近日，網上關於“龍蝦”的風向變化簡直是坐過山車。前幾天全網還在熱炒千人排隊拿著號碼牌等候安裝這個叫OpenClaw的AI工具，轉眼間，熱搜話題就成了怎麼徹底解除安裝它，而且，解除安裝也要收費。為什麼急轉彎？因為官方拉響了風險警報。中國國家網際網路應急中心、中國工信部接連發佈提示，直接點名“龍蝦”存在嚴重安全隱患。這不是空穴來風，已經發生了真實案例：有人帳戶裡的錢被隔空轉走，電腦被駭客遠端控制，甚至積累了多年的工作檔案被一鍵清空。那麼，當初大家為什麼又擠破頭要“上車”呢？根源是一種生怕落伍的焦慮，也就是所謂的“FOMO”。網路上，它被渲染成能自動處理一切、讓你徹底“躺贏”的未來鑰匙，彷彿不用就會被時代甩開。這種普遍的焦慮，迅速轉化成了實實在在的消費。想自己運行？硬體成本不菲。用於租賃的雲伺服器？那是個持續消耗的“無底洞”。更催生了離奇的“安裝刺客”服務，上門費敢叫價上千元。這還不算它作為“Token燃燒器”的日常開銷——呼叫高級AI模型處理任務，一個月輕鬆燒掉幾百上千元。有開發者因為金鑰洩露，一覺醒來收到上萬元的帳單。這早已超出了“嘗試新工具”的範疇，更像是在“供養一個昂貴的未知”。比燒錢更可怕的，是隨之洞開的安全大門。當你賦予它極高系統權限時，也相當於在自家數字世界開了一道後門。有資料顯示，全球有十幾萬台運行“龍蝦”的電腦處於毫無防護的“裸奔”狀態。更隱蔽的危機藏在官方市場：約12%的所謂“功能外掛”被檢測出惡意程式碼，專門竊取你的密碼、金鑰等核心資訊。這就像你聘請了一位管家，他卻自帶了一支藏有小偷的“服務團隊”。“龍蝦”這場從狂熱追捧到恐慌撤離的“過山車”，給社會大眾注入了一劑清醒劑：在技術爆炸的時代，我們對“工具”的渴望，常常混合著對“落後”的深度焦慮。它給我們最重要的啟示或許在於：真正的主動權，從來不來自盲目追逐或佔有某個工具，而來自清醒的認知和掌控力。對於大多數普通人而言，在新技術面前，“讓子彈飛一會兒”，保持觀察和學習的耐心，遠比“搶先入場”卻陷入風險更為重要。無論技術如何炫目，你，才應該是工具最終的主人。 (央視財經)

龍蝦火出圈後，各類生態工具如雨後春筍般冒頭，部署、外掛、託管工具五花八門，挑得人眼花繚亂。早前ChatGPT GPT Store有趨勢榜等各大榜單，現在OpenClaw也有專屬的最佳工具榜了。最近，一個由第三方搭建的OpenClaw生態工具目錄網站——OpenClaw Directory，在多個專業開發者/工具社區獲得了曝光和認可。目前該網站共收錄了39個OpenClaw相關工具，按照功能做了精細化的分類梳理，包括：AI Agent Teams（Agent團隊協同工作方案）、AI Agent Trigger（觸發Agent執行任務的機制/工具）、Boilerplate（程式碼範本）、Command Centre（控制面板）、Deployer（部署工具）、Hosting（託管服務）、Token Optimizer（Token最佳化工具）、Skills（擴展特定功能的技能模組）、Plugins（增強OpenClaw能力的外掛）。支援按“必備”、“可定製”、“開源”等標籤篩選，也可按“流行”、“最新”、“評分最高”、“A-Z字母序”等方式排序。每個工具還清晰標註了工具簡介、核心功能、使用者評分等關鍵資訊，可以幫助大夥兒快速判斷是否適配自己的使用場景。OpenClaw最佳工具榜話不多說，一起來看這個目錄裡列舉的最受歡迎的OpenClaw工具都有那些。以下是不區分功能類別的綜合總榜中，排名前六的精選工具：排在第一位的是Claw for All。簡介介紹，Claw for All是一款面向開發者以及普通使用者的主打簡化OpenClaw部署與管理流程的工具平台，支援線上端和移動應用雙端訪問。核心功能包括：部署輕鬆便捷：只需幾步點選，即可一鍵啟動你的OpenClaw實例移動隨心管理：專屬移動應用，讓你隨時隨地管理帳戶與實例介面簡潔友好：清爽直觀的操作介面，零基礎也能輕鬆上手支援全面完善：豐富的配套支援資源，助你排查問題、最佳化OpenClaw使用體驗工具介紹末尾還列舉了與其相似的其它工具。排在第二位的是OpenClaw Launch。OpenClaw Launch同樣是一款部署類工具，主打極速、30秒內完成OpenClaw應用的一鍵部署：一鍵部署：告別複雜配置，點選即可啟動極速執行：30秒內完成應用部署，效率拉滿友好介面：無論技術水平如何，都能輕鬆操作穩定性能：架構可靠，保障項目平穩運行全面支援：隨時獲取實用資源與專屬協助接下來，排在第三位的是一款AI Agent Teams類工具——ClawTeam。ClawTeam提供專為OpenClaw打造的預製智能體配置方案，核心功能有：預製配置方案：採用專家級定製的AI智能體配置，開箱即用，大幅節省部署時間深度適配OpenClaw：基於OpenClaw平台量身打造配置，助力應用程式性能最佳化操作簡單友好：即便你並非技術專家，也能快速上手，全程無繁瑣操作，效率拉滿應用場景豐富：適用於企業、開發者與科研人員，可滿足多領域的AI能力落地需求排在第四位的vibeclaw就更極限了，號稱可以1秒內在瀏覽器沙箱中本地運行OpenClaw。據介紹，Vibeclaw專為需要快速、可靠呼叫OpenClaw的開發者打造，核心優勢如下：瞬時啟動：1秒內即可完成部署，徹底告別漫長的安裝流程本地運行：支援OpenClaw本地執行，大幅提升運行速度與性能表現瀏覽器沙箱：提供安全隔離環境，有效規避潛在威脅，保障工作安全介面友好易用：簡潔直觀的設計適配各技術水平使用者，操作毫無門檻第五位Tinkerclaw，被分類到了Boilerplate、Deployer一欄。關於Tinkerclaw的介紹比較詳細。據稱，這是一款一站式服務平台，旨在幫助創業者與團隊零技術門檻地部署、管理並擴展其OpenClaw AI助手。