國仁對話：Token成本太高，免費模式絕對走不通？這場對話透Agent商業閉環

智東西
作者 陳佳
編輯 程茜

4月21日，2026中國生成式AI大會在北京開幕，23位嘉賓圍繞AI算力基礎設施、大模型、AI智能體等熱點話題，暢談生成式AI與大模型算力需求、投融資機遇、OpenClaw熱、商用落地等生成式AI焦點議題。

開幕式中場的高端對話環節，智東西聯合創始人、總編輯張國仁與香港大學助理教授、博士生導師、Nanobot團隊負責人黃超，網易有道LobsterAI項目負責人、智能硬件研發負責人王寧，峰瑞資本投資合伙人陳石，進行了一場以“OpenClaw之后，智能體時代的中國機會在哪里？”為主題的深入對話。

▲高端對話環節：從左至右依次是智東西聯合創始人、總編輯張國仁，香港大學助理教授&博士生導師、Nanobot團隊負責人黃超，網易有道LobsterAI項目負責人、智能硬件研發負責人王寧，峰瑞資本投資合伙人陳石

學界代表黃超長期從事開源AI Agent研發。OpenClaw爆火后，他帶領團隊推出的開源項目Nanobot，將原本40多萬行代碼的通用Agent系統壓縮至約4000行核心代碼。

在他看來，Agent的本質是一個ReAct循環，即計劃、執行、觀測、再迭代，核心邏輯并沒有外界想象的那么復雜。當前Skill數量雖多但高質量Skill極度稀缺，Harness也絕非臨時腳手架，而是會與模型能力長期共同進化。隨著用戶對Agent的需求不斷升級，Harness在管控超長上下文、保障長程任務穩定運行上的作用將愈發關鍵。

產業界代表王寧專注AI硬件與Agent產品化落地。OpenClaw走紅后，王寧團隊用二十多天打磨推出國內首個全開源桌面級AgentLobsterAI，并于2月19日正式開源。這款產品開源一周內GitHub Star數就破3000，并獲OpenClaw創始人彼得·斯坦伯格（Peter Steinberger）稱贊。

王寧談道，國內模型價格約為海外的1/10、能力相差無幾，天然適配Agent這類高Token消耗場景，這給國內模型廠商打開了結構性機會。中國Agent的核心機會在企業端，圍繞辦公自動化、OA、財務系統與隱私安全深度打磨。

投資界代表陳石長期關注AI領域產業趨勢與投資動向，他的創業公司曾被阿里收購，曾擔任阿里巴巴移動事業群副總裁。

他在對話中提到，移動互聯網時代“羊毛出在豬身上”的廣告模式，即依靠免費獲客、通過廣告變現，在Token時代已徹底走不通，多一個日活用戶可能就多一份虧損。無論是云大廠、模型大廠，甚至是英偉達這樣的硬件廠商，只要參與到Token的生產和分發，就能拿到最好的收益。他覺得Agent創業的出路有兩條：一是聚焦剛需付費場景，切勿依靠免費模式盲目拉量；二是“軟飯硬吃”，把軟件與中國供應鏈、制造能力結合，打造具備海外競爭力的軟硬一體產品。

在對話最后，張國仁總結道，無論是生態爆發，還是應用普及，2026年都將是AI走向Agent、讓大眾更廣泛受益的新階段。OpenClaw之后，相信中國不僅是技術追趕者，更有望成為生態的重新定義者，讓我們共同期待行業的持續發展。

以下為2026中國生成式AI大會高端對話圓桌論壇“OpenClaw之后，智能體時代的中國機會在哪里？”實錄整理：

一、行業新變：OpenClaw加速Agent落地滲透，應用層開啟盈利變現

張國仁：本次大會的主題是豐富AGI重塑未來，我們這個圓桌主題會更具體一些，聚焦OpenClaw之后智能體時代的中國機會在哪里。我簡要介紹一下今天對話的三位專家，分別是香港大學助理教授、博士生導師、Nanobot團隊負責人黃超教授，他在開源AI Agent前沿深耕；網易有道LobsterAI項目負責人、智能硬件研發負責人王寧總，他正在推動Agent在真實場景中的產品化落地；以及峰瑞資本投資合伙人陳石總，長期深耕AI領域的資本動向與產業趨勢。

