麥肯錫最新發佈的《How to build businesses faster and better with AI》（《如何利用AI更快更好地建立業務》）報告告訴我們：“一家估值十億美元的公司，可能只需要十來個人、甚至單槍匹馬的創始人就能打造出來”，正在逐步成為現實。這份報告核心觀點為：AI 已經不再被看作是“輔助工具”，而應被看作企業新業務建構的全新作業系統。它徹底改寫了團隊規模、資金需求和上市時間這些傳統限制，讓創新變得更快、更省、更有效率。對於正在尋求增長的企業領導者來說，這是一份極具實戰價值的戰略手冊。報告指出，即使在經濟不確定性下，企業新業務建構仍是戰略重點。2025 年麥肯錫新業務調研顯示，43% 的領導者比前一年更重視新業務建構。同時，績效預期也在提高：2025 年已有 61% 的企業新業務營收超過1000萬美元，比2023年的45%大幅提升；新業務達到這一營收水平所需時間，從 2023 年的 38 個月縮短到 2025 年的 31 個月；已實現盈虧平衡的業務中，61% 在兩年內完成。AI 正是推動這一績效飛躍的核心驅動力。麥肯錫分析 2018-2024 年數百個新業務案例發現，2023-2024 年AI時代誕生的業務，在人均產出和每美元產出上都表現出色。另一家早期風投機構 Antler 的調研也印證：93% 的公司表示 AI 加速了執行，其中近一半提到速度提升高達五倍。那麼，AI到底如何為新業務創造價值？報告總結了三個關鍵維度：創新周期、生產力和速度。AI 如何放大創新與創意AI 像一個超級創意放大器，能讓團隊快速生成、測試和最佳化想法，極大擴展探索範圍。麥肯錫的Beacon平台就是典型例子，它利用agentic AI（代理式AI）結合專有市場資料、第三方資料集和客戶資料，幫助團隊在幾小時內完成過去需要幾周的 workshop，快速篩選出高潛力業務機會。舉例來說，傳統做法是逐個訪談客戶，而 agentic AI 可以同時進行多場代理通話，合成洞見，並生成“合成客戶畫像”。這些畫像基於訪談記錄、銷售筆記和產品使用資料，成為隨時可用的“客戶聲音”，讓團隊能即時壓力測試新想法和文案，而不用每次都依賴真人訪談。此外，AI 還能通過快速數字行銷實驗驗證價值主張：自動生成多種標題和視覺組合，跑小規模測試，比較點選率，再決定大額預算投入。這樣一來，團隊能探索更多想法、更早獲得可靠的市場訊號，把有限資源集中到最有前景的機會上。AI 如何加速業務速度一旦想法被驗證，AI 就能大幅縮短從概唸到 MVP（最小可用產品）的建構和上市周期。它自動完成設計、編碼、行銷等知識密集型工作，讓迭代幾乎即時進行。一個財富管理新業務案例中，團隊引入agentic AI factory（代理式AI工廠），讓多個AI代理覆蓋軟體開發全流程——從需求到架構、編碼、測試——人類工程師只在關鍵決策點把關，結果首版MVP交付速度直接翻倍。類似地，AI壓縮了上市時間，讓企業更早獲得市場反饋，速度本身就成了競爭優勢。AI 如何重塑生產力AI 最根本的變化，是讓小團隊產出大幅提升。它把“人+工具”模式升級為“人+代理”混合團隊，把人才從重複勞動中解放出來，專注於判斷、決策和關係建構。一個B2B銷售技術新業務裡，團隊部署了銷售材料代理，基於解決方案專長、客戶情報和最佳實踐，自動生成個性化價值主張、故事線和會議指令碼。人類銷售員只需最終稽核，結果團隊生產力至少提升 1.5 倍，重點轉向客戶互動而非內容創作。另一個建築公司軟體新業務案例更驚人：過去銷售團隊手動做潛在客戶挖掘、研究、排序和個性化郵件，現在 agentic AI 接手上漏斗任務， 外展活動量提升 25 倍，點選率更是翻倍以上。生產力飛躍讓團隊能長期保持小規模，減少協調成本，同時提升資金效率。這些創新、速度和生產力的提升相互強化：更多想法、更早訊號、更低成本試錯、更快規模化，最終大幅改善新業務經濟學。