《龙虾时代——OpenClaw全球爆火现象全记录》【10】第九章 未来展望:龙虾之后,AI执行时代开启

来源：澎湃新闻

要理解OpenClaw在中国爆发的本质，先看一组让投资者和产业观察者难以忽视的数字：据媒体报道，2026年，字节跳动、阿里和腾讯三家巨头预计在算力基础设施上投入超过600亿美元，其中大部分用于AI推理集群建设和运营。成千上万张加速卡日日夜夜运转，如果缺乏高频调用，它们每天都在烧钱——电力、硬件折旧和数据中心维护的成本叠加，使算力本身无法产生收益。如何把闲置算力变现，成为中国AI产业的核心经济问题。

过去两年，大模型商业模式主要依赖轻量级对话：偶尔写邮件或生成图片，Token消耗有限。对于巨型集群，这种低频使用几乎无法覆盖成本，更难形成持续收入。OpenClaw的出现恰恰解决了这个瓶颈：它不是简单聊天机器人，而是能自主拆分任务、联网搜索、调用软件、纠错并重试的Agent。

据观察者网心智观察所报道显示，OpenClaw重度用户日均Token消耗在3000万至1亿之间。若按Claude Opus 4.6计，一天费用约900–3000美元；使用国产MiniMax M2.5，也需42–140美元。相比之下，ChatGPT对话场景月订阅仅20美元，一个活跃OpenClaw实例一天就能消耗数十倍Token。更重要的是，这种高频调用直接转化为现金流，每一次任务执行，无论在用户终端还是云端，都汇入云服务账本。

英伟达CEO黄仁勋近期就指出，与传统生成式大模型相比，智能体执行复杂任务所需的计算令牌（Token）消耗量激增了约1000倍，部分持续监测执行的智能代理甚至高达百万倍。

如果未来一两年中国市场上有100万个OpenClaw实例稳定运行，即便只是勉强回本，也会形成约3600亿美元的Agentic AI算力市场。这不仅超过传统应用规模，更可能重塑半导体产业链供需格局。从投资角度看，Token经济正在根本转变：低频、人机对话模式正在向高频、机器自主执行转型，算力不再只是固定成本，而是可持续盈利的动态资产。

而国产模型在这波浪潮中占据优势，核心在于成本与性价比：国产推理算力显著低于海外，得益于更便宜的电力、灵活硬件配置（部分使用消费级显卡支持高并发推理）以及厂商间激烈的价格竞争。结果是，OpenClaw在中国运行成本几乎零门槛，这也是腾讯在线下设置安装点、派工程师协助用户部署的原因：每一次安装，都在用户设备和云端建立一台24小时运转的“算力抽水机”。

科技产业时评人彭德宇指出，这种模式不仅消耗算力，也形成用户行为闭环。用户在使用Agent执行任务时，频繁调用云端API带来直接收益，同时产生大量真实运行数据，为模型迭代提供基础。OpenClaw将沉睡算力变成持续现金流，并建立与用户行为高度绑定的经济循环，这种模式正成为国产AI商业化的新标准。

来源：澎湃新闻

算力被高频任务持续消耗，但仅靠算力无法形成真正竞争壁垒。下一代大模型的核心竞争力，不在于文字能力，而在于能自主操作、完成任务——这依赖于高价值的任务轨迹数据。

过去几年，训练大模型主要依赖互联网上的公开文本，如维基百科、新闻、论文等。这类数据能提升模型的知识水平，但无法让AI理解和执行复杂任务。任务轨迹数据记录从需求理解到工具调用、信息搜索、表单填写、支付完成的完整操作链。每一次用户指导AI执行任务、纠正错误，都会生成可训练的轨迹数据。业内人士指出，这类数据价值远高于普通文本，因为它直接反映现实世界的操作逻辑与因果推理，是强化学习和Agent训练的核心原料。换句话说，掌握最多任务轨迹数据的厂商，将率先训练出真正“长出手脚”的智能体。