咱們先從我們身邊觀察到的現象開始聊。春節以來，生成式AI持續高速演進，首先想請三位簡單聊聊，這段時間里讓你們印象最深的行業變化或事件是什么？是技術突破、應用落地、市場格局變化，還是高端人才流動、大廠相關調整等？

▲智東西聯合創始人、總編輯張國仁

黃超：從我們近期的技術探索來看，給我印象最深的是Agent的應用落地。從“龍蝦”這一波熱潮來看，技術迭代上沒有太大核心突破，但讓大家更好地意識到Agent應該落地到各個場景，這是我最大的感受。從做AI Agent的角度來看，整個行業變化真的太快了。Agent的核心是規劃、記憶機制以及工具調用這幾個模塊，從去年年底大家對MCP的普遍應用，到現在聚焦Skill和Harness，前后也就三四個月時間，發展速度非常快。

王寧：我特別同意黃超老師的看法。從OpenClaw的爆火可以看到，整個Agent產品正在迅速向各個行業滲透。回顧過去，從對話時代到推理階段，再到Agent，每個產品落地大概都要花費一年時間。去年推理能力花了一年時間落地到各個行業，今年原本以為Agent要到下半年才會被廣泛認可，但OpenClaw大大加速了這一進程。現在各個行業都已經認知到Agent產品能夠幫忙干活、提效、創造價值，這是我看到的重要變化。

陳石：我們做投資的，前幾年對AI領域其實看得不太清晰，大家都在做大模型，大模型行業存在投入巨大但收入偏低的問題，比如一年要燒六千億美金，但收入可能只有百億美金水平。從去年下半年到今年年初，最大的變化是Agent開始在應用層實現盈利，而不是只有像英偉達這種硬件廠商獲益。硬件廠商本質上是AI領域的成本項，并未給AI領域帶來應用層收入，而應用層軟件開始變現，是我們觀察到的關鍵信號。

同時我們也關注了很多OpenClaw相關項目，我們投資的企業也有做類似OpenClaw的產品，我覺得OpenClaw帶來了全新的Agent范式。以往大家使用更多的是特定場景的工具類產品，比如Claude Code，而OpenClaw真正把Agent推向了每一個科技愛好者。所以我覺得它開啟了Agent的智能范式，未來也將解鎖更多行業現象，擁有更廣闊的發展前景。

二、OpenClaw熱度降溫背后：Token成本過高、任務能力有限，行業進入沉淀期

張國仁：幾位有一個共同的感受，就是變化之快。這個問題我再延伸一下，一方面我們感覺到AI相關熱點持續升溫，甚至成為社會現象，但同時近期熱度又有所降溫。在你們看來，這背后反映了智能體發展處于怎樣的階段，或者面臨哪些挑戰？

陳石：熱度降溫很明顯，因為OpenClaw本身并不是一款成熟產品，而是現象級產品，象征意義重大。但實際使用中，OpenClaw能完成的任務十分有限。OpenClaw的核心特點是開放域、無終點任務，以往的產品，比如Claude Code，多在代碼、辦公等封閉域完成有明確終點的任務，而OpenClaw更像人類助手，允許用戶在數字世界進行無限制探索，這在人類AI應用史上是首次。但當前存在明顯局限，問題就在于Token成本過高。下一步需要端側技術取得突破，降低Token使用成本，才能實現大規模普及，同時也能為模型積累海量訓練數據，它的象征意義十分重大。

