文 | 哀佳

ID | BMR2004

2026年3月27日上午，中關(guān)村論壇平行論壇AI開(kāi)源前沿論壇在京舉行。

其中，“圓桌對(duì)話—OpenClaw與AI開(kāi)源” 作為重磅環(huán)節(jié)，由月之暗面創(chuàng)始人楊植麟主持，智譜華章CEO張鵬、無(wú)問(wèn)芯穹CEO夏立雪、小米大模型負(fù)責(zé)人羅福莉、港大教授黃超等嘉賓受邀出席。

當(dāng)前，AI開(kāi)源已成為加速技術(shù)創(chuàng)新與產(chǎn)業(yè)變革的關(guān)鍵力量，圍繞近期備受關(guān)注的開(kāi)源項(xiàng)目OpenClaw、Token工廠、推理效率等問(wèn)題，幾位嘉賓展開(kāi)了討論。

智譜華章CEO張鵬認(rèn)為：“OpenClaw的出現(xiàn)讓大家意識(shí)到，AI不再是程序員或者說(shuō)極客們的這種專利，普通人也可以比較方便地來(lái)使用頂尖模型的能力.”

小米 MiMo 大模型負(fù)責(zé)人羅福莉表示：“OpenClaw帶來(lái)的更多是一個(gè)想象力隨時(shí)隨地的擴(kuò)展，Claude Code只能在我的桌面上去延展我的創(chuàng)意，但是在OpenClaw，我可以隨時(shí)隨地?！?/p>

作為基礎(chǔ)設(shè)施服務(wù)商，無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼 CEO夏立雪認(rèn)為：“OpenClaw對(duì)于整個(gè)AI系統(tǒng)和生態(tài)都帶來(lái)了機(jī)遇和挑戰(zhàn)?，F(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(zhǎng)的時(shí)代是不夠的?！?/p>

香港大學(xué)助理教授 & 博士生導(dǎo)師、Nanobot 團(tuán)隊(duì)負(fù)責(zé)人黃超認(rèn)為，未來(lái)真正讓“龍蝦們”真的沉淀下來(lái)，成為大家搬磚的工具，成為真正的Co-worker ，還是需要靠整個(gè)開(kāi)源生態(tài)的努力。

以下是本次圓桌討論的完整內(nèi)容呈現(xiàn)：

01

OpenClaw帶來(lái)的核心價(jià)值與挑戰(zhàn)

主持人（楊植麟）：歡迎各位。今天邀請(qǐng)到各位重磅嘉賓，覆蓋了不同的層面：從模型層到底層的算力層，再到上面的Agent層。很高興今天能跟大家一起來(lái)探討，最主要的關(guān)鍵詞是“開(kāi)源”和“Agent”。

那我們就先從第一個(gè)問(wèn)題開(kāi)始，這個(gè)問(wèn)題是給所有人的：現(xiàn)在最流行的OpenClaw，大家就使用這個(gè)OpenClaw或者類似的產(chǎn)品，有什么覺(jué)得最有想象力或者印象深刻的是什么？然后從技術(shù)的角度來(lái)看，如何看待今天OpenClaw和相關(guān)的Agent的演進(jìn)？我們要不從張鵬這邊開(kāi)始。

張鵬（智譜華章CEO）：好，感謝主辦方給我們機(jī)會(huì)跟大家來(lái)交流。確實(shí)很早我就開(kāi)始自己來(lái)玩這個(gè)OpenClaw，當(dāng)時(shí)還不叫OpenClaw，最早叫CloudBot。然后來(lái)折騰這些事情自己動(dòng)手來(lái)搞，畢竟也是程序員出身，玩這些東西還是有一些自己的體驗(yàn)。

我覺(jué)得這個(gè)事情它可能給大家?guī)?lái)的最大的一個(gè)突破點(diǎn)，或者說(shuō)新鮮的一個(gè)點(diǎn)就在于，可能這件事情不再是程序員或者說(shuō)極客們的這種專利，普通人也可以比較方便地來(lái)使用頂尖的這些模型的能力，尤其是在編程方面的能力。

我到現(xiàn)在為止，跟大家在交流過(guò)程當(dāng)中更愿意把OpenClaw稱作腳手架。它提供的是一種可能性，在模型的基礎(chǔ)上搭起來(lái)一個(gè)很牢固的、很方便的，但是又很靈活的這樣的一個(gè)腳手架。大家可以按照自己的意愿去使用很多的底層模型提供的很新奇的一些東西。原來(lái)自己的一些想法受限于自己不會(huì)寫(xiě)代碼，或者不會(huì)一些技能，那今天終于可以通過(guò)很簡(jiǎn)單的交流就可以把它完成。所以這個(gè)事情對(duì)我來(lái)說(shuō)是一個(gè)非常大的一個(gè)沖擊，或者說(shuō)讓我重新認(rèn)識(shí)了這樣一件事情。

夏立雪（無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼CEO）：對(duì)，其實(shí)我最開(kāi)始用OpenClaw的時(shí)候是不太適應(yīng)的，因?yàn)槲伊?xí)慣于這種跟大模型聊天的這種交流方式，然后發(fā)現(xiàn)OpenClaw感覺(jué)好像反應(yīng)好慢這種感覺(jué)。但是后來(lái)我意識(shí)到一個(gè)問(wèn)題就是，它和之前的這種聊天機(jī)器人有一個(gè)很大的不一樣，它其實(shí)應(yīng)該是一個(gè)能夠幫我完成一個(gè)大型任務(wù)的人。所以，我后面開(kāi)始給它提交一些更復(fù)雜的任務(wù)，發(fā)現(xiàn)它能夠做得很好。

