財聯(lián)社3月29日訊（記者 張校毓）2026年，一只“紅色小龍蝦”在科技圈引發(fā)廣泛關注。

OpenClaw的爆火，不僅是一次技術產(chǎn)品的出圈，也在中關村論壇期間掀起了關于AI開源生態(tài)與智能體（Agent）未來的深層討論，楊植麟、張鵬、羅福莉等罕見同臺談“龍蝦”。從模型層到算力層，再到Agent層，AI應用正以前所未有的速度從實驗室涌入千行百業(yè)，賦能科學研究及日常辦公等多個領域。

而在熱潮之下，更值得追問的是：AI將往何處去？

業(yè)內(nèi)人士分析認為，開源生態(tài)正從“工具協(xié)同”邁向“自進化”新階段，依托能源與制造領域的優(yōu)勢，我國可以將“科創(chuàng)工廠”模式轉化為面向全球的AI產(chǎn)品與服務能力，形成具有中國特色的普惠經(jīng)濟學路徑。展望未來一年，還存在生態(tài)共建不足、工程化落地時間窗口壓縮、算力瓶頸再度凸顯等挑戰(zhàn)。

“龍蝦”背后：開源與Agent成關注焦點

在人工智能技術加速演進、“小龍蝦”爆火的背景下，開源與智能體（Agent）成為業(yè)界熱議的焦點。

清華大學智能產(chǎn)業(yè)研究院（AIR）創(chuàng)始院長、中國工程院外籍院士張亞勤在2026中關村論壇年會“AI開源前沿論壇”上表示：“現(xiàn)在我們進入一個新的范式，從生成式AI走向智能體AI”。月之暗面創(chuàng)始人楊植麟在中關村論壇年會上也提到，通過開源的技術，逐漸讓更多的技術和模型成為新的標準。

楊植麟進一步闡釋：“通過開源讓每一個企業(yè)、每一個研究者、每一個終端用戶能非常低門檻獲取智能，是非常重要的事情。同時我們也在做很多重要創(chuàng)新，包括很多架構，使得這些技術都是開放的、可以被任何人所獲取，大家能夠形成一個生態(tài)系統(tǒng)，一起去推動這個領域的發(fā)展。”

圍繞“OpenClaw與AI開源”，楊植麟與智譜華章CEO張鵬、無問芯穹聯(lián)合創(chuàng)始人兼CEO夏立雪、小米MiMo大模型負責人羅福莉以及香港大學助理教授、Nanobot團隊負責人黃超亦在“AI開源前沿論壇”上展開深入探討。

“OpenClaw與AI開源圓桌會議”現(xiàn)場，圖片來源：財聯(lián)社記者/攝

張鵬更愿把OpenClaw稱作“腳手架”?！八峁┑氖且环N可能性。在模型的基礎之上搭起了一個牢固、方便又靈活的腳手架，大家可以按照自己的意愿去使用模型。”

黃超補充認為，從交互模式上看，OpenClaw之所以會爆火，首先是給了大家“活人感”。此外，OpenClaw整體也讓人思考：我們是否需要一個All-in-One、非常強大的智能體，能幫助用戶做很多事情；還是需要類似于輕量級操作系統(tǒng)或“腳手架”一樣的小管家。

在羅福莉看來，OpenClaw有兩大核心價值，其中一點便在于“開源”。她提到，開源是整個開源社區(qū)能深入?yún)⑴c、去重視、去改進、去投入到Agent框架的一個重要前置條件。像OpenClaw這樣的Agent框架，它很大的價值在于把國內(nèi)水平?jīng)]有非常接近閉源模型但水平還是在次閉源模型賽道上的模型上限拉到非常高，同時它把下限保證得非常好。

值得關注的是，隨著智能體技術不斷演進，token消耗量、模型如何真正干活等維度正成為大模型廠商們的核心突破方向。

作為基礎設施層的廠商，夏立雪透露，公司自一月底開始基本上每兩周token用量翻一番，至今已翻十倍?！吧洗我姷竭@種速度，還是當年3G時代手機流量快速普及的時候?！痹谒磥恚F(xiàn)在的token用量，就像當年每個月只有100MB手機流量的階段。這種情況下，所有資源都需要進行更好的優(yōu)化和整合，讓每一個人都能把OpenClaw這樣的AI能力用起來。

