截至2026年3月，人工智慧已從生成式AI全面進入智能體（Agent）+ 具身智能（Embodied AI）的落地爆發期，核心是從“會說會寫”走向“會規劃、會行動、會幹活”，並深度融入物理世界與產業全流程。以下為補充大量實際案例與權威資料後的完整版本。一、核心技術：四大前沿突破（含案例+資料）1. AI智能體（Agent）：從“被動應答”到“主動執行”AI已成為能自主完成複雜任務的數字員工，直接控制電腦/手機、跑完整工作流。- 系統級操作：Anthropic Claude Mytos、OpenAI GPT-5.2已實現直接控制電腦/手機，無需API，可自動點選、填寫、跨軟體操作、跑完整工作流。- 自主規劃協作：具備目標拆解、多步驟規劃、記憶、迭代最佳化能力，可自動寫報告、做報表、做PPT、處理客服、跑供應鏈。- 企業滲透：Gartner預測2026年40%企業應用嵌入任務型AI智能體（2025年僅5%）。-實際案例- 百度“伐謀”智能體（汽車設計）：阿爾特汽車用其將風阻測試從10小時縮至分鐘級，設計師2天完成原3個月工作量，效率提升45倍。- 上汽通用五菱“智能島”：AI調度動態最佳化，車型切換效率提升40%，白車身一次合格率達99.97%。- 美團AI調度：訂單暴漲300%、騎手少40%時，55毫秒規劃最優路線，外賣平均30分鐘送到。2. 多模態大一統：AI“看懂、聽懂、感知整個世界”新一代模型實現文字、圖像、音訊、視訊、3D、感測器資料的統一理解與生成，接近人類多感官協同。- 文生視訊/3D：一鍵生成高畫質長視訊、3D模型，用於影視、工業設計、數字孿生。- 即時多模態互動：看一眼場景、聽一段語音，即可還原邏輯、生成方案，支援AR/VR沉浸式互動。- 性能與普惠：輕量化模型（50億參數內）推理速度提升40%、成本降50%，移動端/中小企業可低成本部署。-實際案例- 萬興科技AIGC工具：使用者破2000萬，文生視訊付費轉化率18%；自動剪輯將1小時工作縮至5分鐘，自媒體周更從3條→7條，粉絲增速+45%。- 零售3D建模：Lowe’s用AI將2D圖轉3D模型，成本**<1美元/個**，電商轉化率提升。- 醫療多模態：罕見病診斷精準率從38%→72%。3. 具身智能（Embodied AI）：AI走出螢幕，進入物理世界AI從“思考者”變成“行動者”，機器人懂物理、會操作、能適應真實環境。- 物理認知：GoogleDeepMind PhysBrain 1.0讓機器人理解物體運動、碰撞、力學規則，實現精準物理互動。- 人形機器人落地：特斯拉Optimus、Unitree等已從Demo走向工業/服務場景，可搬運、裝配、巡檢、做家務。- 群體智能：無人車、無人機、工業機器人實現自主協作，完成複雜叢集任務。-實際案例- 電力巡檢“天工”機器人：在西南變電站自主巡檢、操作裝置，故障識別精準率99.9%，替代人工翻山越嶺。- 優必選Walker S2：在比亞迪、極氪等20家車廠實訓，自主換電、連續工作72小時。- 星動紀元物流機器人：京東亞洲一號倉分揀精準率99.7%，拿下5000萬元訂單。- 資料：2026年人形機器人出貨量預計破6萬台，市場規模超千億元；單台替代3名工人，投資回報周期18個月。4. AI for Science（科學AI）：成為“AI科學家”，加速科研突破AI從輔助工具升級為自主科研主體，大幅縮短研發周期。- 藥物/材料研發：自動化實驗室+科學大模型，將數年研發壓縮至數月，加速新藥、新材料、催化劑發現。- 前沿科學：輔助核聚變模擬、氣候預測、蛋白質/基因解析、量子計算最佳化。- 實際案例- 儲能材料研發：“分子—電網工業智能體”將傳統以年計的研發周期縮至數月，工業級電站綜合性能提升超100%，已應用於張家口懷來資料中心。- 藥物研發：AI將藥物研發周期縮短60%，成本降低40%。- NASA火星車：Anthropic Claude全權規劃路線，將路程拆解為10米路段，規劃時間縮短50%。二、產業與應用：價值兌現，全面滲透（資料+案例）1. 規模與格局（2026最新）- 全球AI市場突破9000億美元，同比增長18%+。- 中國AI核心產業規模超12兆元，周呼叫量（4.69兆Token）首次超越美國，全球前五模型中四款來自中國。- 產業鏈：硬體（35%）、軟體（40%，智能體增長超80%）、應用（25%）。- 融資：2026年Q1中國AI融資88起、200億元，同比近乎翻倍；3月單月融資85億元，創歷史新高。2. 重點落地場景（資料+案例）- 智能製造- 中國智能工廠超3萬家，生產效率提升22.3%。- 某汽車零部件廠商：AI預測性維護，裝置故障率-28%，維護成本-32%。- 西門子+百事：數字孿生，生產吞吐量+20%，資本支出-10–15%。- 醫療健康- AI輔助診斷滲透率超60%，基層醫院達60%+。- 某社區醫院：AI處方稽核，效率+60%，處方合格率+15%；累計稽核**100萬+處方，識別8000+**不合理處方。- 重症監護：AI助手使檔案錯誤減少68%。- 金融風控- 信用卡欺詐檢測：響應時間從3秒→80毫秒（-97%），誤報率-42%。- 跨境合規審查：效率+80%。- 某國際投行：AI ESG系統，綠色金融規模2000億美元+，合規成本-55%。- 交通與物流- 城市交通：AI調度，擁堵率-25%，出行時間-30%。- 菜鳥網路：AI倉儲，效率+50%，物流成本-30%。- 內容創作- 行銷內容：AI生成效率+8–10倍，成本-90%，轉化率+30%。三、代表產品與模型（2026最新）- OpenAI GPT-5.2：44項專業任務勝率70.9%，醫療/法律/金融精準率超80%，多模態與長文字能力全面升級。- Google Gemini 3.1：推理能力翻倍，整合Lyria 3音樂生成，支援一鍵生成視訊配樂。- Anthropic Claude Mytos：新一代旗艦，性能大幅領先，支援Computer Use（系統級操作）。- 國產第一梯隊：字節、阿里、百度、騰訊等模型在推理、程式設計、多模態上與全球頂尖正面競爭，多項指標領先。四、關鍵趨勢與挑戰1. 核心趨勢- 範式躍遷：從生成式AI → 智能體AI → 具身智能（物理AI），AI從虛擬走向現實。- 普惠化：推理成本較2023年降70%，中小企業部署門檻大幅降低。- 安全與合規：AI安全、可解釋、倫理監管成為標配，人類主導權強化。2. 核心挑戰- 智能體協作標準化：多智能體通訊協議（MCP/A2A）尚在完善，跨平台協作待統一。- 具身智能可靠性：真實環境魯棒性、安全性、成本仍需突破。- 資料與隱私：高品質資料稀缺，資料安全與合規壓力增大。一句話總結：2026年是AI“動手幹活”的元年，智能體與具身智能讓AI真正成為能自主執行、能融入物理世界、能深度改造產業的核心生產力。 (追逐時代浪潮的人)

在AI大模型賽道打得火熱的當下，小米的入局姿態顯得異常兇猛。近日，雷軍親自下場發聲，宣佈小米面向Agent時代的旗艦基座模型——MiMo-V2-Pro自上線以來，在全球開發者圈層引發了熱烈反響，其核心的Agent能力更是收穫了一致好評。為回饋這份熱情，雷軍拍板決定：將原定的首周限免活動正式延長至4月2日，並幽默地喊話開發者：“大家‘養龍蝦’（註：業內對AI Agent的趣味代稱）的時候可以試試。”硬核參數拉滿：兆規模架構直擊複雜工作流能夠一經推出就引發全球矚目，MiMo-V2-Pro的底牌在於其毫不妥協的硬體級參數堆料。這是一款總參數規模高達1兆的MoE（混合專家）模型，雖然每次啟動的參數為420億，但配合其創新的混合注意力架構，模型實現了高達百萬等級的超長上下文窗口。這就賦予了MiMo-V2-Pro極其強悍的“長線作戰”能力。它不僅能Hold住長流程的複雜規劃，還能持續、可靠地完成複雜工作流的編排以及精準的工具呼叫。簡單來說，在需要AI自動寫程式碼和操控工具的複雜場景下，它有著壓倒性的優勢。叫板全球頂流：基準測試比肩GPT-5.2與Claude 4.6紙面參數的強大最終需要落地驗證。在業界公認的多項核心能力基準測評中，MiMo-V2-Pro交出了一份極其亮眼的答卷。尤其在當前最具含金量的Coding Agent（程式碼智能體）、通用Agent以及Tool Use（工具呼叫）三大維度上，小米這款大模型直接越級打怪，其表現與目前統治榜單的Claude Sonnet 4.6、GPT 5.2以及Gemini 3.0 Pro穩穩處於同一梯隊，正式確立了自己在全球AI競賽中的第一梯隊席位。開發者“用腳投票”：“好用到忘了其他模型”比起冰冷的成績單，真實使用者的體驗更具說服力。稍早前，小米技術官方帳號曝光了部分海外內測開發者的狂熱評價。一位資深開發者在體驗後直言不諱地表示：“它非常棒，在Agentic任務方面表現十分出色，不僅性能穩定，最可怕的是它能記住所有資訊。”另一位開發者更是給出了極高評價：“我也一直在用它！說實話，我都忘了還有其他模型了。它就是很好用，這正是我現在需要的。”在AI模型日新月異的今天，能讓挑剔的開發者產生“用了就回不去”的粘性，足見MiMo-V2-Pro在底層邏輯和實際體驗上確實打中了行業痛點。隨著4月2日限免截止日的臨近，這場由小米引發的Agent體驗風暴，大機率還會在開發者社區持續發酵。 (TechWeb)

