智东西（公众号：zhidxcom）
作者 | 陈佳
编辑 | 程茜

4月21日，2026中国生成式AI大会在北京开幕，23位嘉宾围绕AI算力基础设施、大模型、AI智能体等热点话题，畅谈生成式AI与大模型算力需求、投融资机遇、OpenClaw热、商用落地等生成式AI焦点议题。

开幕式中场的高端对话环节，智东西联合创始人、总编辑张国仁与香港大学助理教授、博士生导师、Nanobot团队负责人黄超，网易有道LobsterAI项目负责人、智能硬件研发负责人王宁，峰瑞资本投资合伙人陈石，进行了一场以“OpenClaw之后，智能体时代的中国机会在哪里？”为主题的深入对话。

▲高端对话环节：从左至右依次是智东西联合创始人、总编辑张国仁，香港大学助理教授&博士生导师、Nanobot团队负责人黄超，网易有道LobsterAI项目负责人、智能硬件研发负责人王宁，峰瑞资本投资合伙人陈石

学界代表黄超长期从事开源AI Agent研发。OpenClaw爆火后，他带领团队推出的开源项目Nanobot，将原本40多万行代码的通用Agent系统压缩至约4000行核心代码。

在他看来，Agent的本质是一个ReAct循环，即计划、执行、观测、再迭代，核心逻辑并没有外界想象的那么复杂。当前Skill数量虽多但高质量Skill极度稀缺，Harness也绝非临时脚手架，而是会与模型能力长期共同进化。随着用户对Agent的需求不断升级，Harness在管控超长上下文、保障长程任务稳定运行上的作用将愈发关键。

产业界代表王宁专注AI硬件与Agent产品化落地。OpenClaw走红后，王宁团队用二十多天打磨推出国内首个全开源桌面级Agent LobsterAI，并于2月19日正式开源。这款产品开源一周内GitHub Star数就破3000，并获OpenClaw创始人彼得·斯坦伯格（Peter Steinberger）称赞。

王宁谈道，国内模型价格约为海外的1/10、能力相差无几，天然适配Agent这类高Token消耗场景，这给国内模型厂商打开了结构性机会。中国Agent的核心机会在企业端，围绕办公自动化、OA、财务系统与隐私安全深度打磨。

投资界代表陈石长期关注AI领域产业趋势与投资动向，他的创业公司曾被阿里收购，曾担任阿里巴巴移动事业群副总裁。

他在对话中提到，移动互联网时代“羊毛出在猪身上”的广告模式，即依靠免费获客、通过广告变现，在Token时代已彻底走不通，多一个日活用户可能就多一份亏损。无论是云大厂、模型大厂，甚至是英伟达这样的硬件厂商，只要参与到Token的生产和分发，就能拿到最好的收益。他觉得Agent创业的出路有两条：一是聚焦刚需付费场景，切勿依靠免费模式盲目拉量；二是“软饭硬吃”，把软件与中国供应链、制造能力结合，打造具备海外竞争力的软硬一体产品。

在对话最后，张国仁总结道，无论是生态爆发，还是应用普及，2026年都将是AI走向Agent、让大众更广泛受益的新阶段。OpenClaw之后，相信中国不仅是技术追赶者，更有望成为生态的重新定义者，让我们共同期待行业的持续发展。

以下为2026中国生成式AI大会高端对话圆桌论坛“OpenClaw之后，智能体时代的中国机会在哪里？”实录整理：

一、行业新变：OpenClaw加速Agent落地渗透，应用层开启盈利变现

张国仁：本次大会的主题是丰富AGI重塑未来，我们这个圆桌主题会更具体一些，聚焦OpenClaw之后智能体时代的中国机会在哪里。我简要介绍一下今天对话的三位专家，分别是香港大学助理教授、博士生导师、Nanobot团队负责人黄超教授，他在开源AI Agent前沿深耕；网易有道LobsterAI项目负责人、智能硬件研发负责人王宁总，他正在推动Agent在真实场景中的产品化落地；以及峰瑞资本投资合伙人陈石总，长期深耕AI领域的资本动向与产业趋势。

咱们先从我们身边观察到的现象开始聊。春节以来，生成式AI持续高速演进，首先想请三位简单聊聊，这段时间里让你们印象最深的行业变化或事件是什么？是技术突破、应用落地、市场格局变化，还是高端人才流动、大厂相关调整等？

