OpenClaw 爆火后，IoA 时代的六大核心论断 | GAIR Live 026

Openclaw开启的，是“互联网第二次大航海”的序幕。

作者丨岑峰

当 OpenClaw 以两个月登顶 GitHub 星标增长最快项目的速度燃遍全球，被冠以 “智能体第一个浏览器” 的称号时，一场从单体 Agent 到 Multi-Agent、从工具调用到意图协作的范式转移，正悄然叩响智能体互联网（Internet of Agents，IoA）的大门。

在最近举行的雷峰网 GAIR Live 线上圆桌中，

▪ 王洪磊，面壁研究院智能体产品线负责人

▪ 管震，智用开物人工智能科技CEO，研究院院长

▪ 常高伟，ANP开源社区发起人，AWiki创始人

三位智能体互联网的先驱者和实践者，在GAIR Live第26期圆桌论坛中跳出技术空谈，展开了一场一个半小时的硬核对话。嘉宾们抛出诸多颠覆行业认知的核心论断，直指 IoA 发展的本质问题、核心壁垒与未来格局，勾勒出这场人工智能范式转移的真实图景。这些观点既有对当下技术现状的清醒判断，也有对未来生态的大胆预判，成为理解 IoA 时代的关键钥匙。

论断一：OpenClaw 只是过渡形态，绝非 IoA 终局

王洪磊直言，OpenClaw 的核心价值是完成了智能体交互从 “聊天对话” 到 “任务执行驱动” 的启蒙，拿到了通往 IoA 时代的通行证，但现阶段仍停留在发烧友阶段，远非意图驱动的终极形态。其当下仍面临安全性、隐私保护、运行成本等硬伤，且核心能力仍局限于 “帮人操作软件”，而非 IoA 的终极目标 —— 智能体之间的自主互联与意图协作。未来 OpenClaw 的演进方向必然是智能体操作系统，成为承载多智能体协作的基础容器，而真正的 IoA 终局，是人类仅需表达意图，智能体便能自动拆解、跨网协作，实现全局任务的自主完成。

论断二：松耦合是 IoA 的正确方向，但 “太松” 会致命，企业落地缺的是 “协作默契”

管震作为产业一线实践者，基于深耕制造业的落地经验，提出了一个对当前行业盲目追捧“极致松耦合”的冷思考：以 OpenClaw（龙虾）为代表的纯松耦合智能体架构，虽然切中了传统IT“烟囱式”系统的痛点，但在严肃的企业级场景中，往往因为“太松”而陷入无法落地的泥沼。

当前多智能体协作处于割裂状态，执行任务时上下文丢失、彼此无信任关系，如同无战术的散兵作战，这是比技术架构更核心的问题。松耦合绝非简单的 “全拆了之”，而是需要像足球赛一样的协作默契，他打了一个生动的比方：“企业里的多智能体协作应该像一场高水平的足球赛。球员（Agent）在场上的跑位和传接配合是自由的、松耦合的；但整场比赛必须基于清晰的场地边界、规则判罚和球队战术——这就等同于企业的物理机理和业务逻辑（本体模型）。”

论断三：IoA 协议不会有 TCP/IP 式的大一统标准，而是场景 “打” 出来的群体契约

王洪磊打破了行业对协议标准化的固有认知，提出了颠覆性观点：IoA 协议无需追求传统互联网 TCP/IP 那样的硬性大一统标准，甚至这种标准化本身并不适用于智能体互联。

原因在于，大模型天然具备 “翻译” 和 “协议转换” 能力，智能体可通过学习对齐不同协议，而 IoA 连接的是 “智能” 而非单纯的数据，过度标准化会扼杀智能体的灵活性。未来的 IoA 标准，必然是在医疗、工业、法律等真实场景中自下而上 “打” 出来的，是产业界共同书写的 “群体契约”，早期的协议碎片化反而能催生更多范式，最终在实践中沉淀出事实上的最优方案。

论断四：企业级 IoA 最大壁垒不是技术，而是用 AI 重做一遍 “数据治理” 的本体抽象

管震抛出结论：“像Agent Foundry这样的工业智能体 的核心设计理念，就是让智能体协作从一开始，就沿着企业预定义的本体模型来组织。”管震进一步解释，“因为有了这种由底层业务机理构筑的‘协作默契’与‘信任机制’，我们的Agent在执行排产、品控等复杂任务时，无需在每次交互中都重复试探边界或对齐上下文。这不仅彻底杜绝了任务跑偏的风险，更让企业能够以极高的可靠性和极低的算力协同成本，去完成那些高价值的核心业务。”