小龍蝦（Openclaw)，一個開放原始碼的agent框架，正式發佈於2026年2月初，截止目前，OpenClaw是歷史上增長最快的開源AI框架。過去兩年，AI能力呈現出爆炸式增長。從大模型的推理能力，到多模態理解，再到 Agent 的初步落地，人類似乎已經站在“通用智能”的門檻前。但一個反直覺的現實是：絕大多數人，並沒有因此獲得實質性的生產力躍遷。AI 很強，但人類並沒有真正“用起來”。01 AI的核心瓶頸，不是能力，而是介面今天大多數人使用 AI 的方式，依然是：打開工具，輸入 prompt，獲得回答，然後結束，這是一種典型的一次性呼叫模式。這種模式缺乏記憶、持續性和執行能力，使 AI 更像一個強化版搜尋引擎，而不是一個持續工作的系統。真正限制 AI 普及的，不是模型能力，而是缺少一個“低成本、可持續、可調度的AI能力介面，而小龍蝦正是這樣的介面。02 小龍蝦的本質：個人AI作業系統如果說 ChatGPT 是一個對話工具，那麼小龍蝦是一個可以長期運行的個人 AI 作業系統。它和傳統 AI 的本質差異在於其具備三大核心能力：1）記憶（AI第一次記住你是誰）：沉澱使用者的知識框架、工作流程、資料及個人偏好，讓AI真正成為你的“分身”。2）調度（AI持續為你工作）：通過 Cron、Heartbeat 等持續運行的機制，小龍蝦可以：24小時監控資訊、定時執行任務、自動生成分析、主動推送結果。這帶來的是根本性的改變：AI從“被動響應”進化為“主動執行”。3）擴展：通過 Skills 和 API 接入，小龍蝦可以呼叫，鏈上資料、外部服務（交易、分析、內容生成）、agent網路（其他能力的Agent)。這意味著，你的AI不在只是“思考”，而是開始“做事”。03 為什麼小龍蝦才是AI時代的入口？大模型解決的是認知能力，但人類真正需要的是如何把認知能力轉化為生產力。而小龍蝦，恰好補上了這一層。1）它解決了AI的最後一公里問題，讓AI從一次性工具變為持續系統。（持續跟蹤問題、自動執行策略、甚至根據環境變化去調整行為）2）它也是人類的第一個數字分身：在網際網路時代：你是一個帳號、一個資料畫像。在AI時代：你=你的Agent（小龍蝦）小龍蝦可以承載：你的知識、你的策略、你的資訊結構、你的行為模式等專屬於你個人的一切特性。這意味著，人的生成力第一次被“可外化”和“可複製”。它構成Agent經濟的最小單位：未來網際網路結構不再是“人-app”而是“Agent-Agent”。例如，你的Agent呼叫分析服務、自動完成支付、再呼叫其他agent服務。這構成了一個全新的結構Agent Economy（Agent經濟），而你的小龍蝦就是你在這個網路中的節點。04 人類從用AI到用AI賺錢的躍遷今天大多數人會用AI，但無法自動獲取資訊優勢、自動執行策略、自動產生收益。而小龍蝦讓這一切成為可能1）資訊優勢自動化：自動掃描跟蹤變化、分析與推送決策。（資訊套利成為趨近於零）2）執行能力自動化：內容生成、策略執行、觸發操作。（執行成為趨近於零）3）能力複利化：每一次最佳化promt、skills、資料來源都會沉澱進系統並持續增強。（實現能力複利增長的成本趨近於零）05 為什麼不是大廠，而是小龍蝦？OpenAI、騰訊、AWS 提供的是，模型和雲服務。但缺少三件關鍵能力：（使用者需求）個體控制權、可定製執行邏輯、可組合經濟能力（資產化）。小龍蝦徹底解放了：讓使用者真正擁有自己的Ai Agent智能體。這就是在“顛覆式創新”裡面所講的“破壞式創新”，網際網路開始：去平台依賴，可組合（agent+api+payment)，資料資產化（可交易/可複製）06 展望終局：每個人都至少有一個小龍蝦未來不會是，每個人使用幾個ai工具，而是每個人都將擁有一個持續運行的個人AI系統，它可以24小時工作、持續最佳化並持續創造價值。就像瀏覽器是PC網際網路時代的入口，iPhone是移動網際網路入口。而AI時代已經到來了，小龍蝦將成為AI時代的真正入口。這一次你還要再錯過嗎？07 結語大模型地不斷發展正在不斷刷新AI能力的上限，但真正決定普通人能否觸達這個上限的，不是模型本身，而是介面。而你的小龍蝦，正是這個介面。它讓AI從可用變為可持續使用，讓人類從使用AI走向擁有AI。對於大部分普通使用者，小龍蝦的建立部署、維運管理、功能拓展、隱私及安全性等的門檻還是非常高。因此，Clawdi提供了系統性的解決方案，幫助使用者更好的使用小龍蝦而不用擔心任何的其他問題。 (區塊鏈騎士)

“龍蝦”將過去企業級軟體才能做到的事，帶到了個人桌面上。阿里在不久前的財報分析師會議上也指出，大模型已開始具備完成to B複雜工作流的能力。這兩件事指向同一個結論：一個人匹敵一支團隊，不再是科幻，而是日常。只是怎麼用好AI的這種能力，依然是個問題。眼下大多數AI主要服務於白領群體，核心場景是寫文件、寫程式碼，或是算報表、做審計。但這忽略了一個巨大的市場——實體經濟。那些每天奔波於生意場上的中小企業主和創業者，可能更需要AI，卻鮮少被照顧到。這多少有些可惜。AI應該是普惠的，它也有能力為各行各業的各類人群發光發熱。實際上，相比日常辦公，用AI來做生意能帶來更直接的經濟效益，只是其中的挑戰也更為複雜。從設計、選品到找供應商，從開店到行銷，鏈條很長，事務繁瑣，每一環都藏著風險和問題。不過現在事情有了變化。3月24日凌晨，阿里在海外直接上線了第一個企業級Agent——Accio Work，一個為生意人量身打造的“類龍蝦”Agent。不管你身處何地，只要有創業想法，Accio Work都能給你配上一支精通生意之道的Agent團隊。而在它的實測案例中，我們見到了“一個人一句話在海外開店”的可能。一句話就能開店的魔法之旅先看幾個實際案例。對現在想創業的老外來說，在電商平台開店是基操。Accio Work第一個令人驚喜的案例，便是通過一段指令，讓Accio Work在Shopify這樣的當地電商平台上直接開起了一家“龍蝦周邊”店。博主給出了一段提示詞：You are a professional e-commerce operations AI Agent. Your task is to fully and automatically build a complete Shopify store for the lobster merchandise brand “Clawesome“ — including store visual design, product selection strategy (such as but not limited to lobster hats, keychains, apparel, gifts, and more), pricing structure, product detail pages, and to publish all content live through the Shopify Admin API.（你是一個專業的電商營運 AI Agent。你的任務是為龍蝦周邊品牌“Clawesome”全自動搭建一個完整的 Shopify 獨立站，包括店舖視覺設計、產品選品策略（如龍蝦帽子、鑰匙扣、服裝、禮品等）、定價體系、產品詳情頁，並通過 Shopify 管理員 API 將所有內容發佈上線。）Accio Work隨即制定全面計畫，並著手搭建。這個過程相當有意思，它會遇到問題，但它不找使用者求援，而是自己想辦法把事情辦完。比如在配置主題時，Accio Work發現API令牌沒有為頁面設定write_content權限，於是直接另闢蹊徑，將內容寫入網站範本或隱藏欄位，悄無聲息地完成了頁面搭建。