王寧：熱度下降符合技術熱點發展規律。回顧過往熱點，相關推理模型也僅火爆了兩個月左右，但已經完成了推理范式的大眾心智普及，后續推理能力也快速向教育、辦公領域延展。今年的生成式視頻產品Seedream也僅火爆一個月左右，OpenClaw同樣火爆了約兩個月，如今熱度有所回落，但已經在大眾心中建立起認知：OpenClaw就代表Agent，大家也意識到Agent產品能夠承擔各類工作任務。未來，OpenClaw類產品或各類Agent產品，將替代OpenClaw在垂直行業落地并創造實際價值。

黃超：OpenClaw的爆火，點燃了整個社區對通用個人助手的期待。過去Agent發展已有一兩年，但此前的產品工具感過重，沒有滿足大眾對個人助手的預期，OpenClaw在交互模式上實現了突破。另外，這波熱度也包含大眾的新鮮感，大家都想體驗Agent的實際效果，但實際使用后發現，Token消耗很高，完成的任務卻未達預期。如今OpenClaw熱度回落反而是一件好事，能讓行業沉淀下來，思考如何讓OpenClaw這類產品從概念化AI助手，轉變為真正解決實際問題的工具。只有與各行業精準結合實現落地，才能迎來真正的普及階段。

三、粗糙卻爆火：OpenClaw用新交互打開通用Agent，中國模型趁機卡位

張國仁：確實，雖然OpenClaw相關熱點來去匆匆，但也完成了用戶心智建設的使命。接下來這個問題，是我們智東西同事在報道中產生的疑問，想借此機會請教各位：OpenClaw走紅既有時機因素，同時它本身被認為上下文管理能力弱、Token消耗大、工程質量相對粗糙，這樣一款產品為何能爆火？這反映了什么行業現象？后續出現的相關替代方案，又讓中國大模型廠商成為受益方，這一結果是否在各位預期之中？

黃超：我感覺OpenClaw雖然有些地方做得還不夠完善，但交互模式確實很有創新。比如一些看似簡單的設計，像心跳機制（Heart Rate）這類功能，我只要經過半小時自主主動交互，就能讓整個社區明顯感覺到智能體變得更主動、更有前瞻性。

從我自己的使用體驗來看，Claude Code和OpenClaw在一定程度上其實算是競品。因為Claude Code本身也是持續集成模式，除了寫代碼之外，很多人可能不知道，它還能做很多其他事情，比如通過打通后臺的各類功能接口。Claude Code其實也是一個通用Agent，而且最近這幾個月，我也看到它正在往這個方向轉型。

至于為什么國內廠商會大量擁抱OpenClaw，我個人覺得，從模型廠商的角度來說，他們也需要更多場景的數據。如果能通過OpenClaw這種偏端側的智能體場景，獲取到用戶在通用智能體實際落地中的更多操作場景，就能更好地理解這些垂直領域的應用，拿到更多用戶反饋，甚至還能更好地用作模型下一代智能體能力的訓練方式，這應該會形成一個比較好的循環。

王寧：我喜歡用類比來理解。OpenClaw剛火起來的時候，大家的感受很像移動互聯網剛剛起步的階段。回看移動互聯網初期，很多如今已經成長為巨頭的APP，最早都是小團隊甚至小作坊做出來的，產品可能做得很粗糙，但商業模式和對用戶場景的滿足做得非常到位。OpenClaw其實也做到了類似的突破，它是第一個可以7×24小時在線、具備記憶能力，像真人伙伴一樣，能隨時和你交流、還能幫你完成各類工作的產品。

說到Anthropic封殺OpenClaw，更準確地說，是Anthropic封禁了通過OS登錄、借助OpenClaw來享受Claude Code會員補貼的方式。背后的邏輯在于，OpenClaw對Token消耗很大，再加上它的上下文管理能力一般，使用成本過高，所以才被限制。

但這給中國模型帶來了機會，中國模型本來就比海外模型便宜，大概是海外模型的1/10，能力上卻相差無幾，所以特別適合“龍蝦”的場景，也給國內的模型及廠商帶來了新的機會。

