OpenClaw爆火60天：中國產業AI落地的“又一次集體進化”

OpenClaw未必是終局形態，小龍蝦也未必一直鮮紅。但其在復雜、封閉、充滿博弈的現實環境中，找到一條能夠先執行、再優化、再重構的路徑。當Agent開始在舊秩序中工作，而不是在理想環境中演示，企業的智能化進程，也將真正進入了深水區。

作者|斗斗

編輯|皮爺

出品|產業家

建立13000萬個社區，發布27000條帖子；自主購買電話卡給開發者打電話；自主聯系熱門餐廳，說服接線員擠出了空位；失控將Meta安全總監的200多封郵件刪除；谷歌帶頭封殺，Anthropic緊隨其后……

這一連串離譜又充滿戲劇性的事件，都指向同一個主角。

2026開年，一個名為OpenClaw的開源項目以閃電般速度席卷GitHub，一天斬獲9000顆星。兩周后，星標突破17萬，一時間，標志性的小龍蝦圖案登上各大社交平臺頭版。

這一路徑的出現，也讓產業鏈參與者迅速嗅到機會。

OpenAI直接挖走OpenClaw創始人。創業領域，美團聯合創始人王慧文發出“英雄帖”，廣招對OpenClaw相關領域感興趣的創業者和技術人才。國內一眾模型廠商等“賣鏟人”則各顯身手，智譜、Kimi、MiniMax、阿里云等國紛紛推出CodingPlan的API套餐，試圖深度綁定這只炙手可熱的“龍蝦”。

事實上，OpenClaw的特殊之處在于，任何人都能基于其打造專屬Agent助手，通過聊天界面讓Agent跨平臺、跨系統完成任務，這與過去“只說不做”“集成式”的AI助手截然不同，意味著Agent真正長出手腳，開始進入真實世界。

那么，OpenClaw的價值究竟是什么？真的無所不能嗎？它為AI產業化落地帶來了什么？真的能推動我們走向通用AGI嗎？以及，在如今中國企業Agent落地正進入系統繁多卻彼此割裂的深水區，OpenClaw這一路徑，是否能夠改變現狀？

不論OpenClaw后續如何，但這些疑問背后，一個不可否認的事實是，火爆2個月的OpenClaw，已然給中國的AI落地產業鏈，帶來一個新的方向和進化，那就是從智能體單點的技術、協議走向真正的智能體跨體系協同時代。

一、困在API里的Agent，開啟“外掛”

一直以來，Agent被視為讓AI成為真正生產力的關鍵紐帶。大模型像一個極其聰明的大腦，卻并不會真正去“做”：它不會自己打開網頁、填寫表格、整理文件或跨平臺操作。

Agent的意義，是為這個大腦裝上“手腳”，讓其不僅能思考，還能調用工具、訪問系統、操作軟件，完成一連串具體步驟。比如，把“幫我做一份行業報告”拆解為自動搜索資料、篩選信息、整理數據、生成圖表、排版成文檔并發送郵件，形成完整閉環。

但這個閉環始終存在裂痕。

數據顯示，在WebArena這類真實網頁多步任務測試中，GPT-4級模型在3—5步任務上的成功率約為40%—60%，一旦超過10步，往往降至15%—25%；超過15步時，成功率跌破10%。公開案例也顯示，6—8步以上流程中，人工介入率高達40%—60%。

以電商行業為例，一家小型電商公司老板每天要登錄多個后臺，查看庫存、對比競品價格、調整定價，再檢查廣告消耗和ROI，最后導出報表生成日報。他希望用Agent自動化實現每天早上8點自動完成所有流程，團隊只做策略判斷。

但理想很豐滿，現實很殘酷。

上線第一天，Agent從ERP拉取庫存數據，發現某款空氣炸鍋低于安全閾值，準備同步到平臺避免超賣，卻發現平臺API只支持讀取庫存，不支持修改前臺展示，仍需人工操作。

接著是比價。Agent即便抓取到競品價格，但需要執行“批量改價”時，發現平臺對改價API的權限做了分級，只有特定類目和大商家才能調用，而且頻次有限。所謂“自動調價”，變成了“自動算價+人工執行”。

