在中關(guān)村論壇年會(huì)的一場(chǎng)開源主題圓桌上，中國(guó)大模型與AI基礎(chǔ)設(shè)施領(lǐng)域的多位領(lǐng)軍人物展開深度對(duì)話。這場(chǎng)以O(shè)penClaw與AI開源為核心的討論，匯聚了月之暗面創(chuàng)始人楊植麟、智譜華章CEO張鵬、無(wú)問芯穹聯(lián)合創(chuàng)始人夏立雪、小米MiMo大模型負(fù)責(zé)人羅福莉，以及香港大學(xué)助理教授黃超等業(yè)內(nèi)頂尖專家。

關(guān)于OpenClaw的技術(shù)突破，與會(huì)者形成共識(shí)。張鵬將其比作"智能腳手架"，認(rèn)為其突破性在于讓非專業(yè)用戶通過自然語(yǔ)言交互即可調(diào)用頂尖模型能力，極大降低了編程門檻。夏立雪從基礎(chǔ)設(shè)施視角指出，該工具推動(dòng)Token使用量呈指數(shù)級(jí)增長(zhǎng)，對(duì)系統(tǒng)優(yōu)化提出全新挑戰(zhàn)。羅福莉強(qiáng)調(diào)其開源特性帶來的生態(tài)價(jià)值，認(rèn)為通過Skill體系構(gòu)建的上下限保障機(jī)制，為國(guó)內(nèi)次頂級(jí)模型提供了與國(guó)際前沿競(jìng)爭(zhēng)的支點(diǎn)。黃超則從交互體驗(yàn)角度分析，認(rèn)為其"活人感"交互模式和輕量化架構(gòu)設(shè)計(jì)，為通用人工智能（AGI）發(fā)展提供了新范式。

在模型商業(yè)化路徑探討中，張鵬透露智譜GLM Turbo模型的定價(jià)策略調(diào)整背后，是應(yīng)用場(chǎng)景從對(duì)話向任務(wù)處理的轉(zhuǎn)型需求。他指出，復(fù)雜任務(wù)處理消耗的Token量是簡(jiǎn)單問答的百倍級(jí)，合理定價(jià)是維持技術(shù)迭代的關(guān)鍵。夏立雪從算力經(jīng)濟(jì)角度補(bǔ)充，當(dāng)前AI需求爆發(fā)對(duì)系統(tǒng)效率提出革命性要求，無(wú)問芯穹通過軟硬件協(xié)同優(yōu)化，已實(shí)現(xiàn)跨芯片平臺(tái)的標(biāo)準(zhǔn)化Token生產(chǎn)，但現(xiàn)有云計(jì)算架構(gòu)仍難以滿足Agent的毫秒級(jí)響應(yīng)需求。

針對(duì)小米的技術(shù)優(yōu)勢(shì)，羅福莉揭示中國(guó)團(tuán)隊(duì)在算力受限環(huán)境下的創(chuàng)新路徑。她介紹，通過DPCV3等模型架構(gòu)創(chuàng)新，國(guó)內(nèi)團(tuán)隊(duì)在低端算力條件下實(shí)現(xiàn)了效率突破，這種技術(shù)積累在當(dāng)下仍具價(jià)值。當(dāng)前小米正探索Long Context Efficient架構(gòu)，致力于在超長(zhǎng)上下文場(chǎng)景下保持低成本與高穩(wěn)定性，為模型自迭代創(chuàng)造條件。她預(yù)測(cè)，隨著推理需求爆發(fā)，競(jìng)爭(zhēng)將延伸至算力芯片與能源供應(yīng)層面。

黃超在Agent技術(shù)方向展望中提出四大關(guān)鍵領(lǐng)域：復(fù)雜任務(wù)規(guī)劃需要固化垂直領(lǐng)域知識(shí)；記憶機(jī)制應(yīng)向分層設(shè)計(jì)演進(jìn)以解決長(zhǎng)線任務(wù)壓力；多Agent協(xié)同需要新的上下文管理方案；工具使用需建立社區(qū)驅(qū)動(dòng)的Skill進(jìn)化機(jī)制。他特別指出，當(dāng)前Skill平臺(tái)存在質(zhì)量參差與安全隱患，亟需構(gòu)建執(zhí)行過程中的動(dòng)態(tài)優(yōu)化能力。

對(duì)于未來十二個(gè)月的發(fā)展趨勢(shì)，與會(huì)者給出差異化判斷。黃超強(qiáng)調(diào)生態(tài)建設(shè)的重要性，認(rèn)為Agent需從個(gè)人助手轉(zhuǎn)型為生產(chǎn)工具，推動(dòng)軟件系統(tǒng)向Agent原生模式轉(zhuǎn)變。羅福莉看好"自進(jìn)化"能力突破，通過可驗(yàn)證約束與持續(xù)迭代機(jī)制，模型有望在科研任務(wù)中實(shí)現(xiàn)指數(shù)級(jí)效率提升。夏立雪提出"可持續(xù)Token"概念，主張構(gòu)建從能源到經(jīng)濟(jì)價(jià)值的完整轉(zhuǎn)化鏈路，使中國(guó)成為全球AI的"Token工廠"。張鵬則回歸現(xiàn)實(shí)挑戰(zhàn)，指出算力供給仍是制約技術(shù)落地的核心瓶頸，需求爆發(fā)與效率提升的剪刀差需要整個(gè)行業(yè)共同破解。