OpenClaw龙虾：为何火爆？谁最受益？
一款名为OpenClaw的个人AI助理正在风靡全球。它最初在硅谷开发者和极客圈层流行，随后在技术社区和社交媒体的推动下进入中国。
OpenClaw 2025年11月诞生，也被称为“龙虾”。它的logo是只龙虾，OpenClaw创始人彼得·斯坦伯格（Peter Steinberger）希望它能像龙虾一样脱壳蜕皮，长成更大的生物。
OpenClaw其实是一款开源智能体（Agent）框架。用户给予足够系统权限后，它可以通过和飞书等工具对话，自动让大模型操作电脑、调用工具、执行任务。
截至3月9日，它在全球最大开源社区Github的星标数（Star，可理解成收藏）超过28.5万，成为史上星标数最高的开源软件项目。
英伟达创始人黄仁勋3月4日在摩根士丹利TMT大会上称，OpenClaw很可能是迄今为止发布过的最重要的软件。他进一步解释，OpenClaw在发布后三周内达到的下载规模，相当于Linux（全球最大开源软件）30年才达到的水平。
事实上，黄仁勋这一类比并不完全精准——因为Linux更多是一款面向To B（企业级）开发的开源软件，OpenClaw诞生之初就可以直接面向To C（消费者）用户的产品。
中国市场，“龙虾热”也在蔓延，包括阿里、字节跳动、腾讯、百度等几乎所有大型科技公司，都在上线部署或接入OpenClaw。包括月之暗面、智谱AI、MiniMax等大模型公司，也为OpenClaw推出了专属的Coding Plan（编程模型订阅）订阅套餐。
“龙虾热”甚至演变成了一场全民参与的热潮。腾讯在深圳滨海大厦总部楼下组织线下活动，帮助市民安装“龙虾”。一场场学习如何安装、使用“龙虾”的线下沙龙在全国蔓延。政府部门也在跟随热潮下场，包括深圳龙岗区、无锡高新区、苏州常熟市等地方政府都出台了政策或文件，提供“龙虾”补贴，鼓励企业或个人使用“龙虾”。
“龙虾”不乏争议，它也并非人人都能驾驭。
首先，它的部署、使用门槛不低，需要有一定的代码基础。部署后，使用维护门槛也不低，一旦出错后，使用者还要有修复能力。它虽然免费下载，但接入模型才能工作，一旦开始消耗Token（词元），使用成本又难以精确预估。如果想让它真正自动完成任务，还需要用户提供操作权限，这可能会带来安全风险。
但是，围绕“龙虾”的一系列问题正在涌现：“龙虾”为何会风靡？谁是最大受益者？普通人是否因为它产生AI Fomo（AI领域特指，一种害怕错过的焦虑情绪）情绪？
OpenClaw官网
爆火背后有哪些必然？
OpenClaw的风靡，并不是偶然走红。它是模型能力跨越临界点之后的结果。
这背后有两个关键因素：一是模型逐渐具备了任务规划能力，它能够把复杂目标拆解为多个步骤；二是上下文记忆能力显著提升，使模型能够在长任务中连续推理。
2025上半年之前，当时的主流模型（包括OpenAI的GPT-4.5、Anthropic的Claude 3.5/3.7）的上下文记忆普遍只有20万Tokens。这虽然足以支持长文本理解，但在复杂任务执行中容易遗忘上下文。因此，此时Manus等Agent工具虽然已经流行，但它们执行任务的失败概率仍然很高。
但到2025年下半年，主流模型（OpenAI的GPT-5系列、Anthropic的Claude 4.5系列、谷歌的Gemini 3系列）的上下文记忆提升到了100万-200万Tokens。模型在长上下文中持续保存任务目标、推理过程和工具调用记录时，Agent工具的准确率大幅提升。
一位算法工程师对《财经》表示，他在日常工作中明显感受到了模型代码性能、记忆能力大幅提升带来的变化。2025上半年，他在使用Cursor等AI代码生成工具跑Claude 3.5/3.7等模型进行开发时，需要不断介入并拆解任务，而且执行复杂任务时常常出现任务中断的情况，需要随时接管。
但到2025年末、2026年初，他发现Claude 4.5/4.6、OpenAI-5.3-Codex这些旗舰模型都能在长达半小时甚至一小时的时间内连续完成复杂任务，中途几乎不再需要人工干预。
2026年春节前后，国产模型也已经接近这一水平。MiniMax旗下的M2.5、智谱旗下的GLM-5、月之暗面的Kimi K2.5能用更低的Token成本完成类似任务。上述算法工程师粗略估算，以MiniMax M2.5为例，它的单位Token成本只有OpenAI-5.3-Codex的四分之一，但能够达到95%以上的效果。
这些变化说明，大模型的能力已经到了让Agent稳定运行的临界点。剩下的问题，是如何把这些能力封装成普通用户能看懂且易用的产品。
这个问题一些技术专家早有认知。2025年12月，百度智能云大模型平台总经理忻舟在一次接受《财经》专访时曾提到，随着基座模型能力提升、成本下降，Agent在2026年会进一步爆发。但这背后有两个关键：一是把平台做好，二是把各种工具（包括Agent和Skills），以及应用接口做好。
忻舟在当时认为， 2025年多Agent协同的趋势还不明显，很多只是噱头。但未来一定会走向多Agent。因为单个模型处理不了越来越复杂的上下文和任务。不同任务也需要不同专精模型，更复杂的任务最终一定要多个Agent协同才能完成。
OpenClaw正是解决了这些产品封装的问题。从技术架构看，OpenClaw不仅封装了大模型接口和工具调用系统，还提供不同的Agent工具，甚至提供了可复用的技能（Skills，可以理解成给模型阅读的代码、文本说明书）和智能体模板（Agents）。用户下达指令后，OpenClaw会先调用模型写代码，规划任务，将复杂目标拆解步骤，再根据需求调用合适的智能体或技能，或是通过浏览器、控制终端、文件等工具执行操作，逐步完成任务。