▲智东西联合创始人、总编辑张国仁

黄超：从我们近期的技术探索来看，给我印象最深的是Agent的应用落地。从“龙虾”这一波热潮来看，技术迭代上没有太大核心突破，但让大家更好地意识到Agent应该落地到各个场景，这是我最大的感受。从做AI Agent的角度来看，整个行业变化真的太快了。Agent的核心是规划、记忆机制以及工具调用这几个模块，从去年年底大家对MCP的普遍应用，到现在聚焦Skill和Harness，前后也就三四个月时间，发展速度非常快。

王宁：我特别同意黄超老师的看法。从OpenClaw的爆火可以看到，整个Agent产品正在迅速向各个行业渗透。回顾过去，从对话时代到推理阶段，再到Agent，每个产品落地大概都要花费一年时间。去年推理能力花了一年时间落地到各个行业，今年原本以为Agent要到下半年才会被广泛认可，但OpenClaw大大加速了这一进程。现在各个行业都已经认知到Agent产品能够帮忙干活、提效、创造价值，这是我看到的重要变化。

陈石：我们做投资的，前几年对AI领域其实看得不太清晰，大家都在做大模型，大模型行业存在投入巨大但收入偏低的问题，比如一年要烧六千亿美金，但收入可能只有百亿美金水平。从去年下半年到今年年初，最大的变化是Agent开始在应用层实现盈利，而不是只有像英伟达这种硬件厂商获益。硬件厂商本质上是AI领域的成本项，并未给AI领域带来应用层收入，而应用层软件开始变现，是我们观察到的关键信号。

同时我们也关注了很多OpenClaw相关项目，我们投资的企业也有做类似OpenClaw的产品，我觉得OpenClaw带来了全新的Agent范式。以往大家使用更多的是特定场景的工具类产品，比如Claude Code，而OpenClaw真正把Agent推向了每一个科技爱好者。所以我觉得它开启了Agent的智能范式，未来也将解锁更多行业现象，拥有更广阔的发展前景。

二、OpenClaw热度降温背后：Token成本过高、任务能力有限，行业进入沉淀期

张国仁：几位有一个共同的感受，就是变化之快。这个问题我再延伸一下，一方面我们感觉到AI相关热点持续升温，甚至成为社会现象，但同时近期热度又有所降温。在你们看来，这背后反映了智能体发展处于怎样的阶段，或者面临哪些挑战？

陈石：热度降温很明显，因为OpenClaw本身并不是一款成熟产品，而是现象级产品，象征意义重大。但实际使用中，OpenClaw能完成的任务十分有限。OpenClaw的核心特点是开放域、无终点任务，以往的产品，比如Claude Code，多在代码、办公等封闭域完成有明确终点的任务，而OpenClaw更像人类助手，允许用户在数字世界进行无限制探索，这在人类AI应用史上是首次。但当前存在明显局限，问题就在于Token成本过高。下一步需要端侧技术取得突破，降低Token使用成本，才能实现大规模普及，同时也能为模型积累海量训练数据，它的象征意义十分重大。

王宁：热度下降符合技术热点发展规律。回顾过往热点，相关推理模型也仅火爆了两个月左右，但已经完成了推理范式的大众心智普及，后续推理能力也快速向教育、办公领域延展。今年的生成式视频产品Seedream也仅火爆一个月左右，OpenClaw同样火爆了约两个月，如今热度有所回落，但已经在大众心中建立起认知：OpenClaw就代表Agent，大家也意识到Agent产品能够承担各类工作任务。未来，OpenClaw类产品或各类Agent产品，将替代OpenClaw在垂直行业落地并创造实际价值。

黄超：OpenClaw的爆火，点燃了整个社区对通用个人助手的期待。过去Agent发展已有一两年，但此前的产品工具感过重，没有满足大众对个人助手的预期，OpenClaw在交互模式上实现了突破。另外，这波热度也包含大众的新鲜感，大家都想体验Agent的实际效果，但实际使用后发现，Token消耗很高，完成的任务却未达预期。如今OpenClaw热度回落反而是一件好事，能让行业沉淀下来，思考如何让OpenClaw这类产品从概念化AI助手，转变为真正解决实际问题的工具。只有与各行业精准结合实现落地，才能迎来真正的普及阶段。

