趋势捕捉按
本文根据对深圳光明实验室生成式大模型团队研究员姜文浩的深度访谈整理而成。当前,以“龙虾”(OpenClaw)为代表的AI智能体正从概念走向落地,引发广泛关注,但其真实能力边界、产业影响路径与潜在风险仍存在诸多模糊地带:智能体究竟是大模型的简单延伸,还是新一代“AI操作系统”的雏形?它将如何重构企业运作模式与人才价值体系?在效率跃升的同时,数据主权、技术依赖与安全可控又该如何保障?
作为身处生成式AI研发前沿的一线科研人员,姜文浩结合工程实践与产业观察,系统回应了上述问题。他指出,智能体的核心突破在于“执行闭环”,其真正价值不在于当下体验的完美,而在于开启“人指挥、AI执行”的新范式。他还警示:若缺乏自主生态布局,我国或将在下一代人机交互基础设施上再度受制于人。
光明实验室生成式大模型团队研究员姜文浩
趋势捕捉:最近很多人尝试了像“龙虾”(OpenClaw)这样的AI智能体,但不少人反馈它并没有想象中那么好用、那么智能。这是为什么?
姜文浩:这其实很正常。“龙虾”现在还处在一个非常早期的阶段,就像互联网刚诞生、图形操作系统刚出现时那样——功能粗糙、体验不稳。它目前的核心价值,并不是立刻提供完美的服务,而是以一种更自然的方式,把普通人和AI连接起来。未来一到两年,随着配套工具、安全机制、优质技能(Skill)和MCP(模型调用协议)的完善,它的体验会大幅提升。
需要说明的是,当前很多用户对“智能体”的期待过高,把它当成一个万能助手。但实际上,它更像是一个可编程的执行代理,其能力高度依赖于背后集成的技能库和大模型的理解力。如果技能缺失或调用逻辑不清晰,结果自然不尽如人意。因此,现阶段更重要的是构建生态,而不是追求某种理想化的表现。
趋势捕捉:大模型本身也能完成很多任务,“龙虾”有什么本质区别?
姜文浩:关键在于“执行能力”。你可以把大模型理解为一个“大脑”——它能思考、推理、生成内容,但它没有“手”和“脚”。而“龙虾”这类智能体,是在这个大脑的基础上,赋予它操作现实世界的能力。比如写入文件、调用API、在电商平台发布商品、自动填表做PPT……这些动作,传统大模型做不到,或者只能给你一个文本建议,你需要手动去执行。
“龙虾”的突破,就是让AI从“提建议”走向“干实事”,实现端到端的交付。你提一个需求,它忙活几分钟,直接给你一个可使用的Word文档、一份分析好的Excel,甚至是一套上架完成的电商图文——而不是一堆需要你再加工的半成品。这种“闭环交付”是过去任何AI工具都难以做到的。
趋势捕捉:能不能举个具体例子,说明未来它会“好用”到什么程度?
姜文浩:拿办公场景来说,现在的大模型可以帮你列PPT大纲,甚至描述配图,但最终你还是要自己排版、调整格式。而未来的智能体,会直接输出一个美观、对齐、风格统一的PPT文件。再比如电商,现在的文生图模型生成的商品图,在专业度、文案排版、品牌调性上往往不够。但如果有懂电商的技能提供商,把行业Know-how封装成“技能”,智能体就能根据你的需求,批量生成符合平台规范、带精准文案、构图专业的商品图,甚至一键发布到京东或淘宝店铺。
这才是真正的“全流程自动化”。更进一步,假设你是跨境电商卖家,只需输入产品参数和目标市场,“龙虾”就能自动翻译文案、适配当地节日促销风格、生成合规标签、安排物流对接——整个过程无需人工干预。这种效率提升,不是10%或20%,而是数量级的跃迁。
趋势捕捉:这种变化,对企业和整个产业意味着什么?
姜文浩:这是一次生产力的巨大跃迁。智能体的本质,是把人的角色从“执行者”转变为“管理者”和“创意者”。那些重复性高、规则明确、经验可沉淀的工作——比如基础编程、法律文书起草、财务报表分析——将被智能体高效承接。
我们已经看到“一人公司”(OPC)的兴起。过去需要一个团队完成的任务,现在可能一个人加几个智能体就能搞定。企业对人力的需求结构会发生变化:对执行力的要求下降,对创意、战略、跨领域整合能力的要求上升。HR部门未来招聘的重点,可能不再是“会不会写代码”,而是“能不能设计出高效的智能体工作流”。
趋势捕捉:这也解释了为什么现在大厂开始高薪争抢文科生。
姜文浩:没错。AI时代,文科生的“想法”和“审美”反而成了稀缺资源。有了智能体这个高效工具,一个有创意的人,可以快速把自己的想法变成产品、内容或服务。会不会用AI,会不会指挥智能体,将成为未来人才的核心竞争力。
我见过一位历史系毕业生,用智能体自动生成短视频脚本、配音、剪辑,三个月内打造了一个百万粉丝的文化科普账号。他不懂技术,但他懂叙事、懂用户心理,而智能体帮他完成了所有执行环节。这就是未来工作的典型范式:人类负责“Why”和“What”,AI负责“How”。
趋势捕捉:最近业内也在讨论“词元经济”(Token Economy),这和智能体的发展有什么关系?