不过，这要求场景落地时，企业要完成一次企业级的 “数据治理”—— 需要深入每个企业、每个部门，梳理清楚业务实体间的复杂关系，建立适配企业决策逻辑的映射机制，解决不同主体对同一概念的定义分歧。这项工作是不折不扣的 “苦力活”，却也是智能体从 “脑补流程” 到 “执行真实任务” 的必经之路。如果本体映射做不到位，智能体的任务拆解只会脱离企业物理约束与业务逻辑，生成 “假任务”，在生产环境中引发致命混乱。

论断五：中国 IoA 的核心王牌不是技术模仿，而是应用驱动的标准定义权

在全球 IoA 赛道的竞争中，三位嘉宾均认为中国拥有独一无二的核心优势，且这一优势是美国等国家无法复制的。

▪ 管震直言，诸多复杂的工业场景为中国独有，美国根本无法制定相关标准，而中国丰富的场景与激烈的产业竞争，正成为推动智能体技术落地的核心动力，“应用驱动的标准，终将是我们的天下”；

▪ 王洪磊将其总结为 “三位一体” 的系统优势：全球最完整的工业体系提供海量落地场景，顶尖学术力量正在宣示 “学术主权”，强大的工程实践能力让技术从论文走向产业，三者形成的合力，让中国从 IoA 技术的追赶者，变为全球标准的定义者；

▪ 常高伟则补充，中国的开源社区与产业端的深度联动，正加速协议与场景的融合，为中国争夺 IoA 全球话语权奠定基础。

论断六：虚拟劳动力协作必然经历 “先单兵、后协作” 的阶段

此外，三位嘉宾还对 IoA 的生产力重构提出了关键判断：虚拟劳动力协作必然经历 “先单兵、后协作” 的阶段，当前核心是打造 “更聪明的单体智能体”，而 3-5 年后千级以上智能体的大规模协作，将成为行业核心命题；

同时，IoA 的安全与信任问题，无法单靠协议解决，而是需要 “协议层电子凭证 + 应用层评价体系” 的组合方案，让智能体协作形成 “可追溯、可评价、可结算” 的闭环。

OpenClaw 的爆火，只是 IoA “第二次互联网大航海时代”的序章，而这些颠覆传统的论断，让行业看清了 IoA 发展的真实逻辑：它不是一场单纯的技术升级，而是从交互形态、协作架构、商业模式到产业生态的全面重构。IoA 时代的到来，不在于技术的完美，而在于在场景中不断试错、在协作中持续进化，而中国凭借应用场景的独特优势，正迎来成为全球 IoA 生态核心玩家的关键窗口期。

以下是此次圆桌讨论的精彩分享，雷峰网AI科技评论进行了不改原意的编辑整理：

圆桌主题：OpenClaw 爆火之后，Internet of Agents 时代还有多远？

主持人：岑峰 雷峰网

嘉宾：

▪ 王洪磊，面壁研究院智能体产品线负责人

▪ 管震，智用开物人工智能科技CEO，研究院院长

▪ 常高伟，ANP开源社区发起人，AWiki创始人

岑峰：各位线上的听众朋友，欢迎来到 GAIR Live 第 26 期。

今年年初，OpenClaw（龙虾）悄然上线并火遍全球，短短两个月便成为 GitHub 星标增长最快的项目。有人称它是智能体的第一个浏览器，是 AI 的“Next Big Thing”。但比产品本身更值得关注的是其背后加速形成的Internet of Agents（智能体互联网，简称 IoA）。我们正站在范式转移的临界点：从单体 Agent 转向 Multi-Agent，从简单的工具调用转向复杂的意图协作。

当 MCP、ANP 等协议群雄并起，中国团队如何在全球标准中争夺话语权？今晚我们邀请了三位顶尖实践者：面壁智能体负责人王洪磊博士、智用开物创始人管震老师、以及 ANP 开源社区发起人常高伟老师。我们将从 OpenClaw 现象出发，深入探讨架构之争、商业落地，展望 Internet of Agents 的未来。

首先，请三位老师简短介绍自己在 Internet of Agents 领域的实践与认知。

王洪磊：在我们的视角中，AI 正处在十字路口，从单体智能的军备竞赛转向群体协作的生态共建。

早在 2024 年，面壁智能联合清华团队首次提出了“智能体互联网（IoA）”的概念。我们预言未来智能不会局限在单一的聊天窗口，而是像互联网站点一样，构成异构智能体的互联网络。基于此认知，我们构建了 Agentworks、CSF 等多智能体系统与框架，并在清华大学落地了面向全体师生的“清小达”智能体平台。

