全世界只有中國人在瘋搶"龍蝦" 你不覺得哪裡不對嗎
根據谷歌趨勢（Google Trends）3月22日的數據，中國大陸的OpenClaw搜索指數達到了100，是全球最高
作者：陳永偉
封圖：AI生成
那只叫OpenClaw的“龍蝦”已經火了一陣子了。期間一直有人讓我聊一下“龍蝦”，但我總是覺得在爆火之下有很多地方看不清楚，所以一直未作回應。這幾天，“龍蝦”的輿情熱度終於有所降溫，還是忍不住，決定來錯峰談談“龍蝦”。
“龍蝦”的誕生始末
如果只看各種自媒體的說法，那麼“龍蝦”就是一個飛天遁地、無所不能的AI代理。仿佛只要部署好，它就可以替你寫代碼、做生意、跑公司，而作為“龍蝦”主人的我們，就只用一邊喝著咖啡，看著它們幫自己賺錢好了。那麼，這樣一款近乎全能的神器，又是如何產生的呢？
如果細查“龍蝦”的身世，就會發現它的誕生其實相當潦草。2025年11月，奧地利開發者彼得·斯坦伯格（Peter Steinberger）正在摩洛哥旅行。由於旅行中的網絡很不穩定，很難通過網絡遠程控制自己的電腦工作，於是他想到一個主意：做一個可以連接即時通訊軟件Whats App的AI助理，將它部署在電腦上。這樣，在野外時，他就可以用Whats App對這個助理下指令，讓它來幫助自己在電腦上進行相應的操作。
有了這個點子後，他直接用“膠水代碼”把Whats App連上Claude Code，做成一個簡單的AI智能體。當他向這個智能體發送消息時，智能體就會調用命令行界面進行處理，然後將消息發回Whats App。據說，整個過程只用了一個小時。完成了這個項目之後，斯坦伯格將它命名為Clawbot，然後隨手將其開源到了GitHub上。不料，這個簡單的項目一經發布，就成為了GitHub上的熱門項目。在此後的幾周中，Clawbot在GitHub的星標數就突破了10萬。包括斯坦伯格在內，大量開發者不僅自發對其功能進行了完善，還為它創造了一個龍蝦的迷因（Meme）——這就是“龍蝦”的由來。
但是，“龍蝦”的爆火很快引發了一家公司的不滿，這家公司就是Anthropic。Anthropic認為，Clawbot的各種功能本質上只是Claude的功能放大器，並且其名字也很容易與Claude混淆，因而要求斯坦伯格立即停止侵權。雖然Anthropic的態度看起來十分蠻橫，但其實它的指控也不無道理。當時，Clawbot的能力確實主要來自對Claude模型的調用，甚至由於其自動化運行十分耗費“詞元”（Token），還一度被人戲稱為“Claude成癮者”（Claudoholic）。而其能力的實現，幾乎完全依靠Claude Code的代理生成和代碼修復功能，因此說其只是Claude的套殼也確實不為過。迫於Anthropic的壓力，斯坦伯格不得不放棄與Claude的深度綁定，將原本只支持Claude模型，改為支持多種AI模型，還將Clawbot的名字改成了Moltbot。
由於Moltbot這個名字十分拗口，不久之後，斯坦伯格又將它改為OpenClaw。誰料，這一原本被迫的調整，卻意外轉動了OpenClaw的命運齒輪。由於OpenClaw開始支持多模型，這款智能體很快引起了多家AI公司（尤其是中國AI公司）的興趣，它後來的流行，很大程度上就得益於這些公司的推波助瀾。而名字裡的那個Open，則為斯坦伯格迎來了OpenAI的橄欖枝。不久之後，他就接受薩姆·奧特曼（Sam Altman）的邀請，入職了OpenAI。
“龍蝦”是什麼？不是什麼？
通過上述對OpenClaw產生史的簡要回顧，我們不難看到，OpenClaw本質上就是在用戶的計算機與AI大模型之間的一個代理層，自身其實沒有什麼能力。自媒體上所看到的各種能力，歸根到底還是來自大模型，它能做的，只是幫助人去調動這些模型。所以，一個“龍蝦”厲害不厲害，還是要看接入它的模型到底怎麼樣。事實上，在被迫與Claude“分手”之後，就有很多用戶反映，OpenClaw在調用別的模型時能力大不如前，其原因，就是它後來調用的模型在能力上與Claude存在較大差距。
