【關注】張禮立 | OpenClaw之后：當AI開始“自己干活”，數字世界的生產力正在被重寫

如果用最簡單的一句話來解釋，OpenClaw并不是一個新的人工智能模型，它更像是一個讓AI開始“自己干活”的系統。

本文作者系盤古智庫學術委員、數字經濟研究院副秘書長張禮立，文章來源于“張禮立數字經濟研究”微信公眾號。

本文大約2900字，讀完約7分鐘。

最近一段時間，如果關注科技新聞，很難避開一個名字——OpenClaw。社交平臺上到處是安裝教程、體驗截圖，開發者社區里星標數一路飆升，一些云廠商甚至開始提供“一鍵部署”。看起來，仿佛一個新的技術浪潮已經突然到來。

但每當一個技術開始被大眾討論時，往往意味著兩件事情同時發生：一方面，它確實觸碰到了某種重要變化；另一方面，關于它的解釋卻往往被各種噪音淹沒。很多普通用戶其實并不真正關心某個開源項目的版本號或者代碼結構，他們關心的是一個更簡單的問題：OpenClaw到底是什么，它會不會改變我們的生活。

如果用最簡單的一句話來解釋，OpenClaw并不是一個新的人工智能模型，它更像是一個讓AI開始“自己干活”的系統。

過去幾年，大多數人接觸人工智能的方式其實非常統一。打開一個應用，輸入一句話，然后等待系統給出回答。無論是ChatGPT還是各種國產大模型，本質上都是一種“問答型AI”。你提出問題，它給出答案，用完即走。它很聰明，但它始終是被動的。

OpenClaw試圖改變的，正是這一點。

在這類系統里，AI不再只是回答問題，而是可以持續運行、自動執行任務。它可以讀取郵件、整理文檔、調用軟件接口、處理數據，甚至在不同系統之間協同工作。開發者通常把這種系統稱為“AI Agent”，中文常被翻譯為“智能體”。如果換一個更直觀的說法，它其實是一種數字代理人：你給它一個目標，它自己去完成任務。

從技術架構上看，這類系統通常會把能力分為幾個層次：最底層是大模型本身，負責理解和生成語言；中間是一層適配系統，用來連接各種應用軟件；最上層則是具體的技能模塊，用來執行任務，比如寫代碼、處理文件或發送消息。這樣一來，AI就不再局限在某一個應用中，而可以在不同系統之間流動。

如果說大模型解決的是“AI會不會思考”的問題，那么Agent系統解決的則是“AI能不能干活”的問題。

這看似只是一個細節變化，但實際上，它可能意味著人工智能正在跨過一個重要門檻。

過去的AI更像一個顧問。你提出問題，它提供建議。

而Agent系統中的AI，更像一個助理。你給出目標，它去執行。

從工具到執行者，這是一個非常關鍵的變化。因為一旦AI可以自動執行任務，它的價值就不再只是幫助人思考，而是開始參與到真正的工作流程中。

想象一個日常場景。每天早上打開電腦，郵箱里堆滿了幾十封郵件。過去，你可能需要逐封閱讀、篩選重點、回復客戶、安排會議。如果是傳統AI，你可以復制一封郵件內容，讓它幫你寫回復。但如果是Agent系統，它可以直接讀取郵件列表、整理重點、生成回復草稿，甚至安排日程。你只需要最后確認。

在軟件開發、數據分析、內容運營等行業，大量時間其實消耗在重復操作上。Agent系統的意義，恰恰就在于自動化這些流程。

因此，很多人看到OpenClaw時，會產生一種錯覺：仿佛AI突然變得更強大了。

但事實上，真正發生變化的并不是模型能力，而是AI的工作方式。

這也是為什么OpenClaw不僅僅是一個技術熱點，它背后還牽動著整個AI產業的邏輯變化。

其中最直接的影響，是算力需求的增長。

當AI只是回答問題時，每一次對話消耗的計算資源是有限的。但當AI開始持續運行、自動執行任務時，它的計算需求就會急劇增加。業內甚至有人估算，Agent系統可能會讓AI的計算消耗增加數百倍甚至上千倍，因為AI不再只是被動響應，而是持續運行、持續工作。

