OpenClaw火速崛起60天：中国产业AI迎来又一次集体进化的奇迹！

（

OpenClaw可能不是最后的答案，小龙虾的颜色也未必总是鲜红的。不过，正是在这样复杂、封闭的环境中，它找到了一条先执行、后优化再重构的路径。当Agent开始在旧有秩序中展开行动，而不是在理想的场景中演示时，企业的智能化之路，才真正进入了深水区。

想象一下，建立了13000万个社区，发布了27000条帖子；甚至自己买电话卡给开发者打电话；主动联系热门餐厅，努力说服接线员腾出空位；失控地把Meta安全总监的200多封邮件删掉；谷歌带头封杀，Anthropic也紧随其后……

这一连串看似离谱又充满戏剧性的事件，都是围绕着同一个主角展开的。

2026年刚开始，一个叫OpenClaw的开源项目迅速风靡GitHub，一天内就收获了9000个星标。两周后，这个数字突破了17万，标志性的小龙虾图案瞬间登上各大社交平台的头条。

这种路径的出现，让产业链的参与者们迅速嗅到了商机。

OpenAI直接挖走了OpenClaw的创始人。创业圈中，美团的联合创始人王慧文发出“英雄帖”，广泛招募对OpenClaw感兴趣的创业者和技术人才。而国内的模型厂商，如智谱、Kimi、MiniMax、阿里云等，都各显神通，纷纷推出CodingPlan的API套餐，试图与这只炙手可热的“龙虾”深度绑定。

实际上，OpenClaw的独特之处在于，任何人都可以基于它创建属于自己的Agent助手，通过聊天界面让Agent跨平台、跨系统地完成任务。这和以前“只说不做”的集成式AI助手可大不相同，这意味着Agent真的开始有了行动能力，逐步进入了真实世界。

那么，OpenClaw究竟值不值得期待？它真的无所不能吗？它为AI的实际应用带来了什么样的变化？能否推动我们朝着通用AGI的方向发展？还有，在当前中国企业的Agent落地正面临系统繁多却彼此割裂的局面时，OpenClaw的出现是否能够打破这种僵局？

无论OpenClaw未来如何发展，有一个不可否认的事实是，火热了两个月的OpenClaw，已经为中国的AI落地产业链指明了一个新的方向，那就是从单一智能体的技术与协议转向真正的智能体跨系统协作的新纪元。

被困在API里的Agent，开启了“外挂”模式

一直以来，Agent被认为是让AI真正成为生产力的核心纽带。大模型就像个极聪明的大脑，但它并不会真正去“做事情”：比如它不会自己打开网页、填写表格、整理文件或者跨平台操作。

Agent的存在意义就是为这个大脑装上“手脚”，让它不仅能思考，还能调用工具、访问系统、操作软件，完成一系列具体的步骤。比方说，把“帮我做一份行业报告”分解为自动搜索资料、筛选信息、整理数据、生成图表、排版成文档并发送邮件，形成一个完整的闭环。

不过，这个闭环始终有缺口。

数据显示，在WebArena等真实网页的多步任务测试中，GPT-4级模型在3到5步的任务成功率大约是40%到60%，一旦超出10步，成功率就下降到15%到25%；超过15步时，成功率甚至低于10%。公开案例也显示，在6到8步以上的流程中，人工介入的比例高达40%到60%。

以电商行业为例，一家小型电商公司的老板每天需要登录多个后台，查看库存、对比竞争产品价格、调整定价，再检查广告消耗和投资回报，最后导出报表生成日报。他希望Agent能够每天早上8点自动完成这些流程，团队只负责策略判断。

但是现实总是让人失望。

上线的第一天，Agent从ERP系统拉取库存数据，发现某款空气炸锅的库存低于安全阈值，准备同步到平台以避免超卖，却发现平台的API只支持读取库存，不允许修改前台展示，仍需人工操作。

接下来的比价环节，即使Agent抓取到了竞争产品的价格，执行“批量改价”时，却发现平台对改价API权限进行了分级，只有特定类目和大型商家才能调用，而且频次有限。所谓的“自动调价”，变成了“自动算价+人工执行”。

有企业尝试用RPA录制脚本，但电商后台频繁改版，维护成本极高，常常演变为脚本工程师的长期工作。

可以说，企业落地Agent的门槛非常高，通常需要走对接API、梳理数据结构、重构权限体系、定制流程引擎这样的“重集成”路线。这就像一个典型的IT项目，周期长、投入大、改造难，一旦某个系统升级，接口就得重新做。