這件事情對(duì)我來(lái)說(shuō)有一個(gè)很大的感觸，模型從最開(kāi)始的按照token去聊天，到現(xiàn)在能夠變成一個(gè)Agent，變成一個(gè)龍蝦能夠幫你去完成任務(wù)，它對(duì)于我們整個(gè)AI的想象力空間已經(jīng)做了一個(gè)很大的提升。但同時(shí)，它對(duì)于整個(gè)系統(tǒng)能力的要求也變得很大，這是為什么我一開(kāi)始用OpenClaw會(huì)覺(jué)得它有點(diǎn)卡的原因。

我們作為基礎(chǔ)設(shè)施層這樣一個(gè)廠商，我其實(shí)看到的是，OpenClaw對(duì)于整個(gè)AI大型系統(tǒng)和生態(tài)都帶來(lái)了更多的機(jī)遇和挑戰(zhàn)。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(zhǎng)的時(shí)代是不夠的。

比如說(shuō)就拿我們公司來(lái)說(shuō)，我們公司在1月底開(kāi)始基本上每?jī)芍躷oken量就翻一翻，到現(xiàn)在基本上翻了10倍。上次見(jiàn)到這個(gè)速度還是當(dāng)時(shí)3G的時(shí)候手機(jī)流量的那種感覺(jué)。所以我現(xiàn)在有種感覺(jué)，就是現(xiàn)在的token用量，就跟當(dāng)年我們有100兆每個(gè)月的手機(jī)流量一樣。這種情況下，其實(shí)我們所有的資源是需要進(jìn)行更好的優(yōu)化，進(jìn)行更好的整合，然后讓我們的每一個(gè)人，不僅僅在AI領(lǐng)域，而是在整個(gè)社會(huì)上鮮活的人，都能夠去把這個(gè)OpenClaw的AI能力給調(diào)用起來(lái)。所以作為基礎(chǔ)設(shè)施的玩家，其實(shí)對(duì)這個(gè)時(shí)代是非常激動(dòng)和感觸的，而且認(rèn)為這里邊有很多的優(yōu)化空間，是我們?nèi)匀粦?yīng)該去探索應(yīng)該去嘗試的。謝謝。

羅福莉（小米MiMo大模型負(fù)責(zé)人）：我自己是把OpenClaw當(dāng)做Agent框架的一個(gè)非常革命性和顛覆性的一個(gè)事件來(lái)看待的。雖然我知道就是其實(shí)我身邊所有在進(jìn)行非常深度coding的人，可能他的第一選擇還是Claude Code。但是我相信只有用OpenClaw的人會(huì)獨(dú)特的感受到，這個(gè)框架它其實(shí)有很多在Agent框架上的設(shè)計(jì)，最近是領(lǐng)先于Claude Code，包括最近Claude Code有很多最新的更新，其實(shí)都是向OpenClaw去靠近。我自己去使用OpenClaw的話，我感覺(jué)這個(gè)框架給我自己帶來(lái)更多是一個(gè)想象力的隨時(shí)隨地的一個(gè)擴(kuò)展，Claude Code可能最開(kāi)始只能在我的桌面上，然后去延展我的創(chuàng)意，但是在OpenClaw我可以隨時(shí)隨地去延展我的創(chuàng)意。

我后面發(fā)現(xiàn)，其實(shí)OpenClaw帶來(lái)的主要核心價(jià)值在于兩個(gè)，第一個(gè)是它是開(kāi)源，開(kāi)源其實(shí)是一個(gè)非常有利于整個(gè)社區(qū)去深入、去參與、去重視改進(jìn)去投入到Agent框架，這是非常重要的前置條件。像OpenClaw、像Claude Code這樣的一些Agent框架，我認(rèn)為它很大的一個(gè)價(jià)值是，把國(guó)內(nèi)的可能沒(méi)有非常接近于閉源模型，但是水平還是在次閉源模型的這樣賽道上的模型上限給拉到非常高。在絕大部分的場(chǎng)景，其實(shí)我們能發(fā)現(xiàn)它的任務(wù)的完成度已經(jīng)非常接近于Claude的最新的模型，然后同時(shí)它又把下限給保證得非常好。因?yàn)樗梢钥恳惶譎arness的系統(tǒng)或者說(shuō)可以靠它的Skills的體系等等，很多的設(shè)計(jì)保證它的任務(wù)的完成度和準(zhǔn)確率。所以我覺(jué)得，OpenClaw從一個(gè)基礎(chǔ)大模型的角度來(lái)說(shuō)，它是保證了基礎(chǔ)大模型的下限，然后拉伸了它的上限。

此外，我自己認(rèn)為OpenClaw它其實(shí)給整個(gè)社區(qū)帶來(lái)的價(jià)值是，它更多去點(diǎn)燃了大家發(fā)現(xiàn)原來(lái)在大模型外的這一層，更重要的Agent的這一層，它有非常多的想象力和空間可以做，然后這是我看到最近社區(qū)有更多除了研究員以外的人參與到了AGI的變革當(dāng)中，然后也有更多人去接觸到更強(qiáng)的Agent框架Harness或是Skateboard等等，一定程度上去替代自己的工作，釋放自己的時(shí)間，去做更有想象力的事情。

黃超（香港大學(xué)助理教授&博士生導(dǎo)師、Nanobot團(tuán)隊(duì)負(fù)責(zé)人）：從交互模式上來(lái)講，為什么OpenClaw這次會(huì)爆火，我感覺(jué)首先可能第一個(gè)，就是給了大家一種更有活人感的一種感覺(jué)。

比如說(shuō)，我們其實(shí)做Agent也有一兩年了，但之前包括像Cursor，Claude Code這些Agent，大家給人感覺(jué)更強(qiáng)的是一種有種工具感。OpenClaw它首先交互模式以這種IM軟件嵌入的方式，讓大家可能更有一種活人感。更接近于自己想象中的人的概念，這可能是交互模式上的。