當然，如果像一些人那樣，認為“OpenClaw只是一個殼，本身毫無意義”，這也不客觀。作為一個代理，它仍然可以幫助人們做到很多在直接調用大模型時難以實現的功能。
首先，由於Open Claw可以部署在本地，所以在獲得權限的前提下，它可以直接對本地電腦進行操作，並對硬件進行管理，這就好像讓AI智能體長出了手腳。相比之下，AI大模型以及部署在雲端的智能體（如早期的Manus），則即使再聰明，也對本地硬件鞭長莫及。需要指出的是，這種操作本地硬件的便利也是有代價的，這意味著它可能帶來的風險也更高。而相比之下，通過雲端調用大模型，或者將智能體部署在雲端，則相當於天然安裝了一個“沙盒”，在安全性上更有保障。
其次，OpenClaw能夠擁有大模型所不具備的長期記憶。在使用大模型時，我們經常會遇到一種情況：在之前的一個對話中，我們對其提出了很多要求，並且在那個對話中，它也照辦了。但一旦換一個對話，它就會完全忘記這些要求，需要我們重新提示。而OpenClaw則構建了一套外部化的長期記憶機制，將用戶偏好、任務結果、錯誤經驗等關鍵內容寫入外部存儲，並在後續任務中將其注入到上下文中。這樣一來，OpenClaw就具備了長期記憶，不用我們反復叮囑。
再次，OpenClaw還可以通過Skill文件不斷擴展能力。所謂Skill文件，可以理解為一份標准化的任務說明，開發者可以把工作流程寫進去，供智能體後續直接調用。由於這些Skill還可以分享和復用，因此一只“龍蝦”學到的新本領，也可以快速復制給其他“龍蝦”。在此基礎上，OpenClaw還能通過任務循環不斷重復規劃與執行，從而持續工作直到任務完成。相比之下，AI大模型則更多只能提供建議，而很難直接完成各項工作。
通過以上分析可以說，如果把AI大模型比作一個顧問，那麼OpenClaw就是一個代理人，更像一個可以交代事務的下屬。你不再需要一步步操作，而是說一句“幫我做一個競品分析”，它就開始自己查資料、整理數據、生成報告。這種體驗確實新鮮，而且在一些場景下確實有效。但問題也恰恰出在這裡：把“可以幹活”誤解為“什麼都能幹”，是關於OpenClaw最常見的誤判。
首先，它並沒有變得更聰明。OpenClaw本身並不包含新的認知能力，能力上限仍然取決於背後的大模型。如果模型本身在推理、理解或生成上存在局限，那麼無論外層的代理結構多麼復雜，最終表現都不會突破這個上限。換言之，“龍蝦”能做到什麼，很大程度上取決於你接入的是哪個模型，而不是它自身“進化”出了什麼新智能。
其次，它會行動，並不等於它真正理解。它確實可以拆解任務、執行步驟，但這種拆解往往是基於語言概率生成的，而不是穩定、嚴謹的規劃能力。因此，在復雜任務中，它很容易走偏，比如重復操作、誤解目標，甚至陷入循環。一旦出現這樣的情況而不及時幹預，那麼用戶除了得到一張金額不菲的詞元費賬單外，很可能無法得到任何有效結果。
再次，它的執行能力並不意味著可靠性。能調用工具，不代表調用正確；能連續運行，不代表每一步都合理。在涉及文件操作、系統命令甚至外部接口時，這種不確定性有時會帶來實際風險。從這個意義上看，它更像一個需要監督的實習生，而不是一個可以完全放手的員工。
“龍蝦”適合誰？不適合誰？
在OpenClaw突然爆火之後，很多人都產生了一種“FOMO心態”（注：FOMO是英文Fear of missing out的簡稱，意為害怕錯失機會），擔心自己不趕緊使用“龍蝦”、學習“龍蝦”就會落伍，也希望通過學習“龍蝦”，盡快讓自己的效率翻倍，甚至掌握所謂的財富密碼。為此，他們不惜花費上千元去安裝“龍蝦”，花費上萬元去聽相關課程。從行為經濟學的角度看，這種FOMO心態並非不可理解。畢竟，已有研究表明，錯失本可以抓住的機會所帶來的痛苦是巨大的，為了規避這種損失，付出一定成本也不能簡單視為浪費。