而OpenClaw这种开源框架则提供了另一种解决思路。

它通过视觉识别屏幕内容，精准定位按钮、文本和输入框。利用鼠标点击、键盘输入、滑动、滚动等通用控制完成操作，并在目标驱动下进行决策循环。

与“重集成”路线相比，OpenClaw不再依赖于平台的开放接口，也不要求企业重构系统，而是直接在屏幕层面接管操作逻辑，实现更强的执行力，深度融入企业的生产环境。

例如，在一项基于CL-bench的公开测试中，OpenClaw+MiniMax-free Agent组合的任务解决率达到了20%，而对应的MiniMax-M2.1和DeepSeek-chat的裸模型任务解决率则为0%。

这种执行方式的转变，让企业用户们充满期待。

Agent即将迎来新一轮的爆发。

新一轮Agent爆发的“助力者”们

2026年初，AI领域再次掀起明显的波澜，资本、企业和开发者的热情同步高涨。

美团联合创始人王慧文发布“英雄帖”，招募OpenClaw的创业团队并提供融资支持；开发者论坛被红色小龙虾的讨论淹没；上下游厂商也纷纷宣布接入……这种气氛，和2025年DeepSeek引发的“接入潮”如出一辙。

在中国这个独特的市场，快速将新模式商业化的能力和手段从未缺席。

在一月底，第一批“卖铲人”迅速就位了。

互联网大佬们都心照不宣，决不能把自己的核心入口让给开源框架，而是要以OpenClaw为蓝本，结合自家的生态系统形成一个闭环，做到从算力、模型到应用场景的全面打通。

阿里云在这方面的行动尤为明显。

在2月28日，他们发布了CoPaw个人智能体工作台，直接对标OpenClaw，主打“三条命令轻松部署”，专门解决原有框架复杂部署的问题。同时，这个工具原生支持钉钉、飞书、QQ等主流即时通讯软件，能够在本地和云端双模部署，还与通义千问模型深度融合，解决了海外开源框架在中国市场“水土不服”的问题。

在云服务方面，他们还推出了OpenClaw的一键安装和预装镜像，15分钟内就能完成部署。他们的逻辑其实非常简单，就是用OpenClaw来吸引更多开发者和企业上云。

总体来看，阿里云的战略是以云基础设施为支撑，以通义千问作为核心模型，钉钉作为高频办公场景，通过开源策略吸引开发者，最终形成一个闭环。

而腾讯云则更注重流量的入口。

他们通过轻量级服务器预装OpenClaw模板，打通企业微信、QQ、飞书、钉钉，并提供一个可视化的切换面板，降低了部署的门槛。同时，腾讯内部也在研发自己的Agent平台，目标是深度绑定微信、小程序和企业办公生态，减少对外部框架的依赖。

不得不提的是，腾讯在社交和即时通讯领域的流量入口几乎是垄断的。无论是C端用户还是中小企业用户，他们的触达能力在行业内都是最强的。一旦Agent功能嵌入社交和办公体系，传播速度会非常快。

百度智能云则围绕搜索入口展开。

他们将核心产品深度嵌入百度app，实现一键调用OpenClaw智能体，企业在百度智能云上完成部署后，可以直接通过搜索框或者消息中心来调用。未来还将覆盖百科、学术、文库、电商等全生态产品。从能力上看，百度千帆把搜索、百科、学术检索等功能封装为Skill，上架OpenClaw生态，补充中文信息的能力。同时推出免部署的云端版本，降低使用门槛。

总的来说，百度依托搜索入口和内容生态，将Agent嵌入高频搜索场景，而不是让它成为一个孤立的工具。

火山引擎则更注重流量的分发与场景的融合。他们提供OpenClaw的完整部署方案，并通过豆包大模型、飞书、抖音API打通不同场景。开发者可以快速构建带货客服、企业数字员工等应用，而字节则承担了流量的分发角色。

基于抖音的流量池、飞书的企业场景以及火山引擎的MaaS能力，他们的目标是覆盖从开发、部署到变现的全流程。

相比于巨头们强调的闭环，模型创业公司更关注于成为“最合适的大脑”。

月之暗面首先推出了KimiClaw，主打云端托管，无需本地安装，直接解决了部署的门槛。Kimi的优势在于其长上下文能力和工具调用能力都很强，同时在C端用户中也有很高的认知度。对他们来说，这一方案精准打击了普通用户的使用痛点。