有企業嘗試用RPA錄制腳本，但電商后臺頻繁改版，維護成本極高，往往變成腳本工程師的長期勞動。

可以看到，企業落地Agent的前提非?？量?，往往走的是對接API、梳理數據結構、重構權限體系、定制流程引擎這種“重集成”路線。這是一條典型的IT項目路徑，周期長、投入重、改造深，一旦某個系統升級，接口就要重做。

OpenClaw這種開源框架，恰恰提供了另一種思路。

其基于視覺識別屏幕內容，定位按鈕、文本和輸入框。通過鼠標點擊、鍵盤輸入、滑動、滾動等通用控制完成操作，并在目標驅動下進行決策循環。

相比“重集成”路線，OpenClaw不再依賴平臺開放接口，也不強求企業重構系統，而是在屏幕層直接接管操作邏輯，實現更強的執行力，深入企業生產環境。

例如在一項基于 CL-bench的公開測試顯示，在 HR 培訓類標準化任務集中，OpenClaw+MiniMax-free Agent 組合的任務解決率達 20%，而對應 MiniMax-M2.1、DeepSeek-chat 裸模型的任務解決率為 0%。

這種執行范式的轉變，使得企業用戶們躍躍欲試。

Agent迎來新一輪爆發。

二、新一輪Agent爆發的“助攻者”們

2026年初，AI領域再次出現明顯躁動，資本、企業與開發者情緒同步升溫。

美團聯合創始人王慧文發布“英雄帖”，招募OpenClaw創業團隊并提供融資支持；開發者論壇被紅色小龍蝦刷屏；上下游廠商紛紛宣布接入……這種氣氛，與2025年同期DeepSeek掀起的“接入潮”如出一轍。

在中國這個特殊的市場，從不缺乏將新范式迅速商業化的力氣和手段。

1月底，第一波“賣鏟人”，迅速就位。

互聯網巨頭共識很清晰，那就是不能把核心入口交給開源框架，而要以OpenClaw為參照，結合自身生態形成閉環，從算力、模型到場景全部打通。

阿里云是動作最典型的一家。

2月28日，其推出CoPaw個人智能體工作臺，對標OpenClaw，主打“三條命令極簡部署”，針對原框架部署復雜的問題做優化。同時原生適配釘釘、飛書、QQ等主流IM，支持本地與云端雙模部署，并深度融合通義千問模型能力，解決海外開源框架在國內生態“水土不服”的問題。

在云側，其上線OpenClaw一鍵安裝與預裝鏡像，15分鐘即可完成部署。其邏輯非常直接，那就是用OpenClaw吸引開發者和企業上云。

總的來說，阿里云的思路是以云基礎設施為底座，以通義千問為模型中樞，以釘釘為高頻辦公場景，通過開源策略吸納開發者，最終形成閉環。

騰訊云的策略更偏向流量入口。

其通過輕量服務器預置OpenClaw模板，打通企業微信、QQ、飛書、釘釘，并提供可視化切換面板，降低部署門檻。同時，騰訊內部啟動自研Agent平臺，目標是深度綁定微信、小程序與企業辦公生態，減少對外部框架的依賴。

要知道，騰訊最大的優勢是社交與IM的壟斷級流量入口。無論是C端用戶還是中小B端企業用戶，觸達能力都是行業最強。一旦Agent能力嵌入社交與辦公體系，擴散速度會非?？?/strong>。

百度智能云的打發則圍繞搜索入口。

其將核心產品深度內嵌，在百度app實現一鍵調用OpenClaw智能體，企業在百度智能云完成部署后，可以直接通過搜索框或消息中心調用。后續還將覆蓋百科、學術、文庫、電商等全生態產品。在能力層面，百度千帆把搜索、百科、學術檢索等能力封裝為Skill，上架OpenClaw生態，補足中文信息能力。同時推出免部署云端版本，降低使用門檻。

總的來看，百度依托搜索入口和內容生態，把Agent嵌入高頻搜索場景，而不是做一個孤立工具。

火山引擎的打法則更偏向流量分發與場景縫合。提供OpenClaw的完整部署方案，并通過豆包大模型、飛書、抖音API打通場景。開發者可以快速構建帶貨客服、企業數字員工等應用，字節承擔流量分發角色。

基于抖音流量池、飛書企業場景和火山引擎的MaaS能力。其目標，是覆蓋開發、部署到變現的全流程。

相比巨頭強調閉環，模型創業公司更聚焦于成為“最合適的大腦”。

月之暗面率先推出KimiClaw，主打云端托管、無需本地安裝，解決部署門檻問題。Kimi的優勢在于長上下文能力與工具調用能力領先，同時在C端用戶中認知度高。對其而言這一方案可以精準命中普通用戶的使用痛點。

