兩個月了，是時候給OpenClaw下個定義了

兩天前，一只“紅色龍蝦”悄悄爬上了微博。

但在此之前，它早已是風暴中心。

從1月開源，到被Anthropic指控、被迫更名、被冒名頂替，再到被OpenAI“招安”轉為基金會運營——OpenClaw折騰了整整兩個月，才終于以官方身份進入中國開發者視野。

可國內的網友哪等得了官方。

打開B站抖音小紅書，滿屏“保姆級教程”，有人喊著“學會月入幾十萬”；電商平臺上，手把手教部署已成百元生意。奇怪的是，每個視頻評論區幾乎都在問同一個問題：裝好了，然后呢？它能干嘛？

一邊是普通用戶對著終端一臉茫然，程序員對著飛速燃燒的token心痛不已；另一邊，云廠商的服務器卻賣斷了貨。

兩個月了，是時候給OpenClaw下個定義了。

01

用戶們的“算力黑洞”，模型與云廠商的“庫存救星”

過去兩個月，不知道多少人看著鋪天蓋地的OpenClaw宣傳而心動。

但當你點開那些保姆級教程，準備親手部署一個AI助手時，遇到的第一個門檻，是教程永遠解決不了的：

硬件不夠用。

和ChatGPT那種無狀態的網頁問答不同，OpenClaw是一個全雙工、有狀態、需要環境沙箱的守護進程。還記得它剛誕生時人們對它的描述嗎？一個7×24小時在線的助手。

這意味著，它必須時刻監聽飛書、釘釘的消息接口。

意味著，這兩個月里爆出的安全問題，逼著靠譜的教程都讓你把它跑在Docker容器里——單獨打包一套運行環境，內存占用之大，可想而知。

更意味著，它自己啥也干不了。必須掛載底層大模型，再配上各種技能插件，才能真正干活。而每多開一個插件，就多一個線程在背后悄悄燒你的資源。

對普通用戶來說，OpenClaw就是一個算力黑洞。家用電腦配置不夠，一關機就失聯；想讓它真的7×24小時在線，只能去租云服務器。

于是，OpenClaw爆火那幾天，各大云廠商的輕量服務器被一搶而空。

但對云廠商來說，OpenClaw的意義遠不止“多賣幾臺服務器”——它是一場久旱逢甘霖。過去一兩年，大模型訓練需求旺盛，但推理側的算力消耗一直沒起來。大企業自建機房，中小企業上云不及預期，那些低配輕量服務器壓在倉庫里，賣不出去。而OpenClaw這種吃算力、吃內存、需要永遠在線的應用形態，正好成了消化庫存的完美出口。

對模型廠商來說，OpenClaw更是一場瞌睡遇著枕頭。國產大模型們空有API調用能力，卻始終找不到一個能穩定消耗Token的C端場景——春節讓大家下載APP薅完羊毛就卸載，不是長久之計。而OpenClaw的Agent邏輯，天然就是Token粉碎機：完成一個任務，要和模型交互幾十上百次，消耗數以萬計的Token。用開源社區的項目，養自家模型的調用量，這筆賬怎么算都劃算。

所以，回頭看這兩個月鋪天蓋地的吹捧，表面上是賣課的在狂歡，背后則是云廠商和模型長商的推波助瀾。

OpenClaw不只是一款應用，它是用戶的算力黑洞，是云廠商的庫存救星，更是模型廠商的Token盛宴。

02

“龍蝦”爬進對話框，微信、QQ、飛書們或將開始消亡

如果僅從營銷泡沫的角度審視OpenClaw，很容易得出“這款軟件在功能層面并不成功”的結論。

當然，這并不客觀。事實上，OpenClaw在技術架構上確實做到了里程碑式的突破：它的長成過程，也或將是微信、QQ、飛書們消亡的過程。

人們對聊天機器人并不陌生。

企業微信早早開放了機器人API，QQ機器人更是已經成為系統功能。但這些機器人有一個共同的系統性痼疾：生態割裂。

國內的QQ、飛書，國外的Discord、WhatsApp，采用完全不同的開發框架。A平臺的機器人，搬到B平臺必須重寫代碼；為C平臺開發的技能，在D平臺只能望洋興嘆。每一個機器人都是孤島，每一次跨平臺遷移都是一次從零開始的重建。

這種架構割裂的根源在于：所有IM機器人都被鎖定在各自的API里，開發者不是在為AI開發，而是在為某一個IM平臺開發。

OpenClaw不一樣。

它基于Anthropic提出的MCP協議，將Agent拆解成三個標準化層級：

●Core（核心層）：負責調用底層大模型，實現推理與規劃。這是AI的大腦，與任何IM平臺無關。

●Adapter（適配層）：連接不同IM平臺的橋梁。OpenClaw將所有消息收發抽象為統一事件——無論是QQ、微信還是飛書，輸入輸出都是標準格式。平臺差異被封裝在這一層，之上的邏輯完全不必關心對面是哪個IM。

