文｜周鑫雨 王欣逸 钟楚笛开云体育

剪辑｜周鑫雨

Token，在手艺语境下，是模子处理文本时的最小单元；在买卖语境下，则成了AI服务最主流的计费方式。

近期，让Token被黄仁勋、吴泳铭等东谈主，拔高到“经济学”见解的导火索，是当下全球最火的开源Agent框架——俗称为“龙虾”的OpenClaw。

它第一次让Agent的见解猖狂极客圈层，走向普罗大家；同期，运行龙虾强壮的Token顿然，也让风俗使用免费ChatBot的普通用户，第一次感知到：智能，是一种立志的、需要购买的资源。

2026年3月27日，中关村论坛。在主题为“OpenClaw与AI开源”的圆桌上，五位区分来倨傲模子、算力、Agent领域的中国AI一霸手，因为开源和Token，聚在了沿途。

论坛。

模子层的几位玩家，月之暗面独创东谈主杨植麟、智谱CEO张鹏、小米MiMo大模子清雅东谈主罗福莉，都在不久前，发布了我方的OpenClaw框架，或是将我方的模子能力，与OpenClaw作念了适配；

香港大学助理训诫兼博士生导师黄超，曾辅导团队，仅用4000行代码，就开采出了OpenClaw的平替，Nanobot；

这几家模子公司的算力结合方，无问芯穹结伴独创东谈主夏立雪，本年1月以来最大的感受则是：龙虾带来的Token顿然速率，不错忘形也曾3G刚普及的时期，手机流量的顿然速率。

OpenClaw给行业带来巨量的Token商机，但对于这几位AI从业者而言，这是一种“甘好意思的烦闷”，意味着更多的挑战。

对模子层的玩家而言，有限的算力，依旧是最大的制肘。

张鹏直言，AI手艺，包括智能体框架，让好多东谈主的创造力和服从普及了10倍，但是，背后算力的需求普及了100倍。站在算力供给的一方，夏立雪也承认，Token需求的暴增，对算力厂商的系统服从带来了更大的优化需求。

如安在有限的算力中，理解算力的最智力水平，在罗福莉看来，这一问题的搞定有筹办，恰正是中国大模子公司的上风，比如DeepSeek V2、V3在MoE架构上的创新。

她提到，怎样达成一个Long-Context Efficient（高效长凹凸文）的架构，以及在推理侧怎样作念到Long-Context Efficient，会成为全地方的竞争。

在Agent愚弄的层面，黄超认为，龙虾给环球带来的念念考是：咱们是否还需要一个All in one的强壮智能体？在他看来，龙虾代表的是一个轻量级的操作系统、一个器用的脚手架，但它却能撬动生态中的所有这个词器用。

同期，他发现，当下的Agent生态还存在多样问题。比如，Skill（手段文档）的质地错杂不皆；龙虾依然莫得一套很好的机制，去照料用户的凹凸文。

几位变成的共鸣是：将来，要为Agent遐想模子架构、作念架构层的创新。

模子的自进化，是罗福莉在Agent框架中看到的可能。“Chat范式根蒂莫得理解预考研模子的上限。”她提到，Agent在万古候推论任务的流程中，也在激活模子的上限。

黄超总结，将来，所有这个词这个词AI生态，不管是软件系统，照旧数据，都需要变成Agent Native模式。

自然，还有算力——夏立雪残酷，面向Agent时期，需要打造Agentic Infra、打造更智能的Token工场，“让Token工场本人也能自我迭代、自我进化”。

以下是《智能表示》对圆桌的整理，为了保证阅读体验，笔墨略经剪辑：

杨植麟：日常使用OpenClaw或者访佛的家具时，你们以为最有联想力，或印象深入的是什么？从手艺的角度，你们怎样看待今天OpenClaw，以及联系Agent的演进？

张鹏：我很早就开动玩OpenClaw了，那时还不叫OpenClaw，最早它叫Clawdbot。毕竟是身手员出身，玩这些东西，若干照旧有一些我方的体会。

OpenClaw带来的最大猖狂，或者说崭新的地方在于，这件事不再仅仅身手员或者极客的专利。普通东谈主也不错比较简短地用到顶尖模子的能力，尤其是在编程和智能体这方面。