結構創(chuàng)新的重要性也受到關注。據(jù)羅福莉介紹，所謂模型的自迭代，是指它可以在復雜的環(huán)境里依靠超長context完成對自我的進化，“這個進化可能是對Agent框架本身的，也可能是對模型參數(shù)本身的，因為我們認為long context本身就是對參數(shù)的一種進化。”

羅福莉從更長期視角分析，由于大模型本身在飛速進步，加上Agent框架更好的加持，推理需求已經(jīng)在過去一段時間內(nèi)增長了近十倍?！澳墙衲暾麄€token的增長會不會達到百倍？這又將我們帶入另一個維度的競爭，這個競爭就是算力，或者說是推理芯片，甚至（往）下到能源（層面）?！?/p>

“從更長遠的未來也即真正AGI時代到來的時候，我們認為連基礎設施本身都應該是一個智能體，我們自己所打造的這套工廠本身也應該能夠自我進化、自我迭代，能夠形成一個自主的組織?！毕牧⒀┱J為，根據(jù)AI客戶的需求自己提需求、迭代自己的基礎設施，兩個AI之間才能夠去更好地耦合。

落地進行時：AI應用加速涌現(xiàn)

伴隨著智能體技術的不斷迭代，AI應用正加速落地，賦能科學研究及日常辦公等多個領域。

“面向AI for Science的關鍵基礎設施已逐步成形，規(guī)模化、智能體驅(qū)動的科學研究正在成為現(xiàn)實?！敝袊茖W院院士鄂維南表示，“在這個過程中，我們突破傳統(tǒng)的對標性思維，堅持原創(chuàng)性思維，走出了一條完全獨立于既有路徑的原創(chuàng)之路，推動實現(xiàn)科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新的融合，在其中離不開政產(chǎn)學研的協(xié)同創(chuàng)新。

例如，北京科學智能研究院院長李鑫宇在中關村論壇年會AI for Science青年論壇上帶來了基于Science Navigator平臺打造的新一代AI化學發(fā)現(xiàn)平臺；北京大學博雅特聘教授、北京中關村學院常務副院長董彬團隊則進一步將AI的理解能力延伸至數(shù)學這一科學的核心語言，構建了LeanSearch和Matlas兩套檢索系統(tǒng)，形成“形式化+非形式化”的雙軌體系。此外，我國首套智能雙束電鏡系統(tǒng)Hyper-FIB在論壇上重磅發(fā)布，開啟了AI賦能高端科學儀器的新階段。

當自動化和智能化基礎設施逐步形成，AI for Science邁向加速原創(chuàng)性發(fā)現(xiàn)的新階段。北京大學朱戎帶來了合成化學領域的實踐成果，“我們組建跨學科創(chuàng)新力量，從原型系統(tǒng)‘愚公’起步，構建起覆蓋‘數(shù)據(jù)-模型-實驗’的多地聯(lián)動閉環(huán)，在生物探針、有機光電、高性能高分子、正交標記反應等多項研究中，研發(fā)效率大幅提升。 團隊建成全球最大的高質(zhì)量實驗核磁數(shù)據(jù)庫NMRexp，覆蓋6種核素、超330萬條數(shù)據(jù)，配套譜學智能體SpecMaster突破真實合成場景結構解析瓶頸。”

延伸至真實的工業(yè)場景，臨界航天發(fā)布的“Prime（一行）火箭發(fā)動機研發(fā)智能體平臺”，實現(xiàn)了精準設計-物理仿真-精確制造-試驗驗證的完整閉環(huán)，讓火箭發(fā)動機從構想到實物的全鏈條智能迭代優(yōu)化成為現(xiàn)實。

除了科學研究領域，日常辦公場景等也在不斷突破。例如針對高昂的 API 調(diào)用成本與數(shù)據(jù)上云的安全風險，網(wǎng)易有道在中關村硬科技嘉年華上給出了“本地化+開源”的解法。據(jù)悉，其重點展出的“有道龍蝦（LobsterAI）”是國內(nèi)首個宣告完全開源的桌面級 Agent。與依賴云端大模型算力的傳統(tǒng)智能體不同，LobsterAI 將系統(tǒng)設計的核心放在了“數(shù)據(jù)主權”與“本地執(zhí)行”上。