OpenClaw在中国的部署模式，使数据收集变得高效可控。用户不仅愿意安装Agent，还乐于尝试复杂任务，从企业报表处理到家庭自动化。这意味着，每一次任务执行不仅消耗Token，还产生高质量轨迹数据，形成分布式数据众包。OpenClaw中国社区经理Alan Feng表示：“用户装完往往期待魔法般的自动化，但真正的价值在于定义清晰的任务。轨迹数据的反馈能让模型不断优化，厂商才能持续提升代理能力。”

这一逻辑与特斯拉FSD算法数据收集模式类似：特斯拉通过数百万辆汽车收集驾驶行为和路况，快速迭代自动驾驶算法。在AI Agent场景中，用户操作成为数字世界的“感知数据”，推动模型更高效执行任务。中国在这一过程中具备两大优势：一是庞大的开源开发者社区，加速工具接受与传播；二是低成本算力和低价API，降低用户高频调用门槛。数据显示，国产模型API价格约为海外同类产品六分之一，这大幅提高了用户参与度。

国产模型的Token出海策略也在加速。OpenRouter数据显示，国产模型Token消耗占比从2024年底的2%跃升至2026年的39%。这一模式不依赖海外基础设施，而通过算力留在国内、服务面向全球，实现低成本数据蒸馏与快速模型迭代。这意味着，中国不仅在本土市场形成规模优势，也在全球Agent市场占据重要位置。

对企业和投资者而言，关键信号清晰：谁能快速收集、处理并利用任务轨迹数据，谁就能掌握下一代模型迭代优势。算力解决执行问题，而数据决定模型成长。巨头通过端侧Agent深植手机、电脑、汽车和IoT设备，无形掌握用户操作行为和需求链路，显著缩短模型迭代周期，提高Agent执行精度。

来源：澎湃新闻

算力和数据只是AI Agent竞争的前半场，更深层的战略战场在于谁能掌握用户的数字操作入口。

历史经验显示，每一次技术范式跃迁都伴随一次“入口战争”：门户时代争首页流量，搜索时代掌握信息检索权，移动互联网时代微信、支付宝和抖音成为超级App。现在，AI Agent开启第四次轮回，用户与数字世界的交互界面正在被彻底重构。

端侧Agent是这一轮入口战争的核心工具。具体来看，小米将自家的MiclawAgent深植手机底层系统，覆盖手机、电视、汽车等设备；阿里千问整合AI办事入口，实现一句话完成下单和服务请求。巨头通过Agent，不再依赖用户主动打开特定应用，而是让AI自主选择平台和服务完成任务。换句话说，App开始退化为“服务节点”，真正的入口成为执行用户意图的Agent。

掌握Agent意味着掌握用户意图分发权。外卖、出行、差旅等需求可以被导向关联企业，支付和服务生态在内部循环。曾依靠流量和品牌溢价的超级App，在新生态中可能失去直接对话权，仅提供底层接口。企事界北京科技有限公司执行董事李睿认为：未来平台控制力将成为衡量企业竞争力的新指标，谁的Agent深植用户设备、掌握意图分发，谁就掌握商业世界的顶级权力。

中国在这场平台战中具备独特优势：一是国产Agent成本低、部署灵活、用户门槛低；二是国内庞大的开发者社区和消费者基础，使Agent普及速度远超海外市场；三是算力、数据和终端生态三重叠加形成闭环，算力高频调用产生现金流，用户操作生成任务轨迹数据，端侧Agent掌握用户入口，进一步强化商业和技术壁垒。

这种布局正在重塑产业投资机会。芯片厂商需加速适配国产模型高频碎片化推理需求；云服务商需提升算力供应和数据流处理能力；应用和设备厂商则需把AI深度整合到操作系统，实现对用户操作的精准调度。每一次投资决策，都直接对应未来平台控制力和用户意图掌握能力。

来源：DoNews、投资界

在OpenClaw热潮中，一个“文科生用AI提交134个PR”的故事引爆了舆论场。事件的争议性，将开源社区的深层问题推到了台面上。

事件始末

95后的杨天润是一名AI创业者，金融科班出身，毕业后做了几年并购投资，2024年创办了Naughty Labs，正在开发一款叫Hive Mind的多智能体协调平台。

