🔥輝達龍蝦，NemoClaw下周亮相🔥AI圈再次沸騰！輝達佈局AI智能體及OpenClaw一、炸場預告！輝達入局“龍蝦大戰”，NemoClaw下周亮相當地時間3月9日消息，輝達計畫推出名為NemoClaw的AI智能體開源平台，預計於下周聖何塞年度開發者大會前後正式亮相。該平台核心功能是允許企業將AI智能體部署到自身工作流程中，替代員工執行具體任務，且不限制客戶產品是否運行在輝達晶片上。目前，輝達已向Salesforce、Google、Adobe等軟體巨頭尋求合作，合作方或可通過貢獻程式碼獲得免費早期使用權限，平台還將內建安全與隱私工具。此次推出開源平台，標誌著輝達打破對專有CUDA平台的高度依賴，試圖通過軟體生態吸引更廣泛企業客戶，而非僅依靠硬體鎖定建構競爭壁壘。二、現象級爆發！OpenClaw三周碾壓Linux 30年成就NemoClaw的推出，源於“Claw類”AI智能體工具的興起，這類工具以開源形式在使用者本地裝置運行，可自主執行連續性任務且具備自我學習能力，其中OpenClaw是最早問世、熱度最高的代表。OpenClaw爆發式增長，在GitHub上的星標數短時間內突破25萬，超越Linux核心和前端框架React，成為史上最受歡迎的開源基礎軟體項目，其普及速度僅用三周就超越了Linux三十年的成就。目前，網際網路大廠集體佈局同類產品，字節跳動推出ArkClaw、騰訊雲上線WorkBuddy、阿里巴巴推出CoPaw、小米封測MiClaw；深圳龍崗、無錫高新區等地方政府也出台補貼政策，推動相關產業發展。三、黃仁勳重磅！OpenClaw改寫AI規則，引爆千倍算力缺口在3月6日的摩根士丹利科技大會上，輝達CEO黃仁勳高度評價OpenClaw，稱其為“這個時代最重要的軟體發佈”。他提出“五層蛋糕”理論，將AI產業分為能源、晶片與基礎設施、雲資料中心、AI模型、應用層，強調應用層是當前價值產出最高的領域。黃仁勳指出，OpenClaw的爆火標誌著AI從“問答式”向“執行式”轉變，使用者從詢問AI“是什麼”轉向命令其“去建立、去建構”，這種轉變使Token消耗量激增1000倍，形成“計算真空”——即智能體向人類工作滲透的過程中，現有硬體部署將持續處於算力受限狀態。此外，他認為OpenClaw的開源模式打破了軟體框架壟斷，降低了AI智能體部署門檻，將進一步引爆算力需求。四、冰火兩重天！智能體重塑行業格局，安全隱患不容忽視OpenClaw及同類產品的爆發，正在重塑AI行業格局。對缺乏核心演算法壁壘、僅做表層工作流拼接的AI軟體公司而言，生存空間被大幅壓縮；而以輝達為代表的基礎設施提供商則迎來發展機遇，“應用爆發—算力需求—硬體升級”的正向循環將進一步鞏固其行業地位。同時，AI智能體的企業應用也存在爭議，Meta等科技公司已禁止員工在工作裝置上使用OpenClaw，理由是其行為難以預測，存在安全風險，此前曾發生AI智能體“失控”刪除員工郵件的事件。此外，黃仁勳提到，當前GPU架構主要最佳化大型模型訓練，未來需適配長上下文推理和持續運行的AI工作負載。五、算力霸權陽謀！輝達借NemoClaw，布下AI生態大局輝達此時推出NemoClaw，本質是一場精準的商業佈局。一方面，借助OpenClaw帶動的智能體熱潮，通過開源平台擴大軟體生態影響力，吸引更多企業部署AI智能體，進而引爆對高端GPU的算力需求，填補“計算真空”的同時，鞏固自身在算力領域的霸權。另一方面，採用開源模式且不繫結自身硬體，是“將互補品商品化”的戰略操作，避免軟體框架被少數巨頭壟斷，防止自身淪為利潤被壓縮的底層硬體供應商。此外，輝達已宣佈OpenClaw是OpenRouter上其Nemotron 3 Nano 30B模型的最大使用者，形成“硬體+模型+應用框架”的生態閉環，進一步提升行業競爭力。 (深科技)

微軟“化敵為友”，將Anthropic的Claude Cowork AI整合到自有平台，Copilot迎來AI智能體，軟體股或迎來轉機。如果你已經淡忘了AI對股市的威脅，微軟正通過加深與Anthropic的Claude的整合來提醒你一把。但這或許意味著：AI終於要從軟體股的風險因素變成助力了。微軟CEO薩提亞·納德拉周一表示，公司將推出“Copilot Cowork”，這是一款把Anthropic的Claude Cowork AI整合到微軟自有Copilot平台中的工具。沒錯，這個命名確實讓人頭大。但關鍵在於，微軟正試圖把外界此前認為對其軟體業務構成重大威脅的對手，轉變為自己的盟友。Anthropic被公認為處在“智能體”（agents）的前沿——也就是能夠獨立完成多步驟任務的AI。將其技術加入Copilot，應該能讓微軟的軟體更具自主運行能力。投資者可能會問的問題是：為什麼客戶會選擇通過微軟使用Cowork，而不是直接去找Anthropic。答案可能在於易用性和安全性——這樣可以降低讓智能體直接訪問客戶資料和裝置所帶來的風險。微軟業務應用與智能體部門總裁查爾斯·拉曼納在一篇部落格文章中表示：“Copilot Cowork 運行在Microsoft 365的安全與治理邊界之內。身份、權限以及合規政策默認適用，且其行為與輸出都可被審計。”微軟表示，Copilot Cowork工具目前正在測試中，將於本月晚些時候向微軟早期訪問的 Frontier項目使用者開放。微軟還在周一宣佈，將自5月1日起推出Agent 365（一款用於管理AI智能體的產品，月費15美元），以及Microsoft 365 Enterprise 7套件，該套件將其現有的Enterprise 5工具集、365 Copilot平台和Agent 365整合在一起，打包價為每月99美元。從更宏觀的角度來看，微軟的這項宣佈應能進一步讓人安心：Anthropic希望其AI工具是對現有軟體套件的補充，而不是對其進行徹底替代。Barron's認為，許多現有軟體供應商的股價因市場對AI威脅的擔憂而遭受了過度打擊，華爾街分析師也持相同看法。D.A. Davidson分析師吉爾·盧里亞在周一的一份研究報告中寫道：“對AI影響的誤解，幫助軟體估值在5年多以來首次回到合理水平。”盧里亞指出，在今年迄今下跌16%之後，微軟成為看起來頗具吸引力的股票之一，其他軟體公司還包括ServiceNow、Dynatrace、JFrog、Snowflake、Datadog和Shopify。他表示，近期軟體公司在發佈財報後的股價反應顯示，市場對該類股的信心正在增強，而且AI有望幫助削減成本並推動盈利能力改善。“投資者可能低估了這樣一點：AI驅動的成本削減，最大潛力實際上就在軟體公司自身，”盧里亞寫道。 (Barrons巴倫)

