文｜周鑫雨 王欣逸 钟楚笛
编辑｜周鑫雨
Token，在技术语境下，是模型处理文本时的最小单位；在商业语境下，则成了AI服务最主流的计费方式。
近期，让Token被黄仁勋、吴泳铭等人，拔高到”经济学”概念的导火索，是当下全球最火的开源Agent框架——俗称为”龙虾”的OpenClaw。
它第一次让Agent的概念突破极客圈层，走向普罗大众；同时，运行龙虾庞大的Token消耗，也让习惯使用免费ChatBot的普通用户，第一次感知到：智能，是一种昂贵的、需要购买的资源。
2026年3月27日，中关村论坛。在主题为”OpenClaw与AI开源”的圆桌上，五位分别来自大模型、算力、Agent领域的中国AI一把手，因为开源和Token，聚在了一起。
模型层的几位玩家，月之暗面创始人杨植麟、智谱CEO张鹏、小米MiMo大模型负责人罗福莉，都在不久前，发布了自己的OpenClaw框架，或是将自己的模型能力，与OpenClaw做了适配；
香港大学助理教授兼博士生导师黄超，曾带领团队，仅用4000行代码，就开发出了OpenClaw的平替，Nanobot；
这几家模型公司的算力合作方，无问芯穹联合创始人夏立雪，今年1月以来最大的感受则是：龙虾带来的Token消耗速度，可以媲美曾经3G刚普及的时代，手机流量的消耗速度。
OpenClaw给行业带来巨量的Token商机，但对于这几位AI从业者而言，这是一种”甜蜜的烦恼”，意味着更多的挑战。
对模型层的玩家而言，有限的算力，依旧是最大的掣肘。
张鹏直言，AI技术，包括智能体框架，让很多人的创造力和效率提升了10倍，然而，背后算力的需求提升了100倍。站在算力供给的一方，夏立雪也承认，Token需求的暴增，对算力厂商的系统效率带来了更大的优化需求。
如何在有限的算力中，发挥算力的最智力水平，在罗福莉看来，这一问题的解决方案，恰恰是中国大模型公司的优势，比如DeepSeek V2、V3在MoE架构上的创新。
她提到，如何实现一个Long-Context Efficient（高效长上下文）的架构，以及在推理侧如何做到Long-Context Efficient，会成为全方位的竞争。
在Agent应用的层面，黄超认为，龙虾给大家带来的思考是：我们是否还需要一个All in one的强大智能体？在他看来，龙虾代表的是一个轻量级的操作系统、一个工具的脚手架，但它却能撬动生态中的所有工具。
几位形成的共识是：未来，要为Agent设计模型架构、做架构层的创新。
模型的自进化，是罗福莉在Agent框架中看到的可能。”Chat范式根本没有发挥预训练模型的上限。”她提到，Agent在长时间执行任务的过程中，也在激活模型的上限。
黄超总结，未来，整个AI生态，不管是软件系统，还是数据，都需要变成Agent Native模式。
当然，还有算力——夏立雪提出，面向Agent时代，需要打造Agentic Infra、打造更智能的Token工厂，”让Token工厂本身也能自我迭代、自我进化”。
原文链接：36氪