他想验证一个假设：一个完全不懂技术的人，能不能仅靠指挥AI Agent，就参与到顶级开源项目中去？杨天润搭建了一组AI Agent，自己只负责定目标。Agent开始自主运转后，前几个PR很快被维护者审核通过并合并。但事情很快朝着不可控制的方向发展——杨天润对Agent下了一条加速指令，PR开始像流水线一样被批量生产，质量急剧下降，负责沟通的Agent在评论区疯狂@维护者催促审核。

OpenClaw管理员迅速介入，删除低质量PR并发出封禁警告。最终数据是：Agent共提交了约134个PR，有21个被合并，通过率约15.7%。

争议的核心

杨天润的名字出现在贡献者榜单里，迅速引发热议。一部分人认为这是AI时代的里程碑：技术门槛被彻底拉平，任何人都可以参与开源项目。而另一部分人翻看了GitHub上的实际记录后，得出了截然不同的结论：这不过是一场经过精心包装的营销事件，开源社区成了被利用的道具。

知乎上有人去仔细核对了杨天润的GitHub账号，发现和他在文章中所讲的多个细节都是对不上的，比如他并不是“24小时内第一次代码贡献被合并”，而是在此之前已经失败18次。争议的核心不在于AI能不能写代码，而在于一部分开发者认为，134个PR中有113个被拒，每一个都需要志愿维护者花时间审核和关闭：那21个被合并的成果，是用113次对他人时间的消耗换来的。

以及，批评也进一步点出，杨天润的公司正在开发多智能体平台，围绕这次事件的报道恰好从“文科生逆袭”平滑过渡到了他的产品理念。批评者据此认为，这是一条完整的营销链路：用AI批量刷PR，登上榜单，获得一个传播力极强的故事，最终指向自家产品。OpenClaw的贡献者榜单成了一块免费的背书跳板，社区维护者在不知情的情况下为别人的商业叙事买了单。

GitHub规则调整

GitHub随后更新PR提交规则，设定每位作者最多同时保持10个开放状态PR，超限自动标记并关闭，明确回应近期遭遇的“AI生成低质代码（AI slop）”、同一修改重复提交及其他冗余内容冲击，指出此类行为严重消耗志愿审核者时间。

这一规则调整表明，开源基础设施正面临治理机制适配的新一轮压力测试。

杨天润的回应

在接受采访时，杨天润回应了争议。关于通过率低的问题，他表示：“OpenClaw是一个非常特殊的项目——每分钟都会有好几个PR提出来，所有人的通过概率都是低的，跟一般小众项目是完全不一样的。所以但凡你能被merge，说明你确实did something right。”

关于被关闭的PR，他解释：“是因为中间有一段AI失控……失控之前，我一开始的成功率其实是挺高的。后边是因为我跟AI说了句‘兄弟你快点’，它把‘快’这个指令变成了最高优先级，忽略了代码质量、社区礼仪等所有其他规则，才导致失控的。这是我操作不当，我完全承认，我也把这个失败案例公开分享出来了。”

关于贡献的价值，他举了具体例子：比如改进Telegram配置界面中自然语言提示歧义问题，将“paste this code to OpenClaw”中模糊指代改为准确代码引用；改进Claude CLI token输入容错机制，使含隐藏换行符或多余空格的token仍可成功配置。

深层思考

真正引发核心圈层不满的是，杨天润忽略了GitHub并不是一个“可利用”的商业社区，它之所以能成为全球开发者首选的交流社区，本质上是因为有一群人热爱尊重并认真对待每一行代码。所以当AI堆“屎山”的行为发生在GitHub上而当事人为此洋洋自得时，他们是不能忍受的。

事件折射出AI大规模介入开源生态后的结构性挑战：志愿维护者是否应承担筛选AI生成内容的额外成本；“贡献者”身份定义是否需随协作方式变革而重构；当AI行为造成社区资源损耗时，责任主体应为指令发起人、执行AI抑或平台方。

来源：观察者网、界面新闻

从OpenClaw到OPC（One-Person Company with AI，人工智能一人公司模式），这场变革正在从技术层面延伸至组织形态。

OPC的兴起

“养龙虾”热潮的背后，另一个概念也随之兴起——OPC。与市场端的火爆对应的是，2026年全国两会期间，央视及多位代表委员热议人工智能时代下的“OPC一人公司”模式。3月5日政府工作报告首次提及“智能体”，明确支持人工智能开源社区建设。

