文章核心观点 - AI产业正从“模型竞争”转向“系统竞争”，未来价值创造的核心在于如何将模型整合进由工具、连接器、智能体(agent)和控制平面等构成的复杂系统，即“驾驭工程”(harness engineering) [6][10][16] - 开放模型(open models)聚合起来已是全球第二大模型群，并将在不同行业和应用中成为最大的模型群，其价值不仅在于成本，更在于为企业提供控制权、定制化和建立信任的能力 [5][65][82] - 智能体(agentic systems)时代已经开始，其标志性拐点是编码(coding)工作的自动化被验证，以及OpenClaw等项目将智能体具象化为一种大众可感知的、持续在线的计算体验 [26][33][79] - 企业部署AI的挑战正从技术能力转向治理与安全，企业需要可治理、可观测、受控的智能体系统，其部署难度远高于个人应用 [52][55][81] - 行业正形成新的产业结构：底层是前沿模型(frontier models)，中间是编排(Orchestration)、驾驭工程(Harness)、智能体运行时(Agent Runtime)和控制平面(Control Plane)，上层是各行业应用，周围是开放生态与企业治理的新平衡 [88][91] 黄仁勋对圆桌的定调与产业框架 - 模型是一种基础技术，如同晶体管，而非最终产品；ChatGPT是产品，而Open Model是技术底座 [10] - 产业需要超越“最强模型公司”和“应用公司”的二元叙事，关注AI软件栈中正在出现的第三类新角色 [10] - 未来不是单一模型的竞争，而是“系统模型的组合” [6] AI从模型到系统的演变 - 正在出现并壮大的第三类公司：既使用市场上最好的模型API，也在模型和智能体层面进行大量自有工作，其核心能力是组织不同模型、工具和执行流程 [11] - AI正在变成“系统”或“计算机”，其价值在于将编码、写作、多模态生成等能力组织成一个编排系统，连接各种工具、模型和资源 [14] - “驾驭工程”(Harness Engineering)成为关键，指模型周围的一切：如何连接工具、调用提示词(prompt)、使用子智能体(sub-agent)及为其分配模型，这是将模型转化为生产力的核心 [16][19][21] - 购买商业模型获得的是从芯片、编排、软件、推理到产品的整套技术栈，开放的价值在于允许他人从头到尾重新优化整个系统 [22] 智能体(Agent)时代的拐点与驱动力 - AI演进可分为三个阶段：生成式AI(Generative AI)、推理(Reasoning)、智能体系统(Agentic systems) [26] - 未来算力消耗可能从预训练(Pre-training)更多转向后训练(Post-training)，因为后者是让模型获得技能、变成可落地系统的关键 [26] - 关键拐点之一是编码(coding)在去年开始真正可行，因其具备明确目标、标准化接口、可验证输出等特性，成为智能体的天然试验田，其能力正迁移至其他领域 [30][33][78] - 智能体变得可用的原因不仅是模型变强，更是模型能力、工具接口和系统工程在同一时间段完成了“对齐” [31] - 一旦模型擅长操作命令行界面(CLI)、文件(files)和工具(tools)，它就获得了进入几乎所有知识工作的“通行证” [32] OpenClaw项目的象征意义与智能体内涵 - OpenClaw被视为了解智能体系统(agentic systems)的窗口，它将智能体带进大众认知，呈现了现代计算机的一种新形态 [38][49] - 智能体被定义为能够持续处理任务、调用资源、拆分步骤、在不同模型间路由并保持状态的执行系统，类似于“同事”(co-workers) [36] - OpenClaw的重要特征包括：始终在线(always-on)且主动、开始拥有可持续的“身份”、具备“记忆”并能通过代码修改自身指令 [42][43][44] - OpenClaw作为通用智能体展示了范式，但大量专用智能体（如法律、销售、编码智能体）仍不可替代，且需针对垂直场景深度定制 [44][45] - OpenClaw预示了一种新的计算机形态，其运行时(Runtime)是GPU，令牌(token)是基本消耗单位，计算将在本地与云端混合进行 [46] 企业部署智能体的核心挑战：治理与安全 - 企业部署智能体的瓶颈从能力转向治理，需要解决数据安全、权限、可观测性和统一控制平面等问题 [52][53] - 一条关键设计原则：企业通常不应允许一个智能体同时拥有“访问敏感信息”、“执行代码”和“对外通信”全部三项能力，除非它是CEO [55] - 在医疗、国防等高信任、高风险领域，开放模型因可见、可检验，更容易建立信任，这比单纯的性能差异更重要 [56][57][71] - 企业需要的是可治理的智能体，而不仅是在演示中聪明的智能体 [81] 开放模型(Open Models)的多维价值与生态 - 开放模型的价值体现在三个层面：1) 开放权重(Open Weights)；2) 开放后训练与定制(Open Post-training/Customization)；3) 开放研究与基础设施(Open Research/Infrastructure) [73][74][75] - 对企业而言，开放模型的核心价值在于控制权、定制化和研发成本共享 [66][69] - 开放模型为创建高度专业化的数字专家（如心脏科专家数字孪生）提供了必要的“塑形能力”，而超大闭源模型因其固定性而难以彻底改造 [67][68][70] - 开放基础设施（如AI网格）对于前沿开放模型的持续发展至关重要，否则其发展仍会被巨额计算资本卡住 [72] 行业落地前景与未来产业结构 - 智能体将首先在多步骤、重复性强、每一步相对可预测的工作流中大规模落地，例如医疗领域的保险事先授权文书工作 [62][63] - 行业前沿不止于编码，视觉智能对于机器人和与现实世界交互的智能体同样关键，模型正被越来越多地部署到实体AI和机器人中 [58][59] - 前沿创新的最小单元是一个“高度聚焦、人才密集、又能拿到巨大算力”的团队，算力供给方式本身将成为产业结构的一部分 [61] - 新的产业地图正在展开：底层是前沿模型，中间层是编排、驾驭工程、智能体运行时和控制平面，上层是各行业应用，周围是开放生态与企业治理的平衡 [91] - AI工厂(AI factory/foundry)概念将愈发重要，使企业能获取所需计算资源而无须独占大量算力 [83] - 2026年将是“真实商业经济学”起飞的一年，AI从“惊艳演示”进入“可规模化经营”阶段 [86][87]