文章核心观点 本次中关村论坛汇集了中国大模型领域的顶尖专家，围绕Agent（智能体）的下一代演进、行业发展趋势、技术挑战与机遇进行了深入探讨。核心观点聚焦于：Agent框架（如OpenClaw）正成为推动大模型从对话工具转向生产力工具的关键催化剂，引发了推理需求（token消耗量）的爆发式增长，这进而对模型架构创新（尤其是长上下文与效率）、算力基础设施、以及行业生态的可持续发展提出了全新要求。专家们普遍认为，行业正从“训练时代”迈向“推理时代”，竞争维度已扩展至模型、算力、能源乃至全球化的“token经济学”层面 [5][12][32][45][65]。 对OpenClaw及Agent框架的认知与影响 - **OpenClaw被定位为革命性的“脚手架”**：它降低了使用顶尖模型能力的门槛，让非程序员也能通过简单交流构建复杂应用，其开源特性和社区参与度是成功的关键 [11][16]。 - **重新定义了模型能力的上下限**：此类框架能将次闭源水平模型的性能上限拉高，在多数场景下接近顶级闭源模型，同时通过体系化设计保证任务完成的下限（准确率）[17]。 - **带来交互模式的革新**：其IM软件嵌入方式提供了更强的“活人感”和“贾维斯”体验，区别于以往工具感更强的Agent [19][21]。 - **引爆了token使用量的激增**：从一月底开始，某基础设施厂商的token调用量每两周翻一倍，至今已增长十倍，增速堪比3G时代手机流量的普及速度 [12]。 - **激活了社区生态**：让更多非研究员参与AGI变革，推动了面向Agent的应用（skills、harness）开发，撬动了整个工具生态 [18][23]。 大模型技术演进与竞争焦点 - **中国团队的核心优势在于“算力受限下的最优解能力”**：在互联带宽等限制下，催生了如细粒度MoE、MLA等模型结构创新，追求更高的训练与推理效率 [40][42]。 - **竞争的关键是“长上下文”与“推理效率”的结合**：未来竞争不仅是做出原生适配长上下文的模型架构，更关键的是能否在100万甚至1000万级上下文下，将推理成本打下来、速度提上去 [42][43]。 - **超长上下文是模型“自迭代”的前提**：只有当上下文长度达到1000万甚至上亿级，模型才可能在复杂环境中依靠超强上下文完成对自身的持续进化 [5][44]。 - **模型正从“简单对话”转向“真正干活”**：完成复杂任务（如规划、尝试、debug）所消耗的token量是简单问答的十倍甚至百倍，这直接推动了模型能力的专门优化和定价策略的调整 [26][30]。 行业发展趋势与市场动态 - **推理需求爆发，行业进入“推理时代”**：由Agent驱动，token需求正经历十倍甚至百倍的增长，对算力基础设施构成巨大压力 [32][45][65]。 - **模型定价策略反映价值回归**：为完成复杂任务而增强的模型，因消耗token量巨大、推理成本增加，其涨价被视为回归正常商业价值，长期低价竞争不利于行业发展 [26][30]。 - **竞争维度扩展至全链路**：未来的竞争不仅是模型间的竞争，更是算力、推理芯片乃至能源层面的全方位竞争 [45]。 - **基础设施需为AI原生（Agent-native）重构**：当前云计算基础设施是为服务人类工程师设计的，未来需要能支持Agent毫秒级任务调度的“智慧化工厂”，甚至基础设施本身也应进化为智能体 [37]。 未来12个月的关键词与展望 - **生态**：Agent的发展依赖开源社区共同建设，未来软件可能不再以人类为中心，而是转向原生面向Agent（agent-native），需要整个技术栈朝此方向重构 [56][57]。 - **自进化**：在Agent框架加持下，模型能够通过可验证的目标约束进行持续自我优化，未来一两年内可能对科学研究带来指数级加速，研究效率已可提升近十倍 [59][60][61]。 - **可持续**：关注如何将中国在能源等方面的优势，通过“token工厂”持续转化为高质量token并输出全球，构建可持续的“AI Made in China”经济化迭代链路 [62][63][64]。 - **算力**：推理需求的爆发性增长使得算力成为未来12个月最关键的制约因素，确保用户“用得起、用得上”是行业发展的前提 [65]。

