最近这段时间，大家好像都已经把各类大模型当成了手边的常规工具。平时工作里用它改改错别字，或者下班前让它帮忙搭个周报的骨架，确实挺顺手的。

当最初接触新技术的那股子惊艳感慢慢褪去之后，很多人可能会跟我一样产生一种错觉，以为咱们平时体验到的这些对话功能，就是人工智能全部的实力了。

我原本也确实是这么以为的。

直到前两天晚上把2026 中关村论坛年会的一场开源主题圆桌实录完完整整看了一遍，那是一场名为 OpenClaw 与 AI 开源圆桌会议的讨论，几个真正坐在国内技术牌桌上的一线人物全来了。

1
看完这篇长篇大论的实录，我突然觉得自己挺可笑的。

我们这帮普通打工人还在群里天天死磕怎么写出完美的提示词，这帮大佬已经在聊怎么让代码自己打卡上班了。

就拿小米做大模型的负责人罗福莉分享的一个细节来说。咱们平时习惯了跟聊天机器人一问一答，但其实这种挤牙膏一样的玩法根本没探到预训练模型的底线。

人家实验室里现在是怎么操作的？他们给大模型套上一个叫做 Agent 的智能体框架，定下一个目标，再加上一些能够验证的限制条件，然后人就直接走开了。

这东西居然能自己在那死磕。算错了就自己重来，不断进行自我优化。让我觉得最不可思议的一点是，遇到那种极其复杂的科研难题，这套机制能自己默默在服务器里跑上两三天，全程根本不需要人类干预。

它这时候可没在网上到处抄套话。它是在像真正的科学家一样，去探索这个世界上原本还不存在的新东西。据说他们内部搞大模型研究的同学，靠着这套玩法，干活效率直接提升了接近十倍。

2
看到这里我是真有点坐不住了。

凌晨三点没人看着的时候，一堆程序还在不停地运转和试错，这画面想想就挺让人不安的。

不过这其实也正好解释了最近圈子里大家都在讨论的一个现象，那就是怎么有些原本好用的工具变慢了，甚至有些头部公司还偷偷涨价了。

智谱的 CEO 张鹏在会上说了大白话。以前的系统就是个陪人解闷的对话框，但现在它们开始转去干活了。系统得自己规划路径，得排除错误，还得猜你那模棱两可的真实需求。

张鹏原话是这么说的：“干活消耗的Token量是简单问答的10倍甚至100倍，成本大幅提高。”
懂了吧。真要想让这些数字员工替咱们搬砖，背后的成本是极其吓人的。人家调整价格其实只是为了回归正常的商业价值。

3
既然要干真活，底层的硬件就得硬碰硬地跟上。
无问芯穹的联合创始人兼 CEO 夏立雪提到一个很现实的痛点：咱们现在用的这套云计算基础设施，其实全都是给真人准备的，基本是分钟级的操作。
可人家智能体脑子转多快，秒或者毫秒级就能思考并发起几十个新任务。

原来的马车根本拉不动现在的高铁引擎。连底层的机房和算力网，以后都得变成能自我进化、自我迭代的系统。

其实就像张鹏在会上引用的那句业内调侃：“没卡没感情，谈卡伤感情。”算力才是目前大家面临的最真实的门槛。

顺着这个思路往下想，香港大学的黄超教授点破了一个更加不可思议的趋势。以后市面上的很多应用和软件，可能压根就不是做给活人用的了。

那是给谁用的？全都是给智能体原生使用的。你以后的工作状态可能就是，早上端着咖啡坐下，手底下已经养了一大群不知疲倦的数字员工。它们自己去各种后台拉取数据，自己填表格，自己跑完所有繁琐的流程。

咱们真人干嘛呢？就像黄超在圆桌上描绘的那个画面：“人最终只使用那些能让自己感到快乐的 GUI。”

我们在前面挑挑拣拣，点点那些看着顺眼的按钮就行了。

这种场景听起来感觉离我们还很遥远。但在这些一线从业者看来，这根本不用等好几年，很可能就是接下来一两年内就会发生的事。

4
我这几天一直在回味他们说的这些话。真心建议大家别再天天刷各种制造焦虑的文章了，也别在那死记硬背一堆复杂的提示词模板。

咱们现在最该做的事情，其实是调整工作方式。别再只盯着自己手头那些具体的执行工作了。

以后我们需要适应的新角色，是学会怎么把复杂的任务拆解开，然后有条理地分派给各种智能体去完成。这可能才是普通人在接下来几年里最实用的生存技能。