是以我更兴盛把OpenClaw称为脚手架。它提供的是一种可能性，在模子的基础上搭起一个既沉稳、简短，又饱和纯真的框架。环球不错按照我方的意愿，去调用底层的多样模子，以及模子所带来的一些新奇的能力。

正本我方有想法，但受限于不会写代码的东谈主，今天不错通过毛糙的换取，就能完成我方的想法。是以这个事情对我来说冲击相称大吧，或者说让我重新领路了一些事情。

夏立雪：我最开动用OpenClaw是不太稳当的，因为我风俗和大模子聊天，比较之下OpenClaw的反应好慢。

但自后我意志到一个问题，它和之前的聊天机器东谈主有一个很大的不同：OpenClaw是一个大概帮我完成大型任务的东谈主。是以当我开动交给它更复杂的任务时，它能作念得相称好。

这件事给我的轰动很大。从最初模子按Token聊天，到现在变成一个Agent、一个龙虾帮你完成任务，这极地面普及了AI的联想力空间。

同期它对系统能力的要求也变得很高，这亦然为什么我一开动用OpenClaw会以为有点卡的原因。

看成基础依次层的厂商，我看到的是，OpenClaw对所有这个词这个词AI大型系统和生态都带来了更多机遇和挑战。因为以咱们现在所能挽回的资源，想要撑捏这样一个快速增长的时期，其实是不够的。

举个例子，咱们公司从1月底开动，基本上每两周Token量就翻一番，到现在基本上照旧翻了十倍。前次见到这个增速，照旧3G时期看手机流量的时候。现在的Token用量，就像当年咱们每个月用100兆手机流量不异。

在这种情况下，咱们所有这个词的资源都需要更好地优化、整合。不仅是在AI领域，在所有这个词这个词社会上，每一个鲜嫩的东谈主都能把像OpenClaw这样的AI用起来。

是以我看成基础依次的玩家，内心长短常粗莽和感触的，这内部还有好多的优化空间，值得咱们去探索和尝试。

罗福莉：OpenClaw对于Agent框架而言，是一个相称改革性和颠覆性的事件。

自然我身边所有这个词在进行深度Coding的东谈主，第一选拔照旧Claude Code，但我坚信唯有用过OpenClaw的东谈主，才能感受到它在Agent框架上的遐想性，是当先于Claude Code的，包括最近Claude Code的更新都是向OpenClaw结伴的。

我使用OpenClaw的感受是，这个框架带来联想力是不错随处随时扩张的。

OpenClaw带来的中枢价值有两个。一是开源。开源是一个相称有意于所有这个词这个词社区深入参与、参加到Agent框架的前置条目。

OpenClaw、Claude Code这类Agent框架，一个很大的价值在于，国内那些与顶尖闭源模子尚有差距、但在闭源赛谈上具备一定实力的模子，其能力上限能被拉到相称高的水平。

在绝大大宗场景下，这些模子的任务完成度照旧不错相称接近Claude最新模子的理解。

同期靠一套Harness（治理机制）系统、Cache 2 Cache（一种数据缓存机制）Skills 体系等诸多遐想又不错保证下限，保证它任务的完成度和准确率。

是以从基座大模子的角度来看，OpenClaw履行上是保证了模子的下限，同期拉伸了它的上限。

此外，OpenClaw给所有这个词这个词社区带来的价值在于，它更多地烽火了环球，让东谈主们发现：在大模子以外，Agent这一层还有相称多的联想力和理解空间。

这亦然我看到，最近社区里除了洽商员以外，有更多东谈主开动参与到这场AGI变革中来。环球借助更强的Agent框架，比如Harness、Scaffold（脚手架）等，在一定进程上替代了我方的工作，况兼也开释出更多时候，去作念更有联想力的事情。

黄超：不错从两个层面来贯通OpenClaw的爆火。

发轫是交互模式，咱们作念Agent也有一两年了，但之前像Cursor、Claude Code这些器用，给东谈主的嗅觉更多是器用感。而OpenClaw初次使用以IM（即时通讯）软件镶嵌的方式，让东谈主嗅觉更有活东谈主感，更接近于我方联想中的个东谈主贾维斯的见解。

