龍蝦，是最近 AI 圈出現(xiàn)頻率最高的詞匯。

它指的是 OpenClaw，一個近期在 AI 圈迅速蔓延的開源智能體框架。有人覺得它像賈維斯，有人覺得它像腳手架，有人覺得它像輕量級操作系統(tǒng)，所有人都在用，而且越用越停不下來。

圍繞它的討論也隨之而來：龍蝦能干什么，干不了什么，下一步往哪走，算力夠不夠，誰在受益，誰在焦慮?，F(xiàn)在，行業(yè)里最靠近前線的一批人坐下來，認(rèn)真聊了聊這件事。

就在剛剛，月之暗面創(chuàng)始人楊植麟在北京中關(guān)村論壇年會的開源主題圓桌中主持了一場五人談話，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(fù)責(zé)人羅福莉、香港大學(xué)助理教授黃超共同參與。

對話從 OpenClaw 的實(shí)際使用體驗(yàn)出發(fā)，延伸至模型定價邏輯、推理基礎(chǔ)設(shè)施的結(jié)構(gòu)性瓶頸、模型架構(gòu)創(chuàng)新，以及對未來十二個月行業(yè)走向的集體判斷。

從聊天到真正干活，OpenClaw 改變了什么

論壇開場，楊植麟拋出了一個共同話題：日常使用 OpenClaw 或類似產(chǎn)品，最有想象力的體驗(yàn)是什么？從技術(shù)角度看，如何理解今天智能體框架的演進(jìn)方向？

張鵬說，他很早就開始自己動手折騰這類工具，當(dāng)時還不叫 OpenClaw，最早叫 ClawBot。畢竟是程序員出身，折騰這些東西有自己的手感。

在他看來，OpenClaw 最大的突破在于把頂尖模型的能力，尤其是編程和智能體方面的能力，交給了普通人。

「這件事不再是程序員或極客的專利。它在模型上方搭起了一個牢固又靈活的腳手架，讓原來因?yàn)椴粫懘a而無法實(shí)現(xiàn)的想法，今天通過簡單的對話就能完成?！?/p>

智譜創(chuàng)始人張鵬

他更愿意把 OpenClaw 這類工具稱為腳手架，它提供的是一種可能性，而不是一個封閉的產(chǎn)品。

夏立雪的第一反應(yīng)是不適應(yīng)。他習(xí)慣了和大模型聊天的交流方式，一開始發(fā)現(xiàn) OpenClaw 響應(yīng)慢，覺得很卡。但后來他意識到，這類工具和聊天機(jī)器人有本質(zhì)區(qū)別：它更像是一個能承接大型任務(wù)的人，而不是一個回答問題的工具。

「從按 token 計(jì)費(fèi)的模型，到能幫你完成任務(wù)的智能體，AI 的想象力空間已經(jīng)做了一次大的躍升。但與此同時，對整個系統(tǒng)能力的要求也大幅提升，這就是我一開始覺得它卡的原因?！?/p>

他隨后披露了一個直觀的數(shù)據(jù)：無問芯穹從今年一月底開始，基本上每兩周 token 用量翻一番，到目前為止已經(jīng)翻了十倍。「上次見到這個增速，還是 3G 時代手機(jī)流量剛普及的感覺。那時候大家每個月一百兆流量，現(xiàn)在的 token 用量就是那種感覺?！?/p>

他認(rèn)為，現(xiàn)有的所有資源想要支撐這個快速增長的時代遠(yuǎn)遠(yuǎn)不夠，需要更好的優(yōu)化和整合。

羅福莉從產(chǎn)品框架設(shè)計(jì)角度給出了不同的觀察。

她把 OpenClaw 視為 agent 框架領(lǐng)域一次革命性和顛覆性的事件。她注意到，深度 coding 圈子里很多人的第一選擇依然是 Claude Code，但她認(rèn)為只有真正用過 OpenClaw 的人才能感受到這個框架在設(shè)計(jì)層面的獨(dú)特之處，包括近期 Claude Code 的很多新更新，其實(shí)也在向 OpenClaw 的設(shè)計(jì)方向靠近。

