你電腦里養(yǎng)的“龍蝦”，其實在給大廠打黑工

　　這兩天和國內兩個朋友通電話，他們不約而同提到了同一個詞——“龍蝦”。

　　一個問我：“你養(yǎng)龍蝦了嗎？”另一個說：“你知道嗎，現(xiàn)在國內很多人都在養(yǎng)龍蝦。”

　　我有點意外。

　　龍蝦，我熟悉。一個多月前，我就寫過一篇關于“龍蝦”的文章，當時算是比較早觸及這個話題的。前段時間我也認真研究過部署方法，甚至一度準備動手試試。但出于安全方面的考慮，最后還是沒有真的裝。

　　沒想到短短一個多月，這件事在國內已經(jīng)火到這種程度。

　　深圳騰訊總部樓下排隊裝OpenClaw的新聞、抖音上“全民養(yǎng)龍蝦”的視頻，還有各種教程、截圖、曬Agent任務的帖子，幾乎一夜之間就刷滿了社交媒體。

　　所謂“養(yǎng)龍蝦”，其實是國內網(wǎng)友對AI Agent的一種戲稱。很多人把像 OpenClaw 這樣的智能體部署在自己的電腦或服務器上，讓它長期運行，自動執(zhí)行各種任務。因為這些程序往往在后臺不停工作，像活物一樣喂數(shù)據(jù)、做事情，于是被網(wǎng)友形象地稱為“養(yǎng)龍蝦”。

　　很多人會把這件事理解為一場技術浪潮。但如果只從技術角度去解釋，其實是不夠的。

　　真正有意思的問題是：為什么這種事情，總是最先在中國變成一種社會現(xiàn)象？

　　回頭看中國互聯(lián)網(wǎng)二十多年的歷史，你會發(fā)現(xiàn)一個很穩(wěn)定的規(guī)律。每一次新技術出現(xiàn)，中國用戶都會迅速涌進去試一試。從早年的MP3、安卓刷機，到后來微信紅包、抖音濾鏡，再到AI繪畫、ChatGPT，幾乎每一波技術浪潮都會在中國形成一種類似全民實驗的氛圍。

　　很多人下載一個新應用、部署一個新工具，并不是因為馬上有實際用途，而是因為一種很微妙的心理：如果別人都在用，而自己不會用，好像就落后了一步。

　　OpenClaw恰好擊中了這種情緒。

　　這種技術焦慮，在今天的AI時代變得更加明顯。

　　過去幾年，AI一直停留在一種比較抽象的形態(tài)里——聊天、寫作、畫圖。很多普通人覺得它很厲害，但又很遙遠。

　　OpenClaw帶來的變化，在于它讓AI看起來第一次真正會干活。

　　你給它一個任務，它會自己拆解步驟，去搜索信息、調用軟件、整理結果，然后再把結果交給你。雖然很多時候還很笨拙，但那種感覺已經(jīng)不一樣了。

　　這種變化對普通人的沖擊其實非常大。

　　中國社會對效率有一種非常強烈的崇拜。八十年代有句廣為流傳的口號：時間就是金錢，效率就是生命。從中可見，中國人對效率的執(zhí)念。只要一項技術被證明可以幫你多快好省賺錢，它很容易迅速獲得關注。中國人講究實用，不玩虛的。

　　不像歐美用戶那樣，先討論倫理，再決定用不用，這個過程可能要很久。這雖然保護了個人權利，但也常被批評為監(jiān)管過度導致創(chuàng)新遲滯。

　　中國人的習慣是先用，再看。

　　無論是移動支付還是現(xiàn)在的生成式 AI，中國企業(yè)更擅長直接把產品推向市場，通過億萬用戶的真實反饋來快速修正。

　　倫理討論可以先上車后買票，隱私泄露、算法歧視等問題出現(xiàn)后，再通過行政手段或快速立法來打補丁。

　　比如3月10日，國家互聯(lián)網(wǎng)應急中心就發(fā)布了關于OpenClaw安全應用的風險提示。此前，工業(yè)和信息化部網(wǎng)絡安全威脅和漏洞信息共享平臺也發(fā)布過相關的安全風險提示。

　　這些都相當于打補丁。這事，中國人做起來很在行，輕車熟路。

　　就在今年，這種差異在AI（通用人工智能）領域體現(xiàn)得尤為明顯。在歐美，公眾還在為AI 是否擁有意識、數(shù)據(jù)版權的法理溯源爭論不休，甚至因此限制某些模型的公測。

