“龙虾”热搅动开源Agent(智能体)潮流，具身智能更是持续冲击万亿赛道……疯狂背后，哪些挑战还在困扰创业者？又有哪些破局思路直通未来？3月27日，2026中关村论坛年会的多个圆桌对话迎来人工智能各个领域的领军者，他们交锋开源Agent生态构建路径，他们激辩具身智能走出实验室的关键。
Agent走向何方
智谱华章CEO张鹏：
Token长期低价竞争不利于行业发展
从简单的AI对话到Agent真正能“干活”，对模型能力的需求非常高，需要进行长期任务规划、不断尝试、反复压缩成本。Agent在面临复杂任务时，模型思考的链路很长，Token消耗量非常大，模型推理的成本也相应地提高。
长期靠低价竞争也不利于整个行业的发展，所以我们把Token的价格回归到正常的商业价值,我们能形成一个良好的、持续的商业化闭环，不断优化模型的能力。
无问芯穹联合创始人兼CEO夏立雪：
基础设施需要AI原生重构
当前云计算基础设施接口为人类工程师而设，往上加一层接Agent，这限制了Agent的能力。AI能做到毫秒到秒级别思考和发起任务，但人类是分钟级，这中间差了数量级。
我们需要更智慧的基础设施，能够自我进化、自我迭代，形成自主的整体组织，相当于整套基础设施由被认可的CEO来管理，它可能是一个Claw，根据AI客户需求，自己迭代自己的基础设施。
小米MiMo大模型负责人罗福莉：
OpenClaw保证了模型的下限，拉升了上限
OpenClaw把国内“次闭源”水平模型的上限拉得很高，同时可以靠一套Harness(约束控制体系)等诸多设计，保证模型的任务完成度和准确率，把下限保证得很好。
它点燃了社区的想象力，在大模型之外还有AI Agent这一层，有非常多的空间可以做。研究人员以外的人开始参与到AGI(通用人工智能)的变革中，接触更强的框架，在一定程度上释放时间，去做更有想象力的事。
香港大学助理教授、Nanobot团队负责人黄超：
未来软件将面向Agent设计
未来12个月的关键词是生态。现在玩“龙虾”可能是觉得好玩，要真正沉淀下来，需要成为“搬砖”工具，需要整个生态的努力。
未来可能大部分软件不一定面向人类了，而是面向Agent原生设计，有可能人只会去使用让自己快乐的GUI(图形用户界面)。现在整个生态从GUI、MCP(模型上下文协议)，转成CLI(命令行界面)模式。这需要整个软件系统、数据、技术变成Agent原生化。
具身智能数据困局与场景破局
银河通用创始人王鹤：
数据金字塔将在今年被广泛运用
具身智能在数据层面形成了清晰的金字塔：底层是互联网数据，往上是人类行为数据，再往上是合成数据，顶层是真实世界数据。
这个数据金字塔在2025年建立，将在2026年被广泛使用。届时耦合VLA(视觉语言动作模型)与世界动作模型的整个技术将迎来真正的跳跃。
星动纪元联合创始人席悦：
构建数据飞轮是破局关键
现在具身智能最大的难点在于数据。普遍的解法是复刻真实场景，在训练场搭建1:1环境，但不足以解决所有问题，靠工程师采集、训练、部署再循环，极其低效且成本高昂。
我们的解法是构建从数据采集到模型闭环的“数据飞轮”，让机器人在真实环境中自主处理corner case(边角案例)，持续不断地自我提升效率。我们也在探索人类和真机搭配的数据采集模式。
千寻智能联合创始人高阳：
具身智能今年将迎来GPT-3.0
具身智能也存在GPT-2.0、GPT-3.0等类似阶段，2025年处于2.0时代，解决了很多数据层面的基础设施问题，做好了规模化的预先准备工作。
2026年的工作重心会是处理越来越大的模型、越来越多的数据、保证规模化的效果。2026年年末或2027年年中非常有可能出现像GPT-3.0这样的模型。
智平方联合创始人张鹏：
场景验证是2025年的关键词
2025年最重要的是让机器人从实验室走到真实场景。2026年更多要解决的是怎样把机器人模型做得越来越好。
技术层面需要突破真实场景的泛化性，从模型架构、系统设计上让机器人以更小的成本去适应更多的场景，对行业是一个非常大的挑战。我们希望在真实场景里采集更多数据，基于这些数据，用合成等方式产生更多价值，降低成本。在真实场景里，应该是模型、硬件、场景系统三者融合，一起去解决问题。
恒汇证券提示：文章来自网络，不代表本站观点。