小米 MiMo大模型負(fù)責(zé)人羅福莉

她總結(jié)了 OpenClaw 核心價值的兩個層次。

第一是開源。開源讓整個社區(qū)能深度參與、持續(xù)改進(jìn)，這是一個非常重要的前置條件。她認(rèn)為，開源框架的一個關(guān)鍵價值在于把國內(nèi)參數(shù)量不那么大、但水平仍然可觀的模型的能力上限大幅拉高。

「在絕大部分場景下，任務(wù)完成度已經(jīng)非常接近 Claude 最新模型的水平，同時它靠一套完整的 harness 系統(tǒng)和 skills 體系把下限也保證得很好?！?/strong>

第二是點(diǎn)燃了大家對大模型之上那一層的想象力，也就是智能體層。她看到越來越多非研究員背景的人開始通過更強(qiáng)的 agent 框架參與 AGI 的變革，一定程度上替代自己工作中的重復(fù)任務(wù)，把時間釋放出來做更有創(chuàng)造力的事情。

她還提到了一個具體的使用感受：相比 Claude Code 只能在桌面上延展創(chuàng)意，OpenClaw 可以隨時隨地參與進(jìn)創(chuàng)意過程，想象力的擴(kuò)展沒有場景限制。

黃超從交互模式切入，分析了 OpenClaw 能引發(fā)廣泛關(guān)注的原因。

他認(rèn)為第一個關(guān)鍵因素是「活人感」。

以往的 Cursor、Claude Code 這些 agent 工具，使用起來更像工具；OpenClaw 以 IM 軟件嵌入的交互方式呈現(xiàn)，讓人感覺更接近自己想象中的個人賈維斯。「這種活人感是很多人第一次真正覺得 AI 要來了的時刻?！?/strong>

第二個因素是，OpenClaw 再次驗(yàn)證了 agent loop 這種看似簡單但極為高效的框架范式。第三個值得思考的問題是，我們到底需要一個 all-in-one 的超級智能體，還是一套類似輕量級操作系統(tǒng)或腳手架的存在，去撬動整個生態(tài)里所有的工具和能力。

他傾向于后者，認(rèn)為 OpenClaw 更像一個操作系統(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(jì)面向這類系統(tǒng)的應(yīng)用，以 skills 和 harness 的形式去賦能各行各業(yè)，這和整個開源生態(tài)天然結(jié)合得非常緊密。

干一個任務(wù)，消耗原來百倍的 token

楊植麟隨后把問題引向了智譜最新發(fā)布的 GLM-5-Turbo 模型，以及伴隨而來的提價策略，并問這背后反映了什么樣的市場信號。

張鵬說，這次更新是在整個發(fā)展目標(biāo)中提前放出來的一個階段性成果。核心目標(biāo)只有一個：從「對話」轉(zhuǎn)向「干活」。

OpenClaw 讓大家意識到大模型真的能幫人完成任務(wù)，但這背后對模型能力的要求遠(yuǎn)超以往。

「它需要自己做長時間的任務(wù)規(guī)劃，不斷壓縮上下文，隨時 debug，還要處理多模態(tài)信息。這和傳統(tǒng)面向?qū)υ挼耐ㄓ媚Ｐ屯耆煌??！?/p>

GLM-5-Turbo 在這些方面做了專門的加強(qiáng)，尤其是在如何讓模型持續(xù)自我 loop、不停執(zhí)行任務(wù)這個問題上投入了大量工作。

同時也做了效率優(yōu)化，在面臨復(fù)雜任務(wù)時能用更高效的推理路徑完成，避免用戶只看到賬單上的數(shù)字在不停往下掉。

對于提價，在他看來，現(xiàn)在完成一個復(fù)雜任務(wù)，模型背后的推理鏈路很長，要寫代碼、要和底層基礎(chǔ)設(shè)施打交道、要隨時修正錯誤。

消耗的 token 量可能是回答一個簡單問題的十倍甚至百倍。模型變大了，推理成本相應(yīng)提高，價格自然要回歸正常的商業(yè)價值。

「長期靠低價競爭，對整個行業(yè)的發(fā)展都不利。我們需要一個良性的商業(yè)閉環(huán)，才能持續(xù)優(yōu)化模型能力，持續(xù)給大家提供更好的服務(wù)?！?/p>