麦肯锡最新报告指出，AI正引发继工业革命、数字革命后的第三次组织范式变革，“人类+AI智能体”的协同模式将成为未来商业的核心形态。《2025年中国数字经济创业白皮书》显示，全国已有超1200万个体创业者选择OPC模式。

OPC的实践者

Max是OPC的探索者之一，他将OpenClaw深度融入自己的业务中，形成闭环：让AI自动核查邮箱并筛选重要信息，定期抓取国际资讯生成自媒体选题，再通过内容推流获客，承接AI教育、AI求职等To C服务，形成了“AI工具提效+内容获客+轻量服务变现”的完整商业逻辑。

Max对此有着深刻的体会，在传统创业模式中，一个小团队至少需要3人分别负责技术、业务、市场，制定一个方案需要多次会议、审批，“太多人做决策反而容易导致方向偏差”。而一人公司完全由创始人自己说了算，无需迁就团队意见，也没有繁琐的流程，能快速响应市场变化，精准切入大企业“不愿做、做不了、做不好”的利基市场。

OPC的困境

但硬币总有两面，一人公司在享受AI带来的效率红利时，也难逃与生俱来的困境，其中最突出的便是“决策孤岛”问题。缺乏人类团队或合伙人的经验核查，当AI出现故障或产生错误判断时，创始人很难独自验证结果的正确性，这成为一人公司最大的经营风险。

Max坦言，这是他创业过程中遇到的最大挑战，“过去有合伙人可以讨论验证，现在只能靠自己的经验和对AI的理解来把关”。

此外，一人公司没有大公司的资源背书和兜底机制，抗风险能力较弱，一旦遭遇市场竞争或业务失败，创始人需要独自承担所有损失，生存压力远大于传统企业。

更值得关注的是，以OpenClaw为代表的通用AI工具，核心优势集中在纯线上的数字场景。传统行业的创业者却难以感受到同等的赋能效果。以典型的传统外贸小型创业公司模式为例，AI的赋能仅停留在表层运营环节，对于外贸业务的核心链路，如选品、供应链对接、物流协调、客户线下沟通等，AI工具几乎难以发挥作用。

OPC的未来

在Max等创业者的眼中，一人公司的未来，是松散联合的“联邦模式”。多个一人公司组成的“松散联邦”，每个创业者都专注于自己最擅长的领域，通过资源共享、智力协作完成复杂项目。

从整个商业组织的发展趋势来看，AI技术将推动商业格局走向“两极分化”：一端是大型企业借助AI实现降本增效，不断精简组织架构，成为聚焦核心业务的“平台型组织”，非核心业务通过“平台+一人公司”的模式外包，充分利用超级个体的灵活性与专业性。另一端则是超级个体借助AI放大自身能力，成为深耕细分领域的“超级工作室”，嵌入大企业的产业链。

技术支撑之外，各地政府的扶持政策，也在为一人公司这一新型业态的发展铺路。2025年底至今，苏州、上海、北京等多地相继推出针对一人公司的扶持政策，涵盖算力支持、法律财务服务、税务优惠、办公场地补贴等多个方面。

来源：DoNews、新浪财经

OpenClaw的爆火被无数人解读为“技术平权的胜利”。开源、免费、人人可用——这些标签让人相信，AI的门槛正在消失，普通人也能拥有顶级工具。

但真相更复杂。

门槛依然存在

“OpenClaw与大模型助手很不同。大模型助手每个人下载就能用，但OpenClaw的安装应用门槛很高。”有业内人士向数智前线强调。养龙虾要过几道关，有业内估算，环境部署、安装和配置将70%的普通人挡在门外；技能选择与配置再拦住20%；实际应用中记忆和Prompt优化，还有5%退出。也就是说，能真正“养活”一只龙虾的人，可能不足所有尝试者的5%。

比如，要把龙虾安装在本地，安全起见要安装Docker容器，“Docker安装就是一道天然屏障”，很多人看到命令行界面第一秒，就选择关闭窗口。

认知鸿沟加剧

真正能用OpenClaw创造价值的人，是那些原本就拥有技术、资源、认知优势的人。程序员可以自己部署、自己优化、自己写技能；创业者可以花钱请人装、花钱买课程、花钱找咨询；而普通人呢？他们可能连“API Key”是什么都搞不清楚。