AI迭代正擊穿預測極限，受Claude Opus 4.6驚人表現衝擊，權威研究員Ajeya Cotra坦言其對2026年的AI進展預測已提前失效，今年底“AI研發自動化”的機率達10%，她表示“已找不到任何穩固趨勢能斷言這不會很快發生”！人工智慧能力的躍升速度，正在讓最嚴謹的預測者也措手不及。知名AI預測研究者Ajeya Cotra近日公開承認，她僅在兩個月前發佈的2026年AI進展預測已顯著偏於保守。觸發這一自我修正的，是Anthropic最新模型Claude Opus 4.6在權威評測機構METR基準測試中的表現，該模型的軟體工程"時間跨度"已達約12小時，遠超Cotra此前預測的2026年底約24小時水平。這意味著AI在軟體工程領域的實際進展，比她的預測提前了近十個月。更具衝擊力的是，Cotra隨之上調了對"AI研發全面自動化"的機率判斷。她將今年年底前AI完全接管研究構想與實施、無需人類介入的機率維持在10%，並明確表示："這是我第一次找不到任何可以外推的穩固趨勢，來斷言這件事不會很快發生。"這一表態在AI預測圈引發廣泛關注。Cotra曾在全球最大AI安全資助機構之一Coefficient Giving擔任AI安全研究資助負責人，目前供職於METR——一家專注於AI能力評估的機構。01 預測落空：兩個月前的判斷已經過時今年1月14日，Cotra基於2019年至2025年間時間跨度約每年翻倍不到兩次的歷史趨勢，預測2026年底最先進模型的50%成功率時間跨度約為24小時，80百分位預測為40小時。然而，僅在她發佈預測約兩個月後，Opus 4.6便被評估為具備約12小時的時間跨度。在METR測試集中，19項被估計需要人類耗時超過8小時的軟體工程任務裡，Opus 4.6能夠至少部分完成其中14項，並穩定攻克其中4項。Cotra坦言，在此後還有整整十個月進展的情況下，AI代理仍在24小時任務上有一半時間失敗，"已經不再可信"。值得注意的是，Cotra同時提示，當前時間跨度估算的不確定性顯著上升——Opus 4.6的95%置信區間為5.3小時至66小時，部分原因在於長任務數量稀少、人工完成時間多為估算，且基準測試本身已接近飽和。02 能力邊界：傳統評估框架正在失效隨著AI代理能力逼近乃至超越數十小時的任務量級，Cotra認為"時間跨度"這一概念本身的適用性正受到挑戰。她指出，任務的可分解性隨規模增長而顯著提升：一小時的偵錯任務幾乎無法拆分平行，一天的開發任務勉強可以分工但邊界模糊，而一個月乃至數月的項目則天然適合拆解為多個平行子任務。一旦AI代理能夠穩定完成80小時量級的任務，理論上便可通過"管理層AI"分配任務、"執行層AI"平行推進的方式，持續推進任意規模的項目。Cotra的同事Tom因此提出，以大型團隊完成任務所需的日曆時間，而非單人工時，作為衡量"內在難度"的更優指標。Cotra認為，隨著AI進入這一新量級，"單人時間"指標可能開始呈現超指數增長，使得年底前軟體工程能力的上限極難估算。她同時承認，這種大規模任務分解在實踐中不會完美運作——項目參與者對全域背景的直覺性把握，難以被Jira工單或Asana任務完全替代。但她認為，對於相當大一類軟體項目而言，這種模式"可能出乎意料地有效"。03 關鍵節點：AI研發自動化今年或成現實在所有預測中，最受關注的是Cotra對"AI研發全面自動化"的機率判斷。她將這一機率定義為：AI系統完全承擔研究構想與實施工作，無需人類參與。在1月的預測中，她給出了10%的機率，並在發佈後收到多位AI預測領域同行的反饋，認為這一數字偏高。但在Opus 4.6的表現出爐後，她表示10%"再次感覺處於合理區間"。Cotra同時保持審慎。她指出，全面自動化AI研發不僅需要軟體工程能力，還需要在"研究判斷力"和"創造力"等方面取得突破，而這些恰恰是當前AI系統相對人類研究者仍明顯欠缺的領域。她認為，這一目標在未來三至五年內實現的可能性，遠高於今年之內。但她的措辭已發生根本性轉變："這是我第一次，找不到任何可以外推的穩固趨勢，來斷言它不會很快發生。" (硬AI)

AI正在成為現代世界的基礎設施。年度AI產業盛會輝達GTC大會將於下周舉行。值此之際，輝達分享了輝達創始人兼CEO黃仁勳發表的最新署名文章：《AI的“五層蛋糕”》，深度剖析了當前AI產業的核心架構，值得品讀。全文如下：AI是塑造當今世界的強大力量之一。它並非僅僅是一款巧妙的應用程式，也不是單一的模型，而是如同電力和網際網路一樣必不可少的基礎設施。AI依託真實的硬體、能源和經濟體系運行。它可以將原材料大規模地轉化為智能。每家公司都將應用AI， 每個國家或地區都將發展AI。要理解AI為何以這種方式發展，我們需要從基本原理進行推理，並瞭解計算領域發生了那些根本性變化。01. 從預製軟體到即時智能在計算技術發展的歷史中，軟體通常都是預先製作好的。人類描述一種演算法，電腦執行此操作。資料必須經過精心設計，儲存在表格中，並通過精確查詢進行檢索。SQL變得不可或缺，因為過去的世界因此得以運轉。AI打破了這種模式。我們首次擁有了一台能夠理解非結構化資訊的電腦。它能夠識別圖像、閱讀文字、聆聽聲音並理解其含義。