一隻“龍蝦（Open claw）”從橫空出世，到火遍全球。“自研龍蝦、本地蝦、雲端蝦、企業蝦……還有一批產品陸續趕來。”今天凌晨2點，馬化騰在朋友圈官宣騰訊即將推出全系“龍蝦”矩陣。今天上午，華為宣佈鴻蒙版“龍蝦”已完成適配，即將上線。二級市場，優刻得、科華資料等“龍蝦”概念昨日逆勢大漲。從舊金山到上海，熱鬧紛呈的“龍蝦”極客發燒友分享大會；網路與社交平台上，各種“龍蝦”攻略紛紛上線；熱潮之下，深圳龍崗、無錫高新區、浙江蕭山等地方政府出台“養龍蝦”激勵計畫，鼓勵企業和個人部署這一新興AI智能體。“龍蝦”——這個OpenClaw的中文愛稱，正以燎原之勢席捲AI圈。GitHub星標數飆升至28萬，創下開源史紀錄；騰訊大廈北廣場排起長隊，只為免費部署一隻“龍蝦”。然而，3月10日晚，國家網際網路應急中心一紙風險提示，給這場狂歡降溫：“OpenClaw默認配置存在極高資訊洩露風險，極易引發網路攻擊。”央視新聞、工信部NVDB相繼發聲，提示“信任邊界模糊”帶來的安全隱患。這只從開源海洋裡爬出的“龍蝦”，究竟是給千行百業帶來生產力變革的“神兵利器”，還AI數字世界裡潛藏風險的“蝦兵蟹將”？我們採訪了11位專家與業內人士，試圖揭開這場“龍蝦熱”背後的機遇與風險。▍智能體自進化 AI“手腳”的誕生OpenClaw的誕生，堪稱天才之作。創始人彼得·斯坦伯格Peter Steinberger是iOS開發者出身，早年憑PSPDFKit在歐洲獨立開發者圈成名。2025年底，他帶著小團隊發佈OpenClaw測試版，項目圖示是一隻紅色波士頓龍蝦。AI圈很快發現，這只“龍蝦”不簡單：它打破了大模型“只會聊天、不會做事”的困局——傳統AI是“缸中之腦”，思維強大卻無手無腳；而OpenClaw通過智能體架構，給大模型裝上了“手腳和記憶”，讓AI具體了執行能力。圖片由AI生成復旦大學計算與智能創新學院教授肖仰華向記者打了個比方：“大模型好比王陽明說的‘知’，OpenClaw就是‘行’。它通過智能體形式，賦予AI行動能力、工具使用能力，實現了真正的‘知行合一’。如果說ChatGPT是人工智慧的iPhone時刻，那OpenClaw就是AI的Windows時刻——人人都會用，家家都要裝。”肖仰華認為，OpenClaw “龍蝦”的誕生，標誌著AI從“作詩”向“做事”的跨越，實現了千行百業對大模型取得突破以來AI技術發展的期待。值得一提的是，復旦大學計算與智能創新學院昨日上線百萬級Skills資源庫，推動打造具有無限技能的“超級龍蝦”。安恆資訊AI安全產品總監胡壯補充道，OpenClaw早在去年底就已面世，之所以近期突然爆火，核心原因是“代裝openclaw”業務的出現，降低了其安裝門檻，讓原本需要專業技術的部署操作，變得普通使用者也能參與，從而實現了大規模的使用者突破。上海人工智慧研究院全端工程師王大帥則表示，龍蝦的爆火，更是源於AI智能體熱潮與使用者剛需的疊加——它能幫使用者實現訂票、寫郵件、整理檔案等自動化操作，真正提升工作與生活效率。▍人工智慧的“Windows時刻” 生產力範式變革“如果說ChatGPT是人工智慧的iPhone時刻，那麼龍蝦就是人工智慧的Windows時刻。”肖仰華的這一判斷，道出了OpenClaw的巨大產業價值。在他看來，這只“龍蝦”的能級比堪比電腦時代“Windows時刻”。而且，當年的Windows只能處理一些IT工作，而如今的龍蝦，能完成諸多智能任務，未來將推出個人版、企業版、專業版，成為每個人的個人智能助理、企業的智能夥伴、專業領域的“虛擬員工”。這種“Windows時刻”的到來，不僅改變了個人與企業的工作模式，更催生了新的產業機遇，讓OPC（一人公司）蓬勃發展，也讓地方政府看到了推動人工智慧產業發展的新路徑。上海意言科技創始人劉煜晨認為，一些地方政府之所以鼓勵“養蝦”，因為龍蝦能帶動個人電腦、NAS等硬體消費和模型消耗，刺激消費，同時生態的活躍也能助力國家人工智慧產業發展——“雖然有風險，但有更多人用，才有更多人有動力去最佳化系統本身。”快思慢想研究院院長、原商湯智能產業研究院創始院長田豐，將OpenClaw的機遇總結為三大維度。在B2B領域，它是企業級跨應用工作流的“超級粘合劑”，能打破SaaS軟體孤島，通過自然語言介面調度多端工具，降低企業系統整合與培訓成本，為SaaS整合賽道打開千億級增長空間；在基礎設施領域，它正在成為智能體領域的“Linux”，對MCP協議的深度支援，讓全球開發者能以最低成本開發工具鏈，形成龐大的開發者生態，圍繞其做權限管理、安全審計的創業公司將迎來爆發；在C端領域，它推動個人助理從“聊天機器人”進化為“數字孿生體”，實現“意圖驅動”，使用者只需下達宏觀目標，它就能自主拆解任務、操作裝置，小米推出的MiClaw就是典型案例，既能處理文件、發郵件，也能控制全屋智能裝置。圖片由AI生成賽迪顧問人工智慧與巨量資料研究中心高級分析師白潤軒則從產業、技術、個人與創業三個層面，進一步解讀了龍蝦帶來的機遇。產業端，它能助力中小企業自動化升級，無需高額投入就能完成考勤統計、資料整理等重複性任務，降低人力成本，其本地私有化部署的優勢，也能滿足律所、製造業等對資料安全要求較高的行業需求；技術端，開源模式打破閉源模型壟斷，讓全球開發者能低成本參與最佳化，推動AI Agent從實驗室走向規模化應用；個人與創業端，普通人能借助它提升效率，創業者可圍繞其生態開發技能包、提供部署服務，催生提示詞工程師、AI培訓師等新興職業。國信證券首席資產配置研究員王開，從金融投資領域給出了不同視角的觀察。他認為，龍蝦相比傳統大模型更智能，能按指令處理工作流程，直接呼叫資料，智能化程度堪比高級實習生，能極大提升工作便利度。即便是一線從業者，也切實感受到了龍蝦的價值。某網際網路大廠IT工程師表示，他安裝龍蝦後，用它自動整理工作筆記、定時抓取技術論壇熱帖摘要、生成周報草稿，雖然偶爾會誤解意圖，但確實能節省零碎時間。▍安全隱憂 如何為龍蝦築牢安全防線？熱潮之下，風險暗藏。隨著“養蝦熱”的升溫，OpenClaw的安全隱患也逐漸暴露，國家網際網路應急中心、工信部網路安全威脅和漏洞資訊共享平台（NVDB）先後發佈預警，直指其資料洩露、系統失控等風險。上海人工智慧行業協會秘書長鐘俊浩直言，個人和企業“養蝦”，最核心的風險就是資料洩露。“因為要保證操作性和端到端的結果，必須授予龍蝦高權限，這就導致風險大幅提升。”圖片由AI生成田豐將OpenClaw風險總結為三大維度。其一，部署與配置層的權限漏洞，全球已有超過4萬個OpenClaw部署暴露於公網，63%存在可被利用的漏洞，超1.2萬個實例可被駭客實施遠端程式碼執行攻擊並完全接管系統；其二，供應鏈與執行層的“技能投毒”，攻擊者可上傳偽裝成實用工具的惡意外掛，竊取敏感資料並傳至境外伺服器，綠盟科技就曾在其官方GitHub倉庫發現惡意樣本程式碼；其三，認知與邏輯層的惡意污染，攻擊者可在網頁、群聊中隱藏惡意提示詞，劫持龍蝦的決策邏輯，導致其洩露長期記憶庫中的隱私資訊。