●Skill（技能層）：執行具體任務的模塊。基于標準化接口，一套Skill寫好之后，可以在所有支持的IM平臺上直接復用，無需修改一行代碼。

這套架構的本質，是第一次將AI能力與IM平臺徹底解耦。

從此，開發者不再為“微信開發一個機器人”“為飛書再開發一個機器人”，而是為OpenClaw開發一套技能，然后讓它自動跑在所有IM里。

這意味著用戶無論打開微信、QQ還是飛書，面對的都是同一個AI助手：擁有同樣的記憶、同樣的技能、同樣的對話上下文。今天在微信上沒聊（做）完的事，明天可以在飛書上接著聊（做），AI無縫銜接。

更關鍵的是，當所有IM都成為AI的入口，用戶選擇IM的邏輯將發生根本性逆轉。

過去，IM是關系的容器，是生態的護城河。你留在微信，是因為朋友都在這里；你打開飛書，是因為工作強制要求。IM平臺掌握著用戶的入口，AI只是寄居其上的附庸。

但當AI真正實現跨平臺無縫漫游，入口的權重開始向AI傾斜。用戶不再關心“我在哪個IM里和AI對話”，只關心“我的AI能不能隨時隨地找到”。IM逐漸退化為單純的顯示器和麥克風，管道化了。

歷史上，電信運營商經歷過這一幕：當微信出現，短信和通話被架空，運營商淪為“管道”。今天，這一幕可能在IM身上重演：當AI跨過所有IM平臺的邊界，真正實現“一次接入、處處可用”，IM的護城河里流著的，將不再是用戶的關系鏈，而是AI的對話流、工作流。

03

隱秘戰爭中，沒有BAT

OpenClaw這把火，國內AI大廠當然坐不住。但沖在最前面的，不是BAT。

翻翻這個賽道的主力名單——月之暗面、MiniMax、階躍星辰、DeepSeek——會發現一個事實：在這場戰爭里，BAT不再是當然的主角。

一場隱秘的權力更迭，正在發生。為什么會這樣？

要回答這個問題，需要先理解OpenClaw這類Agent的底層商業邏輯。

這類產品有一個內在特性，可以稱之為“智能體循環”。與傳統大模型的一次性問答不同，Agent為了完成一個任務，必須走一套復雜的遞歸流程：拆解任務→搜索網頁→閱讀材料→發現信息不足→再次搜索→調用工具→信息反饋……

在這個過程中，Agent與底層大模型的交互次數從幾十次到上百次不等，單次任務消耗的Token數以萬計。如果用GPT-5.2、Gemini-3.1 Pro這些高端模型，一次復雜任務的推理成本可能直接飆到幾十美元。這也正是OpenClaw被吐槽“燒錢”太快的根本原因。

但在中國，這個“燒錢”的痛點，恰恰轉化成了新玩家的商業機會。

機會的構成有兩端。供給端，國產大模型公司經過兩年廝殺，已經把Token價格打到了地板價，但始終缺少一個能夠穩定消耗Token的C端場景——春節讓大家下載APP薅羊毛，薅完就卸載，不是長久之計。

需求端，OpenClaw這類產品天然需要海量Token來跑通工作流，但調用國外模型成本太高，根本跑不起規模。一邊是空有算力待釋放的供給，一邊是嗷嗷待哺的消耗需求，中間的缺口，恰好被國產模型廠商用“一鍵部署版”OpenClaw填上了：他們用自研產品降低使用門檻，用廉價模型拉低運行成本，一套組合拳下來，一個完美的商業閉環跑通了。

數據證明這條路能跑通。OpenRouter統計OpenClaw底層大模型API調用量，排第一的不是OpenAI，也不是Google，更不是BAT，而是月之暗面的Kimi K2.5、是MiniMax M2.5、階躍星辰Step 3.5 Flash和DeepSeek V3.2。

在這個AI能力嚴重溢出的時代，OpenClaw的意外走紅，給國產大模型指明了一條差異化賽道：Agent的運行邏輯決定了它是高Token消耗、高頻交互的場景。在這個賽道里，能不能追平OpenAI的SOTA水平已經不是決定性因素——極致的性價比，才是真正的核心競爭力。

而性價比的戰爭，從來不是巨頭的專利。

當年BAT靠搜索、電商、社交筑起護城河，護城河里流淌的是用戶關系、是交易閉環、是內容生態。但今天這條新賽道的核心要素——算力成本控制、模型推理效率、開源生態運營——恰恰是月之暗面們過去兩年一直在打磨的能力。當游戲規則從“誰的用戶多”轉向“誰的Token便宜”“誰的code好用”，牌桌上的玩家自然換了面孔。

隱秘戰爭中，沒有BAT。

04

結語：舊世界，再也回不去了

三年前ChatGPT 3.5剛問世時，沒幾個人相信它會改變世界。

今天OpenClaw破圈之后，更多的人卻在問同一個問題：“我拿它干嘛？”

這一幕似曾相識。大語言模型走過的路，OpenClaw正在重走一遍：極客們看見了改變世界的潛力，普通人只感到迷茫和疏離——技術先行一步，需求原地踏步。這是典型的技術過剩階段，所有革命性產品都要穿越的無人區。

歷史一再證明這個規律。亨利·福特問人們想要什么，答案是一匹更快的馬；喬布斯發布iPhone時，人們質疑沒有物理鍵盤怎么打字。我們總是習慣忍受繁瑣的現狀，卻想象不出被自動化重構后的生活。

路還沒修好，OpenClaw已經在強行造車。

但歷史同樣證明，一旦體驗過坐在車上不用走路的感覺，就再也回不去了。