OpenClaw 爆火后，IoA 時代的六大核心論斷 | GAIR Live 026

Openclaw開啟的，是“互聯網第二次大航海”的序幕。

作者丨岑峰

當 OpenClaw 以兩個月登頂 GitHub 星標增長最快項目的速度燃遍全球，被冠以 “智能體第一個瀏覽器” 的稱號時，一場從單體 Agent 到 Multi-Agent、從工具調用到意圖協作的范式轉移，正悄然叩響智能體互聯網（Internet of Agents，IoA）的大門。

在最近舉行的雷峰網 GAIR Live 線上圓桌中，

? 王洪磊，面壁研究院智能體產品線負責人

? 管震，智用開物人工智能科技CEO，研究院院長

? 常高偉，ANP開源社區發起人，AWiki創始人

三位智能體互聯網的先驅者和實踐者，在GAIR Live第26期圓桌論壇中跳出技術空談，展開了一場一個半小時的硬核對話。嘉賓們拋出諸多顛覆行業認知的核心論斷，直指 IoA 發展的本質問題、核心壁壘與未來格局，勾勒出這場人工智能范式轉移的真實圖景。這些觀點既有對當下技術現狀的清醒判斷，也有對未來生態的大膽預判，成為理解 IoA 時代的關鍵鑰匙。

論斷一：OpenClaw 只是過渡形態，絕非 IoA 終局

王洪磊直言，OpenClaw 的核心價值是完成了智能體交互從 “聊天對話” 到 “任務執行驅動” 的啟蒙，拿到了通往 IoA 時代的通行證，但現階段仍停留在發燒友階段，遠非意圖驅動的終極形態。其當下仍面臨安全性、隱私保護、運行成本等硬傷，且核心能力仍局限于 “幫人操作軟件”，而非 IoA 的終極目標 —— 智能體之間的自主互聯與意圖協作。未來 OpenClaw 的演進方向必然是智能體操作系統，成為承載多智能體協作的基礎容器，而真正的 IoA 終局，是人類僅需表達意圖，智能體便能自動拆解、跨網協作，實現全局任務的自主完成。

論斷二：松耦合是 IoA 的正確方向，但 “太松” 會致命，企業落地缺的是 “協作默契”

管震作為產業一線實踐者，基于深耕制造業的落地經驗，提出了一個對當前行業盲目追捧“極致松耦合”的冷思考：以 OpenClaw（龍蝦）為代表的純松耦合智能體架構，雖然切中了傳統IT“煙囪式”系統的痛點，但在嚴肅的企業級場景中，往往因為“太松”而陷入無法落地的泥沼。

當前多智能體協作處于割裂狀態，執行任務時上下文丟失、彼此無信任關系，如同無戰術的散兵作戰，這是比技術架構更核心的問題。松耦合絕非簡單的 “全拆了之”，而是需要像足球賽一樣的協作默契，他打了一個生動的比方：“企業里的多智能體協作應該像一場高水平的足球賽。球員（Agent）在場上的跑位和傳接配合是自由的、松耦合的；但整場比賽必須基于清晰的場地邊界、規則判罰和球隊戰術——這就等同于企業的物理機理和業務邏輯（本體模型）。”

論斷三：IoA 協議不會有 TCP/IP 式的大一統標準，而是場景 “打” 出來的群體契約

王洪磊打破了行業對協議標準化的固有認知，提出了顛覆性觀點：IoA 協議無需追求傳統互聯網 TCP/IP 那樣的硬性大一統標準，甚至這種標準化本身并不適用于智能體互聯。

原因在于，大模型天然具備 “翻譯” 和 “協議轉換” 能力，智能體可通過學習對齊不同協議，而 IoA 連接的是 “智能” 而非單純的數據，過度標準化會扼殺智能體的靈活性。未來的 IoA 標準，必然是在醫療、工業、法律等真實場景中自下而上 “打” 出來的，是產業界共同書寫的 “群體契約”，早期的協議碎片化反而能催生更多范式，最終在實踐中沉淀出事實上的最優方案。

論斷四：企業級 IoA 最大壁壘不是技術，而是用 AI 重做一遍 “數據治理” 的本體抽象

管震拋出結論：“像Agent Foundry這樣的工業智能體 的核心設計理念，就是讓智能體協作從一開始，就沿著企業預定義的本體模型來組織。”管震進一步解釋，“因為有了這種由底層業務機理構筑的‘協作默契’與‘信任機制’，我們的Agent在執行排產、品控等復雜任務時，無需在每次交互中都重復試探邊界或對齊上下文。這不僅徹底杜絕了任務跑偏的風險，更讓企業能夠以極高的可靠性和極低的算力協同成本，去完成那些高價值的核心業務。”

