OpenClaw小龙虾,为什么突然不热了?

“小龙虾”的爆火与降温之快，令人眩目。但它的价值恰恰不在于它这个产品本身，而在于它像一面镜子，照出了AI Agent的当下与未来。要看清OpenClaw的退潮本质，必须先理解它究竟是什么——以及它想把大模型带到哪里去。

一、本质：大模型从“大脑”变成“打工人”的关键一役

1. 从“聊天”到“干活”——AI的第二次范式迁移

OpenClaw并非一款普通的聊天机器人。在它出现之前，通用大模型的能力边界停留在“输入提示→获取响应”的单轮对话中——它们能写论文、能编代码，但在它们写完最后一个字的那一刻，任务就结束了。而OpenClaw通过Gateway、Agent Runtime、Skill System、Memory等七层架构，第一次在开源社区层面完整封装了“感知—规划—行动”闭环，让AI真正具备了操控电脑、跨应用联动、7×24小时自主运行的能力。

智谱CEO张鹏将其定义为AI能力落地的“脚手架”——在基础模型之上搭建了一套牢固、灵活的能力落地框架，让普通人无须掌握编程技能，就能通过自然语言调动大模型完成复杂任务。

2. “系统性Agent”——从函数调用到常驻进程

早期的AI Agent，本质上是“Prompt → LLM → 输出”的线性结构。而OpenClaw将AI从“被调用的能力”变成了“持续运行的系统”——它拥有运行时、调度系统和持久化的工作状态，在一次请求完成后不会归零，而会持续维护任务进度。

如果说传统大模型是“随时回答问题”的外脑，那么OpenClaw所代表的Agent形态，就是“替你去执行流程”的——真正意义上的数字员工。而OpenClaw的本质，正是用开源的方式把这个“员工”的招聘、培训和上岗流程平民化了。 它带来的最大变量，是让企业里最了解业务的人能够以较低的门槛将经验转化为可复用的数字能力，这正是OpenClaw被称为“革命性、颠覆性”的行业价值所在。

3. 智能体的本质架构

根据中国信通院的定义，智能体的本质是：以大语言模型为推理核心，通过“感知—规划—行动”闭环实现目标驱动的自主执行，而非被动响应单次输入。与传统LLM聊天的根本区别体现在三个维度：行动维度——智能体能够将自然语言意图转化为可验证的现实结果；持续性维度——智能体在多轮交互中维护工作状态，跨任务积累记忆；自主性维度——智能体能够自主分解复杂目标为子任务序列，并根据环境反馈动态调整策略。OpenClaw正是这一架构的完整实现——它的四层记忆架构让模型获得“越用越懂你”的能力，它的Skill生态让用户像装手机App一样为AI扩展能力。

从这个意义上看，OpenClaw更像是AI操作系统的“Linux时刻” ——它证明了：大模型之上的Agent基础设施不必属于任何一家巨头，开源社区也能打造出让大模型跨越“能说不做”鸿沟的底层框架。

二、退热根源：一次“试错式”的错配

如果把OpenClaw的热潮比作一次压力测试，那么它的降温恰恰踩中了所有产品在跨越鸿沟期可能踩的坑：极客产品与主流消费人群之间的认知断层、商业模式与真实成本之间的巨大错配、开源理想与商业现实之间的结构性矛盾。

业界常用“三高”来概括它的困境：高使用门槛、高Token消耗、高安全隐患。但真正让OpenClaw从“全民狂欢”滑向“窄众留存”的，是四个结构性的错配。

1. 心智错配：普通人需要“工具”，而不是“操作系统”

OpenClaw的真正用户画像，是极客、开发者和重度科技爱好者——而它爆火之初的出圈，却吸引了大量普通用户涌入“养虾”大军。这种用户预期与产品形态之间的严重错位，是热度骤降的第一推手。

原版OpenClaw的上手门槛非常高：需要一台常开电脑、Node.js v22以上、命令行操作经验、API Key配置等，对Windows用户尤其不友好。即便厂商纷纷推出一键部署方案，配置门槛降低了，使用门槛却仍在高位——用户仍需理解模型绑定、权限授权、Skill模块等一套新概念，对于“打开即用”的轻度用户来说，这无异于先学一套新操作系统。

更重要的是，OpenClaw天然更适合高频、连续、流程化任务——持续盯邮件、定时抓取信息、批量整理资料、多工具串联执行等长链路工作流。而普通用户的日常需求往往是碎片化的：回一条消息、查一个天气、设置一个待办。“杀鸡用牛刀”的错配让轻度用户迅速流失。用户的耐心远不足以支撑他们熬过从安装到“会用”的阵痛期，最终在8700人朋友圈调研中仅13人反馈还在使用，与早期200+人加群的热情形成强烈反差。

2. 经济模型错配：“龙虾税”从四挡直接弹射了五位数

OpenClaw的商业模式本质上是“套壳求生”——它本身不提供大模型能力，而是需要依赖Claude、GPT等大模型的API来完成推理。在早期，OpenClaw用户主要通过200美元/月的Claude Max订阅套餐来“薅羊毛”：一个OpenClaw实例单日可消耗1000至5000美元的API算力，而在订阅套餐下用户仅支付200美元，差额完全由大模型厂商承担。

这种结构性亏损从宏观角度来说是短视的，无法长期维系。当Anthropic于2026年4月4日正式切断订阅用户通过第三方工具调用额度的通路后，OpenClaw用户的成本瞬间暴增。原来每月200美元的Claude订阅，现在走API可能每天就要烧掉200美元。

