OpenClaw爆火60天:中国产业AI落地的“又一次集体进化”

建立13000万个社区，发布27000条帖子；自主购买电话卡给开发者打电话；自主联系热门餐厅，说服接线员挤出了空位；失控将Meta安全总监的200多封邮件删除；谷歌带头封杀，Anthropic紧随其后……

这一连串离谱又充满戏剧性的事件，都指向同一个主角。

2026开年，一个名为OpenClaw的开源项目以闪电般速度席卷GitHub，一天斩获9000颗星。两周后，星标突破17万，一时间，标志性的小龙虾图案登上各大社交平台头版。

这一路径的出现，也让产业链参与者迅速嗅到机会。

OpenAI直接挖走OpenClaw创始人。创业领域，美团联合创始人王慧文发出“英雄帖”，广招对OpenClaw相关领域感兴趣的创业者和技术人才。国内一众模型厂商等“卖铲人”则各显身手，智谱、Kimi、MiniMax、阿里云等国纷纷推出CodingPlan的API套餐，试图深度绑定这只炙手可热的“龙虾”。

事实上，OpenClaw的特殊之处在于，任何人都能基于其打造专属Agent助手，通过聊天界面让Agent跨平台、跨系统完成任务，这与过去“只说不做”“集成式”的AI助手截然不同，意味着Agent真正长出手脚，开始进入真实世界。

那么，OpenClaw的价值究竟是什么？真的无所不能吗？它为AI产业化落地带来了什么？真的能推动我们走向通用AGI吗？以及，在如今中国企业Agent落地正进入系统繁多却彼此割裂的深水区，OpenClaw这一路径，是否能够改变现状？

不论OpenClaw后续如何，但这些疑问背后，一个不可否认的事实是，火爆2个月的OpenClaw，已然给中国的AI落地产业链，带来一个新的方向和进化，那就是从智能体单点的技术、协议走向真正的智能体跨体系协同时代。

一直以来，Agent被视为让AI成为真正生产力的关键纽带。大模型像一个极其聪明的大脑，却并不会真正去“做”：它不会自己打开网页、填写表格、整理文件或跨平台操作。

Agent的意义，是为这个大脑装上“手脚”，让其不仅能思考，还能调用工具、访问系统、操作软件，完成一连串具体步骤。比如，把“帮我做一份行业报告”拆解为自动搜索资料、筛选信息、整理数据、生成图表、排版成文档并发送邮件，形成完整闭环。

但这个闭环始终存在裂痕。

数据显示，在WebArena这类真实网页多步任务测试中，GPT-4级模型在3—5步任务上的成功率约为40%—60%，一旦超过10步，往往降至15%—25%；超过15步时，成功率跌破10%。公开案例也显示，6—8步以上流程中，人工介入率高达40%—60%。

以电商行业为例，一家小型电商公司老板每天要登录多个后台，查看库存、对比竞品价格、调整定价，再检查广告消耗和ROI，最后导出报表生成日报。他希望用Agent自动化实现每天早上8点自动完成所有流程，团队只做策略判断。

但理想很丰满，现实很残酷。

上线第一天，Agent从ERP拉取库存数据，发现某款空气炸锅低于安全阈值，准备同步到平台避免超卖，却发现平台API只支持读取库存，不支持修改前台展示，仍需人工操作。

接着是比价。Agent即便抓取到竞品价格，但需要执行“批量改价”时，发现平台对改价API的权限做了分级，只有特定类目和大商家才能调用，而且频次有限。所谓“自动调价”，变成了“自动算价+人工执行”。

有企业尝试用RPA录制脚本，但电商后台频繁改版，维护成本极高，往往变成脚本工程师的长期劳动。

可以看到，企业落地Agent的前提非常苛刻，往往走的是对接API、梳理数据结构、重构权限体系、定制流程引擎这种“重集成”路线。这是一条典型的IT项目路径，周期长、投入重、改造深，一旦某个系统升级，接口就要重做。

OpenClaw这种开源框架，恰恰提供了另一种思路。

其基于视觉识别屏幕内容，定位按钮、文本和输入框。通过鼠标点击、键盘输入、滑动、滚动等通用控制完成操作，并在目标驱动下进行决策循环。

相比“重集成”路线，OpenClaw不再依赖平台开放接口，也不强求企业重构系统，而是在屏幕层直接接管操作逻辑，实现更强的执行力，深入企业生产环境。

例如在一项基于 CL-bench的公开测试显示，在 HR 培训类标准化任务集中，OpenClaw+MiniMax-free Agent 组合的任务解决率达 20%，而对应 MiniMax-M2.1、DeepSeek-chat 裸模型的任务解决率为 0%。

