(网经社讯)过去一段时间，AI圈发生了很多大事件，但是有五件看似独立、实则环环相扣的事情，我和我们公司的的技术老司机、项目老炮儿一起还是想和大家聊一聊。

从开源工具把9万文本token压成4000图像token，到腾讯混元把图像生成速度提升10倍，再到OpenAI官宣ChatGPT与Codex的史诗级合体——这些事件拼在一起，揭示了一个AI界正在发生的根本性转变：AI正在从“大脑”进化出“手脚”，从“回答问题”走向“完成工作”。

这不是技术参数的简单迭代，而是产业逻辑的深层重构。

一、Fable 5的“降本魔术”：当AI学会“看图识字”

先看第一件事。

Anthropic发布的Claude Fable 5拥有百万token的上下文窗口，单次输出上限高达12.8万token。但问题也随之而来：上下文越长，费用越高。一次复杂的编码会话，光是输入token就可能花掉几十美元。

开源工具pxpipe的出现改变了游戏规则。它的逻辑极其巧妙：将代码、工具文档、系统提示等密集文本渲染成PNG图像，让模型按视觉token来读取——而图像的token成本由像素尺寸决定，与内含文字多少无关。

实测数据显示，一段约2.5万文本token的上下文，经过pxpipe转换后仅需约2700个图像token。在一场真实测试中，同一任务纯文本模式花费42.21美元，pxpipe模式仅需6.06美元，降幅高达85%。

但天下没有免费的午餐。 pxpipe的开源文档坦承这种方案存在“有损压缩”风险：Fable 5读取图像化内容时，精确的12字符十六进制字符串命中率仅13/15，而Opus 4.8上为0/15——哈希值、ID、密钥等精确字符串可能被误读。项目方明确建议：字节级精确的值必须保持文本形式。

这个案例给了我们三个启示：

第一，成本是制约AI大规模应用的第一道坎。 当一项技术能把使用成本降低60%以上，它的应用场景会瞬间扩大一个数量级。pxpipe的走红证明，AI产业正在从“能不能做”走向“划不划算”的阶段。

第二，“取巧”式优化永远伴随着代价。 图像化压缩token是聪明的工程技巧，但它在精确性上存在天然缺陷。这提醒所有AI应用开发者：降本增效不能以牺牲可靠性为代价，尤其在工业级场景中。

第三，生态的活力来自“边缘创新”。 pxpipe不是Anthropic官方出品，而是社区开发的开源工具。一个非官方的优化方案，能在短时间内引发全球关注——这正是开源生态最宝贵的生命力。

二、腾讯混元GEAR：中国AI在底层技术上的“硬突破”

如果说pxpipe是工程层面的巧思，那腾讯混元团队开源的GEAR就是基础研究层面的硬功夫。

图像生成模型通常分两阶段训练：先训练一个向量量化（VQ）分词器用于图像重建，再训练一个自回归（AR）生成器在冻结的分词器上学习生成。这种解耦训练的问题在于：分词器只管“重建得像不像”，完全不知道生成器“好不好学”。

GEAR的核心突破在于：首次实现了VQ分词器与AR生成器的端到端联合训练。它通过一个巧妙的“双读出”机制——硬分支训练生成器，可微分的软分支将表示对齐损失回传给分词器——让生成器“指导”分词器生成更容易预测的索引分布。

效果惊人：ImageNet上gFID收敛速度提升高达10倍。在GPIC文生图任务上，新AR在冻结分词器上达到基线NTP损失2.5倍、REPA损失11.1倍的加速。该方法可通用于VQVAE、LFQ、IBQ等多种量化器。

这件事的产业意义是什么？

中国AI企业正在从“应用跟随”走向“底层原创”。 

混元GEAR不是对已有工作的简单复现，而是在自回归图像生成这个核心方向上做出了真正的架构创新。代码与模型已全面开源——这不是“秀肌肉”，而是在参与全球AI基础技术的规则制定。

结合工信部等八部门2026年1月发布的《“人工智能+制造”专项行动实施意见》——明确提出到2027年推出1000个高水平工业智能体——腾讯混元这类底层技术突破，恰恰是“千体计划”得以实现的算力与效率底座。

三、OpenAI的“超级应用”：从“聊天”到“干活”的范式转移

6月初，OpenAI在一场名为“Intelligence at Work”的直播活动中宣布：未来几周内，将把Codex的核心能力直接整合进ChatGPT应用。

这背后是一个意味深长的战略判断：OpenAI内部越来越相信，真正代表下一代AI形态的，可能不是ChatGPT，而是Codex。

数据佐证了这一判断。自2026年1月以来，Codex周活跃用户增长了5倍以上，目前已达500万。更值得关注的是，知识工作者采用Codex的速度是开发者的3倍以上——驱动这波增长的核心动力不是写代码，而是通用办公。

在OpenAI的设想中，ChatGPT将从对话入口升级为企业员工调用智能体完成工作的统一界面；Codex也将从编程工具，变成能够处理数据分析、销售准备、市场素材、产品原型、投资研究、工程修复和安全扫描的通用工作Agent。首批六个“角色专属插件”已覆盖数据分析、创意制作、销售、产品设计、投资和投行六大领域，接入62个主流企业应用、110项技能。

