最近看完罗福莉一场长达 3.5 小时的深度访谈后，我最大的感受只有一句话：

AI 行业的底层范式，已经彻底变了。

过去两年。

整个行业都在围绕：

• 参数量

• Scaling Law

• RL

• 长上下文

• 多模态

• Benchmark

展开竞争。

但这场访谈里透露出来的信息非常明确：

大模型本身，正在逐渐退居“基础设施”。

真正决定下一阶段竞争力的：

是：

• Agent Framework

• 智能体编排

• Memory System

• Tool Use

• Skill 自进化

• 长任务工作流

也就是说：

AI 正在从：

Model Era（模型时代）

进入：

Agent Era（智能体时代）。

---

一、OpenClaw 为什么会让一线研究员“失眠”？

访谈里最震撼的一段。

是罗福莉描述自己第一次使用 OpenClaw 的体验。

她说：

最开始其实非常排斥。

因为在她看来：

所谓：

• 24 小时在线

• 本地化

• 长记忆

• 陪伴感

都只是：

产品层包装。

而不是模型突破。

但真正开始使用后。

第一晚。

她和 OpenClaw 从凌晨 2 点聊到天亮。

整个人兴奋到根本睡不着。

她第一次感受到：

“它非常有自主性，非常有灵魂。”

注意。

这里最关键的词：

不是“智能”。

而是：

灵魂感。

这其实是很多人第一次意识到：

未来 AI 的竞争。

可能已经不只是：

“谁更聪明”。

而是：

谁更像一个真实存在的数字生命。

---

二、真正改变体验的，不是模型，而是“编排”

很多人以为：

OpenClaw 的核心突破是：

• 长记忆

• 多模态

• 本地模型

但访谈里真正透露出来的重点其实是：

Agent 编排。

罗福莉提到：

OpenCore 的设计核心：

是通过整套 Agent Framework：

去弥补模型本身的短板。

这句话含金量极高。

因为：

过去行业默认：

模型越强，一切都会解决。

但现在越来越多人意识到：

单模型能力已经开始边际递减。

真正影响用户体验的：

开始变成：

• Memory

• Workflow

• Tool Calling

• Context Engineering

• Agent 调度

换句话说：

未来 AI 产品的核心竞争力。

正在从：

“模型能力”

转向：

“系统能力”。

---

三、OpenClaw 最恐怖的一点：它开始“自己选择模型”

