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)

大模型真正開始“幹活”，token需求或增長百倍。智東西3月27日報導，今天，在中關村論壇上，智譜CEO張鵬、月之暗面CEO楊植麟（擔任主持）、小米MiMo大模型負責人羅福莉、無問芯穹CEO夏立雪和香港大學助理教授黃超罕見同台，進行了一場圍繞開源大模型與智能體未來走向的深度對話。這場對話以當下最火的OpenClaw切入，幾位嘉賓一致認為，智能體讓大模型真正開始“幹活”了。OpenClaw可擴展大模型的能力邊界，但也對模型提出了更高要求，智譜正研究長程規劃、自我偵錯等能力，而羅福莉的團隊更關注通過架構創新把成本降下來、速度提上去，甚至實現模型自進化。基礎設施也得跟上智能體的節奏。夏立雪認為現在的算力系統和軟體架構還是給人用的，不是給智能體用的，其實是用人的操作能力限制了Agent的發揮空間。因此，我們需要打造Agentic Infra。在多位嘉賓眼中，開源是推動大模型與智能體發展的核心動力之一。香港大學助理教授黃超便認為，開源生態的繁榮是智能體從“玩一玩”走向真正“打工人”的關鍵，只有通過社區共建，才能讓軟體、資料和技術全面轉向智能體原生形態，最終形成可持續的全球AI生態。此外，幾位嘉賓還就大模型漲價、token用量爆發、AI未來12個月的關鍵詞等話題，展開討論。以下是這場圓桌論壇的核心觀點：1、張鵬：模型變大後推理成本也會相應提高，近期智譜的漲價策略其實是回歸到正常的商業價值上了，長期低價競爭不利於行業發展。2、張鵬：智能體等新技術的爆發讓token用量增長了10倍，但實際需求可能增長100倍，仍有大量需求未被滿足，因此算力仍然是未來12個月內的關鍵問題。3、羅福莉：從基座大模型廠商的視角來看，OpenClaw保證了基礎大模型的下限，拉高了上限。國產開源模型+OpenClaw的任務完成度已經非常接近Claude。4、羅福莉：DeepSeek給國內大模型廠商帶來了勇氣和信心。一些看似是“為了效率妥協”的模型結構創新引發了真正的變革，讓業界在算力一定的情況下發揮出最高的智能水平。5、羅福莉：接下來一年AGI歷程中最重要的事情是“自進化”。自進化讓大模型像頂尖科學家一樣去探索，是唯一能“創造新東西”的地方。小米已經借助Claude Code+頂尖模型，將研究效率提升10倍。6、夏立雪：當AGI時代到來時，基礎設施本身都應該是智能體，自主管理整個基礎設施，根據AI客戶的需求去迭代基礎設施，實現自我進化、自我迭代。7、夏立雪：OpenClaw引爆了token用量。如今的token消耗速度，就像當年3G時代手機流量剛起步時，每個月只有100M額度的那種感覺。8、黃超：未來很多軟體都不是面向人類的，軟體、資料和技術都會程式設計Agent-Native的形態，人類未來可能只需要使用那些“讓自己快樂的GUI”。以下是這場圓桌論壇的完整實錄：01. OpenClaw就是“腳手架” 大模型token消耗仍處於3G時代楊植麟：很榮幸今天能邀請到各位重磅嘉賓，幾位嘉賓來自模型層、算力層再到agent層。今天最主要的關鍵詞是開源，然後還有agent。第一個問題來談談現在最流行的OpenClaw。大家日常使用OpenClaw或者類似的產品有什麼覺得最有想像力或者印象深刻的點？從技術的角度來看，如何看待今天OpenClaw和相關的Agent的演進。張鵬：很早我就開始自己玩OpenClaw，當時還叫Clawbot。我自己動手來折騰，畢竟也是程式設計師出身，玩這些東西還是有一些自己的體驗。我覺得OpenClaw給大家帶來的最大突破點，或者說新鮮感就在於，它不再是程式設計師或極客們的專利。普通人也可以比較方便地使用頂尖模型的能力，尤其是在程式設計和智能體方面的能力。所以我到現在為止，跟大家在交流的過程當中，我更願意把OpenClaw稱作“腳手架”。它提供的是一種可能性，在模型的基礎之上搭起了一個很牢固、很方便，但是又很靈活的腳手架。大家可以按照自己的意願，去使用很多底層模型提供的新奇功能。原來自己的想法可能會受限於不會寫程式碼，或者沒有掌握其他的相關技能，今天有了OpenClaw，終於可以通過很簡單的交流就把它完成。OpenClaw給我帶來非常大的衝擊，或者說讓我重新認識了這件事。夏立雪：其實我最開始用OpenClaw的時候是不太適應的，因為我習慣於跟大模型聊天的交流方式，使用後我感覺OpenClaw反應好慢。但後來我意識到一個問題，就是它和之前的聊天機器人有一個很大的不同，本質是一個能幫我完成大型任務的“人”。我開始給它提交更複雜的任務，就發現其實它能夠做的很好。這件事情給我帶來很大的感觸。模型一開始按照token去聊天，到現在能夠變成一個agent，變成一個龍蝦，能夠幫你去完成任務。這件事對AI的整體想像力空間帶來很大的提升。同時，它對於整個系統的能力的要求也變得很高。這也是為什麼我一開始用OpenClaw，會覺得它有點卡。作為基礎設施層的廠商，我看到的是OpenClaw對於AI背後的大型系統和生態都帶來了更多的機遇和挑戰。我們現在所有能夠用到的資源，想要支撐起這樣一個快速增長的時代是不夠的。比如說就拿我們公司來說，我們公司從一月底開始，基本上每兩周token用量就翻一番，到現在基本上漲了10倍。上次見到這個速度，還是當年用3G手機消耗流量的時候。我有種感覺，現在的token用量，就像當年每個月只有100M手機流量的那個時代。這種情況下，我們所有的資源都需要進行更好的最佳化，進行更好的整合。讓每一個人，不僅僅在AI領域，而是在整個社會中的每一個人都能夠去把OpenClaw的AI能力用起來。作為基礎設施的玩家，我對這個時代是非常激動、深有感觸的。我也認為這裡邊有很多的最佳化空間是我們仍然應該去探索，應該去嘗試的。02. OpenClaw拉高國產模型上限 互動模式突破意義重大羅福莉：我自己是把OpenClaw當做agent框架演進過程中，一個極具革命性和顛覆性的事件來看待的。其實我身邊所有在進行非常深度coding的人，他們的第一選擇還是Claude Code。但是，我相信用OpenClaw的人會感受到，它在Agent框架上的很多設計是領先於Claude Code的。最近Claude Code有很多更新其實都是在向OpenClaw去靠近。我自己使用OpenClaw時的感受是，這個框架給我自己帶來更多是想像力的隨時隨地的擴展。Claude Code最開始只能在我的桌面上去延展我的創意，但是OpenClaw可以隨時隨地去延展我的創意。OpenClaw帶來的核心價值主要有兩點。第一點是它開源。開源這件事，非常有利於整個社區深度參與進來，重視並推動這個框架的演進，這是一個很重要的前置條件。像OpenClaw這樣的AI框架，我覺得一個很大的價值在於，它把國內那些水平雖然接近閉源模型、但還沒完全追上的模型的上限拉到了很高。在絕大多數場景下，你會發現它（國產開源模型+OpenClaw）的任務完成度已經非常接近Claude的最新模型。同時，它又很好地把下限保證了——通過一套Harness系統，或者說借助它的Skills體系等多方面的設計，保障了任務的完整度和精準率。總結一下，從基座大模型廠商的開發者角度來看，OpenClaw保證了基礎大模型的下限，拉高了上限。此外，我認為它給整個社區帶來的另一個價值是，它點燃了大家的認知，讓大家發現在大模型之外，Agent這一層其實蘊藏著非常大的想像空間。我最近也觀察到，社區裡除了研究員之外，越來越多的人開始參與到AGI的變革中來，更多人開始接觸像Harness、Scaffold這樣更強大的Agent框架。這些人某種程度上是在用這些工具替代自己的一部分工作，同時也是在釋放自己的時間，去投入到更有想像力的事情上。黃超：我覺得首先從互動模式來講，OpenClaw這次之所以能火，第一個原因可能是它給了一種更有“活人感”的體驗。其實我們做Agent也有一兩年了，但之前像Cursor、Claude Code這些Agent，給人的感覺更多是一種“工具感”。而OpenClaw第一次以“即時通訊軟體嵌入”的方式，讓人更有一種接近心目中“個人賈維斯”的感覺。我覺得這可能是互動模式上的一個突破。另外一點，它給整個社區帶來的啟發是：像Agent Loop這種簡單但高效的框架，再次被證明是可行的。同時，它也讓我們重新思考一個問題：我們到底是需要一個全能型的、能做所有事情的超級智能體，還是需要一個更好的“小管家”，像一個輕量級的作業系統或腳手架？