現(xiàn)有的云計(jì)算架構(gòu)，并非為 AI 設(shè)計(jì)

隨著 token 用量的爆發(fā)和行業(yè)從訓(xùn)練時代轉(zhuǎn)向推理時代，推理基礎(chǔ)設(shè)施的壓力成為不可回避的話題。

夏立雪說，無問芯穹是一家誕生在 AI 時代的基礎(chǔ)設(shè)施廠商，目前同時為 Kimi、智譜以及多所高?？蒲袡C(jī)構(gòu)提供服務(wù)，也在和 MiMo 合作。他們一直在思考一個核心問題：AGI 時代需要的基礎(chǔ)設(shè)施是什么樣的，以及如何一步步去實(shí)現(xiàn)和推演它。

在他看來，當(dāng)前腳下最緊迫的問題是如何打造一個更高效的 token 工廠。

無問芯穹的做法是從軟硬件打通的角度出發(fā)，接入了國內(nèi)幾乎所有種類的計(jì)算芯片，將幾十種芯片和幾十個不同的算力集群統(tǒng)一連接起來。

無問芯穹創(chuàng)始人夏立雪

「資源不足時，最好的辦法有兩個：第一，把能用的資源都用起來；第二，讓每一分算力都用在刀刃上，發(fā)揮出最大的轉(zhuǎn)化效率?！?/p>

他們也在探索最新的模型結(jié)構(gòu)和硬件結(jié)構(gòu)之間能否產(chǎn)生更深的化學(xué)反應(yīng)。但他認(rèn)為，僅僅打造一個標(biāo)準(zhǔn)化的 token 工廠還不夠。

他提出了一個更根本的判斷：當(dāng)前大量云計(jì)算基礎(chǔ)設(shè)施，在設(shè)計(jì)上服務(wù)的是人類工程師，而不是 AI?！肝覀冏隽艘粋€基礎(chǔ)設(shè)施，上面的接口是為人做的，再往上包一層才能接入智能體。這種方式用人的操作能力限制了智能體的發(fā)揮空間?！?/p>

他舉了一個具體的例子：智能體能做到秒級甚至毫秒級地思考和發(fā)起任務(wù)，但現(xiàn)有的很多底層能力根本沒有為這個速度做好準(zhǔn)備，因?yàn)槿祟惏l(fā)起一個任務(wù)通常是分鐘級別的。這個問題需要打造一套更智慧化的調(diào)控系統(tǒng)，他們把它稱為 agency 能力的一部分。

從更長遠(yuǎn)的視角看，他認(rèn)為真正 AGI 時代到來時，連基礎(chǔ)設(shè)施本身也應(yīng)該成為一個智能體，能夠自我進(jìn)化、自我迭代，形成自主的組織。

「相當(dāng)于基礎(chǔ)設(shè)施有一個 CEO，這個 CEO 是一個 agent，它根據(jù) AI 客戶的需求自己提需求、迭代自己的基礎(chǔ)設(shè)施。這樣 AI 和基礎(chǔ)設(shè)施之間才能產(chǎn)生真正的耦合，而不是一個接收需求、另一個執(zhí)行的單向關(guān)系?！?/p>

他們目前也在探索讓 agent 和 agent 之間更好地通信，以及 cache to cache 的復(fù)制能力。在他看來，基礎(chǔ)設(shè)施和 AI 的發(fā)展應(yīng)該產(chǎn)生非常豐富的化學(xué)反應(yīng)，這才是真正意義上的軟硬協(xié)同，也是無問芯穹一直想實(shí)現(xiàn)的使命。

算力限制，反而催生意外突破

羅福莉沒有直接回答小米的獨(dú)特優(yōu)勢，而是把問題拉到了整個中國大模型團(tuán)隊(duì)的層面，認(rèn)為這個視角更有價值。

她說，大約兩年前，她就看到中國基座大模型團(tuán)隊(duì)開始了一次非常重要的突破。這個突破來自于一個被逼出來的命題：在有限算力、尤其是 NVLink 互聯(lián)帶寬受限的情況下，如何突破低端算力的限制，在看似為了效率妥協(xié)的情況下做模型結(jié)構(gòu)上的創(chuàng)新。