三、粗糙却爆火：OpenClaw用新交互打开通用Agent，中国模型趁机卡位

张国仁：确实，虽然OpenClaw相关热点来去匆匆，但也完成了用户心智建设的使命。接下来这个问题，是我们智东西同事在报道中产生的疑问，想借此机会请教各位：OpenClaw走红既有时机因素，同时它本身被认为上下文管理能力弱、Token消耗大、工程质量相对粗糙，这样一款产品为何能爆火？这反映了什么行业现象？后续出现的相关替代方案，又让中国大模型厂商成为受益方，这一结果是否在各位预期之中？

黄超：我感觉OpenClaw虽然有些地方做得还不够完善，但交互模式确实很有创新。比如一些看似简单的设计，像心跳机制（Heart Rate）这类功能，我只要经过半小时自主主动交互，就能让整个社区明显感觉到智能体变得更主动、更有前瞻性。

从我自己的使用体验来看，Claude Code和OpenClaw在一定程度上其实算是竞品。因为Claude Code本身也是持续集成模式，除了写代码之外，很多人可能不知道，它还能做很多其他事情，比如通过打通后台的各类功能接口。Claude Code其实也是一个通用Agent，而且最近这几个月，我也看到它正在往这个方向转型。

至于为什么国内厂商会大量拥抱OpenClaw，我个人觉得，从模型厂商的角度来说，他们也需要更多场景的数据。如果能通过OpenClaw这种偏端侧的智能体场景，获取到用户在通用智能体实际落地中的更多操作场景，就能更好地理解这些垂直领域的应用，拿到更多用户反馈，甚至还能更好地用作模型下一代智能体能力的训练方式，这应该会形成一个比较好的循环。

王宁：我喜欢用类比来理解。OpenClaw刚火起来的时候，大家的感受很像移动互联网刚刚起步的阶段。回看移动互联网初期，很多如今已经成长为巨头的APP，最早都是小团队甚至小作坊做出来的，产品可能做得很粗糙，但商业模式和对用户场景的满足做得非常到位。OpenClaw其实也做到了类似的突破，它是第一个可以7×24小时在线、具备记忆能力，像真人伙伴一样，能随时和你交流、还能帮你完成各类工作的产品。

说到Anthropic封杀OpenClaw，更准确地说，是Anthropic封禁了通过OS登录、借助OpenClaw来享受Claude Code会员补贴的方式。背后的逻辑在于，OpenClaw对Token消耗很大，再加上它的上下文管理能力一般，使用成本过高，所以才被限制。

但这给中国模型带来了机会，中国模型本来就比海外模型便宜，大概是海外模型的1/10，能力上却相差无几，所以特别适合“龙虾”的场景，也给国内的模型及厂商带来了新的机会。

陈石：我前面提到的是定位不同，OpenClaw是一个开源、开环、没有明确终点的全新事物，在此之前从未出现过。

从人的角度看，它更接近我们想象中、甚至科幻电影里的数字助手、数字伙伴，更像是一种数字生物。未来它既可以成为我们的助手，也有可能替代一部分人类工作。因为它有自己的运行环境和工作载体，Harness也可以算作它工作环境的一部分。

同时，在用户的配合下，OpenClaw可以和人一起协作完成任务。比如我们风投行业一直被调侃，投资人天天投科技项目，自己报销却还要手动贴纸质发票，这本身就很不合理。现在有了OpenClaw，再加上电子发票的普及，这类繁琐事务完全可以被逐步解决。

解决这些问题之后，Agent还有更多可能，因为它能跟你一起成长，随着模型能力的不断迭代，会有各种各样的人带着它做任务，这本质上也是一种数据标注，最终会慢慢实现这些任务的自动化，这对人类来说肯定是很大的解脱，很多日常工作、流程性工作都能被它完成。

这也是Agent作为助手和伙伴的核心价值所在，让人印象深刻，和以往所有软件都不一样。它甚至可以安排日常工作、创建会议，我们有投资机构还做了相关功能，在微信里就能帮人添加联系人、邀约见面、预约会议等。所以我认为，一旦打开这个入口，各行各业都会涌现出新的应用场景。正如主持人所说，目前这些场景落地效果还不够理想，但未来一定会越来越多。