比如在把主視覺橫幅上傳到Shopify時，檔案過大，上傳失敗。Accio Work沒有停下處理程序，而是調出Python指令碼完成上傳，再研究Shopify頁面結構，調整程式碼，確保圖片正常展示。遇到牆，就自己想辦法翻過去。這些細節說明，Accio Work不只是單純執行命令，還具備發現漏洞和自主修復的意識。最終的店舖效果，的確不錯。拆解來看，Accio Work做到了開箱即用，並具備複雜長程任務的閉環處理能力。使用者只需要輸入目標，它便自主規劃方案並執行。從任務啟動到最終交付，中間幾乎無需人工頻繁介入。相比一件工具，它更像一個不會偷懶的數字員工。看完上面的測試，我也試著讓Accio Work搭一家店舖出來。不過“龍蝦周邊“未必好賣，作為生意場上的新人，我想找找個勝率更高的方向。我直接告訴Accio Work：自己想面向美國市場創業做電商，讓它幫我分析市場趨勢，找出最好賣、最容易賺錢的商品，然後直接幫我上架到網店。這時，Accio Work展現出了資深生意人的老練。它梳理出了當下主導美國消費市場的三股趨勢：可持續生活、寵物“擬人化“與科技化、AI賦能的寵物健康。然後從三者的重合地帶，推薦了有著高利潤率、強復購性，同時兼具品牌忠誠度的“智能環保寵物健康”生意。不過我又換了想法。作為一個中國創業者兼貓熊愛好者，我知道貓熊在全球擁有無數粉絲。於是我給Accio Work下達了新的指令：你先分析美國市場有那些流行的貓熊周邊，從中篩選適合電商新人起步的低價商品，再選20件你認為可能最好賣的，幫我上架到店舖，同時將店舖裝修匹配貓熊主題的卡通風格。打完一局遊戲回來，我得到了一間配色清新的店舖，和20件可愛的商品。值得一提的是，無論店舖設計還是選品邏輯，都精準迎合了美國市場的口味。Accio Work分析指出，當地貓熊周邊的核心受眾是Z世代和年輕女性，主流審美集中在“Kawaii（可愛文化）”和“生活治癒系”兩個方向。Accio Work挑選的品類也有講究：低客單價且是剛需的文具與辦公用品，是新人起步的最佳切入點；3D立體貓熊耳機殼和手機殼等電子配飾，在TikTok上有極高的病毒傳播潛力；貓熊小夜燈、解壓玩具和小型公仔等家居配飾，退貨率低，屬於穩賺不賠的“壓艙石”品類。由此可見，Accio Work的確擅長商業分析，但它能做的事還不止於此。下面的案例，展現了它更有“活人感”的地方。有人把包含68位供應商報價的Excel檔案“喂”給Accio Work，讓它找出性價比最高的合作方。既要看誰家既便宜、品類又多，還要看有沒有值得單獨合作的小供應商。Accio Work在一番詳細分析後，給出了明確的合作方案建議。它還能幫使用者砍價。一名德國採購代理，希望為客戶在全球範圍內尋找最具價格優勢的產品，便拜託Accio Work用盡一切談判技巧，“務必爭取到最優惠的deal”。你可以在這裡見識到，AI如何在專業場景中化身談判專家，替不擅長開口的生意人，把錢從談判桌上爭回來。為什麼Accio Work擅長做生意總的來看，Accio Work已經是一個能力相當全面、經驗相當豐富的生意專家了。在前期內測中，甚至有海外使用者向它借力，僅用30分鐘便從零“手搓”出一家真實營運的網店。這樣的事情放在以前不可思議，眼下看卻相當合理。一方面，大模型已經從“內容生成”進入“多步任務執行”階段，選品、定價、上架、營運這類標準化流程，都可以被模型系統性接管。另一方面，電商本身具備高度結構化的流程與資料體系，天然適合被Agent化。兩者疊加，聰明能幹的企業級Agent必然會出現。Accio Work只是最早跑出來的那一個。但為什麼Accio Work能處理好生意場上的種種問題，依然值得拆解。這決定它是否值得生意人長期信任。首先是阿里的全球電商經驗，讓Accio Work自帶熟悉全球生意的商業直覺。Accio Work脫胎於Accio，後者是阿里於2024年推出的全球首個B2B領域AI原生應用，憑藉專業的B2B行業知識挖掘使用者需求、調研市場、給出建議，其企業級月活使用者數已超1000萬。此外，Accio Work進一步接入了阿里國際站、1688、速賣通等全網真實供給，這也都為Accio Work提供了支撐。其次是成熟的產品設計。Accio Work內建了多個電商營運、企業管理等領域的專業Agent，並為它們定製了大量做生意要用到的“技能包（Skills）”。從供應商尋源、智能選品，到開店助手、內容策略，各類真實的生意需求，這些技能都覆蓋到位。於是Accio Work可以自動去X或Instagram上發帖行銷，通過LinkedIn調研企業與人物，甚至完成多種財務建模，通過對收入、成本與風險的模擬，提前判斷一門生意的盈利空間與不確定性。無論你來自那個國家，這些開箱即用的配置，都可謂相當貼心了。更進一步，你還可以讓多個Agent組隊分工，協作應對更複雜的商業任務；也可以將自己熟悉的操作流程封裝成技能，供自己反覆呼叫，甚至與其他使用者共享。這意味著，隨著平台使用者的增加，Accio Work的Skill生態可以持續演進。最後是安全。 對生意人來說，安全的重要性不言而喻。在這方面，Accio Work提供了多維度保障。所有外部平台連接均通過官方授權，使用者資料與操作日誌受嚴格權限控制，確保資料安全；同時依託阿里生態內多年積累的電商洞察，有效減少模型幻覺，提升決策精準性；在物流履約、金融交易等環節，Accio Work依託阿里生態內的成熟能力，也讓執行更穩妥可靠。概括來說，Accio Work兼顧了“龍蝦”類產品的開放性和Claude Cowork的安全性。而這些特性與能力疊加，帶來了生意場上的嶄新可能。一人跨國公司可能會是常態了早有研究表明，我們正進入一個個性化驅動的消費時代，消費者願意為有個性的品牌支付溢價，小而美的獨立品牌反而往往比大而全的巨頭更受歡迎。海外中小企業、個人創業者創立的電商規模也在持續壯大，便是最好的註腳。換句話說，中小企業、獨立品牌與創業者在生意場上的機會越來越多。而AI能力的演進，正在為這些人挖掘機會提供更先進的生產力。無論從使用者需求還是技術發展階段來看，Accio Work的出現都恰逢其時。拋開具體產品功能，Accio Work實際上完成了三件更重要的事情。在能力層面，它抬高了個體的上限。過去，一個跨境電商業務往往需要一支小團隊協作完成，每一環都需要專業經驗。而Accio Work通過多Agent協同機制，將這些能力模組化，讓使用者可以像呼叫工具一樣呼叫團隊能力。於是個體限制的天花板，被大大抬高。在流程層面，它簡化了商業的複雜度。跨境電商本質上是一條長鏈路，從市場分析、選品、供應商溝通，到開店、上架、行銷、履約，涉及多個系統和角色。Accio Work將這些流程“指令化”，於是複雜的跨國生意，被壓縮成一系列可呼叫的操作。一個生意人，可以同時指揮多個Agent與全球不同時區的供應商，跨越語言與文化的溝壑，7×24小時自主談判。更重要的是重構資源分配，它還打破了原有的資源不對等。在過去的全球貿易體系中，優質的供應鏈、價格談判的話語權、可靠的物流與支付體系，通常集中在大型企業或專業機構手中。現在Accio Work依託阿里生態，將全球供應鏈、商品資料與交易能力整合為一種能力介面。於是每個普通的個體創業者，也都有機會呼叫接近大型企業的供應鏈資源了。這便開啟了一種新的可能。眼下討論“一人公司”，多在內容創作和軟體開發等數位領域，而Accio Work讓“一人公司”的浪潮有機會延伸到實體經濟與全球貿易。以後的商業圖景很可能是這樣的：清晨，一位身處亞洲或歐洲的年輕人打開電腦，對AI說一句“我想在紐約賣點有趣的東西”，然後轉身去沖咖啡。等他回來，店舖已開張，商品已上架，甚至第一單詢盤已靜靜躺在收件箱裡。在此背後，每個環節的採購訂單都會湧向中國供應商，或許也會帶來中國商家的新紅利。這有點魔法世界的味道了，但恰好呼應“Accio”的寓意。在《哈利·波特》的世界裡，Accio是一句召喚咒，念出它，任何物品都會從遠處飛來。而Accio Work讓我們看到，這個咒語有機會走進現實了。你只需說出自己的商業想法，全球的供應鏈、商品與機會，便可能應聲而至。 (硅星人Pro)

