楊植麟、羅福莉、夏立雪、張鵬、黃超暢談：中國會(huì)成為世界Token工廠嗎？

出品｜搜狐科技

作者｜常博碩

編輯｜楊 錦

今天，在中關(guān)村論壇人工智能主題日的AI開源前沿論壇上，最受關(guān)注的莫過于“OpenClaw與AI開源”的圓桌討論。

這場“龍蝦盛宴”，匯聚了當(dāng)前中國大模型領(lǐng)域的頂尖大腦：月之暗面創(chuàng)始人楊植麟、智譜華章CEO張鵬、無問芯穹聯(lián)合創(chuàng)始人兼CEO夏立雪、小米MiMo大模型負(fù)責(zé)人羅福莉以及香港大學(xué)助理教授、Nanobot團(tuán)隊(duì)負(fù)責(zé)人黃超。

五位嘉賓分別代表了模型層、底層算力、終端應(yīng)用以及前沿學(xué)術(shù)研究的頂級(jí)水平。

隨著OpenClaw的爆火，“小龍蝦”成了新的熱詞，人們對(duì)人工智能的期待也開始從“能聊天”轉(zhuǎn)向“能干活”。本次圓桌的五位行業(yè)大佬不僅對(duì)OpenClaw進(jìn)行了技術(shù)路徑的拆解，也對(duì)未來一年甚至更長周期內(nèi)，中國AI如何在全球開源浪潮中定位、如何解決算力瓶頸、如何實(shí)現(xiàn)模型自進(jìn)化等做了深度交流。

智能體千千萬，為何龍蝦如此火？

圓桌論壇伊始，主持人楊植麟便拋出了一個(gè)直擊當(dāng)下熱點(diǎn)的問題：如何看待OpenClaw及其相關(guān)Agent的演進(jìn)？

作為大模型領(lǐng)軍人物，張鵬首先分享了他對(duì)OpenClaw的獨(dú)特理解。在他看來，OpenClaw最重大的意義在于打破了極客與普通人之間的技術(shù)壁壘，他將其生動(dòng)地比喻為一種“腳手架”。

在他看來，龍蝦提供的是一種可能性，在模型的基礎(chǔ)之上搭起一個(gè)很牢固、很方便、但又很靈活的腳手架。

“原來自己的一些想法受限于不會(huì)寫代碼，或者不會(huì)其他技能，今天可以通過很簡單的交流就能完成。”

這種從對(duì)話機(jī)器人到生產(chǎn)力工具的轉(zhuǎn)變，讓張鵬重新認(rèn)識(shí)到了模型能力的邊界，AI不再僅僅是信息的搬運(yùn)工，而是想法的實(shí)現(xiàn)者。

夏立雪則從基礎(chǔ)設(shè)施的角度切入。他坦言，自己最初使用OpenClaw時(shí)曾因其響應(yīng)速度而感到不適，但隨后他意識(shí)到，這種“慢”源于其底層任務(wù)邏輯的根本改變。

他認(rèn)為，OpenClaw是一個(gè)能夠承接大型、復(fù)雜任務(wù)的Agent，將AI的想象力空間從單純的文字聊天提升到了任務(wù)執(zhí)行的新高度。

與此同時(shí)，夏立雪敏銳地觀察到，這種演進(jìn)對(duì)系統(tǒng)能力提出了近乎苛刻的要求。

“我們現(xiàn)在所有能夠用到的資源，想要支撐起這樣一個(gè)快速增長的時(shí)代是不夠的。”他解釋道：“就拿我們公司來說，從1月底開始，基本每兩周我們的Token量就翻一番，到現(xiàn)在基本上翻了十倍。”

這種爆發(fā)速度讓他聯(lián)想到了3G時(shí)代手機(jī)流量的激增。但作為基礎(chǔ)設(shè)施廠商，夏立雪無疑是激動(dòng)的。

“這種情況下，所有的資源需要進(jìn)行更好地優(yōu)化和整合，讓每一個(gè)人，不僅僅是AI領(lǐng)域的人，而是整個(gè)社會(huì)上每一個(gè)鮮活的人，都能夠把OpenClaw，把這樣的AI能力給用起來。”

羅福莉則將OpenClaw定位于Agent框架的革命性事件，將其與ClaudeCode進(jìn)行深度對(duì)比。她直言：“我相信只有用過OpenClaw的人，才會(huì)獨(dú)特地感受到這個(gè)框架其實(shí)有很多在Agent框架上的設(shè)計(jì)是領(lǐng)先于ClaudeCode的，包括最近ClaudeCode有很多更新，其實(shí)都是在向OpenClaw靠近。”