OpenClaw帶來的思路是，通過這樣一個“小系統”或者說“龍蝦作業系統”和它的生態，讓大家真正有“玩起來”的心態，進而撬動整個生態裡的所有工具。隨著Skills、Harness這類能力的出現，越來越多的人可以去設計面向OpenClaw這類系統的應用，去賦能各行各業。我覺得這一點天然就跟整個開源生態結合得非常緊密。在我看來，這兩點是我們獲得的最大啟發。03. GLM新模型專為“幹活”打造 漲價是對正常商業價值的回歸楊植麟：想問一下張鵬。最近看到智譜發佈了新的GLM-5 Turbo模型，我理解在Agent能力上做了很大的增強。能不能給大家介紹一下這個新模型和其他模型的不同之處？另外我們也觀察到有提價的策略，這反映了什麼樣的市場訊號？張鵬：這是個很好的問題。前兩天我們確實緊急更新了一波，這其實是我們整個發展路標中的一個階段，只是提前把它放了出來。最主要的目的，是從原來的“簡單對話”轉向“真正幹活”——這也是大家最近普遍感受到的：大模型不再只是能聊天，而是真的能幫人幹活了。但“幹活”背後隱含的能力要求非常高。模型需要自己去做長程的任務規劃、不斷試錯、壓縮上下文、偵錯，還可能要處理多模態資訊。所以它對模型能力的要求，和傳統面向對話的通用模型其實不太一樣。GLM-5 Turbo就是在這些方面做了專門加強，尤其是你提到的——讓它幹活、跑上七十二小時，怎麼能夠不停地loop，這裡邊我們做了很多工作。另外大家也很關注token消耗的問題。讓一個聰明的模型去幹複雜任務，token的消耗量是巨大的。普通人可能感知不深，但看帳單的時候會發現錢掉得特別快。所以我們在這方面也做了最佳化，在面臨複雜任務時，模型能用更高效的token效率去完成。總體上，模型的架構還是多工協同的通用架構，只是在能力上做了偏向性的加強。提價這件事其實也很好解釋。剛才說了，現在不再是簡單地問一個問題就得到一個回答，背後的推理鏈路非常長。很多任務要通過寫程式碼和底層基礎設施打交道，還要不斷debug、修正錯誤，消耗量非常大。完成一個複雜任務需要的token量，可能是原來回答一個簡單問題的十倍甚至百倍。所以價格上需要有一定的提升，模型也變大了，推理成本相應提高了。我們把它回歸到正常的商業價值上，因為長期靠低價競爭也不利於整個行業的發展。這也是我們讓商業化能形成一個良性閉環，持續最佳化模型能力，給大家提供更好服務的。04. 打造更高效token工廠 基礎設施本身也應該是Agent楊植麟：現在開源模型越來越多，也開始形成生態，各種模型可以在不同的算力平台上給使用者提供更多價值。隨著 token用量的爆發，大模型也正在從訓練時代走向推理時代。想請教一下立雪，從基礎設施的層面來看，推理時代對於無問來說意味著什麼？夏立雪：我們是一家誕生在AI時代的基礎設施廠商，現在也在為智譜、Kimi、Mimo等提供支援，讓大家能把token工廠更高效地用起來。同時我們也在跟很多高校、科研院所合作。所以我們一直在思考一件事：AGI時代需要什麼樣的基礎設施？以及我們怎麼一步步去實現和推演它。我們現在對短期、中期、長期不同階段需要解決的問題，已經做好了充分準備。當前最直接的問題，就是大家剛才聊到的——整個Open帶起來的token量暴增，對系統效率提出了更高的最佳化需求。包括價格的調整，其實也是在這個需求下的一種應對方式。我們一直是通過軟硬體打通的方式來佈局和解決的。比如我們接入了幾乎所有種類的計算晶片，把國內十幾種不同的晶片和幾十個不同的算力叢集統一連接起來。這樣能解決AI系統裡算力資源緊缺的問題，資源不足時，最好的辦法就是先把能用上的資源都用起來，然後讓每一個算力都用在刀刃上，發揮出最大的轉化效率。所以在這個階段，我們要解決的就是怎麼打造一個更高效的token工廠。這裡邊我們做了很多最佳化，包括讓模型和硬體上的視訊記憶體等各種資源做最優適配，也在看最新的模型結構和硬體結構之間能不能產生更深的化學反應。但解決當前的效率問題，其實只是打造了一個標準化的token工廠。面向Agent時代，我們認為這還不夠。因為Agent更像一個人，可以交給它一個任務。我堅定地認為，當前很多雲端運算時代的基礎設施，是為服務一個程序、服務人類工程師設計的，而不是為AI設計的。這相當於我們做了一個基礎設施，上面是給人用的介面，再在上面包一層去接入Agent，這種方式其實是用人的操作能力限制了Agent的發揮空間。舉個例子，Agent能做到毫秒等級去思考和發起任務，但像K8s（kubernetes）這類底層能力，其實並沒有為此做好準備，因為人類發起任務大概是分鐘級的。所以我們需要更進一步的能力，我們把它叫“Agentic Infra”，也就是“智慧化的token工廠”，這是無問芯穹在做的事情。更長遠地看，真正AGI時代到來時，我們認為連基礎設施本身都應該是智能體。我們打造的這套工廠，也應該是能自我進化、自我迭代的，能形成一個自主的組織。它相當於有一個CEO，這個CEO本身就是一個Agent，可能是OpenClaw，去管理整個基礎設施，然後根據AI客戶的需求自己去提需求、迭代基礎設施。這樣AI和AI之間才能更好地耦合。我們也在做一些探索，比如讓Agent之間更好地通訊、做Cache to Cache這樣的能力。所以我們一直在思考的是，基礎設施和AI的發展不應該是一個隔離的狀態——我接到需求就去實現，而是應該產生非常豐富的化學反應。這才是真正意義上的軟硬協同、演算法和基礎設施的協同，也是無問芯穹一直想實現的使命。謝謝。05. “為效率妥協”的創新也有意義 DeepSeek給國內團隊帶來勇氣和信心楊植麟：接下來想問一下福莉。小米最近通過發佈新模型、開源背後的技術，對社區做出了很大的貢獻。想問你，小米在做大模型方面，你覺得有什麼獨特的優勢？羅福莉：我覺得可以先拋開小米有什麼獨特優勢這個話題，我更想聊一聊中國做大模型的團隊整體上的一個優勢。我覺得這個話題有更廣泛的價值。大概兩年前，中國的基座模型團隊已經開始了非常好的突破——我們在有限的算力、尤其是在一些NVLink互聯頻寬受限的算力條件下，怎麼去突破這些低端算力的限制，做一些看似是“為了效率妥協”的模型結構創新，比如DeepSeek V2、V3系列，以及MoE、MLA等等。但後來我們看到，由這些創新引發的是一個變革：在算力一定的情況下，怎麼發揮出最高的智能水平。這是DeepSeek給國內所有基座模型團隊帶來的勇氣和信心。雖然今天我們的國產晶片，尤其是推理晶片，以及訓練晶片，已經不再受這種限制，但正是在這種限制下，催生了我們對更高訓練效率、更低推理成本的模型結構的新探索。就像最近出現的Hybrid Sparse、Linear Attention這類結構，比如DeepSeek的NSA、Kimi 的KSA，小米也有面向下一代結構的HySparse。這些都是區別於MoE這一代結構的、面向Agent時代去做的模型結構創新。我為什麼覺得結構創新如此重要？其實大家如果真正地去用OpenClaw，會發現它越用越好用、越用越聰明。其中一個前提是推理的上下文長度。長上下文是一個我們聊了很久的話題，但現在真正有模型能在長上下文下表現很好、性能強勁、推理成本很低嗎？其實很多模型不是做不到1M或10M的上下文，而是因為推理1M、10M的成本太貴了、速度太慢了。只有把成本降下來、速度提上去，才能把真正高生產力價值的任務交給模型，才能在這種長上下文下完成更高複雜度的任務，甚至實現模型的自迭代。所謂模型的自迭代，就是它可以在一個複雜環境裡，依靠超長的上下文完成對自我的進化。這種進化可能是對Agent框架本身的，也可能是對模型參數本身的——因為我認為上下文字身其實就是對參數的一種進化。所以怎麼實現一個長上下文的架構，怎麼在推理側做到長上下文高效推理，是一個全方位的競爭。除了我剛剛提到的預訓練階段做好long-context-efficient的架構——這大概是我們一年前就開始探索的問題。現在真正要做到在長程任務上的穩定性和高上限的效果，是我們在後訓練階段正在迭代的創新範式。我們在想怎麼構造更有效的學習演算法，怎麼採集到真實環境下、在1M、10M、100M上下文裡真正具有長期依賴關係的文字，以及結合複雜環境產生的軌跡資料。這是我們後訓練正在做的事情。但更長期來看，由於大模型本身的飛速進步，加上Agent框架的加持，就像立雪說的，推理需求在過去一段時間已經有近十倍的增長。那麼今年整個token用量的增長會不會到100倍？