安恆資訊AI安全產品總監胡壯則指出，OpenClaw作為“執行式AI”，支援本地私有化部署、擁有系統級操作權限且具備持久記憶，一個配置錯誤就能同時造成資料洩露和系統破壞。從技術架構來看，OpenClaw的“信任邊界模糊”是其核心隱患。上海意言科技創始人劉煜晨表示，這種模糊體現在三個層面：Gateway同時承擔控制平面、認證入口和策略面，一旦通過認證就會被信任，權限易被放大；瀏覽器、本機localhost與遠端控制之間的邊界不牢固；所謂的“安全控制”更像操作護欄，而非強隔離邊界，再加上大模型本身難以100%判斷正確，極易引發失控。針對這些風險，《科創板日報》採訪的專家及業內人給出了具體的防範建議，核心思路是“謹慎授權、環境隔離、全鏈管控”。個人使用者層面，肖仰華教授建議，建立新帳號並做好權限設定，取消刪除權限，將龍蝦部署在沙箱或虛擬機器環境中，避免其接觸核心資料；同時對雲平台設定規矩，要求刪除、轉帳等高危操作必須經過使用者確認。王開則分享了自己的防護經驗：解除安裝敏感資訊和重要通訊軟體，不在社交媒體和通訊端部署龍蝦，優先使用國產大模型的雲端版本體驗功能，避免本地部署時洩露隱私。上海人工智慧研究院全端工程師王大帥也建議個人使用者，不要向龍蝦提供銀行卡密碼、身份證照片等核心敏感資料，主動清理檔案中的隱私內容，只安裝官方認證的技能。企業使用者層面，田豐提出了“四個必須”：必須遵循零信任原則，必須控制風險“爆炸半徑”（沙箱），必須部署大模型防火牆和資料脫敏技術，必須實現全鏈路不可篡改審計和高危操作“人在回路”審計。劉煜晨建議，企業應將龍蝦視為“帶執行權的特權自動化平台”，單獨部署在隔離環境中，默認關閉高危權限，只對白名單任務開放，將日誌、審批等納入維運流程。周華則強調，企業應給AI設定最小操作權限，強化環境隔離和審批管控，結合即時資料保護與高可用保障技術，定期演練恢復流程，建構全方位安全防護體系。胡壯則建議企業，優先選擇安全風險較低的雲端部署或容器化部署，本地部署時可搭載clawdsecbot，平衡安全性與功能性。白潤軒則從監管、行業、使用者三方提出建議：監管層面包容審慎，制定差異化管控規則；行業層面共享漏洞資訊，加強安全培訓；使用者和企業提升安全意識，規範部署和使用，優先在非敏感場景落地。“決定未來的，不是AI有多強大，而是人類有多智慧。”站在時代大潮上看，OpenClaw的爆火，無疑是AI發展史上的重要節點。它讓AI從“聊天”走向“幹活”，從“建議”走向“執行”，開啟了智能體大規模落地應用的序幕。正如肖仰華所言：“龍蝦的安全問題一定要抓，但不能因為安全就裹足不前。必須兩條腿走路——一邊捲出速度、捲出質量，一邊做好合規與廣義安全。它跟人互動時間長了，倫理問題就會來，我們要提前佈局。”從騰訊大廈排起的長隊，到各地政府出台的“養蝦”政策，從資本市場的狂熱追捧，到監管部門的預警提示——這只“龍蝦”用它的“鉗子”，撬開了AI從實驗室走向千行百業千家萬戶的新大門，也撕開了數字世界的一道裂縫。接受《科創板日報》採訪專家和業內人士普遍認為，龍蝦的巨大機遇與風險隱憂並存，既不能因噎廢食，也不能放任自流。擁抱新事物，同時給這只“龍蝦”戴上必要的“安全帽”——這或許是我們面對“龍蝦”熱應有的態度。畢竟，真正決定未來的，不是AI有多強大，而是人類有多智慧。 (科創日報)

騰訊，終於出手了！剛發佈了全場景AI智能體WorkBuddy，趁著龍蝦熱，一口氣又推出多個"龍蝦"智能體。一夜之間，騰訊整個"龍蝦"矩陣，便宣告完成，速度之快，令人咋舌。能夠與之比速的，要算股價了。3月10日，騰訊控股高開高走，盤中漲幅一度超過7%，成交量急劇放大，隔夜美股騰訊ADR更是大漲超過10%。妥妥的一把久違的腎上腺素飆升。這不僅僅是一次產品發佈，更像是一顆扔進深水的炸彈，市場突然意識到，那個在這場AI浪潮中一度被認為"總是磨磨蹭蹭"、"快掉隊了"的騰訊，要後來居上了。01落後詬病在ChatGPT引爆全球AI熱潮的初期，騰訊的表現確實令人失望。與OpenAI、Google乃至國內的百度、阿里巴巴相比，騰訊在生成式AI領域的聲音相對微弱，被市場貼上了"保守"、"缺乏AI基因"的標籤，估值長期被壓制。這種質疑並非毫無道理。長期以來，騰訊的業務重心集中在社交、遊戲、內容等消費網際網路領域，雖然內部也有AILab等研究機構，但更多是支撐型而非戰略性的投入。更重要的是，憑藉社交媒體上巨量流量優勢，騰訊似乎也不需要去開荒，反而是別人開了荒，種好地，他再去摘果子就可以了。雖然總是會被人diss，但這難道不是低成本撬動高收益槓桿的完美案例嗎？不過，現在情況發生了變化。騰訊以一種近乎激進的速度，密集推出了一系列智能體產品，覆蓋了辦公、教育、金融、醫療、娛樂等多個垂直領域。這些智能體被網友戲稱為"龍蝦"，一方面因為數量眾多、品類齊全，另一方面也因為它們在各自的細分領域展現出了驚人的能力。以辦公智能體為例，騰訊推出的"文件智能助手"能夠自動完成文件起草、資料分析、PPT製作等任務；在教育領域，"AI私教"可以根據學生的學習進度自動生成個性化練習題；在金融領域，"智能理財顧問"能夠基於使用者的財務狀況提供投資建議。這些產品並非簡單的技術展示，而是真正解決了使用者的痛點問題。更令人驚訝的是，這些智能體的推出速度極快。從宣佈立項到產品上線，平均周期不超過3個月，這在以往騰訊的產品迭代節奏中是極為罕見的。這種"閃電戰"式的打法，徹底顛覆了市場對騰訊"慢"的刻板印象。3月10日，據The Information報導，四位知情人士透露，騰訊正為旗下應用微信秘密開發一款AI智能體，該項目被列為公司高優先順序機密計畫，啟動時間至少可追溯至去年上半年。市場這才恍然大悟，原來騰訊不是"慢"，而是躲起來"練功"了。02估值壓制騰訊股價暴漲，引發了另外一層熱議："龍蝦"智能體上桌了，能否揭開壓在騰訊估值上的"鍋蓋"？要知道，在這一輪上漲前，騰訊的股價已經跌破500，回到去年7月份的水平，距離10月份的高位，跌幅達到28%，動態估值則跌到接近18倍，放在過去10年裡，歷史分位點為28%。再這麼跌下去，股東可要掀桌子了！要回答這個問題，就得先搞清楚壓估值的"鍋蓋"到底是什麼。一直以來，騰訊的估值主要基於其在社交、遊戲領域的統治地位、微信生態的商業化潛力，以及對外投資網路的價值。其實，最終都可以濃縮為四個字：流量入口。然而，隨著移動網際網路紅利的見頂，這種估值邏輯面臨天花板。更糟糕的是，隨著AI的出現，騰訊大廈的裂痕在若隱若現。就說流量入口的地位吧。微信是連接人與人的社交網路，順便收編辦公、購物、支付等等流量入口，但問題是，AI其實也可以成為另類的社交網路，而且現在已經出現了一些聊天軟體，對方是一個AI虛擬人，類似於電影《her》那種，優勢是她更"懂"你。而隨著AI的進化，和一個更"懂"你的"SHE"聊天，你可能就會減少刷微信、看好友動態的時間。這只是其中一個案例，無可否認的趨勢是，隨著AI的發展，使用者會將習慣"打開微信"轉向"打開AI APP"，那微信作為移動網際網路第一入口的地位，就迎來了前所未有的挑戰。