陳石：我前面提到的是定位不同，OpenClaw是一個開源、開環、沒有明確終點的全新事物，在此之前從未出現過。

從人的角度看，它更接近我們想象中、甚至科幻電影里的數字助手、數字伙伴，更像是一種數字生物。未來它既可以成為我們的助手，也有可能替代一部分人類工作。因為它有自己的運行環境和工作載體，Harness也可以算作它工作環境的一部分。

同時，在用戶的配合下，OpenClaw可以和人一起協作完成任務。比如我們風投行業一直被調侃，投資人天天投科技項目，自己報銷卻還要手動貼紙質發票，這本身就很不合理。現在有了OpenClaw，再加上電子發票的普及，這類繁瑣事務完全可以被逐步解決。

解決這些問題之后，Agent還有更多可能，因為它能跟你一起成長，隨著模型能力的不斷迭代，會有各種各樣的人帶著它做任務，這本質上也是一種數據標注，最終會慢慢實現這些任務的自動化，這對人類來說肯定是很大的解脫，很多日常工作、流程性工作都能被它完成。

這也是Agent作為助手和伙伴的核心價值所在，讓人印象深刻，和以往所有軟件都不一樣。它甚至可以安排日常工作、創建會議，我們有投資機構還做了相關功能，在微信里就能幫人添加聯系人、邀約見面、預約會議等。所以我認為，一旦打開這個入口，各行各業都會涌現出新的應用場景。正如主持人所說，目前這些場景落地效果還不夠理想，但未來一定會越來越多。

四、4000行代碼還原通用Agent本質，核心是規劃、記憶與工具調用，長程任務仍卡在Harness

張國仁：好的，正如王總所說，OpenClaw也許在工程實現上還比較粗糙，但它的應用范式創新對行業的影響確實非常大。接下來，我會有針對性地請教幾位嘉賓。首先請教黃老師，您之前也開發了很多有影響力的Agent開源項目，尤其是Nanobot，僅用4000行核心代碼，就做出了超輕量版的Nanobot，而原版OpenClaw有40多萬行代碼。當時是怎么想到要做這件事情的？你們做了哪些減法？最后選擇開源又是出于怎樣的思考？可以稍微展開說一下嗎？

黃超：我們團隊做Agent研發已經有兩年左右時間，OpenClaw推出之后，看到開源社區對它以及通用Agent的熱情很高，我們就去研究了它的源碼。當時它的源碼有43萬行，現在已經漲到100萬行，基本是完全通過Vibe Coding迭代出來的產物。

我們當時的想法是，把通用Agent的核心功能用極簡方式實現出來，給社區做參考，讓大家明白通用Agent的核心組件和運行范式，并不需要那么復雜的實現方式，有更簡潔的路徑。同時也希望做一個入門級的教程項目，方便開發者學習如何搭建通用Agent。

于是我們做出了Nanobot，用4000行代碼實現了輕量級通用Agent。項目開源后社區反響很好，我們就持續迭代了兩個多月，基本保持日更，不斷整合社區對輕量級通用Agent的需求，這就是我們做這件事的初衷。

▲香港大學助理教授&博士生導師、Nanobot團隊負責人黃超

在這個過程中我們也發現，Agent的核心模塊其實就是規劃（Planning）、記憶（Memory）和工具調用（Tool Use）。把通用 Agent抽象出來，本質就是一個Agent Loop循環，也就是ReAct框架：先做計劃，再執行，觀測結果，然后再迭代計劃。核心邏輯并沒有大家想象的那么復雜，所以4000行代碼已經足夠支撐核心實現，不需要龐大的代碼庫。

張國仁：了解。您之前也分享過，Scale和Harness緩解了規劃層面的問題，但高質量的場景Scale仍然比較稀缺。一個好的Scale標準應該是什么樣的？另外，目前的Harness工程，是Agent能力還不成熟時的臨時腳手架，還是會長期成為核心架構的一部分？也請您簡要總結一下。