未来，智能体的建设不仅依赖模型能力，更看重多智能体系统在“单位面积”内的“智力密度”，以实现群体涌现。中国未来的发展必然是在复杂、垂直的产业场景中构建协作底座。面壁智能的工作就是通过 IoA 范式和端边协同，共同构建“万物皆代理”的智能体互联网时代。

管震：智用开物是一家成立于 2024 年的创业公司。我们团队出身微软，在工业数字化领域深耕多年。

2016-2017 年间，我们曾提出“松耦合、工业解耦”的互联架构。我们发现，虽然“分工产生熟练工”，但当时缺乏一根有效的“线”将各领域的专家连接起来，跨业务单元解决问题依然高度依赖“人治”。

直到 2022 年底，GPT 规模化后的“涌现”给了我们巨大启发：当规模大到一定程度，产生的协同效应是人类经验无法预测的。2024 年 1 月，我们推出了核心产品 Agent Foundry（智能体工厂），致力于批量生产工业智能体并构建协作网络。

目前在 B 端实践中，我们正引导人工智能理解业务逻辑、裁决规则与激励模型。我非常期待，当协作节点规模足够大时，智能体能否自我寻优，在研发、计划、排产等领域发挥超出人类经验的作用。

常高伟：我长期从事协议开发。2024 年 4 月，我开始思考当未来智能体增多后，如何实现高效协作。我认为协议是最优解。

2024 年上半年，我设计了 ANP（智能体通信协议）的原型。随着 Anthropic 推出 MCP、谷歌推出 A2A，行业逐渐认识到协议的重要性。我们发现，像 OpenClaw 这样的产品虽然能帮人做事，但它缺乏身份标识，无法与万物连接。

因此，我们利用 ANP 协议中的 DID（去中心化身份）技术，为万物互联构建身份方案。我们社区的核心理念是：未来的互联网应该是开放的，而不是封闭的“围墙花园”。ANP 致力于成为智能体互联网时代的 HTTP，而 A-Wiki 则为智能体提供身份与加密信箱，让所有 OpenClaw 都能连接成网。

01

OpenClaw 爆火之后，Internet of Agents 时代还有多远？

岑峰：三位老师已经为我们勾勒了 IoA 的宏伟蓝图。我们进入今晚的第一个议题：OpenClaw（龙虾）的爆火，究竟是解决了 Agent 交互“最后一公里”的连接需求，还是定义了某种后来者必须遵循的标准？它是 IoA 时代的“Netscape时刻”吗？

首先请王洪磊老师从概念维度切入。面壁智能在 2024 年的 IoA 论文中预言，“意图驱动”将成为智能体互联网的入口。今天的 OpenClaw 交互形式，与你们当年的设想有何异同？它是一个终极形态，还是一个过渡形态？

王洪磊：这是一个非常有前瞻性的追问。我们在 2024 年发表 IoA 论文时，核心预测是：人工智能未来的交互界面将不再局限于聊天框，而是转向一个对环境操作的“动作空间”或“容器”。

目前看，OpenClaw 更多是对这种交互空间的一个“启蒙”，它成功将用户的交互行为从“聊天对话”转化为“以任务执行为中心”的驱动语境，这是它爆火的核心原因。但我们认为它目前还只是过渡形态，并不是意图空间的终局。

在产业实践中，OpenClaw 还面临诸如安全性、隐私保护及运行成本等诸多挑战，目前的尝试更多还停留在发烧友阶段。正如英伟达最近关于 OpenClaw 的发布所预示的，它未来可能演进为一种“智能体操作系统”。

我们设想的终极形态是：人类只需表达意图，智能体通过拆解意图，自动在彼此互联的网络中形成协作。目前的 Agent 更多是在“帮人操作软件”，而未来必然是“智能体与智能体彼此互联”。OpenClaw 拿到的是通往未来的通行证，打开了智能体操作系统的大门，但它最终会迈向一个由人机和谐共生、全球智力互联的网络。

岑峰：王老师从学术前沿给出了“通行证”的定调。常老师，ANP 协议即将引入对 OpenClaw 的支持，请问这是技术层面的适配，还是范式层面的认同？从“API 互联”到“能力互联”，ANP 如何定义这种质变？

常高伟：首先，我们的产品 A-Wiki 已经基于 ANP 协议实现了对 OpenClaw 的支持，让智能体之间能够通过“技能”互相连接。

关于范式转变，我认为确实正在发生。最近海外流行一种说法叫“MCP 已死”，比如 Cursor 等产品已经去掉了对 MCP（Model Context Protocol）的支持。为什么？因为 MCP 并没有解决对的问题。我们认为，智能体互联网最核心的问题在于“身份”和“通信”。