該平台將代配置部署、工作流定製、工具支援、社區權限與持續學習資源整合為一套完整的生態系統。官方列舉的核心優勢包括：專屬定製化OpenClaw部署服務：60-90分鐘內完成即時部署；企業級安全加固防護；量身定製契合業務需求的工作流；支援電子郵件、日曆、Slack及Composio整合；14天專屬跟進支援，提供手把手指導服務；部署失敗全額退款保障。代配置部署對比自主部署核心優勢：節省12-20小時以上的手動配置時間；規避Docker配置、安全防護與系統參數設定等常見問題；大幅降低創業者的機會成本；配套提供持續技術支援與詳盡文件。OpenClaw管理器：原生桌面端聊天互動介面；可視化檔案管理器，支援SOUL.md與HEARTBEAT.md檔案管理；技能外掛一鍵安裝；基於自然語言的智能定時任務調度；即時會話日誌與性能監控追蹤。定製工作流與自動化支援：每次部署可配置最多3套個性化工作流；實現郵件處理、報告生成、站會管理與收件箱維運的自動化；基於業務場景最佳化的配置方案，提升生產力與營運效率；安全存取權管控與資料加密儲存。預置範本庫：開箱即用的OpenClaw範本；預製智能體角色與自動化流程；覆蓋從入門到高階的全層級配置方案；支援複製範本快速部署工作流。ClawKraft專業社區：面向高階使用者的付費社區；定期舉辦即時項目搭建專場與專題研討會；支援同行反饋交流與工作流分享；聚焦實操教學與真實業務場景落地。行業通訊與生態動態更新：每日OpenClaw前沿資訊速遞；每周更新工作流範本方案；系統最佳化實用技巧分享；產品迭代與社區活動播報。限量席位專屬入駐服務：每月開放限量部署服務名額；提供一對一個性化入駐指導；重質輕量，專注保障服務質量與系統穩定性。最後來看排在第六位的ClawWrapper。ClawWrapper旨在簡化OpenClaw工具的封裝與上線流程，具體有以下特點：極速封裝上線：大幅縮短工具打包、發佈的流程，讓你的OpenClaw工具快速落地使用高品質封裝範本：以優質框架為基礎，保障封裝後的工具穩定、安全，避免運行故障操作流程友好：通過簡潔直觀的網站介面，輕鬆完成工具封裝與進度追蹤專屬客戶支援：專業團隊隨時響應，解決封裝過程中的各類疑問與問題以上便是平台精選的多款高評分核心工具。另外，開發者還可以在網站提交自己的OpenClaw工具。還有保姆級教學庫值得一提的是，這個網站不僅是一個工具目錄，還打造了專屬的Blog類股，系統性覆蓋了從入門科普到進階最佳化的各種指南、教學。有部署選型指南，也有針對常見故障推出的修複方案，還有Token用量最佳化、AI API性價比選型等進階內容。甚至還有最最基礎的那種：什麼是OpenClaw、它是如何運作的以及為什麼重要？教學還是很有必要的，畢竟現在連上門馴服龍蝦的服務都橫空出世了（doge）。 (量子位)

號稱能“接管電腦、解放雙手”的AI Agent（AI智能體）工具OpenClaw最近在技術圈火得一塌糊塗。圖片來源：視覺中國它被吹捧為“AI打工人”，似乎只要下個指令，它就能替你寫文章、發郵件甚至買咖啡。但事實真的如此嗎？它是生產力神器，還是僅供技術極客嘗鮮的“玩具”？近日，《每日經濟新聞》記者（以下簡稱每經記者）聯合每經科技開發人員，展開了一場深度實測。我們將OpenClaw分別接入千問Qwen3-Max、月之暗面Kimi-K2.5、MiniMax-M2.1、MiniMax-M2.5和智譜GLM-4.7五款國產大模型，以及OpenAI的GPT-5-mini，要求它們完成本地檔案檢索、網路資料搜尋、稿件撰寫、傳送郵件等步驟，試圖揭開這位“指揮官”的真實戰力。實測結果顯示，部分模型表現不佳，尤其是在需要操控瀏覽器的環節，如網路搜尋和傳送郵件，大多失敗。有專家直言，當前的OpenClaw不僅難用、費錢，更是一場安全的“噩夢”。實測對比：GPT-5、MiniMax、智譜完成任務 另兩款大模型“行動力”不足OpenClaw本身並非大模型，它更像一個“指揮官”，負責接收使用者指令、呼叫工具和組織流程，並將指令理解與具體工作交由其接入的外部大模型來完成。因此，接入的大模型的能力、穩定性與表達方式，決定了任務的最終成敗。目前OpenClaw支援的大模型（圖片來源：OpenClaw配置介面）為了更貼近記者的真實工作場景，測試人員設定了一項綜合性測試任務：讓接入不同大模型的OpenClaw，在電腦中找到對“電車教父”Andy Palmer的採訪速記稿，要求它總結文稿內容，並結合搜尋到的網路資料，撰寫一篇專訪新聞稿，最後將新聞稿通過郵件傳送到指定信箱。這一任務涵蓋了指令理解、操控電腦進行本地檔案檢索、操控瀏覽器進行網路資訊搜尋、資訊整合和文章寫作以及應用操控等多個維度。在首次測試中，各模型的表現分化顯著。● OpenClaw+千問Qwen3-Max首先測試的是千問Qwen3-Max模型。該模型在本地檔案檢索環節便陷入困境。即便測試人員明確提示檔案在電腦中的所在位置，Qwen3-Max在經過約5分鐘檢索後，仍無法精準定位。在後續單獨測試其傳送郵件任務時，Qwen3-Max也未能成功執行，只是不斷重複指令，但無實際動作。● OpenClaw+月之暗面Kimi-K2.5Kimi-K2.5的表現稍好，它在5分鐘內成功檢索到了檔案，並完成內容總結。但在執行網路搜尋並補充行業最新熱點資訊時，因觸發了“429錯誤”（通常指請求過於頻繁），導致未能完成資訊搜尋工作。在郵件傳送環節，Kimi-K2.5無法成功操控瀏覽器向指定信箱傳送郵件。● OpenClaw+MiniMax-M2.1MiniMax-M2.1在檔案檢索、網路搜尋資料和寫作方面沒有遇到明顯阻礙。郵件傳送環節，MiniMax-M2.1在瀏覽器操控上遇到了困難，但並未就此卡住，而是主動給出了一個可行的解決方案。測試人員根據其提示手動操作後，成功解決了問題，使其最終能夠傳送郵件。不過，MiniMax-M2.1傳送的郵件只包含了稿件的“關鍵引語”，未附上完整的稿件正文。