　　而中國已經(jīng)在嘗試將 AI 大模型深度嵌入縣域治理、電商直播和工業(yè)制造。

　　在這種文化環(huán)境里，Agent技術幾乎天然具有吸引力。

　　但這還不是全部原因。

　　中國互聯(lián)網(wǎng)還有一種很獨特的文化，折騰。

　　很多技術在其他國家是專業(yè)工具，在中國卻會變成一種大眾愛好。路由器刷機、自動化腳本、智能家居，這些東西在國內一直有非常龐大的用戶群體。很多人使用技術的樂趣，并不只是效率，而是過程本身。

　　OpenClaw在某種意義上正好繼承了這種傳統(tǒng)。它既是AI工具，也是一個新的折騰玩具。

　　你可以給Agent起名字，讓它自動跑任務，看它一步步嘗試、出錯、修正，像養(yǎng)一個半成品的數(shù)字助手。于是技術工具慢慢變成一種游戲，一種參與感很強的社會行為。

　　當這種行為進入短視頻平臺之后，傳播速度就會突然加快。

　　中國的社交媒體有一種很典型的擴散路徑，技術圈的東西一旦進入抖音，就會迅速變成一種梗。人們開始曬截圖、錄視頻、互相模仿，一個原本屬于極客社區(qū)的工具，很快就會變成一種全民話題。

　　“養(yǎng)龍蝦”就是這種傳播機制的產物。

　　中國互聯(lián)網(wǎng)還有一個獨特現(xiàn)象，那就是工程師文化非常普及。中國程序員總數(shù)去年已經(jīng)突破940萬，當之無愧的世界第一。程序員多，技術社區(qū)極其活躍。很多技術擴散路徑是，從程序員到同事，再到家人。所以經(jīng)常會出現(xiàn),，程序員先玩，普通人跟進。

　　這次“養(yǎng)龍蝦”也是這種模式。

　　另外，中國是全球唯一一個同時擁有三種條件的國家：最大的互聯(lián)網(wǎng)用戶規(guī)模、極其活躍的開發(fā)者社區(qū)，以及低廉的AI推理成本。

　　截至2025年12月，中國網(wǎng)民規(guī)模已達到11.25億人，互聯(lián)網(wǎng)普及率達80.1%。

　　低廉的AI推理成本這一點值得多說幾句。

　　很多人討論AI時，習慣關注模型能力，比較誰更聰明、誰參數(shù)更多。但真正決定AI能否普及的，其實是成本。

　　過去兩年，大模型的主要使用方式是聊天。一個人一天可能問十幾次問題，這樣的使用頻率，對算力的消耗其實非常有限。

　　2026年，阿里、字節(jié)、騰訊三家加起來，預計要在算力上砸四五百億美元。數(shù)據(jù)中心里有成千上萬張AI加速卡，如果缺少足夠的調用需求，這些昂貴的設備就會處于低利用率狀態(tài)，消耗電力、產生折舊，卻無法產生相應收入。

　　ChatGPT爆紅之后，大模型最常見的使用場景其實只是聊天。用戶偶爾讓AI寫封郵件、畫張圖、做個短視頻，這類輕量級任務消耗的Token非常有限。對于那些已經(jīng)投入巨額資金建設算力中心的大廠來說，這樣的使用強度遠遠填不滿服務器的負載。它們真正需要的，是一種能夠持續(xù)運行、自動調用模型的應用形態(tài)，一個可以不斷吞噬Token的怪物。

　　這時候，“龍蝦”就來了。

　　一個Agent在執(zhí)行任務時，會不斷向模型發(fā)起請求：理解任務、拆解步驟、搜索信息、調用工具、檢查結果、再進行下一輪推理。一個復雜任務跑下來，調用次數(shù)可能是普通聊天的幾十倍甚至上百倍。

　　換句話說，Agent本質上是一種持續(xù)燃燒算力的機器。

　　對于大廠來說，真正的暴利不僅僅是賣 Token 的錢。

　　當幾百上千萬個“龍蝦”在全中國的電腦里跑任務時，它們其實在幫大廠做一件最值錢的事：收集真實的、非結構化的、跨軟件的交互數(shù)據(jù)。這種數(shù)據(jù)是訓練下一代更強模型的“原油”。大廠提供廉價的算力，換取了全社會幫它標注任務流程。