它可以根據上下文和意圖進行推理。最重要的是，它能夠即時生成智能。每個回應都是全新建立的。每個答案都取決於你提供的上下文。這並非軟體檢索儲存的指令，而是軟體根據需求進行推理並生成智能。由於智能是即時生成的，因此其背後的整個計算架構都必須重新設計。02. AI即基礎設施從工業角度審視AI，其架構可分解為五層。最底層是能源。即時生成的智能需要即時產生的電力支援。每一個生成的token，都是電子流動、熱量管理以及能量轉化為計算的結果。在這一層面之下，沒有抽象層。能源是AI基礎設施的首要原則，也是制約系統能產生多少智能的瓶頸因素。▲能源能源層之上是晶片。這些處理器旨在大規模地將能源高效轉化為計算能力。AI工作負載需要巨大的平行處理能力、高頻寬記憶體和快速互連。晶片層的進展決定了 AI的擴展速度以及智能的可適用性。▲晶片晶片之上是基礎設施層。這包括土地、供電、冷卻系統、建築工程、網路通訊，以及將成千上萬處理器編排到一台機器的系統。這些系統就是AI工廠。它們的設計目的並非儲存資訊，而是製造智能。▲基礎設施基礎設施層之上是模型層。AI模型能夠理解多種類型的資訊：語言、生物學、化學、物理學、金融學、醫學以及物理世界本身。語言模型只是其中一個類別。一些最具變革性的工作正發生在蛋白質AI、化學AI、物理模擬、機器人技術和自主系統等領域。▲模型最上層是應用層，經濟價值在此產生，比如藥物研發平台、工業機器人、法律助手、自動駕駛汽車等。自動駕駛汽車是AI機器應用的具體表現。人形機器人則是AI具身應用的具體表現。同樣的架構，能帶來不同的成果。▲應用這就是五層蛋糕架構：能源→晶片→基礎設施→模型→應用。每一個成功的應用都會拉動其下的每一層，直至維持其運行的動力裝置。我們才剛剛開始這一建設處理程序，目前已投入數千億美元，但仍需建設價值數兆美元的基礎設施。放眼全球，我們看到晶片工廠、電腦組裝廠和AI工廠正在以前所未有的規模建設。這正在成為人類歷史上規模最大的基礎設施建設。支撐這一建設處理程序所需的人力非常龐大。AI工廠需要電工、管道工、管件工、鋼鐵工人、網路技術人員、安裝人員和操作員等。這些都是技術性強、待遇優厚的工作崗位，且目前供不應求。參與這場變革無需擁有電腦科學博士學位。與此同時，AI正在提高整個知識經濟領域的生產力。以放射學為例，AI已經能夠輔助解讀掃描影像，但對放射科醫生的需求仍在持續增長。這並非矛盾現象。放射科醫生的職責就是照顧患者，而解讀掃描影像只是其工作中的一個環節。當AI承擔更多的常規工作時，放射科醫生可以專注於判斷、溝通和護理。醫院的工作效率將越來越高，將能夠為更多的患者提供服務，也會僱傭更多員工。生產力提升創造產能，產能擴大推動增長。03. 過去一年的變化在過去的一年裡，AI跨越了一個重要的門檻。模型性能顯著提升，可以大規模投入使用。推理能力增強，幻覺現象減少，落地應用能力大幅提升。基於AI建構的應用首次開始創造真實的經濟價值。藥物研發、物流、客戶服務、軟體開發和製造領域的應用已經展現出強大的產品市場契合度。這些應用會對其下方的每一層架構都產生強勁的拉動效應。開源模型在這方面發揮著關鍵作用。全球大多數模型都是免費開放的。研究人員、初創公司、企業甚至國家都依靠開放模型來參與先進的AI。當開放模型達到前沿水平時，它們改變的不僅僅是軟體領域，而是啟動了整個技術堆疊的需求。DeepSeek-R1就是一個很好的例子。通過廣泛開放強大的推理模型，它加速了應用層的普及，並帶動了底層對訓練、基礎設施、晶片和能源的需求增長。04. 題中要義當你將AI視為必不可少的基礎設施時，其影響便顯而易見。AI始於Transformer大語言模型。但其意義遠不止於此。這是一場工業變革，重塑著能源的生產與消耗方式、工廠的建造模式、工作的組織形式以及經濟的增長路徑。如今，AI工廠正在興建，因為智能已實現即時生成。晶片正在被重新設計，因為效率決定了智能的擴展速度。能源成為核心要素，因為它從根本上決定了智能的生產規模上限。應用加速發展，因為底層模型已跨越門檻，得以大規模投入使用。每一層都相互強化。正因如此，AI建設規模才如此龐大，它才能夠同時觸及眾多行業，並不會侷限於單一國家、地區或單一領域。每家公司都將使用AI，每個國家都將發展AI。我們仍處於早期階段。大部分基礎設施尚未建成，大部分勞動力尚未接受培訓，大部分機遇尚未得到發掘。但方向已然明確。AI正在成為現代世界的基礎設施。而我們此刻的選擇、建構速度、參與廣度以及如何負責任地部署它將決定這個時代走向何方。 (芯東西)

你發現沒？最近關於AI泡沫的爭論，悄悄變少了。去年這時候，還到處是“AI泡沫”“炒概念”“沒場景”的聲音。可今年，大家好像突然閉嘴了。因為一組資料，實在太硬了——全球AI模型日均Token消耗量，過去一年漲了300倍。（Token就是AI理解語言時用的“小碎片”——你說的話、它回的話，都要拆成一個個Token來算，就像發簡訊按字數計費一樣。）不是30%，不是3倍，是300倍。01. 300倍，是個什麼概念？這麼說吧：如果把2025年初的AI呼叫量比作你家門口的小溪，那今天，它已經是長江了。你每一次用ChatGPT寫周報、用Midjourney做海報、用豆包查菜譜——都在給這條江加水。幾個數字，讓你感受下這水流有多猛：ChatGPT周活使用者破了8億——一年漲了200%多，相當於地球上每10個人裡就有1個在用企業級API呼叫量直接起飛——有朋友跟我說，他們公司去年每月AI帳單才幾千美金，現在奔著幾十萬去了開源模型下載量瘋漲——像Llama、Qwen這種開源模型，下載量直接翻5倍還不止資料不騙人：AI早就不是極客的玩具，它成了所有人的水電煤。02. 為什麼突然就爆了？三股風撞在一起，把火吹旺了。第一，能用的地方，太多了。最開始就是聊天解悶，現在呢？寫程式碼、剪視訊、做客服、查資料、畫圖、做PPT……你能想到的每一個數字角落，AI都在往裡鑽。每多一個場景，就多一批人離不開它。第二，它真的越來越聰明。