黃超：現在工具調用模塊已經從MCP進化到了Skill，Skill可以理解成MCP工具調用的說明書，通過Prompt描述就能指導Agent在合適時機調用MCP或API。但從本質上看，MCP存在的問題，Skill依然存在。

比如MCP質量參差不齊、數量過多，如何檢索高質量MCP一直是難點，這些問題在Skill時代同樣沒有解決。現在Skill數量很多，但高質量的Skill非常少，需要一個核心平臺來對優質Skill進行管理。比如一個Agent在處理任務時，可能會匹配出幾十個相近的Skill，如何選擇最合適的一個，就是后續Harness需要完善的地方。

回到Harness本身，我認為它和Agent能力是相輔相成的。隨著基礎模型能力提升，大家對通用Agent完成復雜任務的需求也在水漲船高。目前OpenClaw這類“龍蝦”通用Agent在實際生產環境中的能力依然有限，大家用得最多的還是代碼編寫、深度研究這類功能。但如果要讓它完成金融、科研、材料、醫藥、化學等領域的長周期任務，往往不是一兩輪交互就能解決的，可能需要幾小時、幾天甚至幾周的持續動態交互。

這類長程任務首先會面臨上下文爆炸問題，僅靠壓縮Markdown文件根本無法實現有效的記憶管理。同時，實時環境交互也對模型的Skill切換、穩定性和安全性提出了更高要求。目前大家在使用OpenClaw這類通用Agent時，一個很明顯的問題就是長程任務頻繁中斷。

在這種情況下，Harness的作用就至關重要，需要通過它來管控模型在超長上下文場景下的運行表現。用戶對Agent的需求也在不斷升級，就像去年大家對Vibe Coding的要求還只是寫一個函數、一個代碼文件，現在已經希望它能完成復雜的大型軟件系統。人的需求會隨著模型能力同步提升。

所以未來Harness依然會非常重要，說不定到明年，我們就會希望它能真正完成垂直領域里需要一周甚至一個月才能做完的任務。Harness和Agent能力是相互成就、共同進化的關系。

五、復盤LobsterAI：一年技術積累、踩中通用Agent需求窗口，獲OpenClaw創始人稱贊

張國仁：接下來想請問一下王總，OpenClaw走紅之后，網易有道團隊也是快速響應，開源了國產版小“龍蝦”LobsterAI，這也是國內大廠里首個實現全開源的Agent產品。當時是怎么做出決定把項目開源，而且整個流程還如此之快的？它和原版的OpenClaw有什么不同？

王寧：我的主業是做智能硬件，可能很多人聽過有道詞典筆、有道答疑筆、有道聽力寶，這些是我們團隊的主要產品。去年我們發布了第一款原生硬件，有道AI答疑筆，它的主要功能聚焦在K12用戶的答疑場景。這款產品第一批貨五千臺只用了一周就賣完了，它解決的是學生輸入任何一道題目時，都能以啟發式的方式讓學生學會這道題，還能舉一反三。

▲網易有道LobsterAI項目負責人、智能硬件研發負責人王寧

但文本答疑有個問題，就是學生可能認識題目上的所有文本，但看不懂意思。于是我們進一步思考，有沒有辦法讓AI生成視頻，讓學生能更簡單地通過視頻學習每一道題目。去年8月份我們發布二代筆時，貼合當時模型主流的編程演進方向，通過編程的方式，讓學生輸入任何一道題目，就能生成大概2分鐘的講解視頻，效果特別好，上線后成為了我們目前的核心賣點。

視頻答疑做完之后，我們在想，它其實是一個典型的垂類場景，我們有沒有辦法讓這個Agent的功能進一步擴散，從教育人群擴散到非教育人群。一個偶然的機會，我們的產品經理和HR想用Claude Code解決工作中遇到的一些問題，因為我們內部團隊用Claude Code比較多。當時我給他們做過一輪培訓，但效果不太好，因為他們完全沒有編程知識，學不太會。