她認(rèn)為，OpenClaw的領(lǐng)先之處首先在于其開源屬性，這是點(diǎn)燃社區(qū)參與熱情的前置條件。同時(shí)，羅福莉深刻地指出，OpenClaw的核心價(jià)值在于“保底”與“拔高”。它通過Harness系統(tǒng)和Skills體系保證了任務(wù)完成度的下限，同時(shí)又將次閉源模型的上限拉升到了接近閉源頂尖模型的水平。更重要的是，它讓研究員之外的更多大眾參與到AGI變革中，利用Scaffold等機(jī)制釋放人類時(shí)間，去從事更有想象力的創(chuàng)造。

從交互體驗(yàn)層面，黃超給出了一個(gè)極具人情味的詞匯——“活人感”。

他認(rèn)為，OpenClaw之所以能從Cursor、ClaudeCode等一眾Agent中脫穎而出，是因?yàn)樗訧M軟件嵌入的方式打破了冷冰冰的“工具感”，更接近人們心中“賈維斯”式的個(gè)人助理形象。

黃超進(jìn)一步闡述道，OpenClaw證明了AgentLoop這種簡單高效框架的生命力，它讓業(yè)界開始思考：我們需要的或許不是一個(gè)全能的超級(jí)AI，而是一個(gè)輕量級(jí)的、像操作系統(tǒng)腳手架一樣的小管家。

Token大爆發(fā)、模型大漲價(jià)，AI的盡頭是什么？

在探討完共性問題后，楊植麟將話題引向了針對(duì)各位嘉賓核心領(lǐng)域的深度追問，試圖從模型架構(gòu)、算力基座、后訓(xùn)練范式以及AI的未來進(jìn)行深入剖析。

針對(duì)智譜最近發(fā)布的GLM-5-Turbo模型及模型漲價(jià)的問題，張鵬現(xiàn)場做出了回應(yīng)。張鵬直言，由于干活邏輯下的Token消耗量是簡單對(duì)話的十倍甚至百倍，模型推理成本也隨之提高，長期低價(jià)競爭不利于行業(yè)良性閉環(huán)。

他表示，只有建立健康的商業(yè)模式，才能持續(xù)優(yōu)化模型能力并提供優(yōu)質(zhì)的Token服務(wù)。

隨著OpenClaw帶動(dòng)整個(gè)行業(yè)Token量暴增，對(duì)系統(tǒng)效率提出了更大的優(yōu)化需求。

夏立雪詳細(xì)描繪了無問芯穹正在打造的“Token工廠”：“我們接入了幾乎所有種類的計(jì)算芯片，把國內(nèi)十幾種芯片和幾十個(gè)不同的算力集群統(tǒng)一連接起來，解決AI系統(tǒng)中算力資源緊缺的問題。”

“在這個(gè)時(shí)代，當(dāng)前我們要解決的就是怎么進(jìn)一步打造一個(gè)更高效的Token工廠。這里我們做了很多優(yōu)化，包括讓模型和硬件上的各種顯存、各種基礎(chǔ)進(jìn)行最優(yōu)適配，也在看會(huì)不會(huì)在最新的模型結(jié)構(gòu)和硬件結(jié)構(gòu)下進(jìn)行更深度的化學(xué)反應(yīng)。”

夏立雪進(jìn)一步表示，現(xiàn)有的云計(jì)算基礎(chǔ)設(shè)施是為“分鐘級(jí)”響應(yīng)的人類工程師設(shè)計(jì)的，而Agent需要的是毫秒級(jí)的任務(wù)發(fā)起。

在他的愿景中，真正的AGI時(shí)代，基礎(chǔ)設(shè)施本身就應(yīng)該是一個(gè)智能體，由一個(gè)“CEO Agent”來管理算力集群，通過Cache-to-Cache實(shí)現(xiàn)Agent之間的高效通信。這種“AI管理AI”，才是未來基礎(chǔ)設(shè)施進(jìn)化的終極形態(tài)。

羅福莉則分享了在算力受限背景下，中國模型團(tuán)隊(duì)如何通過結(jié)構(gòu)創(chuàng)新實(shí)現(xiàn)“反向突破”。她提到，DeepSeek等團(tuán)隊(duì)在有限帶寬下通過MoE和MLA等結(jié)構(gòu)創(chuàng)新，為行業(yè)注入了極大的信心。

羅福莉認(rèn)為，結(jié)構(gòu)創(chuàng)新的核心在于實(shí)現(xiàn)“高效長上下文”。她指出，長上下文本質(zhì)上是參數(shù)的一種進(jìn)化，只有在1M、10M甚至100M的上下文中實(shí)現(xiàn)極低的推理成本和極快的速度，模型才能在復(fù)雜環(huán)境中實(shí)現(xiàn)“自進(jìn)化”。

