夜雨聆风
"小龙虾"争议背后：AI应用范式的认知升级
大咖群里一场关于"路走歪了"的讨论
大咖群里，经常讨论各种在国外一些看上去比较正常的一些技术或者是商业模式，但是到了国内就会有另外一种形态出现，譬如说erp在国外通常不是自研的，但是国内通常大家都希望自研自拥有，就是大家这样戏谑为“路走歪了”那今天当"OpenClaw（小龙虾）火遍国内时，群内又炸了锅。
有人说"阿里味PUA小龙虾"引发转发大笑。
有人质疑"非要大模型算数学题，就是故意找茬儿，用错工具了"。
更直接的否定：“大模型解决业务规则的问题本身可能就是个伪问题。”
而我的看法很简单：
“小龙虾本身只是一个Agent体系，它本身没有智能，所谓智能依靠的是它不同的agent接什么模型。你不能简单说龙虾不行或者Agent不行。”
争议的本质是AI应用范式的认知不同——从"我要训模型"到"我如何组合现有能力"。
争议一：底层是概率学，消除不稳定性是"堵黄河水"？
群友说得直接：“底层transform框架决定了就是个概率学。就好比古人炼丹要长生不老一样，知道了很多道理但依然过不好这一生，缺的就是最后的执行。”
这是对的，但只是半个真相。
AI的本质确实是不确定性。
但企业要的不是消除不确定性，是管理不确定性。
OpenClaw的解法是什么？
不是让模型更确定，而是把不确定性封装在流程的黑盒里。
你定义一个"报销审核Agent"：
- • 启动条件：上传发票PDF
- • 流程：OCR识别 → 金额校验 → 对比报销政策制度 → 给出结论
- • 输出：JSON格式的审核结果
这个流程是确定性的，无论GPT-4还是Claude，输出格式一致。
模型的"概率性"被流程的"确定性"吞掉了。
“企业不需要太多自主决策，自动化就好了，决策权还在老板。”
我的看法：
AI的定位是执行层，不是决策层。
争议二：大模型解决规则是伪问题？
群主的调侃犀利：“25年来ERP一直被各种新技术’重塑’但从未改变，大模型解决业务规则可能就是个伪问题。企业小龙虾更像是一个唤醒自动化工作流的入口。”
我完全同意。
“只要讲得清楚的规则，都不是大模型解决的问题，都是属于事件驱动架构加工作流自动化的问题。”
但我想补充：
AI的价值不在于解决"讲得清楚的规则"，而在于处理"讲不清楚的问题"。
比如发票识别：
- • 传统OCR：只能处理清晰打印的PDF
- • 多模态AI：可以识别"皱巴巴拍的照片" + 手写批注 + 模糊印章
这就是差距。
规则清晰的、高ROI的场景，用workflow自动化。
规则模糊的、需要理解能力的，用大模型。
群友说，这其实是更加聪明的rpa。
我完全不同意。
接上大模型能力的openclaw构建的Agent体系和RPA完全是不同的物种。
当然，你可以说坐飞机可以到达了某个地方，我骑自行车也可以到某个地方，其实都是解决“交通工具”问题————如果这样去类比，那我也只能捂脸🤦♂️了。
OpenClaw的作用，就是让讲得清楚规则和讲不清楚问题这两类能力无缝衔接。
争议三：企业自建算力网是"毒"？
群友提到央企案例：“他们部署了市面的几家，估计是没有内部数据训练，效果确实不太好。打算自己搞算力网训练专属模型。”
有群友点评更狠：“ERP也要自己的，自己就是那么独特的存在。自主可控的毒。”
我的回应是：
“99.9%的企业不需要去发电了，但有企业是需要发电机的，我相信上海证券交易所就有发电机。”
大部分企业的选择应该是：
- 1. 不再想"买卡训模型"
- 2. 转而考虑"如何用不同的模型能力做平衡组合"
- 3. 把精力放在"如何用大模型能力结合自己企业的应用场景"