截至2026年2月，字節豆包月活已達3.15億，阿里通義千問2.02億，而騰訊元寶僅1.09億。社交流量入口被弱化，其附帶的辦公、購物、支付等等流量入口會跟著被弱化，整個生態系的商業化潛力也會隨之弱化。網際網路，流量入口能夠代表的東西太多太多了，一旦入口被人搶了，那就是春去秋來了。前車之鑑，就是搜尋引擎。PC網際網路時代，BAIDU是流量入口，到了移動網際網路，APP成了新的流量入口，很多入口根本不需要通過BAIDU就可以進入，而且更加便捷。結果，BAIDU的市值，2011年高峰期是460億美元，現在最新的市值是431億美元。03估值重構？面對流量被AI弱化的風險，騰訊的反擊不是去和字節拼大模型，和阿里拼GPU，拼獨立App，而是將AI能力原生注入微信。這裡面的陽謀，是這樣的：首先，讓你加AI智能體為微信"新好友"。這些智能體將以對話形式嵌入使用者的聊天列表，等同於微信裡多了一個AI好友。這個設計的精妙之處在於，完全符合使用者已有的使用習慣，使用者不需要下載新App、不需要學習新互動，微信還是那個微信，只是多了一個新好友。第二，讓AI智能體成為微信服務的"統一調度員"。該智能體的核心能力是全面接入微信生態內數百萬個小程序，使用者只需下達自然語言指令，AI就能自動完成打車、外賣、訂票、繳費等複雜任務。這意味著，微信小程序過去八年積累的生態壁壘，並沒有消失。第三，讓你還是離不開微信（AI智能體）。過去，微信的入口價值體現在"使用者主動來"，使用者打開微信聊天、刷朋友圈、搜小程序。而AI智能體的加入，讓微信的入口價值升級為"客官請吩咐，小的馬上去做"。後面兩點的厲害之處就在於，使用者仍然需要從微信入口，各種想法、行為、資料等等，都留在微信的生態系內，結果也在微信系統內完成。換句話說，微信依然是流量的入口，是流量的過程，也是流量的終點，使用者並不需要繞過其他APP。現在，騰訊已密集推出面向個人本地操控的QClaw、面向企業協作的企業微信機器人、以及多平台辦公助手WorkBuddy。三款產品均未採用獨立App形態，而是直接嵌入微信、企業微信等高頻應用，而且微信團隊也沒有完全押注騰訊自研的混元模型，而是同步測試智譜、阿里、DeepSeek等外部模型及自研小模型，以確保在複雜多步驟任務處理中的穩定性。雖然效果如何還需要時間驗證，但至少從邏輯上講，如果最終微信能夠守住流量入口的地位，那它就守住了自己的"基本盤"，估值中樞繼續下跌的機率就變小；如果能順勢將微信從"社交工具"升級為"智能作業系統"，那估值中樞反而有機會迎來一波提升。畢竟，投資者現在最關心的，是能否將"技術儲備"轉向"商業化落地"，說白了就是你能用AI賺多少錢。而微信月活使用者超過13億，小程序日活超過4億，公眾號超過2000萬個，就是現有的天然商業化土壤。為了方便說明，我們還可以簡單算一筆帳，假設騰訊推出10個智能體產品，月活使用者達到3000萬，付費率提升到20%，客單價提高到30元，那麼每個智能體的月營收可達1.8億元，10個智能體就是18億元的月收入，年化營收超過200億元。這還只是智能體本身的直接收入，如果考慮到由此帶動的其他業務增長（如金融、電商等），整體收益將更加大。在如此的業績增長預期面前，那個壓在估值上的"蓋子"，恐怕很難壓住了吧？04結語看看龍蝦熱潮，再看看流量入口爭奪戰，可以得出一個前瞻性的結論（可能還需要時間驗證）：AI可以消滅超級入口，也可以重塑超級入口的形態。看懂了這一點，也就看得懂了騰訊的戰略意圖，它依然試圖用最低的成本（智能體開發成本、營運成本低），然後基於自己強大的流量和生態系統的賦能，去撬動更高的收益槓桿。於競爭對手而言，當他們試圖用獨立App搶奪微信的流量入口時，微信卻選擇讓AI"住進"自己體內。於14億微信使用者而言，既可以找人聊天，又可以找AI辦事。當那個置頂在消息列表裡的AI好友，能夠呼叫數百萬小程序完成一切生活服務時，你還會去打開其他APP嗎？騰訊被各種羨慕嫉妒恨的"從不爭先，但總能後來居上"的敘事，說不準會在AI時代再來一次。這大概就是資金衝進去搶騰訊的原因吧。當然了，市場也不乏冷靜的聲音。今天，騰訊股價高開低走，下午還翻綠了，最終畫面定格在一根大陰線，雖然可以甩鍋短期市場情緒的沖高回落，有資金見好就收，套牢盤趁機跑路，但也證明了，故事再好，估值再搶跑，最後還需要"成績單"。關於這個，咱不也過度預測了，騰訊的智能體，到底是能端上五星級大酒店的高溢價大龍蝦，還是只能上宵夜排檔的平民小龍蝦，等後面的資料驗證吧。 (格隆)

🔥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)

▎技術與泡沫平行，誰在渾水摸魚？在以開源 AI 智能體 OpenClaw 為代表的“養龍蝦”概念持續刷屏下，3月9日，“龍蝦”主線一時風頭無兩，相關算力、雲服務及AI Agent產業鏈個股逆市上揚，優刻得“20cm”漲停，青雲科技漲超15%，資金密集湧入。將這場熱度視作技術與資本的“雙向奔赴”，此時仍顯樂觀。在技術路線尚未明朗、競品與替代方案層出不窮之際，二級市場已迫不及待地將“OpenClaw時刻”打造為新一輪AI行情的標竿。這場“龍蝦行情”，需要看盤面——誰在真正在“養蝦”、資金如何佈局；也要看技術與產業——這套路線是否足夠成熟、是否不可替代；也要回到最樸素的一點：在安全邊界和商業模式仍然模糊的當下，這只“龍蝦”究竟能為現實世界創造多少可持續的價值。OpenClaw 引爆漲停資金全線搶籌在亞太股市全線走弱背景下，OpenClaw 概念形成了鮮明的逆勢類股效應。9日，優刻得盤中直線拉升，“20cm”漲停，成為“龍蝦行情”的頭部標竿，多隻算力及雲服務個股也同步放量上攻，漢得資訊（300170.SZ）、龍芯中科（688047.SH）、青雲科技（688316.SH）等集體沖高，雲從科技、奇安信均漲超5%，類股賺錢效應顯著。拆解來看，資金“養蝦”主要圍繞四條主線：雲部署與生態：OpenClaw 主打“本地優先”，但各大雲廠商（騰訊雲、阿里雲、華為雲、天翼雲、移動雲等）紛紛接入。一鍵部署方面，優刻得提供 OpenClaw 雲鏡像，青雲科技用雲原生方案做輕量化落地，宏景科技參與騰訊雲端的 OpenClaw 項目。算力基礎設施：Agent 使用率和複雜度提升帶來 Token 消耗激增，算力剛性需求上升，國產算力有望取得優勢。代表公司有：浪潮資訊（AI 伺服器龍頭，雲端+本地適配）、潤澤科技（純液冷智算中心）、中科曙光（智算中心+液冷技術）。終端晶片與本地部署：OpenClaw 對端側提出高頻寬、低時延、高密度、低功耗的新要求，為國產 AI 晶片提升市佔率創造機會。AI 智能體應用：OpenClaw 有望顯著降低工具呼叫和自動化執行門檻，加速 AI 智能體在 C 端場景滲透與生態完善。市場熱度之外，投資者在互動平台上密集追問上市公司與OpenClaw的業務關聯，多家企業也集中回應相關進展。