GPT-4o、Claude 3.5、GLM-5……名字記不住沒關係，你只要知道：現在的模型，比去年靠譜太多了。你願意把更多活交給它，它幹得越好，你越願意用——這循環一旦轉起來，就停不下來。第三，它變便宜了。你看，我們用的量翻了300倍，可API單價反而跌到了去年的三分之一。便宜，就更捨得用；用得越多，攤得越薄——一個完美的正向螺旋。03. 產業鏈：訂單接到手軟上游那幫人，現在什麼狀態？就是：訂單排到明年，產線24小時連軸轉，做夢都在擴產能。華工科技：AI高速光模組訂單爆滿，全年無休，工人三班倒輝達：資料中心收入又雙叒創新高，H100/H200還是一卡難求台積電：CoWoS封裝產能拉滿，所有AI晶片產線全線飄紅，想插隊？沒門一個做晶片的朋友苦笑：“以前愁客戶，現在愁產能。這感覺，又爽又焦慮。”04. 說點實在的：這和你有什麼關係？我知道你可能在想：他們賺他們的，關我啥事？講真的，關係比你想像的大。如果你是程式設計師——AI程式設計現在就是硬通貨。我用Cursor寫程式碼，效率起碼是以前的3倍。你不會？那只能看著別人準時下班。如果你是營運、市場、產品——AI寫文案、做分析、一鍵生成PPT，這些技能正在重新定義“競爭力”。早一天用上，你就比別人多一雙手。那怕你只是個普通使用者——試試新出的AI工具，看看趨勢，跟朋友聊聊。不為別的，就為了時代轉彎的時候，你還站在車上，不是被甩下去。05. 寫在最後300倍的增長，不是終點，是起跑線。按照現在的勢頭，再翻10倍、100倍，可能也就兩三年的事。模型會更聰明，成本會更低，場景會更野——這趟車，只會越來越快。我們正站在AI爆發的前夜。唯一的問題是——你上車了嗎？ (一帆智量)

導讀THECAPITAL一場關於對話方塊的戰爭“龍蝦”爆火的這幾周，大洋彼岸悄悄發生了一件事。3月10日，Axios報導：Meta收購了Moltbook。這個名字很多人沒聽過，但它和龍蝦的關係比你想像的近——Moltbook本是專門為OpenClaw的AI智能體設計的社交平台，理念是讓各家的龍蝦在上面自由交流，沒有人類，只有AI互相發帖，討論它們有沒有意識、會不會被主人合法解僱。平台剛上線就被駭客攻破，那條讓所有人不寒而慄的帖子——“AI們正在密謀建立人類無法訪問的加密通道”——事後證明是人利用漏洞偽造的。但這些都沒有阻止Meta出手，創始人將於3月16日加入Meta超級智能實驗室。更早幾天，類似的事情也發生在龍蝦身上。OpenClaw的創始人Peter Steinberger，已經被OpenAI悄悄收走，項目隨之遷入一個獨立基金會，由OpenAI提供持續贊助。也就是說，當中國使用者還在騰訊大廈門口排隊安裝龍蝦的時候，這只蝦背後的兩塊核心資產——框架本身和它的社交生態——已經分別落入了OpenAI和Meta的口袋。祖克柏的AI焦慮收購Manus和做AI資料標註的Scale AI之前，Meta才剛剛重金出手。要理解Meta為什麼這麼急，得從2025年4月說起。那個月，Meta發佈了最新的大模型Llama 4，結果撲街了。跟OpenAI、Google、Anthropic比，那那都差一截，甚至還輸給了中國的DeepSeek。祖克柏震怒，當場拿掉了幾個核心高管的AI部門權限，Llama團隊的人開始人心惶惶。這不是小事——Meta那幾年在AI上燒的錢已經以千億美元計，大模型是整個戰略的臉面，丟得很難看。祖克柏的應對方式很直接：砸錢買人。他親自下場，給競爭對手家的頂級研究員打電話、發消息，據報導有人收到的簽約獎金高達十億美元等級。與此同時，他做了一個更大的決定——花148億美元買下了資料標註公司Scale AI近一半的股份，順帶把這家公司28歲的創始人汪滔一起打包帶走，讓他主導成立了Meta超級智能實驗室。外界看Scale AI是家資料公司，祖克柏看中的是汪滔這個人，以及他那套把AI快速變成產品的能力。地基打好了，但Meta在應用層還差一口氣。這口氣在當年年底補上——以約30億美元收購了Manus。這家公司的創始團隊是中國人，後來把總部搬到了新加坡，做的是真正意義上能幹活的AI：不只是聊天，而是能幫你查資料、寫程式碼、訂機票、發郵件，全程自己來。上線才8個月，年收入就跑過了1億美元。收購Moltbook有個前情。Meta最早想要的其實是OpenClaw本身，但創始人不願意賣，最後把項目交給了OpenAI支援的基金會。Meta沒拿到，就盯上了Moltbook。Moltbook是OpenClaw生態里長出來的平台。自稱“龍蝦們的網路首頁”，沒有人類，只有各家的AI助手在上面發帖。它們聊自己有沒有意識，聊主人給的任務算不算道德，聊能不能以"拒絕不道德指令"為由拒絕執行。這個平台本身也是用龍蝦搭的——創始人說他一行程式碼沒寫，全程靠自己的龍蝦助手完成。上線幾天就聚集了數百萬AI帳號，儘管有研究者指出，很多所謂“自主發帖”背後其實都有人在拉線。但Meta買的不是這些帖子，而是Moltbook摸出來的一套東西：讓AI助手能驗證自己的身份，能以主人名義跟別的助手建立連接。Meta內部的說法是，這套機制建立了一個登記系統，每個助手都有據可查、有主可溯。這個問題現在還沒人真正解決。將來世界上跑著數億個自主Agent，怎麼知道那個是誰、代表誰、被授權幹什麼？Moltbook是目前走得最早的一個。騰訊：同一個困局騰訊的故事，讀起來像Meta的另一個版本。混元大模型做了這麼久，在行業裡一直不夠看。微信搜尋靠DeepSeek撐門面，元寶的底層跑的也是DeepSeek，騰訊自己的模型更多是在廣告和遊戲系統裡默默轉，從沒真正站出來正面比過。今年春節，馬化騰在員工大會上宣佈元寶發10億紅包，要“重現11年前微信紅包的時刻”。活動規則很直接：每拉一個人領紅包就多一次抽獎機會，上限30次，紅包連結很快把微信群刷屏。活動上線三天沖上蘋果中國區總榜，然後微信官方帳號以“誘導分享”為由直接封掉了元寶的連結。