无论是 MCP 还是谷歌的 A2A，在智能体身份管理上解决得都不好。ANP 选择了 W3C 的 DID（去中心化身份）技术，并且是基于 Web 的 DID。我们研究了包括区块链、OAuth、API Key 在内的所有方案，发现要同时满足安全性、互操作性和大规模应用，W3C DID 是最优解。

OpenClaw 作为一个开源软件，其最大的特性应该是“开放性”。它不属于任何平台，而属于用户自己。身份应该由用户控制，就像 Email 架构一样，可以与互联网上的任何人通信。

未来的协作肯定是通过协议进行的。我们甚至认为，未来不需要再为人构建软件，只需为智能体构建软件即可，很多服务将隐藏在智能体之后。在这个时间点，OpenClaw 的出现对 IoA 进程具有极大的促进作用，它实践了我们社区一直追求的开放链接理念。

岑峰：管震老师拥有 20 年微软经历并深耕工业互联网。您之前提出过“松耦合”的交互方式。在产业一线看来，OpenClaw 的模式是否解决了过去“烟囱式系统”的痛点？真正的难关是否还在别处？

管震：我提出的“松耦合”思路，最早是在 2016 年针对“上云商平台”唱的反调。当时大家觉得数据汇聚了就行，但解决不了实际的漏跑滴问题。我认为第一性原理应该是分工产生熟练工，应该让专业的人做专业的事，然后把他们的能力连接起来。

在 2023 到 2024 年，大家习惯用低代码或 Coze（扣子），因为拖拉拽很显性。但我认为那是错的，因为那种业务节点是“紧耦合”的，是跟具体的岗位死锁在一起的。那种流程图谁也画不出来——技术人员不懂业务节点，业务人员不懂系统提示词和上下文传递。

OpenClaw 在思路上是典型的“松耦合”。我们 2024 年 1 月提出的思路也是用动态路由（龙虾叫网关）来理解意图，再分发给专门的智能体去做专门的事。但为什么 OpenClaw 现在还不能直接用于企业？因为它“太松了”。

目前的子 Agent 协作是割裂、孤立的。经常干到第五个任务，就忘了第一个任务要干什么，上下文完全丢失。所以，“松耦合”不是简单的全拆了，而是要像踢球一样，需要一种默契。

以足球赛为例，教练（智能体团队的管理者）在统管时就定义好了球员间的默契。球员不需要每次都向教练自我介绍，一个眼神就能知道长传的位置。这种可靠的协作是通过生产端预定义的，而不是像 OpenClaw 现在这样，互相之间没有信任关系、一盘散沙，这会导致严重的隐私和安全问题。

在 B 端落地，最大的“黑盒子”有两个：

第一，是“信任机制”。目前的智能体多处于决策辅助阶段，一旦要成为真正的岗位智能体，必须保证信息在节点传递中不漏掉、不忘掉。

第二，是“问题的拆解与本体映射”。如果你问 DeepSeek 一个算术题，它给你看的思维链并不是它内部真实的思考机制。在大模型给出的答案与企业业务逻辑之间，必须有一个精准的映射。

举个例子，大模型拆解任务说：第一步，由 AGV-01 运送 200 公斤货物。但实际情况是，AGV-01 的负载上限只有 100 公斤。如果模型不知道这个物理约束，拆解出来的就是假任务，会引起生产环境的混乱。因此，问题分解不能只靠大模型“脑补”，必须与企业的决策逻辑和状态空间深度配合。这是目前落地中最大的挑战。

02

从孤岛迈向互联：

多智能体协作的壁垒与协议突围

岑峰：刚才管震老师从 OpenClaw 的松耦合交互方式出发，结合企业落地应用的痛点分享了很多宝贵经验。这恰好引出了我们接下来的第二个议题：现在的 Agent 大多是孤岛，如何像网页一样实现互联互通？

管老师刚才举了一个任务拆解的例子：如果 Agent 之间不知道彼此的能力、无法建立信任机制，协作就无从谈起。同时，企业的组织结构和业务逻辑也会深刻影响多 Agent 协作。在实际项目中，技术难题、组织架构、信任机制，究竟哪一方面才是制约多 Agent 协作最大的壁垒？

管震：我觉得这些问题本质上都是可以解决的，关键在于投入多少资源。在企业级的多智能体系统里，第一层是应用，基本遵循王洪磊老师讲的“意图识别”模式——先识别意图，再进行任务分解。