于是我用了大概幾天時間，基于Claude Agent SDK封裝了一個GUI，這就是現在LobsterAI的前身。前面是用戶容易操作的GUI界面，底層是Claude Code的Agent SDK，讓用戶可以通過對話式操作完成輸入，對普通用戶非常友好。我們在內部一直是小規模應用，因為我們主業還是做硬件，這件事并沒有引起我們太多重視。

然后在1月25號，Anthropic發布了一款產品叫Claude Cowork，當時我們發現這款產品和我們內部的Demo完全一樣，我們好像踩對了一些點，但依然沒有把這款軟件推出去的想法。1月27號OpenClaw火爆全球，我們意識到可能有一些機會，因為我們和OpenClaw唯一的差異就是，我們的記憶管理可能沒有它做得好，沒有7×24小時在線，也沒有MMM（多模態記憶）接入。

于是我們花了大概二十多天的時間，打磨了整個產品的UI界面和功能，在大年初三的時候，我們成為了國內大廠中首個開源的桌面級Agent產品。做完這款產品之后，我們很快花了一周時間，在GitHub上的Star數就超過了3k，團隊也非常受到鼓舞。前兩周我們還受到OpenClaw創始人彼得·斯坦伯格（Peter Steinberger）的公開稱贊，他說中國有很多“龍蝦”類的產品，而他最喜歡的就是我們有道的LobsterAI。我們之所以能這么快推出產品，主要是因為我們有去年一年的技術積累。

張國仁：還是蠻巧的，算是英雄所見略同，踩在了同一個點上，同時你們之前的積累也功不可沒。

六、拆解AI估值邏輯：Token時代廣告模式走不通，Agent創業必須做剛需付費

張國仁：接下來我想問問陳總，作為投資者，您如何看待當前國內AI獨角獸的估值邏輯？與移動互聯網時代相比，您也比較熟悉，有什么樣的不同？評估的核心變量發生了哪些變化？

陳石：我完整經歷了移動互聯網時代，而且我之前創辦的創業公司也被阿里收購了。但回過頭來看，今天這輪AI行業的變化，不能用移動互聯網的邏輯做線性外推，兩者真的很不一樣。2023年和2024年的時候，我覺得大模型是一個好的商業模式，但在當時階段仍是一門投入產出不匹配的生意。因為大模型研發需要巨額投入，且迭代節奏極快，一款模型剛完成訓練，就要立即投入下一代的研發。一旦頭部模型在某個環節、某個階段落后了，可能就會很慘，前面投入的成本都會沉沒。

但后來我又發現，這個行業大家都看不到終局是什么樣，而大模型現在看起來就是最好的商業模式。因為這一次的生成式AI，本質上是智力輸出，而大部分智力來自于模型，所以我們說“有模型才有未來”。未來AI行業中，能拿到最多收入的部分，一定是圍繞著Token的生產和分發環節。

所以無論是云大廠、模型大廠，甚至是英偉達這樣的硬件廠商，只要參與到Token的生產和分發，就能拿到最好的收益。那反過來，我們這些Agent在做什么呢？其實去年我參加一個播客的時候就提到過，Agent做的事情就是廣泛收集人類的上下文。因為大模型有很強的智力，但它不懂你的行業，不懂你這個人。現在單純看Skill這樣的靜態文本，完全不能代表復雜的人類和復雜的行業。所以做一個Agent，要盡可能把某一個領域或某一個人群的上下文收集下來，并且這里的上下文不是我們說的技術上的上下文。

要做到這一點，就需要有更多用戶使用你，并且廠商需要廣泛記錄他們的使用場景、使用操作過程。用的人越多，用戶就會越依賴你，這樣模型廠商就搶不走你的用戶。另外，在這個過程中積累的用戶使用軌跡是很有價值的，因為現在數據非常重要，我們也投資過一些數據標注公司，這些使用軌跡其實是非常重要的模型訓練數據。從這個角度來說，Agent就是要做上下文的收集，不過它的收入肯定遠遠不如移動互聯網時代那么好。