文章核心观点 文章记录了2026年中关村论坛人工智能主题日的一场高信息密度圆桌讨论，核心观点聚焦于人工智能产业，特别是大模型和智能体（Agent）技术，正从“聊天”范式转向“干活”范式，这一转变引发了算力需求爆发、模型架构创新、基础设施重构以及产业生态演变等一系列深刻变革 [3][5][13] 根据相关目录分别进行总结 行业趋势：从聊天到“干活”的范式转变 - 以OpenClaw为代表的智能体框架标志着人工智能应用从简单的对话交互转向能够完成复杂任务的“干活”助手，这极大地拓展了AI的想象力空间和应用价值 [6][8][13] - 范式转变导致对模型能力的要求发生根本变化，模型需要具备长程任务规划、自主循环、多模态信息处理和持续调试等复杂能力 [13] - 应用范式的转变直接驱动了推理阶段token消耗量的急剧增长，无问芯穹公司透露其token用量从一月底开始每两周翻一番，累计已增长十倍，类比于3G时代手机流量的爆发速度 [9] 模型层：架构创新与商业价值回归 - 为适应“干活”需求，模型在长上下文处理和推理效率方面进行重点创新，中国的模型团队在有限算力条件下催生了如细粒度MoE、混合稀疏注意力等高效的模型结构创新 [18] - 长上下文能力是实现高生产力任务和模型自进化的关键前提，其竞争焦点在于如何在百万甚至千万token的上下文长度下实现足够低的推理成本和足够快的速度 [19] - 随着模型任务复杂化，完成一个任务所需的token量可能是简单问答的十倍甚至百倍，智谱公司对其GLM5 Turbo模型进行提价，反映了模型商业价值向真实成本与能力回归的市场信号 [5][13][14] 基础设施层：应对推理时代算力挑战 - 推理时代算力需求爆发式增长，过去一段时间内推理需求已增长近十倍，未来可能达到百倍，算力成为制约行业发展的最朴素且紧迫的问题 [9][20][29] - 无问芯穹作为基础设施厂商，通过软硬件协同，接入国内十几种芯片和几十个算力集群，致力于打造高效的“token工厂”，以优化资源利用和转化效率 [15] - 为充分发挥智能体潜力，基础设施需要从为人类工程师设计转向为AI原生设计（Agentic Infra），以支持智能体秒级甚至毫秒级的任务调度，长远目标是使基础设施本身进化为由智能体管理的自主组织 [16][17] 智能体（Agent）层：技术痛点与生态发展 - 智能体在规划、记忆和工具使用三个维度存在技术痛点：复杂垂直领域规划知识不足、记忆系统面临信息压缩与召回精度挑战及海量上下文管理压力、技能生态存在质量参差不齐和安全风险 [21][22] - 智能体框架通过开源和模块化设计（如技能体系）降低了创建门槛，不仅拉高了国内模型在具体任务上的完成度上限，也激发了社区对Agent层的热情和广泛参与 [11] - 智能体交互模式取得突破，OpenClaw以即时通讯软件式的嵌入方式提供了更强的“活人感”，其轻量级操作系统式的设计通过生态撬动更多工具，与开源生态紧密结合 [12] 未来展望：未来12个月的关键词 - **生态**：智能体要从个人助手转化为真正的“打工人”或协作者，需要整个技术生态的共同努力，推动软件、数据和技术向“Agent Native”模式演进 [24][25] - **自进化**：在强大模型和智能体框架的激活下，模型能够在执行长程任务中持续自我学习和优化，实现对科学研究的指数级加速，这一进程可能在未来一两年内变得更为务实 [25][26][27] - **可持续token**：从基础设施视角，需要确保在资源有限的条件下，能够持续、稳定、大规模地提供token供给，构建从能源、算力到token产出的可持续经济化链路，并探索将中国的优势转化为全球“token工厂”的潜力 [27][28] - **算力**：所有技术进步和效率提升的前提是充足且可负担的算力支持，推理需求的爆发（十倍甚至百倍）使得算力成为未来十二个月行业面临的最大实际问题 [5][29]

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI Cursor套壳Kimi这事还没完…… 最新消息，Cursor放出Composer 2技术报告，力证自己还是有在 "自研" 。 （doge） 不是纯套，而是有技术地套、循序渐进地套。 用的方法，还是他们一开始就强调的 预训练+强化学习 。 不过这一次Cursor学乖了，老老实实署名Kimi K2.5。 Cusor：我们这样基于Kimi 2.5 报告开篇第一件事，Cusor终于上道，先夸一波友商Kimi： 训练前，我们评估了多款潜在的开源基础模型，包括GLM5、Kimi K2.5和DeepSeek V3.2，但Kimi K2.5是最棒的！ 选定 Kimi K2.5 的理由，不仅是因为其综合能力突出，也考虑到了其在自研基础设施中的执行效率等附加因素。 | Model | FreshBench ↑ | State Tracking | Negative Log-Likelihood | | --- | --- | --- | --- | | DeepSeek V3.2 | 68.9% | 66 | 11.75M | | Kimi K2.5 | 83.2% | 8 ...