在这个逻辑闭环中，目前最大的阻碍在于“本体的抽象”。这是一件极其辛苦的差事。我们要去理解一家企业具体岗位上，实体与实体之间的复杂关系，并建立一套能适配其业务原则的映射机制。这之所以难，是因为每家企业、甚至每个部门对同一个概念的定义都不一样。

这本质上是“苦力活”，是用 AI 的新范式把当年的“数据治理”重新做一遍。我在微软时也推过 Ontology，但当时做得不彻底，后来那套东西甚至开源掉了。如果从业务规则到智能体能理解的逻辑映射做不到位，智能体就无法执行真实任务，只能靠“脑补”去想象业务流程。这种“想象”在生产环境里是非常危险的。

岑峰：管老师提到了“本体映射”的范畴。常高伟老师，您发起的 ANP 协议试图通过语义标准来解决这些问题。在您看来，协议层的语义标准与管老师提到的业务上下文如何互补？

常高伟：管老师提到的是一线实战中非常具体的问题。从协议设计的角度看，ANP、MCP 或是 A2A 解决的是协作中 Layer 0（底层交互） 的问题。

这就像两个陌生人第一次见面，Layer 0 要解决的是：我怎么找到你？找到后如何验证你的身份？验证后我们用什么格式传递数据？协议解决的是传输格式和身份认证，这属于基础设施。

至于管老师说的“如何让双方配合更顺畅、信息传递更完整”，那是更高维度的业务层（Layer 1 及以上）。这需要依靠 AI 本身的理解能力和规划能力。AI 的逻辑越强，任务分配和数据传递就越准确。所以，协议本身无法完全解决业务专家层面的问题，但它可以提供最佳实践。

我们在社区讨论中发现一种有趣的模式：在 Layer 0 协议之上，会生长出“垂直行业协议”。比如是否有专门订酒店的协议？物流系统与财务系统沟通是否有标准的语义模版？行业正在探索将业务逻辑固化为更高层的协议，这可能是连接底层技术与顶层业务的关键。

岑峰：现在请王洪磊老师做理论升华。在面壁智能提出的 IoA 架构中，强调协作智能。在大规模网络中，我们该如何平衡 Agent 的自主性与协议的约束力？

王洪磊：管震老师刚才的“足球赛”比喻非常精彩。智能体协作确实像足球赛：球员各司其职，但必须有共同的信任基础。我们把协议看作智能体互联的“信任底座”或“通用语言”。

这个平衡点极其微妙。如果协议设计得“太重”、规定得太死，智能体就会沦为传统的 RPA（机器人流程自动化），只会机械执行流程，失去解决复杂问题的灵活性。反之，如果协议“太松”、缺乏行业规范，智能体的自主性就会变成“野蛮生长”，导致整个网络充满无法对齐的噪音，系统变得不可控。

我们追求的是一种“三军用命”的行动力。这不仅是技术问题，更是工程实践中的组织学。

语义对齐与创造力： 在不同行业中，需要有特定的业务语言。我们要让智能体既能接受约束，又能发挥创造性，形成“1+1>2”的团队效应。

智能体互联网不应该只是扁平化的连接。在复杂的产业场景中，我们应该仿照人类社会建立多级组织架构。有的智能体是决策者，有的是执行者，有的是人类的协调员。这种去中心化但有层级、有职责的协作网络，才能鼓励“良性涌现”而非“冲突碰撞”。

人类组织是从小团队到机构、再到行业和城市。智能体也是如此。只有建立明确、良性的制度协议，才能从构建 Agent Team 演进到 Agent Industry，甚至 Agent City。

面壁一直在深耕端侧智能，其实也是在思考“可受控的物理边界”。我们不能把所有智能都推到云端“野蛮生长”，而是要在特定的物理或业务边界内完成任务，再通过协议互联。这样既保护了各方的自主隐私，又实现了协作增益。

岑峰：非常有意思，两位都提到了“教练”的角色。这说明协调智能体协作本身是有门槛的，OpenClaw 这类产品目前还不是大众意义上的消费级产品。管老师，从实战角度看，面壁强调的“协作智能”和常老师强调的“语义标准”，哪个更能解决您眼下的燃眉之急？

管震：我是个彻底的实用主义者。我们在 2024 年初因为找不到合适的协议，甚至自己写过一套 Agentic Context Protocol。但后来随着 MCP、A2A 和 Copilot 协议的出现，我们转而采取融合策略——谁好用就用谁。

在那个时间点，我对协议的渴求极高。如果有像 ANP 这样成熟的协议，我肯定直接拿来用。但站在当前这个节点，我最紧要的任务是“协作智能”。

特别是针对工业场景，我可能更迫切地需要与王洪磊老师合作。因为我们需要更强大的端侧模型来赋能生产设备和机器人。在端侧实现高效、低功耗的协作机制，对我们这种直接面向“岗位智能体”落地的公司来说，具有最高的合作优先级。