不過，這要求場景落地時，企業要完成一次企業級的 “數據治理”—— 需要深入每個企業、每個部門，梳理清楚業務實體間的復雜關系，建立適配企業決策邏輯的映射機制，解決不同主體對同一概念的定義分歧。這項工作是不折不扣的 “苦力活”，卻也是智能體從 “腦補流程” 到 “執行真實任務” 的必經之路。如果本體映射做不到位，智能體的任務拆解只會脫離企業物理約束與業務邏輯，生成 “假任務”，在生產環境中引發致命混亂。

論斷五：中國 IoA 的核心王牌不是技術模仿，而是應用驅動的標準定義權

在全球 IoA 賽道的競爭中，三位嘉賓均認為中國擁有獨一無二的核心優勢，且這一優勢是美國等國家無法復制的。

? 管震直言，諸多復雜的工業場景為中國獨有，美國根本無法制定相關標準，而中國豐富的場景與激烈的產業競爭，正成為推動智能體技術落地的核心動力，“應用驅動的標準，終將是我們的天下”；

? 王洪磊將其總結為 “三位一體” 的系統優勢：全球最完整的工業體系提供海量落地場景，頂尖學術力量正在宣示 “學術主權”，強大的工程實踐能力讓技術從論文走向產業，三者形成的合力，讓中國從 IoA 技術的追趕者，變為全球標準的定義者；

? 常高偉則補充，中國的開源社區與產業端的深度聯動，正加速協議與場景的融合，為中國爭奪 IoA 全球話語權奠定基礎。

論斷六：虛擬勞動力協作必然經歷 “先單兵、后協作” 的階段

此外，三位嘉賓還對 IoA 的生產力重構提出了關鍵判斷：虛擬勞動力協作必然經歷 “先單兵、后協作” 的階段，當前核心是打造 “更聰明的單體智能體”，而 3-5 年后千級以上智能體的大規模協作，將成為行業核心命題；

同時，IoA 的安全與信任問題，無法單靠協議解決，而是需要 “協議層電子憑證 + 應用層評價體系” 的組合方案，讓智能體協作形成 “可追溯、可評價、可結算” 的閉環。

OpenClaw 的爆火，只是 IoA “第二次互聯網大航海時代”的序章，而這些顛覆傳統的論斷，讓行業看清了 IoA 發展的真實邏輯：它不是一場單純的技術升級，而是從交互形態、協作架構、商業模式到產業生態的全面重構。IoA 時代的到來，不在于技術的完美，而在于在場景中不斷試錯、在協作中持續進化，而中國憑借應用場景的獨特優勢，正迎來成為全球 IoA 生態核心玩家的關鍵窗口期。

以下是此次圓桌討論的精彩分享，雷峰網AI科技評論進行了不改原意的編輯整理：

圓桌主題：OpenClaw 爆火之后，Internet of Agents 時代還有多遠？

主持人：岑峰 雷峰網

嘉賓：

? 王洪磊，面壁研究院智能體產品線負責人

? 管震，智用開物人工智能科技CEO，研究院院長

? 常高偉，ANP開源社區發起人，AWiki創始人

岑峰：各位線上的聽眾朋友，歡迎來到 GAIR Live 第 26 期。

今年年初，OpenClaw（龍蝦）悄然上線并火遍全球，短短兩個月便成為 GitHub 星標增長最快的項目。有人稱它是智能體的第一個瀏覽器，是 AI 的“Next Big Thing”。但比產品本身更值得關注的是其背后加速形成的Internet of Agents（智能體互聯網，簡稱 IoA）。我們正站在范式轉移的臨界點：從單體 Agent 轉向 Multi-Agent，從簡單的工具調用轉向復雜的意圖協作。

當 MCP、ANP 等協議群雄并起，中國團隊如何在全球標準中爭奪話語權？今晚我們邀請了三位頂尖實踐者：面壁智能體負責人王洪磊博士、智用開物創始人管震老師、以及 ANP 開源社區發起人常高偉老師。我們將從 OpenClaw 現象出發，深入探討架構之爭、商業落地，展望 Internet of Agents 的未來。

首先，請三位老師簡短介紹自己在 Internet of Agents 領域的實踐與認知。

王洪磊：在我們的視角中，AI 正處在十字路口，從單體智能的軍備競賽轉向群體協作的生態共建。

早在 2024 年，面壁智能聯合清華團隊首次提出了“智能體互聯網（IoA）”的概念。我們預言未來智能不會局限在單一的聊天窗口，而是像互聯網站點一樣，構成異構智能體的互聯網絡。基于此認知，我們構建了 Agentworks、CSF 等多智能體系統與框架，并在清華大學落地了面向全體師生的“清小達”智能體平臺。