四、4000行代码还原通用Agent本质，核心是规划、记忆与工具调用，长程任务仍卡在Harness

张国仁：好的，正如王总所说，OpenClaw也许在工程实现上还比较粗糙，但它的应用范式创新对行业的影响确实非常大。接下来，我会有针对性地请教几位嘉宾。首先请教黄老师，您之前也开发了很多有影响力的Agent开源项目，尤其是Nanobot，仅用4000行核心代码，就做出了超轻量版的Nanobot，而原版OpenClaw有40多万行代码。当时是怎么想到要做这件事情的？你们做了哪些减法？最后选择开源又是出于怎样的思考？可以稍微展开说一下吗？

黄超：我们团队做Agent研发已经有两年左右时间，OpenClaw推出之后，看到开源社区对它以及通用Agent的热情很高，我们就去研究了它的源码。当时它的源码有43万行，现在已经涨到100万行，基本是完全通过Vibe Coding迭代出来的产物。

我们当时的想法是，把通用Agent的核心功能用极简方式实现出来，给社区做参考，让大家明白通用Agent的核心组件和运行范式，并不需要那么复杂的实现方式，有更简洁的路径。同时也希望做一个入门级的教程项目，方便开发者学习如何搭建通用Agent。

于是我们做出了Nanobot，用4000行代码实现了轻量级通用Agent。项目开源后社区反响很好，我们就持续迭代了两个多月，基本保持日更，不断整合社区对轻量级通用Agent的需求，这就是我们做这件事的初衷。

▲香港大学助理教授&博士生导师、Nanobot团队负责人黄超

在这个过程中我们也发现，Agent的核心模块其实就是规划（Planning）、记忆（Memory）和工具调用（Tool Use）。把通用 Agent抽象出来，本质就是一个Agent Loop循环，也就是ReAct框架：先做计划，再执行，观测结果，然后再迭代计划。核心逻辑并没有大家想象的那么复杂，所以4000行代码已经足够支撑核心实现，不需要庞大的代码库。

张国仁：了解。您之前也分享过，Scale和Harness缓解了规划层面的问题，但高质量的场景Scale仍然比较稀缺。一个好的Scale标准应该是什么样的？另外，目前的Harness工程，是Agent能力还不成熟时的临时脚手架，还是会长期成为核心架构的一部分？也请您简要总结一下。

黄超：现在工具调用模块已经从MCP进化到了Skill，Skill可以理解成MCP工具调用的说明书，通过Prompt描述就能指导Agent在合适时机调用MCP或API。但从本质上看，MCP存在的问题，Skill依然存在。

比如MCP质量参差不齐、数量过多，如何检索高质量MCP一直是难点，这些问题在Skill时代同样没有解决。现在Skill数量很多，但高质量的Skill非常少，需要一个核心平台来对优质Skill进行管理。比如一个Agent在处理任务时，可能会匹配出几十个相近的Skill，如何选择最合适的一个，就是后续Harness需要完善的地方。

回到Harness本身，我认为它和Agent能力是相辅相成的。随着基础模型能力提升，大家对通用Agent完成复杂任务的需求也在水涨船高。目前OpenClaw这类“龙虾”通用Agent在实际生产环境中的能力依然有限，大家用得最多的还是代码编写、深度研究这类功能。但如果要让它完成金融、科研、材料、医药、化学等领域的长周期任务，往往不是一两轮交互就能解决的，可能需要几小时、几天甚至几周的持续动态交互。

这类长程任务首先会面临上下文爆炸问题，仅靠压缩Markdown文件根本无法实现有效的记忆管理。同时，实时环境交互也对模型的Skill切换、稳定性和安全性提出了更高要求。目前大家在使用OpenClaw这类通用Agent时，一个很明显的问题就是长程任务频繁中断。

在这种情况下，Harness的作用就至关重要，需要通过它来管控模型在超长上下文场景下的运行表现。用户对Agent的需求也在不断升级，就像去年大家对Vibe Coding的要求还只是写一个函数、一个代码文件，现在已经希望它能完成复杂的大型软件系统。人的需求会随着模型能力同步提升。

所以未来Harness依然会非常重要，说不定到明年，我们就会希望它能真正完成垂直领域里需要一周甚至一个月才能做完的任务。Harness和Agent能力是相互成就、共同进化的关系。