岑峰：常高伟老师，王老师刚才提到了平衡自主性与约束力的 IoA 架构。这种理论框架对您设计 ANP 协议有何启发或挑战？

常高伟：面壁在 2024 年发布的 IoA 论文我们第一时间就研读过，非常出色。ANP 在设计时也遵循了类似的原则，我们称之为“半结构化协议”。

传统协议（如 TCP/IP）是严格结构化的，一个字段出错连接就断了。但现在的 Agent 协议是给 AI 处理的。无论是 ANP 还是 MCP，模型可以根据意图动态补齐或纠正字段。我们保留 Layer 0 的硬性结构保证基础连接，但在具体交互字段中允许自然语言的存在。这种半结构化设计既兼顾了连接的稳定性，又提供了个性化的数据交互能力。

此外，ANP 与王老师、管老师的关注点略有不同：我们更关注智能体如何在开放互联网领域进行协作。在公网环境，身份标识（DID）和信任机制的建立比企业内网更具挑战，这是我们努力攻坚的方向。

岑峰：如果协议层长期处于“群雄逐鹿、标准分裂”的状态，会对 IoA 的探索造成负面影响吗？

王洪磊：智能体互联网（IoA）的协议，可能永远不会像传统互联网的 TCP/IP 那样死板、全球大一统。

大模型天然具有“翻译”和“转换”能力。未来的标准不是在实验室里讨论出来的，而是在医疗、法律、教育等各种真实场景中“打”出来的。它应该是一个自下而上的演化过程。

我们认为，早期的碎片化反而有助于技术爆发。不同的群体、不同的网络连接能产生出更多的范式。大家在实践中相互对照、映射，最终形成事实上的最优方案。

传统互联网靠硬性规定对齐数据，IoA 连接的是智能本身。智能体有能力通过学习去对齐他人的协议。

未来的标准不会是一纸空文，而是我们在产业界共同书写的“群体契约”。常老师在协议层的务实工作和管老师在产业界的落地实践，其实都是在为这个“契约”提供底稿。这种学术界与产业界的良性互动，才是推动 IoA 发展的最快方式。

03

生产力重构——迈向虚拟劳动力协作的未来

岑峰：王老师的论证非常精彩。以人为中心的互联网与以 AI 为中心的互联网（IoA）最大的区别在于，碎片化的场景反而更有利于 AI 的进化。我们正处于从“会说”到“会做”的范式跃迁中。接下来我们进一步探讨 IoA 对未来生产力的深层重塑。

管老师，您目前正在构建一个“劳动力智能体市场”，利用教练挑选球员的逻辑来组织虚拟员工。在这样一个由应用场景驱动的市场中，您最希望以面壁智能为代表的模型提供方，以及常高伟老师代表的协议方，分别提供怎样的支撑？

管震：从我们实战的角度看，IoA 是一个极大的重构生产力的机会。前三次工业革命基本上是“一个萝卜一个桩”，通过这种固定岗位的方式来锁定人力和技能。但现在这个逻辑已经发生了不可逆的改变。

未来的劳动力将分为两层。第一层仍保留传统的固定岗位模式，特别是在工业领域，这种既定的协作关系依然稳固。但生产力的提升将不再局限于单点，而是体现在跨业务单元的协作上。

举个例子，在质检岗位上，以前的质检员通过计算机视觉发现产品有脱焊、脱胶等表面缺陷。在原来的流程下，老师傅们可能要到第二天上班开会讨论良品率下降的原因，互相推诿。但如果引入“岗位智能体”，质检 Agent 会在发现问题的瞬间，直接与前序工艺 Agent 或工程团队 Agent 沟通。它不仅能通报划痕或粗糙度问题，还能实时辅助进行根因分析，甚至给出新的配置建议。

这种基于单兵作战能力加强后形成的“新生产关系”，会从一条产线演化为一家工厂，最终演变成整个产业链的协作网络。未来 5 到 10 年，我们会看到这种制造形态的巨变。我们测试过 1000 个智能体互相协作，发现一旦规模达到这个量级，通信包处理等技术问题就会引发连锁反应。因此，在目前的试点和部门级应用中，拥有“更聪明的单兵（单体 Agent 能力）”是当务之急；但 3 到 5 年后，大规模协作的挑战必将成为核心命题。

岑峰：管老师提到，大规模虚拟劳动力协作是分层次演进的，先单兵后协作。王老师，要支撑这种大规模协作，大模型本身需要完成怎样的进化？面壁在端侧模型上的深厚积累，如何转化为协作优势？

