共计 1569 个字符，预计需要花费 4 分钟才能阅读完成。
罗福莉:AGI 已经实现了, 下一步是“自进化”
“AGI 已经实现了, 下一步是‘自进化’。”小米 MiMo 大模型负责人罗福莉在中关村论坛上的发言, 瞬间点燃了现场。这场聚集了月之暗面杨植麟、智谱张鹏、无问芯穹夏立雪等业界代表的圆桌对话, 不仅探讨了技术前沿, 更勾勒出 AI 产业正在经历的深刻变革。
📌 从“聊天”到“干活”:OpenClaw 引爆 Agent 生态
圆桌讨论的核心议题之一, 是近期引发广泛关注的 OpenClaw。智谱 CEO 张鹏将其形容为“脚手架”, 认为它让普通人能以极低门槛使用顶尖模型, 尤其在编程和复杂任务处理上实现了突破。“以前想法受限于不会编程, 现在通过简单交流就能完成, 这是一个非常大的进步。”
罗福莉则强调 OpenClaw 的“革命性”:“它把国内次顶级闭源模型的上限拉得非常高, 在绝大部分场景下任务完成度已非常接近最新模型 。”她指出,OpenClaw 通过 Skill 体系保证了任务完成的下限, 同时点燃了社区参与 AGI 变革的热情。
香港大学黄超教授从交互体验角度补充:“OpenClaw 给了大家一种‘更有活人感’的体验, 更接近想象中的个人助手 。它证明了架构 Agent 的框架可以既简单又高效。”
🔍 成本挑战凸显:Token 消耗暴增背后的行业现实
随着 Agent 应用普及, 一个现实问题浮出水面: 成本 。当杨植麟问及智谱近期调价原因时, 张鹏直言:“干活消耗的 Token 量是简单问答的 10 倍甚至 100 倍, 成本大幅提高。”他解释, 长期低价竞争不利于行业发展, 价格调整是为了回归正常商业价值, 支撑持续优化。
无问芯穹联合创始人夏立雪用数据印证了这一趋势:“我们公司从 1 月底开始, 每两周 Token 量翻一番 。现在的 Token 用量就像当年 100 兆手机流量的时代。”她指出,AI 带来的暴增需求对系统效率提出了更高要求, 基础设施需要从“为人设计”转向“为 AI 设计”。
💡 国产模型的独特优势与未来挑战
在讨论国产模型发展时, 罗福莉没有直接谈小米优势 , 而是聚焦中国团队的集体突破:“两年前, 中国团队在算力受限的情况下, 通过模型结构创新追求最高效率。这给了我们勇气和信心。”她认为, 这种对高效率、低推理成本的探索在当下依然关键。
罗福莉特别提到长上下文处理的挑战:“OpenClaw 越用越聪明的前提是推理 Context。 现在的难题是: 怎么在 1M 或 10M 的长上下文下 , 做到成本够低、速度够快?”她透露, 小米正在探索 Long Context Efficient 架构, 以应对推理需求可能“今年增长 100 倍”的爆发式增长。
📊 Agent 技术演进: 三大痛点与解决方向
黄超教授从研发角度指出了当前 Agent 技术的几个关键痛点:
- 规划能力不足 : 面对长程复杂任务, 模型缺乏足够的隐性知识, 未来需要将复杂任务知识固化到模型中。
- 记忆机制待优化 : 现有 Memory 存在信息压缩不准确、记不准的问题, 未来应走向分层设计, 提升通用性。
- 工具使用质量参差 :Skill 数量虽多, 但高质量 Skill 较少, 且存在安全隐患, 需要社区共建更可靠的 Skill 生态。
🚀 未来十二个月: 生态共建与 Agent Native 化
当被问及未来十二个月的趋势时, 黄超直言:“在 AI 领域谈十二个月 , 其实已经是一个很遥远的时间了。”他用“生态”一词概括未来方向, 强调开源和社区共建的重要性。“未来 Agent 要从‘个人助手’转变成真正的‘打工人’, 这需要整个生态共同努力。”
这场圆桌讨论清晰地表明,AI 行业正从训练时代转向推理时代 ,Agent 生态的爆发带来了前所未有的机遇, 也暴露了成本、效率、技术架构等多重挑战。国产模型团队在结构创新上的积累, 或许将成为应对这些挑战的关键优势。而“自进化”能否成为 AGI 的下一站, 取决于整个生态能否在接下来充满变数的十二个月里, 找到技术与商业的平衡点。