数据显示，KimiK2.5在OpenRouter平台的调用量持续领先，并且在OpenClaw的模型调用榜上位居第一。

MiniMax则强调其多模态能力的平衡以及底层训练推理架构的解耦能力，推出了MaxClaw模式，能够一键打通OpenClaw生态，无需自行配置API。

数据显示，在一项“本地文件检索-全网资讯补充-稿件撰写-邮件发送”的长链路办公任务的闭环执行中，接入MiniMax-M2.5的OpenClaw，成功实现了100%的全流程闭环执行，没有中断也没有关键环节失败。

智谱则强调国产化与合规优势，推动GLM-5旗舰模型与OpenClaw无缝兼容，强化了编程与长流程能力；科大讯飞则以语音能力和教育办公场景切入，提供低成本调用方案。

除了这些巨头和模型公司，产业链的参与者们也迅速跟上。网易有道发布了LobsterAI，定位为“中国版OpenClaw”。

国产芯片和硬件厂商也在加速适配，龙芯完成了基于3B6000M芯片的本地部署；中科创达实现了魔方派与AIBOX的适配；清昴智能则完成了对昇腾等国产芯片的兼容。

最焦虑的RPA厂商和最害怕被架空的SaaS厂商，也开启了自我变革。飞书发布了Agent友好型的UI协议；金山办公在2月20日也正式开放了WPSAI行动套件；弘玑Cyclone、来也科技等传统RPA代表，也迅速推出了“OpenClaw企业级管理后台”。还有一些安全厂商如奇安信，针对OpenClaw的安全性问题，推出了Agent行为防火墙。

无论是AI模型服务商希望押注OpenClaw成为“最合适的大脑”，还是互联网巨头们努力构建从算力到应用场景的闭环，亦或是产业链积极补充能力，以及SaaS巨头们主动示好的“扶持计划”，本质上都是在基于各自的优势构建差异化的护城河，同时也是在为这个原本“笨重、昂贵且有风险”的新生儿，合力打造一个可落地的温室。

OpenClaw在中国的火热，早已超出了一个开源项目的范畴，转而演变成一场全产业链的“集体进化”。

性能、成本与安全：商业化落地之前的“成人礼”

可以肯定的是，OpenClaw正在提升企业对Agent的期待。

以前，Agent更多被视为问答或分析助手；而现在，企业开始把它看作能够执行流程的数字劳动力。在那些流程重复、环境相对可控、缺乏API接口或人工成本高的场景中，Agent确实有先发优势，这也是资本和产业链迅速跟进的原因。

但是，问题是，OpenClaw真的无所不能吗？

答案是否定的。

要知道，OpenClaw与集成式Agent之间存在本质差别。集成式Agent通过结构化接口，利用API直接调用系统能力，通常一次请求在1到3秒内完成，多个动作还可以并行进行。

而OpenClaw则是采用“截图—模型推理—坐标计算—动作模拟”的视觉闭环。每一次操作都要经过完整的感知与决策流程，单步的耗时往往在15到30秒之间。例如，一个简单的“登录系统并导出报表”的任务，集成式Agent可能5秒就能完成，而OpenClaw却需要反复尝试3到5分钟。效率的差距由此而生。

更重要的是稳定性。集成式Agent依赖协议交互，输入输出结构清晰，控制性强；而OpenClaw则高度依赖模型对像素界面的理解。一旦遇到动态弹窗、页面刷新或UI微调，就可能出现“视觉幻觉”，导致点击偏移，甚至陷入循环错误。

聊聊OpenClaw的挑战与机遇

其实，OpenClaw在响应速度上表现得比较慢，而且在一些复杂环境下稳定性也不够。

除了效率，成本问题也不容忽视。

集成式代理主要消耗文本Token，单次任务的成本可以低到0.01美元，甚至更低。然而，OpenClaw却需要不断传送高分辨率的截图，每次推理可能会消耗1000到1500个视觉Token；如果任务链条比较长，单次的成本就可能飙升到1到2美元。对于那些经常调用的企业来说，这意味着成本可能是集成式方案的好几十倍，甚至上百倍。

