以OpenClaw为代表的自立履行智能体爆火，标记着AI运用已经从“对于话交互”向“使命履行”加快演进。企业于加快拥抱的同时，也面对着算力华侈、安全合规等多重挑战。怎样让智能体真正实现范围化、可连续地落地，成为财产界配合存眷的焦点议题。

3月26日，于中关村论坛将来财产立异成长论坛中，蚂蚁数科年夜模子技能立异部总司理章鹏于演讲中暗示，OpenClaw的发作将带来企业级AI范式革命，鞭策年夜模子于财产场景的落地从‘参数竞赛’走向“Token效能竞争’。”

图说：蚂蚁数科年夜模子技能立异部总司理章鹏于中关村论坛演讲

OpenClaw类智能体的快速普和，反应了市场对于自立履行型智能体的需求，但于真实财产情况中，其落地面对显著挑战：因为缺少对于行业法则、营业流程的深度理解，智能体于履行繁杂使命时往往重复挪用东西，致使Token耗损远高在有用产出。据相识，于一些高频挪用场景中，OpenClaw的Token耗损成本可达集成式Agent成本的数十倍甚至百倍，这类高投入低产出的模式，让其于财产范围化运用中面对可连续性难题。

“年夜模子财产落地的下半场，焦点命题不是模子参数范围的竞争，而是单元Token效能的连续晋升。”章鹏认为，企业应联合现实场景与需求，选择巨细模子联合的AI解决方案，以更低算力成本实现更高营业价值。

以金融场景为例，该范畴天天需处置惩罚海量高频低时延的使命——快速辨认用意、提取要害信息、检索排序等等，这些使命具有高并发、快相应、高精准要求，传统行业推理年夜模子能力强盛，但于这些场景就像“杀鸡用牛刀”，成本昂扬，相应偏慢，资源华侈。

“财产真正需要的是，于确保专业、严谨与合规的条件下，实现最优性价比与相应速率的AI解决方案。”章鹏暗示。他认为，年夜参数模子于繁杂推理与深度阐发方面体现效果更优，小参数模子则于高频小使命场景的拥有更低延迟与更高性价比，财产需要巨细模子相联合的方案，才能更高效低成当地解决真实场景问题。

于中关村论坛上，蚂蚁数科发布了轻量级金融专用模子Ling-DT-Fin-Mini-2.5，这是Ling DT系列年夜模子的首款模子。据先容，LingDTFinMini2.5是一款轻量级MoE模子，基在Ling 2.5最新的混淆线性留意力架构，针对于金融范畴高并发、低时延的使命场景举行优化，于连结专业深度的同时，可将推理成本压缩至可范围化部署的水位。它比拟业界主流的同能力通用模子，推理速率快100%，处置惩罚不异使命量的硬件成本显著降低，为金融机构带来切实的降本增效价值。

事实上，当AI智能体加快渗入财产焦点场景、履行真实使命后，巨细模子相联合已经经成为行业趋向。近期，OpenAI便接踵推出两款小模子GPT‑5.4 mini与nano，主打低延迟与高性价比，作为履行层子智能体主力。

章鹏暗示，技能成长终将回归财产对于效率的理性要求，下一阶段的竞争中，Token效能将成为权衡企业级AI价值的焦点指标。蚂蚁数科将连续深耕企业级AGI，进一步推出百灵企业版Ling DT年夜模子和其行业版，加快智能体于企业级繁杂场景的范围化落地。

雷峰网(公家号：雷峰网)

雷峰网版权文章，未经授权禁止转载。详情见转载须知。