这件事的深远影响在于：

AI产品的竞争维度正在从“模型能力”转向“工作流嵌入”。 谁能把AI塞进用户现有的工作流程里，谁就能赢得下一个时代的入口。OpenAI把Codex装进ChatGPT，本质上是把“工具”升级为“同事”——一个能替你干活、而非仅仅陪你聊天的数字同事。

对于中国AI产业而言，这既是警示也是机遇。警示在于：OpenAI正在加速构建从模型到应用的全栈闭环；机遇在于：中国拥有全球最丰富的制造业场景和最复杂的企业应用环境——谁能先把AI智能体真正嵌入中国工厂的图纸审核、设备运维、供应链协同中，谁就能在“AI+产业”这条赛道上跑出比通用智能体更深的护城河。

四、OpenClaw的“成长的烦恼”：开源速度与安全治理的赛跑

今年初爆火的OpenClaw（“小龙虾”），短短五个月内成为GitHub历史上增长最快的项目之一——近3万次提交、约2000名贡献者、近3万个PR。

但高速增长带来了严峻的治理危机。

创始人彼得·斯坦伯格在《AI Engineer》播客中坦言：项目已收到1142份安全公告，平均每天16.6份，其中99份为严重级别。对比一下：Linux内核每天约八九份，cURL整个项目历史共600份——OpenClaw五个月收到的报告是cURL整个项目历史的两倍。

更棘手的是大量由AI工具批量生成的“低质量噪音报告”，让真正的危险更难被及时识别。

针对“创始人入职OpenAI=项目被大厂收编”的担忧，斯坦伯格明确澄清：OpenAI并未收购OpenClaw，项目已移交独立基金会继续开源运营。同时英伟达、微软以及中国的腾讯、字节跳动已派出工程师进驻基金会协助安全加固。

OpenClaw的故事告诉我们：

第一，开源不等于免费的安全免责。 一个项目越火，被攻击的价值越大。当“个人AI助手”真正能操控电脑文件、调用工具时，安全就不再是“锦上添花”，而是“生死存亡”。

第二，中国市场的规模效应正在吸引全球开源项目主动寻求合作。 斯坦伯格明确提到，腾讯和字节跳动在实际使用中的规模比其他任何大洲都大。这不是偶然——中国企业和开发者对AI智能体的拥抱速度，正在倒逼全球开源生态重新思考“中国优先”的治理策略。

第三，“先跑起来再治理”的模式在AI时代可能行不通了。 OpenClaw的教训是：当一个工具能直接操控你的电脑、访问你的文件时，任何安全漏洞的代价都可能是指数级的。

对于正在布局AI智能体的中国制造企业而言，这更是一记警钟——别让“数字员工”变成“数字内鬼”。

五、多模态Agent工作流：一个正在成型的新范式

把这四件事串起来，一条清晰的脉络浮现出来：多模态Agent工作流正在成为AI应用的新范式。

传统的图像生成是“黑箱式”的：输入文字，输出图片，中间过程不可控、不可编辑。

而新一代的多模态智能体工作流正在改变这一切。

以arXiv上最新发表的GenClaw为例——它提出了一种“代码驱动的智能体图像生成”新范式：智能体像人类艺术家一样创作——先构思概念，再用代码（SVG、HTML、ThreeJS）渲染可执行的视觉草图，最后用图像生成模型补充纹理和真实感。

代码在这里扮演了“可控的中间画布” ——它把图像生成从黑箱变成了分阶段、可编辑、可解释的创作流程。

与此同时，阿里通义千问发布的Qwen3.7-Plus已经实现了多模态混合智能体的新突破——不仅能看懂图片和视频，还能深度推理、自我编程、调用工具、验证测试并自主迭代，将“看、想、写、做、验”整合进统一的智能体工作流。

这个新范式的核心逻辑是：

用图像模型生成视觉参考和设计草图

→ 用Codex/Fable等代码Agent实现功能

→ 多模态智能体统一调度“看、想、写、做、验”全流程。

纯文本模型在UI设计、字体排版上的天然短板，正在被“多模态Agent工作流”这一新范式所弥补。

AI不再只是一个“会说话的脑子”，而是一个能看、能想、能写、能画、能动手的完整“数字员工”。

六、五个信号背后的一个真相

五件事，五个信号：

pxpipe告诉我们：成本是AI大规模应用的第一道坎，降本增效的创新永远有市场。

腾讯混元GEAR告诉我们：中国AI正在从应用跟随走向底层原创，基础研究的突破才是真正的护城河。

OpenAI的合体告诉我们：AI的竞争正在从“模型能力”转向“工作流嵌入”，谁能把AI变成“同事”而非“工具”，谁就能赢得下一代入口。

OpenClaw的危机告诉我们：当AI长出“手脚”，安全就不再是锦上添花，而是生死存亡。

多模态Agent工作流告诉我们：AI正在从单一模态走向多模态协同，从“回答问题”走向“完成工作”。

把这些信号拼在一起，一个真相呼之欲出：

2026年，AI产业正在经历一场从“大脑”到“全身”的进化。 不再是“你给我一个问题，我给你一个答案”——而是“你给我一个目标，我还你一个成果”。

对于中国制造业而言，这个进化尤其值得关注。工信部等八部门2026年1月发布的《“人工智能+制造”专项行动实施意见》已经明确提出：到2027年，推动3-5个通用大模型在制造业深度应用，推出1000个高水平工业智能体。2026年4月，工信部与国家数据局进一步启动“模数共振”行动，推动“底层算力—企业数据—算法模型—应用场景”的全链路循环。

