常熟股票配资网杨植麟、张鹏、罗福莉等同台谈“龙虾” AI应用加速涌现！未来12个月大模型往哪儿去？

　　2026年，一只“红色小龙虾”在科技圈引发广泛关注。

　　OpenClaw的爆火，不仅是一次技术产品的出圈，也在中关村论坛期间掀起了关于AI开源生态与智能体（Agent）未来的深层讨论，杨植麟、张鹏、罗福莉等罕见同台谈“龙虾”。从模型层到算力层，再到Agent层，AI应用正以前所未有的速度从实验室涌入千行百业，赋能科学研究及日常办公等多个领域。

　　而在热潮之下，更值得追问的是：AI将往何处去？

　　业内人士分析认为，开源生态正从“工具协同”迈向“自进化”新阶段，依托能源与制造领域的优势，我国可以将“科创工厂”模式转化为面向全球的AI产品与服务能力，形成具有中国特色的普惠经济学路径。展望未来一年，还存在生态共建不足、工程化落地时间窗口压缩、算力瓶颈再度凸显等挑战。

　　“龙虾”背后：开源与Agent成关注焦点

　　在人工智能技术加速演进、“小龙虾”爆火的背景下，开源与智能体（Agent）成为业界热议的焦点。

　　清华大学智能产业研究院（AIR）创始院长、中国工程院外籍院士张亚勤在2026中关村论坛年会“AI开源前沿论坛”上表示：“现在我们进入一个新的范式，从生成式AI走向智能体AI”。月之暗面创始人杨植麟在中关村论坛年会上也提到，通过开源的技术，逐渐让更多的技术和模型成为新的标准。

　　杨植麟进一步阐释：“通过开源让每一个企业、每一个研究者、每一个终端用户能非常低门槛获取智能，是非常重要的事情。同时我们也在做很多重要创新，包括很多架构，使得这些技术都是开放的、可以被任何人所获取，大家能够形成一个生态系统，一起去推动这个领域的发展。”

　　围绕“OpenClaw与AI开源”，杨植麟与智谱华章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团队负责人黄超亦在“AI开源前沿论坛”上展开深入探讨。

“OpenClaw与AI开源圆桌会议”现场，图片来源：财联社记者/摄

　　张鹏更愿把OpenClaw称作“脚手架”。“它提供的是一种可能性。在模型的基础之上搭起了一个牢固、方便又灵活的脚手架，大家可以按照自己的意愿去使用模型。”

　　黄超补充认为，从交互模式上看，OpenClaw之所以会爆火，首先是给了大家“活人感”。此外，OpenClaw整体也让人思考：我们是否需要一个All-in-One、非常强大的智能体，能帮助用户做很多事情；还是需要类似于轻量级操作系统或“脚手架”一样的小管家。

　　在罗福莉看来，OpenClaw有两大核心价值，其中一点便在于“开源”。她提到，开源是整个开源社区能深入参与、去重视、去改进、去投入到Agent框架的一个重要前置条件。像OpenClaw这样的Agent框架，它很大的价值在于把国内水平没有非常接近闭源模型但水平还是在次闭源模型赛道上的模型上限拉到非常高，同时它把下限保证得非常好。

　　值得关注的是，随着智能体技术不断演进，token消耗量、模型如何真正干活等维度正成为大模型厂商们的核心突破方向。

　　作为基础设施层的厂商，夏立雪透露，公司自一月底开始基本上每两周token用量翻一番，至今已翻十倍。“上次见到这种速度，还是当年3G时代手机流量快速普及的时候。”在他看来，现在的token用量，就像当年每个月只有100MB手机流量的阶段。这种情况下，所有资源都需要进行更好的优化和整合，让每一个人都能把OpenClaw这样的AI能力用起来。

　　结构创新的重要性也受到关注。据罗福莉介绍，所谓模型的自迭代，是指它可以在复杂的环境里依靠超长context完成对自我的进化，“这个进化可能是对Agent框架本身的，也可能是对模型参数本身的，因为我们认为long context本身就是对参数的一种进化。”

　　罗福莉从更长期视角分析，由于大模型本身在飞速进步，加上Agent框架更好的加持，推理需求已经在过去一段时间内增长了近十倍。“那今年整个token的增长会不会达到百倍？这又将我们带入另一个维度的竞争，这个竞争就是算力，或者说是推理芯片，甚至（往）下到能源（层面）。”

　　“从更长远的未来也即真正AGI时代到来的时候，我们认为连基础设施本身都应该是一个智能体，我们自己所打造的这套工厂本身也应该能够自我进化、自我迭代，能够形成一个自主的组织。”夏立雪认为，根据AI客户的需求自己提需求、迭代自己的基础设施，两个AI之间才能够去更好地耦合。

　　落地进行时：AI应用加速涌现

　　伴随着智能体技术的不断迭代，AI应用正加速落地，赋能科学研究及日常办公等多个领域。

　　“面向AI for Science的关键基础设施已逐步成形，规模化、智能体驱动的科学研究正在成为现实。”中国科学院院士鄂维南表示，在这个过程中，我们突破传统的对标性思维，坚持原创性思维，走出了一条完全独立于既有路径的原创之路，推动实现科技创新与产业创新的融合，在其中离不开政产学研的协同创新。

　　例如，北京科学智能研究院院长李鑫宇在中关村论坛年会AI for Science青年论坛上带来了基于Science Navigator平台打造的新一代AI化学发现平台；北京大学博雅特聘教授、北京中关村学院常务副院长董彬团队则进一步将AI的理解能力延伸至数学这一科学的核心语言，构建了LeanSearch和Matlas两套检索系统，形成“形式化+非形式化”的双轨体系。此外，我国首套智能双束电镜系统Hyper-FIB在论坛上重磅发布，开启了AI赋能高端科学仪器的新阶段。

　　当自动化和智能化基础设施逐步形成，AI for Science迈向加速原创性发现的新阶段。北京大学朱戎带来了合成化学领域的实践成果，“我们组建跨学科创新力量，从原型系统‘愚公’起步，构建起覆盖‘数据-模型-实验’的多地联动闭环，在生物探针、有机光电、高性能高分子、正交标记反应等多项研究中，研发效率大幅提升。团队建成全球最大的高质量实验核磁数据库NMRexp，覆盖6种核素、超330万条数据，配套谱学智能体SpecMaster突破真实合成场景结构解析瓶颈。”

　　延伸至真实的工业场景，临界航天发布的“Prime（一行）火箭发动机研发智能体平台”，实现了精准设计-物理仿真-精确制造-试验验证的完整闭环，让火箭发动机从构想到实物的全链条智能迭代优化成为现实。

　　除了科学研究领域，日常办公场景等也在不断突破。例如针对高昂的 API 调用成本与数据上云的安全风险，网易有道在中关村硬科技嘉年华上给出了“本地化+开源”的解法。据悉，其重点展出的“有道龙虾（LobsterAI）”是国内首个宣告完全开源的桌面级 Agent。与依赖云端大模型算力的传统智能体不同，LobsterAI 将系统设计的核心放在了“数据主权”与“本地执行”上。

　　在隐私防护与部署层面，有道龙虾（LobsterAI）的全量代码实现透明可审计，构建了严密的物理级隐私沙箱。针对涉及交易或密码等敏感操作，系统内置了主动预警拦截机制。在本土化生态建设上，有道龙虾（LobsterAI）深度适配了微信、钉钉、飞书、QQ等国内主流办公协同软件，用户还可以直接通过专属“技能商店”即可一键装载各类 AI 能力。

　　值得一提的是，杨植麟在日前的中关村论坛上表示，大模型训练进入第三个阶段。2023-2024年为天然数据与人工标注阶段，2025年为人工精选可验证任务阶段，2026年起进入AI主导研究阶段。“从今年到明年以及接下来的若干年时间内，整个AI研究和研发的方式会发生重大变化，会有更多的AI主导研究，整个AI的研发也会逐渐加速。”

　　下一个路口：自进化、可持续token与算力挑战

　　当前AI尤其是Agent赛道热度高涨，如何落地、未来趋势及面临挑战成为关注焦点。

　　百度智能云副总裁殷大伟在论坛上表示，人工智能成为“十五五”时期高质量发展的核心引擎，中国人工智能正在进入产业规模化发展的新阶段。殷大伟介绍，特别是当前，“养龙虾”热潮爆发式增长，智能体应用加速涌现，软件的使用方式也从之前的人操作软件向智能体驱动。同时也要看到，智能体在落地过程中还存在技术挑战与数据安全隐私风险，这需要企业从产品设计之初就筑牢防线。

　　张亚勤院士在演讲中则从更宏观的视角，指出了智能体存在的三大风险：一是AI信息智能风险，二是物理智能+生物智能风险，三是生存风险。

　　谈及未来十二个月大模型的发展趋势，黄超用“生态”作为关键词。他认为，未来agent要真正从个人助手转化为打工人是很重要的。而让Agent真正沉淀下来，成为实用的“搬砖工具”或协同工作者，需要整个生态共同努力，开源便是其中的重要部分。

　　罗福莉给出的关键词则是“自进化”。她认为，自进化是唯一能创造出新东西的地方，它不是去替代我们现有的生产力，而是像顶尖科学家一样去探索这个世界上还没有的东西，“一年前我会觉得这个时间历程需要三到五年，但在近期，我觉得这个时间应该缩小到最近一两年，可能就可以让大模型叠加一个非常强的自进化agent框架，实现对科学研究至少指数级的加速。”

　　夏立雪则强调了可持续token的重要性。“我们现在需要把视角放宽到整个生态，从最早的能源到算力，再转化到token，最终转换成GDP，这样的一个链路能够去进行持续的经济上的迭代。”

　　“过去那个时代叫Made in China，我们把低价的制造能力转化成好的商品输出到全球。现在我们想做的有点像AI Made in China，把中国在能源上的优势，通过token工厂可持续地转化为优质的token输出到全球，成为世界的‘token工厂’。”夏立雪说道。

　　张鹏认为，未来十二个月面临的最大挑战是算力。他提到，目前所有的技术包括智能体框架虽让很多人效率提升，但前提是“用得起来”。目前行业正在转向推理阶段，而在需求爆发式增长背后，仍有大量需求未被满足，需行业共同努力解决。