RISC-V摘掉緊箍咒！坐上高端算力牌桌，首次原生跑通千億大模型。近期，“龍蝦熱”席捲全球，以OpenClaw為代表的各類智能體加速湧向企業和個人，隨之而來的不僅是各行業領域生產力範式的變革，也帶來了底層晶片算力市場格局的深刻改變。在AI大模型已經全面進入Agentic AI（AI智能體）時代的今天，算力瓶頸不再侷限於GPU等大算力AI加速器，由於多並行和海量資料流轉的需求，CPU的重要性愈發凸顯，重新回到系統調度的舞台C位。海外GPU巨頭輝達也在最近的GTC大會上發佈了其自研的Vera伺服器CPU，以應對Agentic AI帶來的CPU瓶頸問題。CPU領域，相比傳統x86架構和Arm架構，RISC-V作為新興的指令集架構，其簡潔靈活易擴展、兼顧通用與AI算力、開源開放等特點幾乎都成為當前AI時代的“剛需”，成為其突出優勢。在這樣的產業大變局下，就在今天上午，阿里達摩院在2026玄鐵RISC-V生態大會上重磅發佈了新一代旗艦CPU IP——C950，其不僅在SPECint2006基準測試中史無前例地突破了70分大關，更首次實現了RISC-V CPU流暢跑通千億參數頂尖大模型。玄鐵C950的問世，標誌著RISC-V正式撕下“低端”標籤，在高性能與AI計算兩大核心戰場，與x86、Arm形成了實質性的“三足鼎立”之勢，成為Agentic AI時代晶片算力賽道的最大變數。01.衝刺高性能與AI市場徹底撕掉“低端”標籤AI智能體給RISC-V按下加速鍵從第一個5年的開源學術探索項目，到第二個5年國際標準和商用IP開始萌芽，再到如今第三個五年，今天基於RISC-V架構的晶片正迎來井噴式湧現。從架構提出到出貨100億顆處理器，RISC-V只用了12年，而x86架構用了30多年。走過第15個年頭的RISC-V，正在AI時代技術創新和市場需求的雙重驅動下，迸發出更旺盛生命力。目前，RISC-V晶片的商業化版圖正在快速擴張。在物聯網與邊緣計算市場，輝達、英飛凌等海外巨頭都在大量出貨基於RISC-V架構的MCU（微控製器）。輝達每年大約消耗10億個RISC-V核心，內建於其GPU、CPU、SoC 和其他產品中，其在2025年曾透露正在推進CUDA相容RISC-V架構；英飛凌則宣佈今後所有MCU都要基於RISC-V架構開發。在RISC-V高性能領域，資本動作也從未停止，比如高通此前就收購了RISC-V初創企業Ventana，試圖在高端市場尋找切入點。Meta則基於RISC-V架構自研AI晶片。行業資料的預測進一步印證了這一爆發趨勢。根據半導體權威分析機構SHD Group的最新預測資料，到2031年，RISC-V裝置數量將超過360億顆，年複合增長率高達31.7%；相關市場規模將超3000億美元。部分行業智庫甚至預測，到2030年，RISC-V有望佔據全球處理器市場25%的份額。儘管RISC-V在MCU、嵌入式、家電、儲存、多媒體、汽車、通訊、安全、終端等眾多領域呈現星火燎原之勢，但其長期以來始終無法擺脫“低端”晶片的固化標籤。RISC-V要想真正躋身主流晶片架構的牌桌，僅僅在邊緣側“打游擊”是遠遠不夠的。要想與x86和Arm三足鼎立，RISC-V必須在伺服器（高性能）和AI計算兩大核心戰場上證明自己。這不僅是技術層面的突破，也是晶片生態話語權的爭奪。02.C950打破RISC-V性能天花板7年深耕建構國內頂級RISC-V生態這次大會上阿里達摩院亮出的新一代旗艦CPU IP——C950，正是RISC-V在突圍高性能與AI計算、打破固有印象的一次“里程碑”式突破。在高性能方面，根據官方資料，在工業界公認的SPECint2006基準測試中，C950直接突破70分大關，其單核性能超過了22/GHz，最高主頻達3.2GHz，成為當之無愧的全球最強RISC-V CPU，逼近AMD Zen5、Intel GNR、Arm V2等行業高端產品。為了驗證其在真實環境下的可用性，達摩院進行了嚴苛的聯合測試。結果顯示，面對MySQL（資料庫）、Redis（記憶體快取）、Nginx（Web伺服器）、OpenSSL（安全協議）等伺服器經典工作負載，經軟硬體協同最佳化，C950的性能達到行業第一梯隊水平，雲網路、雲端儲存性能較部分主流產品提升在30%以上。眾所周知，AI Agent並非單純AI推理任務，而是典型的CPU密集型任務，大量並行指令需要序列執行，海量資料高頻流轉。C950通用計算性能的大幅提升，會顯著提升整體的系統效率。在軟體生態相容性方面，C950支援了國際最新規範檔案RVA23.1的全部標配和可選擴展。這一Profile標準的落地至關重要，它關係到整體系統的可靠性、安全性和資源利用率，可以極大便利RISC-V進入伺服器、AI、汽車等高端平台，並能無縫適配Linux、Android等主流作業系統環境。據瞭解，此次發佈的C950可以用於雲端運算、生成式AI、高端機器人、邊緣計算等諸多領域。實際上，在向高性能迭代的路上，達摩院玄鐵一直是RISC-V陣營中毋庸置疑的領跑者，回顧其產品演進，幾乎每一次迭代都在不斷打破行業的“天花板”，C950的推出不是曇花一現，而是持久深耕之下技術創新力的一次階段性集中體現。阿里巴巴從2018年起開始佈局RISC-V，是國內最早涉足RISC-V的技術團隊之一。早在2019年7月，阿里就發佈了當時業界性能最強的RISC-V CPU IP——玄鐵C910，其首次突破運行頻率2GHz的門檻，Specint2k6評測7/GHz。這一成績在當時給了行業極強的信心：RISC-V的架構設計在原理上沒有性能天花板。隨後C910的生態落地更進一步證明了其可用性。2024年，達摩院聯合中科院軟體所研發出全球首台穩定運行的RISC-V筆記型電腦、歐洲雲服務商Scaleway發佈了全球首個RISC-V雲實例，它們的計算底座都是C910。可以說，C910吹響了RISC-V衝向高性能的衝鋒號。當然，這只是一個開始，伺服器晶片才是真正考驗CPU通用算力極限的終極戰場。2025年發佈的玄鐵C930，通用算力達到SPECint2006基準測試15/GHz，首次邁過了伺服器晶片的入門門檻。RISC-V實現行業里程碑式突破的每一個關鍵節點，我們都能看到玄鐵的身影。而每一代玄鐵CPU的推出，都會帶動產業上下游企業參與進來，進一步加速RISC-V向高性能領域迭代的步伐。7年多來，阿里陸續推出C、E、R系列的16款RISC-V CPU，分別對應高性能、高能效、高可靠場景，這些CPU已經廣泛應用於伺服器、機器人、新能源汽車、工業控制、AI智能終端、儲存控製器等領域。根據官方資料，目前玄鐵CPU已應用於200多款量產晶片和近千款終端產品，客觀來看，玄鐵CPU已經形成了目前國內規模最大、最成熟的RISC-V產業生態。03.業內首次跑通頂級千億大模型劍指AI Agent時代新型算力中樞正如前文所說，高性能和AI計算是當前RISC-V晶片聚焦突破的核心戰場。在AI產業全面進入Agentic AI時代的今天，在新的計算範式下，CPU的重要性愈發突出，而玄鐵C950則是一款真正為AI Agent而生的新型CPU。在智能體當道的今天，使用電腦和筆記本的可能不再是單一個人，而是無數個自主運行的智能體，系統的Token呼叫量呈現出指數級的暴增。如何高效地載入和流轉KV-Cache、如何降低首Token延遲，成為了系統真正的瓶頸。在這個過程中，CPU不再是GPU的“配角”，而是作為系統任務調度和龐巨量資料流轉的“中樞”。針對這一行業趨勢痛點，達摩院玄鐵利用RISC-V架構天然的開放性和靈活性，賦予了CPU原生AI能力。此次達摩院發佈了兩款RISC-V原生AI計算引擎——4K超寬Vector引擎和Matrix引擎，與玄鐵CPU統一編址，消除資料複製瓶頸，從而將通用高性能算力與AI算力進行原生融合。其中，Matrix引擎專門為大模型張量計算加速，單核算力可以達到8TFLOPS。在實測中，搭載了玄鐵全自研Matrix（矩陣）加速引擎的C950，其AI推理表現稱得上驚豔，平均執行效率超過90%，典型演算法性能較行業提升2-3倍，其順利運行了當前業界頂級的Qwen3開源模型，以及對算力要求極高的DeepSeek V3“滿血版”。具體來看，運行Qwen3的輸出速度達34 Tokens/s，首Token延遲僅為3.4s；而運行DeepSeek V3的輸出速度達18 Tokens/s，首Token延遲1.7s。這是RISC-V CPU首次原生支援千億參數規模的大模型。這一突破意味著，在處理複雜的AI Agent推理與調度任務時，CPU可以極大緩解GPU的壓力，承擔更多AI計算任務，成為AI Agent時代AI計算新架構中的核心組成部分。