而不是逆向而行，掉进"自主可控"的坑。
OpenClaw的核心价值：可计量、可消费的技术能力
有大侠在群里说：“已参照该架构做了内部应用。”
有人担忧提到：“System Prompt消耗Token较多，比较费钱。”
这些都是实践者的声音。
OpenClaw带来的最大冲击是什么？
让AI变成一种可计量、可消费化的技术能力。
以前企业用AI：买卡、训模型、调参、部署、维护——重资产。
现在企业用AI：订阅API + 编排流程 + 按需付费——轻资产。
这就是"AI消费操作系统"的意义：
你不需要懂CPU怎么制造，你只需要知道怎么装软件。
你不需要训模型，你只需要知道怎么组合能力。
实践者的分享：Talk is cheap, show me the claw
群里最频繁出现的一句话：“先搞起来，再讨论。”
“一上手就用小龙虾搞ERP，可以很快劝退。”
“没有小龙虾时，我们就用Chatbot完成报销单发起了。”
这是血泪经验。
OpenClaw不是万能钥匙般的银弹，但它提供了一个可实践的技术路线图。
我举发票识别的例子：
- • 第一步（简单）：在ERP旁边放个按钮，点击调用多模态AI识别PDF，返回JSON填到表单（现在就能做）
- • 第二步（进阶）：做一个可以页面交互的Agent在页面运行，可以交互自动提取、填写、提交（需要类似agent架构）
- • 第三步（完整）：通过即时通讯工具完成或者在某个邮件里回顾说帮我处理一下发票（OpenClaw的模式强项）
不要一上来就要做第三步，但从第一天就要知道有第三步的存在。
我是怎么想的：5个核心判断
基于这场讨论，我梳理出自己的观点：
1. OpenClaw是"Agent操作系统"，不是"产品"
“它本身没有智能，智能来自接入的模型。”
就像Windows不生产软件，只是让软件能在上面跑。
2. 对个人：让AI从"玩具"变成"工具"
“让更多的人认识到AI不只是聊天生成文字画图生成视频，它也能够帮助你干活，听你指挥。”
3. 对企业：从"买卡"到"买能力组合"
“大型企业非常有借鉴意义。企业不需要再一想到AI就是去买卡，把精力放在买卡训练模型上面，而是考虑如何用不同模型能力做平衡组合。”
4. 架构价值：开放 + 可自我生长
我赞同大咖说：“小龙虾是一个开放的架构，是一个可自我生长的AI操作系统，去讨论它的优劣和前途已经没有必要。我更认为它的技术架构方式，可以给企业场景应用AI带来很大启发，甚至可以代码层次的借鉴。”
5. 实践路径：从小场景开始，但要有大视野
“99.9%的企业不需要发电，但有些企业需要发电机。”
你的场景是小龙虾能解决的，就先用起来；暂时解决不了的，别强求；但要知道它最终能解决什么。
结语：认知升级比技术升级更重要
这场群聊讨论的最大收获，是让我看清：
AI时代的核心矛盾，不是"技术不行"，而是"认知不同"。
还在纠结"大模型能不能算数学题"的人，就像1900年纠结"汽车跑不过马车"的人。
他们没说错，但我们要着眼未来。
OpenClaw带来的不是某个功能，是一套思考AI应用的方法论：
- • 模型是 commodities（大宗商品），不是稀缺资源
- • AI的价值在于组合，不在于自研
- • 确定性流程+不确定性模型=可控的智能化
- • 从能解决5%的问题开始，逐步扩展
如果你还在讨论"小龙虾行不行"，
建议先养一只，再说。
CTA
你在企业AI落地中遇到过哪些认知障碍？
评论区聊聊你的经历。
如果这篇文章让你重新思考了OpenClaw的定位，转发给那个总想自己训模型的技术决策者看看。
