架在規(guī)劃、記憶與工具調(diào)用三個核心模塊上的主要痛點和未來方向。在規(guī)劃層面，他認(rèn)為面向復(fù)雜任務(wù)、超長上下文的規(guī)劃能力仍然不足，一個方向是把復(fù)雜任務(wù)的領(lǐng)域知識固化到模型里。在記憶層面，信息壓縮和檢索精度是難題，未來 memory 機制需要走向分層設(shè)計，但通用化很難實現(xiàn)。他還指出了未來可能面臨的一群智能體帶來的上下文暴增問題，目前還沒有成熟機制應(yīng)對。在工具調(diào)用層面，他認(rèn)為高質(zhì)量的 skill 依然稀缺，需要整個社區(qū)共同建設(shè)，甚至探索在執(zhí)行過程中動態(tài)進化出新的 skill。

論壇最后，楊植麟請每位嘉賓用一個關(guān)鍵詞描述未來十二個月最重要的趨勢。黃超給出的關(guān)鍵詞是“生態(tài)”，他認(rèn)為未來需要讓智能體沉淀成日常工具，從個人助手轉(zhuǎn)變?yōu)檎嬲拇蚬と撕?coworker，這需要模型迭代、skills 平臺建設(shè)和各類工具的共同推進。羅福莉選擇了“自進化”，她認(rèn)為借助足夠強大的模型，在智能體框架里疊加可驗證的約束條件并設(shè)定持續(xù) loop，模型能持續(xù)拿出更好的方案并自主運行，預(yù)計結(jié)合強大的自迭代 agent 框架，對科研的加速將達到指數(shù)級。夏立雪選擇了“可持續(xù) Token”，他希望把中國在能源和算力上的優(yōu)勢通過高效的 token 工廠持續(xù)轉(zhuǎn)化為優(yōu)質(zhì)的 AI 能力，輸出到全球，讓中國成為世界的 token 工廠。張鵬的關(guān)鍵詞則是“算力”，他認(rèn)為所有技術(shù)的前提是大家用得起，算力問題是接下來十二個月最需要大家一起想辦法的事情。