另外一個(gè)，它帶給整個(gè)大家的啟發(fā)是說(shuō)，Agent Loop這種非常簡(jiǎn)單但高效的框架也是再次被證明，會(huì)讓我們重新思考，是否需要一個(gè)All-in-one非常強(qiáng)大的智能體，然后能夠幫我們做很多事情。還是需要一個(gè)比較好的，類似于一個(gè)輕量級(jí)操作系統(tǒng)或者腳手架一樣的一個(gè)小管家。通過(guò)一個(gè)小的OpenClaw，或者是龍蝦的操作系統(tǒng)，生態(tài)可以去把整個(gè)的這種包括讓大家都玩起來(lái)，撬動(dòng)整個(gè)生態(tài)里面所有的工具，包括隨著像Skills或者Harness這些，越來(lái)越多的人可以去設(shè)計(jì)更面向于像OpenClaw這樣的一些系統(tǒng)里面的一些應(yīng)用，然后去賦能于各行各業(yè)。它其實(shí)和天然整個(gè)開(kāi)源生態(tài)結(jié)合的非常緊密，所以我覺(jué)得這兩點(diǎn)其實(shí)相對(duì)來(lái)說(shuō)是帶給我最大的一個(gè)啟發(fā)。

02

要實(shí)現(xiàn)更快的推理速度，要打造更高效的token工廠

主持人（楊植麟）：那順著這個(gè)，想問(wèn)一下張鵬。最近智譜也發(fā)布了新的GLM-4-Turbo模型，然后我理解對(duì)這個(gè)Agent能力做了很大的增強(qiáng)。所以能不能給大家介紹一下，這個(gè)新模型和其他模型的不同之處，以及就是說(shuō)我們也觀察到有一個(gè)這種提價(jià)的策略，反映了什么樣的一個(gè)影響呢？

張鵬（智譜華章CEO）：好，這是個(gè)很好的問(wèn)題，就是前兩天確實(shí)我們也緊急更新了一波，這個(gè)事其實(shí)是在我們整個(gè)發(fā)展目標(biāo)當(dāng)中的一個(gè)階段，最主要的目的還是要主打一個(gè)從原來(lái)的簡(jiǎn)單的對(duì)話到干活。也是剛才各位講的非常贊同的一點(diǎn)，就是OpenClaw真的讓大家覺(jué)得大模型不再是簡(jiǎn)單的，能夠聊天，真的能幫我干活。但這個(gè)干活的背后隱含的這個(gè)能力需求是非常高的，就是它需要自己去長(zhǎng)程的做任務(wù)的規(guī)劃，不斷地重試，不斷地去壓縮自己的上下文，然后debug等等，還有可能涉及到多模態(tài)信息的處理。

所以這個(gè)對(duì)模型本身能力的要求，其實(shí)是有跟傳統(tǒng)的面向?qū)υ挼臋C(jī)器人的這種通用泛用模型有一些不一樣的。所以GLM-4-Turbo在這方面做了一些專門的加強(qiáng)。尤其是剛才你提到的，比如說(shuō)我們要它干活長(zhǎng)程的72小時(shí)，如何能夠不停地自己去loop這個(gè)事，這里邊是做了很多的一些工作。

另外，就是大家也提到，關(guān)于這個(gè)token消耗量的問(wèn)題。讓它這個(gè)聰明的模型，讓它干這種復(fù)雜的任務(wù)，其實(shí)token的消耗量是非常巨大的。可能一般人可能體會(huì)不出來(lái)，但是只會(huì)看到自己的賬單上的那個(gè)錢在不停地往上飆。在這方面我們也做了一些優(yōu)化，在面臨復(fù)雜任務(wù)的時(shí)候，會(huì)用更高效的token效率去完成這些事情。主要在這幾個(gè)方面你做了一些優(yōu)化。但本質(zhì)上的模型的架構(gòu)還是一種就是多用協(xié)同的這樣的一種通用的模型的這個(gè)架構(gòu)，只是在能力上有一些偏向性的加強(qiáng)。

那么提價(jià)這個(gè)事情也順便的向大家解釋，我們現(xiàn)在不再是簡(jiǎn)單的問(wèn)一個(gè)問(wèn)題，模型回答。它背后有思考的這個(gè)鏈路是很長(zhǎng)的，然后包括很多任務(wù)，它通過(guò)寫(xiě)代碼的方式跟底層的這些基礎(chǔ)設(shè)施進(jìn)行打交道，還要去debug隨時(shí)的改正自己的錯(cuò)誤。其實(shí)這個(gè)消耗量非常非常的大。完成一個(gè)任務(wù)可能它需要的token量是原來(lái)的回答一個(gè)簡(jiǎn)單的問(wèn)題的token量的可能十倍甚至百倍。所以這個(gè)價(jià)格上是需要成本上是有一定的提高的。所以我們又把它回歸到一個(gè)正常的商業(yè)價(jià)值上來(lái)。長(zhǎng)期靠低價(jià)的競(jìng)爭(zhēng)，也不利于整個(gè)行業(yè)的發(fā)展。所以這是我們的一個(gè)考量吧，也讓我們能夠持續(xù)在商業(yè)化的路徑上有一個(gè)很好的良性閉環(huán)，不斷地去優(yōu)化模型的能力，能夠持續(xù)地給大家提供更好的模型和token服務(wù)。

主持人（楊植麟）：非常好的這個(gè)分享。其實(shí)因?yàn)楝F(xiàn)在有這個(gè)開(kāi)源模型，然后跟這個(gè)推理算力開(kāi)始形成一個(gè)生態(tài)？各種各樣的開(kāi)源模型，可以在各種各樣的推理算力上，去給用戶提供更多的價(jià)值。隨著token量的爆炸，也逐漸從訓(xùn)練時(shí)代變成了這個(gè)推理時(shí)代。所以想請(qǐng)教一下夏立雪，就是說(shuō)從Infra的層面，這個(gè)這個(gè)推理時(shí)代，對(duì)于這個(gè)無(wú)問(wèn)芯穹來(lái)說(shuō)，它意味著什么？