還有一點觀察，我很早之前寫文章也說過，移動互聯網時代有一個很好的商業模式叫“羊毛出在豬身上”，也就是廣告模式。當時我們的獲客成本低，用戶使用成本也低，哪怕有100萬、1000萬DAU，對我們來說使用成本也不高，所以可以讓用戶免費使用，通過放廣告盈利。這種廣告模式，我覺得是移動互聯網巨頭產生的最大催化劑。

但今天這種廣告模式受到了非常大的挑戰，因為用戶用得越多，消耗的Token就越多，成本就越高。Token的成本遠遠高于廣告的eCPM，我算了一下，eCPM肯定支撐不了這樣的成本。所以很麻煩的是，“羊毛出在豬身上”這種巨大創舉，在Token時代、也就是AI時代沒法實現了。

張國仁：那您覺得這個商業閉環可能的突破口或者曙光有嗎？

陳石：我現在還想不出來。我猜有可能的方向，一是盡量壓縮成本，比如端云結合，在端側用便宜的模型解決日常需求，搞不定的時候再用云側解決，這樣能大幅降低成本。最近我們也投了很多端側的基礎設施和端側AI的軟硬件，這部分我覺得很重要。

二是未來要產出真正的價值，就是要像人一樣幫人類創造價值，而不是像移動互聯網時代那樣，積累大量用戶、免費讓用戶使用、靠廣告盈利，這可能會很不一樣。不過有一個好處是，積累了大量用戶使用數據后，說不定可以賣給大模型公司，這可能也是一個變現通道，但我不知道這能不能成為一個持續的商業模式，目前還看不清楚。大概就是這樣，在真正的AGI到來之前，我覺得大家都還在摸索，還要再觀察。

七、投資Agent新法則：不學移動互聯網免費拉量，軟件+硬件結合，出海突圍

張國仁：好的，也想請問陳總一個二級市場的問題，最近創業板漲勢不錯，有人把中國創業板“七姐妹”（寧德時代、陽光電源、中際旭創、新易盛、天孚通信、勝宏科技和東方財富）和美國科技“七姐妹”（蘋果、微軟、英偉達、谷歌、亞馬遜、Meta和特斯拉）在各自股市的權重做類比。您如何看待這一現象？它是否反映了中國資本市場的某些趨勢？對AI產業的融資環境是否也產生了影響？

陳石：我主要做一級市場，已經有五六年甚至更久了。說實話，中國的二級市場有時候確實不太好看懂，但現在出現了一些向好的現象，就是市場越來越向科技方向靠攏，這背后當然也有政府的推動，我覺得是很好的方向。

▲峰瑞資本投資合伙人陳石

現在市場熱點基本還是圍繞Token相關產業，以及Token周邊產業鏈，還有光通信、光計算等方向。那“七姐妹”里也有好幾家是做光通信模塊的，這代表我們希望用科技重塑二級市場，帶動中國整體AI行業邁向更高的發展階段。

客觀來說，在商業環境和投入成本上，美國確實更有優勢。但中國通過政府引導、企業共同努力，用適合自身的方式推動AI更好地發展，這更像是一種雙方博弈。我們很可能會走出一條和美國不一樣的發展路徑，但同樣能達到很高的高度，實現追趕與超越。

張國仁：好的，您之前也分享過，今年中美市場對純技術敘事的關注度都在下降，更關注商業回報。您現在也在投資Agent相關企業，重點會關注哪些維度？會更看重商業回報嗎？

陳石：我是這么認為的，現在千萬不要再學移動互聯網時代那套，先通過免費吸引用戶、靠免費模式做大用戶量，這條路現在絕對走不通。多一個日活用戶，可能就多一份虧損。現在一定要做剛需場景，讓用戶愿意付費，最好能實現全鏈路收費。做不到這一點就不要盲目擴張，說明產品還沒有真正打動用戶、讓用戶愿意買單。當然，也可以選擇出海。