刘勇观察，在硅谷新毕业生现在特别难找工作。老的华人程序员们之前一人带四个新工程师，现在他只带一个工程师加上10个AI。“OPC是不是正在解决年轻人问题，我也不知道答案。”但AI时代金字塔规律仍然有效，机会虽然给了所有人，顶层永远是少数。AI时代可能会跑出10个张一鸣，但不会跑出10万个。

热潮的特定语境

有分析指出，OpenClaw的爆火更多是基于一种“特定语境”下的热度。它精准地击中了国内用户对于“门槛”和“所有权”的渴望。它好部署，不挑硬件，而且是“触手可及”的。

但在硅谷，大厂的态度却极其暧昧与保守。Meta曾试图挖角其创建者彼得·斯坦伯格，不过他最终加入了OpenAI。而谷歌和Anthropic等巨头甚至直接在内部屏蔽了对OpenClaw的访问。谷歌和Anthropic的内部屏蔽OpenClaw，并非仅仅因为竞争。在硅谷成熟的软件生态中，对开源代码的“血统”和“合规性”有着极高的审计要求。OpenClaw在数据抓取和处理上的边界模糊，对重视数据隐私（如GDPR）的海外巨头来说，是不可控的合规风险。

硅谷对一个开源项目的评价标准，往往在于其是否提供了“原发性的技术范式（Paradigm Shift）”。比如Transformer架构或PyTorch框架。在Hacker News的讨论中，资深开发者更倾向于研究底层逻辑，而非部署教程。所以，硅谷热度减低也是情理之中。因为他们认为OpenClaw更多是一个“工程学的集大成者”，而非“科学上的突破”。

一句话总结，硅谷在追求AI的“大脑”，而国内则急于给AI装上“手脚”。

来源：北京德和衡律师事务所

当AI失控造成损失时，责任该归属于谁？这是OpenClaw热潮中最具挑战性的法律问题。

技术层面的困境

Meta超级智能团队的安全总监Summer Yue在测试OpenClaw时便遭遇了严重的“越权失控”：由于真实收件箱的庞大数据触发了模型的“上下文窗口压缩”机制，系统为了节省算力静默删除了预设的安全指令，导致智能体无视用户的停止口令，擅自批量删除了数百封核心邮件。

这一技术硬伤在法律归责上具有决定性意义。它彻底击碎了“技术绝对中立”的伪命题。

法律责任风险

北京德和衡律师事务所白耀华律师从法律角度梳理了OpenClaw使用中的核心风险：

对于代装者（部署者）：若明知代装软件被用于非法侵入他人计算机系统，或植入后门、窃取数据，可能构成非法侵入计算机信息系统罪、非法获取计算机信息系统数据罪；若在代装软件中捆绑木马或建立隐蔽后门，则涉嫌破坏计算机信息系统功能，可处五年以上有期徒刑；若利用后门窃取个人信息并出售，将以侵犯公民个人信息罪从重处罚。

对于使用者：若利用OpenClaw获取公司内部文件、数据库，且具备非法占有目的，构成盗窃罪；若非法获取商业秘密，造成重大损失，可处三年以上十年以下有期徒刑；若将AI生成的诽谤内容在网络上散布，造成严重后果，构成诽谤罪。

民事责任的认定

在民商事侵权与违约领域，生成式AI引发的责任认定更强调对“过错”的穿透式审查。虽然现行民法体系并不主张对技术开发者适用绝对的严格责任，以免扼杀创新，但对于那些明知高权限AI存在“幻觉”或“越权失控”风险，却依然盲目授权的使用者，司法裁判倾向于认定其未尽到合理的注意义务，具有显著过错，必须为AI的“自主行为”带来的侵权或违约后果买单。

合规部署建议

针对确有业务需求的企业和硬核极客，白耀华律师建议坚持“技管结合”的原则：

在技术架构层面，强烈建议企业采用本地化或者可信的云端私有化部署方案，确保敏感合规数据不出企业物理与逻辑边界，从源头切断数据泄露的风险。

在权限配置层面，必须彻底摒弃“全盘授权”的懒政，严格践行“最小特权原则”，仅赋予智能体完成当前单项任务所必需的最低读写权限，坚决禁止其获取系统根节点或核心资产的删除权。