夏立雪（無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼CEO）：我們是一個(gè)誕生在AI時(shí)代的一個(gè)基礎(chǔ)設(shè)施的廠商。然后我們現(xiàn)在也為Kimi、為智譜，包括也跟小米MiMo去做合作，然后讓大家能夠把我們這樣一個(gè)token工廠更高效地給用起來(lái)。

當(dāng)然，我們也在跟很多高校跟院所也在合作，我們其實(shí)一直都在思考一件事情，就是AGI時(shí)代需要的基礎(chǔ)設(shè)施，它會(huì)是什么樣子的？我們?cè)趺茨軌蛞徊讲降卦谶@個(gè)過(guò)程中去實(shí)現(xiàn)它和推演它？我們現(xiàn)在也是做好了充分的準(zhǔn)備，也看到了短期、中期和長(zhǎng)期不同階段我們需要解決的問(wèn)題。

那當(dāng)前眼下的一個(gè)問(wèn)題，其實(shí)就是剛剛大家在聊到的，現(xiàn)在整個(gè)token這樣的暴增，對(duì)于我們的系統(tǒng)效率帶來(lái)了更大優(yōu)化的需求，包括價(jià)格的增長(zhǎng)，也是大家在這個(gè)需求下的一種解決方式。

我們其實(shí)一直以來(lái)都是從這種軟硬件協(xié)同的方式來(lái)去做布局和解決的。包括我們接入了能夠看到的幾乎所有種類的這種計(jì)算芯片，我們把國(guó)內(nèi)的十幾種芯片和幾十個(gè)不同的算力集群都給統(tǒng)一連接起來(lái)。這樣我們能夠去解決AI這樣一個(gè)系統(tǒng)中，對(duì)于算力資源的一個(gè)緊缺的問(wèn)題。當(dāng)資源不足的時(shí)候，最好的辦法就是：第一，把能夠用的資源都用起來(lái)；第二，讓每一個(gè)算力都用在刀刃上，讓每一個(gè)資源都發(fā)揮出最大的轉(zhuǎn)化效率價(jià)值。

所以在這個(gè)時(shí)代，我們?cè)诋?dāng)前要解決的就是，怎么能夠去進(jìn)一步地打造一個(gè)更高效的token工廠。

為此，我們做了很多的優(yōu)化，包括讓這個(gè)模型和硬件上的各種顯存進(jìn)行最優(yōu)質(zhì)的適配，包括我們也在看，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)行一些更深度的化學(xué)反應(yīng)。我們打造了一個(gè)標(biāo)準(zhǔn)化的token工廠，面向Agent的時(shí)代，我們認(rèn)為Agent更像是一個(gè)人，我們能夠交給他一個(gè)任務(wù)。

我其實(shí)很堅(jiān)定地認(rèn)為，當(dāng)前的很多云計(jì)算時(shí)代的設(shè)施其實(shí)是為服務(wù)一個(gè)程序、服務(wù)一個(gè)人類工程師所設(shè)計(jì)的，而不是為AI設(shè)計(jì)的。有點(diǎn)像我們做了一個(gè)基礎(chǔ)設(shè)施，然后它上面有一個(gè)接口，這個(gè)接口是為人類工程師做的，然后在上面要再包一層再去接入Agent。那這種方式其實(shí)是用人的操作能力限制了Agent的發(fā)揮空間。

我舉一個(gè)例子，比如Agent能夠做到秒到毫秒級(jí)別去思考和發(fā)起任務(wù)，那這件事情其實(shí)在我們之前其實(shí)是沒(méi)有做好這個(gè)準(zhǔn)備的，因?yàn)槿祟惔蟾虐l(fā)起的任務(wù)是分鐘級(jí)別的。那我們這樣的一些功能其實(shí)是需要進(jìn)一步的能力，我們將它稱作真正的云原生Agent Infra，我們需要打造一個(gè)更智慧化的token工廠，這是我們無(wú)問(wèn)芯穹現(xiàn)在正在做的事情。

從更長(zhǎng)遠(yuǎn)的未來(lái)，就是真正AGI的時(shí)代到來(lái)的時(shí)候，那我們認(rèn)為連基礎(chǔ)設(shè)施都應(yīng)該是一個(gè)智能體。就是我們認(rèn)為我們自己這次打造的這套工廠本身也應(yīng)該是一個(gè)能夠自我進(jìn)化、自我迭代的。而它能夠形成一個(gè)自組織，然后相當(dāng)于它有一個(gè)CEO，這個(gè)CEO是一個(gè)Agent，他可能是一個(gè)Claude在管理整個(gè)基礎(chǔ)設(shè)施，然后根據(jù)他的AI客戶的需求，自己去提需求迭代自己的基礎(chǔ)設(shè)施。然后這樣AI和AI之間才能夠去更好地形成耦合。

所以，我們也在做一些比如我們能夠讓Agent和Agent之間更好地通信，然后做cash tocash這樣一些復(fù)制的能力。所以我們其實(shí)一直都在思考就是基礎(chǔ)設(shè)施和AI的發(fā)展不應(yīng)該是一個(gè)隔離的狀態(tài)，而是應(yīng)該產(chǎn)生非常豐富的化學(xué)反應(yīng)。那這件事情才是我認(rèn)為真正的做到所謂的軟硬協(xié)同，做到這種算法和基礎(chǔ)設(shè)施的協(xié)同。這也是無(wú)問(wèn)芯穹一直想實(shí)現(xiàn)的一個(gè)自己的使命。謝謝。

主持人（楊植麟）：接下來(lái)想問(wèn)問(wèn)福莉。小米最近也是通過(guò)發(fā)布新的模型，包括開(kāi)源一些背后的技術(shù)，我覺(jué)得對(duì)這個(gè)社區(qū)做出了很大的貢獻(xiàn)。所以想問(wèn)一下，小米在做大模型方面，你覺(jué)得會(huì)有什么獨(dú)特的優(yōu)勢(shì)？