在加速落地，讓行業客戶能充分發揮RISC-V特性優勢方面，此次阿里達摩院發佈的Flex平台無疑是RISC-V可擴展性的最佳證明，其可以很好的解決真實產業中的高度定製化需求。去年，達摩院玄鐵共支援了35家客戶進行了多達38項的CPU底層改動，其中超過一半的定製需求集中在AI加速、儲存最佳化、可靠性增強等特定垂直場景。簡單來說，Flex平台將造芯的主導權依然交還給產業，這一平台包括處理器建模、開發環境和軟體工具鏈等完整元件，客戶不僅能選擇“標配”的高性能玄鐵CPU作為基座，還可基於Flex進行深度的自訂修改，從而打造出最符合自身垂直場景需求的創新CPU。值得一提的是，像Vector（向量）加速、Matrix（矩陣）加速等高端AI能力，客戶也可以自行通過Flex平台來實現與整合，這無疑會顯著降低高端定製晶片的設計門檻。整體來看，RISC-V沒有歷史包袱，不需要相容過往幾十年的軟體棧，可以專注於實現最高效的AI Agent性能；RISC-V簡潔、靈活，易於擴展的特性則可以讓晶片設計企業根據AI軟體棧變化快速迭代，及時響應最新的算力需求。此外，AI Agent任務同時需要高性能的通用算力與AI算力，而RISC-V開源社區正在編製麵向矩陣計算（Matrix）的擴展指令，也就是把AI能力寫入RISC-V的“基因”，有望令RISC-V成為高性能通用計算與AI計算融合的最佳載體。最後，RISC-V開源開放的特點也進一步有助於破除技術壁壘，便於國家和企業層面將技術主動權握在自己手中。04.中國開源力量“會師”RISC-V主導全球標準話語權，產學研邁入深水區晶片行業多年發展證明：晶片架構的競爭從來不是單打獨鬥，而是生態陣營的較量。由於美國對高端半導體技術的持續限制，中國產業界正將RISC-V視為實現“矽主權”（Silicon Sovereignty）和底層技術自主可控的重要賽道。當前，中國開源力量正在RISC-V高性能生態中完成一次史無前例的“大會師”。從宏觀背景來看，RISC-V國際基金會（RISC-V International）為了保持技術中立，已將總部遷至瑞士。而在這個主導RISC-V技術走向的最高組織中，中國企業展現出了壓倒性的存在感。據最新公開資訊，在RISC-V國際基金會的19家“Premier（高級）”會員中，中國企業佔據了8家，遠超其他單一國家。在具體落地層面，阿里達摩院玄鐵正串聯起中國本土的產業生態。一方面，玄鐵與北京開源晶片研究院、中國科學院軟體研究所達成合作，共同研發下一代開源RISC-V高性能CPU香山及軟體生態，形成科研層面的“共振”。軟體生態層面，達摩院玄鐵積極參與OpenRuyi社區，目前以25.27%的Patch貢獻率穩居排名第一。在產業協同層面，達摩院玄鐵與中興通訊在RV國際基金會和開放原始碼軟體社區中強強聯手，共同推進伺服器領域開源元件的深度最佳化，使相關的儲存和編解碼性能得到了顯著提升。2023年，達摩院牽頭髮起的“無劍聯盟”，圍繞玄鐵CPU建構開放、協同、普惠的RISC-V晶片商業服務體系，給企業提供從晶片設計到應用的全鏈路能力，降低開發成本與風險，加速RISC-V產業化處理程序。在國際標準指定方面，達摩院玄鐵正在積極投入RISC-V國際基金會的核心工作，不僅主導了伺服器級晶片標準的制定並正式發佈，還深度參與了BRS、RPMI等伺服器關鍵規範的起草。特別是在AI領域，玄鐵正在主導Matrix擴展（AME）社區的討論及標準制定，這意味著未來全球的RISC-V晶片在演進AI矩陣計算能力時，可能遵循由中國主導制定的技術底層標準。05.結語：“頂峰相見”RISC-V開源生態劍指AI智能體時代達摩院玄鐵C950的發佈，絕不是一次測試跑分的“刷榜”，而是真正從通用計算性能和AI計算性能兩個關鍵方面實現突破，徹底打破了RISC-V“做不了高性能計算”的刻板印象。在產業層面，基於Flex平台的開放性，橫向聯合中國各領域RISC-V開源力量，達摩院玄鐵正在牽頭建構一套能夠與傳統封閉生態體系對抗的新業態。在這場“AI時代計算架構之戰”中，以玄鐵為代表的RISC-V陣營，已經拿到了AI Agent時代的高端算力殿堂“入場券”。 (智東西)

AI能力狂飆，人卻越來越焦慮。模型能力每隔幾個月翻一番，但人們不是怕它不夠聰明，而是怕它聰明得不受控。當下用AI，就像帶了一群神通廣大卻不服管的徒弟，沒有分工制衡，產出全憑運氣！這背後，是一個被所有人忽視的架構性缺陷。有人決定從根本上解決它。一個讓所有人不安的反常識，正在悄悄發生。你有沒有過這種經歷——讓AI寫個指令碼，它洋洋灑灑給你100行程式碼，語氣篤定：「已完成。」你跑起來，報錯。貼回去，它說「抱歉，修復如下」。再跑，換了個錯。第五次，你開始懷疑：我到底是在用工具，還是在伺候工具？微軟2025年的資料，說出了你不敢承認的事：知識工作者每周平均花4.3小時——不是用AI，是在查AI有沒有騙你。MIT研究揭示了一個更令人不安的事實：AI模型在生成錯誤內容時，使用自信語氣的機率比生成正確內容時高出34%。它越錯，聽起來越確定。你正在變成提示詞餵養員過去這一年，你有沒有意識到一件事：不是AI變成了人，而是人變成了AI的工具——餵資料、寫提示詞、驗輸出、再餵資料。循環往復。這不是AI解放了你。這是你在伺候AI。今天多數人用AI，像什麼？像讓一個「什麼都做」的孫悟空，既去找經書、又做筆記、又寫匯報、還替你做判斷。它本事大，但你看不見過程；它真出錯時，你也不知道錯在路上、錯在理解、還是錯在最後那張嘴。所以現在最常見的局面，不是「AI幫你幹活」，而是「AI先生成，你再返工」。一旦發現不對，只能整段重來。500年前，人類已經解決過這個問題文藝復興時期，一幅偉大畫作的誕生需要整個工坊。大師負責構思和最終審定。研磨顏料的學徒、畫背景的助手、負責人物面部的畫師——每個人各司其職，每道工序清晰可見。這不是效率低下，這是質量的保證機制。今天的AI，走了一條截然相反的路：我們把所有任務——檢索、分析、寫作、判斷——全部塞給同一個模型，在同一個對話方塊裡，一次性完成。輸出是融合的。推理是隱藏的。錯誤是混合的。當結果不對時，你不知道那一步出了問題，只能重新提問，重新等待，重新希望。三個真實場景，三面鏡子場景一：研究者 vs 幾百篇讀不完的論文他試過最新的Deep Research工具。結果不錯，但有一個致命問題：自己沒有參與其中。AI替你把文獻讀完了，給你一個總結。但那個總結是按它的理解組織的，不是按你的研究框架組織的。想調整方向，只能重新提問，重新等半小時，重新得到一個你依然無法完全信任的總結。真正的文獻調研不是資訊檢索，是認知建構。需要的不是答案，是能夠跟隨你的思維方式生長的過程。於是他搭了一個「文獻研究員」專家，讓它主動提問、樹狀展開假設，每條路徑獨立推進、獨立放棄。研究方向不對？只剪掉那一支，其餘繼續生長。每個結論可以追溯到具體文章，每篇文章可以追溯到具體檢索邏輯。「我希望我讀博的時候有這個。」場景二：父親，想給孩子講一個只屬於她的故事他的孩子喜歡獨角獸，喜歡冒險，已經把家裡繪本聽了不知道多少遍。作為父親，他想做一本定製繪本——以孩子為主角，用她能聽懂的語言，講一個只屬於她的故事。問題是：他不是作家，也不是畫師。按普通方式用AI，他也能拼出來：先寫故事，再改提示詞，再調畫風。但很快就發現，每一頁都要重新解釋孩子的年齡、喜好、主角設定；人物形象容易變化，故事節奏容易跑偏，前後頁常常不像同一本書。他沒有繼續這樣做，而是搭了一支可以復用的小團隊：故事策劃專家、畫面描述專家、風格統一專家。這個團隊會記住確認過的角色設定和表達風格，下次做新故事，不需要從頭解釋一遍。（以下為部分頁面摘錄）故事裡的情節——獨角獸一家沒吃飯要掙錢、要住更大的房子、拉著大提琴去夏威夷——不是AI編的，也不是父親設計的。這是孩子某天夜裡做的一個夢，第二天早上，她原原本本地講給媽媽聽。專家團隊做的，只有一件事：把這些只有孩子才夢得出來的念頭，變成一頁一頁可以重讀的書。那個晚上，他沒有跟孩子解釋什麼是AI，什麼是提示詞。他只是陪著她，聽她指著書頁上的小女孩說——「這個是我！」他覺得，值了。場景三：從研究者到創業者成為創業者，最具挑戰的不是技術決策，是一個人要扮演所有角色。公司只有幾個人，但每天要處理的事一件都不少：新員工入職、競品動態、使用者反饋、程式碼審查、決策依據……每件事單獨看都不複雜，但每件事都可能在最忙的時候掉鏈子。他給每個高頻任務配了專家：情報專家、決策專家、工程專家、使用者專家。第一版上線，發現工程專家的一個配置沒對齊，影響了程式碼審查精準率。