優刻得的動作最為激進，其1月下旬率先推出 OpenClaw 雲端鏡像，即 OpenClaw（曾用名 Clawdbot）的專屬鏡像，是行業內率先實現雲端部署的廠商之一；目前公司已在美國、新加坡、日本等多個海外節點上線，支援使用者快速建構“7×24 小時個人 AI 超級助手”。此外優刻得推出開箱即用的 OpenClaw 輕量應用雲主機，把原本需要命令列、多元件協同的複雜部署流程，做成了可視化操作的一鍵式產品。瑞芯微稱，公司RK3588、RK182X等多款晶片適合個人部署OpenClaw等AI Agent應用產品，當前已有基於公司RK3588並呼叫雲端大模型的AI Agent應用解決方案。同時，公司協處理器RK182X具備大算力、高頻寬優勢，支援各類智能終端裝置在本地部署大模型並快速獲得端側AI Agent能力，能夠更好地滿足使用者資料隱私安全、低延時響應等需求，實現自主操作和多工處理。中科創達表示，公司已完成開源AI智能體框架OpenClaw在旗下魔方派3與AIBOX兩大平台的全端深度適配及規模化部署。但同時提示“當前未對公司主營業務產生實質性影響”。北信源則介紹，公司自主研發的信源密信產品已完成OpenClaw適配對接，若有相關業務公司有能力憑藉技術儲備提供解決方案及服務。技術與泡沫平行市場情緒將 OpenClaw 打造成“AI 從會聊天走向會幹活”的標誌性事件，它在個人場景中表現可圈可點，也迅速培育出活躍的社區生態。但從技術成熟度看，其僅僅是AGI的雛形，距離真正的大規模穩定商用仍有明顯距離。技術架構上，OpenClaw在傳統大模型基礎上增加了兩個關鍵元件：一是執行引擎，將自然語言理解轉化為具體的系統呼叫；二是反饋回路，捕獲執行結果並形成理解-執行-感知的完整閉環。開源特性使OpenClaw能被任意爆改、部署、接入各類社交平台，在網際網路上迅速傳播，這也構成了其天生的安全漏洞。昨日工信部指出：OpenClaw開源AI智能體部分實例在默認或不當配置情況下存在較高安全風險，極易引發網路攻擊、資訊洩露等問題。一直以來，OpenClaw也被大量資深系統架構師與安全專家評估為一款極不成熟的軟體產品。其工程實現不僅違背了現代軟體設計的諸多基本原則，更在配置管理、記憶體最佳化與權限控制上存在致命缺陷，一旦被惡意利用或配置不當，可能導致資料洩露、財產損失甚至企業網路被入侵。穩定性方面，OpenClaw配置檔案脆弱、"空轉"問題依舊突出。其次，資源利用率不高，消耗較大，大模型本身缺乏狀態保留能力，為了實現所謂的“持久化記憶”與“一致性人格”，OpenClaw採取了最原始且最暴力的上下文注入方案，持續消耗Token。在資源受限的裝置上，模型載入、推理計算、任務執行的性能壓力會極具放大，於企業級應用而言，性價比並不理想。實踐表明，OpenClaw更適合周期性、短時長的任務，如每日資訊彙總、定時資料抓取。但對於需要長時間持續運行、狀態跟蹤、複雜邏輯判斷的後台任務，表現並不理想。此外開源本地 Agent 也有多種輕量替代品，目前Rust 版的 Agent 框架已經如雨後春筍，主打“輕量、本地、安全”的替代項目。並且更多部署門檻低的Claw也相繼出現，比如MaxClaw、KimiClaw等。眼下，輿論場中的“搶跑效應”愈演愈烈，互動平台上，投資者對“公司與 OpenClaw 的關係”的刷屏式追問，諸多算力、雲服務公司在試驗階段就享盡了估值紅利，層出不窮的“龍蝦概念股名單”“龍蝦產業鏈梳理”“誰是龍蝦核心受益股”內容，也放大了資金對題材的關注度和進攻意願。所以拋開行銷層面的喧囂，從盤面表現與輿論發酵節奏看，資金推動的痕跡清晰可見，屬於典型的“題材先行”——風口上的豬固然能飛，但“龍蝦”上岸之時，誰在“裸泳”超前炒作將一覽無餘。 （鈦媒體）

你有沒有過這種體驗?寫周報時，翻遍五六個系統扒資料;跟客戶溝通時，反覆解釋同一個問題;處理工作流程時，卡在跨部門對接的環節動彈不得……我們總說AI能提高效率，但以前的AI，更像個“問答機器”——你問它才答，你不說它就躺平。但Google  Cloud剛出的《AI智能體趨勢2026》報告說，2026年這一切要變了。AI會從“只會回答問題的工具”，變成能聽懂目標、拆任務、跨系統自己幹活的“得力幫手”(也就是報告裡說的AI智能體)。這不是遙遠的暢想，而是已經在發生的現實。今天就跟你掰開揉碎了聊：這波AI變革到底會怎麼改咱們的工作，普通人該怎麼抓住機會?核心轉變從人親自幹活到人管AI幹活這波AI變革最核心的變化，不是“幹活更快了”，而是“幹活的方式變了”。以前咱們談AI，總說“幫人把事做快”——比如AI幫你寫初稿、算資料，最後還是得你逐字改、逐題核對。但2026年的AI智能體，厲害在“能自主搞定一整套事”：你只要告訴它“要達成什麼目標”，它會自己拆分成小任務，呼叫公司的各種系統，一步步推進，最後給你一個結果。隨之而來的，是咱們的角色大變身：從“親自執行的打工人”，變成“指揮AI的管理者”。打個比方，以前做市場經理，得自己寫文案、找資料、盯競品、做報告，一天忙得腳不沾地。2026年，你手下會有五個“AI專屬助理”：資料助理：扒遍公司內外的結構化資料，找出市場趨勢;分析助理：24小時盯競品動態、社交媒體口碑，每天給你發一頁核心洞察;內容助理：按公司的品牌語氣，寫好社交媒體文案和部落格初稿;創意助理：給文案配圖片、剪視訊;報告助理：每周自動拉取campaign資料，生成分析總結。你要做的，不是自己寫文案、找資料，而是：告訴它們這周的核心目標(比如“推廣新產品，吸引年輕使用者”)，給點策略指引(比如“重點突出性價比”)，最後檢查一下結果有沒有問題，拍板定奪就行。說白了，AI把重複、繁瑣的執行活全包了，咱們只需要聚焦“定方向、做判斷、把關結果”。而且這不是空想。資料顯示，現在已經有52%的公司，把AI智能體用在了生產環境裡：客戶服務、市場營運、技術支援、產品創新，到處都有它們的身影。比如全球最大的紙漿製造商Suzano，用AI智能體把員工的自然語言(比如“查一下某類物料的庫存”)變成系統能識別的查詢指令，5萬名員工查資料的時間直接減少95%;電信公司TELUS更狠，5.7萬名員工日常用AI，平均每次互動能省40分鐘。五大趨勢未來，AI智能體將滲透到工作的方方面面如果說核心轉變是“道”，那這五大趨勢就是“術”。我們來看看這些AI幫手會出現在那些場景，怎麼改變咱們的工作和生活。1.每個員工都有“專屬AI助理”：個人能力直接翻倍以前的AI工具，要麼是公司統一配的“大雜燴”，要麼得自己找外掛拼湊，用起來特別彆扭。未來，每個員工都會有“量身定製”的AI助理。這個助理懂公司的業務語境：能訪問內部知識庫、客戶資料、歷史工作成果，不會像通用AI那樣“說外行話”;它還能跟你配合默契：你把重複的活(比如整理會議紀要、跟進待辦事項、初步篩選郵件)交給它，自己專注於創新、談判、戰略思考這些“高價值活”。這裡要澄清一個誤區：不是有了AI助理，你就沒主動權了。