這意味著什么？

意味著AI的經濟模型可能正在改變。

過去兩年，人工智能產業的商業模式其實非常簡單：用戶提出問題，模型生成答案，平臺按調用次數收費。

這種模式在技術展示上非常成功，但在商業上卻并不穩定。因為絕大多數用戶并不會頻繁使用AI。很多人只是偶爾問幾個問題，生成幾段文本，然后就關閉應用。

但如果AI成為一種長期在線的“數字助理”，情況就完全不同了。

在這種模式下，AI不再是被動的工具，而是一種持續運轉的服務。它會定期檢查任務、處理信息、更新數據。每一次運行都會消耗計算資源，每一次任務都會產生算力需求。

對于云計算公司來說，這幾乎是一種理想的商業形態。

過去十年，互聯網產業的增長主要來自兩個領域：移動互聯網和云計算。而未來十年，人工智能可能會成為新的算力消費中心。Agent系統的普及，很可能會讓AI從一個偶爾調用的工具，變成一種持續消耗資源的基礎設施。

這也是為什么很多科技公司對這類技術表現出極大興趣。因為它不僅是一種軟件框架，更可能是一種新的產業結構。

不過，在所有這些宏大的產業討論之外，對于普通用戶來說，還有一個更現實的問題：

OpenClaw現在真的有必要安裝嗎？

答案可能并沒有想象中那么簡單。

首先，大多數Agent系統仍然處在非常早期的階段。安裝、配置和維護都需要一定技術基礎。很多網上流傳的教程往往只展示了安裝成功的一刻，卻很少提到后續維護所需要的成本。事實上，一旦系統需要長期運行，就會涉及服務器、模型調用、插件配置等一系列問題。

其次，Agent系統往往意味著持續的計算成本。因為它不是一次性的任務執行，而是長期在線運行。每一次調用模型、每一次執行任務，都需要消耗計算資源。如果沒有清晰的應用場景，很容易出現一種尷尬情況：系統已經搭好，卻不知道真正該讓它做什么。

更重要的是安全問題。Agent系統通常需要較高權限，比如訪問文件、郵箱、聊天記錄甚至各種應用接口。如果配置不當，或者系統存在漏洞，風險可能遠高于普通軟件。一些公開掃描已經發現，大量暴露在互聯網中的實例存在安全隱患，攻擊者甚至可能繞過身份驗證獲取敏感信息。

因此，對于普通用戶來說，與其急著安裝一個復雜系統，不如先理解這項技術真正的發展方向。

因為真正重要的，并不是某一個具體的軟件，而是一種更深層的變化。

在過去幾十年的計算機發展中，大多數軟件都遵循同一種邏輯：

人發出指令，機器執行操作。

而AI Agent正在改變這種關系。

未來很多工作，可能會變成另一種模式：

人設定目標，AI自動完成過程。

這聽起來像是一個細微的差別，但它背后意味著整個數字世界的生產方式可能發生改變。

如果互聯網解決的是信息流動的問題，

如果云計算解決的是計算資源的問題，

那么AI Agent可能正在嘗試解決另一個問題——

讓數字系統具備“執行能力”。

當AI開始自己干活的時候，它就不再只是工具，而開始成為一種新的生產力。

今天的OpenClaw或許還遠遠談不上成熟。很多體驗仍然笨拙、復雜甚至昂貴。但技術發展的歷史往往就是這樣：在最初的階段，人們很難想象它最終會變成什么樣子。

當汽車剛剛出現時，人們只把它當作一匹更快的馬車。

當互聯網剛剛普及時，大多數人只是用它發送電子郵件。

很多真正改變世界的技術，在誕生之初，看起來都并不完美。

OpenClaw真正值得關注的地方，并不在于它現在能替你做多少事情，而在于它讓人們第一次認真思考一個問題：

如果未來的數字世界擁有無數個長期在線的AI代理人，那么人類與技術之間的關系，可能會被重新定義。

當那一天真正到來時，我們或許才會意識到，人工智能真正的革命，并不是它回答問題越來越聰明，而是它開始承擔工作。■

文章來源于“張禮立數字經濟研究”微信公眾號

???????

圖文編輯：張洵

責任編輯：劉菁波