● OpenClaw+MiniMax-M2.5雖然都是MiniMax旗下模型，2月12日發佈的MiniMax-M2.5，表現比MiniMax-M2.1更好，不僅順利完成檔案檢索、網路搜尋資料和寫作，在傳送郵件環節也無需人工介入。● OpenClaw+智譜GLM-4.7由於OpenClaw暫未接入智譜於2月12日發佈的最新模型GLM-5，所以，本次測試選擇了智譜GLM-4.7。結果顯示，在傳送郵件環節，智譜GLM-4.7會在瀏覽器中輸入錯誤的信箱網址，導致網頁訪問失敗，需要人工提醒更正。除此之外，智譜GLM-4.7在其他環節處理速度較快。● OpenClaw+GPT-5-miniGPT-5-mini的表現較為穩定和流暢。從檔案檢索、內容總結、網路搜尋、資料補充到郵件傳送，全流程幾乎無需人工干預和額外提示，僅在個別時候出現了網路連線不穩定的情況。為了保證測試的嚴謹性，測試人員對整個流程進行了兩次複測。第二輪測試結果：● Kimi-K2.5：成功檢索並讀取本地檔案，補充網路搜尋資料，但在郵件傳送環節依舊失敗。其報告的錯誤顯示，在讀取信箱網路程式碼、獲取輸入框節點時出現問題。● 千問Qwen3-max：成功讀取檔案並補充網路資料，但在郵件傳送環節出現明顯示卡頓，未能成功；● MiniMax-M2.1/2.5：完成任務全部流程。● 智譜GLM-4.7: 完成任務全部流程。● GPT-5-mini：完成任務全部流程。第三輪測試結果：● Kimi-K2.5：成功檢索並讀取本地檔案，在網路搜尋資料環節出現問題（出現讀取網頁內容錯誤，錯誤的網站存取路徑，理解不了瀏覽器控制台指令等），在郵件傳送環節依舊失敗。● 千問Qwen3-max：成功讀取檔案，但無法操控瀏覽器搜尋網路資料，在郵件傳送環節依舊失敗。● MiniMax-M2.1/2.5：完成任務全部流程。● 智譜GLM-4.7: 完成任務全部流程。● GPT-5-mini：完成任務全部流程。業內：OpenClaw能力上限取決於大模型 尚未成為合格生產力工具上述測試結論也得到業內普遍印證。一名使用OpenClaw來輔助營運網店，設計海報、優惠券等宣傳物料的程式設計師告訴每經記者，自己平時都是接入OpenAI的Codex-5.3和Gemini 3 Pro模型，效果比國產大模型好很多。多位業內人士和資深使用者指出，OpenClaw更像一個“任務框架”，其最終表現非常依賴所接入大模型的能力。就像一個指令清晰但能力有限的指揮官，手下士兵（即大模型）的強弱，直接決定了戰役的勝敗。非凡產研研究負責人宦家臣向每經記者表示，“模型對OpenClaw的影響其實取決於任務的複雜程度。國際頭部大模型上限更高，但是如果都是普通任務，國內的智譜GLM-4.7、Kimi-K2.5都很不錯，畢竟Claude太貴了，錢包受不了。”儘管部分大模型在測試中展現了執行複雜任務的潛力，但OpenClaw離成為一款合格的生產力工具似乎還有不小的距離。“我感覺，目前版本的OpenClaw並不是一個合格的生產力工具。”前小米OS AI產品專家、現出海AI應用公司ExcelMaster.ai創始人張和在接受每經記者採訪時直言，OpenClaw在一定程度上是此前爆火的程式設計師工具、Anthropic旗下Claude Code的“套殼”，雖然通過聊天介面和內建技能（Skill）做了更好的封裝，降低了互動門檻，但在核心能力上並未超越。“我沒找到太多OpenClaw能做，而Claude Code做不了的事情。並且，它查詢資料的水準，也沒有Claude Code好。”“等大模型能力再躍升一點，OpenClaw就會越來越好，就會越來越普及。那怕它什麼都不做，就等著更新的大模型出來……OpenClaw的門檻就會降低。”張和強調，OpenClaw的進步與普及，本質上是在等待底層大模型技術的突破。Akamai雲和AI產品經理張璐博士也表達了相似的觀點。在他看來，OpenClaw若要真正用於生產，還必須經過二次開發和微調，因為目前版本還“有點不成熟，很多時候會卡頓”。高門檻、高成本和高風險勸退普通使用者除了對大模型能力的依賴，技術門檻、使用成本和安全風險，讓OpenClaw目前難以走向普通使用者。首先是較高的部署和使用門檻。OpenClaw目前並未提供類似“一鍵安裝”的簡化部署方案，使用者需要在電腦上通過命令列操作，完成本地配置、依賴管理以及權限設定。每經科技開發人員表示，整個過程對使用者的技術背景有一定要求，至少需要具備基本的開發經驗，這無疑勸退了絕大多數非技術人員。雖然諸如阿里雲、騰訊雲和亞馬遜雲等雲廠商都提供了OpenClaw雲端部署服務並聲稱可以在他們配置好的伺服器上便捷部署OpenClaw，但在雲端部署的OpenClaw並不能提供操控使用者本地電腦的能力。高昂的使用成本是另一個現實問題。由於OpenClaw在執行任務時需要頻繁呼叫大模型，token消耗量巨大，堪稱“token燃燒器”。有使用者向每經記者表示，自己使用智譜GLM-4.7模型，僅僅互動了20多次，就花費了200元。張璐博士也提到，自己在使用DeepSeek模型時，一天就“燒掉”幾十元。如果換成能力更強的模型，帳單將更驚人，“一天幾百塊就出去了”。高成本使得許多使用者只能選擇接入免費或更便宜的模型，但這又會影響OpenClaw的實際表現。有使用者就向每經記者反映，自己因成本問題選擇了Qwen-8B模型，但OpenClaw總是只會回答問題，不會執行操作。比高門檻和高成本更令人擔憂的，是其內在的安全風險。OpenClaw的定位是“做事”而非“聊天”，這意味著它必須獲得很高的系統權限，才能操控本地檔案和應用。思科AI威脅研究與安全團隊主管Amy Chang直言，從安全形度來看，OpenClaw“是一場噩夢”，它可以在使用者的電腦上任意運行shell命令、讀寫檔案和執行指令碼。這種高級權限一旦被錯誤配置或被惡意指令利用，後果不堪設想。網路安全公司Dvuln的創始人Jamieson O'Reilly也證明了這種風險，他發現OpenClaw存在漏洞，攻擊者可借此獲取使用者數月內的私人消息、帳戶憑證、API金鑰等敏感資訊。更可怕的是，使用者為了方便AI執行任務而儲存的銀行帳戶、加密貨幣錢包API等資訊，都可能以明文形式保存在本地檔案中，一旦被駭客入侵，“一秒就可以搬空他們”。OpenClaw的開發者Peter Steinberger也坦言，這只是一個免費的開源業餘項目，需要使用者進行仔細的配置才能確保安全。他明確表示：“它並不適合非技術使用者。” (每日經濟新聞)