访谈里有个细节特别关键。

用户上传视频后。

OpenClaw 会：

自动调用适合的视频模型。

用户甚至不需要知道：

• 哪个模型擅长视频

• 哪个模型 OCR 强

• 哪个模型适合推理

系统会自己调度。

这其实意味着：

未来真正成熟的 AI：

不是：

“用户适应模型”。

而是：

模型适应用户。

用户只需要：

说需求。

AI 自动完成：

• 模型路由

• Tool Use

• Workflow 编排

• Context 管理

• Skill 调度

这已经不是 ChatBot。

而更像：

AI 操作系统。

---

四、Agent 范式为什么特别“吃 Post-Train”？

这是整场访谈最重要的技术观点之一。

罗福莉反复强调：

Agent 非常依赖 Post-train。

原因很简单。

因为：

Agent 的核心不是知识。

而是：

• 行动能力

• 多步规划

• 工具使用

• 错误恢复

• 长任务稳定性

这些能力：

单纯靠预训练很难学出来。

因为互联网文本里：

并没有大量：

“完整 Agent 行为轨迹”。

---

五、为什么 RL 和 Agent 结合后会特别强？

因为：

Agent 天然适合形成：

闭环反馈。

比如：

AI 调用工具：

• 成功 = Reward

• 失败 = Penalty

它会逐渐学会：

• 怎么拆任务

• 怎么调用工具

• 怎么修复错误

• 怎么长期规划

这其实意味着：

未来 AI 的核心能力：

会越来越像：

“行动智能”。

而不只是：

语言智能。

---

六、最容易被低估的东西：Memory System

访谈里有个特别重要的观点：

OpenClaw 的 Memory：

是：

分层 + 分级的。

这意味着：

它不只是：

“把聊天记录变长”。

而是真正开始：

• 区分长期记忆

• 区分短期上下文

• 管理用户画像

• 管理任务状态

• 管理行为偏好

这其实已经非常接近：

人类记忆结构。

而且：

Memory 很可能会成为：

下一代 Agent 最核心的护城河之一。

---

七、为什么小模型开始“超预期”？

访谈里还有个非常炸裂的点。

他们甚至尝试：

把一个 3B 小模型接入 OpenCore。

结果：

这个小模型居然完成了：

很多人认为“不可能完成”的复杂任务。

这意味着：

未来决定 AI 上限的。

可能已经不只是：

参数量。

而是：

Agent 系统能力。

模型本身。

越来越像：

CPU。

真正决定体验的：

是：

• Framework

• Scheduling

• Memory

• Toolchain

• Workflow

---

八、AI 行业为什么开始重新重视“卡”

访谈标题里还有一个很关键的词：

“卡”。

这里其实不是单纯指 GPU 数量。

而是：

整个算力组织方式。

罗福莉提到：

未来：

1T 参数模型可能只是“入场券”。

但真正关键的是：

如何高效利用算力。

因为：

Agent 时代和过去最大的不同是：

推理需求会指数级爆炸。

过去：

用户：

• 提一个问题

• 得到一个答案

现在：

一个 Agent 任务可能会：

• 调几十次模型

• 跑长时间 Workflow

• 调多个工具

• 多轮反思

• 多 Agent 协同

于是：

Inference（推理）开始成为：

真正的核心战场。

---

九、AI 开始从“回答问题”变成“执行任务”

这是整个行业最大的变化。

过去：

ChatGPT 的核心价值是：

回答。

而 Agent 的核心价值是：

行动。

比如：

未来用户不会说：

“帮我写代码。”

而是：

“帮我把这个产品做完。”

然后 Agent 会：

• 写 PRD

• 拆任务

• 调模型

• 写代码

• 跑测试

• 修 Bug

• 部署服务

也就是说：

未来 AI 的核心能力。

已经从：

Conversation（对话）

转向：

Execution（执行）。

---

十、2026 年真正的主旋律：生产力爆炸

罗福莉在访谈里给了一个非常明确的判断：

2026 年最大的主题是生产力变革。

而且：

不是“小提升”。

而是：

巨幅提升。

因为：

当：

• 强 Agent

• 强推理

• 强工具调用

• 长上下文

• 长记忆

全部结合后。

AI 已经不再是：

辅助工具。

而开始变成：

真正的数字劳动力。

---

十一、AI 的终局可能不是聊天机器人

整场访谈最让我震撼的一点是：

很多一线研究员已经不再讨论：

“聊天机器人”。

他们讨论的是：

• 数字分身

• 自主智能体

• 自我迭代

• Skill 自生成

• AI 训练 AI

也就是说：

行业已经开始进入：

Agent 自进化阶段。

这是一个极其关键的信号。

因为：

当 AI 开始：

• 自己写 Skill

• 自己优化 Workflow

• 自己生成数据

• 自己改进 Agent

它距离真正意义上的 AGI：

就已经不远了。

---

十二、真正的范式变化已经发生

过去两年。

大家一直觉得：

AI 的核心竞争是：

“谁的模型更强”。

但现在越来越明显：

未来真正的竞争。

可能是：

谁拥有更强的 Agent Operating System。

这包括：

• Memory

• Workflow

• Tool Use

• Long Horizon

• Skill System

• Multi-Agent

• Self-improvement

模型本身。

正在逐渐变成：

AI 世界里的“电力”。

而 Agent Framework。

才会成为：

真正决定未来生态位的东西。

---

结语

这场 3.5 小时访谈最大的价值。

其实不是某个技术观点。

而是它透露出：

整个 AI 行业的一种集体认知变化：

大模型战争，可能已经接近尾声。

下一阶段真正的战争。

是：

Agent 操作系统战争。

未来真正强大的 AI。

可能不是：

“更聪明的 ChatGPT”。

而是：

一个：

• 有长期记忆

• 能自主行动

• 能持续学习

• 能调用工具

• 能自我迭代

的数字智能体。

信息来源：Bilibili《对罗福莉的3.5小时访谈》Ai好记转写（2026年5月14日）