其次是架构和生态层面的启发。

一方面，它是毛糙高效的Agent Loop架构，这再次考证了Agent Loop架构的价值。

另一方面，它也让咱们重新念念考一个问题：咱们需要的到底是一个all in one的超等智能体，照旧一个轻量级的操作系统、一个像脚手架不异的小管家？

OpenClaw通过这样一个龙虾的超系统或生态，不错让所有这个词这个词社区能以更玩起来的心态，撬动所有这个词这个词生态里所有这个词的器用。

跟着Skills、Harness等能力的出现，越来越多的东谈主不错去遐想面向这类系统的愚弄，去赋能百行万企。它自然就与开源生态结合得相称精良。

这两点，是它带给咱们最大的启发。

杨植麟：顺着OpenClaw的守护，想问一下张鹏，最近智谱也发布了新的GLM 5-Turbo模子，对Agent能力作念了增强。

能不成给环球先容一下，这个新模子和其他模子的不同之处？以及模子加价了，这个响应了什么样的市集的信号？

张鹏：前两天咱们照实进攻更新了一波，这其实本来是咱们所有这个词这个词发展路标中的一个阶段，仅仅提前放了出来。最主要的目的，即是达成从对话到干活的跨越。

刚才诸位也讲到了我相讴歌同的少量，OpenClaw 让环球领路地感受到，大模子不再仅仅聊天，而是真的能帮咱们干活。

但干活背后隐含的能力要求其实相称高：它需要我方去长程打算任务、延续重试、压缩凹凸文、debug，还可能要处理多模态信息等等。

这些对模子能力的要求，跟传统面向对话的通用模子是很不不异的。GLM 5-Turbo正是针对这些方面作念了专门的加强，尤其是环球提到的——让它捏续干活，以致72小时不竭地自我轮回，这内部咱们作念了好多的工作。

另外，对于Token顿然量的问题。让一个明智的模子去完成复杂任务，Token的顿然量长短常巨大的，一般东谈主可能体会不到，只会看到账单上的钱在不竭往下掉。

是以在这方面咱们也作念了优化，在濒临复杂任务时，模子能以更高的Token服从来完成。

履行上，模子的架构依然是一个多任务协同的通用模子架构，仅仅在能力上作念了一些偏向性的加强。

至于提价的问题，也不错很顺畅地跟环球讲明注解。咱们现在不再是毛糙地问一个问题、模子回应，它背后的念念考链路相称长。好多任务要通过写代码的方式与底层基础依次打交谈，还要debug、随时修正作假，这个顿然量相称大。

完成一个任务所需的Token量，可能是原往复应毛糙问题的十倍以致百倍，是以价钱和资本照实有所提高。

模子变更大了，推理资本也相应提高了，咱们也但愿把它归来到常常的买卖价值上。永远靠廉价竞争，对所有这个词这个词行业发展并不利，这亦然咱们的一个考量。

这样也能让咱们在买卖化旅途上变成良性闭环，捏续优化模子能力，延续给环球提供更好的模子和Token服务。

杨植麟：开源模子，以及推理算力，现在变成一个生态。多样各样的开源模子不错在多样各样的推理算力上，去给用户提供更多的价值。

跟着Token顿然量的爆炸，现在也从考研时期变成了推理时期。想求教一下立雪，从Infra的层面，推理时期对于无问来说意味着什么？

夏立雪：咱们是一个出身在AI时期的基础依次的厂商，然后咱们现在也为Kimi，智谱，包括也在跟MIMO去作念结合，让环球大概把咱们的Token工场更高效地给用起来。

但是咱们也在跟好多高校、科研院所也在结合，是以咱们其实一直都在念念考一件事情，即是AGI时期需要的基础依次它会是什么时势的？

然后咱们怎样大概一步形式去在这个流程中去达成它和推演它？咱们现在亦然作念好了充分的准备，也看到了短期、中期和永远不同阶段咱们需要搞定的问题。

脚下要面对的，即是刚才环球聊到的——由OpenClaw这类Agent框架带起来的Token量暴增。这对咱们的系统服从残酷了更高的优化需求，包括价钱的调整，其实亦然在这个需求下的一种搞定方式。

而咱们一直以来，都是从软硬件买通的旅途去作念布局和搞定的。比如，咱们接入了简直所有这个词能看到的种种诡计芯片，把国内几十种芯片、几十个不同的算力集群斡旋连续起来，去叮咛AI系统中算力资源紧缺的问题。