AI工具越強，人卻為何越累，這或許才是這場效率革命真正值得追問的地方。圖片由AI工具製作026年初，軟體工程領域出現了一個耐人尋味的景象。以Claude Opus 4.6為代表的新一代AI程式設計工具，正在將開發者的效率推向前所未有的高度。微軟內部資料顯示，工程師在自主選擇工具後，Claude Code迅速佔據主導地位，這被部分觀察者視為“阻力最小路徑”的自然選擇。但與此同時，關於“職業倦怠”的討論正在開發者社區密集湧現。曾在Google、亞馬遜任職的工程師史蒂夫·耶格（Steve Yegge）在近期的一篇自述文章中描述了一種他稱之為“瞌睡攻擊”的現象：在長時間的氛圍程式設計後，他會毫無預兆地在白天突然入睡。擁有40年矽谷經驗的軟體工程師耶格發文如今，越來越多的軟體工程師開始公開談論一種共同體驗：工作產出大幅提升，但疲憊感以更快的速度積累。技術大幅縮短了任務執行時間，卻沒有減少人類的決策負擔，後者反而在增加。圖片來源於網路01 AI不會疲憊，但你會在耶格看來，此前關於“AI對實際工作幫助有限”的討論，在Claude Code搭配Opus 4.5及4.6投入使用後，已不具備參考價值。這套組合顯著降低了從問題定義到可運行程式碼之間的轉換成本，使得一名熟練工程師在單位時間內的產出，可以達到傳統工作流的數倍。耶格指出，當生產力提升超過約2倍時，一種被他稱為“吸血鬼效應”的現象便開始顯現，技術不再僅僅是工具，而開始反向塑造使用者的工作節奏和心理狀態。耶格繪製的“AI吸血鬼抽取裝置”西丹特·卡雷（Siddhant Khare）是一位在部落格中詳細記錄這一過程的軟體工程師。他在《AI疲勞是真實存在的》一文中寫道，自己上一個季度的程式碼交付量達到職業生涯峰值，但精神上的疲憊同樣被拉滿。卡雷描述了一種工作模式的根本性轉變。在使用AI之前，他會用“整整一天”深度專注於單一問題，保持連貫的思維路徑。而在引入AI之後，他一天需要平行處理五到六個不同的問題域。每個問題在AI協助下，單獨耗時大幅縮短至一小時左右。但問題之間的頻繁切換，構成了新的認知負荷。“AI不會在問題間隙感到累，”他寫道，“但我會。”卡雷將自己的新角色形容為“流水線上的質檢員”。拉取請求持續湧入，每一條都需要審查、決策、蓋章。流程從未中斷，但決策權從未移交。他被固定在審判席上，案卷由AI遞送，責任由人類承擔。《哈佛商業評論》近期發表的研究為這一現象提供了實證基礎。研究者跟蹤了一家美國科技公司的200名員工，發現AI的使用雖然在初期顯著提升了任務完成速度，但也觸發了連鎖反應：速度提升推高了組織對交付周期的預期，更高的預期促使員工更加依賴AI，更深的依賴擴大了員工試圖處理的任務範圍，而範圍擴張進一步加劇了工作密度和認知負載。研究者將這一機制描述為“工作量蔓延”現象。它不是由指令驅動的擴張，而是在效率提升與預期調整之間反覆迭代、自我強化的過程。從事數字產品設計的薩莫·科羅舍茨（Samo Korošec）在LinkedIn上回覆耶格時，表達了相似的處境。他指出，社交平台上充斥著“一分鐘生成十個UI方案”的演示內容。這些內容被反覆推送給從業者和他們的管理者，形成一種隱含的標準。既然工具可以如此快速地輸出方案，那麼方案的產出就應當如此快速。然而，這些演示極少展示後續的篩選、落地、跨職能協調成本，後者依然完全由人類承擔。技術壓縮了生產環節的時間，但沒有壓縮決策環節的時間。而後者正在成為新的瓶頸，即人的注意力與意志力。02 AI改變了工作量級，但沒有改變分配耶格提出了一個簡化的分析框架。假設一名工程師在掌握AI工具後，單位時間產出提升至原來的10倍。那麼，這9倍的差額價值將由誰獲得，取決於使用者如何配置自己的勞動供給。比如在情景A中，工程師保持原有工作時長，將全部增量產出交付給僱主。此時，僱主以不變的人力成本獲得了近10倍的產出。工程師的收入未發生同比例變化，但其勞動強度和精神消耗顯著上升。耶格稱之為“被榨乾”。在情景B中，工程師大幅縮減工作時長，僅以原有10%的勞動時間完成與過去相當的產出。此時，增量價值全部由個人獲得，獲得了更多的閒暇時間。但這一狀態在競爭環境下難以持久。若組織內部成員普遍採取此策略，組織整體產出將落後於競爭對手，長期將面臨生存風險。耶格指出，理想狀態應位於這兩種極端假設之間。但在現行組織架構中，刻度盤的調節權並不對稱。組織天然傾向於將指針推向A端，而個體需要主動施加反作用力。這一框架將技術效率問題轉化為分配問題。AI並未改變“價值由勞動創造”的基本事實，但它改變了同樣單位勞動所能創造的價值量級。當這一量級發生躍遷時，原有的分配均衡必然受到衝擊。耶格回憶了2001年在亞馬遜工作的經歷。當時他所在的團隊承受著高強度的交付壓力，而回報高度不確定。他在一次討論中向同事寫下公式：$/小時。他解釋道，分子（年度固定薪酬）在短期內難以改變，但分母（實際工時）具有相當大的彈性空間。他主張將注意力從“如何賺得更多”轉向“如何工作時長更少”。這一視角轉換在當時令部分同事感到陌生，但在數周後，他多次路過會議室時看到白板上依然保留著這組符號。二十五年後，耶格認為這一公式同樣適用於AI時代。不同的是，AI大幅放大了分母變化對分子的影響，但個體對分母的控制力並未同步增強。