小米罗福莉：OpenClaw 是 Agent 框架的颠覆性事件，开源特性拉高国内开源模型上限

在2025年3月27日中关村论坛的圆桌讨论中，来自月之暗面、智谱、无问芯穹及小米等机构的专家对OpenClaw及其对AI产业的影响进行了深入探讨。OpenClaw的出现被视作AI领域的颠覆性事件，它不仅改变了人机交互模式，更重构了底层算力需求与模型开发逻辑。

OpenClaw：从对话到“干活”的范式转移

OpenClaw的爆火标志着AI行业主线任务的转变。过去两年，大模型的焦点在于“更聪明地回答问题”，而OpenClaw将行业叙事切换为——AI不再只是对话者，而是开始成为“干活的人”。

• 脚手架与“活人感”的结合：智谱CEO张鹏将OpenClaw比作“脚手架”，它在模型之上搭建了灵活的结构，让非程序员也能利用顶尖模型的编程和推理能力。港大助理教授黄超则认为，OpenClaw通过IM软件嵌入的交互模式，赋予了AI“活人感”，使其更接近个人管家（Jarvis）的概念，而不仅仅是冰冷的工具。
• 系统能力的挑战：无问芯穹CEO夏立雪最初尝试OpenClaw时感到“反应慢”，但随即意识到这是处理大型任务的特征。他指出，OpenClaw的普及带来了token用量的爆发式增长（每两周翻一番，累计增长十倍），这对底层infra提出了巨大的优化挑战。

拉高国内模型上限的开源力量

作为小米MiMo大模型负责人，罗福莉将OpenClaw定义为Agent框架设计上的革命性事件。她认为，尽管深度Coding首选仍是Claude Code，但OpenClaw的架构设计已被Claude Code的近期更新所效仿。

• 开源的核心价值：罗福莉强调，开源是让社区深入参与并改进框架的前置条件。OpenClaw的关键价值在于，它能将国内尚未完全逼近闭源模型、但位于头部赛道的开源模型上限拉得非常高。
• 保证下限与拉升上限：通过一套Harness系统和Skills体系，OpenClaw保证了任务的完成度和准确率（下限），同时通过复杂的Agent Loop释放了模型潜力（上限）。在绝大多数场景下，任务完成度已非常接近最新的闭源模型。

算力与Infra的深层变革

OpenClaw引发的token暴增不仅影响应用层，也迫使基础设施层面进行彻底革新。

• 从“标准工厂”到“智慧工厂”：夏立雪指出，当前的云基础设施（如K8s）是为人类（分钟级操作）设计的，无法适应Agent（毫秒级思考）的需求。为了解决算力紧缺，无问芯穹正在打造“更高效的token工厂”，不仅要统合国产芯片资源，还要向“智慧化调控”演进，甚至设想未来基础设施本身也是由Agent管理的智能体。
• 商业化与成本逻辑：智谱在发布GLM-5 Turbo时选择了提价。张鹏解释，这是因为Agent任务不再是简单问答，而是包含长程规划、Debug和代码执行，Token消耗量是传统对话的十倍甚至百倍。提价回归了正常的商业价值，有助于行业形成良性闭环，支撑高昂的推理成本。

模型架构与Agent生态的未来

要支撑Agent的高生产力任务，模型底层的架构创新必不可少，特别是Long Context（长上下文）能力。

• Long Context的竞赛：罗福莉提到，国产模型团队在受限算力下探索出了高效的模型结构（如DeepSeek的MLA、小米的Hybrid Sparse Attention）。真正的挑战在于如何在1M甚至10M Context下保持低成本和高速度，这将为模型的“自迭代”和处理高复杂度任务铺平道路。
• 生态建设与Agent Native：黄超指出，Agent技术的关键在于Planning、Memory和Tool Use。目前Memory机制较为简单（如Markdown文件系统），面对多Agent协作时压力巨大。未来的方向是构建Agent原生（Agent-native）的生态，不仅仅依赖GUI，而是通过CLI模式让软件直接为Agent服务，实现更深层次的“AI Made in China”。