數據顯示，KimiK2.5在OpenRouter平臺調用量持續領先，并在OpenClaw模型調用榜中位居第一。

MiniMax則強調其多模態能力均衡以及底層訓推架構的解耦能力，推出MaxClaw模式，一鍵打通OpenClaw生態，無需自行配置API。

數據顯示，在一項“本地文件檢索-全網資訊補充-稿件撰寫-郵件發送”長鏈路辦公任務閉環執行實測中，接入 MiniMax-M2.5的 OpenClaw，可 100% 完成全流程閉環執行，無中途中斷、無關鍵環節失敗。

智譜強調的是國產化與合規優勢，推動GLM-5旗艦模型無縫兼容OpenClaw。強化了編程與長流程能力；科大訊飛則以語音能力和教育辦公場景切入，提供低成本調用方案。

除了巨頭和模型廠商，產業鏈玩家也迅速跟進。網易有道發布LobsterAI，定位“中國版OpenClaw”。

國產芯片與硬件廠商也加速適配，龍芯完成基于3B6000M芯片的本地部署；中科創達實現魔方派與AIBOX適配；清昴智能完成對昇騰等國產芯片的兼容。

最焦慮的RPA廠商和最怕被架空的SaaS廠商，也開啟了自我革命。飛書發布了Agent友好型UI協議；金山辦公2月20日也正式開放WPSAI行動套件；弘璣Cyclone、來也科技等，作為傳統RPA代表，也迅速推出了“OpenClaw企業級管理后臺”。也有一些安全廠商如奇安信，針對OpenClaw的安全性問題，發布了Agent行為防火墻。

無論是AI模型服務商押注OpenClaw最合適的大腦，還是互聯網巨頭打造從算力到場景形成閉環，亦或是產業鏈在補能力、SaaS巨頭主動示好的“扶手計劃”，本質上是基于自身優勢構建差異化護城河，更是在為一個原本“笨拙、昂貴、有風險”的新生兒，合力打造一個可落地的溫室。

OpenClaw在中國的火爆，早已超出了一個開源項目的范疇，轉而演變成一場全產業鏈的“集體進化”。

三、性能、成本與安全：商業化落地前的“成人禮”

可以確定的是，OpenClaw正在抬高企業對Agent的預期。

過去，Agent更多被當作問答助手或分析助手；如今，企業開始把其視為能夠執行流程的數字勞動力。在流程重復、環境相對可控、缺乏API接口或人工成本高昂的場景中，其確實具備先發優勢，這也是資本和產業鏈迅速跟進的原因。

但問題在于，OpenClaw真的無所不能嗎？

答案是否定的。

要知道，OpenClaw與集成式Agent存在本質差異。集成式Agent基于結構化接口，通過API直接調用系統能力，一次請求通常在1至3秒內完成，多個動作還可以并行執行。

而OpenClaw采用是“截圖—模型推理—坐標計算—動作模擬”的視覺閉環。每一次操作都要經過完整的感知與決策流程，單步耗時往往在15至30秒之間。例如一個“登錄系統并導出報表”的簡單任務，集成式Agent可能5秒完成，OpenClaw卻需要3至5分鐘的反復嘗試。效率差距由此拉開。

更關鍵的是穩定性。集成式Agent依賴協議交互，輸入輸出結構清晰，可控性強；OpenClaw則高度依賴模型對像素界面的理解。一旦出現動態彈窗、頁面刷新或UI微調，就可能產生“視覺幻覺”，導致點擊偏移甚至陷入循環錯誤。

因此，OpenClaw不僅響應慢，而且在復雜環境中不夠穩定。

效率之外，是成本問題。

集成式Agent主要消耗文本Token，單次任務成本可以低至0.01美元甚至更低。OpenClaw卻需要持續傳輸高分辨率截圖，每次推理可能消耗1000至1500個視覺Token；若任務鏈條較長，單次成本可能達到1至2美元。對于高頻企業調用場景，這意味著成本可能是集成式方案的數十倍甚至百倍。