這裡邊又進入另一個維度的競爭——算力，或者說推理晶片，甚至再往下到能源。所以我覺得，如果大家一起思考這個問題，我可能會從大家身上學到更多。謝謝。06. Agent有三大關鍵模組 多Agent爆發將帶來衝擊楊植麟：非常有洞察的分享。下面想問一下黃超，你開發過像Nanobot這樣很有影響力的Agent項目，也有很多社區的粉絲。想問你從Agent的Harness或者應用層面來看，接下來有那些技術方向是你覺得比較重要、值得大家關注的？黃超：我覺得如果把Agent的技術抽象出來，關鍵就是Planning、Memory和Tool Use這幾個模組。先說Planning。現在的問題主要是在長程任務或者非常複雜的上下文中，比如500步甚至更長的步數，很多模型不一定能做很好的規劃。我覺得本質上是模型可能不具備這類隱性知識，尤其是在一些複雜的垂直領域。所以未來可能需要把各種複雜任務的知識固化到模型裡，這可能是一個方向。當然，Skill、Harness在某種程度上也在緩解Planning帶來的錯誤，因為它提供了高品質的Skill，本質上也是在引導模型去完成一些比較難的任務。再說Memory。Memory給人的感覺是，它好像總是存在資訊壓縮不精準、檢索不准的問題。特別是在長程任務和複雜場景下，Memory的壓力會暴增。現在像OpenClaw這類項目，大家用的其實都是最簡單的檔案系統式的 Markdown格式的Memory，通過共享檔案來做。未來Memory可能會走向分層設計，也需要讓它變得更通用。老實講，現在的Memory機制很難做到通用——因為Coding場景、Deep Research場景、多模態場景，它們的資料模態差別很大，怎麼對這些Memory做好的檢索和索引，同時又保持高效，這永遠是一個權衡。另外，現在OpenClaw讓大家建立Agent的門檻大幅降低之後，未來可能不止一個“龍蝦”。我看到Kimi也有Agent Swarm這樣的機製出來，未來每個人可能會有“一群龍蝦”。相比於單個龍蝦，一群龍蝦帶來的上下文暴增是可以想像的，這對Memory的壓力會非常大。現在其實還沒有一套很好的機制去管理這種“一群龍蝦”帶來的上下文，尤其是對複雜Coding、科研發現這類場景，不管是模型還是整個Agent架構，壓力都很大。再說Tool Use，也就是Skill這塊。Skill現在存在的問題，其實和當初MCP的問題類似——MCP當時有質量不保障、安全風險等問題。現在Skill也一樣，看似有很多Skill，但高品質的很少，低品質的Skill會影響Agent完成任務的精準度。另外還有惡意注入的問題。所以從Tool Use來看，可能需要靠社區把整個Skill生態做得更好，甚至讓Skill能在執行過程中自我進化出新的Skill。總的來說，從Planning、Memory到Tool Use，這些是當下Agent存在的一些痛點，也是未來可能的方向。07. 未來12個月關鍵詞： 生態、可持續token、自進化與算力楊植麟：可以看到兩位嘉賓從不同視角討論了一個共同的問題——隨著任務複雜度增加，上下文會暴漲。從模型層面可以提升原生上下文長度，從Agent Harness層面，像Planning、Memory、Multi-Agent這樣的機制，也能在特定模型能力下支援更複雜的任務。我覺得這兩個方向接下來會產生更多化學反應，進一步提升任務的完成能力。最後我們來一個開放式的展望。請各位用一個詞來描述接下來12個月大模型發展的趨勢以及你的期望。這次先從黃超開始。黃超：12個月在AI這個領域看起來好遙遠，都不知道12個月之後會發展成什麼樣。楊植麟：本來這裡寫的是五年，我改掉了。黃超：對，哈哈。我想到的一個詞是“生態”。現在OpenClaw讓大家很活躍，但未來Agent真的要成為“打工人”，而不只是大家玩一玩、圖個新鮮感。未來應該讓它真正沉澱下來，成為搬磚的工具、成為真正的coworker。這需要整個生態的努力，尤其是開源，把技術探索和模型技術都開源出來之後，需要整個社區一起共建——不管是模型的迭代，還是Skill平台的迭代，還有各種工具，都需要更好地面向龍蝦去創造生態。一個比較明顯的趨勢是，未來的軟體還會是給人用的嗎？我相信未來很多軟體可能都不一定是面向人類的——因為人類需要的是GUI，而未來可能是面向Agent原生的使用。有趣的是，人可能只去用那些讓自己快樂的GUI。而現在整個生態又從GUI、MCP轉到了CLI的模式。這就需要生態把軟體系統、資料、各種技術都變成Agent Native的形態，這樣整個發展才會更加豐富。羅福莉：把問題縮小到一年，我覺得非常有意義。如果五年的話，從我心目中AGI的定義來看，我覺得已經實現了。所以如果用一句話描述接下來一年AGI歷程裡最關鍵的事情，我認為是“自進化”。這個詞聽起來有點玄幻，過去一年大家也多次提到。但我最近對它有更深的體會，或者說對“自進化”怎麼做，有了更務實、更可行的方案。原因在於，有了強大的模型之後，我們在Chat範式下根本沒有發揮出預訓練模型的上限，而Agent框架把這個上限啟動了。當我們讓模型執行更長時間的任務時，發現它可以自己去學習和進化。一個簡單的嘗試是：在現有的Agent框架裡給它加上一個可驗證的條件限制，再給它設一個Loop，讓模型不停地去迭代最佳化目標，就會發現它能持續拿出更好的方案。這種自進化現在其實已經能跑一兩天了，當然跟任務難度有關。比如在一些科學研究上，像是探索更好的模型結構，因為模型結構有評估標準，比如更低的PPL。在這種確定性的任務上，我們發現它已經能自主最佳化和執行兩三天了。所以從我的角度看，自進化是唯一能“創造新東西”的地方。它不是替代我們現有的人的生產力，而是像頂尖科學家一樣，去探索世界上還沒有的東西。一年前我會覺得這個時間線要拉到三到五年，但最近我覺得確實應該縮小到一到兩年。可能很快我們就能用大模型疊加一個強大的自進化Agent框架，實現對科學研究至少指數級的加速。最近我已經發現，我們組裡做大模型研究的同學，他們的workflow是高度不確定、高度創造性的，但借助Claude Code加上頂尖模型，我們的研究效率已經提升了近十倍。我很期待這種範式輻射到更廣泛的學科和領域，所以我覺得“自進化”非常重要。夏立雪：我的關鍵詞是“可持續token”。我看到整個AI的發展還在一個長期持續的過程中，我們也希望它有長久的生命力。從基礎設施的角度看，一個很大的問題是資源終究是有限的。就像當年講可持續發展一樣，我們作為一個token工廠，能否持續、穩定、大規模地提供token，讓頂尖模型真正能為更多的下游服務，是我們看到的一個很重要的問題。我們需要把視角放寬到整個生態——從能源到算力，再到token，最終到應用，形成可持續的經濟化迭代。我們不僅要把國內的各種算力用起來，也在把這些能力輸出到海外，讓全球的資源都能打通和整合。我也覺得“可持續”其實是在把中國特色的token經濟學做起來。過去我們講Made in China，把中國低價的製造能力變成好的商品輸出到全球。現在我們要做的是“AI Made in China”——把中國在能源等方面的優勢，通過token工廠可持續地轉化成優質的token，輸出到全球，成為世界的token廠。這是我今年想要看到的、中國給世界的人工智慧帶來的價值。張鵬：我就簡短一點。大家都在仰望星空，我就落地一點。我的關鍵詞是“算力”。剛才也說了，所有技術、智能體框架讓大家創造力和效率提升了十倍，但前提是大家能真正用得起來。你不能一個問題提出去，讓它思考半天也不給答案，那肯定不行。也因為這樣，很多研究的進展、很多想做的事情都會受阻。前兩年我記得有位院士在中關村論壇上說了一句話：“沒卡沒感情，談卡傷感情。”我覺得今天又到了這個地步，但情況又不一樣了。現在我們進入了推理階段，需求真的在爆發——十倍、百倍地增長。剛才你說用量漲了十倍，那其實需求可能是一百倍呢？還有大量的需求沒被滿足，怎麼辦？我們大家可能一起來想想辦法。 (智東西)