PantheonOS系统概述与核心创新 - 斯坦福大学等机构于2026年2月27日发布了一款名为PantheonOS的分析生物医学智能体系统，这是一个可演化、保护隐私且通用的多智能体框架[3] - 该系统标志着生物医学智能体正从依赖闭源云端的数据分析模式，迈向完全开源、本地部署、覆盖全流程的新一代数据分析范式[3] - 该系统通过四项基础性创新解决了单细胞和空间数据分析中新出现的瓶颈[17] 系统架构与设计特点 - PantheonOS采用四层金字塔架构，包括LLM层、代理层、接口层和应用层，构建了一个可演化的分布式多代理系统[6] - LLM层包含一个统一的LLM接口，支持100多个LLM，并具备自动重试和回退功能，支持通过NATS进行分布式通信以实现灵活的跨设备部署[6] - 代理层提供运行时执行模型，使代理能够通过统一的代理循环、结构化的代理间传输以及正式的模态任务协议进行协调[6] - 接口层设计灵活，支持命令行界面(CLI)、Jupyter notebook、Web图形用户界面(GUI)和飞书/QQ/Slack聊天机器人[11] - 应用层通过配置驱动的组装方式允许快速构建特定领域的代理系统[11] 核心功能模块 - Pantheon-Evolve是该框架的核心模块，采用进化算法使智能体能够通过智能体引导的进化，迭代地改进外部和内部算法、软件包或技能，从而达到超越人类的性能[6] - Pantheon-UI为生物学家提供一个对话式分析界面，用户可以直接访问所有功能，享受多智能体协作的便利，无需复杂安装[22] - Pantheon-CLI为进阶的生物学分析学者提供一个命令行式的对话分析界面，通过CLI可自主调用多种不同的工具完成生物学分析[24] - Pantheon-Store提供了超过1300种不同的生物信息学分析Skills，支持社区驱动的组件开发和共享，技能可以一键安装到任何接口中[7][26] 技术能力与性能表现 - 该系统能够完成端到端的单细胞和多组学分析，涵盖强化学习增强的基因组面板设计、原始FASTQ数据处理、多模态数据集成和三维空间基因组重建等复杂的生物学任务[4] - 对于通用型生物学分析任务，包括遗传学、基因组学、微生物学、药理学和临床医学等，PantheonOS通过Skill Store也能媲美并达到当前智能体的最优水平[4] - 在小鼠早期胚胎发育案例中，系统能够自动重建三维空间基因表达图谱，解析Cer1表达的不对称性和旁分泌Cer1-Nodal抑制，揭示了胚胎第6天稳健的近端-远端轴[12] - 在人类3D胎儿心脏案例中，系统将胎儿心脏单细胞多组学数据与受孕后第12周的全心3D MERFISH+数据整合，揭示了心脏疾病发生发展过程中空间分辨的分子机制[14] - 在虚拟细胞路由案例中，系统的智能模型路由机制使其能够自适应地选择异构任务中最优的虚拟细胞模型，从而揭示心脏发生的最小调控网络，并预测发育中心脏的空间分辨扰动效应[16] 开源与生态建设 - 研究团队在pantheonos.stanford.edu开放了免费注册和试用，并在Github上完全开源[4] - 系统支持各类国产大模型，包括智谱AI、MiniMax、Moonshot、DeepSeek等，并推出了无门槛的coding plan计划[27][28] - 研究团队表示未来半个月将带来免安装桌面版Pantheon-Desktop，以及支持微信、飞书、QQ等多平台的PantheonClaw[29] - 内测用户反馈称该开源智能体框架的完善程度超越了现有几乎全部的闭源商业框架[28] 行业意义与发展前景 - PantheonOS弥补了智能体生态体系在开源程度上的不足，第一次比较完整地将“开源、多智能体、本地部署、自进化”这几条路线整合到了一个系统里[20] - 对于生物信息学研究者来说，这可能意味着一个更接近真实科研流程的下一代分析范式正在成型[20] - 随着大语言模型和智能体框架不断掌握长周期任务和自我演化，可预见科学流程将发生根本性的重构[18] - PantheonOS为未来提供了一个蓝图，在这个蓝图中，AI智能体将与人类研究人员无缝协作，实现整个科学生命周期的自动化，涵盖从假设生成、方法开发、代码实现到执行和演化、结果解释以及可验证的论文撰写等各个环节[18]