姜文浩:这是个非常关键的问题。所谓“词元经济”,指的是以大模型处理的基本单位——词元(token)——作为计量和交易的基础,形成新的价值流通体系。过去我们按小时、按件计费,未来可能会按“消耗多少词元”来结算服务。
比如,一个智能体为你生成一份法律合同,背后可能调用了多个子模型:一个做条款检索,一个做风险提示,一个做格式排版。每个环节都消耗词元,而这些词元的使用可以被精确追踪、定价和结算。这就催生了一种新型市场:开发者可以出售自己的“技能”,按调用次数或词元消耗收费;企业可以采购最高效的技能组合,优化成本。
更重要的是,词元经济让AI服务变得可拆解、可组合、可交易。它不仅是技术指标,更是一种经济基础设施。未来,智能体之间的协作,很可能通过词元账本来完成自动结算——你的购物智能体调用厂商的库存智能体,双方按实际交互的词元量实时分账。这种机器对机器(M2M)的价值交换,将是数字经济的新形态。
趋势捕捉:哪些行业会最先被重塑?
姜文浩:第一波红利肯定在“白领密集型”行业——编程、法律、金融、市场营销、内容创作等。这些工作高度依赖电脑,且流程标准化程度高。
第二波浪潮会延伸到物理世界。当智能体与机器人、无人机、自动驾驶等硬件结合,农业、建筑、物流、应急救援等领域也会迎来效率革命。比如,农田里的无人机根据智能体指令自动巡检、识别病虫害、精准施肥;建筑工地的机器人按AI规划进行钢筋绑扎或墙体喷涂;物流中心的分拣系统由智能体动态优化路径。
甚至教育和医疗也会深度变革。学生可以通过个性化智能体获得24小时答疑辅导;医生则能借助智能体快速调取最新临床指南、生成病历摘要、比对影像数据。当然,这些场景对准确性和安全性要求极高,落地节奏会更谨慎,但方向不可逆。
趋势捕捉:所以每个企业都需要有自己的“龙虾”策略?
姜文浩:完全同意。这不仅是工具升级,更是战略转型。企业必须培养员工“用智能体解决问题”的思维。谁能更快地将内部知识沉淀为“技能”,谁就能在效率竞争中胜出。
举个例子,一家律师事务所如果能把常见合同模板、判例检索逻辑、合规检查规则封装成智能体技能,那么初级律师就能专注于复杂谈判和策略制定,事务性工作全由AI代理完成。这种组织形态,将极大提升人均产出和客户响应速度。
趋势捕捉:但热潮背后也有隐忧,比如数据安全。很多人担心,使用海外的“龙虾”会导致核心数据外流,削弱中国AI的竞争力。
姜文浩:这个问题需要分两面看。首先,像OpenClaw本身并不存储用户数据,它只是调用后端大模型。而中国的大模型,如智谱、MiniMax、百川、月之暗面等,在性价比和性能上已具备全球竞争力——今年2月,全球大模型使用排行榜前三都是中国的。这意味着,我们完全可以基于国产模型构建自主的智能体生态。
其次,对于涉及敏感信息的政府或企业用户,强烈建议本地化部署,与外网物理隔离。个人用户也应谨慎,最好在独立设备或虚拟机中使用,避免与银行卡、私人文档混用。
长远来看,我们必须打造自主可控的智能体生态。就像芯片和操作系统一样,不能把关乎国计民生的AI执行层完全交到国外手中。美国已经开始限制中国机构在顶级AI会议发表论文,甚至开源软件都可能被植入后门。我们必须有自己的“AI操作系统”——不仅包括模型,还包括技能市场、调度协议、安全框架和开发者工具链。
趋势捕捉:您提到“AI操作系统”,这是否意味着“龙虾”的意义堪比当年的Windows?
姜文浩:可以这么类比。如果说大模型是CPU,那么智能体就是操作系统——它管理资源、调度任务、连接应用。而未来,智能体之间还会联网,形成“AI互联网”。想象一下,你的购物智能体直接与厂商的生产智能体对话,跳过所有中间环节,按需定制商品。这种机器对机器的信息交换效率,将远超人类。

事实上,Meta已经收购了名为“Moltbook”的智能体社交平台,说明巨头们早已看到这一趋势。未来,每个企业、每个个体都可能拥有多个专属智能体,它们在后台协同工作,构成一个数字分身网络。这不仅是效率工具,更是一种新型的社会协作基础设施。
趋势捕捉:最后,面对这股热潮,我们应该如何理性看待?
姜文浩:要抓住两个趋势:一是向“下一步”看,不要只盯着当前的“龙虾”模仿,而要思考如何构建自己的智能体生态、商业模式和Agent-to-Agent网络;二是对安全保持敬畏。尝鲜可以,但务必评估风险。
短期看,卖“铲子”(算力、大模型)的公司受益;长期看,真正赚大钱的,是那些知道怎么用“铲子”挖到金矿的人。AI的终极目标,不是替代人类,而是放大人类的创造力。而智能体,正是通往那个未来的桥梁。
我还想补充一点:政策制定者也需要跟上节奏。当前很多法规仍基于“人类操作”前提设计,而智能体的行为边界、责任归属、数据权属等问题亟待立法明确。只有技术、产业、制度三者同步演进,这场变革才能真正释放红利,而非制造混乱。
文丨刘旭
💻 配套实训环境与动手练习
本文涉及的相关技术指令、开发环境与工具链已内置在边学边练在线实验室中,无需繁琐安装配置,随时在浏览器中实践体验: