人工智能（AI）无疑是当下最能提起人们兴趣的话题之一，当AI圈的明星人物齐聚一堂，便自然而然成为聚光灯的焦点。

2026年中关村论坛年会一场AI主题论坛上，座无虚席，甚至会场边上都挤满了站着的听众。

舞台上，月之暗面创始人杨植麟、小米MiMo大模型负责人罗福莉、智谱华章CEO张鹏、无问芯穹CEO夏立雪、香港大学助理教授黄超聚在一起，从时下最流行的“养龙虾”聊到智能体、大模型训练，又回归到支撑AI运转的Token、算力等基础设施。

OpenClaw的出现让人们看到AI真正能干活的潜能，业界同样在探讨如何用Agent训练模型，但同时，OpenClaw带来的Token使用量暴增亦引发“算力荒”的担忧，这场交流中，几位AI业内人士分别就上述话题分享了观点和展望。

2026年中关村论坛年会的AI开源前沿论坛上，月之暗面创始人杨植麟、小米MiMo大模型负责人罗福莉、智谱华章CEO张鹏、无问芯穹CEO夏立雪、香港大学助理教授黄超共议“养龙虾”、Token等。主办方供图

2026年年初，“养龙虾”让智能体的受众从AI从业者、极客迅速扩大到各行各业的普通互联网使用者，风靡全社会。

张鹏将OpenClaw比作在大模型基础上搭建起来的“脚手架”，在他看来，OpenClaw让普通用户能够更加方便地体验顶尖模型能力，突破写代码等技能的限制，按照个人意愿去使用底层模型创造一些很新奇的事物。

罗福莉则将OpenClaw看作Agent框架领域一个革命性和颠覆性的事件，其核心价值主要体现在几个方面：一是OpenClaw本身作为一个开源项目，有利于整个社区深入参与，这是投入、改进Agent框架的一个重要前置条件；二是以OpenClaw为代表的Agent框架保证了基座大模型的下限，并提升了能力上限，使一些水平在次闭源模型赛道的模型能够在绝大部分场景中表现出较好的任务完成度；此外，OpenClaw让用户看到，在大模型之外的Agent层面还有非常多的想象空间。

“以往的Agent更像是工具，OpenClaw的交互模式给人一种活人感。”黄超从交互角度提供了另一种视角，他认为OpenClaw的出现让大家重新思考，究竟是需要一个“All in one”的非常强大的智能体，还是需要一个像“龙虾”这样轻量级的操作系统，让用户有玩起来的心态，撬动整个AI生态的工具。

超越使用层面，OpenClaw同样引发了AI行业“海啸”，对挑战大模型能力、算力等产生挑战。

3月16日，智谱推出面向OpenClaw龙虾场景深度优化的基座模型——GLM-5-Turbo。智谱认为，模型能聊好天，但未必能干好活，问题的根源在底层模型，通用大模型在进入真实复杂的Agent场景后，容易在长链路任务中失速，因此，这款专门面向“龙虾”的模型增强了如工具调用、指令遵循、定时与持续性任务、长链路执行等能力。

圆桌现场，张鹏再次重申了这一观点，干活与聊天对模型本身的能力要求不同，同时，让聪明的模型干复杂的任务，会消耗更多的Token，模型推理成本提升。

张鹏进一步解释了智谱GLM-5-Turbo的涨价策略：“长期靠低价竞争不利于整个行业的发展，我们希望能够在持续商业化落地上有一个良性闭环，从而不断去提升模型的能力。”

“OpenClaw带来Token使用量的暴增，对系统效率优化提出了更高的需求。”作为AI基础设施玩家，夏立雪更关注OpenClaw对Token、算力带来的影响和挑战。

夏立雪认为，当前能够使用的资源无法支撑起这样的快速增长，因此当务之急是打造一个更高效的标准化Token工厂，一方面把能够使用的资源都用起来，另一方面让每个资源都发挥出最大的转化效率和价值。

长远来看，夏立雪提到，当真正的AGI时代到来的时候，AI基础设施都应该是一个能够自我进化的智能体，根据客户需求，不断迭代。

圆桌最后，杨植麟抛出一个展望性问题：未来12个月，大模型的发展趋势是什么？有什么期望？

“如果用一个词描述，我认为接下来一年AGI最关键的是自进化。”罗福莉从大模型训练的角度出发，她提到，ChatGPT范式之下没有发挥出来预训练的模型上限，这一上限反而被Agent框架激活，当它执行更长任务的时候，模型已经可以自己学习和进化。

在罗福莉看来，大模型自进化不是替代现有的生产力，而是能够像顶尖的科学家一样去探索、创造新的事物，“我觉得可能1-2年，就可以让大模型叠加一个非常强的自进化的Agent框架，到时候科学研究将呈现指数级加速。”

黄超给出的关键词更具概括性——“生态”。黄超表示，大家很多时候玩龙虾是出于新鲜感，但是未来真正让龙虾成为“搬砖工具”，需要整个AI生态共同努力，包括模型技术开源、迭代，Skills平台迭代等等，当各种技术都变成Agent原生模式，才能让Agent发展更丰富。

张鹏的答案简单直接——算力。张鹏笑称，今天又回到了“没卡没感情，谈卡伤感情”的地步，算力将是未来12个月面临的最大问题，所有AI技术、智能体框架能够用起来的前提是算力充足，同时，当大模型转向推理阶段，对算力的需求将有10倍、100倍的爆发。

从AI基础设施角度出发，夏立雪提到，AI的发展是一个长期可持续的过程，但资源终究是有限的，作为一个Token工厂，无问芯穹考虑的是如何能够提供持续稳定的Token，让顶尖模型持续为下游服务。