因为在资源不及的时候，最佳的办法是：第一，把能用的资源都用起来；第二，让每一份算力都用在刀刃上，理解出最大的升沉服从。

刻下咱们要搞定的中枢问题即是：怎样进一步打造更高效的Token工场。这方面咱们作念了好多优化，包括让模子与硬件的显存等多样手艺作念最优适配，也在探索最新的模子结构与硬件架构之间，是否能发生更深度的化学反应。

但搞定当下的服从问题，其实仅仅打造了一个程序化的Token工场。面向Agent时期，咱们认为这还不够。就像刚才提到的，Agent更像是一个东谈主，咱们不错胜仗交给它一个任务。

我其实很坚韧地认为，刻下好多云诡计时期的基础依次，履行上是为服务一个身手、为服务东谈主类工程师而遐想的，而不是为AI遐想的。

咱们基础依次上的接口是为东谈主类工程师作念的，在这之上要再包一层，再去接入Agent，用东谈主的操作能力放手了Agent理解空间。

比如，Agent大概作念到秒到毫秒级别的念念考和发起任务，这件事情在底层的K8S（Sparse）等能力上，还莫得作念好准备。

东谈主类发起的任务是分钟级别的，这意味着这些功能需要进一步的能力，咱们将它称作Agentic的Infra，即打造一个更奢睿化的工场，这是咱们无问芯穹现在正在作念的事情。

从更永恒的将来来看，简直的AGI时期到来的时候，咱们认为连基础依次都应该是一个智能体。

咱们所打造的这套工场本人也应该是大概自我进化、自我迭代的，它大概变成一个自主的组织，有一个Agent CEO，可能由一个Claw照料所有这个词这个词基础依次，并把柄AI客户的需求，我方去提需求来迭代我方的基础依次。

这样AI和AI之间才能更好的变成耦合，咱们也在作念一些让Agent-to-Agent之间更好地通讯的能力，以及作念Cache-to-Cache的复制能力。

基础依次和发展不应该是干涉的状况，而应该产生相称丰富的化学反应，这样才能简直作念到所谓的软硬协同，即算法和基础依次的协同，这亦然无问芯穹一直想达成的职责。

杨植麟：接下来想问问福莉，最近小米通过发布新的模子以及开源背后手艺，对社区也作念出了很大孝敬。你认为小米在作念大模子方面有什么独到的上风？

罗福莉：咱们先抛开小米在作念大模子方面有什么独到上风的话题，我更想谈一下中国的作念大模子的团队在作念大模子上的上风，这个话题更具备世俗的价值。

两年前，中国的基座大模子团队照旧得到了相称好的猖狂，在有限的算力作念了一些看似是为了服从协调的模子结构的创新，如DeepSeek V2、V3系列的MoE等。

在算力一定的情况下理解出最高的智能水平，这是DeepSeek给国内所有这个词基座大模子团队的勇气、信心。

在今天，咱们我方的国产芯片，尤其是推理芯片以及考研芯片，照旧不再受放手。

但是咱们也能看到，“放手”催生了咱们对更高的考研服从、更低的推理服从的模子结构进行全新探索。

比如最近的Hybrid（羼杂谨防力机制）、Sparse（寥落谨防力机制）和Linear Attention（线性谨防力）的结构，包括DSA、NSA、Kimi的KDA，以及小米也有面向下一代结构的HySparse结构，这是区别于MIMO-V2这一代结构，咱们面向于Agent时期去念念考的怎样作念更好的模子结构的创新。

我为什么以为结构的创新如斯要紧，是因为OpenClaw这个话题。

环球如若简直地用OpenClaw，会发现它越用越好用、越用越明智。这一前提是推理的Context。

Long Context（长凹凸文）是咱们评述了很久话题。咱们期待模子在Long Context下理解相称好、性能相称苍劲且推理资本相称低。好多模子是作念不到1兆或10兆的Context，因为它的资本太贵了、速率太慢了。

如若模子能作念到在1兆或10兆的Context的情况下，推理的资本够低、速率够快，才会有简直的高坐褥力价值的任务交给这个模子，引发在Long Context下完成更高复杂度的任务，在10兆以致100兆Context的情况下，达成模子的自迭代。

模子的自迭代，是指模子不错在复杂的环境里依靠于超强的Context完成对自我进化，可能是对Agent框架本人的，也有可能是对模子参数本人的，因为Long Context本人即是参数的进化。