三大戰略轉變：讓 AI 真正落地光有工具還不夠，報告強調高績效AI優先新業務必須完成三大轉變：第一，重設績效預期：從漸進式到階躍式提升領導者應該大膽設定更高目標——追求生產力翻倍不再是奢望。小團隊要完成過去大團隊的工作。AI 要端到端嵌入，從產品開發、客戶發現到行銷、營運、財務，每一個角色都設計成與代理協同。重點不是“更快做同樣的事”，而是把關鍵學習提前到生命周期前端：更早驗證客戶、更快迭代產品、更早發現市場訊號，從而把資源集中到真正有產品-市場匹配的機會上。第二，建構 AI 骨幹：打造新業務營運層傳統“隔離保護”新業務（ring-fencing）依然重要，但還不夠。今天的新業務既要保護又要“超能”——需要從第一天起就擁有企業級AI基礎設施。核心是資料：新業務即時訊號+企業歷史基準，形成可規模化治理的資料基礎。同時，企業要提供共享業務語境、分析模型治理、受控代理工作流、共享平台和專業AI人才。這樣，團隊就能專注產品和增長，而不必重複搭建底層架構。第三，設計 AI 優先團隊：編碼頂級人才的專業能力AI 讓少數精英就能撬動大成果，因此選人和團隊設計變得更關鍵。核心做法有三：通過“代理化”（agentification）規模化專家能力，把文件、流程和頂尖人才的隱性知識轉化為可復用代理；打通業務與技術，讓業務專家定義價值創造邏輯，技術團隊將其轉化為可靠系統；打造放大專業能力的飛輪——如一家製造企業把高管定價決策邏輯編碼進AI模型和平台，隨著使用資料反饋，模型不斷自我最佳化，決策能力隨業務規模指數級提升。行動：現在就開始重構新業務的作業系統已經改變。那些果斷重設預期、建構 AI 骨幹、設計 AI 優先團隊的領導者，將以完全不同的經濟學贏得競爭。反之，把 AI 當成附加工具或遲疑不前，就可能落後於時代。這份麥肯錫報告為所有尋求增長的企業提供了一套實用打法：把AI真正當成核心能力，以人為中心，重新設計流程、團隊和預期。 (AI資訊風向)

在大洋彼岸的矽谷，對AI工具訪問進行限制變得愈發常見。近日，Anthropic調整了Claude免費版、Pro版和Max版使用者的流量限制，使使用者在高峰時段（每日上午5點至11點）使用Claude時，會更快地達到流量上限。“我們已經推行了許多效率提升舉措來應對這一點，但仍有7%的使用者會遭遇此前不存在的限制，尤其是專業版使用者。”參與Claude開發的 Thariq Shihipar表示：“如果需要運行大量詞元（Token）密集型後台作業，將它們轉移到非高峰時段將是更好的選擇。”無獨有偶，據BusinessInsider報導，日前Google內部推出一款名為Agent Smith的AI工具，因使用量激增、人氣爆棚，已被限制存取權。據悉，該工具可自動執行程式設計任務，通過Google內部聊天平台，員工可以直接用手機向其下達指令，隨時隨地指揮AI工作。頗為矛盾的是，公司們一邊限制訪問AI工具，一邊積極推行AI常態化。根據過往報導，從初創公司到Google、Meta、亞馬遜等科技巨頭，AI使用情況正不斷被納入員工的績效管理體系。Meta一份內部檔案顯示，2026年上半年，65%的工程師需要使用人工智慧編寫超過75%的已提交程式碼。從AI“限流”到AI焦慮，巨頭們一系列動作的真正指向，或許仍是算力收益的最大化。▌效率為王在本周早些時候，OpenAI宣佈放棄營運Sora視訊平台應用程式，並終止其所有服務，以釋放算力資源全力推進下一代旗艦模型“Spud”。摩根士丹利分析師評價道，這反映了算力不足和儲存不足的問題。面對相似窘境，Shihipar聲稱，目前Anthropic正在進一步投資，以提高擴展效率（scaling efficency）。所謂擴展效率，是指模型性能隨計算資源增加而提升的速率，用每單位FLOPs投入所實現的損失下降幅度來衡量。