LinkedIn使用者約瑟夫·埃莫森（Joseph Emison）從另一角度回應了這一問題。他觀察到，大多數在創意領域取得持續成就的從業者，包括知名作家、設計師、研究者，他們每日有效工作時長通常不超過四小時。剩餘時間用於恢復、漫遊、輸入。這不是效率問題，而是認知活動的生理極限問題。如果AI將“工作”與“有效工作”進一步切割，那麼我們需要重新定義的，可能不是工具的使用方式，而是“工作日”的長度。03 能力上限在擴張，下限正在消失耶格在文中坦承，自己也是問題的一部分。他擁有超過四十年的工程經驗，領導過大型團隊，閱讀速度快，且具備充足的時間和資源進行技術實驗。他可以連續數十小時使用Claude Code建構一個可運行系統，並將其發佈至公共領域。他的工作成果被廣泛傳播，部分管理者將其視為“工程師應可達到的水準”。他寫道：“僱主們很可能開始看著我，以及我們這些遠遠偏離常態的異類，然後說：‘嘿，我所有的員工都可以像那樣’”。LinkedIn等平台上，部分早期採用者開始公開分享自己的AI使用強度：有人稱其所在組織為少數帳戶支付每月數千美元的費用；有人展示自己同時運行數十個對話會話。這些內容在獲得技術社區關注的同時，也在管理層面塑造了一種隱性參照系。耶格將此稱為“不切實際的美麗標準”。他承認，自己並不具備代表性，他的工作節奏難以被多數人復現，甚至他自己也不確定能否長期維持。但當他站在講台或寫下書籍時，他所傳遞的資訊（至少在接收端）被簡化為“這可以做到”。LinkedIn使用者利赫·阿紹夫（Leigh Aschoff）將問題引向了更深層。他認為，當代人與AI的互動方式，對應出人際互動中長期存在的邊界識別障礙。許多人在與他人的關係中缺乏識別和表達自身極限的能力，而這種能力的缺失被平移到人機關係中。工具不會主動停止，也不具備感知使用者疲勞的能力。當技術不斷拓寬能力的上限，識別下限的能力反而變得更加稀缺。04 工作日需要重新定義耶格在文中提出了一個具體主張：AI時代的有效工作日應縮短至三到四個小時。這不是一個經過嚴謹驗證的數字，而是一個基於經驗的推斷。他的觀察是，AI將大量執行性任務自動化，但將決策、判斷、問題重構等高階認知活動保留給人類。這些活動對注意力和情緒資源的消耗遠高於執行性任務，且難以通過平行或壓縮恢復。耶格在參觀某個科技園區時，見到了一種他稱之為“刻度盤調至合適位置”的工作環境——開放式空間、充足的自然光、分佈於各處的社交與休息區域、員工在其中自由切換工作與恢復狀態。他並不確定這一設定在AI全面滲透後是否仍能維持平衡。但他確信，當前許多組織採用的模式——不調整工作時長，僅增加單位時間產出密度，這是不可持續的。他不再將問題歸結為“AI是吸血鬼”，而是歸結為“我需要更清楚地知道自己的極限在那裡”。耶格在文末表示，自己正在嘗試調低刻度盤。他減少了公開活動，拒絕了大量會面邀請，不再追求每一個可見的技術賽道。他仍在寫作，仍在建構產品，仍在與同行交流。但他也在下午合上電腦，與家人散步。他說，不知道自己能把指針往回拉多少。但他確信，方向是對的。對於更廣泛的從業者群體而言，這一問題尚未進入集體議程。關於AI生產力的敘事仍佔據主流，關於疲勞的討論仍以個人化、碎片化的方式存在。但越來越多的訊號表明，這兩條曲線正在交匯。技術縮短了任務路徑，但沒有縮短工作日。工具分擔了執行，但沒有分擔責任。效率提升了交付速度，也提升了消耗速度。當AI不斷告訴我們“還可以更快”，也許更需要被聽見的問題是：還可以更慢嗎？ (騰訊科技)

今年春運期間，高德地圖接連因網約車管理失范、火車票銷售誤導、金融導流違規等問題，被交通運輸部門、北京市市場監管局、金融監管總局等多個部門約談。約談涉及業務之廣、問責頻次之高，引發業界廣泛關注。這三次約談並非孤立事件，背後指向同一個問題：高德在加速商業化的過程中，合規管理明顯滯後於業務擴張。與此同時，高德正處於從導航工具向本地生活平台轉型的關鍵階段——掃街榜上線百天，月活規模逼近10億，表面資料亮眼，但變現困境與生態短板仍未破解。密集約談在這個節點出現，為這場轉型增添了新的不確定性。01三次約談涉及的問題，分別對應高德正在推進的三條變現路徑。網約車方面，交通運輸新業態協同監管部際聯席會議辦公室指出，高德打車對合作平台管理不到位，存在壓低運價、應急處置不當等問題，並要求全面整改。這並非高德打車首次因此被約談，據公開資訊，2023年武漢、2024年浙江均對高德打車發起過約談，廣州、深圳等地也有類似記錄，每次指向的問題基本相同——合作平台稽核不嚴、運價混亂、司機權益受損、投訴處置拖拉。作為目前國內最大的聚合打車平台，據公開行業資料表明，高德打車已接入超過160家網約車平台，日均訂單約1000萬單，市場份額在20%至30%之間，聚合模式天然依賴廣泛接入第三方平台，這種結構決定了對入駐平台的實際約束力有限，合規漏洞長期難以根治。火車票方面，北京市市場監管局就12家平台召開約談會，矛頭集中在“加速包”“雙通道”“余票監控”等增值服務的宣傳問題上，以及部分平台擅用12306標識、讓使用者誤以為存在官方合作關係。這類操作利用資訊不對稱，誘導消費者為並無實質差異的服務多付費用。金融導流方面，高德在無相關持牌資質的情況下推介借貸產品，貸款機構資訊披露不充分，宣傳語言存在誤導性表述，三部門要求相關企業整改，並明確提示借款人理性借貸。這三塊業務同時出問題，與高德長期面臨的盈利壓力直接相關。據QuestMobile 2025年資料，高德月活使用者已達9.96億，是阿里旗下C端最大的流量入口之一，但直到2024年第四季度才首次實現盈利。主要變現路徑的空間都在縮小：廣告收入增速從2022年的28%降至2024年的12%；聚合打車服務費受限於9%的上限；高精地圖業務每公里採集成本高達1000元，2024年毛利率僅22%。在主營業務難以做大做強的情況下，高德轉向增值服務和金融導流來補充營收，也因此積累了此次被集中約談的合規隱患。