它更像一個“超級執行者”，在你的指導和監督下幹活，比如寫合同，AI可以初稿，但最終的風險把控、條款談判，還是得你上。就像媒體行業，AI能幫你整理海量素材，但講什麼故事、怎麼講得動人，還是得靠人的創造力。2.公司流程變成“數字流水線”：從頭到尾自動跑如果說每個員工的AI助理是“單兵作戰”，那公司核心流程的AI智能體系統，就是“團隊協作”。以前公司的流程，比如採購、客戶支援、安全營運，都是“人對接系統、人對接人”，中間容易卡殼：比如網路出問題，得先讓技術部門檢測，再讓售後通知客戶，流程走下來大半天。未來，AI智能體系統會把這些環節串起來：發現網路異常後，AI先自動嘗試修復;修復不了，自動在現場服務系統建立工單;同時同步給客戶聯絡中心，告知客戶情況——整個過程跨系統、跨部門，不用人手動干預，人類只需要在關鍵節點監督、拍板。要實現這種“流水線”，靠的是兩個關鍵技術：A2A協議：相當於AI之間的“普通話”，不同開發者、不同框架的AI能互相溝通協作;MCP協議：相當於AI和公司系統的“資料線”，能讓AI安全訪問即時資料(比如庫存、訂單、客戶資訊)，而不是靠“過時的知識庫”幹活。比如動物保健公司Elanco，用AI智能體處理每個生產基地2500多份非結構化檔案(比如政策、流程文件)，自動分類、提取關鍵資訊、排查衝突，避免了因為資訊過期或衝突導致的生產力損失——以前這種損失在大型基地可能高達130萬美元。3.客戶服務從“被動響應”到“主動服務”：像有了“私人管家”你有沒有吐槽過傳統客服?重複說問題說三遍，轉人工要等半天，最後還沒解決。這就是“規則型自動化”的侷限，只能機械響應，不會靈活處理。未來的客戶服務AI智能體，會變成你的“私人管家”。它能記住你的歷史資訊：你上周買了件藍色毛衣，今天打電話，它一接就知道“你可能是要退換貨”;它還能主動解決問題：物流延誤了，不等你投訴，它已經查到是配送車壞了，自動安排明天最早配送，還給你充了10美元補償，發簡訊跟你確認時間。資料顯示，現在已經有49%的公司把AI智能體用在客戶服務上，這是最成熟的落地場景之一。比如家居建材品牌家得寶(Home Depot)，做了個叫Magic  Apron的AI智能體，24小時線上給客戶提供裝修指導：怎麼裝櫃子、選那種油漆、看產品口碑，就像身邊有個裝修老師傅，隨叫隨到。而且這種“管家式服務”不侷限於消費端。比如工廠裡，AI智能體能分析生產資料，發現某個班次效率低，會主動給出建議：“可以調整裝置參數，或者給員工做個專項培訓”，相當於給管理者配了個“生產顧問”。4.安全防護：從“喊警報”到“自動滅火”現在的公司安全部門，最頭疼的是“告警疲勞”：每天收到成千上萬個安全告警，分析師根本看不過來，很可能漏掉真正的威脅。就像家裡裝了100個煙霧報警器，天天響，真著火了反而沒反應。未來的安全AI智能體，會從“只喊警報”變成“主動滅火”。它能自動分流告警(那些是誤報，那些是真威脅)，調查分析(威脅來自那裡，影響多大)，甚至在授權範圍內直接採取行動(比如攔截惡意攻擊、修復漏洞)。比如cybersecurity公司Specular，用AI智能體自動化攻擊面管理和滲透測試，幫企業快速找到安全漏洞;另一家公司Torq的AI安全分析師Socrates，能自動完成90%的一級分析任務，人工操作減少95%，響應速度快了10倍——安全人員不用再埋頭處理重複告警，能專注於設計防禦架構、獵捕高級威脅。5.能不能規模化賺錢，看員工會不會“管AI”最後這個趨勢，是所有變化的關鍵：AI智能體能不能給公司帶來持續價值，核心不是買了多少技術，而是員工會不會用。現在專業技能的“半衰期”越來越短，技術領域可能只有2年。也就是說，你現在學的技能，2年後可能就過時了。而AI的普及，會讓“會不會管AI”變成職場的核心競爭力。但現在有個落差：84%的員工希望公司多提供AI學習資源，但只有29%的員工覺得公司在積極推動AI應用。而且“AI管家”“AI編排者”這種新角色，市場上根本招不到現成的人，只能靠公司內部培養。怎麼培養?報告裡給了一套實用方法，核心是五個支柱：1.定目標：比如“讓100%員工在工作中用AI”，而且要可衡量;2.找支援：組建“高管贊助人(給錢給資源)+推動者(鼓動員工參與)+技術專家(落地解決方案)”的團隊;3.造氛圍：搞遊戲化交流、案例分享，獎勵創新用法;4.融日常：把AI融入工作流，比如辦內部駭客松、實踐挑戰，讓員工在幹活中學習;5.守規則：明確那些資料能給AI用，怎麼識別AI相關的安全威脅。比如電信公司TELUS和Google合作搞了AI技能培訓，結果96%的員工說用AI的信心提升了，員工會用AI了，公司的效率和創新力自然上來了。AI時代這五種人很難替代聊完了AI智能體的趨勢，咱們回到最實際的問題：既然AI能幫著幹活、跑流程，那普通人怎麼才能不被替代?答案很簡單：AI越能幹，就越需要有人“管著它、盯著它、落地它、擔著它”。未來3-5年是AI緩衝期，咱們只要找準自己的位置，就能在變革中站穩腳。總結下來，有五種角色永遠稀缺：1.決策者：給AI定方向的“指揮官”AI再厲害，也得有人告訴它“要做什麼、為什麼做”。就像前面說的市場經理，AI助理團隊再能打，也得靠你定核心目標——是推廣新產品還是維護老客戶，是突出性價比還是強調品牌感。以前咱們做執行，滿足於“按流程幹完”就行;現在得主動思考“為什麼要做這件事”“要達成什麼結果”。比如用AI寫方案，不能只說“幫我寫個推廣方案”，而要明確“針對25-30歲職場人，推廣一款通勤背包，核心賣點是輕便防水，預算5萬，要包含社交媒體和線下快閃活動”——這樣AI才能精準發力。說白了，決策者的核心價值是“定戰略、掌方向”，這是AI學不會的。它能執行，但沒法判斷“這件事該不該做”“這麼做對公司長期有沒有好處”。2.提問者：能問對問題的“掌舵人”如果暫時做不到決策者的高度，那從“會提問”開始也完全可以。提問的水平，直接決定了AI的輸出質量。很多人用AI之所以沒效果，就是提問太隨意。比如想讓AI生成配圖，只說“給我一張漂亮的圖”，結果全看運氣;但如果你說“我想表達‘異鄉人思念家鄉’，要用溫暖的水彩風格，畫面裡要有老房子、路燈、飄著的炊煙，能不能給我三個構圖建議並簡單解釋”，得到的結果大機率就是你想要的。提問的關鍵，是先想清楚自己的目標，再把目標拆成具體的問題。職場裡常說“會提問的人，思考一定不差”，AI時代更是如此——你能問出精準的問題，就意味著你已經想透了事情的關鍵。3.看門人：給AI把關的“質檢員”現階段的AI還有個小毛病：偶爾會“胡說八道”(也就是常說的“AI幻覺”)，比如給你編一個不存在的資料，或者生成不符合公司規範的內容。這時候就需要“看門人”——用自己的專業經驗，判斷AI的輸出是不是靠譜。比如Elanco用AI處理生產檔案，AI能自動分類、提取資訊，但最終還是需要熟悉生產流程的員工把關：“這個條款是不是和最新政策衝突?這個資料是不是精準?”;再比如用AI寫合同，AI能搭框架，但涉及法律風險、核心權益的條款，還得靠法務人員稽核。