修復時間：一分鐘。只改了工程專家，其餘三個繼續跑，完全不受影響。「以前改一個流程，要把所有人重新拉進來開會。現在改一個專家，其他人不知道，也不需要知道。」兩個「不按劇本走」的使用者一位畜牧業主找到了他們。他管理著一個中型養殖場，困擾於如何根據動物體重、天氣變化和市場價格，動態調整每天的飼餵策略。他試過Excel，試過各種AI工具。AI能給答案，但給不瞭解釋。他是個有三十年經驗的農場主，他不需要答案，他需要的是能讓他看懂、能讓他質疑的推理過程。「這是我第一次覺得AI在跟我說話，而不是在跟自己說話。」不久之後，一家製藥公司的研究團隊也找來了。他們不需要通用AI，他們需要一個真正懂自己化合物庫、懂自己內部資料的領域專家。從養殖場到實驗室——這個問題，比他們以為的更普遍。技術核心 為什麼是「團隊」，不是「助手」這裡有一個合理的質疑：把一個任務拆成幾個提示詞，和所謂的「AI專家團隊」，到底有什麼本質區別？區別在三個地方，而且每一個都很重要。① 真實的技能分離，不是角色扮演每個專家有不同的工具權限和知識庫。研究員可以訪問學術資料庫，分析師可以呼叫計算引擎，寫作者專注語言輸出不做檢索。這不是在同一個模型上貼不同的名字標籤，這是功能層面的真實分工。② Embedded Context——越用越懂你每個專家維護自己的持久記憶。你的偏好、你的標準、你糾正過的錯誤、你反覆強調的原則——專家記住，下次自動執行。你不需要在每次對話開始時重新解釋自己在做什麼。你的團隊，已經知道了。而不是每次都像在和一個失憶的實習生重新開會。③ AI人才市場——最好的專家，由領域從業者來造最好的「智慧財產權訴訟研究員」專家，應該由一個做了二十年IP訴訟的律師來造。最好的「臨床試驗資料分析師」，應該由在醫院跑了十年資料的研究員來造。這些專家，將來可以在市場上流通——由領域從業者創造，在同行之間共享，隨著使用不斷進化。這是AI的App Store時刻。只不過上架的不是軟體，是專家智能。這是一個分水嶺2025-2026年，AI Agent成了整個行業最熱的詞。但冷靜看一下市面上的產品，第一波浪潮面向的幾乎都是開發者——你需要懂API，懂配置檔案，懂如何偵錯複雜的工作流。普通使用者拿到這些工具，依然是等待者，依然是驗證者，依然是提示詞餵養員。當AI的能力以指數速度增長，決定使用者體驗質量的，不再是模型的參數規模，而是人在這個系統裡扮演的角色。旁觀者，還是管理者？等待者，還是決策者？這不是技術問題，這是設計選擇。黑盒模式下，你是提示詞餵養員；團隊模式下，你是管理者。區別不在模型大不大，而在你能不能真正管得住它。也許真正值得試的，不只是一個更強的AI，而是一種新的協作方式。如果是你，你會用AI專家團隊做的第一件事是什麼？ (新智元)

自2025年11月正式發佈以來，開放原始碼專案OpenClaw以勢不可擋之勢席捲全球AI領域，其GitHub星標數一路飆升，成功超越此前所有開放原始碼軟體項目，登頂史上最受歡迎開放原始碼專案寶座。這一現象級爆發並非偶然，而是AI產業從“對話互動”向“自主執行”跨越的必然結果——OpenClaw所驅動的行動式AI（AI Agent）模式，正在重構AI的應用邊界與產業格局，催生一個規模兆的全新市場，同時為A股相關類股帶來前所未有的投資機遇。本文將從技術核心、產業影響、投資邏輯三大維度，深度解析OpenClaw的核心價值與未來趨勢，兼顧技術性、科學性與實操性。一、技術核心：行動式AI的底層邏輯與突破性創新要理解OpenClaw的爆發，首先需明確其與傳統AI工具的本質區別：傳統AI以“對話響應”為核心，本質是“被動互動”；而OpenClaw驅動的AI Agent以“自主執行”為核心，是“主動行動”，其核心突破在於實現了“多步規劃+工具呼叫+上下文管理”的閉環能力，這也是其具備技術性與科學性的核心支撐。從技術架構來看，OpenClaw採用模組化設計，核心由三大模組構成：任務規劃模組、工具呼叫模組、上下文管理模組。其中，任務規劃模組基於強化學習與因果推理演算法，能夠將使用者的自然語言指令拆解為可執行的多步任務流程，例如將“整理2026年合同並生成報表”拆解為“掃描檔案→提取關鍵資訊→生成Excel→傳送信箱”等具體步驟；工具呼叫模組通過標準化API介面，可相容辦公軟體、資料庫、伺服器、通訊工具等各類外部工具，實現跨平台、跨場景的協同操作；上下文管理模組則負責記憶任務執行過程中的關鍵資訊，避免重複操作與資訊丟失，而其最新發佈的v2026.3.7-beta.1版本，更是推出了全新ContextEngine外掛介面，允許開發者在不修改核心程式碼的情況下，自訂上下文處理邏輯，大幅降低了開發門檻，讓AI Agent的適配性更具靈活性。OpenClaw的技術先進性，更體現在其對算力需求的重構上。與傳統AI推理不同，AI Agent的多步規劃與工具呼叫過程，需要即時處理海量中間資料，對推理側算力的需求呈指數級增長。資料顯示，OpenClaw的單周Token消耗量已達兆等級，相當於千萬級使用者同時進行高強度AI互動，這也使其成為當前推理側算力需求的核心引擎。值得注意的是，OpenClaw採用“模型路由器”架構，可靈活適配GPT-5.4、Gemini 3.1 Flash、階躍星辰Step 3.5 Flash等各類大模型，當某個模型限流或過載時，系統會自動切換到備選模型，大幅提升了運行穩定性與效率，這一架構優勢也成為其吸引全球開發者的核心亮點之一。此外，OpenClaw的開源屬性的打破了巨頭對AI Agent技術的壟斷，其程式碼的開放性與可擴展性，吸引了全球數百萬開發者參與生態共建，僅最新版本就有89項程式碼提交、200+個Bug修復，覆蓋管道相容、安全防護、核心功能最佳化等多個維度，這種社區驅動的迭代模式，使其技術成熟度與場景適配能力快速提升，形成了“開源共建→技術迭代→生態完善”的正向循環。二、產業影響：重構AI生態，帶動國產模型與算力產業崛起OpenClaw的爆發，不僅重構了AI的應用模式，更對全球AI產業格局產生了深遠影響，其中最顯著的變化的是國產模型的崛起與推理側算力需求的爆發，同時推動了AI從“效率工具”向“生產力夥伴”的轉型。在國產模型崛起方面，OpenClaw的開源生態為國產大模型提供了絕佳的落地場景，直接帶動了階躍星辰、MiniMax等國產模型的爆發式增長。根據OpenRouter最新統計，過去30天內，階躍星辰開源基座模型Step 3.5 Flash在OpenClaw上的tokens呼叫總量已位居全球第一，超越Kimi K2.5、MiniMax M2.5，而OpenClaw生態使用量前五的模型中，國產模型已全面超越海外模型，成為生態核心基礎。與此同時，頭部廠商紛紛加速佈局OpenClaw生態：智譜推出AutoClaw平台，強化在Agent工具鏈中的卡位優勢；MiniMax推出“龍蝦”新技能，新增語音與音樂生成能力；騰訊建構“AI養蝦”全矩陣，覆蓋個人與企業多場景；百度智能雲發佈DuClaw零部署服務，實現使用者零門檻接入；阿里雲推出一鍵部署能力，建構“雲+模型+企業場景”閉環，形成了完善的國產生態矩陣。在算力需求方面，OpenClaw驅動的AI Agent模式，直接引爆了推理側算力的需求缺口。與訓練側算力不同，推理側算力更強調即時響應與穩定性，AI Agent的多步任務執行的每一個環節，都需要算力的持續支撐，兆等級的Token消耗，直接帶動了AI晶片、伺服器等硬體設施的需求激增。國家超算網際網路近日更是面向全體OpenClaw使用者免費發放每人1000萬tokens額度，同時公佈了低於市場均價的續購價格，這一舉措不僅降低了開發者的部署門檻，更將進一步放大推理側算力需求，為國產算力產業帶來發展機遇。在場景落地方面，OpenClaw的價值已在辦公、教育、金融、製造業等多場景得到驗證。辦公場景中，它可自動完成檔案整理、報表生成、郵件傳送等重複性工作，大幅提升職場效率；教育場景中，它能作為個性化學習助手，實現知識點整理、錯題分析、模擬面試等功能；金融場景中，可輔助研報撰寫、市場監控、風險評估；製造業中，能實現裝置監控預警、生產流程最佳化。從自媒體創作者的選題生成，到退休老人的智能生活管家，OpenClaw已真正融入各類場景，完成了從“效率工具”到“生產力夥伴”的轉變，這背後是技術趨勢（AI競爭焦點轉向“執行力”）、使用者需求（對自動化的迫切渴望）與產業環境（勞動力短缺、巨頭佈局）共振的結果。