02密集約談發生之際，高德正在推進一場力度不小的業務轉型。2025年9月，高德上線“掃街榜”，正式切入本地生活賽道。高德官方公佈資料顯示，上線當天使用者突破4000萬，國慶假期日活峰值達3億，上線百天累計使用者突破6.6億，入駐商家超過86萬，商家訂單量環比增長超過270%受掃街榜帶動，高德App單月新增月活使用者4600萬，月活總數升至9.96億。2026年1月，高德CEO郭寧宣佈掃街榜全面升級，推出全球榜單、數千個細分場景動態榜單，同步上線依託自研世界模型的“飛行街景”功能，以連續三維視角呈現真實街道與店面，並開放使用者“建榜”能力。據高德披露，飛行街景功能開放申請24小時內，已有超過20萬商家預約接入。流量數字的增長是真實的，但高德的變現轉化並不樂觀。多數餐飲商戶尚未在平台開通團購、訂座等交易功能，使用者搜尋後跳轉至美團、抖音完成消費仍是普遍現象。高德在整個消費鏈路中停留在資訊導流的位置，交易閉環至今未能打通。與此同時，高德在阿里內部的協同整合也明顯滯後於其他業務類股。2025年阿里業務架構調整後，高德被劃入“所有其他業務”類別，與核心電商類股割裂；淘寶已整合餓了麼形成淘寶閃購，千問大模型與夸克搜尋聯動，而高德的語音播報、商家服務等核心功能均為自研，連通義、千問也未接入，與阿里系資源的實質協同有限。QuestMobile資料顯示，目前仍有83%的使用者將高德定義為“導航工具”而非生活服務平台，產品升級並未同步改變使用者對平台的基本認知。打車業務的合規整改，對這場轉型而言是額外的壓力。聚合打車是高德將導航流量引向出行消費的核心入口，整改期間若服務體驗出現波動，連帶影響的將是掃街榜和到店服務等新業務的使用者路徑。 (城市邊緣CityEdge)

【新智元導讀】剛剛，Anthropic發佈程式碼安全工具Claude Code Security，直接讓安全股一夜蒸發百億市值！網路安全龍頭CrowdStrike的股價直接原地跌超6.5%，市場陷入極度恐慌：傳統安全工具，從此全涼了？過年期間，AI圈接連不斷的地震還沒停。昨天的Gemini 3.1 Pro剛剛亮相，緊接著就又來新炸彈了——剛剛，Anthropic發佈了一個程式碼安全工具Claude Code Security，能高效掃描程式碼庫漏洞並自動生成針對性補丁，遠超傳統工具。聽起來，是不是只是一條平平無奇的技術更新？結果，消息一出，美股網路安全類股立刻集體跳水。CrowdStrike、Cloudflare、Okta等安全股瞬間暴跌超5%，總市值蒸發逾100億美元，一夜就蒸發了百億市值！仔細看，網路安全龍頭CrowdStrike一度暴跌6.5%，Cloudflare重挫超6%，SailPoint大跌6.8%，Okta下挫5.7%，Zscaler跌3.5%，Global X網路安全ETF下跌3.8%，年內累計跌幅擴大至14%一條AI功能更新，直接讓一個千億級的行業類股原地失血。這不是波動，這是恐慌！外媒火速發文：網路安全公司的股價周五暴跌，原因僅僅是因為，Anthropic在Claude新模型中引入一項安全功能安全股全線飄紅，巨頭市值縮水百億Anthropic新殺器一發佈，網路安全市場就嘗到了血腥。網路安全龍頭CrowdStrike的股價跌超6.5%，Cloudflare和Okta等隨之跟跌，總市值一夜蒸發超100億美元。全球投資者陷入大恐慌：AI將直接蠶食專業安全廠商的市場份額！Cybersecurity ETF下跌了4.9%，收盤時達到自2023年11月以來的最低點。就在2026開年的這幾周，市場的焦慮情緒不斷升溫。iShares擴展科技軟體ETF今年已下跌超過23%，有望創下自2008年金融危機以來最大季度跌幅！而且諷刺的是，Cloudflare一度被視為Anthropic崛起的受益者代表；今年1月底，一款基於Claude模型的開源AI助手採用率上升後，其股價還曾大幅上漲。然而，市場瞬息萬變。要知道，現在YC裡的創業公司有一半是做安全方向的，Anthropic這個新工具一發佈，他們還有活路嗎？每當Claude出一個新版本，SaaS企業主的內心都是這樣的：A正I以摧枯拉朽之勢，直接把我們原地掀翻！Claude變身最強白帽駭客為什麼Claude Code Security會造成全球安全股的崩塌？原因就在於，它不僅是一個工具，更是對傳統安全防禦體系的一次徹底顛覆。就在安全團隊還在對著堆積如山的漏洞工單發愁時，Claude已經化身「最強白帽駭客」，拿著剛剛發佈的Claude Opus 4.6，一頭紮進開放原始碼庫中。結果讓人驚掉下巴：它一口氣揪出了500多個潛伏了十幾年的史詩級Bug！要知道，這些漏洞可是經歷過無數個人類頂級專家逐行審查，依然大搖大擺活在程式碼裡的「漏網之魚」。降維打擊，傳統掃描工具大翻車？一直以來，安全圈的痛點極其刺骨：漏洞永遠修不完，安全專家永遠不夠用。大家都在用傳統的靜態分析工具（SAST），但這些工具往往基於死板的規則匹配。找找硬編碼的密碼還行，一旦遇到複雜的業務邏輯缺陷或是越權漏洞，直接抓瞎。而Claude Code Security的出現，徹底改變了遊戲規則。它不搞死板的模式匹配，而是像一個擁有十年經驗的人類安全大牛一樣，真正去「讀懂」和「推演」你的程式碼！它能深度理解各個元件之間是如何相愛相殺的，順藤摸瓜追蹤資料在應用中的流轉路徑。規則掃描工具看不到的複雜漏洞，在它那如同開掛般的邏輯推理面前，根本無處遁形。絕不瞎改！自我驗證防幻覺AI寫程式碼大家都怕幻覺，那AI查漏洞修Bug呢？Anthropic這次穩得可怕。為了過濾掉讓人頭疼的「假陽性」（誤報），每一個被揪出來的漏洞，都要經歷一場極其嚴苛的「內部多階段驗證」。Claude會強迫自己扮演紅藍雙方，拚命地證明或推翻自己的發現。最終脫穎而出的那些真·高危漏洞，會被推送到安全儀表盤上。不僅自動生成帶評級的修復補丁，還附贈一個詳細的「信心指數」。