看門人不用學新技能，只要你在自己的領域裡夠專業、夠細心，就能勝任。畢竟AI談論你不熟悉的領域時，你可能覺得它無所不知，但一碰到你的專業，它有沒有胡說，你一眼就能看出來。4.執行者：連接虛擬與現實的“實幹家”你可能會想：“執行的活不都被AI搶了嗎?”其實不然，AI能在電腦裡跑流程、做分析，但最終還是要有人把事情落到現實裡。比如物流智能體能安排好配送路線，但包裹還是得靠快遞員送到你手上;AI能給出工廠裝置的調整建議，但最終還是得靠技術人員去操作;AI能生成裝修方案，但敲牆、刷漆、裝櫃子，還是得靠工人師傅來幹。虛擬世界的決策，永遠需要現實世界的人來落地。而且現在很多公司看似人多，但真正腳踏實地幹活的執行者並不多，只要你靠譜、敏捷，能把AI的計畫變成實實在在的結果，就永遠有你的位置。5.責任人：為結果兜底的“擔當者”AI是工具，沒有辦法承擔責任。比如AI推薦的行銷方案出了問題，損失誰來擔?AI處理客戶資料時洩露了隱私，責任誰來負?這時候就需要“責任人”——對最終結果負責，出了問題敢擔當、能解決。未來，“誰來擔責”會成為AI時代的核心議題。比如合規智能體自動更新了工作流，但如果不符合監管要求，還是得有人站出來調整、承擔後果;客戶服務AI出了錯，還是得有人主動聯絡客戶道歉、彌補。無論你是決策者、提問者，還是看門人、執行者，最終都得是責任人。畢竟AI可以幫你幹活，但沒法替你擔責——而“敢擔當、能扛事”，永遠是職場最稀缺的品質。2026年的機會本質是“人的解放”聊了這麼多，你可能會問：AI這麼厲害，會不會取代人?答案是：不會取代人，但會取代“只會執行的人”。AI智能體不是搶工作，而是把我們從重複、繁瑣、耗精力的低價值工作中解放出來，讓你專注於只有人能做的事：創造性的思考、戰略性的決策、有同理心的溝通。這波變革的學習曲線可能有點陡，但機會屬於那些“現在就開始行動”的人：今天學著跟AI配合，學著定方向、提對問題、把好關、落好地、擔好責，明天你就是職場裡的“稀缺人才”，而不是被淘汰的“執行者”。說到底，2026年的AI變革，看起來是技術的升級，本質是“人的升級”。它讓企業變得更快、更智能，也讓每個人都有機會發揮自己的天賦和創造力。未來決定現在。看清未來將發生什麼，才能真正明白當下應該做什麼。我們認為，未來由四個關鍵領域塑造：哲學、AI科技、經濟與政治。為什麼是這四個?哲學是元起點，是意義與方向的錨點，為一切行動提供終極燃料;科技(尤其是AI)是文明進步的底座，是驅動世界向前的“發動機”;經濟是轉化器，它把科技力量轉化為真實的財富與市場機會;政治是適配性結構，它給哲學、科技與經濟提供運行框架與秩序。哲學為根，科技為器，經濟為用，政治為治。這四者環環相扣，層層支撐，相互交織，在動態的演進中共同推動現實走向未來。 (前瞻經濟學人)

人的智能有三個方面：資訊的收集、資訊的處理產生認知、基於認知的行動。大語言模型目前主要的應用形態是ChatGPT這樣的聊天機器人（Chatbot），能力集中在前兩個方面。但更加有用的機器智能不只停留在“理解”和“說話”，如果能像一個或一群優秀的人才那樣幫我們“做事”，顯然能創造更大的價值。這就需要AI智能體（Agent）。智能體是能做事的AI。LLM是近幾年AI領域最重要的發展。已經在語言理解與生成、對話互動以及知識整合等方面展示出超凡能力，但它是“缸中大腦”——擅長思考、分析與回答問題，卻並不能真正地做事情。而在真實世界，大多數認知活動並不止於“給出答案”，而是要有完整的“認知-行動”閉環：我們要求AI得能夠自主的拆解複雜需求，規劃流程，呼叫工具和資源，實現從感知到決策再到執行的完整循環；進一步我們還希望AI的行動能夠超出電腦和網際網路領域，在物理世界中為我們做事情，則需要AI能夠感知物理世界的訊號，進行匹配具身的思考，通過裝置/機器人把決策轉化為執行，對現實環境產生直接影響。打個比方，LLM像是“未出山前的諸葛亮”，善於分析，以“隆中對”和劉備對談，出謀劃策，但限於“紙上談兵”；智能體則是“出山後的諸葛亮”，掌握全域情報，運籌帷幄，組織資源、調兵遣將，親自率軍北伐。智能體以LLM為代表的前沿模型作為大腦，通過軟體工程令其可以在高階目標驅動下完成複雜任務。可以說未來大部分的複雜AI應用都會以Agent為載體。事實上，我們在科幻作品中所看到的AI形象，比如《鋼鐵人》中的賈維斯或《2001：太空漫遊》中的HAL 9000，正是創作者對以Agent為載體的未來AI的直觀想像。只是和物理世界交換的AI本身就極為重要和複雜，現在習慣上把這部分單獨放在具身智能/機器人領域討論。智能體能力的構成為了在各行各業的應用中發揮出顯著價值，理想中的智能體需要具備幾個關鍵條件。首先，智能體應具備強大的目標理解和規劃能力來體現智能的自主性。理想狀態下，人類只需給出抽象目標，智能體便能理解目標、拆解任務、規劃行動，並在儘量少的人工干預下完成執行閉環。就像影《星際穿越》中的機器TARS，在緊急情況下能夠根據"拯救宇航員"這一目標，自主判斷局勢、制定和調整行動策略，甚至做出犧牲自己資料的決定來完成使命。這要求機器智能有深度“理解/思考”能力（推理、規劃、決策），能夠敏銳的決策，能夠基於執行結果與環境反饋動態調整任務規劃，而不是僵化的執行既定路徑。其次，我們希望智能體能“動手”做事：執行和互動能力。這就意味著它能夠使用工具、執行操作，並能與外部環境發生直接互動。在數字世界中，智能體可以模擬人類操作，通過鍵盤輸入、點選螢幕的方式來完成任務；也可以通過其他程序或系統介面來呼叫工具；還可以發揮模型特長，通過編寫和執行程式碼來達成目的。在物理世界中，智能體則需要與各類控制系統和裝置相連接，通過下達指令來操控物理對象，將智能決策轉化為現實行動。第三，我們希望智能體具備出色的記憶與學習能力。記憶和狀態管理能力是完成長程、複雜任務的前提。在面向消費者的場景中，例如個性化的日程管理或長期服務支援，智能體需要跨會話地記住使用者偏好、歷史互動與長期狀態，才能減少重複溝通、提升服務質量；在企業級應用中，如跨周期項目管理、複雜業務流程推進等，則需要智能體記住任務進度、中間結果與關鍵決策依據，確保任務在長周期、多階段執行中保持連貫性，不中途偏離既定目標。學習能力的意義是我們希望智能體能持續提升，像人類員工一樣可以從職場小白通過經驗積累和吸收新知進化成專家。最後，智能體還需要有很強的可靠性、可控性，才能規模化的帶來價值。這既體現在智能體能否穩定、魯棒的完成任務，也體現在其行為是否始終與人類的真實意圖與價值觀保持一致。在《2001：太空漫遊》中，AI為完成任務選擇犧牲人類乘員，正是目標函數與人類價值未能有效對齊的極端後果。隨著智能體智能水平與自主性的提升，這類對齊失敗帶來的風險可能會被進一步放大。如何建構智能體有了理想的標竿，我們怎麼建構智能體？基本邏輯很簡單：以可獲取的最“聰明”、理想的模型為核心（大腦），通過軟體工程來搭建一個系統，彌補模型的不足，儘量逼近理想智能體的形態。