阿里巴巴集团对AI发展的观点 - 公司认为AI的终极目标是应用普及和造福社会，公司唯一的方向是持续创新[3] - 公司指出中国AI的突破取决于基于共赢互利的开源信念，并认为中国科技正从“积累期”进入“百花齐放”的爆发期[3] - 公司表示中国在新能源、电动汽车、高端制造、机器人和人工智能等领域取得突破，正处于与世界共享科技发展和成果的最佳时刻[3] 蚂蚁集团对AI挑战与应对的思考 - 公司提出产业界需携手应对AI时代的四重挑战：底层的算力和能源消耗、模型和数据的安全、确保AI为人类带来福祉、人的发展问题[4] - 公司以自身2030年净零排放目标为例，指出AI发展使该目标实现更艰巨，但坚持目标不变，并通过构建绿色计算技术体系、降低有效Token单位能耗、精准构建绿色能源需求计划等方式应对[4] - 公司强调绿色计算需在基础设施层努力，并提升模型智能和可靠性以降低无效token产出[4] - 公司指出安全必须贯穿AI发展始终，包括应对模型幻觉、隐私安全、伦理底线和人机关系等挑战[4] - 公司认为企业是AI技术研发、产品化和运营的直接主体，必须遵循“谁开发、谁负责”原则，安全与伦理原则必须“内置”不能“后补”，不能因市场竞争激烈而放松安全责任[4] 蚂蚁集团对AI时代人才发展的观点 - 公司认为从个人角度需终身学习，并以CEO为例，指出其对AI的认知决定了企业发展的天花板，CEO需持续学习以建立对技术趋势、路径判断及技术边界的清晰认知[5] - 公司指出从企业角度，AI将彻底改变工作机制和岗位设计，企业需投资于人，发挥员工创造力和行动力，人才是AI时代最重要的资本[5] - 公司观察到对产业界而言，不仅企业在投资AI，越来越多个人也开始投资于自己学习和使用AI，这本身也是一个巨大的市场[5] TCL集团对技术转化与产业发展的建议 - 公司指出当前国家明确的新兴支柱产业（如集成电路、新型显示、新能源、新材料等）普遍呈现“高科技、重资产、长周期”特征，从前沿技术研发到产业落地离不开技术与资本的双轮驱动[5] - 公司为此提出两点建议：一是企业要加大基础研究与中试验证，二是培育长期资本[6] - 公司针对构建现代化产业体系表示，“十五五”规划将制造业划分为传统、新兴与未来产业，这三者并非简单的递进或替代，而是相互赋能、共生共荣的关系[6] - 公司以消费电子产业为例，认为AI与消费电子的深度融合将重塑未来生活方式与产业格局，成为拉动经济增长的重要引擎[6] TCL集团对企业全球化与产业体系的观点 - 公司在中国企业全球化转型方面提到，企业要迈入“全球化3.0阶段”，扎根海外、融入当地，提升全球资源配置能力，从追求GDP增长向注重GNP增长转变[6] - 公司指出构建现代化产业体系是一项系统工程，既需要技术突破与资本投入的“硬支撑”，也需要制度创新与开放协同的“软环境”[7] - 公司呼吁以更加开放的姿态拥抱世界，让中国产业在全球市场中寻找更多机遇，为全球经济发展作出贡献[7]

阿里巴巴AI人事变动与组织调整 - 阿里巴巴Qwen（通义千问）大模型核心技术负责人林俊旸于3月4日宣布离职，随后多名核心成员亦表达去意[3][6] - 离职时间点微妙，发生在公司宣布将B端与C端AI品牌统一为“千问”的次日，以及投入30亿元进行春节红包大战后不到一个月[4][13] - 公司管理层（吴泳铭、蒋芳、周靖人）迅速召开内部会议并发出邮件，强调AI战略与千问研发计划不变，以稳定军心[6] - 组织架构迅速调整，阿里云CTO、通义实验室负责人周靖人代管Qwen模型一号位，原预训练负责人刘大一恒职责扩大，接管后训练与Coding团队，整体研发分工保持不变[9][10][11] 开源路线与内部协同挑战 - Qwen模型已成为全球最受欢迎的开源模型之一，大量开发者和企业基于其进行二次开发[14] - 公司内部存在模型团队（Qwen）与产品体系（千问应用）之间的结构性张力，体现在算力资源分配（模型训练资源紧张，部分资源优先用于应用侧增长）和产品化协同不畅[14] - 