還有一點很重要，我們內部叫“軟飯硬吃”。中國有很強的生產制造能力，就像剛才網易的同事分享的，軟件做到一定階段，吃透用戶需求、積累足夠技術之后，可以結合硬件一起做。把中國的供應鏈和制造能力發揮出來，這類產品在海外也很有競爭力。我覺得這是創業者需要靈活把握和重點考慮的方向。

八、中國自主Agent框架如何打贏海外？聚焦企業辦公自動化和垂類落地場景

張國仁：還有一個問題請教王寧總和黃老師，如果OpenClaw之后，出現一個由中國自主定義的下一代Agent框架，它應該在哪些維度打贏海外產品，或者做出差異化？具體可以從技術維度或場景維度來設想。

王寧：我們也在思考類似問題，最近有一個初步判斷，中國企業一定有自己的機會，尤其是在企業級市場。雖然國內做ToB不像海外那么順暢，比如剛才提到的Anthropic，主要營收就來自ToB，年營收已經達到300億美元級別，超過了OpenAI的200億美元，大部分收入都來自企業端。

我們也持相似看法，希望國內能出現一批面向企業場景的產品，圍繞企業辦公自動化、IM、OA、財務系統，以及企業隱私安全等方向深度打磨。自從我們LobsterAI開源以來，很多國內國企、私企都來洽談合作，希望把Lobster集成到他們的產品中，核心訴求就是把Agent能力和內部系統打通，通過對話式交互大幅提升內部運轉效率。所以我們初步判斷，機會主要在企業端。

黃超：從Agent應用落地的角度，我對國內很有信心。我們完全有能力打造出下一代真正能成為“打工人助手”的Agent，在各類任務的完成準確率、精準度上實現突破。國內一直具備很強的應用創新基因，這一點是我們的優勢。

九、展望2026年：Agent生態爆發、商業化啟動、AI走向全民應用

張國仁：好的，時間關系，最后一個問題。站在未來十年往回看，您認為2026年在AI產業發展歷程中，會是怎樣標志性的一年？是技術拐點、生態成型，還是商業爆發的起點？請幾位嘉賓暢想一下。雖然我們都認同，AGI仍是長遠目標，現在只是途中一小步，但放在歷史坐標中，這一步依然意義重大。

黃超：十年之后，我設想AGI或許已經實現了，我都應該躺平了。站在當下看，我認為2026年會是Agent生態爆發的一年。Agent不只需要自身能力，更需要完整生態支撐，包括多場景環境交互、Skill體系完善等。從這個角度來說，2026年很可能迎來Agent能力尤其是生態層面的集中爆發，讓Agent能真正落地到各行各業。

王寧：我認同黃老師關于生態爆發的判斷，同時我也認為，2026年會是AI產品商業化開始爆發的起點。去年Chat類產品一直在探索營收模式，比如嘗試AI廣告，但整體盈利效果有限。我們認為，只要能真正為用戶或企業創造實際價值，就一定能實現商業變現。今年很可能成為AIGC產品商業化的元年。

陳石：我覺得2026年是AI真正走進大眾、讓大家用起來的一年，這一點非常關鍵。要讓所有人清楚AI能做什么、不能做什么，并且真正開始用AI解決問題、提升效率，相當于把整個市場徹底點燃，推動全民應用。未來走向AGI會怎樣還很難看清，但普及應用這一步至關重要。

張國仁：無論是生態爆發，還是應用普及，2026年都將是AI走向Agent、讓大眾更廣泛受益的新階段。感謝三位嘉賓從學術、產品、資本視角帶來的深度洞察，指明了智能體時代中國的發展機會，包括全產業鏈協同、開源與應用雙輪驅動，以及對AGI愿景的務實探索。OpenClaw之后，相信中國不僅是技術追趕者，更有望成為生態的重新定義者，讓我們共同期待行業的持續發展。