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)新引發(fā)了一次真正的變革：怎么在算力一定的情況下，把智能水平發(fā)揮到最高。DeepSeek 給所有國內(nèi)大模型團(tuán)隊(duì)帶來了一個勇氣和信心?！?/strong>

她強(qiáng)調(diào)，雖然今天國產(chǎn)芯片的限制已經(jīng)沒有那么嚴(yán)峻，但這段時間被逼出來的對更高訓(xùn)練效率、更低推理成本的模型結(jié)構(gòu)探索，形成了真正有價值的技術(shù)積累。

她提到了幾個具體方向：混合稀疏架構(gòu)（hybrid sparse）、Kimi 的 KSA 架構(gòu)、小米面向下一代的新結(jié)構(gòu)。這些都區(qū)別于當(dāng)前這一代的 transformer 架構(gòu)，是在思考如何為智能體時代做更好的模型結(jié)構(gòu)創(chuàng)新。

她特別強(qiáng)調(diào)了長上下文能力的重要性，并把它和 OpenClaw 直接掛鉤。

「OpenClaw 越用越好用、越用越聰明，前提是你的推理上下文足夠長。但很多模型做不到一兆甚至十兆的 context，不是能力問題，是成本問題，推起來太貴、速度也太慢。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)交給模型去完成?！?/p>

她進(jìn)一步描述了這條路徑的終點(diǎn)：在超長 context 的支撐下，模型可以在復(fù)雜的環(huán)境里完成對自我的進(jìn)化，包括對框架本身的優(yōu)化，也包括對模型參數(shù)本身的迭代。

這個方向在預(yù)訓(xùn)練側(cè)要做好長上下文架構(gòu)，在后訓(xùn)練側(cè)要構(gòu)造更有效的學(xué)習(xí)算法，采集在一兆、十兆、百兆上下文里真實(shí)具有長期依賴性的文本和復(fù)雜環(huán)境軌跡數(shù)據(jù)。

她也分享了一個來自團(tuán)隊(duì)內(nèi)部的數(shù)據(jù)：借助 Claude Code 加頂尖模型的組合，團(tuán)隊(duì)做大模型研究的同學(xué)，研究效率已經(jīng)提升了近十倍。

規(guī)劃、記憶與工具調(diào)用

黃超從技術(shù)角度系統(tǒng)梳理了當(dāng)前智能體框架在三個核心模塊上的主要痛點(diǎn)和未來方向。

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。比如五百步甚至更長的部署任務(wù)，很多模型做不好規(guī)劃，本質(zhì)上是缺乏垂直領(lǐng)域的隱性知識。

他認(rèn)為一個方向是把復(fù)雜任務(wù)的領(lǐng)域知識固化到模型里。skills 和 harness 這類工具，一定程度上也是在通過提供高質(zhì)量的外部能力來緩解規(guī)劃中出現(xiàn)的錯誤。

記憶層面，信息壓縮和檢索精度始終是難題。任務(wù)復(fù)雜度上升時，context 會暴增，目前各類智能體框架普遍采用的還是文件系統(tǒng)這種最簡單的共享方式。

他認(rèn)為未來的 memory 機(jī)制需要走向分層設(shè)計(jì)，但通用化很難實(shí)現(xiàn)，因?yàn)?coding 場景、deep research 場景、多媒體場景的數(shù)據(jù)模態(tài)差異極大，如何對這些 memory 進(jìn)行高效檢索和索引，始終是一個 trade-off（權(quán)衡）問題。

他還指出了一個新的壓力來源：未來可能不止一個智能體，每個人可能同時擁有一群智能體，Kimi 的 agent swarm 機(jī)制已經(jīng)指向了這個方向。

一群智能體帶來的上下文暴增，會遠(yuǎn)超單個智能體，對 memory 機(jī)制和整個 agent 架構(gòu)都是非常大的壓力，目前還沒有一套成熟的機(jī)制來應(yīng)對這個問題。