在隱私防護與部署層面，有道龍蝦（LobsterAI）的全量代碼實現(xiàn)透明可審計，構建了嚴密的物理級隱私沙箱。針對涉及交易或密碼等敏感操作，系統(tǒng)內(nèi)置了主動預警攔截機制。在本土化生態(tài)建設上，有道龍蝦（LobsterAI）深度適配了微信、釘釘、飛書、QQ等國內(nèi)主流辦公協(xié)同軟件，用戶還可以直接通過專屬“技能商店”即可一鍵裝載各類 AI 能力。

值得一提的是，楊植麟在日前的中關村論壇上表示，大模型訓練進入第三個階段。2023-2024年為天然數(shù)據(jù)與人工標注階段，2025年為人工精選可驗證任務階段，2026年起進入AI主導研究階段?！皬慕衲甑矫髂暌约敖酉聛淼娜舾赡陼r間內(nèi)，整個AI研究和研發(fā)的方式會發(fā)生重大變化，會有更多的AI主導研究，整個AI的研發(fā)也會逐漸加速。”

下一個路口：自進化、可持續(xù)token與算力挑戰(zhàn)

當前AI尤其是Agent賽道熱度高漲，如何落地、未來趨勢及面臨挑戰(zhàn)成為關注焦點。

百度智能云副總裁殷大偉在論壇上表示，人工智能成為“十五五”時期高質(zhì)量發(fā)展的核心引擎，中國人工智能正在進入產(chǎn)業(yè)規(guī)?；l(fā)展的新階段。殷大偉介紹，特別是當前，“養(yǎng)龍蝦”熱潮爆發(fā)式增長，智能體應用加速涌現(xiàn)，軟件的使用方式也從之前的人操作軟件向智能體驅(qū)動。同時也要看到，智能體在落地過程中還存在技術挑戰(zhàn)與數(shù)據(jù)安全隱私風險，這需要企業(yè)從產(chǎn)品設計之初就筑牢防線。

張亞勤院士在演講中則從更宏觀的視角，指出了智能體存在的三大風險：一是AI信息智能風險，二是物理智能+生物智能風險，三是生存風險。

談及未來十二個月大模型的發(fā)展趨勢，黃超用“生態(tài)”作為關鍵詞。他認為，未來agent要真正從個人助手轉化為打工人是很重要的。而讓Agent真正沉淀下來，成為實用的“搬磚工具”或協(xié)同工作者，需要整個生態(tài)共同努力，開源便是其中的重要部分。

羅福莉給出的關鍵詞則是“自進化”。她認為，自進化是唯一能創(chuàng)造出新東西的地方，它不是去替代我們現(xiàn)有的生產(chǎn)力，而是像頂尖科學家一樣去探索這個世界上還沒有的東西，“一年前我會覺得這個時間歷程需要三到五年，但在近期，我覺得這個時間應該縮小到最近一兩年，可能就可以讓大模型疊加一個非常強的自進化agent框架，實現(xiàn)對科學研究至少指數(shù)級的加速?！?/p>

夏立雪則強調(diào)了可持續(xù)token的重要性。“我們現(xiàn)在需要把視角放寬到整個生態(tài)，從最早的能源到算力，再轉化到token，最終轉換成GDP，這樣的一個鏈路能夠去進行持續(xù)的經(jīng)濟上的迭代?！?/p>

“過去那個時代叫Made in China，我們把低價的制造能力轉化成好的商品輸出到全球?，F(xiàn)在我們想做的有點像AI Made in China，把中國在能源上的優(yōu)勢，通過token工廠可持續(xù)地轉化為優(yōu)質(zhì)的token輸出到全球，成為世界的‘token工廠’。”夏立雪說道。

張鵬認為，未來十二個月面臨的最大挑戰(zhàn)是算力。他提到，目前所有的技術包括智能體框架雖讓很多人效率提升，但前提是“用得起來”。目前行業(yè)正在轉向推理階段，而在需求爆發(fā)式增長背后，仍有大量需求未被滿足，需行業(yè)共同努力解決。

（財聯(lián)社記者付靜對本文亦有貢獻）