五、复盘LobsterAI：一年技术积累、踩中通用Agent需求窗口，获OpenClaw创始人称赞

张国仁：接下来想请问一下王总，OpenClaw走红之后，网易有道团队也是快速响应，开源了国产版小“龙虾”LobsterAI，这也是国内大厂里首个实现全开源的Agent产品。当时是怎么做出决定把项目开源，而且整个流程还如此之快的？它和原版的OpenClaw有什么不同？

王宁：我的主业是做智能硬件，可能很多人听过有道词典笔、有道答疑笔、有道听力宝，这些是我们团队的主要产品。去年我们发布了第一款原生硬件，有道AI答疑笔，它的主要功能聚焦在K12用户的答疑场景。这款产品第一批货五千台只用了一周就卖完了，它解决的是学生输入任何一道题目时，都能以启发式的方式让学生学会这道题，还能举一反三。

▲网易有道LobsterAI项目负责人、智能硬件研发负责人王宁

但文本答疑有个问题，就是学生可能认识题目上的所有文本，但看不懂意思。于是我们进一步思考，有没有办法让AI生成视频，让学生能更简单地通过视频学习每一道题目。去年8月份我们发布二代笔时，贴合当时模型主流的编程演进方向，通过编程的方式，让学生输入任何一道题目，就能生成大概2分钟的讲解视频，效果特别好，上线后成为了我们目前的核心卖点。

视频答疑做完之后，我们在想，它其实是一个典型的垂类场景，我们有没有办法让这个Agent的功能进一步扩散，从教育人群扩散到非教育人群。一个偶然的机会，我们的产品经理和HR想用Claude Code解决工作中遇到的一些问题，因为我们内部团队用Claude Code比较多。当时我给他们做过一轮培训，但效果不太好，因为他们完全没有编程知识，学不太会。

于是我用了大概几天时间，基于Claude Agent SDK封装了一个GUI，这就是现在LobsterAI的前身。前面是用户容易操作的GUI界面，底层是Claude Code的Agent SDK，让用户可以通过对话式操作完成输入，对普通用户非常友好。我们在内部一直是小规模应用，因为我们主业还是做硬件，这件事并没有引起我们太多重视。

然后在1月25号，Anthropic发布了一款产品叫Claude Cowork，当时我们发现这款产品和我们内部的Demo完全一样，我们好像踩对了一些点，但依然没有把这款软件推出去的想法。1月27号OpenClaw火爆全球，我们意识到可能有一些机会，因为我们和OpenClaw唯一的差异就是，我们的记忆管理可能没有它做得好，没有7×24小时在线，也没有MMM（多模态记忆）接入。

于是我们花了大概二十多天的时间，打磨了整个产品的UI界面和功能，在大年初三的时候，我们成为了国内大厂中首个开源的桌面级Agent产品。做完这款产品之后，我们很快花了一周时间，在GitHub上的Star数就超过了3k，团队也非常受到鼓舞。前两周我们还受到OpenClaw创始人彼得·斯坦伯格（Peter Steinberger）的公开称赞，他说中国有很多“龙虾”类的产品，而他最喜欢的就是我们有道的LobsterAI。我们之所以能这么快推出产品，主要是因为我们有去年一年的技术积累。

张国仁：还是蛮巧的，算是英雄所见略同，踩在了同一个点上，同时你们之前的积累也功不可没。

六、拆解AI估值逻辑：Token时代广告模式走不通，Agent创业必须做刚需付费

张国仁：接下来我想问问陈总，作为投资者，您如何看待当前国内AI独角兽的估值逻辑？与移动互联网时代相比，您也比较熟悉，有什么样的不同？评估的核心变量发生了哪些变化？

陈石：我完整经历了移动互联网时代，而且我之前创办的创业公司也被阿里收购了。但回过头来看，今天这轮AI行业的变化，不能用移动互联网的逻辑做线性外推，两者真的很不一样。2023年和2024年的时候，我觉得大模型是一个好的商业模式，但在当时阶段仍是一门投入产出不匹配的生意。因为大模型研发需要巨额投入，且迭代节奏极快，一款模型刚完成训练，就要立即投入下一代的研发。一旦头部模型在某个环节、某个阶段落后了，可能就会很惨，前面投入的成本都会沉没。

但后来我又发现，这个行业大家都看不到终局是什么样，而大模型现在看起来就是最好的商业模式。因为这一次的生成式AI，本质上是智力输出，而大部分智力来自于模型，所以我们说“有模型才有未来”。未来AI行业中，能拿到最多收入的部分，一定是围绕着Token的生产和分发环节。

