全民“養龍蝦”背后：“35歲危機”正被AI Agent逆轉 | AI進化論

親愛的讀者，受微信推送規則影響，僅“關注”很可能無法收到推送。按以下圖示將“長江商學院”設為星標，不錯過每一篇精彩文章！

「AI進化論」是長江商學院推出的AI+主題欄目，匯聚全球AI領域的原創洞見、產業實踐及前瞻研判。從技術突破到產業應用，從戰略布局到倫理邊界，在這里，一起與AI同頻進化。

近日，AI智能體OpenClaw（小龍蝦）全網爆火，長江商學院金釗教授分析認為：小龍蝦可能只是一個Agent發展早期的過渡方案，或許很快會被其它開源Agent取代，但它背后的趨勢是真實的。智能體革命的第一波沖擊正從軟件行業開始，但它真正重塑的，是所有依賴知識勞動的行業。對個體而言，現在值得做的不是焦慮，而是找一個具體的工作場景，親自試一試Agent能做什么、不能做什么，建立自己的真實體感。

來源 | 長江商學院MBA

金釗

長江商學院金融學助理教授

核心觀點速覽

? 當前的“小龍蝦”，很可能只是技術早期發展中的中間態。

? 技術的終局，是讓Agent成為可自主行動的“數字勞動者”，重塑所有依賴知識勞動的行業。

? 軟件按人頭收費的邏輯可能被打破，將帶來商業模式的重新定價。

? AI Agent正讓“35歲危機”發生反轉。初級崗位被Agent替代，十余年經驗的資深專家因經驗稀缺而成為核心生產力。

? 軟件市場的門檻被顯著拉低。超級個體的涌現，將讓軟件生態從寡頭格局走向百家爭鳴。

長江MBA “馴龍高手”

OpenClaw實操系列工坊

正式啟動！

首期活動3月14日14:00-17:00在長江北京校區進行，點擊下方小程序報名，一起帶著電腦來，領著龍蝦走！

01

小龍蝦只是開始，

真正的Agent還沒出現

要理解這場革命，首先要打破對大語言模型（LLM）的固有認知。

過去的大語言模型本質上只是一個“大腦”，它擁有強大的上下文理解能力和邏輯推理能力，但它沒有眼睛、耳朵，也沒有手和腳，既無法感知周圍的環境，也無法執行具體的動作。用戶與它的交互，往往停留在“你問，它答”，然后你需要手動去復制、粘貼、執行。

而AI Agent的出現則補齊了這塊短板。現在的AI Agent，相當于給大語言模型這個“大腦”裝上了眼睛、耳朵、手和腳。它不僅能理解你的意圖，還能進行任務規劃，調用外部工具去感知世界并完成復雜操作。 "小龍蝦"（OpenClaw）本質上是一個AI Agent的調度中樞。它運行在用戶自己的設備上，通過聊天軟件接收指令，再調用大模型來理解任務、拆解步驟，最后在本地執行具體操作。它本身不具備智能，必須依附于DeepSeek、Claude或ChatGPT等大模型才能運作。

不過，當前"小龍蝦"這類本地Agent框架，更像是智能體發展早期的先鋒產品。它通過聊天接口接收指令，讓普通用戶第一次體驗到了AI"真正干活"的感覺。但它的穩定性和任務成功率仍有限，且高度依賴用戶的配置和調試能力。

更成熟的路徑已經在展開：行業正在建立一套統一的標準接口，讓AI Agent可以像插USB一樣直接連接各種軟件和數據源，而不是笨拙地模擬人類點擊屏幕。同時，越來越多可復用的專業工作流正在被開發和共享，讓通用AI無需重新訓練就能勝任金融、法律等垂直領域的工作。技術的終局，是讓智能體成為可自主行動的“數字勞動者”，而非一個需要被頻繁喚醒的問答機器。

02

Agent為什么突然變得“能干活”了？

在AI Agent的運作體系中，MCP和Skills作為兩大核心基石，共同構成了其能力體系的關鍵支撐。MCP是Agent的感官接口，我常把它比作電腦的USB接口。過去，軟件是封閉的孤島；現在通過MCP，Agent可以像插U盤一樣連接高德地圖、連接日歷、連接郵件系統等。它讓大模型具備了感知外部世界和操作外部工具的能力。

Skills（技能）則是Agent的專業說明書。過去我們常討論通用大模型與垂直領域模型（如金融、法律專用模型）的分類，但在Agent時代，這種對立正在消融。Skills本質上是一套預設的工作流程Prompt（提示詞工程），是可復用、可共享的數字工作流。

你想讓Agent成為某個領域的專家，不需要重新訓練一個模型，只需要調用那個領域的Skills即可。無論是金融分析師的估值流程，還是律師的判例檢索路徑，只要把這些標準化流程打包成Skills，通用模型就能變身行業專家。

而且，Skills往往是開源的，全球開發者都在持續優化它。這意味著，未來不再需要為每個行業單獨開發昂貴的垂直軟件，調用Skills即可實現專業化。這不僅是技術的演進，更是軟件生產方式的革命。