換言之，同樣增加一份算力，擴展效率越高，則模型損失下降越快、性能提升越顯著。早在去年11月，OpenAI前首席科學家Ilya Sutskever就宣佈，那個只要“堆算力”就能贏的時代，已經結束了。在2026 GTC大會上，黃仁勳也表達了類似的觀點，即AI競賽不再是比拚原始算力，而是效率與商業化。隨著“燒錢”敘事愈發冷卻，OpenAI已經率先“站隊”。據知情人士透露，該公司於今年2月將2030年算力支出目標，調整至約6000億美元，較此前高調宣佈的“1.4兆美元基礎設施投資承諾”出現了顯著下調。與此同時，在OpenAI的ChatGPT廣告業務試點推出後，於六周內已經達到了年化收入1億美元的里程碑。儘管有分析師指出，這一舉措可能會惹惱一些客戶，並損害對該產品的信任度。華創證券表示，當前AI產業正處於從“技術驗證”向“商業落地”的關鍵轉折點，AI-Native（人工智慧原生）應用不可阻擋之勢重塑全球科技版圖。海外市場，AI商業模式從“燒錢換增長”進入“價值兌現”階段，護城河正在向“場景深度”與“資料閉環”遷移——工業領域的預測性維護、金融領域的智能風控、醫療領域的輔助診斷、法律領域的合同審查，這些垂直場景憑藉專有資料積累與行業Know-how，構築起難以踰越的競爭壁壘。 (財聯社)

油價，真的控不住了。美國留學生因為油價上漲已經減少出行，越來越多的德國車主為了省錢，開始去奧地利加油。短短不到兩周，油價已經漲超40%，來到100美元/桶。而這恐怕不是結束，伊朗已經放話，要將油價推到200美元/桶。油價失控的死穴，在於咽喉中斷。作為中東的輸油的咽喉，荷姆茲海峽封閉後，每天會減少約1800萬桶的石油供給，相當全球日產量的18%。面對如此大的供給缺口，無論是替代管道運輸（90萬桶/日），還是釋放石油儲備（120萬桶/日），都顯得杯水車薪。無法解決的供給問題，也有被放大的危險。雖然G7底子厚，但印尼原油儲備只有25天，越南只有7天。一旦有國家石油儲備耗盡，供需失衡將加劇，油價波動將更劇烈，普通人承受的代價也更大。而石油危機不僅關乎油價，他還牽動著全球通膨預期，左右著聯準會的政策路徑，最終影響全球資本市場走勢。/ 01 /第四次石油危機？剛剛，伊朗向美國喊話，“準備好迎接200美元/桶的油價吧。”之前不到兩周的時間，油價已經漲超40%，來到100美元/桶。按照伊朗的喊話，油價還有翻倍可能。這個漲價斜率已經宣告：第四次石油危機已然降臨。從1973年的第四次中東戰爭，到1978年的伊斯蘭革命，再到1990年伊拉克入侵科威特。三次石油危機導致的石油供給終端，使油價都在短期內至少上漲兩倍。不過，三次石油危機後，油價雖還有波動，但大體上沿著典型的供需框架：經濟過熱，需求上升，導致供給不足，油價上漲，引發商品成本上升，抑制下游需求，引發經濟衰退，原油需求減弱，傳導到上游，導致油價下跌。最典型的是2007~2008年，由於中國經濟過熱，需求推升油價，油價爆漲，金融危機後，全球經濟轉向衰退，需求下降，油價又暴跌。雖然在供需框架之外，高度集中的市場格局使主要產油國可以通過，“增產保額”、“減產挺價”等不同的策略控制油價，但作用已經越來越少。一來，有了新玩家加入。通常當原油價格達到70美元以上後，美國高成本的頁岩油氣廠商的產能就會釋放，減產挺價的作用不大了。二來，能源結構也在發生變化。可再生能源對部分化石能源的替代以及不少國家都建立了原油儲備體系，至少保證在短期呢你可以避險一定程度的供給擾動。於是，按照供需框架，隨著全球經濟增速放緩、美國經濟正面臨“滯脹”壓力，原油需求隨之走弱，油價應該處於承壓狀態，去年12月份，原油價格還在60美元/桶附近。但供需框架只在市場體系內成立，隨著中東戰火重燃，對石油供給造成規模化、不確定性擾動，油價也開始了近期暴漲。關鍵是，有辦法控制油價嗎？/ 02 /所有政策工具都控制不了油價昨天，國際能源署32個成員國一致同意，將其緊急儲備中的4億桶石油投入市場。