一場由代號“龍蝦”的OpenClaw框架引發的行業震蕩，正在重塑大模型領域的競爭規則。過去一年，行業陷入“參數軍備競賽”的怪圈，廠商們比拼模型規模、算力投入與單輪回答精度，低價競爭成為主流。然而，這款Agent框架的出現，讓大模型從“問答機器”進化為“任務執行者”，徹底顛覆了傳統認知。
中關村國際創新中心再次成為行業變革的焦點。月之暗面創始人楊植麟、智譜CEO張鵬等核心玩家在此展開對話，討論焦點從模型參數轉向任務執行能力。OpenClaw的核心突破在于打通了“提問-完成任務”的斷裂鏈路：用戶輸入目標后，系統自動拆解步驟、規劃路徑、執行修正，最終交付完整結果。這種模式讓大模型從“被動回答”轉向“主動干活”，評價標準也隨之改變——單輪回答質量讓位于任務完成度與穩定性。
這種轉變直接引發了Token屬性的質變。無問芯穹創始人夏立雪透露，其Token用量自1月底起每兩周翻倍，Agent場景下的消耗量是傳統問答的100倍。當Token從“成本指標”升級為“生產力指標”，行業價格體系面臨重構。智譜CEO張鵬宣布調整GLM Turbo模型定價策略，強調“低價競爭不可持續”，新定價將任務價值與Token消耗深度綁定，形成“價值決定價格”的商業邏輯。
推理時代的加速到來成為另一大趨勢。隨著任務復雜度飆升，Context長度突破1M甚至10M級別，廠商被迫在推理側進行架構創新。小米MiMo負責人羅福莉指出，如何在長上下文中平衡成本與速度，成為激發高生產力任務的關鍵。Hybrid架構、Linear Attention等技術的涌現，標志著競爭維度從模型參數轉向推理效率與系統調度能力。
系統能力正在消弭模型差距。OpenClaw通過Skill組合與工具調用，讓次頂級模型也能完成復雜任務。羅福莉舉例稱，國內次頂級閉源模型在多數場景下的任務完成度已接近頂級模型，而Skill體系確保了執行下限。這種變化降低了行業參與門檻——即使不具備算法優勢的團隊，也能通過系統集成構建AI能力。香港大學助理教授黃超從學術視角補充道，OpenClaw的開源特性促進了生態協同，讓更多人能“撬動工具鏈賦能行業”。
中國團隊的創新基因在推理時代凸顯優勢。羅福莉回顧，兩年前在算力受限環境下，國內團隊通過DPCV3、M1等模型結構創新追求極致效率。這種探索為當前推理側競爭奠定基礎，智譜的GLM Turbo與小米的Long Context Efficient架構均體現了這一傳統。隨著國產芯片突破限制，中國大模型在全球推理競賽中占據有利位置。
這場變革也帶來新挑戰：Token用量激增考驗基礎設施支撐能力，推理架構創新需要持續技術投入，價格體系重塑需避免惡性競爭。但行業共識已然形成——大模型的終極價值不在于參數規模，而在于解決實際問題的能力。月之暗面在IPO前夕參與這場討論，折射出推理時代競爭的緊迫性：誰能抓住系統優化與生態構建的機遇，誰就能在新格局中占據主動。
標簽：#OpenClaw變革# #大模型推理時代# #Token生產力# #系統能力競爭# #中國AI創新#