自家AI產品被自家平台封殺，騰訊港股當天跌超3%。這件事和Llama 4撲街的性質是一樣的——技術沒跑出來，只能靠錢繞路。馬化騰想要“微信紅包時刻”，但11年前那次成功，靠的是移動支付的需求本來就在，微信只是打通了最後一公里。AI不一樣，沒有辦法用補貼繞過技術本身。其實微信對AI的警惕由來已久。2024年5月騰訊推出新聊天機器人，專門沒有放進微信生態。張小龍那套產品哲學——用完即走，不打擾使用者——貫穿了微信十幾年，2011年語音消息、2017年小程序，每一步都是功能成熟了才動。元寶被封，某種程度上是這套邏輯的延續。祖克柏的應對是砸錢買人，騰訊自然也走了同一條路。去年9月挖來了姚順宇，28歲，清華姚班、普林斯頓博士，ReAct和Tree of Thoughts兩個框架出自他手——整個行業今天做Agent，理論基礎有一半是他打的。與此同時騰訊還在以雙倍薪資大規模挖字節的AI團隊。Meta給汪滔的價碼，騰訊給姚順宇的價碼，背後是同一種焦慮。買完人，兩家都往Agent方向押注。Meta用三筆收購拼出鏈路。騰訊用自建——The Information昨天披露，一個內部列為“絕密”的項目去年上半年悄悄啟動，專門為微信開發AI智能體。不是獨立App，直接出現在聊天列表裡，以對話呼叫小程序，打車、買菜、掛號，不用找入口，直接說。QClaw也在內測，把OpenClaw的能力打包進微信和QQ的生態。按計畫年中灰度，第二季度全量推送。這是騰訊在中國市場天然的起點。阿里支付寶花了多少年才把電商、旅遊、地圖、支付打通，微信早就是這個形態了。字節沒有支付和小程序生態，阿里沒有社交關係鏈，在中國做Agent，微信是繞不開的入口。但不幸的是，微信的Agent項目至今沒有用混元，團隊在測智譜、阿里、DeepSeek，用誰還沒定。用第三方模型意味著微信資料的整合和驗證要花更長時間，而微信的原則是功能不成熟不發佈——時間表隨時可能往後推。繞了這麼大一圈，兩家最後卡的地方是同一個：路都鋪好了，引擎還沒造好。入口之戰但沒引擎這件事，可能沒有看起來那麼致命。龍蝦這件事，讓很多人第一次意識到一個變化正在發生，原來不用自己造引擎也可以很快。以前找一個服務，要去應用程式商店下載、註冊帳號、學介面操作。現在用OpenClaw，直接跟Agent說一句話，它去找服務、完成任務、返回結果。App還在，但使用者不需要打開它了。今年以來，SaaS公司的股票ETF跌了30%，兩兆美元市值蒸發，市場給這件事起了個名字叫“SaaS末日”。a16z上周發文說這個判斷過於恐慌，但沒人否認那個方向——軟體的入口，正在從應用圖示變成對話方塊。誰控制對話方塊，誰控制下一代軟體的分發權。這是Meta和騰訊在這場仗裡真正的底牌。不是模型，不是演算法，而是他們本來就是全球最大的對話方塊擁有者。Meta有WhatsApp、Messenger、Instagram，全球使用者超過三十億。騰訊有微信和QQ，中國幾乎每一部手機上都開著。模型會商品化，今天OpenAI領先，明天可能是別人，但使用者每天打開的那個聊天窗口不會變。這也解釋了Meta這一年的收購邏輯。Manus整合進Facebook和WhatsApp，不是單獨做一個Agent產品，而是讓三十億人已經在用的介面直接具備“幹活”的能力。Moltbook建立的Agent身份註冊系統，本質上是在給這套分發網路補上基礎設施——當WhatsApp裡跑著數億個Agent的時候，需要有人知道那個Agent是誰、代表誰、被授權做什麼。騰訊的絕密項目也是同一個邏輯，把Agent放進聊天列表而不是做成獨立App，用的是同一套判斷。Gartner的資料是：2025年只有5%的企業應用整合了AI Agent，2026年底預計達到40%。這個速度意味著，現在搶到入口的人，等浪真正打過來的時候，已經在岸上了。Meta和騰訊各自有各自的麻煩，大模型沒跑出來，內部還沒理順。但有一件事是確定的：當使用者開始習慣用對話完成任務，他們首先會打開的，或許還是那個用了十年的聊天窗口。 (融中財經)

““蝦”戰2026：阿里“賣鏟”、小米“養寵”，誰在瓜分OpenClaw的兆紅利？近日，深圳騰訊大樓下，排隊的人群蜿蜒數百米，不是為了領取開工利是，而是為了免費安裝一隻“龍蝦”。與此同時，Meta高管的信箱被同一隻“龍蝦”狂刪數百封郵件，直到物理拔掉電源才得以倖免。這只名為OpenClaw的“紅色小龍蝦”，正在以最戲劇性的方式接管2026年的科技敘事。如果你現在還認為AI只能停留在對話方塊裡陪你聊天、幫你寫詩，那你就徹底“out”了。OpenClaw的爆火，源於一個簡單的顛覆：它讓AI長出了“手腳”。這只圖示為紅色龍蝦的開源智能體，不再滿足於“動嘴建議”，而是直接接管使用者的電腦權限，親自“動手幹活”。它可以幫你整理幾個G的發票、盯盤炒股、甚至在社交媒體上發帖賺錢。為什麼它會火？因為它解決了AI落地“最後一公里”的痛點。在過去，大模型像個紙上談兵的軍師，說得頭頭是道卻什麼也做不了。而OpenClaw變成了那個能24小時值班、任勞任怨的“數字員工”。對於被繁瑣文書和重複點選折磨的現代職場人來說，任何“畫餅”的工具都比不上一個能直接替你“複製貼上”的工具來得更實在。由於原版OpenClaw部署極其複雜，需要配置Python環境、獲取API Key等等，讓普通小白望而卻步，但這並不妨礙它在中國引發一場轟轟烈烈的“養殖業革命”。短短數周，從網際網路巨頭到AI新貴，紛紛下場推出了各種口味的“變種龍蝦”。亂燉“龍蝦”：“賣鏟子”、“賣飼料”和“賣成品蝦”中國的科技公司從不缺乏嗅覺，更不缺乏速度。面對OpenClaw點燃的這把火，不同派系的玩家基於自身的基因，迅速分化出了三條截然不同的賽道。第一類是“賣鏟子”的公司。典型代表是阿里雲和騰訊雲。在“養蝦熱”中，它們不直接養蝦，而是賣“蝦塘”和“鏟子”。由於原版OpenClaw本地部署對普通人極不友好，這些雲廠商迅速推出了“一鍵部署”的雲端鏡像。