　　如果你養(yǎng)的“龍蝦”習慣了調用某個大廠的模型 API，你就會產生路徑依賴。當所有人的辦公、搜索、創(chuàng)作都建立在一個生態(tài)的 Agent 體系之上時，大廠就成了這一行業(yè)的收費站。

　　再過一段時間，當你完全離不開 Agent，且 Agent 的調用量達到一定規(guī)模時，大廠可以通過輕微的策略調整，比如提升 Token 的單位價格，或者控制 Agent 的推理質量，從這個巨大的算力網(wǎng)絡中提取租金。

　　在過去的十來年，大廠們做這些事可不是一次兩次了。

　　所以你明白為啥大廠們最近如此賣力推廣了吧？

　　和中國的這種成本優(yōu)勢和生態(tài)優(yōu)勢相比，即便是美國，也自愧不如。至于其他國家，就更不夠看的了。

　　拿美國來說，普通居民用戶用電價格明顯比中國貴。2026年全美居民平均電價約為0.17 - 0.20 美元/度（約1.2 - 1.4 元人民幣），幾乎是中國平均水平的2 到 3 倍。在加州或東北部（如麻省、紐約），居民電價甚至可能高達0.30 美元/度以上。

　　假如每次運行任務都要消耗昂貴的API費用，如美國這樣的國家，普通用戶是很難長期使用的。但是世界上，AI發(fā)展最好的就是中美兩國，美國用戶用不起Agent，那只能眼睜睜看著中國人用得飛起。

　　除了普通人用電便宜，中國還有一些其他特殊優(yōu)勢。

　　過去兩年，中國大模型廠商之間展開了異常激烈的價格競爭。國產模型的API調用價格，普遍只有海外同類模型的幾分之一。與此同時，中國的數(shù)據(jù)中心擁有更低的電力成本，更靈活的硬件配置。甚至有廠商直接使用消費級顯卡跑推理。

　　這些因素疊加在一起，讓AI推理在中國變得特別便宜。

　　當成本降低到某個臨界點之后，一種技術就會突然從專業(yè)工具變成大眾玩具。很多人部署OpenClaw，并不是因為已經(jīng)有明確需求，而是因為試一次的成本幾乎可以忽略不計。誰會在乎那幾分錢的電費呢？

　　這也是為什么，“龍蝦熱”首先在中國出現(xiàn)。

　　不過，這場全民養(yǎng)龍蝦的熱潮，也開始暴露出一些新的問題，這也是為什么國家頻發(fā)風險提示。

　　有用戶反映，在重度使用情況下，1億Token大約只能支撐一個月，費用接近7000元。更夸張的是，有人遇到OpenClaw任務失控，一夜之間消耗數(shù)億Token，第二天收到數(shù)萬元賬單，欲哭無淚。一名普通用戶跟風部署后，僅做簡單的文檔整理和網(wǎng)頁查詢，一天就燒掉5000萬Token，單個任務消耗8萬Token的情況也并不少見。

　　而在海外市場，類似的風險甚至更加極端。

　　媒體曾披露，一家墨西哥軟件開發(fā)公司因為API Key泄露，被人惡意調用模型接口，最終損失超過8萬美元（約合58萬元人民幣）。

　　還有一個更離奇的例子。OpenAI工程師 Nick Pash 創(chuàng)建的 AI 交易智能體Lobstar Wild，在社交平臺上被人“騙走”了全部資產。

　　有人在X平臺編造故事，說叔叔感染破傷風需要治療費，請求4美元援助。結果這個AI代理不僅相信了，還把自己賬戶中的加密貨幣全部轉出。等交易完成時，轉出去的錢高達25萬美元。

　　所以普通人嘗鮮也是有代價的。尤其是那些小白，更要謹慎部署龍蝦。如果操作不當，它給你帶來的損失，遠大于收益。

　　不過，這些都還只是AI時代真正開幕前的小打小鬧。

　　多年以后回頭看，這一波“龍蝦熱”會被記住。因為它標志著人類與AI的關系發(fā)生了一次根本性的遷徙，從“人去詢問AI”，變成了“人去指揮Agent’。

　　當那些在后臺默默運轉的程序開始替你處理瑣碎的賬單、規(guī)劃繁雜的行程，甚至在互聯(lián)網(wǎng)中為你搜集信息時，AI就徹底摘下了聊天機器人的標簽，開始在后臺真正替人類做事。

　　那是我們與數(shù)字生命建立協(xié)作關系的起點。盡管，現(xiàn)在這一切看起來還那么笨拙、那么混亂。