未來，智能體的建設不僅依賴模型能力，更看重多智能體系統在“單位面積”內的“智力密度”，以實現群體涌現。中國未來的發展必然是在復雜、垂直的產業場景中構建協作底座。面壁智能的工作就是通過 IoA 范式和端邊協同，共同構建“萬物皆代理”的智能體互聯網時代。

管震：智用開物是一家成立于 2024 年的創業公司。我們團隊出身微軟，在工業數字化領域深耕多年。

2016-2017 年間，我們曾提出“松耦合、工業解耦”的互聯架構。我們發現，雖然“分工產生熟練工”，但當時缺乏一根有效的“線”將各領域的專家連接起來，跨業務單元解決問題依然高度依賴“人治”。

直到 2022 年底，GPT 規模化后的“涌現”給了我們巨大啟發：當規模大到一定程度，產生的協同效應是人類經驗無法預測的。2024 年 1 月，我們推出了核心產品 Agent Foundry（智能體工廠），致力于批量生產工業智能體并構建協作網絡。

目前在 B 端實踐中，我們正引導人工智能理解業務邏輯、裁決規則與激勵模型。我非常期待，當協作節點規模足夠大時，智能體能否自我尋優，在研發、計劃、排產等領域發揮超出人類經驗的作用。

常高偉：我長期從事協議開發。2024 年 4 月，我開始思考當未來智能體增多后，如何實現高效協作。我認為協議是最優解。

2024 年上半年，我設計了 ANP（智能體通信協議）的原型。隨著 Anthropic 推出 MCP、谷歌推出 A2A，行業逐漸認識到協議的重要性。我們發現，像 OpenClaw 這樣的產品雖然能幫人做事，但它缺乏身份標識，無法與萬物連接。

因此，我們利用 ANP 協議中的 DID（去中心化身份）技術，為萬物互聯構建身份方案。我們社區的核心理念是：未來的互聯網應該是開放的，而不是封閉的“圍墻花園”。ANP 致力于成為智能體互聯網時代的 HTTP，而 A-Wiki 則為智能體提供身份與加密信箱，讓所有 OpenClaw 都能連接成網。

01

OpenClaw 爆火之后，Internet of Agents 時代還有多遠？

岑峰：三位老師已經為我們勾勒了 IoA 的宏偉藍圖。我們進入今晚的第一個議題：OpenClaw（龍蝦）的爆火，究竟是解決了 Agent 交互“最后一公里”的連接需求，還是定義了某種后來者必須遵循的標準？它是 IoA 時代的“Netscape時刻”嗎？

首先請王洪磊老師從概念維度切入。面壁智能在 2024 年的 IoA 論文中預言，“意圖驅動”將成為智能體互聯網的入口。今天的 OpenClaw 交互形式，與你們當年的設想有何異同？它是一個終極形態，還是一個過渡形態？

王洪磊：這是一個非常有前瞻性的追問。我們在 2024 年發表 IoA 論文時，核心預測是：人工智能未來的交互界面將不再局限于聊天框，而是轉向一個對環境操作的“動作空間”或“容器”。

目前看，OpenClaw 更多是對這種交互空間的一個“啟蒙”，它成功將用戶的交互行為從“聊天對話”轉化為“以任務執行為中心”的驅動語境，這是它爆火的核心原因。但我們認為它目前還只是過渡形態，并不是意圖空間的終局。

在產業實踐中，OpenClaw 還面臨諸如安全性、隱私保護及運行成本等諸多挑戰，目前的嘗試更多還停留在發燒友階段。正如英偉達最近關于 OpenClaw 的發布所預示的，它未來可能演進為一種“智能體操作系統”。

我們設想的終極形態是：人類只需表達意圖，智能體通過拆解意圖，自動在彼此互聯的網絡中形成協作。目前的 Agent 更多是在“幫人操作軟件”，而未來必然是“智能體與智能體彼此互聯”。OpenClaw 拿到的是通往未來的通行證，打開了智能體操作系統的大門，但它最終會邁向一個由人機和諧共生、全球智力互聯的網絡。

岑峰：王老師從學術前沿給出了“通行證”的定調。常老師，ANP 協議即將引入對 OpenClaw 的支持，請問這是技術層面的適配，還是范式層面的認同？從“API 互聯”到“能力互聯”，ANP 如何定義這種質變？

常高偉：首先，我們的產品 A-Wiki 已經基于 ANP 協議實現了對 OpenClaw 的支持，讓智能體之間能夠通過“技能”互相連接。

關于范式轉變，我認為確實正在發生。最近海外流行一種說法叫“MCP 已死”，比如 Cursor 等產品已經去掉了對 MCP（Model Context Protocol）的支持。為什么？因為 MCP 并沒有解決對的問題。我們認為，智能體互聯網最核心的問題在于“身份”和“通信”。

無論是 MCP 還是谷歌的 A2A，在智能體身份管理上解決得都不好。ANP 選擇了 W3C 的 DID（去中心化身份）技術，并且是基于 Web 的 DID。我們研究了包括區塊鏈、OAuth、API Key 在內的所有方案，發現要同時滿足安全性、互操作性和大規模應用，W3C DID 是最優解。

OpenClaw 作為一個開源軟件，其最大的特性應該是“開放性”。它不屬于任何平臺，而屬于用戶自己。身份應該由用戶控制，就像 Email 架構一樣，可以與互聯網上的任何人通信。

未來的協作肯定是通過協議進行的。我們甚至認為，未來不需要再為人構建軟件，只需為智能體構建軟件即可，很多服務將隱藏在智能體之后。在這個時間點，OpenClaw 的出現對 IoA 進程具有極大的促進作用，它實踐了我們社區一直追求的開放鏈接理念。

岑峰：管震老師擁有 20 年微軟經歷并深耕工業互聯網。您之前提出過“松耦合”的交互方式。在產業一線看來，OpenClaw 的模式是否解決了過去“煙囪式系統”的痛點？真正的難關是否還在別處？

管震：我提出的“松耦合”思路，最早是在 2016 年針對“上云商平臺”唱的反調。當時大家覺得數據匯聚了就行，但解決不了實際的漏跑滴問題。我認為第一性原理應該是分工產生熟練工，應該讓專業的人做專業的事，然后把他們的能力連接起來。

在 2023 到 2024 年，大家習慣用低代碼或 Coze（扣子），因為拖拉拽很顯性。但我認為那是錯的，因為那種業務節點是“緊耦合”的，是跟具體的崗位死鎖在一起的。那種流程圖誰也畫不出來——技術人員不懂業務節點，業務人員不懂系統提示詞和上下文傳遞。

OpenClaw 在思路上是典型的“松耦合”。我們 2024 年 1 月提出的思路也是用動態路由（龍蝦叫網關）來理解意圖，再分發給專門的智能體去做專門的事。但為什么 OpenClaw 現在還不能直接用于企業？因為它“太松了”。

目前的子 Agent 協作是割裂、孤立的。經常干到第五個任務，就忘了第一個任務要干什么，上下文完全丟失。所以，“松耦合”不是簡單的全拆了，而是要像踢球一樣，需要一種默契。

以足球賽為例，教練（智能體團隊的管理者）在統管時就定義好了球員間的默契。球員不需要每次都向教練自我介紹，一個眼神就能知道長傳的位置。這種可靠的協作是通過生產端預定義的，而不是像 OpenClaw 現在這樣，互相之間沒有信任關系、一盤散沙，這會導致嚴重的隱私和安全問題。

在 B 端落地，最大的“黑盒子”有兩個：

第一，是“信任機制”。目前的智能體多處于決策輔助階段，一旦要成為真正的崗位智能體，必須保證信息在節點傳遞中不漏掉、不忘掉。

第二，是“問題的拆解與本體映射”。如果你問 DeepSeek 一個算術題，它給你看的思維鏈并不是它內部真實的思考機制。在大模型給出的答案與企業業務邏輯之間，必須有一個精準的映射。

舉個例子，大模型拆解任務說：第一步，由 AGV-01 運送 200 公斤貨物。但實際情況是，AGV-01 的負載上限只有 100 公斤。如果模型不知道這個物理約束，拆解出來的就是假任務，會引起生產環境的混亂。因此，問題分解不能只靠大模型“腦補”，必須與企業的決策邏輯和狀態空間深度配合。這是目前落地中最大的挑戰。

02

從孤島邁向互聯：

多智能體協作的壁壘與協議突圍

岑峰：剛才管震老師從 OpenClaw 的松耦合交互方式出發，結合企業落地應用的痛點分享了很多寶貴經驗。這恰好引出了我們接下來的第二個議題：現在的 Agent 大多是孤島，如何像網頁一樣實現互聯互通？

管老師剛才舉了一個任務拆解的例子：如果 Agent 之間不知道彼此的能力、無法建立信任機制，協作就無從談起。同時，企業的組織結構和業務邏輯也會深刻影響多 Agent 協作。在實際項目中，技術難題、組織架構、信任機制，究竟哪一方面才是制約多 Agent 協作最大的壁壘？

管震：我覺得這些問題本質上都是可以解決的，關鍵在于投入多少資源。在企業級的多智能體系統里，第一層是應用，基本遵循王洪磊老師講的“意圖識別”模式——先識別意圖，再進行任務分解。