這是歷史上規模最大的一次石油儲備釋放計畫，是俄烏衝突釋放石油儲備的2.2倍。但這依然抑制不了油價。消息發佈後，國際油價仍延續大漲態勢。當天，紐約商品交易所4月交貨的輕質原油期貨價格上漲4.55%；5月交貨的倫敦布倫特原油期貨價格上漲4.76%。儲備釋放擋不住油價上漲的邏輯也不難理解。首先，遠水解不了近渴，釋放的石油不會立即進入市場，裝船並實際投入都需要時間。更重要的是，潛水填不了大坑。加拿大帝國商業銀行私人財富高級能源交易員、董事總經理麗貝卡・巴賓表示：“4億桶儲備中可預期的實際最大投放速度約為120萬桶/日。相比之下，當前中東地區的供應中斷規模要大得多，她估計約為1600萬桶/日。”當然除了釋放石油儲備，一些經濟體也在考慮多種方案穩定油價，包括暫停聯邦汽油稅，以及美國財政部介入石油期貨市場。但摩根大通大宗商品研究主管Natasha Kaneva看的透徹：“除非荷姆茲海峽的安全通行得以保障，否則所有政策工具對油價的影響都將十分有限。”政策工具難以影響油價，在於石油運輸的咽喉被封鎖，且替代方案收效甚微。伊朗打出了自己的底牌，史上第一次實質性封鎖荷姆茲海峽。根據高盛的資料，伊朗封鎖之前，荷姆茲海峽的日均石油流量在每日2000萬桶，封鎖以後，荷姆茲海峽日均流量已較正常水平下降約90%，即減少約1800萬桶/日。而全球原油產量大約有1億桶/日，海峽封閉相當於影響了18%的原油供給。面對供給缺口，替代管道起到的作用只是杯水車薪。目前來看，中東有兩個備用運送管道：一是沙烏地阿拉伯東西方向的管道，可以通往紅海的延布港。二是阿聯的哈布尚-富查伊拉管道可以通往阿曼灣。理論上，管道全開的備用產能可以達到約400萬桶/日。但因為戰爭導致的基建破壞和運力緊張，根據高盛跟蹤的實際資料，兩大管道實際運輸的石油僅僅增加了90萬桶/日。無法解決的供給問題，也有被放大的危險。G7等國家大多有90天以上的石油儲備，但有些國家的原油供給已經告急：印尼原油儲備只有25天，越南只有7天。相比冰冷的數字，大眾可能對現實發生的情況更感同身受，河內已有數十家加油站因消費者搶購燃料而臨時停業或縮短營業時間，德國人為了省錢甚至開始去奧地利加油。一旦有國家石油儲備耗盡，供需失衡將加劇，油價波動將更劇烈，普通人承受的代價也更大。解決問題的關鍵不是政策工具，而是戰爭結束。/ 03 /波及的不只是石油上周，道指周跌3.01%，創近一年最差表現。日經股指一度下跌4200點，韓國綜合指數更是已經觸發了兩次熔斷。為數不多逆跌而上的反而是“恐慌指數”VIX，當投資者預期市場將大幅震盪、風險升高時，才會積極買入對衝風險的VIX曾單日暴漲24%。而引起這輪資產巨震的正是石油。石油從來不只是能源。作為最核心的大宗商品，油價牽動全球通膨預期，左右聯準會的政策路徑，也影響著全球資本市場的走勢。典型影響路徑是：石油供應緊張推高再通膨預期，迫使央行收緊貨幣政策；同時高油價會通過成本傳導壓制需求，延緩工業復甦，加大經濟下行壓力，最終影響到全球資本市場。從過去的三次石油危機看，油價本身不決定市場走勢，關鍵在於衝擊的持續性、對通膨/經濟的實質傷害，以及貨幣政策的應對效率。雖然，衝擊持續的時間，以及貨幣政策的應對在當下有不可預測性，但石油危機無疑使美國通膨雪上加霜，聯準會的加息機率也會大增。再考慮到，美股在AI敘事驅動市值獲得了史詩級的飆漲，當前市場本就有“高處不勝寒”的擔憂，如今利空砸來，至少短期內要對美股提高警惕。不過，事件總有兩面，市場總有分化，能源股與利率敏感性資產也會走出相反走勢。更何況，能源危機也終究是周期的組成部分，不會改變市場“危機—修復—成長”的長期邏輯。但對於個體來說，此時既需要豁達開明的心態，更需要如履薄冰的敬畏。 (讀懂財經)

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)