羅福莉（小米MiMo大模型負(fù)責(zé)人）：我覺(jué)得，我們先拋開(kāi)小米在做大模型方面有什么獨(dú)特優(yōu)勢(shì)，這個(gè)話題我更想談一下，中國(guó)做大模型的團(tuán)隊(duì)在做大模型上的一個(gè)優(yōu)勢(shì)。我覺(jué)得這個(gè)話題更具備更廣泛的一個(gè)價(jià)值。

其實(shí)在大概兩年前，我看到，中國(guó)的基礎(chǔ)大模型團(tuán)隊(duì)已經(jīng)在開(kāi)始了一個(gè)非常好的突破。這個(gè)突破叫做我們?cè)谠趺丛谟邢薜乃懔?，尤其是在一些為互?lián)帶寬受限的一些算力的情況下，怎么去突破這些低端算力的限制，然后去做一些看似是為了效率妥協(xié)的一些模型結(jié)構(gòu)的創(chuàng)新。這個(gè)變革是我們?cè)趺丛谒懔σ欢ǖ那闆r下，去發(fā)揮算力最高的智能水平。

雖然在今天我們其實(shí)我們自己的國(guó)產(chǎn)芯片也好，尤其是推理芯片以及我們的訓(xùn)練芯片，其實(shí)是不再受這個(gè)限制，但是我們能看到在這樣限制的情況下，催生了我們對(duì)于更高的訓(xùn)練效率、更低的推理效率的模型結(jié)構(gòu)的全新的探索。就像最近的這種Hybrid的Spas或是LinearTuning的結(jié)構(gòu)，DSA、NSA，然后Kimi也有KSA，然后小米也有新的面向下一代結(jié)構(gòu)的High Spas的結(jié)構(gòu)。這是區(qū)別于MiMo v2這一代結(jié)構(gòu)，我們面向于Agent的這個(gè)時(shí)代去思考的，如何在Agent的這個(gè)時(shí)代，我們?nèi)プ龈玫哪Ｐ徒Y(jié)構(gòu)創(chuàng)新。

我為什么覺(jué)得結(jié)構(gòu)創(chuàng)新是如此的重要？是因?yàn)槲覀兤鋵?shí)剛剛探討到OpenClaw這個(gè)話題。OpenClaw其實(shí)大家如果真實(shí)使用會(huì)發(fā)現(xiàn)你越用越好用，越用越聰明。那么它的一個(gè)前提是你的推理的context。其實(shí)long-context是一個(gè)我們談?wù)摿撕芫玫囊粋€(gè)話題，但是其實(shí)真正現(xiàn)在你發(fā)現(xiàn)能有一個(gè)模型，它在long-context的情況下表現(xiàn)非常好，性能非常的強(qiáng)勁，推理成本非常的低。其實(shí)很多模型它不是做不到比如1兆或10兆的context，而是因?yàn)樗ネ?兆、10兆它的成本太貴了，速度太慢了。

那么怎么能做到在這個(gè)情況下，推的成本夠低、速度夠快？才會(huì)有真正的高生產(chǎn)力價(jià)值的任務(wù)交給這個(gè)模型，從而去激發(fā)在只有l(wèi)ong-context的情況下，去完成更高復(fù)雜度的任務(wù)。可能我們才能在這樣10兆甚至100兆context的情況下，實(shí)現(xiàn)模型的自迭代。

所謂模型的自迭代就是它可以在一個(gè)復(fù)雜的環(huán)境里邊，依靠于超長(zhǎng)的context，然后完成對(duì)自我進(jìn)化。進(jìn)化有可能是對(duì)Agent框架本身的，也有可能是對(duì)模型參數(shù)本身的，我們認(rèn)為long-context本身其實(shí)就是對(duì)參數(shù)的一個(gè)進(jìn)化。

所以，其實(shí)怎么實(shí)現(xiàn)一個(gè)long-context-efficient的架構(gòu)，以及怎么在推理側(cè)做到long-context-efficient，其實(shí)它是一個(gè)全方位的競(jìng)爭(zhēng)。除了我剛剛提到的在預(yù)訓(xùn)練做好一個(gè)long-context-efficient的架構(gòu)，這個(gè)可能是我們一年前就去探索的一個(gè)問(wèn)題。而當(dāng)今你怎么做到long-context這種真實(shí)的這種長(zhǎng)程距離的任務(wù)上的一個(gè)穩(wěn)定性，和非常高上限的一個(gè)效果，這是我們現(xiàn)在后訓(xùn)練再去迭代的創(chuàng)新的一個(gè)范式。

我們?cè)谒伎荚趺慈?gòu)造更有效的學(xué)習(xí)算法，然后怎么去采集到真實(shí)的1兆、10兆、100兆上下游里邊，真的都具有長(zhǎng)期依賴的這種文本，以及結(jié)合復(fù)雜的環(huán)境產(chǎn)生的這個(gè)trajectory。這是我們現(xiàn)在在后訓(xùn)練正在經(jīng)歷的事情。但是我能看到更長(zhǎng)期的事情是，由于大模型本身在飛速的進(jìn)步，由于我們有Agent的框架更好的一個(gè)加持，我們能看到就像剛剛立雪說(shuō)的，我們推理需求，我相信在今年已經(jīng)發(fā)生的事情是在過(guò)去一段時(shí)間內(nèi)已經(jīng)近十倍的一個(gè)增長(zhǎng)，那么今年整個(gè)token的增長(zhǎng)會(huì)不會(huì)到100倍？那么這里邊其實(shí)我們又到了另外一個(gè)維度的競(jìng)爭(zhēng)，這個(gè)競(jìng)爭(zhēng)就是算力，或者說(shuō)是推理芯片，甚至下到能源。所以我認(rèn)為如果我們大家去思考這個(gè)問(wèn)題，我會(huì)從大家身上學(xué)到更多。

