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)

Reid Hoffman是 LinkedIn 的聯合創始人，也是矽谷最早一代以“平台”和“網路效應”著稱的投資人之一。過去二十多年，他幾乎參與了每一輪網際網路結構性轉折，從社交網路到平台化擴張，再到企業級軟體的規模化落地。在生成式 AI 被資本和創業者高度追捧的當下，這位長期站在“增長與規模”一側的矽谷代表人物，卻在最近一場長時間訪談中，把注意力放在了一個不太符合矽谷直覺的判斷上：AI 時代最重要的機會，可能並不在那些增長最快、也最容易被看見的地方。顯眼的賽道，正在變得擁擠Hoffman 並沒有否認聊天機器人、生產力工具或程式設計助手的商業價值。在他的判斷中，這些方向仍然可以賺錢。但問題在於，它們過於顯眼。當一個機會對所有人都是顯而易見的，資本、人才和算力就會沿著最低摩擦路徑迅速集中，結果往往不是長期優勢，而是更快的同質化競爭、更激烈的分發爭奪，以及更短的窗口期。這並非技術失效，而是競爭結構本身在壓縮回報。在 AI 語境下，“人人看得見”正在從優勢轉化為約束。入口在變，約束並沒有消失訪談中，Hoffman 多次回到一個被反覆忽略的判斷維度：那些東西會變，那些東西不會變。平台入口可以改變，產品形態可以重寫，敘事方式也可以不斷翻新，但一些底層約束始終存在，包括網路效應的累積方式、企業系統的整合成本、信任的遷移路徑，以及分發背後的組織慣性。AI 並不會消除這些約束，只會讓它們以更快、更集中的方式重新顯現。所謂“新世界”，最終仍然要回到這些舊問題上，只是整合失敗的代價更高，贏家通吃的程度也更明顯。矽谷的盲點，不在技術而在節奏Hoffman 將自己最重要的判斷，放在他所說的“矽谷盲點”上。這些盲點並非源於能力不足，而是源於耐心不足。矽谷長期擅長低摩擦、可快速迭代的數字系統，卻對發展節奏慢、驗證成本剛性、又受到監管與倫理約束的系統缺乏投入意願。生物與醫療是最典型的例子。藥物發現和醫療研發看起來像資訊問題，但真正的節拍器並不在程式碼倉庫裡，而在實驗室、倫理審查、臨床試驗和審批流程中。AI 可以提升篩選和預測的效率，卻無法取消實驗本身。失敗率是結構性的，周期也無法被壓縮到軟體速度。原子世界的瓶頸，是經濟而不是演算法在機器人和自動化領域，Hoffman 指出了另一種常被忽視的現實約束。看似簡單的物理動作——抓取、整理、疊放——在現實環境中充滿不確定性。材料的柔性、觸覺反饋、環境變化以及長期維護成本，使得技術可行性並不等同於經濟成立。由此出現一個反直覺現象：白領世界中更複雜的工作，反而更早被 AI 改造；而物理世界中看起來更簡單的動作，卻因為資本支出與營運支出的不匹配，遲遲難以規模化。決定成敗的，並不是演算法是否足夠聰明，而是成本曲線是否真正交匯。醫生不會消失，但角色正在被重寫關於“AI 是否取代醫生”的討論，Hoffman 給出的判斷並不激進，卻相當明確。如果醫生的價值只是知識儲存，那麼這個角色已經開始被削弱。AI 在知識覆蓋、檢索和交叉驗證方面的能力，已經超過任何單一人類個體。但醫生並不會消失。未來的核心價值，將更多體現在非共識問題的判斷、情境理解以及責任承擔上。AI 改變的不是職業是否存在，而是職業內部的分工結構。回報正在向高摩擦系統轉移把這些判斷連在一起，Hoffman 勾勒出的並不是一個關於 AI 的樂觀敘事，而是一張重新定價風險與回報的地圖。隨著顯眼賽道的競爭加速，資本和能力正在被迫進入那些節奏更慢、驗證成本更高、也更難被快速複製的系統——包括醫療、生物、勞動力、自動化、政府治理以及教育等領域。在這些地方，技術本身不再是決定性變數，時間、監管和組織慣性開始重新進入定價體系。生成式 AI 並沒有讓世界變得更簡單，它只是重新分配了複雜性。而真正的長期機會，正在這些複雜性尚未被消化的地方，緩慢浮現。 (方到)

中國企業，正走到全球化的關鍵時刻。 2024年，出海到底有多火？看看最熱門的新能源賽道就知道了。 多年穩坐動力電池領域全球第一位置的寧德時代，不久之前發佈的2024年總裁辦的一號檔案的關鍵詞是：出海。據報導，從去年底開始，“誰到海外，誰就是公司的英雄，走出去，到海外去”甚至已經變成了寧德時代員工的桌面背景。 正在發力走向全球的，不只是這位A股“寧王”。一度問鼎全球光伏企業市值第一的陽光伏源，已經嘗到了出海的甜頭。2023年全年，海外營收佔比已經超過46%，利潤貢獻主要來源於美洲大區及歐洲大區。而其儲能業務的海外收入佔比更是高達85%。

創新工場董事長、CEO，零一萬物CEO李開復（資料來源：中關村論壇） 鈦媒體App獲悉，5月7日，李開復博士創立的零一萬物公司宣布推出首款為國人量身一站式AI 工作平台「萬知」。 具體來說，「萬知」目前可以在過網頁（www.wanzhi.com）和微信小程式上使用，它可以做會議紀要、週報、寫作助手，還可以解讀財報、論文等各類文件，不僅可以速讀60萬字《馬斯克傳》，而且可以幫你手機一鍵生成PPT。這一切都可以登入一鍵解決，中英雙語，完全免費。 同時，零一萬物也宣布，李開復博士親自出任萬知CEO（Chief Experience Officer），即“首席體驗官”，傾聽用戶反饋。他將在這段時間親自推出一系列AI 助力工作生活新範式的萬知使用教程，在萬知上提交的用戶反饋也會集結為《萬知首席體驗官週報》陸續分享，邀請廣大網友一起迎接AI-first 的全新體驗。