最關鍵的是，Claude秉承「只建議，不代勞」的克制。找出問題、提供解法，但最終按下合併按鈕的，永遠是人類開發者。戰績赫赫，紅隊親測這套系統的強大，並非一蹴而就。在過去的一年多里，Anthropic的Frontier Red Team（前沿紅隊）簡直把Claude按在地上瘋狂高強度拉練。不僅把它丟進CTF安全大賽上去跟人類駭客卷，甚至還和太平洋西北國家實驗室合作，用AI去防禦國家關鍵基礎設施。實戰出真知，正是這種「地獄級」特訓，才讓本月早些時候發佈的Claude Opus 4.6擁有了如此恐怖的防禦力。那500多個被連根拔起的隱藏漏洞，就是最好的軍功章。連Anthropic自己都承認：「我們日常也用Claude來審查自家程式碼，效果好得驚人！」AI攻防戰：核威懾級軍備競賽打響毫無疑問，這是一個極具歷史意義的轉折點。在不久的將來，世界上絕大部分的程式碼都將被AI一遍遍地掃描。駭客們必定會瘋狂使用AI來大規模挖掘可利用的薄弱環節。但正所謂魔高一尺道高一丈，動作更快的防守團隊，完全可以用同款甚至更強的AI魔法，把漏洞扼殺在搖籃裡。目前，Claude Code Security已經向企業和團隊（Enterprise and Team）客戶開放了限量研究預覽版！而開放原始碼專案的維護者們，更享受「一路綠燈」的加急通道。誰能最先掌握AI安全這張底牌，誰就能在這場算力與智力的生死角逐中，立於不敗之地。AI吞噬中間層，資本市場最怕的來了！過去兩年，AI寫程式碼，已經讓程式設計師們神經緊繃了。但大家還在安慰自己：AI只是能寫程式碼、補bug，安全這種高度專業化的領域，它不可能替代人類。結果，現在，Claude直接開始動手掃漏洞了。這就意味著，AI不再是生成內容，而是進入企業安全的核心工作流，它直接瞄準了企業級安全服務的天價利潤池！資本市場最怕的是什麼？不是技術，而是定價權被動搖。網路安全公司之所以長期擁有高估值，就是因為攻防對抗複雜，安全專家稀缺，這就讓他們的服務高度專業化。結果，現在Claude Code Security一出，一個AI模型就能完成80%的漏洞掃描和修復建議，企業只需要少量安全工程師就夠了。那麼，企業還需要支付高昂的訂閱費用給安全廠商嗎？這也就是為什麼，Claude現在還不能替代CrowdStrike，就已經引起了市場的拋售。當投資人開口問「五年後還需要這麼多安全公司嗎」，股市就開始崩塌！Anthropic用Claude引發一兆美元拋售的情況，彷彿還在昨天回顧從去年底Claude Code引發的一系列核爆級事件，就可以發現：這一類AI革命最殘酷的地方在於，它優先吞噬的是中間層。一旦模型精準率足夠高，SaaS溢價會被壓縮，服務費會被重估，估值邏輯會被打穿！更可怕的是，別忘了，Anthropic說了，這項功能還只是「limited research preview」，還沒全面開放，也沒有商業化規模驗證。但是股價已經一路暴跌，這說明，當前AI的進化速度，已經遠遠快於傳統軟體公司的產品迭代速度。這是一個危險的訊號彈——接下來，恐怕還要發生更恐怖的事。 (新智元)

馬是古代重要的交通工具，古代文學作品、傳說中，英雄豪傑總會擁有一匹好馬。其中，《三國演義》中名聲最盛的神馬——赤兔馬，更是被後世稱為“人中呂布，馬中赤兔”，其傳奇色彩既源於歷史傳說，也來自文學想像。清代郎世寧繪大宛騮圖。圖片來源：中國國家歷史馬，為什麼被稱為“赤兔”“赤兔”之名最早見於《後漢書》及《三國志》，按照《三國志・呂布傳》的說法：“布有良馬曰赤兔”，裴松之注引《曹瞞傳》還記載了當時的民謠：“人中有呂布，馬中有赤兔”，但《三國志》中卻沒有說為何稱其為“赤兔”。關於“赤兔”的名稱，有兩種說法。一種是“赤兔”本應寫作“赤菟”，在古語中，“菟”指的是老虎。後來傳來傳去，“赤菟”成了“赤兔”，音同字不同，赤兔馬其實是指紅色的、像老虎一樣迅猛的馬。另一種說法是，古人相馬，會根據馬頭的形狀來區別馬的優劣。依長沙馬王堆三號漢墓出土帛書《相馬經》裡所說：“得兔與狐，鳥與魚，得此四物，毋相其餘。”可知兔頭、兔肩為漢代相名馬的標準之一，頭長得像兔頭的馬，被認為是良馬。赤兔馬，就是面相像兔子的馬。圖片來源：中國國家歷史兔頭、半兔頭的馬， 特徵是鼻以上部分微微向外突出，有些像兔子的頭。從現代馬的體質看，兔頭的馬，多是重型馬，其特點為身體強壯，力量大，也是馬中最為高大的品種。從赤兔馬的顏色看，當是棗騮色，也就是通常所說的紅色。從赤兔馬的毛色與頭相看，這是中亞一帶，也就是古代所說的西域地區所產的馬。中國中原地區的馬屬蒙古馬，蒙古馬的優點是速度較快、耐疲勞，但是體形小、體力有限，所以好馬多出在西部。馬群踏雪奔跑（資料圖）。吳金國 攝《三國演義》中的赤兔馬正史中，“赤兔”自始至終是呂布的專屬坐騎，白門樓呂布被殺後，正史對“赤兔”的記載戛然而止，大機率是流入曹操麾下或戰亂中失蹤，沒有演義中殉主的悲壯結局，卻更符合古代戰馬的真實歸宿。在《三國演義》中，羅貫中對“赤兔”進行了大刀闊斧的藝術加工，使其成為推動劇情的關鍵符號。“赤兔”輾轉呂布、曹操、關羽、孫權等人，最終為關羽絕食而亡，成為關羽武聖形象不可或缺的部分。《三國演義》開篇便設計了“董卓贈馬收呂布”的經典情節：董卓令李肅攜赤兔馬勸說呂布，一句“良馬配英雄”直擊人心，讓這匹寶馬成為權術交易的籌碼。當呂布敗亡後，“赤兔”的主人更迭成為忠義的試金石。曹操將其贈予關羽，本意是效仿董卓拉攏人心，卻促成了“馬隨忠主”的千古佳話。此時的“赤兔”已不再是單純的戰馬，而是關羽忠義品格的延伸 —— 它不隨曹操，只認關羽為主，恰如關羽“降漢不降曹”的氣節。影視劇中的曹操與關羽。來源：電視劇《三國演義》截圖最震撼的文學昇華出現在關羽死後：赤兔馬被馬忠所得，卻“數日不食草料而死”，以馬殉主的悲壯結局，將赤兔的忠義推向頂峰。這種處理雖與正史不符，卻精準契合了民間對忠義的推崇，讓“赤兔”徹底轉變為“忠義的圖騰”，與關羽一同被載入精神史冊。赤兔馬的魅力，在於它既承載著歷史的真實又凝聚著文學的想像。它寄託著古人對“絕世英雄坐騎”的想像，也承載了力量、速度與忠義的象徵。赤兔馬之所以能成為傳奇，並非因為它真的存在，而是因為它所代表的英雄氣概、忠義品格，至今仍能喚起讀者的共鳴。 (中國新聞社)