这种执行范式的转变，使得企业用户们跃跃欲试。

Agent迎来新一轮爆发。

2026年初，AI领域再次出现明显躁动，资本、企业与开发者情绪同步升温。

美团联合创始人王慧文发布“英雄帖”，招募OpenClaw创业团队并提供融资支持；开发者论坛被红色小龙虾刷屏；上下游厂商纷纷宣布接入……这种气氛，与2025年同期DeepSeek掀起的“接入潮”如出一辙。

在中国这个特殊的市场，从不缺乏将新范式迅速商业化的力气和手段。

1月底，第一波“卖铲人”，迅速就位。

互联网巨头共识很清晰，那就是不能把核心入口交给开源框架，而要以OpenClaw为参照，结合自身生态形成闭环，从算力、模型到场景全部打通。

阿里云是动作最典型的一家。

2月28日，其推出CoPaw个人智能体工作台，对标OpenClaw，主打“三条命令极简部署”，针对原框架部署复杂的问题做优化。同时原生适配钉钉、飞书、QQ等主流IM，支持本地与云端双模部署，并深度融合通义千问模型能力，解决海外开源框架在国内生态“水土不服”的问题。

在云侧，其上线OpenClaw一键安装与预装镜像，15分钟即可完成部署。其逻辑非常直接，那就是用OpenClaw吸引开发者和企业上云。

总的来说，阿里云的思路是以云基础设施为底座，以通义千问为模型中枢，以钉钉为高频办公场景，通过开源策略吸纳开发者，最终形成闭环。

腾讯云的策略更偏向流量入口。

其通过轻量服务器预置OpenClaw模板，打通企业微信、QQ、飞书、钉钉，并提供可视化切换面板，降低部署门槛。同时，腾讯内部启动自研Agent平台，目标是深度绑定微信、小程序与企业办公生态，减少对外部框架的依赖。

要知道，腾讯最大的优势是社交与IM的垄断级流量入口。无论是C端用户还是中小B端企业用户，触达能力都是行业最强。一旦Agent能力嵌入社交与办公体系，扩散速度会非常快。

百度智能云的打发则围绕搜索入口。

其将核心产品深度内嵌，在百度app实现一键调用OpenClaw智能体，企业在百度智能云完成部署后，可以直接通过搜索框或消息中心调用。后续还将覆盖百科、学术、文库、电商等全生态产品。在能力层面，百度千帆把搜索、百科、学术检索等能力封装为Skill，上架OpenClaw生态，补足中文信息能力。同时推出免部署云端版本，降低使用门槛。

总的来看，百度依托搜索入口和内容生态，把Agent嵌入高频搜索场景，而不是做一个孤立工具。

火山引擎的打法则更偏向流量分发与场景缝合。提供OpenClaw的完整部署方案，并通过豆包大模型、飞书、抖音API打通场景。开发者可以快速构建带货客服、企业数字员工等应用，字节承担流量分发角色。

基于抖音流量池、飞书企业场景和火山引擎的MaaS能力。其目标，是覆盖开发、部署到变现的全流程。

相比巨头强调闭环，模型创业公司更聚焦于成为“最合适的大脑”。

月之暗面率先推出KimiClaw，主打云端托管、无需本地安装，解决部署门槛问题。Kimi的优势在于长上下文能力与工具调用能力领先，同时在C端用户中认知度高。对其而言这一方案可以精准命中普通用户的使用痛点。

数据显示，KimiK2.5在OpenRouter平台调用量持续领先，并在OpenClaw模型调用榜中位居第一。

MiniMax则强调其多模态能力均衡以及底层训推架构的解耦能力，推出MaxClaw模式，一键打通OpenClaw生态，无需自行配置API。

数据显示，在一项“本地文件检索-全网资讯补充-稿件撰写-邮件发送”长链路办公任务闭环执行实测中，接入 MiniMax-M2.5的 OpenClaw，可 100% 完成全流程闭环执行，无中途中断、无关键环节失败。

智谱强调的是国产化与合规优势，推动GLM-5旗舰模型无缝兼容OpenClaw。强化了编程与长流程能力；科大讯飞则以语音能力和教育办公场景切入，提供低成本调用方案。

除了巨头和模型厂商，产业链玩家也迅速跟进。网易有道发布LobsterAI，定位“中国版OpenClaw”。

国产芯片与硬件厂商也加速适配，龙芯完成基于3B6000M芯片的本地部署；中科创达实现魔方派与AIBOX适配；清昴智能完成对昇腾等国产芯片的兼容。

最焦虑的RPA厂商和最怕被架空的SaaS厂商，也开启了自我革命。飞书发布了Agent友好型UI协议；金山办公2月20日也正式开放WPSAI行动套件；弘玑Cyclone、来也科技等，作为传统RPA代表，也迅速推出了“OpenClaw企业级管理后台”。也有一些安全厂商如奇安信，针对OpenClaw的安全性问题，发布了Agent行为防火墙。