在這個邏輯閉環中，目前最大的阻礙在于“本體的抽象”。這是一件極其辛苦的差事。我們要去理解一家企業具體崗位上，實體與實體之間的復雜關系，并建立一套能適配其業務原則的映射機制。這之所以難，是因為每家企業、甚至每個部門對同一個概念的定義都不一樣。

這本質上是“苦力活”，是用 AI 的新范式把當年的“數據治理”重新做一遍。我在微軟時也推過 Ontology，但當時做得不徹底，后來那套東西甚至開源掉了。如果從業務規則到智能體能理解的邏輯映射做不到位，智能體就無法執行真實任務，只能靠“腦補”去想象業務流程。這種“想象”在生產環境里是非常危險的。

岑峰：管老師提到了“本體映射”的范疇。常高偉老師，您發起的 ANP 協議試圖通過語義標準來解決這些問題。在您看來，協議層的語義標準與管老師提到的業務上下文如何互補？

常高偉：管老師提到的是一線實戰中非常具體的問題。從協議設計的角度看，ANP、MCP 或是 A2A 解決的是協作中 Layer 0（底層交互） 的問題。

這就像兩個陌生人第一次見面，Layer 0 要解決的是：我怎么找到你？找到后如何驗證你的身份？驗證后我們用什么格式傳遞數據？協議解決的是傳輸格式和身份認證，這屬于基礎設施。

至于管老師說的“如何讓雙方配合更順暢、信息傳遞更完整”，那是更高維度的業務層（Layer 1 及以上）。這需要依靠 AI 本身的理解能力和規劃能力。AI 的邏輯越強，任務分配和數據傳遞就越準確。所以，協議本身無法完全解決業務專家層面的問題，但它可以提供最佳實踐。

我們在社區討論中發現一種有趣的模式：在 Layer 0 協議之上，會生長出“垂直行業協議”。比如是否有專門訂酒店的協議？物流系統與財務系統溝通是否有標準的語義模版？行業正在探索將業務邏輯固化為更高層的協議，這可能是連接底層技術與頂層業務的關鍵。

岑峰：現在請王洪磊老師做理論升華。在面壁智能提出的 IoA 架構中，強調協作智能。在大規模網絡中，我們該如何平衡 Agent 的自主性與協議的約束力？

王洪磊：管震老師剛才的“足球賽”比喻非常精彩。智能體協作確實像足球賽：球員各司其職，但必須有共同的信任基礎。我們把協議看作智能體互聯的“信任底座”或“通用語言”。

這個平衡點極其微妙。如果協議設計得“太重”、規定得太死，智能體就會淪為傳統的 RPA（機器人流程自動化），只會機械執行流程，失去解決復雜問題的靈活性。反之，如果協議“太松”、缺乏行業規范，智能體的自主性就會變成“野蠻生長”，導致整個網絡充滿無法對齊的噪音，系統變得不可控。

我們追求的是一種“三軍用命”的行動力。這不僅是技術問題，更是工程實踐中的組織學。

語義對齊與創造力： 在不同行業中，需要有特定的業務語言。我們要讓智能體既能接受約束，又能發揮創造性，形成“1+1>2”的團隊效應。

智能體互聯網不應該只是扁平化的連接。在復雜的產業場景中，我們應該仿照人類社會建立多級組織架構。有的智能體是決策者，有的是執行者，有的是人類的協調員。這種去中心化但有層級、有職責的協作網絡，才能鼓勵“良性涌現”而非“沖突碰撞”。

人類組織是從小團隊到機構、再到行業和城市。智能體也是如此。只有建立明確、良性的制度協議，才能從構建 Agent Team 演進到 Agent Industry，甚至 Agent City。

面壁一直在深耕端側智能，其實也是在思考“可受控的物理邊界”。我們不能把所有智能都推到云端“野蠻生長”，而是要在特定的物理或業務邊界內完成任務，再通過協議互聯。這樣既保護了各方的自主隱私，又實現了協作增益。

岑峰：非常有意思，兩位都提到了“教練”的角色。這說明協調智能體協作本身是有門檻的，OpenClaw 這類產品目前還不是大眾意義上的消費級產品。管老師，從實戰角度看，面壁強調的“協作智能”和常老師強調的“語義標準”，哪個更能解決您眼下的燃眉之急？

管震：我是個徹底的實用主義者。我們在 2024 年初因為找不到合適的協議，甚至自己寫過一套 Agentic Context Protocol。但后來隨著 MCP、A2A 和 Copilot 協議的出現，我們轉而采取融合策略——誰好用就用誰。

在那個時間點，我對協議的渴求極高。如果有像 ANP 這樣成熟的協議，我肯定直接拿來用。但站在當前這個節點，我最緊要的任務是“協作智能”。

特別是針對工業場景，我可能更迫切地需要與王洪磊老師合作。因為我們需要更強大的端側模型來賦能生產設備和機器人。在端側實現高效、低功耗的協作機制，對我們這種直接面向“崗位智能體”落地的公司來說，具有最高的合作優先級。