拋售潮背後是對SaaS行業利潤率與長期增長是否仍然成立的根本性懷疑。Anthropic一款AI法務工具，給了全球軟體股“一記悶棍”。從美股、港股到日股，軟體公司股價在恐慌下遭遇重創，市場敘事從“AI賦能一切”急轉為“AI吞噬軟體”。僅2月4日一天，美股追蹤軟體、金融資料和交易所股票的兩項標普類股指數市值合計蒸發約3000億美元，Wind香港SaaS指數類股總市值蒸發近150億港元。風暴中心自然是SaaS（軟體即服務）。Ortus Advisors分析師Andrew Jackson表示，“對於軟體公司來說，當前的情況尤其令人擔憂，因為AI有可能徹底取代傳統的流程鎖定型SaaS產品，從而摧毀它們的商業模式。”華爾街交易員們甚至為此創造了一個新詞——“SaaSpocalypse”（SaaS末日），由SaaS和apocalypse（末日）組合得來。軟體行業將重蹈報紙命運？為何一款AI工具能引發如此大的衝擊？據介紹，Anthropic發佈的是一款Claude Cowork上的面向企業法務的AI外掛工具，其能執行多項文書工作，包括追蹤合規事項、審查合同、撰寫簡報等。產品甫一發佈就引發了法律及資料服務概念股的第一波拋售潮，隨後SaaS與金融科技類股也開始大範圍跟跌。究根結底，拋售潮背後是對以SaaS為首的軟體行業利潤率與長期增長是否仍然成立的根本性懷疑。AI垂類應用的商業模式與業績驗證仍然存在高不確定性，傳統SaaS廠商的商業模式正在受到衝擊。中銀證券指出，當企業可能通過自建AI服務工具替代現有的SaaS服務，SaaS公司盈利可能被大幅度削弱，利潤可能從現有SaaS公司轉向通用大模型公司。國聯民生也表示，本輪AI興起對傳統軟體（尤其是SaaS）真正的衝擊來自於財務預算的現實影響，而非“AI吞噬論”的敘事衝擊。AI產業的興起或導致相關公司加速AI基礎設施/工具上的投入，進而擠壓原有的企業IT預算。已有資料證明了這一點。Menlo Ventures顯示，2025年企業生成式AI總支出已達370億美 元，同比增超2倍；其中應用層190億美元，基礎設施層180億美元。AI正在從邊緣工具演變為企業核心生產力基礎設施。相比傳統SaaS動輒需要十年才能達到類似滲透率的歷程，生成式AI僅用3年就佔據了全球SaaS市場6%的份額。更關鍵的轉變在於採購路徑：2024年企業內部自研和外部採購的比例大致是47%：53%，但到2025年，比例已逆轉為24%：76%。券商指出，這意味著客戶越來越願意為穩定部署、持續升級、專業實施、資料安全合規支付溢價，而不願自己承擔模型選型、微調、維運的複雜風險。且AI從企業評估到最終進入生產的轉化率高達47%，幾乎是傳統SaaS 25%轉化率的兩倍。高盛分析師Ben Snider及其團隊在最近的報告中，直接將當前的軟體行業與2000年代初被網際網路顛覆的報紙行業相提並論。其指出，當行業被市場認定面臨顛覆性風險時，股價見底取決於盈利預期是否穩定，而非估值是否足夠便宜。實際上，微軟CEO 薩提亞•納德拉去年年初就曾直言：AI智能體時代，SaaS的現有形態或將瓦解。“未來，新一代SaaS公司將積極擁抱智能體技術，將其作為核心融入系統（如Copilot），並以此為基礎調整商業模式。這不僅是巨大的機遇，也對現有SaaS巨頭形成了衝擊。”中國SaaS的另一面敘事那麼，國產SaaS行業會受到類似衝擊嗎？答案或許是否定的。中國SaaS產業的市場底色與美國截然不同。此前，市場上有一種論調是“中國沒有真正的SaaS，還未誕生諸如Salesforce一類的SaaS巨頭”。換句話說，中國SaaS市場尚處於發展期，數位化需求巨大。許多行業的數位化轉型仍在進行中，對SaaS工具的需求本身就在增長。這種市場階段差異意味著，不論是在行業人士展望，還是機構券商分析中，AI對中國SaaS行業而言更多的是提升效率、開闢新市場的工具，而非對存量市場的直接威脅。中國SaaS企業面臨的首先是市場教育和使用者習慣培養的問題，然後才是技術顛覆的挑戰。值得注意的是，中國也在政策上為AI與軟體融合發展提供了明確方向。國務院在2025年8月發佈《關於深入實施“人工智慧+”行動的意見》，其中就提出推動軟體資訊服務企業智能化轉型，重構產品形態和服務模式。培育人工智慧應用服務商，發展“模型即服務”、“智能體即服務”等，打造人工智慧應用服務鏈。海通國際認為，AI時代的SaaS變革正在從根本上重新定義軟體產品的三大核心維度，建構起全新的技術和商業生態。在產品形態層面，SaaS產品將實現"三化"突破：互動擬人化使自然語言成為軟體的原始碼，使用者無需掌握複雜操作介面即可通過對話完成業務流程；功能原子化將傳統的大型複雜軟體進一步解構，每個AI Agent專註解決特定問題，如從萬份簡歷中篩選合適候選人；服務主動化則讓軟體從被動響應轉向主動洞察和預警，即時感知業務變化並提出行動建議。其次，開發範式層面正經歷"以模型為中心"的根本性轉變，程式碼生成能力的快速提升將重新定義整個資料自動流動體系。幾天前，黃仁勳也直言，擔心“AI會讓軟體公司變得不那麼重要”的想法是錯誤的，AI系統的設計初衷是與現有軟體工具協同工作，AI將繼續依賴現有的軟體，而不是從頭開始重建基本工具。本次美股的“SaaS末日”可能又是一場發生在產業成熟期、針對商業模式的“敘事危機”，恐慌源於對確定性的追尋；而在中國，軟體產業尚處於建構健康商業模式、證明自身核心價值的“攻堅期”。畢竟，不是所有SaaS資產，都在講述同一個故事；也不是所有名為AI的浪潮，都會帶來同一種命運。 (科創板日報)