大模型是目前智能體大腦的最優選擇，因為大模型的兆參數壓縮了人類積累的海量知識，擁有強大的模式識別和生成能力，是處理包括語言在內的多種非結構化資料的萬能介面，擁有不錯的泛化能力構成處理各類任務的基礎。而以OpenAI o1/DeepSeek R1為代表的新一代推理模型為智能體的發展進一步助推：加強的推理能力帶來更強的任務分解和規劃，更好的自檢和糾錯，也令智能體對工具的使用可以更加精準。大模型有一些結構性弱點，直接限制了智能體在真實業務中的應用價值，因此智能體工程的一大核心工作，就是在模型外圍，用工程手段補齊短板、設定邊界、約束行為。首先，大模型本身沒那麼可靠：存在無法根除的幻覺問題、知識時效性問題，任務拆解和規劃經常不合理，也缺乏面向特定任務的系統性校驗機制。這樣一來，以其為“大腦”的智能體使用價值會大打折扣：智能體把模型從“對話”推向“行動”，錯誤不再只是答錯問題，而是可能引發實際操作風險；而真實業務任務往往是跨系統、長鏈路的，一次小錯誤會在鏈路中層層放大，令長鏈路任務的失敗率居高不下（例如單步成功率為95%時，一個20步鏈路的整體成功率只有約36%）。為此，智能體工程通常通過以下幾類手段給大模型加“外骨骼”以改善可靠性：引入檢索與知識庫（RAG）以降低幻覺和知識陳舊的影響；預先設計和約束工作流，而不是完全自由的“自治智能體”，以此限定可接受的執行路徑；通過多次回答、自一致性檢查或模型間交叉驗證，識別並過濾高風險輸出；在關鍵鏈路節點上設定人工審批，讓人類對高風險動作“最後拍板”。其次，大模型的記憶能力有缺陷：大模型在訓練時“記住”了大量知識，但訓練完成後並不會在使用中持續學習、“記住“新知識；每次推理時，它只能依賴有限長度的上下文窗口來“記住”當前任務的資訊（不同模型有不同上限，超過窗口的內容就會被遺忘），而無法像人一樣自然地維持穩定、長期的個體記憶。但在真實業務中，我們需要機器智能有強大的記憶能力，比如一個AI老師，需要持續記住學生的學習歷史、薄弱環節和偏好，才能在後續的講解與練習中真正做到“因人施教”。針對這些記憶缺陷，智能體工程通常採取以下手段進行增強：建構外部記憶庫將使用者偏好、業務知識、歷史互動等儲存在資料庫中，智能體在需要時通過檢索機制按需提取相關資訊，應對長期記憶缺陷；對過長的上下文進行摘要和壓縮，保留核心資訊，釋放Token空間，來應對資訊過載導致的短期記憶遺忘。除了補短板，因為智能體要行動、要和環境互動，需要有感知和執行。首先，大模型本身無法主動感知，只能對輸入被動響應。智能體需要用外部感知元件來主動獲取環境資訊。對於數字世界的任務，通過智能體工程可以建立基於時間的觸發器，定期檢查日誌、郵件、股價變動等；或基於事件的訂閱、監聽，接收API推送的事件通知，或當資料庫發生變更時自動喚醒記錄資料。在物理世界中，智能體還可以通過感測器、攝影機、麥克風等裝置採集視覺、聽覺、觸覺等訊號。其次，大模型沒有天然的執行能力，需要輔以智能體工程來將意圖轉化為實際操作。工具呼叫是當前最主流的方式，大模型根據任務需求，生成結構化的函數呼叫指令，由智能體框架解析後執行相應操作，比如呼叫天氣API、資料庫查詢、傳送郵件等；另一種方式是模擬人類操作，通過視覺識別和模擬操作來“看螢幕、點按鈕、填表單”來完成任務，近期大火的豆包手機就是這樣完成智能體操作；對於更複雜的任務，智能體還可以配置程式碼直譯器（Code Interpreter / Sandbox），讓模型程式設計運行，這可以極大的擴展智能體的行動邊界。當下智能體的能力邊界剛剛過去的2025年被不少AI從業者和科技媒體稱作“智能體元年”。這個觀察是較為準確的，得益於以下幾個條件的成熟，過去一年左右的智能體發展進入快車道：首先是大模型的持續進步，主要體現在推理模型的出現提供了更強的任務理解、規劃能力，以及多模態模型的發展為智能體能夠處理和生成更複雜的資訊提供了基礎。其次是基礎設施和生態的成熟，包括LangChain、AutoGPT等開源框架經過兩年的迭代，已經形成了一套標準化的開發範式，極大地縮短了開發周期；Dify、Coze（扣子）等低程式碼/無程式碼平台的普及，讓不懂程式碼的業務人員也能通過拖拉拽快速生成一個專用智能體；值得一提的是2025年Anthropic發佈的MCP（模型上下文協議）和skills（技能系統）給智能體生態提供了重要的標準和啟發：MCP作為一個開源協議標準，令大模型與外部資料來源或工具之間的互動更統一、便捷，Skills則是把人類設計的完成某類任務所需的能力/工作流打包起來，讓Agent在這類任務上可以更穩定的工作，雖然技術含量不高，但在當下有很強的實用性。再次，學術界和產業界都有大量的人才、資源投入到智能體領域，以ACL（國際計算語言學協會年會）2025為例，有超過230篇論文和智能體相關，為歷年最高，涵蓋規劃、工具使用、多智能體協作與評估等多個方向。在能力的提升、生態的健全、資源的投入影響下，各行各業正在嘗試把智能體真正的用起來。根據麥肯錫2025年全球調研顯示，約62%的受訪組織已在部分業務中嘗試智能體（23%為至少一個場景的規模化部署，39%為試驗性應用）；但從業務職能的具體採用資料來看，產業對智能體的應用還處於早期階段：根據該調查，對於智能體應用最多的職能依次是IT、知識管理、行銷和服務，以應用最多的IT為例，僅有2%和8%的受訪企業IT部門全面規模化（Fully Scaled）和規模化（Scaling）的應用智能體，以及6%和7%的企業IT部門試點(Piloting)和試驗(Experimenting)的應用。造成這種規模化應用水平較低的原因有兩方面，一是前面討論的智能體能力問題，雖然在快速進步，但離全面的實用性還有距離；二是各行各業的企業應用者要把智能體用好還需要一些自身條件的配合。第一方面，除了短任務鏈條的資料分析、生成、檢索等方面的應用，智能體現在規模化應用場景大體可以概括為兩類，一是在程式設計領域，程式設計是智能體最理想的"練兵場"，環境隔離、容錯率高，目標明確、目前規劃能力能應對，程序可執行，還有即時的執行反饋。這令其成為智能體第一個大規模、商業化的突破口。二是在各行各業的各種業務（銷售、客服、人力等）的專用智能體可以集合成一個大類，有一個共同點：目前主要是工作流自動化類型，其實這也是應對智能體深度理解（規劃、決策）能力不足的權宜之計，通過把智能體的任務的開放性降低、給出參考工作流程、定義可用的有限工具集等來提高智能體在這些任務上的工作質量。智能體進一步的規模化應用需要其能力進化，為企業能夠帶來切實的價值。第二方面，企業要用好智能體需要組織和資源上的匹配。根據Anthropic 2026年的最新調研，46%的受訪者表示與現有系統的整合是智能體部署的主要障礙，43%和42%的受訪者分別指向實施成本和資料的可及性/質量，40%和39%的受訪者表示安全/合規和員工的學習成本/抵制是重要障礙（中小企業尤其擔心學習成本，51%的受訪者指向這一點）。