我在 OpenClaw 火之前就开始玩了。

不是炫耀，是想说明一个事实：我给它配了一台 Mac Studio，接上 Claude Code 做大脑，连上 NotebookLM 做知识库，甚至插了一台手机让它操控 App。硬件拉满、软件拉满、诚意拉满。

然后我坐在它对面，认真地想了一个月：我到底能用它干什么？

答案少得可怜。

就在我怀疑自己的时候，OpenClaw 突然炸了。朋友圈刷屏，全网沸腾，有人用它约到5个女主播，有人靠它通过大厂面试。黄仁勋说它"比 Linux 还重要"，Altman 直接把创始人收编进了 OpenAI。

我困惑了。是我用的方式不对？还是这个世界在集体做梦？

带着这个困惑，我花了很长时间去研究。最后想明白了一件事——OpenClaw 确实是一个历史性事件，但不是大多数人以为的那种。

一、先说清楚：OpenClaw 在技术上做了什么

答案可能让你失望：几乎什么都没有。

OpenClaw 是一个奥地利开发者 Peter Steinberger 用大约60天搭出来的开源框架。拆开来看：

• 一个标准的 ReAct 循环（模型思考 → 调用工具 → 观察结果 → 再思考）
• 一个消息网关（连接 WhatsApp、Telegram、Discord）
• 一个记忆系统（本质上是带衰减机制的本地文件存储）
• 一个定时心跳（每30分钟唤醒一次，检查邮件、日历等）

有人分析了40个 OpenClaw 的经典用例，结论是：92.5% 不需要 OpenClaw，用 Claude Code、Cursor 或任何有终端权限的 Agent 都能完成。

TechCrunch 采访了多位 AI 研究者，得到的回答高度一致："从研究角度看，这里没有任何新东西。"

那问题来了——一个技术上毫无创新的东西，怎么就成了 GitHub 有史以来增长最快的项目？60天，31.5万颗星。

因为 OpenClaw 做的不是技术创新。它做的是另一件事。

二、你还记得 ChatGPT 怎么火的吗？

2022年11月，ChatGPT 发布。两个月，一亿用户。

但是——GPT-3 在 ChatGPT 之前已经存在了整整两年。同样的大语言模型技术，同样能对话、写文章、做翻译。API 一直开放着。

用过 GPT-3 API 的人有多少？几十万开发者。 用 ChatGPT 的人有多少？一亿。

差了三个数量级。

差别在哪？不是模型变了。是你妈能用了。

ChatGPT 把"跟 AI 对话"这件事从命令行搬到了一个网页对话框。不用装 Python，不用管 API Key，不用写代码。打开浏览器，打字，回车。

这不是技术革命。这是一次让技术被"看见"的产品革命。

三、OpenClaw 做了完全相同的事

AI Agent 框架在 OpenClaw 之前存在了很久——AutoGPT（2023）、Langflow、Open Interpreter、n8n，各种开源项目。它们能做的事跟 OpenClaw 没有本质区别。

但谁的奶奶用过 AutoGPT？

OpenClaw 把 AI Agent 塞进了 WhatsApp。

不用装开发环境，不用学提示词工程，不用理解什么是 MCP 协议。你打开你天天在用的聊天软件，给"龙虾"发条消息，它就替你干活了。

就这么简单。

GPT-3 → ChatGPT：把大模型放进了浏览器。各种 Agent 框架 → OpenClaw：把 AI Agent 放进了聊天软件。

这就是我说的"ChatGPT 时刻"——不是技术跃迁，是可及性跃迁。 让千万个从未接触过 AI Agent 的人，第一次摸到了门把手。

四、CEO 们在推崇什么？

理解了"ChatGPT 时刻"这个定性，你就能看懂为什么所有 CEO 都在站台。

他们推崇的不是 OpenClaw 这个产品，是 AI Agent 这个叙事。

看到了吗？OpenClaw 是一个特洛伊木马。CEO 们借它的热度，验证了"AI Agent"这个市场的存在，然后各自推出自己的商业产品。

黄仁勋说"每个公司都需要 OpenClaw 战略"，翻译过来就是：每个公司都需要买更多 NVIDIA 的 GPU。

这不是阴谋。这是商业。而且是非常聪明的商业。

五、龙虾走进了真实世界

OpenClaw 有多火？

不是"科技圈热议"那种火。是小区微信群里有人转发"免费上门帮装小龙虾"那种火。是你七大姑八大姨聚餐时也在问"那个龙虾到底是啥"那种火。京东上线399元远程部署服务，腾讯在深圳搞免费搭建专场，连闲鱼上都出现了"50块帮你养虾"的链接。