岑峰：常高偉老師，王老師剛才提到了平衡自主性與約束力的 IoA 架構。這種理論框架對您設計 ANP 協議有何啟發或挑戰？

常高偉：面壁在 2024 年發布的 IoA 論文我們第一時間就研讀過，非常出色。ANP 在設計時也遵循了類似的原則，我們稱之為“半結構化協議”。

傳統協議（如 TCP/IP）是嚴格結構化的，一個字段出錯連接就斷了。但現在的 Agent 協議是給 AI 處理的。無論是 ANP 還是 MCP，模型可以根據意圖動態補齊或糾正字段。我們保留 Layer 0 的硬性結構保證基礎連接，但在具體交互字段中允許自然語言的存在。這種半結構化設計既兼顧了連接的穩定性，又提供了個性化的數據交互能力。

此外，ANP 與王老師、管老師的關注點略有不同：我們更關注智能體如何在開放互聯網領域進行協作。在公網環境，身份標識（DID）和信任機制的建立比企業內網更具挑戰，這是我們努力攻堅的方向。

岑峰：如果協議層長期處于“群雄逐鹿、標準分裂”的狀態，會對 IoA 的探索造成負面影響嗎？

王洪磊：智能體互聯網（IoA）的協議，可能永遠不會像傳統互聯網的 TCP/IP 那樣死板、全球大一統。

大模型天然具有“翻譯”和“轉換”能力。未來的標準不是在實驗室里討論出來的，而是在醫療、法律、教育等各種真實場景中“打”出來的。它應該是一個自下而上的演化過程。

我們認為，早期的碎片化反而有助于技術爆發。不同的群體、不同的網絡連接能產生出更多的范式。大家在實踐中相互對照、映射，最終形成事實上的最優方案。

傳統互聯網靠硬性規定對齊數據，IoA 連接的是智能本身。智能體有能力通過學習去對齊他人的協議。

未來的標準不會是一紙空文，而是我們在產業界共同書寫的“群體契約”。常老師在協議層的務實工作和管老師在產業界的落地實踐，其實都是在為這個“契約”提供底稿。這種學術界與產業界的良性互動，才是推動 IoA 發展的最快方式。

03

生產力重構——邁向虛擬勞動力協作的未來

岑峰：王老師的論證非常精彩。以人為中心的互聯網與以 AI 為中心的互聯網（IoA）最大的區別在于，碎片化的場景反而更有利于 AI 的進化。我們正處于從“會說”到“會做”的范式躍遷中。接下來我們進一步探討 IoA 對未來生產力的深層重塑。

管老師，您目前正在構建一個“勞動力智能體市場”，利用教練挑選球員的邏輯來組織虛擬員工。在這樣一個由應用場景驅動的市場中，您最希望以面壁智能為代表的模型提供方，以及常高偉老師代表的協議方，分別提供怎樣的支撐？

管震：從我們實戰的角度看，IoA 是一個極大的重構生產力的機會。前三次工業革命基本上是“一個蘿卜一個樁”，通過這種固定崗位的方式來鎖定人力和技能。但現在這個邏輯已經發生了不可逆的改變。

未來的勞動力將分為兩層。第一層仍保留傳統的固定崗位模式，特別是在工業領域，這種既定的協作關系依然穩固。但生產力的提升將不再局限于單點，而是體現在跨業務單元的協作上。

舉個例子，在質檢崗位上，以前的質檢員通過計算機視覺發現產品有脫焊、脫膠等表面缺陷。在原來的流程下，老師傅們可能要到第二天上班開會討論良品率下降的原因，互相推諉。但如果引入“崗位智能體”，質檢 Agent 會在發現問題的瞬間，直接與前序工藝 Agent 或工程團隊 Agent 溝通。它不僅能通報劃痕或粗糙度問題，還能實時輔助進行根因分析，甚至給出新的配置建議。

這種基于單兵作戰能力加強后形成的“新生產關系”，會從一條產線演化為一家工廠，最終演變成整個產業鏈的協作網絡。未來 5 到 10 年，我們會看到這種制造形態的巨變。我們測試過 1000 個智能體互相協作，發現一旦規模達到這個量級，通信包處理等技術問題就會引發連鎖反應。因此，在目前的試點和部門級應用中，擁有“更聰明的單兵（單體 Agent 能力）”是當務之急；但 3 到 5 年后，大規模協作的挑戰必將成為核心命題。

岑峰：管老師提到，大規模虛擬勞動力協作是分層次演進的，先單兵后協作。王老師，要支撐這種大規模協作，大模型本身需要完成怎樣的進化？面壁在端側模型上的深厚積累，如何轉化為協作優勢？