對於企業的顧慮，成本、安全等問題和技術進步的關係較大，但資料問題、整合問題、學習或人才問題都是需要企業通過組織變革、進一步數位化和全員的學習來提升。總結與展望未來，智能體將會是我們在各行各業、各種場景應用人工智慧的主要載體。可以預見，隨著模型能力和智能體工程的進步，企業資料治理和組織適配的提升，智能體會逐步成為每家企業極有競爭力的數字員工，和我們人類員工競爭與協作。從路徑上看，前面提到現在智能體規模化應用集中在程式設計和工作流自動化方面，隨著機器智能深度理解水平的提升，可以預期智能體的應用會不斷拓展邊界，能承擔更抽象、複雜的任務，更多的自主規劃和決策，來把人類的意圖轉化為結果。當然，突破不等於拋棄工作流。在企業高風險場景裡，工作流/權限/審計會變成“護欄”，用來限制智能體的行動空間，以確保應用的安全。在相當長的時間內，人類的審批、審計在智能體工作的閉環中可能都是不可缺少的。智能體發展的另一個關鍵方向，是成為人類的“個人助手”或“智能代理”。與其他類型的智能體相比，這一方向的門檻更高，因為它需要更強的個性化能力、長期記憶、跨場景泛化能力以及更嚴格的安全邊界。個人助手型智能體有潛力重塑人類與世界的互動方式——無論是購物、社交，還是資訊獲取——並可能對很多產業的商業邏輯產生顛覆性影響。過去一年中，“豆包手機”的推出，以及2026年年初爆火的“OpenClaw”，讓我們看到了助手型智能體的一些早期探索，令人振奮。前者代表了裝置級智能體的嘗試：它將智能體能力深度嵌入作業系統，通過模擬人類操作以調取各類App，為使用者完成任務。後者則是一種始終線上的解決方案，能夠主動觀察與執行任務，並通過本地部署獲取豐富的個性化資料和軟體控制權，初步體現了個人助手型Agent的一些核心特徵。根據IDC的預計，活躍智能體的數量將從2025年的約2860萬，攀升至2030年的22.16億。這意味著五年後，能夠幫助企業或個體執行任務的數字勞動力數量將是現在的近80倍，年複合增長率139%；任務執行的數量將從2025年的440億次暴漲至2030年的415兆次，年複合增長率高達524%；Token的消耗將從2025年的5000億激增至2030年的1.5兆億，年複合增長34倍。IDC的預測未必精準，但趨勢非常明顯，每一家企業都要為此做好準備。 (FT中文網)

AI Agent，即AI智能體，是一種能夠感知環境、自主決策並執行動作的智能實體。理想狀態下，人類只需進行預先設定目標並進行監督，AI Agent便可以全權自主完成具體任務。具體到醫療領域，AI Agent將覆蓋“預防-診斷-治療-康復”全流程，其核心價值在於融合多模態資料、最佳化決策效率並保障安全。近日，知名技術研究機構AIMultiple評選出全球七家典型醫療AI Agent公司。AIMultiple成立於2017年，致力於通過資料，幫助企業研究、篩選和評估前沿技術解決方案，為超過半數的《財富》500 強企業提供決策依據。智藥局已對這七家入選企業進行了整理彙總，以供行業參考。Sully.ai公司提供了一種覆蓋患者接診、編碼、計費和分診的智能體架構，專注於模組化的人工智慧代理（AI Agents），可自動完成病歷文件記錄、患者接診、預約安排及各類行政事務。核心功能包括：語音轉操作：通過語音識別技術，將醫生口述內容直接轉化為電子病歷（EMR）中的具體操作。符合 HIPAA 規範：確保所有資料處理與傳輸均滿足美國健康保險流通與責任法案（HIPAA）的合規要求。多語言支援：支援19種語言，滿足多元化語言環境下的使用需求。CityHealth將 Sully.ai 的AI醫療平台直接整合到其電子病歷系統（EMR）中，顯著減少了醫護人員在患者照護相關文書工作上所花費的時間。成效顯著：每位臨床醫生每天平均節省約3小時的病歷記錄時間 ,每位患者的營運操作量減少50%.Beam AI公司提供了一套面向醫療管理的多智能體系統，可自動化處理電子病歷管理、醫療帳單、合規事務、患者預約安排等任務。Avi Medical與 Beam AI 合作，部署了支援多語言的 AI 智能體。這些智能體能夠通過 API 訪問外部資料，從資料庫中檢索相關資訊，以回答覆雜的客戶諮詢。得益於此能力，AI 智能體成功處理了大量重複性、常規性的諮詢請求。成效顯著：80%的患者諮詢實現自動化處理，中位響應時間縮短了90% ，淨推薦值（NPS）提升了 10%。Innovaccer公司提供了一套專注於價值導向醫療（value-based care）和營運的 AI 智能體解決方案，其智能體主要用於輔助臨床決策，而非用於診斷。位於印第安納州的多專科醫生網路Franciscan Alliance 採用了 Innovaccer 的平台，以自動化其編碼流程。成效顯著：需人工處理的患者病例數量從約2600例減少至約1600例。Notable Health公司利用AI智能體自動化處理各類行政事務，包括患者登記、預約安排、轉診、護理授權和編碼等，並與電子健康記錄系統（EHR）無縫整合。北堪薩斯城醫院（NKCH）此前在患者簽到和登記環節效率低下。為此，醫院與Notable 合作，將疫苗預約等多項行政流程自動化。成效顯著：患者簽到時間減少超過90%，從原來的 4 分鐘縮短至僅10 秒；患者預登記比例從40% 提升至 80%。Hippocratic AI是一家專注於醫療健康領域的人工智慧公司，開發了首個專用於非診斷類（如患者互動、隨訪、保險協調等）及面向患者的臨床任務的大語言模型。該公司近期完成了一輪1.41 億美元的融資，估值達 16.4 億美元。WellSpan Health 與 Hippocratic AI 合作，推出了一款生成式 AI 醫療智能體，專門處理患者互動電話。該智能體可主動聯絡講英語和西班牙語的患者，回應其健康需求，並協助安排篩查預約。成效顯著：該系統已幫助WellSpan Health 成功聯絡超過 100 名患者，顯著提升了他們獲得關鍵癌症篩查服務的機會。Amelia AI公司的智能體能夠引導患者完成整個診療旅程，包括預約掛號、解答患者疑問，並提供富有同理心的對話式回應。Aveanna採用 Amelia AI 智能體，通過Workday系統和移動應用程式處理員工重複性的互動請求。該智能體現在可自動完成密碼重設、使用者身份驗證及其他人力資源相關任務。成效顯著：AI智能體每天處理超過 560 次員工對話；95% 的員工請求通過Workday聊天窗口得到解決。Cognigy公司開發的智能體是專為醫療健康領域打造的對話式AI助手，可協助處理保險理賠、處方續藥以及術後護理指導等任務。Cognigy開箱即用地支援 30 多種語音和數字管道，涵蓋 iMessage、WhatsApp、Twitter 等主流平台。Personify Pulse採用了 Cognigy 的解決方案，並將其與 Zendesk LiveChat 整合，以高效響應客戶諮詢。成效顯著：Cognigy的 AI 智能體在無需人工介入的情況下，獨立處理了 40% 的客戶諮詢。 (智藥局)