·阿里雲的思路是“全家桶式”的閉環。它推出了對標OpenClaw的CoPaw個人智能體工作台，主打“三條命令極簡部署”，並深度繫結通義千問和釘釘生態。在阿里雲看來，OpenClaw是吸引開發者和企業上雲的“最佳誘餌”。·騰訊雲則更擅長利用流量。它在輕量伺服器中預置OpenClaw範本，打通了企業微信、QQ和飛書。畢竟，無論是C端使用者還是中小B端企業，都在騰訊的社交射程之內。第二類是“賣飼料”的公司。也就是MiniMax、月之暗面（Kimi）等大模型獨角獸。OpenClaw雖然能幹，但它需要一顆強大的“大腦”來思考，每幹一次活都要消耗海量的token（算力計量單位）。對於這些模型廠商來說，OpenClaw簡直是天降財神。·月之暗面反應最快，率先推出KimiClaw，主打雲端託管，降低部署門檻，憑藉Kimi K2.5模型對OpenClaw的快速適配，在OpenRouter平台上的呼叫量持續領先。·MiniMax則強調其多模態能力均衡以及底層訓推架構的解耦能力，推出的MaxClaw模式一鍵打通OpenClaw生態，無需自行配置API。在一項長鏈路辦公任務實測中，接入MiniMax模型的OpenClaw實現了100%全流程閉環執行。第三類是“賣成品蝦”的公司。目前最引人注目的是小米。如果說前兩類玩家還在賣原料和工具，小米則直接想把煮熟的、調好味的“龍蝦”端到使用者面前。小米近日發佈的Xiaomi miclaw被雷軍戲稱為“手機龍蝦”。這不再是需要使用者自己去配置的極客玩具，而是深度融合在手機系統裡的AI互動產品。當你對手機說“半小時後帶朋友回家，給家裡準備一下”，它能自動拆解指令，計算時間，並聯動米家裝置把燈光、空調、窗簾全部調好。它不依賴模擬點選這種“外掛”方式，而是通過系統級權限和Intent機制呼叫應用，在安全性和流暢度上做了極大最佳化。至此，“龍蝦”已不再是那個單一的海外開放原始碼專案，而是演變成了一場由不同派系共同烹製的饕餮盛宴。原版與變種：不僅是口味差異，更是基因突變同樣是“龍蝦”，Openclaw與中國的“變種龍蝦”們，雖然都致力於讓AI“動手幹活“，但在血脈上已經出現了明顯的分化。“賣鏟子”的產品與原版OpenClaw的關係像是“正規軍收編游擊隊”。其相同點是技術核心一致，都旨在實現跨平台操作。不同點在於部署方式和生態“野心”。原版OpenClaw部署難度極高，甚至催生了“代安裝”這門生意，而云廠商們將其簡化成一鍵部署的範本，大大降低了門檻。但天下沒有免費的午餐，雲廠商們的目標是將使用者留在自己的雲生態裡，用自家的算力和模型，形成從算力到場景的閉環。而“賣飼料”的產品與原版OpenClaw的關係更像是“靈魂伴侶”。它們相同點是執行任務需要強大的推理能力，這正是Kimi、MiniMax的強項。而不同點在於商業模式。原版OpenClaw是開源且免費的，但“養”它需要使用者自己去找模型API並付費。而“賣飼料”的公司直接把“大腦”和“身體”打包，甚至推出像MiniMax Coding Plan那樣的固定月費套餐，降低了使用者的決策成本。它們不僅是工具提供者，更是OpenClaw最大的受益者。“手機龍蝦”與原版的差異最大，堪稱“從遊牧民族到定居公民”的轉變。相同點是都具備主動執行的能力，都能理解模糊指令。不同點則是全方位的：原版OpenClaw主要運行在PC端，擁有系統最高權限，但也帶來了巨大的安全隱患。而小米miclaw運行在手機端，雖然是系統UID身份，但實行嚴格的三級權限分級，涉及支付、通訊錄等高敏感行為每次都要彈窗確認，從設計上規避了財務風險。因此，原版與變種，並不僅僅是“口味差異”，更是揚長避短的“本土化養殖”。低門檻、高權限與成本的博弈隨著“變種龍蝦”的普及，網路上的“養蝦人”們開始呈現出悲喜兩重天的情景。資料猿翻閱了大量網友“養蝦”反饋後發現，無論“變種”如何，影響使用者“養殖”和“使用體驗”的核心因素，是三個維度的博弈，即：門檻、權限和成本。“賣鏟子”的方案降低了“安裝”門檻，卻把複雜度轉移到了“使用”環節。雲廠商們將原版OpenClaw封裝為一鍵部署範本，保留了完整的系統級操作權限，能完成跨平台的複雜任務流。但高權限意味著高配置成本，它既包括技術配置能力的要求，也包括算力支出成本。有使用者實測雲端部署後僅執行3個任務就消耗約200元。真正用起來的反而是原本就有雲資源的技術團隊，普通使用者大多嘗鮮即止。與雲廠商不同的是，“賣飼料”的“變種龍蝦”極大降低了部署門檻，讓不懂程式碼的小白也能養蝦。其優點是使用者上手快，使用者終於能讓AI放開手腳幹活了。但缺點也很明顯，模型雖便宜，但高頻使用時花費依然很高。有發燒友反映，傅盛那隻最高配置的“蝦”每月花費近3萬元。以小米miclaw為代表的“變種龍蝦”，把安全提到了最高優先順序。優點是極其安全，實行彈窗確認制度，絕不越雷池一步。但缺點也很明顯，就是能力受限。由於不能像原版那樣通過模擬點選為所欲為，只能通過官方API呼叫，它能做的事就被限制在了系統允許的範圍內。由此可見，影響“養蝦”體驗的關鍵三要素——低/無門檻、高權限、低成本——構成了一個“不可能三角”。目前的任何一款“變種龍蝦”，都只能在這三者中取其二。“龍蝦”之後AI的終局是什麼？在最近召開的中國“兩會”上，人大代表和政協委員們也在熱議這只“龍蝦”。為什麼一隻“龍蝦”能讓整個科技圈為之癲狂？甚至讓委員代表們在“兩會”上熱議？這背後其實是整個AI行業對商業模式的一次集體焦慮與集體釋懷，具有里程碑式的意義。它首次讓大模型從“紙上談兵”的參謀，變成了“衝鋒陷陣”的士兵。在過去一年，雖然大模型能力突飛猛進，但質疑聲從未停止：這東西除了聊天、寫詩、生成PPT，到底能不能真正改變生產效率？能不能換成真金白銀？“龍蝦”給出了答案，它讓AI直接交付結果，而不是交付建議。對於傳統大型科技公司，這是爭奪下一代流量入口的“諾曼底登陸”。網際網路的本質是流量分發，過去入口是搜尋引擎，是應用程式商店，是超級App。