怎样达成Long Context Efficient（高效长凹凸文）架构，以及怎样在推理侧作念到Long Context Efficient，这是全地方的竞争。在预考研作念Long Context Efficient的架构，这是咱们一年前就去探索的问题。

而面前怎样作念到Long Context，在长程距离任务上达到相称高上限的服从，是后考研需要再去迭代创新的一个范式。

后考研正在资格的事是，怎样去构造更灵验的学习算法，怎样去集聚到简直的在1兆、10兆及100兆凹凸文里都具有长距依赖的文本，以及结合复杂的环境产生的trajectory。

由于大模子本人在迅速的跨越，由于咱们有Agent框架的加捏，在往日一段时候里，咱们能看到推理需求，照旧达成了近10倍的增长，本年所有这个词这个词Token的增长有可能到100倍。

这让竞争也进入了另一个维度：算力，或者说是推理芯片，以致是动力。

杨植麟：相称有Insight的共享。底下想问一下黄超，你开采了一些相称有影响力的Agent技俩，包括NanoBOT，也有好多社区的粉丝。从Agent的Harness层面，接下来有什么比较要紧的手艺主见需要环球去眷注的。

黄超：把Agent的手艺笼统，环节是这几个点：Planning、Memory和Tool use。

Planning现在照旧面向于一些长程的任务或者相称复杂的算法，比如500步以致更长步数的。将来，Planning可能需要把已有的比如复杂任务的学问，固化到模子里去作念。

Skill和Harness（端正、治理机制）缓解了Planning内部带来的作假，一些比较高质地的Skill，履行上亦然在模子上完成比较难的一些task。

Memory一直存在着信息压缩不准确、搜不准等问题，在长程任务和一些复杂场景，Memory就会暴增，对 Memory 带来压力。

种种的龙虾都经受的是最毛糙的访佛Markdown体式的Memory。将来Memory可能会走向一些分层的遐想，包括怎样让Memory作念得更通用。

现在的Memory机制很难作念到很通用，比如说Coding场景、Deep Research、多媒体领域之间，所有这个词这个词数据模态的远离会很大。怎样这些Memory进行检索索引，让它愈加高效的，我以为这是在作念一个Trade off。

另外，龙虾让环球创建Agent的门槛大幅裁汰之后，咱们不错料到，将来可能不啻一个龙虾，可能每个东谈主会领有一群龙虾。一群龙虾比较于一个龙虾，其凹凸文的暴增会相称大，给Memory也带来压力。

面前还莫得很好的机制来照料一群龙虾，在复杂的Coding和科研发现等场景中，会带来一定的凹凸文压力。岂论是模子本人，照旧全体的Agent架构，压力都很大。

Tool use的中枢仍然是Skill。此前MCP的质地无法保险以及安全性等问题，在Skill中依然存在。自然现在看起来Skill 数目好多，但高质地的Skill相对较少，低质地Skill会胜仗影响Agent任务的完成度。

另外，Skill还存在坏心注入等安全问题，使得全体系统的可靠性受到影响。在Tool use层面，可能需要依赖社区来共同建造和优化Skill，在推论流程中动态进化出新Skill的能力。

杨植麟：刚刚罗福莉和黄超通过不同的视角守护一个问题，跟着任务复杂度的增多，凹凸文会暴涨，从模子层面不错去普及原生凹凸文长度；

从Agent Harness层面，刚刚说的Planning、Memory，包括Multi-Agent的Harness，达成在一个特定的模子能力下支捏更复杂的任务，这两个主见接下来也会产生更多的化学反应。

临了是一个怒放式的瞻望，想请诸位用一个词来描画一下，接下来12个月大模子发展的趋势以及咱们的但愿。

黄超：生态。

现在龙虾让环球这样活跃，将来Agent真的是要去从简直的个东谈主助手搬动为打工东谈主。现在可能环球好多时候玩龙虾是崭新感，将来可能简直得让龙虾们千里淀下来，成为环球的搬砖的器用，或者成为coworker的状况。

这需要所有这个词这个词生态的悉力，开源也很要紧。联系的手艺探索和模子的手艺都开源出去之后，需要所有这个词这个词生态沿途来共建。岂论是对于模子的迭代、Skills平台的迭代以及多样器用，都需要面向龙虾创造更好的生态。

