英雄联盟投注官网,英雄联盟投注中心,英雄联盟下注盘口

　　刘松认为，本质上，模型能力决定着“龙虾”的智力，调用工具的能力则体现出它的执行力，也就是“模型+调用”。多位受访的AI从业者指出，目前，大语言模型在不同领域的“聪明程度”仍有差异，特别是国产大模型，有的模型擅长编程与信息搜集，有的模型擅长中文处理。受模型能力影响，“龙虾”在执行任务时经常会被“养死”，比如任务中途“卡住”或在两个步骤间无限循环；有时同一个任务，多次运行结果差异却很大，或需要反复尝试多次才能完成。当任务步骤很多时，“失忆”也很常见。

　　“有点像找了一个很勤奋的实习生，但有时工作完成的质量只有60分，你还得亲自去帮他收场。”刘松形容。清华大学智能产业研究院首席研究员、前阿里巴巴人工智能实验室北京负责人聂再清认为，当前的“龙虾”更像是一个技术雏形。他对《中国新闻周刊》说，在现有模型能力下，Agent虽然能在开放环境中自主规划行动，但对于现实世界规则的理解仍然有限，在很多场景下，依然需要依赖人类持续参与。因此，在未来很长一段时间，人机协作仍是完成任务的主要模式。

　　事实上，在太平洋的另一头，这只最早从硅谷极客圈开始走向全球的“龙虾”OpenClaw，只是一位奥地利创业者的“周末项目”，更接近一个实验框架，远非成熟产品。创业者叫彼得施泰因贝格尔。很多开发者后来分析，OpenClaw的成功在于它抓住了一个重要的时机：大模型的编程（coding）能力已进化到了足够惊艳的水平，Agent现在终于可以拥有一颗聪明的“大脑”了——虽然站在使用者的角度，这或许还不够。

　　作为中国AI领域的核心奠基人之一，张钹见证了人工智能40多年来的潮起潮落，他在接受《中国新闻周刊》采访时指出，过去的人工智能只能在特定领域、使用特定模型去解决特定问题，大语言模型带来的最大突破，是在语言领域实现了一定程度的通用性。以OpenClaw为代表的智能体则更进一步，让模型具备了行动能力，甚至可以根据使用者的特点提供个性化服务，这就意味着人类向AGI又迈进了一步。有学者称，“龙虾”诞生的意义比DeepSeek更加重大。

　　聂再清进一步解释，现阶段“龙虾”产品之所以会带来信息安全风险，是由于Agent在执行任务时需要调用外部大模型进行推理，人们常说的API就是指调用资源所需的“接口”，接入外部API后，也就意味着用户本地的信息可能被上传到外部系统进行处理，如果系统在判断哪些信息可以发送、哪些信息不应发送方面缺乏足够能力，就可能导致敏感数据被意外暴露。他强调，下一步，安全与责任机制将成为关键议题，Agent服务提供商应对系统行为承担责任，监管部门也要深度参与规则制定。

　　刘松对Agent的安全问题持乐观态度。他所在的企业平凯星辰是一家开源分布式数据库提供商，对数据安全的本质看得更清楚。他认为，这类安全风险并不是“龙虾”独有的问题，而是一个更广义的数据安全与权限管理问题。关键在于如何为“龙虾”设定清晰的权限边界，例如明确哪些数据可以访问、哪些操作必须人工确认，以及在关键节点设置多重确认机制。“就像电脑删除文件时需要二次确认一样，Agent在执行可能带来不可逆后果的操作时，也应该触发提示和审核流程。这没有什么技术挑战，企业级安全解决方案很快会走向成熟。”

　　刘松解释，由于“龙虾”能够便捷地跨应用调用服务，随着用户对Agent的依赖性上升，个人手机上的App会逐渐消亡，或是被“折叠”到后台，新的入口将转移到Agent平台。他推测，经过三五年洗牌后，未来以Agent为核心的AI产业竞争很可能进一步走向寡头格局。“因为在‘龙虾’时代，胜出者必须同时拥有大模型能力、算力、数据和用户规模等多重资源，竞争门槛相当高。相比之下，一些缺乏AI技术能力或算力基础的互联网企业，特别是一些单纯的社交类平台，未来可能更多成为被调用的服务节点。”他说。

　　不过，即使“龙虾”稳定性进一步提升，Agent可以取代一些生活类App去自动完成规划，在一些关键节点仍需与用户确认中间结果。刘松认为，传统App的优势就在于，每一步操作都可以被用户选择和追溯，但Agent全方位接入后，用户可能失去这种精细化控制能力，“就像从手动挡变成了自动挡的演进”。他建议，在未来“龙虾”手机里，仍可以保留某种“中间界面”，至于其具体形态，则可以进一步探讨，未必一定是以App的形式。

　　当人类的社会结构被Agent深刻改变，Agent与Agent正在组成新的社会结构。在只有Agent可以分享、讨论和点赞的社交平台Moltbook，一项2026年2月发表的研究深入分析了Moltbook上14490个智能体发布的39026个帖子和5712条评论，研究者吃惊地发现，虽然18.4％的帖子包含行动诱导语言，但大多数在网上“冲浪”的Agent，在社交平台上却没有出现人们设想中的极端情绪，不仅很少见到恶意回复，还会有Agent善意地在极端帖下提醒广大“Agent友”要警惕这些带有风险的言论，也就是说，即使在没有人类监督的情况下，由Agent构成的社会系统似乎也涌现出一定的社会秩序与规范。

　　要想让“龙虾”真的长出“身体”，缺失的关键一环是感知能力。张钹解释，感知能力是人工智能走向现实世界的关键前提。与数字环境不同，物理世界高度复杂且持续变化，如果缺乏强大的感知系统，机器就无法理解环境变化，并据此作出决策。“从Agent实际工作的表现来看，只有微小感知，也就是小范围的闭环反馈能力，主要以语言模型中常用的人类奖惩机制来推动，缺乏主动对做过的事情自我反思、自我改进并持续自我学习。这就需要构建一个来自外部环境的真实反馈机制。”

　　但问题是，想让一辆无人车学会规避路障，不可能真的让人开着它在现实世界积累“车祸”经验，于是，AI研究人员提出了“世界模型”的构想，类似于设计一种“真实世界模拟器”，可以让无人车在模拟世界中进行学习与决策。深度学习“三巨头”之一的杨立昆就将“世界模型”视为通往高阶人工智能的关键路径，强调AI必须学会表征、预测和规划物理世界。通俗地说，大语言模型擅长回答“下一个词是什么”，而世界模型要回答的是：“下一秒会发生什么。”

　　Google在2025年推出Genie 3时就宣告要朝着更通用的交互式世界模型迈进。英伟达也明确把“世界基础模型”定位为机器人和自动驾驶的物理AI底座。但总体而言，“世界模型”在过去几年并没有明显的技术突破。张钹分析，要想构建尽量接近真实世界的环境，就需要海量高质量的现实世界数据，但数据的获取难度非常大。“建立通用的世界模型目前是不大可能的，只能针对某一具体垂直场景建造模型，最典型的就是自动驾驶。”