“龍蝦”終於變成了一個App。🤖頭圖由AI生成“Claude版龍蝦”來了！智東西3月24日消息，今早，Anthropic為Claude發佈了電腦使用（Computer Use）功能，Claude可以自動操控電腦執行任務。在AI協作工具Claude Cowork和AI程式設計工具Claude Code中，使用者可以啟用Claude操控你的電腦來完成任務。其官方推文稱，任何你坐在電腦前可以做的事情，Claude都能使用電腦幫你完成，例如打開某個應用、瀏覽網頁、填寫表格等。上周，Anthropic為Claude Cowork增加了新功能Dispatch，基於此使用者可以用手機操作電腦上的Claude完成任務。Dispatch和電腦使用相疊加，使用者不在電腦前面，就可以手機遠端指揮Claude自動幹活了。Anthropic的官方部落格提到，他們提前發佈這一功能，是希望瞭解它的適用場景與不足之處，正如其當初推出Claude Cowork時所做的那樣。不過，Claude電腦使用功能是早期研究預覽版，並沒有向使用者全量開放。目前只有Claude Pro和Max訂閱使用者可以使用，且僅支援macOS系統使用。Anthropic Claude Cowork項目技術人員Felix Rieseberg透露，Claude電腦使用功能的Windows版本會在未來幾周跟進，並且Claude目前“行動緩慢，遠比現在的人類慢得多”。Anthropic部落格提到，使用者需要確保桌面客戶端處於喚醒以及運行狀態，然後將其與Claude移動端應用配對，即可嘗試從手機移交任務。在Claude的評論區下方，有不少網友感慨“Anthropic剛剛殺死了OpenClaw”。還有一些網友為購買了Mac mini來部署OpenClaw、花數千美元安裝OpenClaw封裝器的使用者惋惜。有網友在調侃：“你還記得之前的ClawdBot嗎？”之前因為Clawd與Claude讀音相似，Anthropic指控其侵權並要求改名。01. 一句話召喚Claude幹活還能幫你偵錯最佳化應用開發在執行任務時，Claude會先精確選擇工具，通過連接器呼叫Slack、Google日曆等服務。當沒有連接器時，Claude可以直接控制使用者瀏覽器、滑鼠、鍵盤和螢幕來完成任務。它會滾動、點選打開和探索，值得注意的是，在執行這些步驟前，Claude都會先徵求使用者的許可。此外，當Claude無法獲取所需工具時，它會在你的螢幕上進行點選和導航操作，自主完成任務。它可以自動打開檔案、使用瀏覽器、運行開發工具，且無需任何前期設定。Rieseberg稱，Claude還可以幫助使用者偵錯正在開發的原生應用。例如，當你赴約遲到，就可以在手機上召喚Claude工作。提示詞：我約會要遲到了。你能把我的簡報匯出成PDF格式，並附到我下午2點的會議邀請裡嗎？Claude就會自動操作電腦匯出PDF，然後將其加入到會議邀請附件中。完成任務後，Claude會回覆使用者“用了今天早上9點47分編輯的版本，並以最高畫質匯出”。例如當你馬上要做匯報，但突然發現少了素材，就可以讓Claude在電腦上幫你自動完成。提示詞：請啟動開發伺服器，擷取庫頁面的截圖，並在下午3點演示前發給我，拜託了！Claude會即時同步自己的執行進度，如正在啟動應用、已找到庫頁面、佈局是什麼樣、正在截圖等。當你時間緊張，來不及處理工作時，Claude也可以幫上忙。提示詞：你能批次處理我桌面上的所有店舖照片嗎？把它們調整為1200像素的PNG格式，並在右下角加入白色Logo。我自己沒時間做了😬Claude會先找到圖片位置，然後在桌面建立新資料夾，將調整了尺寸、加入了“Dragon”水印的圖片放進去。02. 支援手機對話操控Claude早期預覽版易犯錯上周，Claude Cowork中整合了一項新功能Dispatch，該功能支援使用者在手機端與Claude對話、分配任務，只需最後在電腦端檢查Claude完成的任務情況。現在，這項功能已同步上線Claude Code。基於Dispatch，使用者可以每天早上讓Claude自動查看郵件、每周自動拉取固定指標、啟動Claude Cowork或Claude Code會話報告或拉取請求。Dispatch疊加最新的電腦使用功能後，其可應用的場景增多。當使用者外出時，Claude可以代為使用電腦。例如，在使用者乘火車時Claude可以幫助建立早間簡報，在IDE中修改、運行測試並行布PR，推進3D列印項目按計畫執行。Anthropic提到，研究人員為其建構了最小化風險的防護措施。當Claude使用電腦時，其系統會自動掃描模型中的啟動以檢測提示注入等活動。使用者可以隨時叫停Claude，且Claude在訪問新應用前始終會請求許可。不過，與Claude的文字和程式設計能力相比，其電腦使用功能的建構仍處於早期階段，因此可能會犯錯。基於此，Anthropic的研究人員建議使用者在試用新功能時，可以從自己最信任的應用程式開始，避免其接觸敏感資料。03. 結語：AI電腦自動化時代來了Anthropic下場“養龍蝦”此次，Anthropic推出電腦使用功能，在Claude Cowork、Code中原生實現電腦操控，與此前爆火的OpenClaw邏輯相似，都讓AI從簡單對話互動，升級為能夠直接操作桌面、自主執行任務的智能體。兩者不同之處在於，Anthropic的能力是建構在官方產品體系之上的原生能力，而OpenClaw只是第三方開源實現。相比於OpenClaw需要使用者自行部署、偵錯，Anthropic新功能做到了開箱即用，使用者只需下載客戶端即可體驗。在安全風險方面，作為開放原始碼專案，OpenClaw不僅部署門檻高，還存在明顯的資料與權限安全風險；而Anthropic官方方案則會通過權限控制、安全護欄等機制大幅降低使用風險。現階段，Claude電腦使用功能仍處於早期預覽階段，不僅執行速度偏慢，也並未向所有使用者開放，還遠未達到替代OpenClaw的程度。未來，當Claude的電腦使用功能全量上線，再加上其安全護欄、開箱即用，或才能真正迎來“殺死OpenClaw”時刻。 (智東西)

最近，一款叫“龍蝦”的智能體引發很多人的安裝熱潮。由於它的圖示是一隻紅色龍蝦而得此名。大家還把訓練、使用這款智能體的過程形象地叫作“養龍蝦”。“龍蝦熱”的同時，也暴露出了一些風險，包括工信部在內的一些主管部門連發風險預警。那麼，這只“龍蝦”它能幫我們幹什麼，又藏著什麼風險？記者進行了調查。一場“龍蝦”應用交流活動正在舉行。這個“龍蝦”，不是我們吃的美食，而是一種名叫OpenClaw的人工智慧體。這場活動，就是要看看誰能讓“龍蝦”發揮出更大的作用。“龍蝦”本名OpenClaw。它並非某個公司的商業產品，而是一個由全球開發者共同參與的開源人工智慧體項目，因為其紅色的龍蝦圖示，被戲稱為“龍蝦”。它與過去只能聊天的人工智慧大模型不同，除了擁有聰明的大腦、能思考，還多出了“手腳”，能夠直接操作電腦。它到底長什麼樣？究竟如何幹活？帶著好奇，記者決定找技術工程師親身體驗一次，而工程師的第一個建議就讓記者感到了不尋常：要帶一個格式化的、幾乎全新的電腦過來安裝。北京中關村學院工程師 吳衍標：“安裝了‘龍蝦’之後，它可以查看到電腦裡面的所有檔案，一旦有不法分子想利用這些漏洞，你的這些機密都可能外傳。”為什麼“龍蝦”可以查看電腦所有的檔案？在安裝的時候我們有沒有可能手動限制它的權限呢？記者發現，開放原始碼的原始版“龍蝦”並非能夠一鍵安裝完成，而是需要通過命令列輸入程式碼，技術門檻不低。“小龍蝦”在電腦上自主運行，默認的權限等級很高，這意味著運行它有一定的風險。工程師告訴記者，只有有了這個權限，這個“龍蝦”才具備了幹活的基礎。此外，它還需要有兩部分核心元件：一是需要一個人工智慧大模型，這就像給它安了個大腦，能讓它理解複雜的指令，這在安裝時就會讓使用者進行選擇；二是需要各種各樣的“技能”，賦予它操作具體軟體的能力，也就相當於給它裝上了“手腳”，比如，在告訴了它相關帳戶密碼的情況下，它能自主完成制定旅行計畫並預訂機票、回覆郵件等複雜任務。一隻剛出生的“小龍蝦”，自帶一些基本技能，它能做些什麼呢？記者決定對它進行三項測試。測試一：分類整理電腦桌面檔案記者通過即時通訊軟體向“龍蝦”發出整理電腦桌面的指令，等了幾分鐘後，它告訴記者，已經將電腦桌面檔案分類整理成功。測試二：遠端傳輸檔案並指定路徑儲存記者在手機上傳了一張圖，要求龍蝦將圖保存在電腦桌面的媒體圖片資料夾中。幾分鐘後，資料夾中真的出現了圖片。測試三：修改圖片大小並儲存記者要求“龍蝦”將電腦桌面資料夾中的一張圖片縮小並放入該資料夾，原圖片不動，幾分鐘後，“龍蝦”說新圖片已經存入了資料夾中。任務看似完成了，但“龍蝦”聲稱保留的原圖卻不翼而飛。如此看來，“龍蝦”就像一個還不是特別靠譜的助手，它基於人工智慧大模型，也有和大模型一樣的幻覺犯錯的可能。