一场由代号“龙虾”的OpenClaw框架引发的行业震荡，正在重塑大模型领域的竞争规则。过去一年，行业陷入“参数军备竞赛”的怪圈，厂商们比拼模型规模、算力投入与单轮回答精度，低价竞争成为主流。然而，这款Agent框架的出现，让大模型从“问答机器”进化为“任务执行者”，彻底颠覆了传统认知。
中关村国际创新中心再次成为行业变革的焦点。月之暗面创始人杨植麟、智谱CEO张鹏等核心玩家在此展开对话，讨论焦点从模型参数转向任务执行能力。OpenClaw的核心突破在于打通了“提问-完成任务”的断裂链路：用户输入目标后，系统自动拆解步骤、规划路径、执行修正，最终交付完整结果。这种模式让大模型从“被动回答”转向“主动干活”，评价标准也随之改变——单轮回答质量让位于任务完成度与稳定性。
这种转变直接引发了Token属性的质变。无问芯穹创始人夏立雪透露，其Token用量自1月底起每两周翻倍，Agent场景下的消耗量是传统问答的100倍。当Token从“成本指标”升级为“生产力指标”，行业价格体系面临重构。智谱CEO张鹏宣布调整GLM Turbo模型定价策略，强调“低价竞争不可持续”，新定价将任务价值与Token消耗深度绑定，形成“价值决定价格”的商业逻辑。
推理时代的加速到来成为另一大趋势。随着任务复杂度飙升，Context长度突破1M甚至10M级别，厂商被迫在推理侧进行架构创新。小米MiMo负责人罗福莉指出，如何在长上下文中平衡成本与速度，成为激发高生产力任务的关键。Hybrid架构、Linear Attention等技术的涌现，标志着竞争维度从模型参数转向推理效率与系统调度能力。
系统能力正在消弭模型差距。OpenClaw通过Skill组合与工具调用，让次顶级模型也能完成复杂任务。罗福莉举例称，国内次顶级闭源模型在多数场景下的任务完成度已接近顶级模型，而Skill体系确保了执行下限。这种变化降低了行业参与门槛——即使不具备算法优势的团队，也能通过系统集成构建AI能力。香港大学助理教授黄超从学术视角补充道，OpenClaw的开源特性促进了生态协同，让更多人能“撬动工具链赋能行业”。
中国团队的创新基因在推理时代凸显优势。罗福莉回顾，两年前在算力受限环境下，国内团队通过DPCV3、M1等模型结构创新追求极致效率。这种探索为当前推理侧竞争奠定基础，智谱的GLM Turbo与小米的Long Context Efficient架构均体现了这一传统。随着国产芯片突破限制，中国大模型在全球推理竞赛中占据有利位置。
这场变革也带来新挑战：Token用量激增考验基础设施支撑能力，推理架构创新需要持续技术投入，价格体系重塑需避免恶性竞争。但行业共识已然形成——大模型的终极价值不在于参数规模，而在于解决实际问题的能力。月之暗面在IPO前夕参与这场讨论，折射出推理时代竞争的紧迫性：谁能抓住系统优化与生态构建的机遇，谁就能在新格局中占据主动。
标签：#OpenClaw变革# #大模型推理时代# #Token生产力# #系统能力竞争# #中国AI创新#
