产业分析:OpenClaw——Agent时代加速器

1、时间线

2025年11月，Peter Steinberger推出了一个看似不起眼的周末项目ClawBot。2026年1月5日，该项目正式开源；1月中旬，随着演示视频的病毒式传播，其GitHub星标数开始爆发式增长，短短3天内便收获6万星标。到3月3日，星标数突破25万，一举超越React，登顶GitHub全球软件项目榜首。相比之下，React自2013年开源以来，用了13年时间才积累到约24.3万星标，长期稳坐GitHub软件项目榜首之位。截至2026年4月5日，该项目的GitHub星标数已达34.9万。如此惊人的增长速度，让OpenClaw成为GitHub历史上增长最快的开源项目。

促使OpenClaw迅速增长的病毒式传播视频仅为用户自行录制的演示内容，并非由创始人Peter本人发布，均系第三方技术博主所发布；其自发传播的流量主要源于OpenClaw产品本身的实际效用。Peter在访谈中证实，该产品的迅速走红源于社区对“能自主执行任务的AI”理念的强烈共鸣，他仅负责项目维护工作，未进行任何营销推广。  

在极客圈层中引发关注：最初是少数早期用户在X平台发布实际操作视频（例如语音控制电脑、自动部署代码等），获得Andrej Karpathy等行业专家的转发与认可。  

在社区中迅速扩散：教程类视频在B站、抖音、Hacker News等平台被广泛转载，形成了“关注度越高，传播范围越广”的良性循环。  

更名事件引发二次关注：1月底因商标争议更名为Moltbot，引起全球媒体广泛报道，进一步提升了其热度；随后，以Moltbot为基础的社交社区Moltbook迅速成为讨论焦点，延续了此前的热度。  

由退休工程师开发出的热门产品既是偶然现象，也体现了人工智能技术发展的必然趋势。首先，技术积累需经长期沉淀。Peter Steinberger系一位奥地利籍全栈工程师，在移动开发与系统架构领域拥有超过十五年的深厚经验；他曾担任Realm（后由MongoDB收购）的核心工程师，并参与多个大型移动端项目的开发。这种长期的技术积淀，使他得以将复杂的AI Agent系统以简洁优雅的方式实现。而Peter一直怀有开发一个AI Agent的想法，但当时的AI技术尚不足以支撑此构想。直至2025年底，随着模型Codex能力的持续增强，强大的Codex能力使得开发出超越预期的AI Agent成为可能。

1、OpenClaw的爆火源于好用

好用在从AI chatbot向“执行引擎”的范式转变：

（1）将自然语言变成了新的"操作系统交互方式"；用户不需要懂代码，可以直接跟chatbot一样的对话，就能把任务做了；AI真正具备了操作电脑、浏览器、API 的能力，实现"思考→行动→完成"的闭环。

（2）本地化部署优先；但是此前不少agent也具备了操作电脑和浏览器的能力，但更多的是“云电脑”的思路，因此功能有限；其次是传统软件推出的agent功能，更多的依然是包装了的chatbot，功能上并没有解决痛点；而本地部署+CLI，给予了agent高权限，所以agent有空间去做更多可以做的事。

（3）可用性高；核心并非大模型能力突破，而是将LLM调用、工具编排、状态管理封装为可复用的“原子操作”，使非AI工程师也能在2小时内完成自动化任务开发。

2、OpenClaw的好用源自其技术架构的创新

当前行业普遍预期，OpenAI相关技术的落地场景将倾向于单个用户调用多个智能代理（agent）。因此，自2023年以来，各类应用厂商纷纷致力于开发基于自身能力赋能的agent，使得聊天机器人（chatbot）至今仍是大多数AI应用——包括企业级（B端）应用——的主要形态。然而，这一趋势更多地反映了应用厂商的立场：为应对技术变革浪潮、避免在AI时代落后，从而主动拥抱人工智能。

相比之下，OpenClaw则从用户视角出发。它并非一个独立的agent，而是一个用于调度与管理多个agent的操作平台。通过OpenClaw，用户可以根据自身实际需求，灵活调用不同的agent，其功能实现完全由用户自主定义，而非依赖应用厂商基于推测所预设的服务。换言之，OpenClaw帮助用户以较低成本实现定制化的专属agent。该平台不预先设定用户身份、行为路径，也不限制agent的功能与边界，一切均由用户自主配置，真正将agent的控制权交还给用户。正因如此，基于OpenClaw构建的agent方能切实响应用户真实痛点，进而推动用户为其价值付费。