而那些只有高频使用需求的早期资本不足的开发者，纷纷在API账单暴涨后选择了告别这类高消费。一位IT博主的自述很有代表性：“跑了两个礼拜，一算账单人都傻了……还没等AI替代我工作，我先因为付不起API费下岗了。”

3. 安全错配：监管红线与系统级风险的双重夹击

OpenClaw需要获取系统级操作权限，实现鼠标/键盘接管及文件读写等操作。这种能力的代价是极高的安全隐患——恶意技能包投毒、RCE远程代码执行漏洞、权限失控导致电脑被格式化等事件接踵而至。

更为致命的是，ClawHub技能市场因缺乏严格代码审查，被上传超1184个伪装木马恶意技能包，黑客利用GitHub账号仅需注册一周即可发布恶意包，导致用户SSH密钥、加密钱包等敏感信息惨遭窃取。当安全隐患以这样的规模浮现，监管铁拳成为必然——摩根士丹利报告明确指出，监管部门已紧急叫停国企、银行、政府等核心单位对OpenClaw的使用。

对OpenClaw生态而言，这根监管红线的划下，直接切断了OpenClaw在最具付费能力和安全合规需求的B端市场的商业化空间。

如果说安全风险是个案层面的“技术伤口”，那么产品自身的脆弱性则是一种更广泛、更结构性的“基因缺陷”。

4. 交付稳定性错配：开源志愿军扛不住商业化重担

OpenClaw的核心维护者是数十位兼职的志愿者——他们有本职工作，经营着各自的公司或在学校任职，却扛着一个36万星标、全球现象级热度的开源项目。在过去一个月里，OpenClaw更新了十几个版本，有时一两天就迭代一次。这种高频率更新把用户推到了一种“更新心惊胆战、不更新功能缺失”的两难中。

最讽刺的例证是，连英伟达和国内几家大厂基于OpenClaw搭建的内部产品，都不敢更新到最新版本，仍卡在3月上半月的旧版，担忧切换后会引发大范围技术故障。而团队不得不发起“停更周”，不加新功能，全力做稳定性优化。对于任何需要商业化落地的产品生态来说，“版本稳定”属于最基础的工程素养，而OpenClaw反复暴露了这套底层逻辑并未被天然内嵌至其社区文化中。产品成熟度与市场热度之间的鸿沟，也因此进一步拉大。

三、未来：它不是“凉了”，而是正在“沉淀”

热度退潮不等于价值消亡。OpenClaw的降温过程反映的是产品从极客狂欢走向主流采纳的必经阶段。

大模型对Agent能力的集成已成必然趋势。2026年4月发布的GPT-5.5官方定位为“面向真实工作的新一类智能”，在Terminal-Bench 2.0真实工作流评测中拿下了82.7%的高分，重点强调Agentic Coding、Computer Use和Knowledge Work三大方向。

DeepSeek-V4的发布公告中“Agent”一词出现了多达11次，将价格战从“聊天便宜”推进到“Agent便宜”的新阶段。Gartner在2026年初的预测进一步佐证了这一趋势，到2027年任务专用AI的使用量将是通用大语言模型的三倍。谷歌方面今年4月也披露其平台月度AI token调用量已达480万亿，同比增长36倍，说明Agent驱动的工作流自动化仍在持续爆发。

未来3—5年的演进方向已经清晰。

短期（1—2年）：AI Agent框架将深度集成进大模型本身，Agent与模型从“外部调用”走向“原生融合”。行业焦点已从“谁更懂回答”转向“谁能把事做完”，Agent能力的强弱将成为用户选择模型的关键依据。

中期（2—3年）：类似OpenClaw的Agent能力将作为标配内置于云平台。IDC预测，到2027年Agentic自动化将增强超过40%的企业应用能力。Gartner预测，到2026年底将有40%的企业应用部署特定任务的AI智能体，较2025年的不足5%呈指数级跃升。

长期（3—5年）：AI从聊天工具进化为“数字员工招聘平台”——企业采购的不是模型，而是“能稳定干活”的Agent员工。Agent与Agent之间的协作网络（支持MCP、A2A等多Agent通信协议）将催生新一轮的生态繁荣。而这一切的开端，都指向了一个共同的结论：AI Agent框架必然与底层模型深度融合。

当前小龙虾，更像是给四肢配大脑（AI大模型），未来一定给大脑配四肢。

今天的OpenClaw，本质上是让已经有“手和脚”（电脑、软件、API）的世界，获得一个大模型作为“大脑”来指挥它们。这是一种“外边挂大脑”的模式——大模型是后来接入的，四肢原本就有，所以需要复杂的适配层、技能市场、权限控制，处处透着一股“硬接”的别扭。

而未来的AI Agent，将是原生就有四肢的大模型——模型从训练阶段就开始为“行动”设计，具备原生的工具调用、环境交互、状态持久化能力。到那时候，每个大模型出厂时就配有标准化的“四肢”，不再需要OpenClaw这样的外挂框架来做桥接。这也是为什么我们说，OpenClaw的重要价值在于它用开源方式完成了Agent形态的全民启蒙，但它的最终归宿，是被融合进大模型本身。

谁能在自己的模型体系内提供最稳定、最好用、最安全的Agent能力，谁就能在下一阶段的竞争中占据核心生态位。这正是OpenClaw给整个行业留下的最大遗产。