我我方嗅觉比较彰着的是将来的好多软件都不一定会是面向东谈主类的。所有这个词这个词生态不管是GUI（图形界面）、MCP（模子凹凸文合同）、CLI（敕令行界面），照旧软件系统、数据和手艺，都需要把它们变成Agent Native的模式，让Agent发展愈加丰富。

罗福莉：把问题收缩到一年，相称颠倒念念。按照我对AGI（通用东谈主工智能）的界说，5年后照旧达成了。

如若要用一个词来描画接下来一年，AGI历程里最环节的是：自进化。

自然这个词有点奇幻，往日一年环球也屡次提到，但我最近才对这个词有了更深的体会，或者说对自进化具体怎样作念，有了更求实的操作有筹办，原因在于借助于了很强壮的模子。

之前Chat的范式，根蒂莫得理解出预考研模子的上限。这个上限现在被 Agent框架激活了。当它推论更万古候的任务的时候，咱们发现模子不错我方去学习和进化。

很毛糙一个尝试，当你在现存的框架里，给模子叠加一个不错verify的条目放手，再诞生一个Loop（重迭指示），然后让模子捏续迭代、优化指标。

咱们发现，模子会捏续拿出更好的有筹办。这样的一种自进化，现在国内的模子基本能跑一两天，自然跟任务的难度谋划。

在科学洽商上，比如探索一个更好的模子结构——因为模子结构有评估程序，比如更低的PPL（困惑度）——在这种很笃定的任务上，咱们发现，模子照旧能自主优化、推论两三天了。

从我的角度来看，自进化是独一不错创造新东西的地方。它不是替代现存的东谈主的坐褥力，而是像顶尖的科学家不异，去探索出寰球上莫得的东西。

一年前，我以为自进化的时候历程会拉到3-5年。但近期，时候历程应该收缩到1-2年，咱们就不错让大模子，叠加一个相称强的自进化Agent框架，达成对科学洽商成指数级的加快。

咱们组内作念大模子洽商的同学，workflow长短常不笃定的，是高度创造力的。咱们发现，借助Claude Code ，加相称顶尖的模子，基本上照旧大概把咱们的洽商服从加快近10倍。

是以我很期待，这一种范式放射到更广的学科和领域。

夏立雪：我的环节词叫“可捏续Token”。现在AI的发展还在永远捏续的流程中，咱们也但愿它有长久的人命力。

看成基础依次，咱们看到的一个很大的问题，即是资源终究是有限的。就像当年的可捏续发展见解不异，咱们现在看成Token 工场，能否给环球提供捏续、褂讪，大概大鸿沟用起来的Token，让顶尖的模子大概连续为更多的卑鄙服务，是一个很要紧的问题。 咱们现在需要把视角放宽到所有这个词这个词生态：最早的动力，升沉到算力，再升沉到Token，最终再搬动成东谈主的GDP——这样一条链路，要进行捏续的经济化迭代。

咱们不啻在把国内的多样算力用起来，也在把这些能力输出到国外，让全球的资源都大概买通和整合。我想把中国特质的“Token经济学”作念起来。

在之前的时期，咱们讲“Made in China”。咱们大概把中国廉价的制造能力，变成好的商品，输出到全球。

咱们现在想作念的有点像“AI Made in China”。咱们大概把中国动力上的上风，胜仗通过Token工场，可捏续升沉成优质的Token，输出到全球，将来成为寰球的Token工场。

这是我本年想看到的中国给寰球东谈主工智能带来的价值。

张鹏：环球都在仰望星空，我就落地少量，将来12个月濒临的最大的问题，可能即是算力。

所有这个词的手艺，包括智能体框架，让好多东谈主的创造力与服从普及了10倍。但前提条目是，环球大概用得起来，不成因为算力不够，导致一个问题让Agent念念考半天，也不给我谜底。

亦然算力的原因，以致咱们洽商的进展其实都受阻了。前两年，张亚勤院士说了一句话：谈卡伤脸色，没卡没脸色。

今天又到了这个地步开云体育，但情况又不不异了。咱们转向了推理的阶段，因为需求真的在十倍、百倍的爆发，还有很大的需求莫得被兴盛，怎样办？咱们环球沿途来想想办法。