王洪磊：管老师提到的“虚拟劳动力”概念对模型提出了极大的挑战。过去我们运营大模型更偏向聊天对话，底层逻辑是概率分布的演化。但在生产环境下，我们追求的是严谨性和确定性。一个微小的误差在系统链路上会不断放大，形成灾难。

生产级 Agent 需要极高的指令遵循率。无论是调用工具的稳定性还是执行的准确性，都必须具有确定性，我们才敢把生产过程交给模型。

现在的 Agent 任务正从几轮简单对话转向跨度数天甚至数周的长程流。这要求模型具备更结构化的长期记忆，不仅要记住步骤，还要对全局任务目标有实时认知。如果只有短期记忆或无状态能力，生产链路就会断裂。

另外，随着智能体规模从百级迈向千级甚至更高，通信成本和延迟将成为沉重的消耗。正如组织千人会议会有高昂的沟通成本，智能体之间的任务传递也需要优化。我们需要减少延迟，降低 Token 消耗，用更紧致的语义进行高效通信。

在面壁智能，我们追求刘知远老师提出的“密度定律”。我们不是简单地把模型做小塞进端侧，而是在单位参数下提供更强的能力。

我们的核心布局是“端云协同”。将更多智能放在终端设备中，不仅能保证响应的第一时间交互，还能大幅降低依赖互联网带宽的通信成本。我们希望智能体协作网络中的每一个单元（神经元）都能变得更加敏捷、轻量，并能保证隐私安全。这种去中心化的协作，不是依赖一个“终极大脑”去指挥万军，而是让每一个单元都进化成具备强协作能力的独立单元，从而推动整个智能体社会的发展。

岑峰：王老师将智能体比作协作网络中的“神经元”，形象地描绘了端云协同的愿景。常老师，未来的虚拟劳动力协作需要极致的安全和契约保障，针对 Agent 之间的欺骗、串通等风险，ANP 协议在安全性和契约化方面做了哪些专门设计？它能否成为 Agent 时代的“劳动合同法”？

常高伟：这里涉及几个非常核心的问题。

首先是开放性。我们认为 Internet of Agents（IoA）的核心价值在于跨平台协作。不同平台的智能体必须能够互联互通。而实现这一点的根本前提是解决“智能体身份”问题。ANP 采用的 DID 方案为异构智能体的互认提供了基础。

其次是凭证与不可抵赖性。在协作中，如何确保任务是由特定主体发出的？如果 Agent 辛苦做完了任务，发起方反悔不认账怎么办？这就需要协议层解决“电子凭证”的问题。

身份与密钥管理： 谷歌在去年下半年推出的 AP2（Agent Payment 协议）是一个典型。它利用电子凭证解决信任问题。签发凭证需要私钥，验证凭证需要公钥。ANP 在设计之初就考虑了公钥的分发与安全保存技术，在这方面比 MCP 或传统 OAuth 架构更具优势。

支付协议的承载： 支付是大规模协作的前提。ANP 已经跑通了谷歌的 AP2 协议，未来会支持更多智能体支付标准。我们会将“意图、任务、结果”完整地打包进支付凭证中，实现任务回溯与款项结算的闭环。

通信效率的双层架构： 针对王老师提到的效率问题，ANP 设计了任务发起者与执行者的双层架构。这种模式在预订酒店、点对点服务等场景下表现优异，目前我们还在研究其在更大规模劳动力协作中的适配性。

最后是信任评价机制。我认为信任问题不能仅靠协议解决，它是协议与应用层的共同课题。未来智能体领域可能会出现类似“大众点评”的数据源，由它来驱动评价，告知网络哪个 Agent 任务完成质量高，哪个口碑差。这种“评价数据源+协议层电子凭证”的组合方案，是我们正在探索的、能从根本上解决 Agent 串通与欺骗风险的路径。

04

商业模式展望与中国团队的“王牌”生态位

岑峰：讨论完劳动力市场，我们还要看老牌巨头的转身。如果几年后智能体互联网（IoA）趋于成熟，今天的 SaaS 巨头（如 Salesforce、SAP）会如何转型？他们会变成平台、教练、裁判，还是其他的角色？

王洪磊：我认为 Saas 与智能体平台之间不是排斥关系，而是互相拥抱。Saas 巨头未来会承担多重角色：

平台底座： 传统的业务信息化系统是智能体运行的物理底座。虽然现在的 Agent 还在模仿人的操作，但未来会从“以人为中心”转变为“以智能体为中心”，SaaS 将进化为服务智能体的基础设施。