无论是AI模型服务商押注OpenClaw最合适的大脑，还是互联网巨头打造从算力到场景形成闭环，亦或是产业链在补能力、SaaS巨头主动示好的“扶手计划”，本质上是基于自身优势构建差异化护城河，更是在为一个原本“笨拙、昂贵、有风险”的新生儿，合力打造一个可落地的温室。

OpenClaw在中国的火爆，早已超出了一个开源项目的范畴，转而演变成一场全产业链的“集体进化”。

可以确定的是，OpenClaw正在抬高企业对Agent的预期。

过去，Agent更多被当作问答助手或分析助手；如今，企业开始把其视为能够执行流程的数字劳动力。在流程重复、环境相对可控、缺乏API接口或人工成本高昂的场景中，其确实具备先发优势，这也是资本和产业链迅速跟进的原因。

但问题在于，OpenClaw真的无所不能吗？

答案是否定的。

要知道，OpenClaw与集成式Agent存在本质差异。集成式Agent基于结构化接口，通过API直接调用系统能力，一次请求通常在1至3秒内完成，多个动作还可以并行执行。

而OpenClaw采用是“截图—模型推理—坐标计算—动作模拟”的视觉闭环。每一次操作都要经过完整的感知与决策流程，单步耗时往往在15至30秒之间。例如一个“登录系统并导出报表”的简单任务，集成式Agent可能5秒完成，OpenClaw却需要3至5分钟的反复尝试。效率差距由此拉开。

更关键的是稳定性。集成式Agent依赖协议交互，输入输出结构清晰，可控性强；OpenClaw则高度依赖模型对像素界面的理解。一旦出现动态弹窗、页面刷新或UI微调，就可能产生“视觉幻觉”，导致点击偏移甚至陷入循环错误。

因此，OpenClaw不仅响应慢，而且在复杂环境中不够稳定。

效率之外，是成本问题。

集成式Agent主要消耗文本Token，单次任务成本可以低至0.01美元甚至更低。OpenClaw却需要持续传输高分辨率截图，每次推理可能消耗1000至1500个视觉Token；若任务链条较长，单次成本可能达到1至2美元。对于高频企业调用场景，这意味着成本可能是集成式方案的数十倍甚至百倍。

模型厂商的反应，也从侧面印证了这一点。

Anthropic就曾更新服务条款，禁止在OpenClaw等第三方工具中使用ClaudeFree、Pro或Max账户的OAuth，将这种行为定性为“token套利”和安全风险。随后，谷歌称检测到自家AI编程工具Antigravity后端出现“大规模恶意使用行为”，严重降低了正常用户的服务质量，连夜封禁OpenClaw。

这些动作传递出同一个信号，那就是基于订阅制的定价体系，难以承受OpenClaw这种高频、高消耗的调用方式。

如果说性能与成本尚属效率问题，那么稳定与安全则更为棘手。

集成式Agent可通过APIKey实现细粒度的权限控制，例如只读权限或仅限操作特定数据库范围。但OpenClaw本质上模拟的是“人类操作界面”，拥有更接近全局控制的能力。权限边界因此变得模糊。

近期，Gartner与Password等机构均发出警告，指出其容易受到“UI提示词注入攻击”。此外，已有数家韩国科技巨头和金融机构在内部网络中禁用OpenClaw，以防机密泄露。

在性能、成本与安全三重约束下，OpenClaw若要真正进入大规模生产环境，仍面临不小的现实挑战。

即便如此，OpenClaw的价值不仅在于其技术能力本身，更在于其提供了一种思路，那就是当理想的接口整合难以推进时，Agent或许不必等到系统重构完成，才有资格走进生产环境。

而这，恰恰触及了中国企业数智化转型中最现实的一道门槛。

根据《2024中国企业数字化转型报告》数据显示，中国大型企业平均拥有超过150个独立IT系统，其中约60%属于缺乏维护、无API文档或接口封闭的老旧系统。

一直以来，中国企业数智化转型都较为沉重。中国许多企业的数字化，大多不是自上而下一次性重构，而是在十几年时间里不断叠加。系统之间彼此割裂，但却又互相依赖。

因此，动一个系统，牵一发动全身。打通一次接口，意味着漫长的权限审批、数据安全评估、供应商协调。于是需求侧形成了一个悖论，他们希望AI能够真正进入生产环境带来生产力，但又无法承受结构性改造的代价。

在这种背景下，要求企业为了AI去大规模重构底层系统，可谓难上加难。

Anthropic与研究机构Material在2025年末对美国500多位技术领导者做了一次调研，近一半（46%）的组织认为与现有系统的整合是主要障碍。