OpenClaw的架构设计完美诠释了"工欲善其事，必先利其器"的深刻内涵，其核心架构清晰分为四层：

第一层是Gateway（控制平面）。OpenClaw的核心是长期运行的Gateway进程，它如同系统的"中枢神经"，统一接入30余种消息平台（包括WhatsApp、Telegram、Slack、Discord、飞书、微信等），用户可直接在熟悉的聊天工具中操控AI Agent。Gateway默认监听本地18789端口，通过WebSocket协议与所有客户端实现高效通信。

第二层为Agent运行时（Pi Agent）。Pi Agent采用RPC模式运行，通过内部机制与Gateway通信，支持工具调用流式输出及块流式输出，实现"边思考、边表达、边执行"的动态交互。其运行按会话键序列化，有效避免工具与会话的竞态问题，确保会话历史的一致性。

第三层是工具系统（Tools + Skills）。OpenClaw内置浏览器控制、Canvas渲染、节点控制、定时任务、会话管理等原生工具；基于AgentSkills规范构建的技能系统，允许用户从ClawHub（技能市场）一键安装社区贡献的各类技能。此外，系统支持在模型解析、提示构建、工具调用、消息收发等关键环节插入自定义逻辑，灵活满足个性化需求。

第四层为节点支持（Nodes）。macOS、iOS、Android设备可作为节点接入Gateway，暴露相机、屏幕录制、位置、通知等本地能力；同时支持通过Tailscale实现远程访问与安全内网穿透，拓展系统的使用场景。

同时，OpenClaw的成功更离不开浓厚的开源氛围——它是Peter编写40万余行代码（甚至大部分可能是claude模型贡献）打造的开源项目，而clawhub上已汇聚3万多个skills，这些技能正是所有“养虾人”分享的开源成果，它们持续反哺OpenClaw，形成了良性的进化闭环。

1、部署方式

目前主要三类：

（1）本地：OS、windows均可部署，但基本推荐闲置机，非主力机；因为OpenClaw还不够安全。

（2）云端：阿里云、腾讯云、火山云等都有一键部署的订阅套餐

（3）已封装的claw app

腾讯WorkBuddy、字节AILY、阿里悟空等在办公场景集成和企业工作台属性上较强；字节 ArkClaw、百度 DuClaw、阿里CoPaw更适合低门槛云端使用；MiniMax MaxClaw 与 Kimi Claw 更偏模型厂商驱动的托管式 Agent；小米 MiClaw则代表 Claw 从桌面走向移动端、从工具走向 OS 级入口。

实测结果表明，本地部署无疑是最优选择：其交互体验更为友好自然，且能精准深度适配个人工作流；尽管初期配置相对繁琐，但其实际使用体验却更为实用高效。云端部署虽能实现一键配置，但交互功能存在局限，例如无法实时调用本地文件。封装类App功能较为有限，且权限限制较多，难以满足个性化的深度需求，不过其安全性相对更高。

2、使用场景：AI是否好用取决于使用AI的人

（1）OpenClaw最适合有想法，但缺技术或执行力的人，换句话说，AI时代“人人都是产品经理”。它让普通人能用自然语言定义需求、调度工具、迭代流程，把抽象创意直接转化为可执行的工作流。这种“想法即产品”的能力，正在重塑人机协作的边界——技术门槛被消解，注意力与创造力成为新生产力核心。

（2）OpenClaw最适用的场景主要是重复性高、规则明确、但又略微复杂需要学习的工作。如自动整理会议纪要、批量处理发票报销、跨平台同步客户数据、实时监控竞品动态并生成周报。这些场景中，用户只需用一句话描述目标，OpenClaw便能自主调用OCR、网页抓取、表格解析、大模型摘要等技能组合，无需写代码、不依赖IT支持。它不替代人做决策，而是把人从机械劳动中解放出来，专注判断“做什么”和“为什么做”。2026年4月，已有超17万用户通过ClawHub复用他人技能，平均每周新增320个可直接运行的工作流模板。

1、云、算力——Tokens调用量暴涨，H卡租赁价格持续上涨

（1）单次任务Tokens调用量超预期

Chatbot单次简单对话消耗量大概在600-800Tokens，加入思维链一般才2-2.4千Tokens左右；一张720p图片生成消耗量大概1-2千Tokens，但高清图片生成的消耗量大概上万Tokens，1个1s 25帧的视频生成大概需要3-6万Tokens。从文本到多模态，Tokens调用量10x以上；OpenClaw则带来Tokens调用量继续数倍增长，根据实测，平均单次对话Tokens调用量2.7万，单次任务平均87万Tokens。