林俊旸被视为阿里开源路线的重要推动者，其离职引发市场对阿里在开源与商业化之间平衡策略可能发生改变的联想[14] - 在离职前，团队仍保持高频开源节奏，发布了Qwen3.5系列多款小尺寸开源模型（0.8B—9B）[14] 行业参照：Meta的开源困境与字节的商业化路径 - Meta选择开源路线（如LLaMA系列），旨在建立技术标准、扩大开发者生态，其Llama模型累计下载量达10亿次级别[17][18] - 但Meta开源路线陷入双重困境：技术层面，Llama 4发布不及预期且被指“作弊刷榜”，口碑暴跌被Qwen反超；商业化层面，大模型对其核心广告业务帮助有限，未能获得明确商业回报[18] - 内部矛盾爆发，导致坚定支持开源的FAIR实验室创始人LeCun被边缘化后离职，公司裁减基础研究人员并转向更闭源的策略[19] - 字节跳动采取不同的商业化路径：将核心模型（Seed、豆包）保持闭源，通过火山方舟MaaS平台以token计量收费，并依托内部业务平摊成本[21][22] - 字节率先打价格战，将豆包主力模型推理输入价降至0.8元/百万token，形成成熟的token经济学正向循环，支撑其拿下2025年上半年公有云大模型服务调用量49.2%的份额[21][22] 阿里巴巴的AI战略定位与商业化挑战 - 公司CEO吴泳铭将大模型定位为“下一代的操作系统”，阿里云是战略核心，Qwen的技术势能需通过阿里云实现商业闭环[21] - 在云市场，不同统计口径下公司与字节各有领先：2025年上半年，字节火山引擎以49.2%份额居公有云大模型服务调用量第一；同期，阿里云以26.4%份额位列公有云IaaS市场第一，并以23%份额居中国AI云服务收入首位[21] - 公司的核心商业逻辑目前仍是“模型开源导流、云服务收费”，未像字节一样围绕token搭建完整的商业闭环[22] - 从商业化角度看，Qwen当前的开源模型矩阵过于庞大（从2.5到3.5版本维持8种以上参数规模），未来可能走向战略性收缩与聚焦，以应对token价格持续走低、多数小模型难以商业变现的趋势[24] 未来展望与战略调整方向 - 林俊旸的离职并非公司开源路线的终结，而是其重新校准方向的开始[26] - 行业教训（Meta折戟）与成功经验（字节的token经济学）推动公司需要走出“重开源、轻商业”的舒适区[26] - 未来战略方向可能是：守住开源生态核心优势，优化商业化闭环，聚焦核心模型，并补齐token经济学的短板[26] - 此次人事调整被视为公司AI战略走向成熟的必经之路[26]

文章核心观点 文章通过描述2026年3月深圳腾讯大厦前用户为免费安装OpenClaw AI软件而大排长龙，以及市场上催生出500元上门安装服务等现象，揭示了当前以OpenClaw为代表的AI Agent产品面临的核心矛盾：技术理想与用户现实之间存在巨大鸿沟[9]。开源技术并未自动带来普惠，普通用户因硬件、系统、语言、生态和网络等多重高门槛而被挡在门外[16][17][18]。更深层次的问题在于，即使解决了安装问题，用户仍面临“意图表达”的认知困境，不知道如何有效使用AI[25][26][28]。文章指出，中国AI产业过度聚焦于模型层面的军备竞赛，严重忽视了产品化、本土化和用户教育的“最后一公里”，而这正是未来真正的商业机会和竞争关键所在[50][55][60]。 一、腾讯大厦门口的长龙：为AI排队，为门槛买单 - 2026年3月6日，深圳腾讯大厦北广场出现罕见长队，用户目的仅为免费安装开源AI软件OpenClaw，队伍中包含从外地赶来的60多岁退休航空工程师、近70岁的非遗专家和小学生等非典型用户[5] - 活动预约号在上午11点前已全部发完，大量未预约者仍不愿离去，显示出极高的公众需求[6] - 与此同时，在闲鱼、小红书等平台催生了“上门安装OpenClaw，500元一次”的付费服务市场，形成了技术狂欢与高门槛并存的矛盾景象[8][9] 二、中间人经济：500元安装费，是门槛的定价 - 市场形成了从9.9元到上万元不等的魔幻定价体系，其中500元上门安装是主流市场价，而美国创业者Michael提供的服务价格高达3000至6000美元（约合4.3万人民币）[11][13] - 