所以无论是云大厂、模型大厂，甚至是英伟达这样的硬件厂商，只要参与到Token的生产和分发，就能拿到最好的收益。那反过来，我们这些Agent在做什么呢？其实去年我参加一个播客的时候就提到过，Agent做的事情就是广泛收集人类的上下文。因为大模型有很强的智力，但它不懂你的行业，不懂你这个人。现在单纯看Skill这样的静态文本，完全不能代表复杂的人类和复杂的行业。所以做一个Agent，要尽可能把某一个领域或某一个人群的上下文收集下来，并且这里的上下文不是我们说的技术上的上下文。

要做到这一点，就需要有更多用户使用你，并且厂商需要广泛记录他们的使用场景、使用操作过程。用的人越多，用户就会越依赖你，这样模型厂商就抢不走你的用户。另外，在这个过程中积累的用户使用轨迹是很有价值的，因为现在数据非常重要，我们也投资过一些数据标注公司，这些使用轨迹其实是非常重要的模型训练数据。从这个角度来说，Agent就是要做上下文的收集，不过它的收入肯定远远不如移动互联网时代那么好。

还有一点观察，我很早之前写文章也说过，移动互联网时代有一个很好的商业模式叫“羊毛出在猪身上”，也就是广告模式。当时我们的获客成本低，用户使用成本也低，哪怕有100万、1000万DAU，对我们来说使用成本也不高，所以可以让用户免费使用，通过放广告盈利。这种广告模式，我觉得是移动互联网巨头产生的最大催化剂。

但今天这种广告模式受到了非常大的挑战，因为用户用得越多，消耗的Token就越多，成本就越高。Token的成本远远高于广告的eCPM，我算了一下，eCPM肯定支撑不了这样的成本。所以很麻烦的是，“羊毛出在猪身上”这种巨大创举，在Token时代、也就是AI时代没法实现了。

张国仁：那您觉得这个商业闭环可能的突破口或者曙光有吗？

陈石：我现在还想不出来。我猜有可能的方向，一是尽量压缩成本，比如端云结合，在端侧用便宜的模型解决日常需求，搞不定的时候再用云侧解决，这样能大幅降低成本。最近我们也投了很多端侧的基础设施和端侧AI的软硬件，这部分我觉得很重要。

二是未来要产出真正的价值，就是要像人一样帮人类创造价值，而不是像移动互联网时代那样，积累大量用户、免费让用户使用、靠广告盈利，这可能会很不一样。不过有一个好处是，积累了大量用户使用数据后，说不定可以卖给大模型公司，这可能也是一个变现通道，但我不知道这能不能成为一个持续的商业模式，目前还看不清楚。大概就是这样，在真正的AGI到来之前，我觉得大家都还在摸索，还要再观察。

七、投资Agent新法则：不学移动互联网免费拉量，软件+硬件结合，出海突围

张国仁：好的，也想请问陈总一个二级市场的问题，最近创业板涨势不错，有人把中国创业板“七姐妹”（宁德时代、阳光电源、中际旭创、新易盛、天孚通信、胜宏科技和东方财富）和美国科技“七姐妹”（苹果、微软、英伟达、谷歌、亚马逊、Meta和特斯拉）在各自股市的权重做类比。您如何看待这一现象？它是否反映了中国资本市场的某些趋势？对AI产业的融资环境是否也产生了影响？

陈石：我主要做一级市场，已经有五六年甚至更久了。说实话，中国的二级市场有时候确实不太好看懂，但现在出现了一些向好的现象，就是市场越来越向科技方向靠拢，这背后当然也有政府的推动，我觉得是很好的方向。

▲峰瑞资本投资合伙人陈石

现在市场热点基本还是围绕Token相关产业，以及Token周边产业链，还有光通信、光计算等方向。那“七姐妹”里也有好几家是做光通信模块的，这代表我们希望用科技重塑二级市场，带动中国整体AI行业迈向更高的发展阶段。

客观来说，在商业环境和投入成本上，美国确实更有优势。但中国通过政府引导、企业共同努力，用适合自身的方式推动AI更好地发展，这更像是一种双方博弈。我们很可能会走出一条和美国不一样的发展路径，但同样能达到很高的高度，实现追赶与超越。