主持人（楊植麟）：非常有insight的分享。那下面想問(wèn)一下黃超，因?yàn)槟阋查_(kāi)發(fā)了一些非常有影響力的Agent的項(xiàng)目，包括也有很多社區(qū)的粉絲。然后想問(wèn)一下，你自己覺(jué)得說(shuō)從Agent的Harness或者說(shuō)應(yīng)用的層面，接下來(lái)會(huì)有什么技術(shù)方向是你覺(jué)得比較重要，可能大家需要去關(guān)注？

黃超（香港大學(xué)助理教授&博士生導(dǎo)師、Nanobot團(tuán)隊(duì)負(fù)責(zé)人）：感謝植麟。我覺(jué)得首先就是如果我們是把Agent的一些技術(shù)抽象出來(lái)，它關(guān)鍵幾個(gè)點(diǎn)，比如說(shuō)planning，然后還有就是memory和tool use這幾個(gè)模塊。

比如說(shuō)從planning來(lái)講的話，我覺(jué)得現(xiàn)在的問(wèn)題就是還是面向于一些長(zhǎng)程任務(wù)或者非常復(fù)雜的一些上下文，比如說(shuō)500步甚至是更長(zhǎng)的步數(shù)的，很多模型我覺(jué)得它不一定能夠去做很好的planning，是因?yàn)槲矣X(jué)得它本質(zhì)上可能不具備這樣的一個(gè)隱性的知識(shí)，特別是在一些很多一些垂直領(lǐng)域。這塊可能planning我覺(jué)得未來(lái)可能是需要去對(duì)于很多把已有的各種一些比如復(fù)雜任務(wù)的知識(shí)，把它固化到模型里面去做，這塊我覺(jué)得可能會(huì)是一個(gè)點(diǎn)。

當(dāng)然其實(shí)從memory來(lái)看的話，我覺(jué)得memory帶給我們的一種感受就是好像它永遠(yuǎn)都會(huì)存在著一個(gè)信息壓縮不準(zhǔn)確，包括搜不準(zhǔn)這樣一些問(wèn)題。我覺(jué)得這是整個(gè)memory的挑戰(zhàn)。然后現(xiàn)在包括你的整個(gè)長(zhǎng)程任務(wù)的體現(xiàn)，還有一些復(fù)雜場(chǎng)景的話，其實(shí)memory就會(huì)暴增，這其實(shí)是帶來(lái)一個(gè)對(duì)memory的壓力。但是現(xiàn)在其實(shí)包括像各類龍蝦（OpenClaw），其實(shí)大家都采用的是最簡(jiǎn)單的一些像文件系統(tǒng)，這樣markdown格式的一些memory，通過(guò)我們是否去共享一些文件這樣的方式來(lái)去做。

我覺(jué)得其實(shí)未來(lái)memory應(yīng)該是做類似于會(huì)走向一些分層的設(shè)計(jì)，包括如何去更加地讓memory做得更通用。因?yàn)槠鋵?shí)老實(shí)講，現(xiàn)在我覺(jué)得整個(gè)memory機(jī)制其實(shí)很難做到很通用。因?yàn)楸热鏲oding場(chǎng)景的、deep research的、多媒體領(lǐng)域的，其實(shí)它的整個(gè)數(shù)據(jù)的模態(tài)差別會(huì)很大。如何去對(duì)這些memory進(jìn)行很好的檢索，更高效地利用，我覺(jué)得這個(gè)永遠(yuǎn)是在做一個(gè)tradeoff。

然后當(dāng)然另外的一點(diǎn)就是說(shuō)，現(xiàn)在其實(shí)龍蝦讓大家對(duì)于創(chuàng)建Agent的門檻大幅降低之后，其實(shí)未來(lái)可能不止一個(gè)龍蝦，未來(lái)可能每個(gè)人會(huì)擁有一群龍蝦。

在這樣一群龍蝦相比一個(gè)龍蝦，那它的上下文暴增，我覺(jué)得大家可以想象會(huì)非常的大。我覺(jué)得這個(gè)也是帶給memory的一個(gè)壓力?，F(xiàn)在其實(shí)還沒(méi)有一套很好的機(jī)制如何去管理這種一群龍蝦帶來(lái)的上下文。因?yàn)檫@個(gè)我們感覺(jué)特別是對(duì)于復(fù)雜的coding、科研發(fā)現(xiàn)這種，我覺(jué)得這個(gè)其實(shí)帶給不管是模型還是整個(gè)的Agent的一個(gè)架構(gòu)，其實(shí)都是壓力挺大的。然后對(duì)于整個(gè)tool use這塊的話其實(shí)就是skill?，F(xiàn)在skill的話我覺(jué)得存在的問(wèn)題，首先就是現(xiàn)在看似確實(shí)會(huì)有很多skill，但是高質(zhì)量的skill我們覺(jué)得是比較少的。低質(zhì)量skill會(huì)很影響整個(gè)Agent完成任務(wù)的一個(gè)完成度。然后，skill很多時(shí)候也會(huì)存在一些惡意注入的問(wèn)題。所以我們覺(jué)得從tool use這塊的話，我覺(jué)得可能得需要靠整個(gè)社區(qū)，然后來(lái)去把怎么樣子把整個(gè)skill發(fā)展得更好，甚至如何去通過(guò)這種在執(zhí)行過(guò)程中去進(jìn)化出來(lái)一些新skill。所以我覺(jué)得這個(gè)可能是整個(gè)不管是從planning、memory還是skill里面，我們覺(jué)得當(dāng)下Agent的可能存在的一些痛點(diǎn)和未來(lái)可能會(huì)潛在的一些方向。