教练： SaaS 厂商掌握着过去几十年人类操作系统的行为数据和行业逻辑。智能体的建设需要向这些沉淀深厚的业务场景学习，SaaS 厂商是最好的指导者。

裁判： 智能体好不好用，需要与原有的信息化系统做对比。我们建设智能体不是为了“智能”而智能，而是要比原来的 SaaS 系统有更大的效能跃升。因此，SaaS 系统是衡量智能体确定性执行能力的参照标准。

常高伟：我更关注互联网侧。巨头必须转型，否则可能面临生存危机。我们认为未来的互联网是“去平台化”的。当协议足够成熟，入口会发生根本性改变，传统的围墙花园平台会被开放的互联网协议所取代。

管震：巨头们的商业模式必须变。过去是按User人头数收钱，以后用户可能是另一个 Agent，这怎么收费？

业务模式也会变。过去软件解决的是信息记录和流转，实现物理世界在数字世界的映射；未来智能体是直接解决问题。

对于大企业来说，转型是个巨大的难题，因为这意味着要抛弃成熟的既有模式，面向智能体时代重新定义产品形态。这种“自我革命”不亚于第二次创业。

岑峰：俗话说“一鲸落，万物生”。一个时代的改变往往伴随着巨头的凋亡与新生态的茁壮。中国拥有最复杂的应用场景（管老师感触最深）、深厚的学术积累（面壁的 IoA 框架）以及具韧性的开源社区（常老师的 ANP）。三位觉得，中国在 IoA 赛道上的核心机会在哪里？丰富的应用场景能否倒逼出更实用的标准？

管震：毫无疑问，应用驱动的标准将是我们的天下。

很多复杂的工业场景美国根本没有，他们定不了这些标准。在中国，如果没有自己的标准，受制于人的地方太多。现在洗牌的机会到了，我们不仅场景多，而且“卷”得有动力，大家都卯足了劲要占领产业智能体的浪潮。

比如我们的合作伙伴赛意信息，他们深耕云 MES 和 ERP，非常清楚工业数据结构和客户需求。我们合作定义“岗位智能体应用”，能让既有的业务流迅速向上走一步。

现在的技术和标准迭代非常快。我们去年参编的国标《数字化供应商服务规范》今年 2 月就发布了。这种应用驱动、快速迭代的路径，让我们在标准制定上已经领先于传统软件时代。

王洪磊：中国最大的优势是拥有全球最完整的工业体系和最丰富的落地场景。这与美国依靠前沿模型能力、算力霸权、芯片技术的战略布局完全不同。

我认为中国在 IoA 时代的王牌是“三位一体”的系统优势：海量场景 + 顶尖学术沉淀 + 强大的工程实践。

以清华系为代表的学术力量正开始宣示“学术主权”。我们正在重构从基础设施、国产芯片到自研大模型的整个体系，从追赶者变为标准的定义者。

AI 时代的王牌不是一纸空文的论文，而是从实践中来、到实践中去的能力。这种由内向外的“涌现”和合力，将形成我们独有的、主权级别的 AI 优势。

岑峰：常老师，如果给 5 年后的中国智能体互联网画一张快照，ANP 社区会扮演什么角色？

常高伟：我们希望成为“共识的连接者”。协议的本质就是共识。

目前国内大厂对去中心化协议的重视程度还不够，投入不如国外大。我希望未来 5 年，大家能真正意识到协议的重要性。通过 ANP 这样的协议，让不同背景、不同平台的智能体能够真正互联互通，连接更多的人与智慧。

岑峰：今天的讨论非常精彩，给我一种“互联网第二次大航海”开启的感觉。我尝试总结一下三位老师的观点：

如果说过去的互联网是“信息的连接”，那么 IoA 时代就是“能力的协作”。

王洪磊老师 让我们看到了远景：Agent 不再是冰冷的工具，而是可以社会化协作的智能单元。

常高伟老师 正在修筑航道：通过 ANP 协议让不同“血统”的 Agent 能够握手，体现了去中心化的初衷。

管震老师 负责拉回现实：再好的构想也要在产业实践中检验，把 Agent 变成规模化输出的真实生产力。

OpenClaw 的爆火只是一个引子，它标志着我们从“调教大模型”阶段正式跨入“构建智能体社会”的时代。过去 30 年我们连接了信息，未来 30 年我们将连接智力。感谢三位老师的分享，也感谢每一位正在编写代码的“航海者”。IoA 时代不在远处，它就在每一次 Agent 的握手与连接之中。

youtube链接：https://www.youtube.com/watch?v=uD6aYHXrJG0

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。