但是，如果我們拋開這些焦慮情緒，進行更為客觀的分析，就會發現，“龍蝦”其實未必適合所有人。客觀來看，OpenClaw是一種高度“挑人”的工具。它並不像搜索引擎或聊天機器人那樣，幾乎對所有人都“有點用”，而更像一件專業工具——用對了，效率可以成倍提升；用錯了，不僅幫不上忙，反而可能增加負擔，甚至引發風險。
那麼，哪些人更適合“養龍蝦”呢？在我看來，主要包括以下幾類。
首先，是那些工作本身具有明顯流程性的“流程型工作者”。他們的日常工作，並不是在一個單一界面中完成，而是需要不斷在多個工具之間切換，將一系列步驟串聯起來。以電商運營人員為例，他們一天的工作包括查看競品數據、整理關鍵詞、撰寫商品描述、上傳商品、監控轉化率，再根據數據調整策略。這些工作中，每一步都可以用大模型輔助，但真正耗時的，是步驟之間的銜接和重復操作。而OpenClaw的價值，就在於把這些“碎片化操作”整合為一個連續的執行過程。有了OpenClaw，他們不再需要逐個點擊，而是可以定義一個目標，讓系統自動完成整個流程，從而大幅提升效率。
其次，是近年來興起的“一人公司”（One Person Company，簡稱OPC）或微型團隊。這類人群面臨的核心問題從來不是想法不足，而是“手不夠用”。在現實中，他們往往需要同時承擔產品、內容、營銷、客服等多重角色，時間很快被消耗殆盡。而OpenClaw的意義，就在於將“規模問題”轉化為“調度問題”。借助OpenClaw，他們不再需要通過招人來擴張，而是通過設計流程、調用多個智能體來擴展能力。例如，內容創作者可以讓“龍蝦”負責信息抓取、素材整理、初稿生成，再由自己進行最終把關；獨立開發者則可以讓它自動運行測試、修復簡單bug，甚至完成部分部署流程。在這些場景中，OpenClaw都可以有效地將原本需要多人協作的工作壓縮到一個人可以調度的范圍內，而用戶只需充當管理者的角色。
再次，是那些本就具備一定技術能力或自動化思維的人。對於程序員、數據工程師，甚至熟悉腳本工具的用戶來說，OpenClaw更像是一種“能力放大器”。他們原本就可以通過腳本實現自動化，只是需要投入時間編寫邏輯、處理異常，而現在，這些工作可以部分交由智能體完成。例如，以前需要自己編寫腳本去抓取網頁、解析數據、生成報告，現在可以先讓OpenClaw運行一版，自己只需在關鍵環節進行調整。這類用戶的優勢在於，他們清楚哪些環節可以自動化、哪些必須人工幹預，因此能夠更好地發揮OpenClaw的價值。
如果將這些人群抽象出來，會發現一個共同點：他們的工作是可以被“流程化描述”的。他們清楚自己要做什麼，以及應當如何一步步完成。只要這兩個問題明確，OpenClaw的能力就可以得到充分發揮。
按照這一思路，我們也可以反過來理解OpenClaw不適合哪些人群。
首先，是那些以“問題定義”為核心的工作者，例如學者、戰略顧問、創意工作者。這類工作的難點不在執行，而在於不斷重構問題本身。他們今天的研究方向，可能在明天就被推翻；一個創意方案，也往往需要反復試探與直覺判斷。在這種情況下，他們很難預先設計出一套穩定流程，而缺乏流程，Open－Claw便難以發揮作用。盡管從理論上看，它可以幫助完成查資料、寫初稿等工作，但帶來的價值增量並不顯著，甚至可能為負——因為這些“雜活”本身，往往也是靈感的重要來源，一旦被自動化，反而可能抑制思考。
其次，是那些任務本身較為簡單或低頻的用戶。例如日常寫郵件、做簡單匯報、查資料，這些任務使用普通大模型已經足夠，而且更直接、更可控。引入OpenClaw，反而需要額外的配置、調試與監控成本。
再次，是那些缺乏流程化思考能力的用戶。很多人以為，只要告訴AI“幫我做好一件事”，它就會自動理解並執行。但現實是，如果目標模糊、約束不清，OpenClaw往往會以一種“看起來很努力”的方式不斷嘗試，卻始終不得要領。例如，如果我們只是籠統地告訴OpenClaw“幫我做一個市場分析”，卻沒有明確范圍、數據來源和輸出形式，它就可能耗費大量詞元，抓取大量無關信息，最終生成一份冗長卻缺乏洞察的報告。