模型厂商的反应也从侧面印证了这一点。

Anthropic曾更新服务条款，禁止在OpenClaw等第三方工具中使用ClaudeFree、Pro或Max账户的OAuth，认为这种行为存在“token套利”和安全隐患。随后，谷歌表示，他们在自家AI编程工具Antigravity的后端检测到“大规模恶意使用行为”，这对正常用户的服务质量造成了严重影响，结果夜间就封禁了OpenClaw。

这些行动传达的信号是，基于订阅制的定价体系，根本无法承受OpenClaw这种高频、高消耗的使用方式。

如果说性能和成本问题属于效率范畴，那么稳定性和安全性就更复杂了。

集成式代理可以通过APIKey实现精细的权限控制，比如只读权限或仅限于特定数据库的操作。而OpenClaw本质上模拟的是“人类操作界面”，拥有更为广泛的控制能力，因此权限的边界变得模糊。

最近，Gartner和Password等机构也发出警告，指出OpenClaw容易受到“UI提示词注入攻击”。此外，已有几家韩国科技巨头和金融机构在内部网络中禁用了OpenClaw，以防止机密信息泄露。

在性能、成本和安全三重约束下，OpenClaw如果想真正进入大规模生产环境，依然面临不少挑战。

尽管如此，OpenClaw的价值不仅在于它的技术能力，更在于它为我们提供了一种思路：当理想的接口整合难以推进时，代理或许可以在系统重构之前就开始应用。

这恰好触及了中国企业在数字化转型中面临的一道现实门槛。

再来看看中国企业在实施代理时的“现实路径”。

根据《2024中国企业数字化转型报告》的数据，中国的大型企业平均拥有超过150个独立的IT系统，其中大约60%是缺乏维护、没有API文档或接口封闭的老旧系统。

长期以来，中国企业的数字化转型一直比较艰难。很多企业的数字化并非是一次性自上而下的重构，而是在十几年间不断叠加的结果。各个系统之间相互割裂，但又互相依赖。

因此，动一个系统就会牵一发而动全身。打通一次接口，意味着漫长的权限审批、数据安全评估以及供应商之间的协调。因此，需求侧形成了一个悖论：他们希望AI能够真正进入生产环境以提升效率，但又无法承担结构性改造的代价。

在这样的背景下，要求企业为了AI去进行大规模底层系统的重构，无疑是个艰难的任务。

Anthropic与研究机构Material在2025年末对美国500多位技术领导者进行了一次调研，发现近一半（46%）的组织认为与现有系统的整合是最大的障碍。

软件供给侧同样是高度碎片化的。SaaS厂商希望构建自己的封闭生态，平台企业则希望把数据锁在自己的护城河里，传统的SI则靠复杂的集成来盈利，RPA厂商则依赖脚本维护。这种商业博弈使得接口难以开放，企业在落地代理时的成本居高不下，因为每一个对接背后都有利益的重新分配。

在这种背景下，OpenClaw的路径不仅仅是技术创新，更是一种对现有权力结构的规避。企业无需申请接口，而是可以直接在“界面层”进行操作。这种方式本质上绕过了供给侧的封闭逻辑。

不过，这也带来了一些问题。

当代理绕过API和权限分层，直接模拟人手操作时，某种程度上削弱了平台对流量和数据的控制力。长远来看，供给侧会主动降低代理的使用摩擦，还是会加强封锁呢？

一种可能是，代理成为旧系统的“补丁”。不触动底层结构，只是在其上添加一层智能，让僵化的系统继续运转，这是一条温和的演进路径。

另一种可能是，随着代理成为主要的执行主体，系统设计逻辑会反向重塑。未来的软件不再围绕人类交互设计，而是为了代理交互而生。界面会变得更加结构化、可机器识别，权限将围绕“数字员工”重新划分，审计和合规将嵌入代理的行为链中。如果这一趋势成立，那么代理就不仅仅是“外挂”，而是下一代操作系统的雏形。

这场博弈值得我们持续关注，难以给出明确的答案。

回过头来看那些略显荒诞的瞬间，无论是自动打电话、强行订位，还是误删邮件，都像是代理首次真正接触现实世界时不可避免的摩擦。

OpenClaw未必是终极形态，小龙虾也不一定总是鲜红。但是，它在复杂、封闭、充满博弈的现实环境中，找到了一条可以先执行、后优化，再进行重构的路径。当代理开始在旧秩序中运行，而不是在理想环境中展示时，企业的智能化进程将真正进入深水区。