当AI应用从模型调用走向自主Agent，行业对“智能”的判断也在发生变化。BEYOND Expo 2026开幕式最后一场炉边对话以“From Code to Agency”为题，BEYOND Expo联合创始人贺建东与Linux 基金会全球 AI 首席技术官Matt White对话，讨论开源AI、Agent系统、安全边界和下一代AI人才。
Matt White最近到访中国多家AI实验室和机器人公司。他在对话中表示，中国在开源和开放科学方面表现积极，很多团队愿意透明地交流正在做的工作。对长期参与全球开源社区建设的他而言，这种开放度本身就是AI创新生态的重要信号。
开源AI有更长的历史。Matt回顾，早期机器学习社区一直有开放科学传统，scikit-learn等项目曾推动大量开发者进入AI实践。进入大模型时代后，闭源系统和开源系统仍会并行存在，就像Windows与Linux长期共存。不同的是，开源模型追赶闭源API的时间窗口正在缩短，许多技术创新也会很快在开放社区中被复现和改进。
Agent热潮让系统能力变得更加关键。Matt认为，行业过去过度关注模型性能，容易把智能等同于模型本身。到了Agent阶段，框架、执行环境、上下文、代码、工具调用和底层模型一起决定系统表现。智能是系统输出的结果，稳定性也要通过系统设计来获得。
Matt在对话中多次强调“benchmark the system”。对Agentic AI来说，单个模型的分数无法覆盖幻觉、错误执行、数据泄露和权限失控等问题。一个设计良好的系统，可以通过代码、上下文和校验机制补偿模型的短板，也能在复杂任务中提高可靠性。
安全是Agent走向生产环境前必须面对的一关。Matt提到，许多新技术在早期都缺少完善的安全机制，互联网早期也经历过类似阶段。对于今天的Agent开发者，社区教育和安全意识需要更早进入开发流程。无论使用OpenClaw、Hermes Agent还是其他框架，开发者都应理解如何设置护栏，降低私人信息外流和错误执行带来的风险。
开源同样可以形成商业化路径。Matt认为，创业者可以依托开源项目建立社区，吸收贡献者的能力，再通过专业服务、项目维护和行业应用形成商业价值。开放系统也让更多国家和地区的开发者获得AI能力。中国实验室产出的模型和方法被美国团队采用，印度、尼日利亚等地的社区项目也在成长，开放协作正在降低AI学习和实践门槛。
在开闭源关系上，Matt给出的判断并不激进。闭源API、开源大模型、中小模型和路由工具都会在不同任务中找到位置。对于政府和高度监管行业，可控性和基础设施自主权尤其重要。Qwen等模型在海外企业中的采用，也显示开放模型已经进入更多真实业务环境。
当话题转向中美AI竞争时，Matt把焦点拉回到人。他提到，AI研究者是全球稀缺资源，全球大约有30万名AI研究者，其中约一半在中国。研究人员会在公司、大学和国家之间流动，推动AI进步的力量，来自愿意解决难题、分享成果和保持开放协作的人。
这种判断也延伸到人才问题。Matt认为，如果今天的学生希望进入AI行业，全栈AI工程师会拥有更好的位置。他们需要理解从GPU、CUDA、模型训练、微调到应用构建的完整链条。面对Agent系统，下一步能力也会从prompt engineering走向context engineering和intent engineering，人的价值在于表达意图、提供专业判断，并与AI协同完成更复杂的工作。
Matt White的分享把Agent热潮引向一个更现实的问题：当AI开始替人调用工具、处理上下文并执行任务，人们愿意把什么交给它，又需要怎样的校验机制才会进一步放手。开源社区、系统设计和工程人才的价值，正在这个问题中变得具体。AI从代码走向Agency，最终考验的是一个智能系统能否被理解、被验证，并被托付给真实任务。