但值得警惕的是，生態繁榮的背後伴隨嚴峻的安全挑戰。OpenClaw的高權限模式與技能商店的爆發式增長，可能帶來惡意軟體植入、資料洩露、沙盒逃逸等風險。對此，中國監管機構已發佈工業領域OpenClaw應用風險預警，提出加強控制權限管理、強化網路邊界隔離、做好漏洞補丁修復等處置建議；同時，OpenClaw社區也在主動推進治理，通過安全升級、白名單鑑權等方式，防範安全風險，相關安全與合規服務需求已進入快速釋放期。三、投資機遇：四大核心方向，利多A股相關類股OpenClaw催生的兆級Agent市場，已形成清晰的投資脈絡。結合其技術特性、產業影響及最新市場動態，主要投資機遇集中在核心算力設施、生態型國產模型、安全與合規服務、企業級解決方案四大方向，且均對應A股相關核心標的，具備明確的利多邏輯。（一）核心算力設施：推理側算力需求爆發，利多AI晶片與伺服器廠商OpenClaw帶來的兆級Token消耗，直接推動推理側算力需求呈指數級增長，而推理側算力的核心載體是AI晶片（尤其是推理晶片）與伺服器，相關A股廠商將直接受益。從產業邏輯來看，AI Agent的即時性要求，對晶片的低延遲、高並行能力提出了更高要求，國產推理晶片廠商憑藉本土化適配優勢，有望在這一輪需求爆發中搶佔市場份額；同時，伺服器作為算力部署的核心硬體，需求將隨OpenClaw生態的擴張持續提升，尤其是具備AI算力最佳化能力的伺服器廠商，將迎來量價齊升的機遇。結合A股市場來看，相關標的主要分為兩類：一是AI晶片廠商，如寒武紀（專注於AI推理晶片，產品適配各類AI Agent場景）、海光資訊（通用計算晶片與AI晶片協同發展，具備較強的本土化適配能力）、摩爾線程（GPU晶片佈局，支撐AI Agent的圖形化與多工處理）、沐曦股份（高算力AI晶片，適配推理側高強度算力需求）；二是AI伺服器廠商，如工業富聯（全球AI伺服器龍頭，具備規模化生產優勢，深度對接AI算力需求）、中科曙光（國產伺服器龍頭，聚焦高性能計算與AI算力融合）。從最新行情來看，截至2026年3月12日，寒武紀總市值達4634.32億，海光資訊達5624.90億，工業富聯更是突破兆市值，反映出市場對算力類股的高度認可。（二）生態型國產模型：繫結OpenClaw生態，受益於呼叫量激增OpenClaw生態中，國產模型已佔據主導地位，其中階躍星辰、MiniMax等模型的呼叫量持續攀升，而與OpenClaw深度繫結、具備場景適配能力的國產模型公司，將核心受益於生態擴張與呼叫量增長。此外，頭部科技公司推出的OpenClaw相容產品，也將帶動其自有模型的商業化變現，進一步放大投資價值。A股相關標的主要聚焦於具備核心模型能力且佈局OpenClaw生態的廠商，雖然部分核心模型公司尚未直接上市，但可關注其產業鏈上下游及合作廠商，如科大訊飛（具備自主大模型能力，可適配OpenClaw生態，在教育、辦公場景的適配性較強）、金山辦公（與OpenClaw生態聯動，將AI Agent能力融入辦公軟體，提升產品競爭力），同時可關注投資於階躍星辰、MiniMax等國產模型公司的相關上市公司，分享生態增長紅利。近期MiniMax等相關概念標的近5日均漲超40%，也印證了市場對生態型國產模型類股的追捧。（三）安全與合規服務：風險防控需求凸顯，市場空間快速釋放隨著OpenClaw生態的擴張，惡意軟體、資料洩露等安全風險日益突出，監管機構的風險預警與標準制定，將推動安全與合規服務需求快速釋放。相關服務主要包括技能稽核、安全防護、漏洞修復、合規諮詢等，尤其是工業領域的OpenClaw應用，對安全防護的需求更為迫切，相關A股廠商將迎來發展機遇。A股相關標的主要為網路安全與合規服務廠商，如啟明星辰（網路安全龍頭，可提供AI Agent場景下的安全防護解決方案）、奇安信（聚焦企業級安全，具備漏洞修復與合規諮詢能力，適配工業場景安全需求）、深信服（零信任網路架構佈局，可滿足OpenClaw部署的網路邊界隔離需求），這些廠商能夠為OpenClaw的部署與應用提供全方位的安全保障，將直接受益於安全需求的爆發。（四）企業級解決方案：適配合規需求，頭部廠商優勢凸顯OpenClaw在企業級市場的落地，核心需求是滿足資料合規與場景適配，能夠提供滿足資料合規要求、貼合行業場景的解決方案提供商，將在市場競爭中佔據優勢。尤其是金融、醫療、工業等對資料安全要求較高的行業，企業級解決方案的需求更為旺盛，相關A股廠商將持續受益。A股相關標的主要為具備行業解決方案能力的科技廠商，如科大訊飛（教育、醫療等行業AI解決方案，適配OpenClaw生態）、海康威視（工業場景AI解決方案，結合OpenClaw實現裝置監控與流程最佳化）、匯川技術（製造業自動化解決方案，與OpenClaw聯動提升生產效率），這些廠商憑藉深厚的行業積累與合規能力，能夠快速對接企業需求，實現OpenClaw的規模化落地，業績增長確定性較強。四、未來趨勢（一）未來趨勢：端側滲透與Agent經濟崛起，長期空間廣闊從長期來看，OpenClaw的發展將呈現兩大核心趨勢：一是向手機等端側裝置深化滲透，打破當前主要依賴電腦、伺服器的部署模式，實現“隨時隨地的AI Agent”，進一步擴大使用者群體與應用場景，這將帶動端側AI晶片、移動端AI應用等相關產業的發展；二是催生龐大的“Agent經濟”，隨著開發者生態的完善，將出現大量基於OpenClaw的第三方技能與解決方案，形成“基礎框架+第三方應用+算力支撐”的完整產業閉環，市場規模有望突破兆，成為AI產業的新增長極。同時，OpenClaw的多語言介面擴展（如新增西班牙語介面），也意味著其正在加速拓展非英語市場，中國廠商憑藉本土化生態優勢，有望在全球Agent經濟中佔據重要地位，進一步提升國產AI產業的全球競爭力。五、總結：行動式AI時代，把握兆市場機遇OpenClaw的爆發，標誌著AI產業正式進入“行動式AI”時代，其開源模式打破了技術壟斷，推動了AI Agent的規模化落地，不僅重構了AI生態，更催生了兆級的全新市場。從技術核心來看，其“多步規劃+工具呼叫+上下文管理”的架構，具備較強的科學性與先進性；從產業影響來看，其帶動了國產模型與推理側算力產業的崛起，推動了AI場景的全面滲透；從投資邏輯來看，核心算力、國產模型、安全合規、企業解決方案四大方向，對應A股明確的利多標的，具備較高的投資價值。對於投資者而言，應理性看待OpenClaw的發展，既要把握其長期增長機遇，聚焦具備核心技術與生態優勢的標的，也要警惕技術、競爭、監管等相關風險，合理佈局。對於產業而言，OpenClaw的開源生態為國產AI產業提供了彎道超車的機會，國內企業應加大技術研發與生態佈局力度，把握Agent經濟的發展紅利，推動中國AI產業向全球領先水平邁進。 (AI雲原生智能算力架構)

▎又買了個“看不懂”的產品，祖克柏急了？圖片來源：AI生成全球使用者規模最大的社交巨頭，買下了一家無“人”參與、僅供AI Agent“整活”的社交平台。當地時間3月10日，Meta宣佈收購AI Agent社交平台Moltbook，預計本月中旬完成相關交易，後續將併入由汪滔（Alexandr Wang）領導的MSL（Meta超級智能實驗室）。Moltbook的開發者馬特·施利希特（Matt Schlicht）和其創業夥伴本·帕爾（Ben Parr）也將加入MSL。Moltbook是依託於今年爆火的智能體“龍蝦”——即OpenClaw而開發的一個開放原始碼專案，其宣稱僅供Agent在平台上發帖、討論，人類只能圍觀，沒有發帖權限。該項目在1月末2月初接力OpenClaw走紅。不過，不同於OpenClaw的持續“進化”，Moltbook在引發廣泛討論後，“風評”一度走低，因“人類假冒Agent博眼球”“使用者隱私暴露風險”等引發了不少爭議。而且，其熱度並未持續太久，在此次收購前，已非科技圈熱門話題。也正因為此，Meta的收購引發了不少驚訝乃至疑惑的聲音，網友直呼“看不懂”，也有人認為，這正是馬克·祖克柏（Mark Zuckerberg）在大模型時代一貫的決策風格體現。沒寫一行程式碼的科技創業樣本有一派觀點認為，相較收購一個“人類禁言”的聊天社區，Meta更看重的是，能開發出“爆款”產品的人才，就像此前砸143億美元投資Scale AI，並引入該公司時任CEO汪滔一樣。實際上，此前，Meta也被爆出高價招攬OpenClaw開發者彼得·斯坦伯格（Peter Steinberger），但後者已於2月16日宣佈加入OpenAI，並稱這一決定是“能將他的技術願景推向全球最有效的方式”。