政策的号角已经吹响，技术的拼图正在成型。

但另一面同样不容忽视：

AI智能体的安全治理、数据隐私、算法偏见、就业冲击等问题，正在从“远期担忧”变成“现实挑战”。

正如OpenClaw创始人所说：“真正困难的，从来不是把它做出来，而是让它在真实世界里安全地活下去。”

对于中国制造业的决策者而言，现在需要回答的不是“要不要用AI”，而是“怎么用好AI”：

用pxpipe的智慧降本，用GEAR的深度筑基，用OpenAI的格局构建工作流，用OpenClaw的教训守住安全底线。

AI正在从“大脑”进化出“手脚”。而谁能最先让这双“手脚”在自己的车间里干出活来，谁就能在下一轮产业竞争中占得先机。

孙云沁Robert ，网经社电子商务研究中心特约研究员、县域电商专家 、"孙子电法"创始人 、产业互联网融合实践者、工信部原中国电子商务专家库高级专家、中国互联网协会"互联网+"研究咨询中心发起专家、上海魔治技术服务有限公司COO。

赵伟Jesse，前阿里，蚂蚁技术专家，15年+ 全栈架构经验，7年团队管理经验。聚焦 AIGC, Agent，端到端架构设计。长期任职于国内外知名企业架构与管理角色，负责多个千万，百万级 DAU 项目与产品，多年全栈架构经验，涉及多个前端，移动端，后端复杂场景，专注于 AIGC, Agent 端到端架构设计。

有丰富的 AI 场景落地，赋能提效实践，魔治技术CTO。

罗军Luke ，上海魔治技术服务有限公司CEO，多年腾讯、NTT Data、日铁、德勤，DXC等合作伙伴，上海市数字化转型试点评审专家，上海市工业互联网协会理事，全球型数字化项目管理专家 、企业端到端数字化转型专家，敏捷教练、设计思维教练、工作坊引导师，PMO教练，25年以上多个百人以上大型项目操盘交付经验，敏捷转型：SAP中国研究院敏捷转型操盘手之一。

1)         参考资料来源：

2)         GitHub - teamchong/pxpipe. https://github.com/teamchong/pxpipe 

3)         Zoomit. پروژه ساده با نتیجه خیرهکننده؛ راهکاری که هزینه هوش مصنوعی کلاد را ۷۰ درصد کاهش میدهد. 2026-07-05. https://www.zoomit.ir 

4)         AI Weekly. pxpipe renders Claude context to PNGs to cut bills 59-70%. 2026-07-03. https://aiweekly.co 

5)         GitHub - Tencent-Hunyuan/GEAR. https://github.com/Tencent-Hunyuan/GEAR 

6)         arXiv:2606.32039. Guided End-to-End AutoRegression for Image Synthesis. 2026-06-30. https://arxiv.org/abs/2606.32039 

7)         36氪. Codex、ChatGPT为何合体？Codex未来何去何从？OpenAI核心leader回应一切. 2026-07-05. https://36kr.com/p/3882258709180678 

8)         36氪/新智元. 今天，ChatGPT+Codex官宣合体，10亿人喜提“超级Agent”. 2026-06-03. https://www.36kr.com/p/3836668227466630 

9)         澎湃新闻. ChatGPT吞下了Codex，OpenAI意欲何为？. 2026-06-04. https://www.thepaper.cn 

10)     网易智能. 小龙虾之父亲诉：1100份漏洞报告，我根本看不过来. 2026-04-21. https://m.163.com 

11)     澎湃新闻. 突发！OpenClaw创始人加入OpenAI：智能体革命，真的来了. 2026-02-17. https://www.thepaper.cn 

12)     IT之家. “龙虾之父”新访谈OpenClaw内幕全公开. 2026-02-25. https://www.ithome.com 

13)     arXiv:2605.30248. GenClaw: Code-Driven Agentic Image Generation. 2026-05-28. https://arxiv.org/abs/2605.30248 

14)     阿里云开发者社区. Qwen3.7-Plus：想得深，看得懂，做得到. 2026-06-04. https://developer.aliyun.com 

15)     华泰证券. Claude Fable 5发布 - 前沿Agent能力再升级. 2026-06-12. https://www.163.com 

16)     工信部等八部门. 《“人工智能+制造”专项行动实施意见》. 2026-01-07. https://www.miit.gov.cn

17)     工信部、国家数据局. 关于联合实施2026年“模数共振”行动的通知. 2026-04-28. https://nmca.miit.gov.cn