AI Agent 这个词，第一次从极客社区走进了街头巷尾。

这件事本身有巨大的意义。但意义归意义，"养虾"的人真的每天在用它吗？

目前的现实是：

成本。 有人详细算过，OpenClaw 要真正跑起来大约需要先烧250美金的 API 调用费"调教"它，之后每月运营成本300-750美金。有人测试用它注册一个 X 账号并发一条推文，花了55美金。

安全。 安全审计发现了512个漏洞，8个是严重级别。13.5万个实例暴露在公网上。更讽刺的是——Meta 的 CEO 对外推崇 OpenClaw，Meta 的安全团队对内禁止员工安装，违者开除。

可靠性。 大多数非技术用户在第一周内就放弃了。"昨晚还好好的，今天一条命令都发不出去了"——这是社区里最常见的反馈之一。

你可能觉得这些只是"早期问题"，迭代几个版本就好了。但我在这个行业做了这么多年，越来越清楚一件事——成本、安全、可靠性，这些表面上的"产品问题"，背后指向的是同一个结构性的根因：整个互联网不是给 AI Agent 修的路。

六、一条修错的路

你有没有想过，自动驾驶为什么卡了十年？

不是因为车不够聪明。今天的自动驾驶算法已经可以在测试场里开得比人类好。问题是路。 红绿灯是给人眼看的，车道线是给人脑判断的，路上还有一堆不讲规则的电动车和外卖小哥。整个道路系统——从交通标志到通行规则到事故责任认定——全是围绕"人类司机"设计的。

如果能重修所有的路——嵌入磁导轨、装上 V2X 通信基站、消灭所有不确定性——L4 自动驾驶可能十年前就实现了。

但你不可能重修所有的路。 一条京藏高速修了十年，你让它拆了重来？物理世界的基础设施，建成之日就是固化之时。拆一座立交桥比造一座还贵。所以自动驾驶只能在"人类的路"上硬开。开了十年，还没完全开明白。

现在你再看 OpenClaw。

整个互联网是为人类设计的。登录框是给人类的眼睛和手指用的。验证码是为了确认"你不是机器人"。审批流程、权限体系、合规风控——全是以"操作者是人"为前提。

OpenClaw 在干什么？操控手机屏幕，像人一样滑动、点击、输入。绕过验证码，模拟人类登录。这和自动驾驶用摄像头识别红绿灯是一回事——在一个不是为自己设计的世界里，模拟原住民的行为。

所以它又贵又脆又不可靠。不是它笨，是路不对。

看到这里你可能会说：那完了，自动驾驶卡了十年还没解决，AI Agent 也要等十年？

恰恰相反。

自动驾驶的悲剧，是 Agent 的机会。

区别在哪？物理世界的路，修不起，拆不动。数字世界的路，一个 delete 就没了。

京藏高速拆了重修？不可能。但一套登录体系、一个审批流程、一套权限系统——改它的成本跟物理道路完全不在一个量级。

互联网才30岁。30年里它已经重建过好几次了——从静态网页到动态应用，从桌面端到移动端，从单体架构到微服务到云原生。每一次重建都比上一次快。

自动驾驶被困住，是因为原子世界的基础设施改造成本太高。但 AI Agent 的战场在比特世界。比特世界最大的特点就是：推倒重来，几乎不要钱。

所以我们大概率会看到这样一幕：不是 Agent 去适应人类的互联网，而是互联网为 Agent 重建一次。

其实已经开始了。API 是给机器走的路，MCP 协议是给 Agent 设计的交通规则，Machine Credential 是 Agent 的驾照。今天这些路还是零散的、断头的。但它会修得很快——因为不需要拆立交桥，不需要封闭施工，不需要十年规划。

最后

我在 OpenClaw 火之前就开始玩了，玩了一个月，没觉得它有什么特别的。现在我想明白了。

对我来说，它确实没什么新东西。 我本来就有 Claude Code，本来就在用各种 Agent 工具。我是那个在 ChatGPT 出来之前就用着 GPT-3 API 的人。

但 OpenClaw 不是给我准备的。 它是给那些在小区群里问"龙虾怎么装"的人准备的。就像 ChatGPT 不是给 AI 研究者准备的一样。

这就是 ChatGPT 时刻的本质：不是让技术变强了，而是让技术被看见了。

而这一次被看见的东西，跟自动驾驶不一样。自动驾驶被困在原子世界里，路修不动，所以等了十年。AI Agent 站在比特世界的路上。这条路修得起，拆得起，重建得起。

所以别问"Agent 什么时候才能真正到来"。该问的是：谁在修路？修得多快？

答案可能比你想的快得多。