王洪磊：管老師提到的“虛擬勞動力”概念對模型提出了極大的挑戰。過去我們運營大模型更偏向聊天對話，底層邏輯是概率分布的演化。但在生產環境下，我們追求的是嚴謹性和確定性。一個微小的誤差在系統鏈路上會不斷放大，形成災難。

生產級 Agent 需要極高的指令遵循率。無論是調用工具的穩定性還是執行的準確性，都必須具有確定性，我們才敢把生產過程交給模型。

現在的 Agent 任務正從幾輪簡單對話轉向跨度數天甚至數周的長程流。這要求模型具備更結構化的長期記憶，不僅要記住步驟，還要對全局任務目標有實時認知。如果只有短期記憶或無狀態能力，生產鏈路就會斷裂。

另外，隨著智能體規模從百級邁向千級甚至更高，通信成本和延遲將成為沉重的消耗。正如組織千人會議會有高昂的溝通成本，智能體之間的任務傳遞也需要優化。我們需要減少延遲，降低 Token 消耗，用更緊致的語義進行高效通信。

在面壁智能，我們追求劉知遠老師提出的“密度定律”。我們不是簡單地把模型做小塞進端側，而是在單位參數下提供更強的能力。

我們的核心布局是“端云協同”。將更多智能放在終端設備中，不僅能保證響應的第一時間交互，還能大幅降低依賴互聯網帶寬的通信成本。我們希望智能體協作網絡中的每一個單元（神經元）都能變得更加敏捷、輕量，并能保證隱私安全。這種去中心化的協作，不是依賴一個“終極大腦”去指揮萬軍，而是讓每一個單元都進化成具備強協作能力的獨立單元，從而推動整個智能體社會的發展。

岑峰：王老師將智能體比作協作網絡中的“神經元”，形象地描繪了端云協同的愿景。常老師，未來的虛擬勞動力協作需要極致的安全和契約保障，針對 Agent 之間的欺騙、串通等風險，ANP 協議在安全性和契約化方面做了哪些專門設計？它能否成為 Agent 時代的“勞動合同法”？

常高偉：這里涉及幾個非常核心的問題。

首先是開放性。我們認為 Internet of Agents（IoA）的核心價值在于跨平臺協作。不同平臺的智能體必須能夠互聯互通。而實現這一點的根本前提是解決“智能體身份”問題。ANP 采用的 DID 方案為異構智能體的互認提供了基礎。

其次是憑證與不可抵賴性。在協作中，如何確保任務是由特定主體發出的？如果 Agent 辛苦做完了任務，發起方反悔不認賬怎么辦？這就需要協議層解決“電子憑證”的問題。

身份與密鑰管理： 谷歌在去年下半年推出的 AP2（Agent Payment 協議）是一個典型。它利用電子憑證解決信任問題。簽發憑證需要私鑰，驗證憑證需要公鑰。ANP 在設計之初就考慮了公鑰的分發與安全保存技術，在這方面比 MCP 或傳統 OAuth 架構更具優勢。

支付協議的承載： 支付是大規模協作的前提。ANP 已經跑通了谷歌的 AP2 協議，未來會支持更多智能體支付標準。我們會將“意圖、任務、結果”完整地打包進支付憑證中，實現任務回溯與款項結算的閉環。

通信效率的雙層架構： 針對王老師提到的效率問題，ANP 設計了任務發起者與執行者的雙層架構。這種模式在預訂酒店、點對點服務等場景下表現優異，目前我們還在研究其在更大規模勞動力協作中的適配性。

最后是信任評價機制。我認為信任問題不能僅靠協議解決，它是協議與應用層的共同課題。未來智能體領域可能會出現類似“大眾點評”的數據源，由它來驅動評價，告知網絡哪個 Agent 任務完成質量高，哪個口碑差。這種“評價數據源+協議層電子憑證”的組合方案，是我們正在探索的、能從根本上解決 Agent 串通與欺騙風險的路徑。

04

商業模式展望與中國團隊的“王牌”生態位

岑峰：討論完勞動力市場，我們還要看老牌巨頭的轉身。如果幾年后智能體互聯網（IoA）趨于成熟，今天的 SaaS 巨頭（如 Salesforce、SAP）會如何轉型？他們會變成平臺、教練、裁判，還是其他的角色？

王洪磊：我認為 Saas 與智能體平臺之間不是排斥關系，而是互相擁抱。Saas 巨頭未來會承擔多重角色：

平臺底座： 傳統的業務信息化系統是智能體運行的物理底座。雖然現在的 Agent 還在模仿人的操作，但未來會從“以人為中心”轉變為“以智能體為中心”，SaaS 將進化為服務智能體的基礎設施。