03

AI Agent會先沖擊哪些軟件？

AI Agent的崛起，不光沖擊了每個個體，現有的軟件巨頭（如Salesforce、Adobe、彭博終端等）等也受到深刻影響。

一個“三層論”分析框架，或許能幫我們看清這場變革的深層邏輯：

第一層

自建層：用戶界面、公共數據解析類軟件將受到直接沖擊

自建層的用戶界面（UI）將首先被顛覆。既然可以直接用自然語言指揮Agent，復雜的軟件界面（如Photoshop或彭博終端的操作面板）將變得冗余。

同時，從非結構化數據中提取信息的能力，是大模型的天然強項，這將直接沖擊萬得（Wind）等數據解析類軟件。

第二層

侵蝕層：數據記錄系統與高精度執行工具在一段時期內不會被替代

對于低精度的執行工具如簡單的P圖、基礎代碼編寫，Agent將迅速替代。對于企業數據記錄系統如ERP、CRM，雖然短期內數據遷移有風險，但長期來看，隨著Agent在企業內部的深度部署，業務數據將逐步沉淀到Agent的工作流中。

第三層

依賴層：擁有專有數據、網絡效應與物理交易的軟件，長期有護城河

這是目前Agent難以觸達的領域。擁有核心專有數據如抖音的推薦算法數據，強網絡效應如微信的社交關系鏈，以及涉及物理世界交易的軟件如支付、物流等，短期內仍具有護城河。

但即便如此，定價權的遷移已悄然發生。傳統的SaaS軟件按人頭收費，但如果一個Agent能頂10個初級員工，企業裁員了90%，還需要買100個席位的軟件嗎？當效率被指數級提升，企業對軟件的支付意愿必然重構。這不僅是成本問題，更是商業模式的重新定價。

資本市場早已嗅到這一趨勢。2026年年初，隨著多家AI公司發布Agent產品，標普500軟件與服務板塊出現明顯震蕩，部分SaaS企業市值縮水超30%。這些信號都在提醒我們：變革不是未來時，而是進行時。

04

“35歲危機”正被AI Agent逆轉

AI Agent不僅改變了軟件，更將重塑勞動力市場。一個現實正在浮現：初級崗位的入口正在關閉。AI Agent的出現，正讓“35歲危機”發生反轉。

如今，在Agent面前，多年經驗所沉淀的判斷力，反而成為年輕人最缺乏的核心能力。面對Claude Code，剛畢業的大學生很難找到工作。這類代碼模型吸收了GitHub上的海量代碼，其編程能力、任務拆解能力和錯誤修復效率，遠超初級程序員。

一個熟練使用Agent的資深專家，其生產力可能相當于多個985高校的應屆生員工。由此帶來的人力重構表現為：初級崗位被Agent替代，十余年經驗的資深專家因經驗稀缺而成為核心生產力。

這不僅是技術的競賽，更是生存的競賽。最近美國金融科技公司Block在利潤增長的情況下裁員約4000人，占員工總數近半，原因就是AI技術驅動的組織重構。當你的競爭對手用AI裁掉40%的人，你若不跟進，成本結構將毫無競爭力。

05

軟件行業將從三家獨大到百家爭鳴

最后，我們來看AI Agent時代的軟件生態。

過去，開發一款像彭博終端這樣的專業軟件，需要巨額資金、頂尖工程師團隊和數十年的行業積累，因此市場長期被寡頭壟斷。但在Agent時代，軟件市場的門檻被顯著拉低。

未來，一個懂金融的專家，搭配一個智能體，也可能在幾個月內開發出一款能覆蓋彭博終端80%核心功能的平替產品。這類產品無法完全復制其專屬數據和精密服務，但足以滿足市面上多數用戶對金融分析的基礎需求。這種高性價比替代的涌現，將讓軟件生態從“三家獨大”轉向“百家爭鳴”。

這必然帶來行業生態的劇變：傳統軟件巨頭卡在中間層，面臨上下夾擊。上方是AI巨頭通過大模型和基礎設施推出針對性插件，下方則是成百上千的初創公司以低成本快速切入垂直領域，用靈活創新爭奪市場。盡管巨頭們的專屬數據和客戶信任仍構成壁壘，但行業競爭已顯著加劇，創新迭代速度被迫提升。

結 語

無論你是否準備好，AI Agent引發的軟件行業革命已經到來。AI Agent作為“新質勞動者”，將重構軟件架構、勞動力結構與產業價值鏈。

而那些敢于擁抱“人工智能+”、主動重構組織與流程的先行者，將有機會成為新世界的規則制定者。

長江MBA“馴龍高手”OpenClaw實操系列工坊正式啟動！首期活動3月14日14:00-17:00在長江北京校區進行，掃碼報名，一起帶著電腦來，領著龍蝦走！

文中圖片來自圖蟲創意，轉載需獲授權。

點擊下方卡片，關注長江商學院