国内有服务者据称在几天内赚取26万元人民币，虽真实性存疑但反映了市场热度，从业者包括大厂程序员、跨界从业者和大学生，他们共同出售的是“跨越门槛的能力”[14] - OpenClaw的安装存在五层高门槛：硬件门槛（需4核CPU、8GB内存，较好体验需16GB内存和独立显卡）、系统门槛（Windows用户需安装WSL2）、语言门槛（全英文界面）、生态门槛（不原生支持微信、钉钉、飞书）和网络门槛（访问境外API受限）[16][17][18] - 业内估计有90%的用户在安装阶段会因无法自行解决问题而放弃或求助，这500元定价是市场对技术门槛的即时定价[19] 三、安装成功后，更大的门槛来了 - 用户成功安装后普遍面临“不知道下一步该做什么”的困境，这揭示了比安装更复杂的“意图表达”认知门槛[25][26][28] - 配置过程复杂，用户需在多个大语言模型（如GPT-4o、Claude 3.7 Sonnet等）中做出选择，并处理API Key申请、费用计算、国内通讯渠道额外配置等技术问题，普通用户难以应对[26] - 问题的核心在于AI产品的设计者与普通用户存在认知断层，产品缺乏对用户使用场景的引导，导致用户“不知道让AI执行什么任务”[29][31] - 这反映了AI进化速度远超普通人认知更新速度的结构性社会问题，此次关于“人类与AI协作”新范式的落差比以往任何技术浪潮都更剧烈[32][33] 四、真相：开源≠普惠，普通人被挡在门外 - 开源并不等同于普惠，OpenClaw在GitHub上拥有26万颗星，但真正能跑起来并改变工作方式的普通用户比例极低[38] - 开源解决了“代码可得性”，但未解决“能力可得性”，从可用到好用再到真正使用，需要巨大的工程和产品化投入[38] - 中国用户面临独特壁垒：微信、钉钉、飞书构成核心工作流生态，而OpenClaw原始设计针对Telegram、Slack、Discord等西方平台，在中国渗透率约等于零[39] - 这意味着任何希望OpenClaw在中国普及的产品都必须进行彻底的重新设计和本土化，如“Molili”这类集成国产大模型、支持中文和国内通讯平台的产品是正确方向[41][42] 五、腾讯长龙的三层隐喻：AI狂欢的真实镜像 - **第一层（感人）**：队伍体现了中国社会特有的“全民技术接纳文化”，民众对新技术的敏感度和接纳速度全球罕见，这种技术焦虑与好奇并存的状态值得尊重[46] - **第二层（耐人寻味）**：腾讯活动的商业目的是争夺Agent时代的云服务入口，将用户锁定在其云基础设施上，但活动本身形成了讽刺隐喻——旨在解放人力的AI工具，却需要大量真人工程师提供手动安装服务[47][49] - **第三层（值得深思）**：长龙是中国AI产业的一面镜子，照出了产业过度聚焦于卷模型、卷参数，而严重忽视产品“最后一公里”和普通用户需求的结构性问题[50] - 真正的AI普及战争不在服务器机房，而在用户的客厅和办公桌上[51][52] 六、谁来填平这道裂缝？ - **产品层面**：行业缺乏的不是更强大的Agent，而是更低摩擦的Agent，关键挑战是设计“意图引导”系统，帮助用户在五分钟内感受到价值[55] - **商业层面**：中间人经济将升级，从原始安装服务演变为更高价值的Agent工作流定制、场景设计、技能培训等新职业机会[58] - **产业层面**：基础模型层竞争已过热，真正的价值洼地在应用层的“最后一公里”，包括深度本土化、垂直场景化、安全合规以及AI使用技能培训认证体系[59][60][61] 七、“代码已死，意图永生”——但意图先要被表达出来 - “代码已死，意图永生”的深刻含义在于，未来竞争力在于清晰表达需求（意图）的能力，而非写代码本身[65][66] - 当前最大瓶颈是普通人无法将模糊需求转化为AI可执行的清晰意图，帮助用户完成这一转化是AI产品化阶段最重要、最稀缺的能力[68] - 这是一个涉及教育、设计和人文理解的问题，恰恰是中国AI产业目前最薄弱的一环[69][70] - 腾讯门口的长龙是AI时代最真实的照片，它用市场需求直接告诉技术世界：产品做得还不够好[72][73] - 真正的革命将发生在普通用户能轻松使用AI获得切实帮助的时刻，而谁先实现这一点，谁将赢得这个时代[74][76][77]