工程師告訴記者，要想讓“龍蝦”越來越強大，就需要“養蝦”。吳衍標：“第一個方法就是給它越來越多技能、越來越多記憶，讓它更懂你，讓它越來越擁有你的技能，這樣的話，它就能夠做你的事情；二來隨著大模型的發展，它的腦子也會變得越來越聰明。”儘管“龍蝦”還不太靠譜，但也獲得了不少擁躉。在讀博士呂丁陽就花了一個多星期時間養了一隻“科研龍蝦”，賦予了它很多科研技能，專門做材料領域的計算。而從事人工智慧領域研究的何紀言，則花了半個多月時間養了好幾隻非常瞭解自己的“龍蝦助手”，有的做科研，有的幫助管理日常資訊，有的負責整理材料、製作檔案等等。何紀言讓“龍蝦”根據應聘總台員工的特點做一份簡歷。幾分鐘後，這只“龍蝦”就完成了一份製作排版精良的簡歷，還突出了個人的應聘優勢。何紀言坦言，要讓“龍蝦”越來越智能，也需要花錢購買大模型的使用量，也就是所謂的Token，對於頻繁或複雜的任務，這筆消耗確實不小。但這種效率的提升，也讓“龍蝦”迅速出圈，不少地方出現了免費安裝“龍蝦”的熱潮。廣東深圳、安徽合肥、江蘇無錫和常熟等地相繼發佈政策支援“龍蝦”智能體和一人公司的發展，一些政府也部署應用上了“政務龍蝦”，用於公文寫作、民生問答等場景，希望能把基層幹部從繁瑣的事務中解放出來。不過，就在這股熱潮湧向各行各業時，也暴露出了風險，一些高校對“龍蝦”拉響了警報，下了“封殺令”。工業和資訊化部等多個主管部門接連發佈預警，直指OpenClaw存在高危安全風險，明確防範要求與使用者使用提醒，為AI智能體使用劃出安全紅線。一面是熱火朝天的應用，一面又是接連預警，這小小的“龍蝦”裡，到底藏著什麼玄機？中國資訊通訊研究院安全研究所副所長 孟楠：“龍蝦智能體的優勢在於高權限的自主執行能力，它讓人工智慧從能說進化到會做，同時也帶來了一些新的安全風險。”風險一：權限失控帶來的系統被接管的風險專家告訴記者，一旦被駭客利用或者使用者指令不當，“龍蝦”就有可能不加辨別地去執行破壞性操作。比如，刪除我們的核心檔案，把敏感的資料發到網路上，或者在使用者不知情的情況下悄悄安裝惡意的軟體。風險二：網路暴露帶來的攻擊入口風險為了方便，很多使用者會將“龍蝦”智能體管理連接埠暴露在網際網路上，這無異於給駭客開了後門。孟楠：“更危險的是，如果這個智能體還連接到單位內部的網路，就可能成為駭客進行攻擊的跳板，一旦被攻陷，整個企業內部網路都將面臨威脅。”風險三：產品漏洞帶來的可能被利用的風險任何軟體都有漏洞，但在“龍蝦”的高權限加持下，漏洞的危害被進一步放大。而為了讓“龍蝦”具有更多技能，使用者往往會安裝第三方外掛，還會帶來供應鏈風險。孟楠：“我們發現了不少技能外掛被植入了惡意程式碼，使用者在使用這些有毒的技能外掛時，就等於把惡意程序請進了家門，輕則造成資料洩露，重則整個系統被駭客控制。”對於這些隱患，深度“養蝦人”及科技行業人士也坦言，儘管AI智能體是發展趨勢，但普通使用者絕對不能掉以輕心。那麼，普通使用者使用“龍蝦”如何保障安全呢？專家認為，普通使用者屬於安全風險的高發群體，應該審慎安裝“龍蝦”。工信部日前發佈了關於“龍蝦”的“六要六不要”安全指引，涵蓋了權限控制、網路隔離、技能外掛使用等關鍵環節。3月22日，國家網際網路應急中心、中國網路空間安全協會聯合發佈了“龍蝦”OpenClaw的安全使用指南，面向普通使用者、企業使用者、雲服務商以及技術開發者等，提出安全防護建議。其中，對於普通使用者的建議包括：使用專用裝置、虛擬機器或容器安裝OpenClaw，並做好環境隔離，不宜在日常辦公電腦上安裝；不將OpenClaw默認連接埠（18789\19890）暴露到公網；不使用管理員或超級使用者權限運行OpenClaw；安裝可信技能外掛；不在OpenClaw環境中儲存、處理隱私資料；及時更新OpenClaw最新版本等。儘管現在各主管部門不斷在提示“龍蝦”安全風險問題，但從長遠來看，專家認為，要解決“龍蝦”的安全問題，更需要從標準、技術、生態多方面著手。孟楠：“建議始終堅持統籌發展和安全，在鼓勵和促進創新的同時，針對不同場景做精準分類施策，確保安全可控。需要盡快制定相關標準規範來引導各類主體規範應用新技術，引導鼓勵網路安全企業研製相關的環境隔離、智能攔截、行為審計等安全產品和服務。建立包括智能體提供者、安全企業等主體在內的相關主體來協同治理生態。”我們看到，有不少人都希望盡快掌握和利用智能體提升效率、滿足需求，一些企業也開始嘗試使用。對於像“龍蝦”這樣的新事物，我們需要鼓勵，需要為技術創新留足試錯的空間，避免束縛產業發展的活力；但同時，面對爆火的“龍蝦”，我們也需要有一些冷思考，守住安全底線，防範風險擴散失控。也就是說，技術創新和安全監管協同推進、良性互動，我們才能更好地和AI共舞，推動人工智慧高品質發展。 (中國信通院CAICT)

微信“開門”，AI入口戰爭終結？一夜之間，微信被“龍蝦”大軍全面攻陷了。3 月 22 日，微信官方外掛 ClawBot 上線，正式向風靡全網的 OpenClaw 敞開懷抱；此後 24 小時內，QClaw、WorkBuddy、騰訊雲 Lighthouse 率先打通，階躍星辰、網易有道、月之暗面、智譜、MiniMax 等廠商的“龍蝦”產品緊跟著適配，連字節跳動旗下扣子程式設計也發佈了官方接入方案。截至目前，已有至少 10 款主流“龍蝦”產品完成接入或明確支援微信通道，整個行業一路小跑會師微信，讓其一躍成為國內使用者基數最大、生態適配速度最快的“龍蝦池”。一時間，市場上不乏“龍蝦攻陷微信”“微信失守 AI 入口”的論調；但在虎嗅看來，這更像微信以退為進的策略：用一次拆“藩籬”的開放，就能將國內 AI Agent 的發展脈絡與微信生態深度繫結。事實上，騰訊自開年便一掃此前暮氣，先是上線“龍蝦”集市，接著發佈自研龍蝦“全家桶”，再到微信放開介面，已然成為這波“龍蝦熱”最激進的擁躉。01 24小時會師：微信何以擠滿龍蝦？作為去年底才興起的開源 AI 智能體框架，OpenClaw 的核心突破在於將 AI 從給建議升級為動手執行，可直接完成檔案整理、資料提取、辦公輔助、裝置控制等實操任務——上線四個月，便以超 25 萬 GitHub Star 數登頂，超越長期佔據榜首的 React 和 Linux 核心，一躍成為當下 AI 行業炙手可熱的風口。3 月 18 日的騰訊業績溝通會上，馬化騰談及“養蝦”心得，認為“龍蝦”與即時通訊的融合，解決了傳統 ChatBot 需即時等待的痛點，使用者提交任務後可非同步接收結果，更具“活人感”、持續記憶與個性化適配能力。基於此，微信 ClawBot 不再止於一款 AI 工具，而是騰訊官方推出的標準化通道“鑰匙”，核心價值是搭建起 OpenClaw 與微信之間的橋樑，讓使用者無需跳轉其他應用，可直接在微信聊天介面給“龍蝦”派活。在此之前，OpenClaw 雖火，卻始終囿於網際網路、科技圈層，因為“養蝦”需部署本地環境、配置後台參數、熟記操作命令——複雜的操作流程，疊加使用過程中 Token 海量消耗帶來的成本壓力，將絕大多數普通使用者擋在了門外。據虎嗅瞭解，微信 ClawBot 不涉及 Token 消耗，也不會因連接龍蝦產生任何費用，本質是一個調起入口；且為方便使用者接入，配置“龍蝦”流程被壓縮至 3 步以內，零程式碼基礎也能輕鬆搞定。比如，騰訊雲 Lighthouse、QClaw、WorkBuddy 等產品直接在控制台 / 客戶端內建“微信通道”，使用者僅需更新版本、掃碼即可完成繫結；而智譜、MiniMax、階躍星辰等廠商的“龍蝦”產品，通過新增 IM 模組、命令列外掛也能迅速連接，核心流程為：配置生成二維碼→掃碼繫結→微信對話。其中，階躍星辰 StepClaw 只需輸入官方安裝指令，即可自動拉起微信外掛；智譜 AutoClaw 更是無需命令列，直接在 IM 頻道點選“加入微信”即可完成繫結，全程不到一分鐘。更深一層，Agent 門檻降低的背後，是互動體驗的全民滲透。此前，即便 QClaw 與 WorkBuddy 的微信呼叫，依舊是在扮演客服的角色，使用者需跳轉介面、等待觸發流程，互動連貫性差。而 ClawBot 上線後，繫結成功的“龍蝦”能直接以AI 聯絡人的形式出現在微信聊天列表，使用者可直接對話、置頂、設定免打擾，指令傳送後即快速響應——簡單任務幾乎連續返回結果，即便複雜任務也會以對話形式即時反饋進度，互動體驗與日常微信聊天毫無二致。