AIPress.com.cn报道

3月27日，在2026中关村论坛年会的一场开源主题圆桌讨论上，中国大模型与AI基础设施领域多位一线人物围绕开源Agent、模型能力演进以及算力基础设施等议题展开交流。

这场名为 “OpenClaw 与 AI 开源圆桌会议” 的讨论由月之暗面创始人杨植麟主持。参与嘉宾包括智谱华章 CEO 张鹏、无问芯穹联合创始人兼 CEO 夏立雪、小米 MiMo 大模型负责人罗福莉，以及香港大学助理教授、Nanobot 团队负责人黄超。

多位嘉宾分别从模型研发、算力基础设施以及Agent应用等不同角度，分享了对当前AI技术发展阶段的观察。

OpenClaw走红：开源Agent框架激发应用想象力

智谱华章 CEO 张鹏将其形容为一种“脚手架”。他认为，这类框架为开发者提供了在大模型基础上搭建应用的结构化工具，使用户能够通过自然语言完成过去需要编程能力才能实现的任务。

小米 MiMo 大模型负责人罗福莉认为，OpenClaw 的重要意义在于开源带来的生态参与。她表示，这一框架在 Agent 架构设计上具有一定领先性，并通过 Skill 体系在一定程度上保证任务完成的稳定性，使更多开发者能够参与到AI应用构建中。

香港大学助理教授黄超则指出，OpenClaw 在交互体验上更接近个人智能助手，使Agent从工具形态逐渐演化为类似“数字助理”的系统，也为软件生态带来了新的想象空间。

Agent时代Token需求激增

随着Agent应用逐渐兴起，多位嘉宾认为，大模型正在从以对话为主的使用方式转向执行复杂任务。

张鹏表示，智谱近期推出的 GLM Turbo 模型正是为这一趋势进行优化。与简单问答相比，Agent在执行任务时需要进行规划、尝试和调试，因此Token消耗明显增加，可能达到普通对话场景的10倍甚至100倍。

无问芯穹联合创始人兼 CEO 夏立雪也指出，公司从今年年初开始观察到Token使用量持续快速增长，部分阶段甚至出现两周翻倍的情况。随着Agent应用规模扩大，算力需求正在迅速提升。

AI基础设施面临效率挑战

随着AI应用需求快速增长，多位嘉宾认为行业正逐步从“训练阶段”走向“推理阶段”。

夏立雪表示，当前云计算基础设施主要是为人类用户设计，而Agent在执行任务时需要更高频率的请求和更低延迟的响应。因此未来的AI基础设施需要在系统架构上进行升级，使资源调度能够适应AI高频调用的需求。

长上下文与低成本推理成关键

在模型技术方面，罗福莉指出，中国AI团队在过去算力和带宽受限的条件下，通过模型结构创新提升效率，这一经验在当前推理需求增长的背景下仍然具有重要价值。

她表示，随着Agent任务复杂度提高，模型需要处理更长的上下文信息。如何在百万甚至千万级上下文规模下保持推理成本可控、速度足够快，成为模型设计的重要挑战。随着推理需求持续增长，未来AI产业竞争可能不仅局限于模型本身，还可能延伸到算力资源、推理芯片甚至能源等更底层领域。

Agent技术挑战：规划、记忆与工具生态

在Agent技术方向上，黄超认为当前仍存在多个关键挑战。

其中之一是规划能力。面对长流程任务或复杂问题时，模型需要更稳定的规划机制，以避免任务执行过程中的错误。

另一个挑战是记忆系统。随着任务规模扩大，Agent需要存储和检索大量上下文信息，如何设计更高效的记忆结构仍是一个重要问题。

此外，在工具调用方面，当前Skill生态仍处于早期阶段，高质量工具数量有限，如何构建更可靠、安全的工具体系也是Agent应用发展的关键因素。

展望未来：生态、自进化与算力成为关键词

在圆桌最后的展望环节，嘉宾分别用关键词总结未来一年AI发展的重点方向。

黄超选择“生态”，认为Agent需要从简单的个人助手发展为真正参与工作的数字协作者。罗福莉提出“自进化”，认为在Agent框架支持下，大模型有可能在长期任务中实现持续优化和迭代。

夏立雪关注“可持续Token”，强调算力资源、能源与AI应用之间需要建立长期稳定的经济体系。张鹏则认为，“算力”仍然是未来一年影响AI发展的核心变量。

多位嘉宾普遍认为，随着AI应用规模扩大，Token需求可能出现数量级增长，而算力资源与基础设施效率将成为推动行业发展的关键支撑。