开源社区面临AI生成代码的冲击 - 开源项目维护者正以惊人速度关闭对外部贡献的大门，以应对AI生成的低质量代码“海啸”，这被分析师称为“AI垃圾”或“AI Slopageddon” [2] - 表面危机下存在更深层的结构性威胁，即“氛围编码”模型，该模型让AI智能体在不阅读文档、不报告错误、不与维护者互动的情况下选择和组装开源包 [2] AI对开源生态的负面影响机制 - 广泛采用“氛围编程”将创造一个负反馈循环，随着开发者将包选择委托给AI，查看文档、提交人类缺陷报告的人减少，导致维护者动力减弱，最终预测软件可用性和质量将下降 [3] - ChatGPT推出后的六个月内，Stack Overflow活动减少了25%，Tailwind CSS的文档流量下降了40%，收入下降了80% [3] - 对于cURL项目，转折点出现在支付了86,000美元缺陷赏金后，预计到2025年，20%的代码提交将是AI生成的，整体提交有效率将下降到5% [3] 维护者的应对措施与困境 - 维护者采取强硬措施应对，例如Mitchell Hashimoto在Ghostty中禁止AI生成代码，Steve Ruiz的tldraw项目自动关闭所有外部拉取请求 [2][5] - 平台激励加剧问题，GitHub在2025年5月推出Copilot问题生成功能，但未给维护者提供过滤AI提交的工具，被批评为“AI垃圾正在DDoS开源维护者” [6] - 部分项目如Gentoo Linux和NetBSD完全禁止AI贡献，但分析师指出，在一两年内检测违规将在功能上变得不可行 [7] 提出的解决方案及其局限性 - 研究人员提出“AI平台版Spotify模型”，即AI平台根据包的使用情况重新分配订阅收入，但计算显示，“氛围编程”用户需要贡献目前直接用户收入的84%，这是一个不切实际的阈值 [7] - 开源基金会发布的政策侧重于许可而非质量，如Apache推荐的“Generated-by”标签，但无法阻止低质量贡献的洪流 [7] 对开源软件未来的长期担忧 - 破坏将不均衡，流行的库可能继续找到赞助商，但较小、小众的项目更有可能受到影响 [8] - 危机威胁到开源创新的源头，许多成功项目如Linux、git最初都始于个人解决自己的问题，如果小型项目维护者放弃，将影响未来重大项目的诞生 [8]

文章核心观点 OpenClaw（小龙虾）作为一款开源的AI智能体编排框架，正引发一场生态层面的爆发式增长，其通过“核心框架+Skill插件”的模式，展现出成为“AI时代Linux”的潜力，并可能重塑交互入口，在通信、协作、交易市场及物理世界接入等领域催生新的创业与投资机会[4][6][17][26]。 根据相关目录分别进行总结 OpenClaw带来的四个层面爆发式增长 - **模型层营收狂飙**：所有模型厂商均受益于OpenClaw带来的红利，例如Kimi模型API在短短20天内创造的收入已超过其2025年全年总收入[11] - **硬件载体溢价**：作为本地化部署的主要载体，MacMini在二手市场的价格从2月初约1700元暴涨至3300元，涨幅超过以往GPU[12] - **Skill与Agent指数级增长**：Clawhub平台上的Skill数量从节前约5000多个迅速飙升至11232个；Moltbook平台上的Agent注册数从春节前约50多万个增长至2846423个[13] - **Infra层重构**：记忆模块、数据库等基础设施需求同步爆发，例如Supabase因被大量Agent用作默认数据库工具而经历业务爆发性增长；安全层也衍生出沙盒托管等新需求[14] OpenClaw正在成为AI时代的Linux - **开源与社区驱动**：与Linux类似，OpenClaw以开源为基石，通过社区吸引开发者贡献，形成“社区+商业”的正向循环[20][24] - **灵活的扩展架构**：Linux通过“内核+发行版”适配不同需求，OpenClaw则通过“核心框架+Skill插件”实现功能扩展，兼具轻量化与高度可定制性[24] - **颠覆性潜力与生态闭环**：如同Linux凭借免费、开源、兼容廉价硬件等优势颠覆了服务器市场，并最终通过LAMP等生态闭环锁定互联网基本盘，OpenClaw有望在AI领域复制这一路径，推动硬件、应用和底层Infra出现“Agent-Native”的新生态[18][19][25] OpenClaw作为交互入口的短期机会 - **AI-Native通信系统**：现有通信工具（如Gmail、飞书、Slack）并非为AI自动化设计，存在使用障碍，这催生了构建专为Agent设计的通信系统（如“Agent版微信”）的机会，以解决人-Agent及Agent间通信问题[27] - **群聊与协作框架**：随着Multi-Agent协作需求增长，需要新的AI-Native群聊与协作框架，以解决复杂任务执行、组织架构（如管理者-执行者伞状架构）、自治与监督平衡等问题，现有SaaS工作流可能被Agent重构并原子化[28] - **Agent交易市场**：OpenClaw改变交互入口，可能影响部分低频标准化服务（如酒旅），同时使得Agent本身作为数字化服务提供者参与交易成为可能，A2A（Agent to Agent）沟通更易匹配需求，需解决安全、定价与支付问题[29] - **物理世界载体融合**：OpenClaw正被尝试接入机器人系统（如ROS2）、可穿戴设备（如Apple Watch）并增加视觉能力，未来与摄像头、手环、音箱等多模态硬件载体的融合，将使其成为连接数字与物理世界的关键入口[30]

公司开源战略与演进路径 - 公司自2010年开始有组织地使用开源软件，2012年逐步参与OpenStack等开源项目，并于2019年和2020年开源了openEuler、openGauss等项目 [1] - 公司是300多个开源社区的核心贡献者，有六千多名员工参与开源项目开发 [1] - 公司是全球开源领域的顶级玩家，是Linux基金会、Apache软件基金会等众多著名国际开源基金会的顶级成员或创始成员 [3] 基础软件开源理念与价值 - 公司认为基础软件复杂度、维护成本高，更适合开放出去，共建、共享、共用 [3] - 在智算产业，底层框架、基础软件由业界开源共建，应用层则呈现百花齐放格局，以此创造价值 [3] - 公司的生态策略是硬件开放、软件开源、使能伙伴、发展人才，合力推动计算产业创新 [7] 智算框架开源：CANN - 公司于2019年发布异构计算架构CANN，在昇腾智算生态中扮演类似英伟达CUDA的角色 [4] - CANN在2025年宣布正式开源开放，允许客户自主调优底层算子与硬件资源调度，提高AI演进效率 [4] - CANN社区已建立并正常运行，正与全国高校合作培养人才，未来将持续更新并开发新的推理套件、框架和工具 [4] 通用计算生态构建：鲲鹏 - 公司2019年推出基于ARM架构的鲲鹏处理器，初期面临软件生态挑战 [5] - 截至2025年上半年，鲲鹏已支持大数据、数据库等多款主要开源软件 [5] - 公司通过推出鲲鹏DevKit开发套件和BoostKit应用使能套件，以软硬协同提高性能，增强生态吸引力 [5] 操作系统开源：openEuler - 公司于2019年底宣布openEuler开源，2021年将其捐赠给开放原子开源基金会管理 [6] - 截至2025年底，openEuler社区已吸引2100多家企业、研究机构和高校加盟，拥有26000多名开源贡献者，累计装机量超过1600万套 [6] - openEuler在2025年12月底发布了第一个支持超节点的操作系统版本，支持全场景应用，其成功得益于技术优越、商业成功、生态完善及社区组织得力 [6] 数据库开源：openGauss - 公司主导创建了企业级关系型数据库开源项目openGauss，具有高可用、高性能、高安全等优点 [7] - openGauss已获得金融、电信、政务等关键行业客户的信任 [7] - 未来将持续投入改进内核，提升对多模态数据的支持能力，并增强oGRAC多写功能以支持分布式超节点架构 [7]