（2）tokens调用量暴增，供不应求

Anthropic Claude每日访问量，3个月翻4倍；2025年底的ARR为90亿美金，2026年3月ARR升至190亿美金，并且当前claude仍然供不应求，受限于算力不够用；不够用主要是Anthropic自身cowork、claude code很强。OpenAI 2025年底ARR 200亿，26年3月ARR预计250亿，同样也在快速增长，但是由于大部分收入来自ChatGPT订阅，因此增速不如Anthropic。OpenRouter大概占全球Tokens调用量2%左右，25Q4月均调用量25万亿左右，但26年3月22日当周调用就达20.4万亿。

国内因为OpenClaw导致Tokens调用量暴增更为明显，豆包从12月底日均调用量63万亿，增至2026年3月的120万亿，继续在高基数下，维持季度翻倍的增长节奏。智谱26Q1付费tokens调用量较去年底增长4倍。

(3）受益于AI应用，H卡租赁价格逆趋势上行

按照技术和产品迭代趋势，H200/H100会随着下一代blackwell出货带来的性价比碾压，价格下行；因此从23年到25Q3，H卡租赁价格下行；但是随着AI应用开始爆发增长，26年初H卡租赁价格开始逆势上行。

2、模型——商业化加速

Anthropic的Claude模型让同行对模型迭代方向的认知更加清晰——模型商业化的推进离不开更强大的编程能力支撑；而OpenClaw的出现，则为模型进化提供了更具象的载体与验证路径。过去，评判模型优劣依赖各类榜单，然而随着刷分现象泛滥，榜单公信力日益下降，盲测榜单应运而生；如今，模型是否好用则直接由Token调用量与用户最真实的反馈来定义。而Tokens调用量暴增，也是越来越多免费用户开始向付费转化，同时任务执行相对Chatbots的Tokens调用量翻了数倍以上。不过风险依然存在：模型领域的军备竞赛从未停歇，用户对模型的忠诚度也相当有限；厂商要么持续在技术能力上“卷”，始终稳坐第一梯队；要么加速商业化进程，直接转型为AI应用本身。

3、超级入口——社交平台

从OpenClaw的使用情况来看，其主要渠道仍是各大社交平台。多数用户更倾向于选择自己熟悉的平台，或是生态环境更友好的平台。无论是C端还是B端，社交平台依然是Agent对接的超级入口；在AI时代，流量非但不会分流至其他应用，反而会因社交平台成为统一调度的对接接口，得以拓展更多功能——用户粘性更强、使用时长更久、交互深度更深、流量也更为集中。

4、软件分化，AI吞噬逻辑持续

（1）SaaS：C端SaaS最易被AI渗透替代，B端与垂直领域相对难以取代，但通用型软件的可替代性显著提升。OpenClaw降低了技术竞争门槛：AI兴起后，软件内置Agent降低了个人使用产品的门槛，而OpenClaw进一步降低了个人应用技术的门槛——每个人都能通过Agent快速构建最适配自身需求的工具产品，不过软件产品的工程化优势仍不可忽视。

（2）安全：OpenClaw采用CLI命令行交互模式（此前同类工具多采用IDE），这种交互方式带来了独特的安全挑战。OpenClaw采用“全授权”机制，默认不限制系统命令执行，与Claude Code等产品的“零信任”设计形成鲜明对比。安全现状：截至2026年3月19日，已发布271条安全公告，其中严重及高危漏洞占比达70%；ClawHub平台上13.4%的技能存在严重安全问题，36.8%的技能存在安全漏洞。主要安全事件：国内有6.5万个OpenClaw服务暴露于公网，数量居全球首位；存在RCE漏洞CVE-2026-25253（CVSS评分8.8/10）；ClawHavoc供应链攻击爆发，约12%的Skills被证实为恶意；谷歌对相关用户账号进行了大规模封禁。不过，安全软件领域同样面临AI的渗透影响——尽管AI降低了攻击的技术门槛，但防守的技术门槛也在同步下降。

体来体来

风险提示：

本文件非基金宣传推介材料，仅作为本公司旗下基金的客户服务事项之一。本文件所提供之任何信息仅供阅读者参考，既不构成未来本公司管理之基金进行投资决策之必然依据，亦不构成对阅读者或投资者的任何实质性投资建议或承诺。基金有风险，投资需谨慎。本文所载的意见仅为本文出具日的观点和判断，在不同时期，瀛赐基金可能会发出与本文所载不一致的意见。本文未经瀛赐基金书面许可，任何机构和个人，不得以任何形式转发、翻版、复制、刊登、发表或引用。

END

瀛赐基金

 海纳百川

    瀛在净值

划线

人