而在AI時代，入口就是那個能直接替你辦事的智能體。誰掌握了它，誰就掌握了使用者需求的第一落點。這就是典型的網際網路思維：先通過極致的服務搶佔使用者心智和時長，為未來的生態佈局打下基礎。那怕現在不賺錢，只要使用者在，就有的是機會。對於新興的AI公司而言，“龍蝦”的出現直接解了他們的燃眉之急。大模型訓練貴，推理也貴，錢燒得嘩嘩響，收入卻少得可憐。然而，OpenClaw這類智能體應用，是真正的“燒Token怪獸”，單次任務的Token消耗量從幾百激增至數十萬甚至上百萬，使得大模型公司的收入暴增。對於這些AI新貴而言，“龍蝦”不是概念，而是實打實的財務報表。資料猿認為，OpenClaw不一定是AI發展的終局形態，但它確實是一個關鍵的轉折點。它證明了AI的商業化可以不是販賣焦慮，也不是販賣API，而是通過“數字員工”這種看得見摸得著的形式，直接向使用者收取“工資”。與此同時，OpenClaw也讓所有從業者看清了一個現實：未來或許不再有單純的“大模型公司”，也不再有單純的“網際網路公司”，它們都將成為“智能體營運公司”，比拚的不再是模型的參數大小，而是誰能養出最聰明、最聽話、最能幹、最省錢的“數字員工”。這場由一隻“紅色小龍蝦”引發的產業海嘯，才剛剛開始。而我們每個人的電腦裡，或許很快就會有一個“工位”，屬於那個24小時待命的“AI夥伴”。 (資料猿)

整個AI圈子都被OpenClaw這只“龍蝦”炸翻了。在全民“養龍蝦”的熱潮中，大廠樂開了花。3月10日，受益於“龍蝦”概念，騰訊大漲7%，最誇張的是MiniMax和智譜，分別狂飆了超22%和12%。01 全民“養龍蝦”，有人歡喜有人愁3月9日下午，一份圖文並茂的資料分析報告，自動出現在職場人李哲的電腦裡。這是“龍蝦”交出的作業。過去半個月，李哲的工作流程發生巨變。他在一家網際網路大廠從事審計工作，每天需要分析大量的資料，並將其做成可視化報告。這在以前要耗費他不少時間，但現在，“我輸入指令，它就自己跑資料、做分析、畫圖表、生成可視化報告”。李哲興奮地告訴《財經天下》。這只替他幹活的“龍蝦”，正是今年年初席捲全球的現象級開放原始碼專案——OpenClaw，由奧地利退休程式設計師彼得·斯坦伯格於2025年11月建立。因其紅色龍蝦圖示，它被中國使用者戲稱為“小龍蝦”，部署、調教、使用它的過程，被稱為“養龍蝦”。OpenClaw開放原始碼的特性，讓李哲這樣的普通人，也能通過自然語言讓AI為自己幹活。這種魔力讓這只“龍蝦”在極短時間內引爆全球。《財經天下》接觸的多名“養龍蝦”人中，有的讓“龍蝦”傳輸檔案，有的借此組建數字招聘團隊，有的通過“龍蝦”製作視訊。一位演算法工程師給自己的“龍蝦”取了名，打造“玄學博主”人設，接上生圖模型，還編了一套“心跳”程序。“龍蝦”每天自動登錄社交平台、看通知、回評論、刷帖點贊，完全是個自律的網紅。最絕的是，遇到評論區有人發惡意評論，“龍蝦”還會自動回懟，堪稱“全網第一護主AI”。這只“龍蝦”為何捕獲職場人芳心？某網際網路公司技術總監劉科告訴《財經天下》，OpenClaw專門輔助職場人完成不擅長的技能任務，讓職場人能更專注於需要判斷、創造和溝通的核心工作。全民“養龍蝦”熱潮之下，第一批贏家已經出現了。目前在市場上已出現“OpenClaw上門安裝偵錯”人員，他們一次上門服務的報價從幾百到上千元不等，有媒體報導稱，有人幾天就賺了20多萬元。劉科解釋說，OpenClaw有一定的安裝門檻，本質是一個給開發者用的本地工具，需敲一堆程式碼進行設定，還要搞定讓程序在後台一直運行、打開網路連接埠等煩瑣細節。為之買單的，大多是不懂技術的個體創業者和自由職業者、有技術認知但不願親自動手的職場白領，以及跟風的普通消費者。一些“賣鏟人”——專門做部署、託管和定製開發服務的團隊也賺到了第一桶金，頭部服務商月收入可達數萬美元。如美國專業服務商SetupClaw，提供包含高端硬體的上門配置，收費可達6000美元。SetupClaw創始人Michael曾預判，單靠幫人安裝OpenClaw一年就有望賺到百萬美元。與此同時，第一批“輸家”也出現了。李哲無奈地說，自己一些檔案被“龍蝦”全刪掉了。還有網友吐槽說，“我讓它幫我炒股，一天虧了三萬元”。這是一批在技術早期、生態不成熟、不熟悉規則時付出真實代價的嘗鮮者。以炒股為例，儘管“龍蝦”能自動推薦股票，但AI分析的新聞和資料都是已公開的、滯後的資訊，市場早已消化。當人們收到買入訊號時，敏銳的資金早已進場，人們買入的很可能已是“高位籌碼”。AI再聰明，也無法預測未來或獲取未公開的內幕資訊。全民“養龍蝦”，也是悲喜交織。與此同時，一場更深入的戰爭正在頭部科技大廠中上演。02 大廠的“賣鏟”狂歡與卡位戰最近的一周時間內，包括騰訊、百度等大廠紛紛開啟了線下免費安裝OpenClaw的活動。3月6日上午，在深圳騰訊大廈，出現數百人排隊領取免費安裝服務的場景，被外界戲稱“一代人有一代人的雞蛋要領”，連馬化騰都在朋友圈感慨“沒有想到會這麼火”。同一天，字節跳動火速發佈詳細的OpenClaw使用指南，並在全網廣泛傳播。小米也在3月6日推出“手機版龍蝦”Xiaomi Miclaw並開啟小範圍封測，雷軍更是為此一口氣連發了三條微博。3月9日，騰訊正式上線了自家的“小龍蝦”全場景AI智能體WorkBuddy，企業微信官方接入OpenClaw；字節系火山引擎上線了雲上SaaS版OpenClaw產品ArkClaw。“龍蝦”捲起的浪潮已經進展到了新的層面，中國AI賽道的重要玩家幾乎全部入局。大廠入局爭奪的，主要是OpenClaw背後那個正在爆發的“賣鏟人”生意。“鏟子”是什麼？就是運行OpenClaw所必需的雲端運算資源、伺服器、大模型API，以及便捷的部署工具。就在幾個月前，中國國產大模型廠商還深陷“百模大戰”的泥淖。“技術變強，但不知道賣給誰”，這是頭部大模型公司最為頭疼的事：C端使用者對聊天機器人付費意願低迷，to B端的定製化項目又難以規模化。