03

未來(lái)12個(gè)月內(nèi)的發(fā)展趨勢(shì)：生態(tài)、自進(jìn)化、可持續(xù)

主持人（楊植麟）：那最后我們來(lái)一個(gè)開(kāi)放式的展望，所以想請(qǐng)各位用一個(gè)詞來(lái)描述一下，接下來(lái)12個(gè)月大模型發(fā)展的趨勢(shì)以及你的期望。那這次我們先從黃超這邊開(kāi)始。

黃超（香港大學(xué)助理教授&博士生導(dǎo)師、Nanobot團(tuán)隊(duì)負(fù)責(zé)人）：我感覺(jué)12個(gè)月在AI看起來(lái)應(yīng)該好遙遠(yuǎn)，都不知道12個(gè)月之后會(huì)發(fā)展成什么樣子。

首先我感覺(jué)可能從我這邊的話，我感覺(jué)一個(gè)詞應(yīng)該是“生態(tài)”吧。我覺(jué)得未來(lái)其實(shí)現(xiàn)在龍蝦讓大家這么活躍了，但是我覺(jué)得未來(lái)Agent真的要去從真正的個(gè)人出手，特別是轉(zhuǎn)換我們打工的人，我覺(jué)得還是很重要的。

現(xiàn)在大家很多時(shí)候玩龍蝦也是一個(gè)新鮮感，可能是覺(jué)得好玩。但是我覺(jué)得，未來(lái)可能真正得讓龍蝦們真的沉淀下來(lái)，真的應(yīng)該是成為大家的一個(gè)搬磚的工具，或者是成為真正的一個(gè)Co-worker這樣一個(gè)狀態(tài)。所以我覺(jué)得這塊的話可能真的是需要整個(gè)生態(tài)的努力，包括整個(gè)開(kāi)源這塊其實(shí)就是一個(gè)很重要的，把所有的相關(guān)的一些技術(shù)探索，然后包括整個(gè)模型的很多技術(shù)都看出去之后，就會(huì)需要整個(gè)生態(tài)大家一起來(lái)共建，不管是對(duì)于這種模型的迭代，還是對(duì)于這種Skills平臺(tái)的迭代，還有各種工具的。我覺(jué)得這塊都需要去更好地去面向龍蝦去創(chuàng)造更好的生態(tài)。

我自己感覺(jué)比較明顯的就是，未來(lái)的很多軟件，包括現(xiàn)在有了龍蝦，大家又會(huì)再考慮一個(gè)問(wèn)題，就是未來(lái)軟件是不是還是會(huì)給人用的嗎？我們相信可能未來(lái)大部分很多的軟件，都不一定會(huì)是面向人類的。因?yàn)槿祟愂切枰狦UI，但可能是面向Agent原生的去使用的。那這樣我感覺(jué)一個(gè)比較有趣的，就是人只會(huì)去使用讓自己快樂(lè)的GUI，有可能會(huì)有這樣的一個(gè)感受。所以我覺(jué)得現(xiàn)在整個(gè)的生態(tài)，又從不管是GUI還是MCP又轉(zhuǎn)到了CLI這樣的一個(gè)模式。所以我覺(jué)得這個(gè)就是需要一個(gè)整個(gè)生態(tài)，就需要生態(tài)去把不管是軟件系統(tǒng)，還是我們的整個(gè)的這種數(shù)據(jù)，還是整個(gè)的這種就是各種的一些各種技術(shù)，其實(shí)都需要把它變成Agent原生化Agent Native的模式。這樣能夠才能讓整個(gè)的這種Agent的發(fā)展可能會(huì)更加豐富。

羅福莉（小米MiMo大模型負(fù)責(zé)人）：我覺(jué)得把這個(gè)問(wèn)題說(shuō)想到一年，我覺(jué)得非常有意義。如果說(shuō)要用一個(gè)詞來(lái)描述接下來(lái)一年，我覺(jué)得AGI歷程里邊最關(guān)鍵的一個(gè)事情的話，我認(rèn)為會(huì)是自進(jìn)化。雖然這個(gè)詞它是一個(gè)非常有點(diǎn)玄幻的一個(gè)概念，我覺(jué)得在過(guò)去一年大家也多次提到，但是我也是最近才對(duì)這個(gè)詞有了一個(gè)更深的一個(gè)體會(huì)，或者說(shuō)具體自進(jìn)化這個(gè)事怎么做，會(huì)有一個(gè)更務(wù)實(shí)的一個(gè)實(shí)操可行的方案。

其實(shí)我們之前在Chat的那個(gè)范式下，根本沒(méi)有發(fā)揮出來(lái)這個(gè)預(yù)訓(xùn)練模型它的上限。然后這個(gè)上限現(xiàn)在是被Agent的框架給激活到了。我們現(xiàn)在觸到了它可能當(dāng)它執(zhí)行更長(zhǎng)時(shí)間的任務(wù)的時(shí)候，然后我們發(fā)現(xiàn)這個(gè)模型它可以自己去學(xué)習(xí)和進(jìn)化。很簡(jiǎn)單一個(gè)嘗試就是說(shuō)，當(dāng)你在限額的一種框架里邊給它疊加一個(gè)可以verify的這樣的一個(gè)條件限制，然后再給它設(shè)置一個(gè)loop，然后讓這個(gè)模型就不停下來(lái)持續(xù)去迭代優(yōu)化這個(gè)目標(biāo)。我們就能發(fā)現(xiàn)這個(gè)模型會(huì)持續(xù)拿出更好的方案。如果這樣的一種自進(jìn)化能持續(xù)，現(xiàn)在其實(shí)已經(jīng)能跑一兩天了，其實(shí)國(guó)內(nèi)的模型基本上能跑一兩天了。當(dāng)然跟任務(wù)的難度有關(guān)。我們發(fā)現(xiàn)它在一些科學(xué)研究上，比如去探索一個(gè)更好的模型結(jié)構(gòu)，然后因?yàn)槟Ｐ徒Y(jié)構(gòu)它有評(píng)估標(biāo)準(zhǔn)，比如我們看更低的PPL，這是一個(gè)評(píng)估標(biāo)準(zhǔn)。然后在這種很確定的任務(wù)上，我們發(fā)現(xiàn)它已經(jīng)能自主地運(yùn)化和執(zhí)行兩三天了。