與此同時，ClawBot 全面支援文字、語音、圖片、檔案、視訊的全類型收發，使用者在通勤路上、外出途中只需發一句話，就能讓辦公室或家裡的電腦完成檔案處理、郵件收發、表單填寫、資料整理等全流程任務，真正實現了跨端協作的無縫銜接。接近微信人士向虎嗅表示，這個外掛並沒有“一統龍蝦江湖”的野心，更多是為“養蝦人”打通一條便捷通道。“一開始有些思考和顧慮，比如微信不知道使用者接什麼模型，接進來是不是要有新帳號體系等，所以推導、討論後，覺得可以基於過去客服消息的經驗做一個極簡的標準化方式，目前限制了機器人主動回覆能力，對話需使用者主動發起，並設定機器人超過 24 小時就不能回覆。”值得一提的是，當下微信 ClawBot 外掛僅作為消息通道，不會自動化操作微信，也不涉及對消息、朋友圈資料的獲取。試想，當 14.18 億使用者最常用的聊天窗口，變成可直接指揮 AI 執行任務的操作面板，那龍蝦從科技圈層走向全民普及，只是時間問題。02 微信以退為進的“陽謀”在外界認知裡，張小龍與微信最大的標籤或許就是“克制”了。AI Agent 風靡網際網路的這兩年，微信一直“作壁上觀”，始終保持著自己的節奏；這次主動推出 ClawBot，更像為 AI 入口混戰布下的一場“陽謀”。在此之前，市場曾擔憂，獨立 AI 應用會蠶食微信的入口優勢，替代微信成為使用者新的高頻使用場景——畢竟，當使用者有創作、搜尋、辦公需求時，若能在獨立 AI 應用一站式完成，自然無需再打開微信。如今，微信終於回過味來了：與其讓使用者跳出微信去使用 AI 智能體，不如把所有 AI 智能體都接入微信，讓使用者永遠留在自己的生態裡。換言之，微信以極低的邊際成本，完成了 AI 時代入口護城河的跨越式拓寬與深度加固。騰訊張軍的表態，道破了微信的核心邏輯：“微信當年所努力的，就是成為一個連接人、連接裝置、連接服務的工具。這個理念依然有效。這個連接，可以方便每個人更好地管理自己的龍蝦。”作為首個實現微信互聯的龍蝦類 AI 智能體，QClaw 的戰略意義最能說明問題：其在使用者 PC 或 Mac 上運行的本地 AI 智能體，通過與微信繫結，讓使用者用自然語言通過手機微信，遠端操控桌面，執行檔案操作、瀏覽器控制、電子郵件處理、表單填寫與工作流自動化等實際任務。QClaw 還將微信的功能邊界，從資訊通訊與內容發現介面延伸到外部任務執行與工作流編排介面——以前，微信是使用者用來溝通、獲取資訊、消費內容的工具；現在，微信成了使用者指揮數字世界、執行工作任務、操控智能裝置的操作面板。這堪稱微信繼社交普及、小程序生態、移動支付落地之後，又一次里程碑式能力躍遷：先讓所有龍蝦都入駐微信生態，讓使用者習慣在微信裡給 AI 派活、完成使用者心智佔位，再慢慢推出自己的原生智能體，一步步滲透到使用者生活的角角落落，最終實現生態的全面閉環。而且，微信主動“開門”，還能將潛在競爭對手變成生態夥伴——當主流 AI 智能體都必須通過微信觸達使用者，當使用者習慣了在微信裡使用所有 AI 服務，微信自然會成為 AI 時代的最大入口。騰訊總裁劉熾平在此前財報電話會上早已透露：“微信最終將推出一個 AI 智能體，讓使用者在微信內即可利用 AI 完成多項任務——該智能體能夠理解使用者需求、意圖與興趣。微信擁有強大的社交生態，疊加購物支付等場景，幾乎是使用者的‘理想助手’。”而 ClawBot 的上線，恰恰印證了騰訊“兩條腿走路”的戰略佈局：第一條路，擁抱 OpenClaw 進行戰略卡位。通過 ClawBot 外掛，騰訊向所有主流龍蝦產品敞開了微信的大門，用最快的速度完成市場佔位，保證在 AI 智能體的風口上絕不掉隊，更將微信的流量優勢，瞬間轉化為了 AI 生態優勢。第二條路，堅定自研佈局，掌握生態的核心主動權。據 The Information 2026 年 3 月報導，微信從 2025 年就開始在內部秘密推進自己的 AI Agent 項目，計畫 2026 年第三季度推出能直接呼叫微信小程序的原生 AI 助手。事實上，微信誕生至今的核心邏輯從未偏離“連接”：先連接人與人，完成了移動社交的全民普及；再連接內容與服務，通過公眾號、小程序讓千萬商家與創作者紮根生態；而後連接交易與支付，憑微信支付重構了中國移動支付格局；如今，它開始連接 AI 智能體，讓龍蝦入駐微信聊天列表，把 AI 能力無縫融入普通人的日常互動。從更宏觀視角，ClawBot 只是微信生態全面 AI 化的切面之一，整個微信體系正完成一場全鏈路的 AI 升維：微信小程序推出了“AI 應用及線上工具小程序成長計畫”，已經吸引了超 1 萬名開發者接入；微信搜一搜通過 AI 技術全面最佳化，成為品牌連接使用者的高效入口；微信小店則通過 AI 工具，全面最佳化商家的投放與營運效率。當這些能力與 ClawBot 帶來的 AI 智能體能力成熟結合，任何高頻消費交易與內容消費，都將在結構上深度嵌入微信的複雜工作流，這無疑會讓微信“國民級應用”的地位更加難以撼動。03 AI 入口戰爭終結？至此不難看出，微信 ClawBot 既是騰訊一次戰略落子，也在某種程度上給國內 AI 行業的入口之爭，畫上階段性句號。一位騰訊人士向虎嗅分析：“傳統 Chatbot 的使用場景往往侷限於特定需求，使用者留存率與日均使用時長普遍存在瓶頸，業界共識是：Chatbot 並非 AI 的終極應用形態，AI 的下一步在於超越‘對話’，這是國內外廠商目前探索的方向，但路徑逐漸分野——ClawBot 在工具屬性的基礎上，通過捲入一定的社交關係增加互動深度，因為騰訊的基因裡天然流動著連接屬性。”在 ClawBot 上線之前，Agent 的入口之爭，主要集中在飛書、釘釘等企業協作平台，以及各類獨立 AI 應用上；但微信的入局直接左右了競爭的走向——因為沒有任何一個入口，能比得上微信 14.18 億的月活規模，以及微信對使用者工作流與生活場景的深度嵌入。一旦主流 Agent 都接入微信，使用者逐漸習慣在微信指揮 AI 幹活，其他入口的價值，自然會被無限稀釋。要知道，獨立 AI 應用最大的痛點，就是獲客成本高、使用者留存率低、日均使用時長存在瓶頸，且用完即走，很難沉澱為使用者的高頻使用習慣。微信則不同，它是使用者每天打開幾十次、甚至上百次的應用，是使用者手機裡永遠不會解除安裝的國民級 APP。當 AI 智能體以聯絡人的形式“住進”微信，使用者無需再下載獨立 APP，無需再記新帳號密碼，打開微信就能直接使用——從這個維度來看，微信對獨立 AI 應用形成了一場全方位的降維打擊。更致命的是，微信孕育了成熟的支付、交易、小程序生態，AI 智能體在微信裡，可以直接完成從指令發出到任務執行，再到交易閉環的全流程，而獨立 AI 應用，根本無法搭建這樣成熟的閉環生態。這意味著，獨立 AI 應用想要靠通用 Chatbot 或 Agent 實現全民級入口替代幾無可能，突圍之路只剩兩條：要麼接入微信成為一個“龍蝦”聯絡人，借微信的流量實現使用者增長；要麼深耕垂直細分場景，做微信生態覆蓋不到的小眾需求。經此一役，騰訊用實際行動證明，AI 競爭下半場是生態、入口、場景的綜合博弈，即便沒有行業頂尖的基礎模型，手攥高頻使用場景，將 AI 能力深度嵌入使用者的工作流與生活流，就能最後“摘果子”。不過，這也會給使用者編織一個新的“牢籠”。當所有 AI 廠商都依附於微信生態、必須遵守微信的規則才能觸達使用者，充分的市場競爭從何而來？當使用者習慣一句話給 AI 派活，會不會慢慢喪失獨立思考與動手能力，變成只會給 AI 發指令的 “工具人”？張口閉口都是 skill、MCP、OpenClaw，通宵達旦研究“龍蝦”，到頭來卻分不清，是自己在用 AI，還是成了 AI 的養料——以為在追逐時代風口，實則活在“自己很努力”的幻覺裡，生活並未有實質性改變。 (虎嗅APP)