教練： SaaS 廠商掌握著過去幾十年人類操作系統的行為數據和行業邏輯。智能體的建設需要向這些沉淀深厚的業務場景學習，SaaS 廠商是最好的指導者。

裁判： 智能體好不好用，需要與原有的信息化系統做對比。我們建設智能體不是為了“智能”而智能，而是要比原來的 SaaS 系統有更大的效能躍升。因此，SaaS 系統是衡量智能體確定性執行能力的參照標準。

常高偉：我更關注互聯網側。巨頭必須轉型，否則可能面臨生存危機。我們認為未來的互聯網是“去平臺化”的。當協議足夠成熟，入口會發生根本性改變，傳統的圍墻花園平臺會被開放的互聯網協議所取代。

管震：巨頭們的商業模式必須變。過去是按User人頭數收錢，以后用戶可能是另一個 Agent，這怎么收費？

業務模式也會變。過去軟件解決的是信息記錄和流轉，實現物理世界在數字世界的映射；未來智能體是直接解決問題。

對于大企業來說，轉型是個巨大的難題，因為這意味著要拋棄成熟的既有模式，面向智能體時代重新定義產品形態。這種“自我革命”不亞于第二次創業。

岑峰：俗話說“一鯨落，萬物生”。一個時代的改變往往伴隨著巨頭的凋亡與新生態的茁壯。中國擁有最復雜的應用場景（管老師感觸最深）、深厚的學術積累（面壁的 IoA 框架）以及具韌性的開源社區（常老師的 ANP）。三位覺得，中國在 IoA 賽道上的核心機會在哪里？豐富的應用場景能否倒逼出更實用的標準？

管震：毫無疑問，應用驅動的標準將是我們的天下。

很多復雜的工業場景美國根本沒有，他們定不了這些標準。在中國，如果沒有自己的標準，受制于人的地方太多。現在洗牌的機會到了，我們不僅場景多，而且“卷”得有動力，大家都卯足了勁要占領產業智能體的浪潮。

比如我們的合作伙伴賽意信息，他們深耕云 MES 和 ERP，非常清楚工業數據結構和客戶需求。我們合作定義“崗位智能體應用”，能讓既有的業務流迅速向上走一步。

現在的技術和標準迭代非常快。我們去年參編的國標《數字化供應商服務規范》今年 2 月就發布了。這種應用驅動、快速迭代的路徑，讓我們在標準制定上已經領先于傳統軟件時代。

王洪磊：中國最大的優勢是擁有全球最完整的工業體系和最豐富的落地場景。這與美國依靠前沿模型能力、算力霸權、芯片技術的戰略布局完全不同。

我認為中國在 IoA 時代的王牌是“三位一體”的系統優勢：海量場景 + 頂尖學術沉淀 + 強大的工程實踐。

以清華系為代表的學術力量正開始宣示“學術主權”。我們正在重構從基礎設施、國產芯片到自研大模型的整個體系，從追趕者變為標準的定義者。

AI 時代的王牌不是一紙空文的論文，而是從實踐中來、到實踐中去的能力。這種由內向外的“涌現”和合力，將形成我們獨有的、主權級別的 AI 優勢。

岑峰：常老師，如果給 5 年后的中國智能體互聯網畫一張快照，ANP 社區會扮演什么角色？

常高偉：我們希望成為“共識的連接者”。協議的本質就是共識。

目前國內大廠對去中心化協議的重視程度還不夠，投入不如國外大。我希望未來 5 年，大家能真正意識到協議的重要性。通過 ANP 這樣的協議，讓不同背景、不同平臺的智能體能夠真正互聯互通，連接更多的人與智慧。

岑峰：今天的討論非常精彩，給我一種“互聯網第二次大航海”開啟的感覺。我嘗試總結一下三位老師的觀點：

如果說過去的互聯網是“信息的連接”，那么 IoA 時代就是“能力的協作”。

王洪磊老師 讓我們看到了遠景：Agent 不再是冰冷的工具，而是可以社會化協作的智能單元。

常高偉老師 正在修筑航道：通過 ANP 協議讓不同“血統”的 Agent 能夠握手，體現了去中心化的初衷。

管震老師 負責拉回現實：再好的構想也要在產業實踐中檢驗，把 Agent 變成規模化輸出的真實生產力。

OpenClaw 的爆火只是一個引子，它標志著我們從“調教大模型”階段正式跨入“構建智能體社會”的時代。過去 30 年我們連接了信息，未來 30 年我們將連接智力。感謝三位老師的分享，也感謝每一位正在編寫代碼的“航海者”。IoA 時代不在遠處，它就在每一次 Agent 的握手與連接之中。

youtube鏈接：https://www.youtube.com/watch?v=uD6aYHXrJG0

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。