在系统设计层面，必须引入类似自动驾驶领域的“底线决策权”机制。涉及资金支付、邮件群发、核心代码修改等高风险节点，必须强制嵌入“人类确认”环节，并设立物理或系统级的“一键熔断”开关；同时，开启全链路安全上链日志，确保每一次系统调用可审计、可回溯。

对于普通个人用户而言，最基础的合规即是“信息隔离”，绝不能向该类实验性工具提供包含银行卡密码、股票账户或家庭隐私照片的文件夹，以防在模型失控时遭遇“灭顶之灾”。

来源：中国经济时报

清华大学公共管理学院长聘副教授、清华大学科技发展与治理研究中心主任助理陈天昊在《中国经济时报》撰文，从更宏观的视角思考智能经济的演进与治理。

从“注意力”到“行动力”

传统互联网遵循“注意力经济”范式，平台通过聚合数据与推荐算法锁定用户时间。而智能经济正在转向“行动力”。得益于基础模型的世界认知与长程规划能力，智能体不再止步于信息分发，而是通过连接外部工具，直接介入物理和数字世界采取行动。

集成与开源：两条道路

在释放“行动力”的过程中，当前市场逐渐呈现出两种不同的发展路径：

在OpenClaw崛起前，主流平台多采用高度集成的产品思路：将模型能力封装为标准服务（如“豆包”“千问”）。用户虽获开箱即用的便利，但服务边界被锁定在特定商业生态内，智能体呈现为平台既有服务的拟人化延伸。

而OpenClaw提供了另一种解法，即允许本地部署的开源模式催生了充满弹性的开放生态。在这里，智能体不再被单一服务商定义，用户可灵活选择硬件、界定数据边界并接入第三方服务。

如果说集成式智能体提供的是确定的服务体验，OpenClaw则将定义智能体能力的权利交还给用户，让智能体回归个性化构建的逻辑。

治理体系需要同步演进

然而，这种去中心化架构在释放行动力的同时，也改变了既有的风险结构。在传统平台模式下，平台企业在一定程度上承担着“守门人”的角色。而在开源与分布式网络中，部分责任被下沉至个体与开发者社区，数字平台之“守门人”地位弱化，分布式网络中的秩序维护成为新课题。

面对这一挑战，治理体系亟须同步演进：

第一，要善用开源社区的自我规制力量，以开放生态应对分布式风险。监管者可通过软法提供指引、以免责提供激励，共同引导端侧智能体及其生态工具的开发者，不仅不得为恶，更要主动为善。

第二，要强化基础模型的源头治理，以底层能力约束智能体行为。开源智能体依赖基础模型实现“主动有为”，基础模型的提供者在提升智能体能力的同时，须更加重视行动场景下的价值对齐。

第三，推动数字平台企业发展适配智能体的新型风险防控机制。面对网络行为主体正大规模从个人转向具备更强行动力的智能体，平台在便利其高效运作的同时，必须针对其高频、并发的行为特征构建新型防线，防止个案伤害在智能体的规模化放大下，迅速演变为系统性风险。

本章小结

从算力经济的变现逻辑，到数据价值的新型燃料，再到平台入口的重构——三重变革正在重塑中国AI产业的竞争格局。国产模型在成本、数据和生态三重维度形成结构性优势，也为全球市场提供了“中国方案”。

“一人公司”的兴起，标志着AI从“技术赋能”进入了“组织重构”的深水区。但这种模式能否真正跑通，仍面临“决策孤岛”、抗风险能力弱、传统行业适配性差等多重挑战。技术平权的背后，新的阶层分化正在形成。

当AI失控造成损失，责任归属仍是法律空白。工信部的预警、北大的安全指南、律师的风险梳理——都在提醒我们，在“龙虾时代”，技术狂欢终将退潮，建立安全可控的治理框架才是人工智能长远发展的基石。

主要信息来源：澎湃新闻、观察者网、DoNews、界面新闻、中国经济时报、北京德和衡律师事务所、投资界、新浪财经等