黃超則對(duì)智能體的技術(shù)痛點(diǎn)進(jìn)行了精細(xì)拆解，涵蓋了規(guī)劃、記憶和工具使用三個(gè)模塊。他指出，當(dāng)前模型在500步以上的長程任務(wù)中表現(xiàn)不佳，本質(zhì)是缺乏垂直領(lǐng)域的隱性知識(shí)。

“在記憶層面，記憶模塊一直存在一些痛點(diǎn)，比如信息壓縮不準(zhǔn)確、檢索不精準(zhǔn)等，而當(dāng)模型處理長程任務(wù)、復(fù)雜場景時(shí)，對(duì)記憶的需求會(huì)急劇增加，這也給記憶模塊帶來了巨大壓力。”

“說實(shí)話，當(dāng)下的記憶機(jī)制很難實(shí)現(xiàn)通用化，比如編碼、深度研究、多媒體等不同領(lǐng)域，數(shù)據(jù)模態(tài)的差異很大，如何為這些不同模態(tài)的內(nèi)容打造高效的記憶檢索引擎，一直是一個(gè)權(quán)衡取舍的過程，這也是記憶模塊長期需要解決的問題。”

在黃超看來，早期的MCP所存在的問題，現(xiàn)在的Skills體系依然存在，雖然看似有很多技能Skill，但高質(zhì)量的Skill其實(shí)很少，低質(zhì)量的Skill會(huì)嚴(yán)重影響智能體的任務(wù)完成度。所以需要整個(gè)社區(qū)共同努力，去完善Skills體系，甚至探索如何讓技能模板在執(zhí)行過程中進(jìn)化出一些新的Skills。

中國能成為世界Token工廠嗎？

在論壇的最后，五位嘉賓對(duì)未來12個(gè)月的AI趨勢做了自己的展望。

黃超認(rèn)為，未來最重要的將是生態(tài)。Agent轉(zhuǎn)變?yōu)?“打工人”，離不開整個(gè)生態(tài)的貢獻(xiàn)。

對(duì)于未來，他提出了自己的觀點(diǎn)：“未來大部分的軟件都不一定是面向人類的。未來的軟件系統(tǒng)將不再是為了取悅?cè)祟惛泄俚腉UI而存在，而是全面轉(zhuǎn)向Agent Native（智能體原生）。”

在這種范式下，人類或許只保留享受快樂的界面，而繁重的業(yè)務(wù)邏輯將通過CLI（命令行接口）由智能體在后臺(tái)高效完成。

對(duì)羅福莉而言，接下來一年AGI歷程中最關(guān)鍵的一個(gè)事是“自進(jìn)化”。“ 自進(jìn)化唯一可以創(chuàng)造新的東西的地方，它不是去替代我們現(xiàn)有的人的生產(chǎn)力，像頂尖的科學(xué)家一樣去探索這個(gè)世界上沒有的東西。”

她敏銳地洞察到，過去Chat范式的交互其實(shí)極大地限制了預(yù)訓(xùn)練模型的智能上限，而Agent框架正是激活這一上限的方式。通過在框架中疊加可驗(yàn)證的條件限制并設(shè)定Loop，模型能夠表現(xiàn)出驚人的自我迭代能力。

“借助Claude Code或其他非常頂尖的模型，基本上能夠加速我們研究效率近十倍。我覺得自進(jìn)化是非常重要的。”

夏立雪則從基礎(chǔ)設(shè)施的角度提出了“可持續(xù)Token”的概念。他認(rèn)為，AI的發(fā)展不應(yīng)是資源的竭澤而漁，而應(yīng)形成從能源到算力，再轉(zhuǎn)化到Token，最終映射到GDP的閉環(huán)鏈路。

他希望未來中國可以利用能源與制造業(yè)優(yōu)勢，通過高效的“Token工廠”向全球輸出高質(zhì)量、可持續(xù)的Token服務(wù)，讓中國真正成為世界級(jí)的AI能源中樞。

最后，張鵬直言不諱地指出，無論智能體框架如何賦能創(chuàng)造力，如果算力供給跟不上爆發(fā)式增長的Token需求，所有的愿景都將是空中樓閣。

“前兩年我記得有句老話叫‘沒卡沒感情，談卡傷感情’，我覺得今天又到了這個(gè)地步了，但情況又不一樣：我們到了推理階段，轉(zhuǎn)向推理階段是因?yàn)樾枨笳娴脑诒l(fā), 還有大量的需求沒有滿足。”

運(yùn)營編輯 |曹倩審核｜孟莎莎