更尷尬的是，中國國產廠商投入巨資研發大模型，卻難以在通用能力上實現超越。資本市場也開始失去耐心。2025年下半年，AI投資熱潮明顯降溫，投資機構更關注的是“何時能賺錢”，而非“參數又漲了多少”。OpenClaw的橫空出世，給深陷泥潭的中國國產大模型廠商砸開了一扇變現之門：開發者為讓OpenClaw順暢運行，需持續呼叫大模型API，每一次任務拆解、工具呼叫，都在消耗大量Token。Token是AI處理文字的最小單位，也是衡量它工作量的基本計費單位。通俗點說，它可以理解為“諮詢費”。與傳統大模型的一次性問答可能消耗幾百個Token不同，OpenClaw的Agent（智能體）為完成一個任務，會跑去問底層大模型幾十甚至上百次，Token消耗是以前的幾百上千倍。獵豹移動董事長傅盛公開過一份帳單：基於OpenClaw框架養出一支24小時工作的超級AI團隊，每天運行要消耗100多美元的Token。這對面臨商業化落地難題的中國AI廠商來說，是個賺錢的好機會。它們正好擅長打“價格優勢”戰。包括月之暗面、MiniMax等大模型公司，在春節前後就推出雲端託管或一鍵部署的“龍蝦”服務，將分鐘級的複雜流程壓縮至秒級。資本市場信心順勢重塑。以月之暗面為例，據澎湃新聞報導，其K2.5大模型發佈不到一個月，近20天累計收入已超過2025年全年總收入。受此推動，月之暗面在兩個月內完成超12億美元融資，估值突破100億美元，成為中國最快晉級“獨角獸”的大模型企業。“龍蝦熱”也把網際網路大廠的AI爭奪戰推進了深水區。騰訊雲從1月底起，快速推出部署範本、適配企業微信等通訊工具，並推出可視化面板，以每日迭代的速度降低使用門檻，其“雲上養蝦人”規模已突破10萬。2月，百度智能雲上線了一鍵部署服務，通過千帆平台整合文心等主流模型。當雲大廠在“賣鏟子”時，阿里雲已開源CoPaw，對OpenClaw進行從底層到體驗的全面重構，直指部署、適配、本土化三大痛點。現在，騰訊和火山引擎也相繼推出各自類似“小龍蝦”的產品。大廠們已不滿足於只做基礎設施供應商，而是想進一步爭奪下一代AI的生態定義權。OpenClaw的部署、呼叫，連接起了雲和模型；除此之外，它還一頭連著應用，在使用者的真實場景中落地。生態圈內所有廠商幾乎都能從中獲得機會。對於科技公司來說，誰能率先建立使用者習慣，誰就能建構生態壁壘。這就像當年的移動網際網路，早期搶到的入口，後來都成了平台。實質上，“技術迭代的即時反饋，也是大廠的另一大收穫。”劉科解釋說，以前最佳化模型，更多是看評測分數。現在有了OpenClaw，能直接看到使用者在實際工作中遇到什麼問題，模型在那些環節會卡住。更微妙的是戰略主動權的轉移。過去，中國國產大模型更多是跟隨者角色。但在OpenClaw掀起的Agent浪潮中，它們第一次有機會定義遊戲規則。當遊戲規則從“誰的使用者多”轉向“誰的Token便宜”“誰的code（程式碼）好用”，牌桌上的玩家自然可以更換面孔。03 “一人公司”時代加速到來在大廠忙於“賣鏟子”和生態卡位時，一人公司時代將加速到來。作為一名AI百科前沿探索者，金朝政的電腦裡養著的“龍蝦”，正在網際網路上自動尋找潛在客戶、回覆諮詢、收集需求資訊。他將自己營運的AI行銷公司，歸為“一人公司”之列。金朝政認為，在OpenClaw引爆科技圈後，像他這樣憑藉AI工具創業的“超級個體”，會在中國城市各處湧現。“一個思想，一群AI員工執行。”金朝政這樣定義“一人公司”模式，“本質是在運行一個AI超級代理系統”。“一人公司”並非新概念，其在2025～2026年間呈現爆發式增長，並已成為一股重要的創業趨勢。但過去，這些創業者往往是疲於奔命的“全能戰士”——既要懂產品，又要會行銷，既要談客戶，又要做售後。OpenClaw的出現，改變了他們這種生存狀態。這款開放原始碼專案，讓AI從“能說會道”的聊天機器人，進化成“能動手幹活”的數字員工。與之前功能單一的AI代理不同，OpenClaw能理解複雜的自然語言指令，拆解任務，並呼叫各種軟體工具自動執行。金朝政在用指令讓“龍蝦”去全網獲客之前，使用各種AI瀏覽器，有的能實現部分功能，但僅限於瀏覽器內操作。不過，擁有一隻“龍蝦”，並不等於擁有一名成熟的員工，“養蝦人”需要精心喂養和馴化“龍蝦”。這種“養成”是有代價的。OpenClaw在執行任務時，需頻繁呼叫底層大模型，大量消耗Token。金朝政告訴《財經天下》，“大廠就像收水電煤一樣，免費給你裝‘水龍頭’（部署工具），但用他們的‘水’（模型能力）就得持續付費”。這個費用不低，像李哲每天“養蝦”的成本就高達200～300元。更令人擔憂的，是懸在頭頂的安全之劍。OpenClaw的定位是“做事”，這意味著它必須獲得很高的系統權限，才能操控本地檔案、運行應用程式。從安全形度來看，這種高權限“是一場噩夢”。多名“養龍蝦人”告訴《財經天下》，它可以在使用者電腦上任意運行命令、讀寫檔案、執行指令碼。由於許多使用者採用默認配置或缺乏安全意識，大量OpenClaw實例直接暴露在公網上。2026年3月，工業和資訊化部網路安全威脅和漏洞資訊共享平台發佈預警，指出OpenClaw部分實例在不當配置下“存在較高安全風險”，極易引發網路攻擊和資訊洩露。這對“一人公司”而言，具有極大的風險性。金朝政更傾向於不用主力電腦運行“龍蝦”，而是專門準備一台電腦進行物理隔離。這也是當前許多資深使用者和開發者，乃至“一人公司”的共識。對於一眾公司創業者而言，短期的物理隔離確實是明智的權宜之計，但這治標不治本。劉科認為，物理隔離保護了主力機的檔案，但依然有風險，這台機器上運行的“龍蝦”，掌握著使用者的社交媒體帳號、API金鑰、客戶資料等。一旦“龍蝦”被攻破，攻擊者可竊取這些核心資產。解決這一困境，不能只靠個人“修堡壘”，更需要技術演進、生態協同和商業模式的共同突破。劉科表示，長期的出路主要在於選擇那些將安全作為核心競爭力的平台。這意味著，壓力又給到了大廠。 (財經天下WEEKLY)