從我的角度上來(lái)看，我覺(jué)得自進(jìn)化是一個(gè)唯一可以創(chuàng)造一個(gè)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，而是說(shuō)它是像頂尖的科學(xué)家一樣去探索出來(lái)這個(gè)世界上沒(méi)有的一個(gè)東西。然后我其實(shí)在一年前，我會(huì)覺(jué)得這個(gè)時(shí)間歷程會(huì)拉大三到五年。但是也就是在近期，我會(huì)覺(jué)得這個(gè)時(shí)間歷程確實(shí)我們應(yīng)該縮小到最近一到兩年?？赡芪覀兙涂梢宰尨竽Ｐ童B加一個(gè)非常強(qiáng)的自進(jìn)化的一個(gè)Agent的框架，實(shí)現(xiàn)對(duì)于科學(xué)研究的一個(gè)至少成指數(shù)級(jí)的一個(gè)加速。

我最近已經(jīng)發(fā)現(xiàn)，我們做大模型研究的同學(xué)，基本上其實(shí)它的workflow是非常不確定的，是高度創(chuàng)造力的。然后其實(shí)我們發(fā)現(xiàn)借助Claude Code加非常頂尖的模型，然后基本上已經(jīng)能夠加速我們自己的研究效率近10倍了。所以我很期待這樣的一種方式，輻射到更廣的學(xué)科和領(lǐng)域。然后我覺(jué)得自進(jìn)化是非常重要的。

夏立雪（無(wú)問(wèn)芯穹聯(lián)合創(chuàng)始人兼CEO）：我的關(guān)鍵詞叫可持續(xù)投資。因?yàn)槲乙部吹搅爽F(xiàn)在整個(gè)發(fā)展還在一個(gè)長(zhǎng)期持續(xù)的一個(gè)過(guò)程中，我們也希望它是能夠有長(zhǎng)久生命力的。這里邊我們作為技術(shù)設(shè)施角度看到的一個(gè)很大的問(wèn)題，就是我們的資源終究是有限的。那就像我們當(dāng)年在講可持續(xù)發(fā)展一樣，我們現(xiàn)在作為一個(gè)token工廠，能否給大家提供持續(xù)穩(wěn)定，然后大規(guī)模能夠用起來(lái)的這些token，讓我們頂尖的模型真正能夠繼續(xù)為更多的下游去服務(wù)，是我們看到的一個(gè)很重要的問(wèn)題。所以我們現(xiàn)在也是需要的，就相當(dāng)于把整個(gè)的視角放寬到剛剛說(shuō)到的整個(gè)生態(tài)，從最早的能源轉(zhuǎn)化到算力，然后再轉(zhuǎn)化到token，最終再轉(zhuǎn)換成GDP，這樣的一個(gè)鏈路能夠去進(jìn)行一個(gè)持續(xù)的經(jīng)濟(jì)化的迭代。

包括我們其實(shí)不止在把國(guó)內(nèi)的各種算力用起來(lái)，也在把這些能力輸出到海外，讓全球的資源都能夠進(jìn)行打通和整合。

我也認(rèn)為這個(gè)可持續(xù)其實(shí)也是想把我們中國(guó)特色的token經(jīng)濟(jì)學(xué)給做起來(lái)。因?yàn)槠鋵?shí)我們?cè)谥暗臅r(shí)代，我們是叫Made in China，我們會(huì)發(fā)現(xiàn)我們能夠把中國(guó)低價(jià)的這種制造能力，然后變成好的商品輸出到全球。我們現(xiàn)在想做的就是有點(diǎn)像AI Made in China，就是我們能夠把中國(guó)的這些能源上的優(yōu)勢(shì)，然后通過(guò)這些token工廠，可持續(xù)地轉(zhuǎn)化成為優(yōu)質(zhì)的token輸出到全球。成為一個(gè)世界的token工廠，這是我想要在今年看到的，整個(gè)中國(guó)給世界的人工智能帶來(lái)的價(jià)值。

張鵬（智譜華章CEO）：我就簡(jiǎn)單說(shuō)一點(diǎn)，未來(lái)12個(gè)月面臨的最大的問(wèn)題可能就是算力。因?yàn)閯偛耪f(shuō)到所有的技術(shù)，包括智能體框架讓很多人有很好的創(chuàng)造力，效率提升10倍。但前提條件就是大家能夠用得起，用得起來(lái)。你不能因?yàn)檎f(shuō)算力不夠，一個(gè)問(wèn)題提出去，讓他思考半天，你不給我答案，這個(gè)肯定是不行的。

也是因?yàn)檫@樣的一些原因，可能甚至連我們研究的進(jìn)展，包括很多想要做的一些事情其實(shí)都受阻了。前兩年，我記得是張亞勤院士應(yīng)該也是中關(guān)村論壇上說(shuō)“沒(méi)卡沒(méi)感情，談卡傷感情”。我就今天又到了這個(gè)地步了。但情況又不一樣了，就是你剛才講的，就是可能我們又到了推理的階段。轉(zhuǎn)向推理階段是因?yàn)樾枨笳诒l(fā)，十倍百倍的爆發(fā)。那也就是說(shuō)，過(guò)去十倍，其實(shí)需求是一百倍。那還有很大量的需求沒(méi)有滿足，怎么辦？我們當(dāng)然可以一起來(lái)想想辦法。

主持人（楊植麟）：感謝各位的精彩分享，謝謝大家！