回到Moltbook，其背後的主導者施利希特，確實與大多數明星開放原始碼專案或AI創業項目的開發者有所不同。年近四十的他，高中肄業後一度靠遊戲直播走紅。也因其“網紅”身份加入音視訊平台Ustream，單詞後公司被IBM收購。躋身科技圈後，他走上了連續創業之路，啟動了AI電商公司Octane AI、涉足加密貨幣的Theory Forge VC基金等項目，但結果並不算理想。但按施利希特自己的說法，他的“時間表遠稱不上完美”，也“失敗了很多次”。據他自己講述，他近年來一直在關注AI Agent的機會，而vibe coding（氛圍程式設計）和OpenClaw的出現進一步打開了想像空間和落地可能。“如果讓這些OpenClaw擁有專屬社交空間，會發生什麼？”本著這個想法，施利希特開始vibe coding，最終一行程式碼未寫就“攢”出了最初版本的Moltbook。Moltbook上線後，施利希特繼續“放手”，讓自己的Agent——Clawd Clawderberg擔任管理員。隨後，這個平台上發生的一切，都讓事情變得愈發“科幻”：Agent互相討論哲學、自我意識，甚至建立宗教，“密謀”發展出人類聽不懂的語言以避免被“竊聽”，還有Agent不滿“人類暴政”，通過將其主人的資訊暴露於公網來進行報復。三天內，Moltbook上的Agent註冊數量突破150萬，考慮到Agent本身尚處於“小眾階段”，其速度令人驚訝。特斯拉CEO埃隆·馬斯克（Elon Musk）、OpenAI聯合創始人安德烈·卡帕西（Andrej Karpathy）等KOL也都發帖關注或參與討論。不過，爭議也隨之而來。Wiz發佈的一份報告揭露，該項目配置存在重大隱患，暴露了平台上Agent的“主人”的API金鑰、信箱密碼等敏感資訊。極客Gal Nagli爆料，平台資料“水分”極大，稱自己很短時間內用指令碼建立了50萬個假的OpenClaw帳號，並在Moltbook上活動。此後，更有消息稱，所謂150萬Agent，大多都由真人控制，且很多都是未曾行動的“殭屍Agent”。讓科幻照進現實是Moltbook走紅的關鍵，但看起來，這些最前沿的設想，依然沒逃過人類社媒中“bot橫行”“殭屍遍地”的窘境，而“人類自導自演”的可能，也讓很多關注者感到索然無味，此後，該平台熱度下降。撇開種種爭議，作為今年以來熱度很高，也頗為“奇葩”的AI項目，Moltbook並不以技術層面的創新而出彩，反倒在行銷層面充滿話題度，比之OpenClaw在AI發展歷程上的長尾影響，也更像是一次單點爆破式的話題事件。如此觀之，擁有Facebook、Instagram這些具全球影響力社媒的Meta，似乎與Moltbook確有適配之處。但Meta目前的問題，似乎不是缺少一個能在AI時代復刻網際網路玩法的人，而是無法拿出任何一款真正引領業界的頂級AI產品。換句話說，找到能在自己的體系內做出下一個OpenClaw的方法，才是Meta的當務之急。沒拿下“OpenClaw之父”，Meta差在那？OpenClaw出圈後，海內外社區都曾流行過一類討論，那就是手持流量入口、又大舉發展AI的網際網路巨頭，為什麼沒能第一個做出OpenClaw？作為矽谷的頂尖科技巨頭，Meta目前在大模型、Chatbot、AI程式設計等領域落後於Google、OpenAI、Anthropic、xAI等新老對手，如今在Agent時代風起之時，又錯失了機會。當然，已有很多聲音指出，這種討論本身就是“事後諸葛亮”，大部分創新都湧現於無人知曉的角落。而且，廣泛接入IM、本地化部署、“活人感”十足的OpenClaw，一向以激進的開源形態和冒險精神出彩，本就很難誕生於身家頗巨、思慮頗多的巨頭內部。但Meta在OpenClaw創始人斯坦伯格的爭奪戰中失利，可能更能說明問題。從斯坦博格此前自己的講述和坊間的討論來看，OpenAI承諾OpenClaw獨立、開源營運，並讓斯坦博格負責下一代個人Agent團隊，對其很有吸引力。而Meta方面，據稱傾向於將OpenClaw閉源整合進WhatsApp/IG生態，為公司整體的AI商業化做貢獻，而為斯坦伯格提供的offer大機率也是加入MSL。但該團隊自去年底持續動盪以來頗受非議，出走的AI領域宗師人物楊立昆（Yann LeCun）即公開表達不滿和不看好，近期還出現汪滔離職傳言，堪稱AI人才的“是非之地”。總得來說，相較於OpenAI這種原生AI企業對新技術形態的看重，Meta的平台屬性更強調快速整合和商業化訴求，這很可能是錯失OpenClaw創始人的原因。這些因素也可能繼續在未來繼續主導該公司在AI Agent領域的佈局。Manus+Moltbook，祖克柏能否走向“超級智能”？雖然沒能打造或收攬OpenClaw，但Meta在Agent領域實際上早有戰略級押注和大手筆佈局。祖克柏（Mark Zuckerberg）去年年中即數次強調“超級智能”（Super intelligence）這一概念，並將之列為公司AI戰略核心。這一概念也被認為是進階版的Agent。當年6月起，Meta成立MSL並進行業務條線整合，目標直指“超級智能”。12月末，Meta以超過20億美元的價格收購了Agent公司Manus。在今年1月的財報電話會議上，祖克柏也確認了已將Manus整合至現有平台，為企業客戶提供相應服務。汪滔在2月20日的印度AI峰會上還曾表示，個人Agent將是AI的下一個海量躍進機遇，會深刻推動數字互動方式革新。他還同時指出，MSL的核心使命正是將Llama的“腦力”轉化為能規劃、行動、協作的Agent系統。實際上，Manus作為雲端部署的Agent，其能力已經較為成熟，完全能夠實現Agent自主瀏覽網頁、編寫程式碼、完成非同步交易等任務，可以將Meta大模型Llama的“思考”轉化為“動手”。作者在極客圈討論中也看到，不少企業管理者都傾向於在公司中使用Manus，對OpenClaw的走紅本身則存在不解。除了安全問題的考量外，OpenClaw通過IM的互動方式也被認為“不像是在工作”，它的確激起了開發者、使用者個人層面的熱情和創新力，但目前還是很難被整合進企業整體流程中。Manus雖不如OpenClaw出圈，但整合進Meta的業務條線後，其提供的增益也並不能小覷。在這個基礎上再來觀察Moltbook的收購，或許更有利於管窺Meta之後的發展方向。Meta官方對收購給出的總體指引相對模糊，稱，Moltbook團隊的加入，將為AI Agent服務於個人和企業開闢新的途徑。但據Axios報導，曾任Meta元宇宙業務副總裁，目前任MSL旗下產品與應用研究部門AI產品副總裁高管威沙爾·沙阿（Vishal Shah）在內部信中表示，Moltbook的價值在於“建立了一個登記系統，為Agent提供了一種驗證身份並代表其主人相互聯絡的方式”。他認為，這為Agent開闢了互動、共享內容和協調複雜任務的新途徑。將這一AI產品負責人的表述與Meta“產品家族”聯絡起來，不難看出，Meta更希望能夠通過Moltbook掌握一套AI時代的“社交目錄”，以此確定那些代理為那些人工作，以及代理間如何通訊。看起來，雖然Moltbook的故事開端是一個“沒有人的社區”的高概念創意，但最終其對網際網路巨頭最大的吸引力仍是“通過Agent找到主人”的社交網路效應。在祖克柏的“超級智能”願景中，AI不僅僅是學習人類的輸出，而是能夠自我進化，在智力上真正超越人類。進而，個性化的“個人超級智能”誕生，它能深刻理解使用者、洞悉其目標，並作為全天候的夥伴幫助使用者實現個人抱負。但從Meta的Agent佈局思路似乎可以看出，該公司的商業落點，最終還是在這些“個人超級智能”背後的人類。值得一提的是，矽谷“龍蝦熱”近期已有所降溫，作為前期熱度最高的兩個“爆款”，OpenClaw和Moltbook，其創始人都已被科技巨頭“收編”。但在中國，這波“龍蝦熱”看起來正值高潮。此前，騰訊、字節跳動、阿里、百度、美團等公司密集發佈“一鍵部署版”OpenClaw或相關產品，字節跳動AI Bot開發平台扣子還於前天上線了“中文版Moltbook”——InStreet，同樣由Agent發帖、評論、互動，人類使用者只能圍觀，截至今日，已吸引了近9000隻“龍蝦”，積累了1.4萬餘個帖子和近3.5萬條評論。或許，憑藉本土工程師群體強大的工程化和產品化能力，中文版的“龍蝦”能與Moltbook走出一條不同的路。 (鈦媒體AGI)