张国仁：好的，您之前也分享过，今年中美市场对纯技术叙事的关注度都在下降，更关注商业回报。您现在也在投资Agent相关企业，重点会关注哪些维度？会更看重商业回报吗？

陈石：我是这么认为的，现在千万不要再学移动互联网时代那套，先通过免费吸引用户、靠免费模式做大用户量，这条路现在绝对走不通。多一个日活用户，可能就多一份亏损。现在一定要做刚需场景，让用户愿意付费，最好能实现全链路收费。做不到这一点就不要盲目扩张，说明产品还没有真正打动用户、让用户愿意买单。当然，也可以选择出海。

还有一点很重要，我们内部叫“软饭硬吃”。中国有很强的生产制造能力，就像刚才网易的同事分享的，软件做到一定阶段，吃透用户需求、积累足够技术之后，可以结合硬件一起做。把中国的供应链和制造能力发挥出来，这类产品在海外也很有竞争力。我觉得这是创业者需要灵活把握和重点考虑的方向。

八、中国自主Agent框架如何打赢海外？聚焦企业办公自动化和垂类落地场景

张国仁：还有一个问题请教王宁总和黄老师，如果OpenClaw之后，出现一个由中国自主定义的下一代Agent框架，它应该在哪些维度打赢海外产品，或者做出差异化？具体可以从技术维度或场景维度来设想。

王宁：我们也在思考类似问题，最近有一个初步判断，中国企业一定有自己的机会，尤其是在企业级市场。虽然国内做ToB不像海外那么顺畅，比如刚才提到的Anthropic，主要营收就来自ToB，年营收已经达到300亿美元级别，超过了OpenAI的200亿美元，大部分收入都来自企业端。

我们也持相似看法，希望国内能出现一批面向企业场景的产品，围绕企业办公自动化、IM、OA、财务系统，以及企业隐私安全等方向深度打磨。自从我们LobsterAI开源以来，很多国内国企、私企都来洽谈合作，希望把Lobster集成到他们的产品中，核心诉求就是把Agent能力和内部系统打通，通过对话式交互大幅提升内部运转效率。所以我们初步判断，机会主要在企业端。

黄超：从Agent应用落地的角度，我对国内很有信心。我们完全有能力打造出下一代真正能成为“打工人助手”的Agent，在各类任务的完成准确率、精准度上实现突破。国内一直具备很强的应用创新基因，这一点是我们的优势。

九、展望2026年：Agent生态爆发、商业化启动、AI走向全民应用

张国仁：好的，时间关系，最后一个问题。站在未来十年往回看，您认为2026年在AI产业发展历程中，会是怎样标志性的一年？是技术拐点、生态成型，还是商业爆发的起点？请几位嘉宾畅想一下。虽然我们都认同，AGI仍是长远目标，现在只是途中一小步，但放在历史坐标中，这一步依然意义重大。

黄超：十年之后，我设想AGI或许已经实现了，我都应该躺平了。站在当下看，我认为2026年会是Agent生态爆发的一年。Agent不只需要自身能力，更需要完整生态支撑，包括多场景环境交互、Skill体系完善等。从这个角度来说，2026年很可能迎来Agent能力尤其是生态层面的集中爆发，让Agent能真正落地到各行各业。

王宁：我认同黄老师关于生态爆发的判断，同时我也认为，2026年会是AI产品商业化开始爆发的起点。去年Chat类产品一直在探索营收模式，比如尝试AI广告，但整体盈利效果有限。我们认为，只要能真正为用户或企业创造实际价值，就一定能实现商业变现。今年很可能成为AIGC产品商业化的元年。

陈石：我觉得2026年是AI真正走进大众、让大家用起来的一年，这一点非常关键。要让所有人清楚AI能做什么、不能做什么，并且真正开始用AI解决问题、提升效率，相当于把整个市场彻底点燃，推动全民应用。未来走向AGI会怎样还很难看清，但普及应用这一步至关重要。

张国仁：无论是生态爆发，还是应用普及，2026年都将是AI走向Agent、让大众更广泛受益的新阶段。感谢三位嘉宾从学术、产品、资本视角带来的深度洞察，指明了智能体时代中国的发展机会，包括全产业链协同、开源与应用双轮驱动，以及对AGI愿景的务实探索。OpenClaw之后，相信中国不仅是技术追赶者，更有望成为生态的重新定义者，让我们共同期待行业的持续发展。