工具調(diào)用層面，他認(rèn)為高質(zhì)量的 skill 依然稀缺，這和當(dāng)年 MCP 時代高質(zhì)量工具稀缺的問題如出一轍。

低質(zhì)量的 skill 會直接拉低任務(wù)完成率，惡意注入的安全風(fēng)險(xiǎn)也是一個不容忽視的問題。他認(rèn)為這需要整個社區(qū)共同建設(shè)，甚至需要探索如何在執(zhí)行過程中動態(tài)進(jìn)化出新的 skill，而不是依賴人工預(yù)設(shè)。

未來十二個月：生態(tài)、自迭代、可持續(xù)與算力

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。

月之暗面創(chuàng)始人楊植麟

黃超感慨，十二個月在 AI 領(lǐng)域已經(jīng)是很遙遠(yuǎn)的事情，不知道屆時會發(fā)展成什么樣子。他給出的關(guān)鍵詞是「生態(tài)」。

他認(rèn)為現(xiàn)在大家使用智能體還帶著新鮮感，但未來真正的挑戰(zhàn)是讓它沉淀成日常工具，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)、各類工具的共同推進(jìn)，大家一起把整個生態(tài)向智能體原生的方向拉。

他還提出了一個有趣的判斷：未來大量軟件可能不再面向人類，而是面向智能體原生設(shè)計(jì)的。人類需要 GUI，但 Agent（智能體）不需要，整個生態(tài)正在從 GUI 和 MCP 的模式轉(zhuǎn)向 CLI 模式。這意味著軟件系統(tǒng)、數(shù)據(jù)乃至各種技術(shù)，都需要完成一次向 agent native 的轉(zhuǎn)型。

羅福莉給出的詞是「自進(jìn)化」。

她說這個概念聽起來有點(diǎn)玄，但她最近對它有了更具體的體感和更務(wù)實(shí)的實(shí)操方案。關(guān)鍵在于：借助足夠強(qiáng)大的模型，當(dāng)你在智能體框架里疊加一個可驗(yàn)證的約束條件，再設(shè)定一個持續(xù)的 loop，讓模型不停迭代優(yōu)化這個目標(biāo)，你會發(fā)現(xiàn)它能持續(xù)拿出更好的方案，而且能自主運(yùn)行兩三天。

她舉了一個具體案例：在探索更好的模型結(jié)構(gòu)這類有明確評估標(biāo)準(zhǔn)的科研任務(wù)上，模型已經(jīng)能夠自主運(yùn)化和執(zhí)行兩三天。

「自迭代是唯一能創(chuàng)造出這個世界上不存在的新東西的路徑，它不是替代人的生產(chǎn)力，而是像頂尖科學(xué)家一樣去探索未知。我一年前覺得這需要三到五年，但現(xiàn)在我認(rèn)為一到兩年內(nèi)就可能真正實(shí)現(xiàn)。」

她預(yù)計(jì)，結(jié)合強(qiáng)大的自迭代 agent 框架，對科研的加速將達(dá)到指數(shù)級。

夏立雪選擇了「可持續(xù) Token」。他說，現(xiàn)在整個發(fā)展還在一個持續(xù)的過程中，需要讓它有長久的生命力。

他用了「AI made in China」來描述他的愿景：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。

「從 made in China 到 AI made in China，邏輯是一樣的。中國能把低成本的制造能力變成好商品輸出全球，同樣可以把這種能力遷移到 token 的生產(chǎn)和輸出上?！顾Ｍ诮衲昕吹竭@件事真正成形，讓中國成為世界的 token 工廠。

張鵬的關(guān)鍵詞則是「算力」。

在他看來，「所有技術(shù)的前提，是大家用得起。你不能因?yàn)樗懔Σ粔?，提一個問題讓它思考半天也不給答案，這肯定不行。」

他提到了一句在行業(yè)里流傳的話：沒卡沒感情，談卡傷感情。需求已經(jīng)是十倍百倍地爆發(fā)，而很大一部分需求還沒有被滿足。

「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。」龍蝦打開了想象力的上限，但算力、架構(gòu)和基礎(chǔ)設(shè)施，還在進(jìn)步的路上。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請隨簡歷附上項(xiàng)目/作品或相關(guān)鏈接）