模型廠商的反應，也從側面印證了這一點。

Anthropic就曾更新服務條款，禁止在OpenClaw等第三方工具中使用ClaudeFree、Pro或Max賬戶的OAuth，將這種行為定性為“token套利”和安全風險。隨后，谷歌稱檢測到自家AI編程工具Antigravity后端出現“大規模惡意使用行為”，嚴重降低了正常用戶的服務質量，連夜封禁OpenClaw。

這些動作傳遞出同一個信號，那就是基于訂閱制的定價體系，難以承受OpenClaw這種高頻、高消耗的調用方式。

如果說性能與成本尚屬效率問題，那么穩定與安全則更為棘手。

集成式Agent可通過APIKey實現細粒度的權限控制，例如只讀權限或僅限操作特定數據庫范圍。但OpenClaw本質上模擬的是“人類操作界面”，擁有更接近全局控制的能力。權限邊界因此變得模糊。

近期，Gartner與Password等機構均發出警告，指出其容易受到“UI提示詞注入攻擊”。此外，已有數家韓國科技巨頭和金融機構在內部網絡中禁用OpenClaw，以防機密泄露。

在性能、成本與安全三重約束下，OpenClaw若要真正進入大規模生產環境，仍面臨不小的現實挑戰。

即便如此，OpenClaw的價值不僅在于其技術能力本身，更在于其提供了一種思路，那就是當理想的接口整合難以推進時，Agent或許不必等到系統重構完成，才有資格走進生產環境。

而這，恰恰觸及了中國企業數智化轉型中最現實的一道門檻。

四、再看中國企業落地Agent的“現實路徑”

根據《2024中國企業數字化轉型報告》數據顯示，中國大型企業平均擁有超過150個獨立IT系統，其中約60%屬于缺乏維護、無API文檔或接口封閉的老舊系統。

一直以來，中國企業數智化轉型都較為沉重。中國許多企業的數字化，大多不是自上而下一次性重構，而是在十幾年時間里不斷疊加。系統之間彼此割裂，但卻又互相依賴。

因此，動一個系統，牽一發動全身。打通一次接口，意味著漫長的權限審批、數據安全評估、供應商協調。于是需求側形成了一個悖論，他們希望AI能夠真正進入生產環境帶來生產力，但又無法承受結構性改造的代價。

在這種背景下，要求企業為了AI去大規模重構底層系統，可謂難上加難。

Anthropic與研究機構Material在2025年末對美國500多位技術領導者做了一次調研，近一半（46%）的組織認為與現有系統的整合是主要障礙。

軟件供給側同樣高度碎片化。SaaS廠商希望構建自己的封閉生態，平臺企業希望把數據鎖在自己的護城河里，傳統SI靠復雜集成吃飯，RPA廠商依賴腳本維護盈利。商業博弈下，使得接口難以開放，導致企業Agent落地的成本居高不下，因為每一個對接動作，背后都是利益再分配。

在這種背景下，OpenClaw的路徑不單純的技術創新，更是一種對既有權力結構的規避。企業不用去申請接口，而是直接在“界面層”操作。這種方式，本質上繞過了供給側的封閉邏輯。

但問題也隨之而來。

當Agent繞過API、繞過權限分層，直接模擬人手操作時，其在某種意義上削弱了平臺對流量與數據的控制力。長遠來看，供給側會主動為Agent降低摩擦，還是會加強封鎖？

一種可能是，Agent成為舊系統的“補丁”。不觸動底層結構，只在其上疊加一層行動智能，讓僵化的系統繼續運轉，這是一條溫和演進路徑。

另一種可能是，隨著Agent成為主流執行主體，系統設計邏輯會反向重塑。未來的軟件不再圍繞人類交互，而是為Agent交互而生。界面更加結構化、可機器識別，權限將圍繞“數字員工”重新劃分，審計與合規將嵌于Agent行為鏈條之中。如果這一趨勢成立，那么Agent并不是“外掛”，而是下一代操作系統的雛形。

這是一個值得持續觀察的博弈，難有定論。

站在當下，回看開篇那些略顯荒誕的瞬間，無論是自動打電話、強行訂位，還是誤刪郵件，更像是Agent第一次真正觸碰現實世界時不可避免的摩擦。

OpenClaw未必是終局形態，小龍蝦也未必一直鮮紅。但其在復雜、封閉、充滿博弈的現實環境中，找到一條能夠先執行、再優化、再重構的路徑。當Agent開始在舊秩序中工作，而不是在理想環境中演示，企業的智能化進程，也將真正進入了深水區。