OpenClaw席捲全球，此芯科技重磅發佈全球首款龍蝦CPU——CIX ClawCore螯芯系列，攜手產業夥伴吹響中國端側智能生態集結號。26年的開場，屬於一隻橫空出世的「龍蝦」。短短兩個月，GitHub上的Star數突破32萬，開發者們像追星一樣為它貢獻程式碼，而全球科技巨頭爭相圍繞它建構生態。輝達CEO黃仁勳在剛剛結束的GTC 2026大會上，當著全世界的面喊出那句意味深長的話：「OpenClaw is definitely the next ChatGPT。」這絕非誇張。如果說ChatGPT教會了AI「說話」，那麼OpenClaw則教會了AI「做事」——它不再是一個陪你聊天的對話方塊，而是一個能操作你的電腦、管理你的檔案、執行你的任務的「數字員工」。這就是為什麼大家都在「養蝦」。但熱鬧的背後，一個核心問題浮出水面：蝦養起來了，算力從那來？OpenClaw的本質是AI Agent——智能體。它需要大語言模型的推理能力，需要穩定的算力底座，需要7×24小時不間斷運行的硬體環境。如果完全依賴雲端Token，一個重度使用者一天就能燒掉數百萬Token，折合人民幣可不是小數目。而端側本地化部署，既能保護隱私，又能大幅降低長期使用成本，成為行業共識。問題是，誰來提供這個「端側AI的算力底座」？3月19日，深圳，南山香格里拉酒店。此芯科技給出了自己的答案。螯芯出鞘 全球首款龍蝦CPU震撼亮相19日下午，此芯科技以「智啟未來 芯動全球」為主題，在深圳舉辦OpenClaw CPU系列產品及方案矩陣發佈會，正式推出全球首款OpenClaw專屬CPU——CIX ClawCore螯芯系列。Arm、阿里雲、天數智芯、後摩智能、清昴智能、飛牛等眾多產業夥伴齊聚一堂，共同見證這一里程碑時刻。為什麼叫「螯芯」？此芯科技創始人、CEO孫文劍在發佈會上這樣解釋：這個名字的靈感來自於大自然的生命力——龍蝦的螯，既有力量，又有精準度，象徵著螯芯系列產品所追求的AI算力與堅韌品格。而那隻舉著晶片的可愛「龍蝦機器人」CixClaw，也瞬間成為發佈會上的頂流IP。「過去三個月，我們和大家一樣經歷了OpenClaw生態的爆發式發展。」孫文劍在開場時說，「它從一個免費開放原始碼的個人工具，迅速發展為全球化的企業智能體平台。這種速度，是我們IT從業人員罕見的。」在他看來，OpenClaw的爆火並非偶然，背後有三重深層原因：一是它對本地隱私資料處理的優先考量；二是它把AI從「對話」變成了「執行」的閉環；三是全球開發者社區的力量不斷湧入，讓這個生態越來越繁榮。而這些，恰恰精準地解決了過往端側AI生態中生產效率低下、資料不安全、過度依賴雲端的痛點。基於這樣的判斷，此芯科技做了一個大膽的決定：專門為OpenClaw智能體生態打造一個算力底座，讓大模型、Agent和Skill在端側突破資源壁壘，安全運行。這，就是CIX ClawCore螯芯系列。三劍齊發：全面覆蓋端側到邊緣CIX ClawCore螯芯系列是此次發佈會的絕對核心。該系列共包含三款產品，以三種不同的定位，形成了從端側到邊緣再到高性能的完整矩陣。用一個通俗的比喻：如果說養蝦需要不同規格的蝦池，那螯芯系列就提供了從精緻魚缸到工業蝦塘的全套解決方案。第一款，ClawCore-P系列（勁螯芯）——主流中堅力量，2026年3月率先首發。它採用Armv9.2架構，配備12核CPU，主頻高達3.2GHz，搭載 Immortalis-G720 GPU，AI算力達45TOPS，配備64GB LPDDR5記憶體，是高性能、高並行、大容量的首選方案。簡而言之，這是一款為「高性能、高並行、大容量」場景而生的處理器。目前，許多合作夥伴已經拿到了P系列產品，並基於它打造了各類AI智能裝置——在發佈會的展示區，你能看到一台台跑著OpenClaw的MiniPC和工作站，它們正安靜而高效地「養著蝦」。第二款，ClawCore-A系列（智螯芯）——聚焦AI推理最佳化，計畫2026年6月推出。擁有8核CPU，主頻3.0GHz，AI算力高達80TOPS，支援PCIe AI卡擴展至200TOPS，同樣配備64GB LPDDR5。它的定位是「邊緣側首選」，支援7×24小時穩定線上，全鏈路ECC校驗，特別適用於多並行場景。更重要的是，它能實現50%的模型本地化，有效節省Token成本——對於那些被雲端Token帳單嚇到的「養蝦人」來說，這無疑是個福音。正如發佈會上天數智芯副總裁郭為分享的案例：一個合作夥伴以為400萬Token很多，結果養蝦一小時就燒完了。而有了本地化部署，80%到90%的個人使用場景都能在端側搞定，只有極端場景才需要呼叫雲端大參數模型。第三款，ClawCore-E系列（靈螯芯）——主打低功耗高效能，預計2026年12月亮相。該系列採用Armv9.2 CPU與NPU組合，追求超低功耗，旨在實現雲端大模型算力的端側落地，定位為端側裝置的小巧安全之選。它支援語音和網路喚醒，真正做到「隨叫隨到」——你的龍蝦永遠在待命。三個系列的命名也頗有講究：P代表Performance（性能），A代表AI推理，E代表Efficient（高效能）。勁、智、靈三個中文名，更是把各自的「人設」刻畫得淋漓盡致。從產品路線圖來看，2026年全年，三款產品將依次交付到產業夥伴手中，讓大家根據自己的場景選擇最適合的「蝦池」。基於CIX ClawCore螯芯系列晶片，一個龐大的智能產品方案矩陣已經成型：AI BOX、AI NAS、AI MiniPC、AI PC、AI MediaCenter、AI邊緣伺服器、AI嵌入式/工業裝置、AI Workstation、AI智能座艙，乃至具身智能——幾乎覆蓋了你能想到的所有端側AI場景。正如孫文劍所說：「我們希望基於CIX ClawCore螯芯系列晶片與產業夥伴共建共贏，共創GenAI新紀元。」以Agent為中心，重構AI應用開發晶片只是底座，真正讓螯芯系列區別於普通處理器的，是此芯科技在軟體生態和開發範式上的野心。當下AI應用開發麵臨一個尷尬的現實：傳統開發範式複雜、割裂，開發者需要自己搞定模型適配、系統部署、安全加固、功耗管理等一系列問題，光是把OpenClaw跑起來就要翻無數教學。正如網上無數的「部署攻略」所證明的——部署難，是OpenClaw生態中所有方案提供商都需要認真解決的問題。「針對AI應用開發中的種種痛點，我們獨創了CIX ClawCore螯芯系列，目的就在於幫助開發者告別傳統割裂的開發模式，形成以Agent為中心，重構AI應用的開發和交付方式。」孫文劍如此闡述螯芯系列的核心理念。具體而言，此芯科技依託五大支柱來實現這一願景。開放的AI Agent Hub，讓開發者共享模型與技能，避免重複造輪子；開箱即用的整合交付，晶片原生整合OpenClaw框架與最佳化模型，交付的不是毛坯房而是精裝房；智能協同模式，串聯不同系統上的Agent形成群體智能；晶片級安全機制，硬體加密為Agent上鎖；極致的系統最佳化，讓7×24小時養蝦不變成"電老虎"。在五大支柱之上，此芯科技還為開發者提供了「一鍵部署+SDK」的整合化解決方案。開箱即用的SDK開發包極大地降低了入門門檻，支援主流開發語言和框架，相容性強；開放了豐富的API介面，覆蓋AI推理、資料處理等核心功能；內建的一鍵部署工具支援容器化部署，實現多Skill部署，大大簡化維運流程。Arm邊緣AI事業部智能終端計算副總裁James McNiven在發佈會上也給予了高度評價。他表示：「OpenClaw 的問世加快了智能體 AI (Agentic AI) 重塑全球計算格局的速度，並快速地將 AI 的應用從雲端轉移到邊緣 AI 裝置。Arm 與此芯科技的合作為開發者提供了一套標準化、可互操作且可擴展的底層計算平台，助力其在整個 Arm 生態中進行智能體 AI 的高效開發和部署。憑藉 Arm 技術的高性能、高能效優勢，以及 Armv9 架構的先進安全特性，智能體 AI 可在全球海量搭載 Arm 平台的裝置上安全運行，提供高隱私保護、低延遲、高性價比的 AI 體驗，驅動新一輪智能計算創新浪潮。」安全、開放、演進：螯芯的四大護城河要撐起以Agent為中心的未來，光有性能不夠，還需要堅實的「基石」。在孫文劍看來，這個基石需要具備四大能力：安全、開放、持續演進，以及精準的能效管理。而這，也正是CIX ClawCore螯芯系列著力建構的四大護城河。在安全能力方面，CIX ClawCore螯芯系列展現了全方位的安全保障。產品基於Armv9.2虛擬化與安全架構設計，並結合此芯自研安全子系統，實現硬體級檔案加密與金鑰管理。在生態建設方面，此芯科技堅持開放路線。基於此芯晶片的硬體通過了Arm SystemReady標準認證，支援Windows、Android、Ubuntu、統信、麒麟等主流作業系統，實現「即裝即用」。更重要的是，所有適配的原始碼都會開放給合作夥伴和開發者——這種開放程度，在國產晶片領域實屬罕見。演進性方面，螯芯系列支援端側異構計算與雲端協同，並能靈活定製本地AI Skill，讓裝置的AI能力像軟體一樣隨時更新、持續生長。能效管理方面，螯芯系列覆蓋端側低功耗到邊緣高性能的多種組合，將PC級高性能與IoT級精細功耗管理相結合，為不同場景提供性能與續航的「黃金平衡點」。