在很多自媒體上，都有一種流行說法，認為“龍蝦”是一種能力的平權工具，有了“龍蝦”，所有人都可以平等地掌握強大的AI能力。但通過上述分析可以看到，這種說法並不准確。實際上，“龍蝦”更像是一種能力篩選器，它會把人群分為兩類：一類是能夠將復雜工作拆解為流程的人，另一類是依賴直覺與經驗卻難以將流程外化的人。前者會覺得“龍蝦很好用”，後者則可能覺得“不過如此”。這並不是工具對不同人公平或不公平，而是因為它本身建立在流程化的前提之上。理解了這一點，我們就可以根據自身需求來判斷是否“養蝦”，而不至於在FOMO情緒驅動下花費不必要的成本。
“龍蝦熱”：元宇宙狂歡2.0？
如果我們觀察一下最近關於“龍蝦”的輿情，就會發現一個現象：在對“龍蝦”的態度上，世界各地存在顯著差異。根據谷歌趨勢（Google Trends）3月22日的數據，中國大陸的OpenClaw搜索指數達到了100，是全球最高。緊隨其後的中國香港、新加坡、韓國和印度，搜索指數都明顯低於中國大陸。一直作為AI創新前沿的美國，對OpenClaw的搜索指數也僅為9。歐洲國家對“龍蝦”的態度則更為冷淡，英、法、德等國的相關搜索熱度都處於較低水平。在歐洲各國中，唯一對“龍蝦”表現出較高興趣的是奧地利，不過，這種熱度主要應歸因於它是“龍蝦之父”彼得·斯坦伯格的母國。
從輿情內容來看，各地也呈現出明顯差異。在中國，關於OpenClaw的討論主要集中在如何將其從“極客工具”轉變為“國民應用”，以及如何借此盈利；在美國，相關討論則更多集中在使用OpenClaw替代傳統SaaS工具等相對專業的問題上；至於歐洲，其對OpenClaw的關注則更多側重於合規問題，以及如何應對由此引發的隱私與數據泄露風險。
值得注意的是，這種現象並非偶然。僅在過去幾年中，就曾多次出現類似的輿情敘事中外有別的情況。其中最具代表性的，就是元宇宙敘事。當時，元宇宙概念在國外雖也較為熱門，但真正全力投入的，只有Meta等少數巨頭，其余多為“幣圈”參與者在助推熱度。而在國內，則出現了一股元宇宙的全民狂歡。不僅互聯網“大廠”紛紛下場，地方政府也競相出台相關規劃。將“龍蝦”熱與元宇宙熱對比，就會發現，此時此刻，恰如彼時彼刻。
如果進一步比較這兩場重大敘事的推動者，就會發現，無論是驅動主體還是動機，都具有相似性。在這兩股熱潮中，主要的推動力量大致包括以下幾類：
首先是互聯網“大廠”。在幾年前，中國互聯網“大廠”就是元宇宙敘事的積極推動者，而今天，它們同樣是“龍蝦”熱的重要推手。其原因也十分相似：當年它們推廣元宇宙，主要是為了帶動雲服務的發展。畢竟，元宇宙建設需要大規模算力，而中小企業難以自行獲取，只能依賴“大廠”的雲服務。而在當下，“龍蝦”的運行同樣依賴大模型，這再次為“大廠”推廣雲服務、銷售詞元提供了機會。
當然，相較於元宇宙時期，如今“大廠”推動“龍蝦”還多了一層目的，即爭奪入口與用戶數據。在數字經濟時代，用戶入口和行為數據是核心資源，而現有互聯網生態中，這些入口集中在少數超級應用手中。OpenClaw的出現，為“大廠”提供了一種新的路徑：如果讓用戶將其直接部署在終端設備上，並由企業在後台提供模型服務，那麼就有可能通過這只“蝦”重新獲取入口控制權。從這個意義上看，“龍蝦”之爭不僅是詞元市場的競爭，也是入口之爭。
其次是地方政府。在本輪“龍蝦”熱的興起過程中，地方政府扮演了重要角色。實際上，當“龍蝦”尚停留在極客圈時，正是兩地政府發布扶持相關產業的政策文件，將其迅速推入公眾視野。類似情況，在當年的元宇宙熱潮中也曾出現。地方政府之所以願意扮演這一角色，原因也較為明確：在當前經濟環境下，尋找新的增長點、穩定就業，是重要任務。在此背景下，像元宇宙、OpenClaw這樣兼具技術想象力與投資帶動效應的事物，自然容易成為政策關注的重點。尤其是OpenClaw及其相關的OPC等概念，還可以在一定程度上滿足創造就業與擴大稅基的目標，因此更容易獲得支持。
再次是硬件制造商，其中最具代表性的是黃仁勳。無論是在元宇宙熱潮，還是在本輪“龍蝦”熱中，他都扮演了重要角色。原因其實並不復雜：英偉達作為算力基礎設施提供者，是典型的“賣鏟人”，只要算力需求增長，就能夠受益。因此，對於任何高算力消耗的技術敘事，其都有動力予以推動。從這個意義上說，無論是元宇宙，還是“龍蝦”，對它而言都不僅是技術趨勢，更是現實的商業機會。
綜合以上分析可以看到，與當年的元宇宙敘事類似，“龍蝦”熱的主要推動者各自都有明確目標，因此，其所構建的敘事難免帶有一定的營銷與放大成分。
但這是否意味著我們不應重視“龍蝦”？在我看來，答案是否定的。從技術發展的角度看，適度的市場熱度往往是創新的重要催化劑。如果缺乏關注與資金支持，技術研發往往難以持續推進。即便最終形成一定泡沫，從整體成本收益來看，也常常是可以接受的次優路徑。正如元宇宙熱潮所留下的遺產——算力基礎設施與AI人才儲備，最終反而成為大模型發展的重要支撐。從這一角度看，即便當前“龍蝦”熱存在一定炒作成分，也仍然構成一個值得重視的市場契機。
尤其值得注意的是，在此前的“百模大戰”中，各大模型供應商的激烈競爭導致詞元價格大幅下降。目前，中國大模型的詞元價格已顯著低於國外競品。這種價格競爭在短期內利好用戶，但從長期看，卻壓縮了企業利潤空間，限制了研發投入。而“龍蝦”的出現，則為企業打開了一種新的需求場景，有助於緩解這一內卷局面。
通過以上討論可以看到，“龍蝦”熱雖然包含炒作成分，但整體上仍然是一個具有潛在價值的機會。對於這一現象，更合理的態度應是既不過度追捧，也不過度否定，而是保持理性判斷。具體而言：
對一般用戶來說，如果有機會嘗試“養蝦”，當然值得一試；但如果沒有，也不必因此產生過強的FOMO情緒，仿佛會錯過下一輪技術浪潮。事實上，在當前階段，大多數人並不需要依賴智能體系統來完成日常工作，OpenClaw也並非剛需。如果考慮使用OpenClaw提升效率，不妨先問自己：自己的工作是否可以被拆解為穩定流程？是否存在大量跨工具的重復操作？如果答案是否定的，那麼與其投入大量時間學習和調試，不如繼續使用更直接的大模型工具，或者幹脆再等等，等待技術進一步成熟。
對AI企業而言，這一輪熱潮反而提供了一個難得的窗口。OpenClaw之所以引發關注，並不是因為其已經足夠成熟，而是因為它展示了一種明確方向：用戶開始需要“能夠執行任務的AI”。但與此同時，其現有形態也暴露出不少問題，比如部署復雜、穩定性不足、權限控制粗糙以及安全風險較高。這些問題，恰恰也是企業可以發力的空間。與其簡單跟風推出“某某Claw”，不如在底層能力上做文章，例如降低使用門檻、提升執行可靠性、完善權限與沙箱機制。真正有價值的，不是做出更多“龍蝦”，而是做出更可用、更可控的產品。
而從政府角度看，則更需要保持克制。扶持新技術、培育增長點固然重要，但如果在技術尚處早期階段就過度押注，可能放大不確定性並導致路徑依賴。更合理的方向，是加強基礎能力建設，例如完善算力基礎設施、促進數據要素流通、推動標准與安全規范的建立，為不同技術路徑提供公平競爭環境。同時，也需要前瞻性地思考智能體帶來的新問題，如自動執行中的責任界定、數據訪問邊界以及潛在安全外部性。在這樣的框架下，政策的重點不應是簡單“扶持龍蝦”，而應是構建一個有利於多種技術形態演化的制度環境。
總而言之，無論是個人、企業還是政府，在面對“龍蝦”熱時，都應保持理性：既不因熱度而盲目跟隨，也不因不確定性而輕易否定。唯有如此，才能使這場“龍蝦”熱成為一次真正的機會，而不是又一輪泡沫。
覺得新聞不錯，請點個贊吧
還沒人說話啊，我想來說幾句| 分享: |
| 注： |