這對於需要7×24小時運行的OpenClaw裝置來說至關重要——畢竟，誰也不想自己的AI助手變成一台轟鳴的「暖氣片」。生態眾星捧月：產業夥伴共建龍蝦智能生態一顆晶片的價值，最終要靠生態來兌現。而螯芯系列發佈會最令人印象深刻的，恰恰是那個星光璀璨的合作夥伴陣容。阿里雲JVS Claw提供雲端沙箱與本地部署雙模式，三端互通；天數智芯聯合此芯推出130TOPS本地算力終端，可流暢運行 27B 模型；後摩智能M50 NPU與此芯CPU協同，48G記憶體下最大可跑 120B 模型。飛牛fnOS近期上線OpenClaw一鍵部署，清昴智能帶來全端AI底座方案。六聯智能、迅龍軟體、瑞莎（Radxa）、美高創新等夥伴則分別展示了筆記本、開源主機板、AI NAS等多形態終端產品，覆蓋從個人到政企的豐富落地場景。這個陣容的豪華程度，充分說明了一件事：從晶片廠到演算法商、從作業系統到終端裝置、從雲端運算巨頭到開源社區，整個產業鏈都在向螯芯系列聚攏，共建OpenClaw「龍蝦」智能生態。「養蝦」到「養蝦場」中國端側AI的新篇章站在更高的維度來看，此芯科技CIX ClawCore螯芯系列的發佈，其意義遠不止於「又多了一款國產晶片」。它標誌著中國端側AI生態正在從「散兵游勇」走向「系統作戰」，從「各自為戰」走向「軟硬協同」。過去幾年，中國在大模型領域已經展現出強大的追趕和創新能力。從DeepSeek到千問，從通義到文心，一批優秀的國產大模型正在快速崛起。而OpenClaw的爆火，則為這些大模型找到了一個絕佳的用武之地——AI Agent。當大模型從聊天工具進化為「數字員工」，端側算力就成了決定這場變革能走多遠的關鍵變數。輝達已經看到了這個機遇，在GTC 2026上高調推出了NemoClaw，將OpenClaw與自家生態深度繫結。而此芯科技的螯芯系列，則從另一個維度切入——基於Arm架構的低功耗、高能效優勢，專注於端側和邊緣側場景，建構一個真正適合「養蝦」的算力底座。這不是一場零和博弈。正如後摩智能倪曉林在發佈會上說的那句話：「無論明天是小龍蝦還是大閘蟹，基於Arm通用生態和通用CPU、GPU的算力架構，都是最佳的選擇。」技術路線的前瞻性，決定了螯芯系列不會被單一生態所綁架，它的價值將隨著AI Agent生態的擴展而持續放大。更令人欣慰的是，此芯科技展現出的開放心態和生態格局。從第一天起就堅持開源開放，從Arm SystemReady認證到全平台OS適配，從SDK開放到AI Agent Hub共建——這種「搭台唱戲」的平台型思維，恰恰是中國晶片產業從追趕者變成生態引領者所最需要的品質。發佈會的最後，孫文劍留下了一句意味深長的話：「我們相信，隨著CIX ClawCore螯芯系列的推出與生態夥伴的加入，一個智能新紀元正加速到來。」縱觀全域，2026年的春天，註定是中國端側AI領域的一個重要節點。OpenClaw的狂潮席捲全球，整個產業都在尋找一個可靠的算力底座來承接這波浪潮。而此芯科技的螯芯系列，就像它名字所寓意的——用龍蝦之螯的力量，牢牢夾住AI時代的核心算力需求，在端側和邊緣側築起一道堅固的智能底座。龍蝦的時代已經來臨。而屬於中國龍蝦的第一顆「芯」，已經開始跳動。 (新智元)

3月19日，飛書宣佈全新升級飛書aily智能體平台，支援使用者簡單點選，啟動獲得個人專屬的飛書版“龍蝦”。這個常駐聯絡人列表的Agent夥伴，不僅原生理解使用者的全部工作上下文、內建覆蓋全辦公場景的原生技能，還支援使用者零門檻建立、更新各類業務技能，並能夠在真實工作中持續沉澱記憶、自主學習最佳化。值得注意的是，其權限體系與使用者本人嚴格保持一致，從根源上守住了資料安全與操作可控的底線。2026年開年，被開發者戲稱為“小龍蝦”的OpenClaw以超出行業預期的力量，將整個賽道推至Agent時代的前夜。大模型行業的競爭邏輯就此發生根本性偏移，而在這場核心生態位的爭奪戰中，飛書憑藉全球開發者的自發選擇，成為OpenClaw國內優選接入平台，站上了Agent時代的核心賽道。對企業而言，核心命題早已從“是否入局Agent”，變為“是否搭建好了適配Agent落地的底層體系”。Agent能否真正釋放生產力，核心取決於其生存的土壤——能否讀懂足夠的上下文、實現順滑的協同、呼叫真實的業務能力。這正是飛書多年深耕建構的、不可複製的核心護城河。 (每日經濟新聞)

你是不是也看膩了那些“用AI月入十萬”的浮誇標題？但一個真正的機會正在技術圈裡悄然發酵：OpenClaw。它不是一個對話玩具。它是一個開源AI智能體，能24小時不間斷地在你的電腦或雲伺服器上運行。它能真正地“做事”：處理郵件、寫程式碼、生成報告、監控資訊、管理任務……就像一個不知疲倦的副手。短短三周，它在GitHub上狂攬26萬星。全球的開發者們正在用它開闢真實的收入流。開搞之前，你需要準備什麼？硬體：一台普通的電腦（Win/Mac/Linux都行）。AI大腦：DeepSeek、Kimi、豆包或文心一言等國內主流大模型的API。它們將是OpenClaw的“核心智能”。溝通工具：推薦微信（通過企業微信/公眾號介面接入）或釘釘。這是你指揮它、它向你匯報的通道。運行環境：想24小時線上？購買一台阿里雲、騰訊雲或華為雲的入門級雲伺服器（約每月30-50元人民幣），把它丟上去就行。設定並不複雜，社區已有一鍵部署指令碼，半小時內就能讓這個“數字員工”上崗。六條經過驗證的國內變現路徑路徑一：AI外包工作室在程式設計師客棧、碼市或豬八戒網等平台接單（資料整理、內容初稿、簡易自動化指令碼等）。你負責洽談和交付，讓OpenClaw執行具體任務。磨合幾個項目後，它就能成為你的“標準員工”。收益參考：500 - 5000元+/項目路徑二：打造並售賣“技能包”OpenClaw支援自訂技能。你可以將為解決某個需求（如：自動生成小紅書文案、監控競品價格、整理周報）而編寫的技能包，發佈到國內的技術社區或知識付費平台。一次創造，多次銷售。收益參考：9.9 - 299元/份，長尾收益路徑三：為小微企業提供“自動化顧問”服務許多本地小店、小微公司被重複的日報、客戶跟進、社交媒體維護所困。你可以提供月度服務，用OpenClaw為他們自動化這些流程。從你熟悉的圈子開始，做出一個成功案例，口碑就會來。收益參考：1500 - 5000元/月/客戶路徑四：規模化內容創作將OpenClaw接入聯網搜尋，它就是一台高效的研究寫作引擎。你可以營運一個垂直領域的公眾號、知乎專欄或資訊站。你定方向和調性，它來完成資訊蒐集和初稿撰寫。收益潛力：與內容產出量和質量直接掛鉤，潛力可觀。路徑五：專做部署與技術服務很多對技術望而卻步的創作者、營運者迫切需要這樣的工具，但卡在第一步。你可以提供一站式部署、配置和教學服務，這是巨大的市場。收益參考：300 - 2000元/次（常可轉化為長期維護服務）路徑六：組建你的“AI團隊”你可以運行多個OpenClaw智能體，一個負責客戶A的文案，一個負責客戶B的資料，它們之間還能協作。你的角色升級為“AI團隊管理者”。單智能體月成本約百元內，產值卻可放大數倍。收益潛力：取決於你管理的“數字員工”數量和效率。重要提醒：避開這些坑現實一點：別被“用AI炒幣暴富”的話術帶偏。所有可持續的成功案例，核心都是：用AI自動化了那些市場本來就在付費的服務。賺錢的人，都把OpenClaw當作一個需要指揮、稽核和監督的強大工具。它無法取代你的商業判斷和人際溝通。你的核心競爭力，不在於擁有工具，而在於你指揮它解決什麼真問題。安全第一：它會在你的環境裡獲得真實權限。請僅從可信來源獲取技能，做好權限隔離。你的首周啟動計畫Day 1-2：部署你的OpenClaw，連接到微信/釘釘。花點時間“訓練”它，告訴它你的工作習慣和需求。Day 3-4：先解決自己的一個實際問題（比如自動彙總每日新聞）。用它，改進它。Day 5-6：從上述六條路徑中，選擇最匹配你技能和資源的一條，深入研究。Day 7：走出去，找到第一個客戶或發佈第一個產品。一個不完美的開始，遠勝於無休止的準備。窗口期，就在當下OpenClaw生態剛剛興起，國內玩家尚未大規模湧入。正如早期的微信公眾號、抖音，機會屬於早期的行動者和建構者。這個開放原始碼專案本身是免費的。真正的投資，是你的時間和創造力。下一步行動：訪問 OpenClaw 的 GitHub 首頁（需自行搜尋），從官方文件和活躍的國內技術社區（如知乎、掘金相關話題）開始你的探索。 (李說新科技)