在OpenClaw官网，只需要一键复制代码就可以在Macbook上部署“龙虾”
OpenClaw爆火，更关键的是，它做对了一件事——降低了部署Agent的心理门槛，即使技术门槛并没有真正降低。
在OpenClaw官网，只需要复制一串代码，打开苹果Macbook电脑的代码终端，复制代码敲下回车键就可以一键部署。
但在OpenClaw之前，部署一个Agent需要懂Python环境，还需要折腾配置文件。这对普通人来说是不可见的黑箱，会劝退大部分用户。但OpenClaw让普通人也有了看似可以通过折腾代码，下载、使用一款复杂Agent工具的参与感。
谁是最大的受益者？
从商业模式看，OpenClaw本身并不直接赚钱。因为它是开源工具，开源就等于免费。但背后真正的受益者是为Agent提供模型和算力的公司。
大模型公司和云计算公司都是OpenClaw的最大受益者。因为不管用户和开发者如何部署OpenClaw，它们最后都要使用模型、消耗算力。
OpenClaw需要运行大模型，在执行任务过程中，OpenClaw会不断调用模型生成代码、规划任务并调用工具，每一个步骤都会消耗Token。一旦Agent开始持续运行，Token消耗量往往远高于传统聊天机器人。因此，模型公司几乎是最直接的受益者。
忻舟2025年12月曾对《财经》表示，Agent系统与AI对话工具最大的不同是，它执行的是一系列任务，而不是一次简单对话。执行任务过程中，模型需不断规划任务、调用工具并记录执行状态，每个步骤都可能触发新的模型调用。一次Agent任务往往需要消耗远高于普通对话的Token数量。一次任务，可能就会消耗数万，甚至数十万的Tokens。
今年1月，包括月之暗面、智谱、MiniMax，甚至是阿里云、字节跳动旗下的火山引擎都为使用OpenClaw的用户提供了Coding Plan订阅套餐。
OpenRouter是全球大模型API聚合平台，集成了全球300多个主流模型，每月Token消耗量超过30万亿，占全球可统计的总消耗量约3%。它反映了前沿开发者和创业企业的使用习惯。OpenRouter 3月9日数据显示，MiniMax M2.5、Kimi K2.5、GLM 5的Token消耗量分别位居全球第一、第二、第八。中国模型公司首次在该平台月度统计中占据全球前三。
一位中国云厂商架构师对《财经》表示，OpenClaw是拉动这几家国产模型Tokens消耗量迅速增长的一个重要因素。这些国产模型迅速被开发者采用，核心原因是，它们的Token价格远低于OpenAI和Anthropic的旗舰模型，但性能差距不算大。因此，在需要长时间运行Agent任务时，越来越多开发者愿意选择这些成本更低的模型。
这为这几家模型公司带来了巨额收入增长。今年2月末，一位月之暗面人士向《财经》证实，月之暗面在2月的20天内，收入就超过了2025年。月之暗面的Kimi K2.5正在成为国内外开发者的选择之一。不过，他并未透露具体的收入规模。
除了模型公司，阿里、字节跳动、腾讯、百度等拥有云计算业务的科技公司，也是重要受益者。
月之暗面、智谱、MiniMax等大模型，几乎全部运行在云上。随着OpenClaw等Agent工具被更多人使用，模型调用频率和Token消耗量快速增长，这在同步拉动云端的算力需求。
截至3月10日，阿里、字节跳动、腾讯等互联网科技公司都跟进了类似的产品——包括阿里云通义实验室的CoPaw，腾讯的WorkBuddy和QClaw，字节跳动的ArkClaw。不过，目前这些产品的功能普遍还在完善阶段。
对于企业来说，OpenClaw开发门槛不高。它的核心框架已经开源，企业可以基于这个框架进行二次开发，或者利用公司已有的Agent框架，快速搭建一款类似“龙虾”的产品。
阿里云、火山引擎、腾讯云、百度智能云也推出了专属的云服务器或云电脑产品，让开发者和个人用户部署OpenClaw。对云厂商而言，有更多用户使用Agent工具，就会有更多的模型调用请求，也意味着更高的算力使用量和云服务收入。
离普通人还有一段距离
普通用户想要养好“龙虾”，仍然还有一段距离。因为“龙虾”有一定的部署门槛，而且长期使用的价格也并不低。
在苹果Macbook上部署OpenClaw，表面上只需复制一行代码在控制终端按下回车键。但其实，没有做过开发的普通用户很快会发现，自己的电脑并没有安装三个基础环境：Homebrew（软件安装工具）、Node.js（程序运行环境）和Git（代码管理工具）。这些工具是大多数开源软件运行的基础设施。
即使按照教程安装完这些环境，用户在真正使用OpenClaw时仍需要继续在终端输入指令，例如为程序授予浏览器控制等系统权限。OpenClaw在执行任务时还可能随时报错，这时又需要用户具备代码环境的修复能力。
也就是说，OpenClaw虽然看起来降低了部署的心理门槛，但对普通用户而言，它仍然是一款典型的开发者工具，而且需要有一定的代码基础才能真正用好。
这也直接导致了一门生意在硅谷和国内出现——上门帮忙安装“龙虾”，国内上门安装的价格甚至达到了500元，硅谷上门安装价格甚至达到了1000美元。
这里出现了一个悖论：如果自己不会安装“龙虾”，哪怕找人成功安装后，一旦事后任务报错，用户也没有能力修复“龙虾”。而且，任务报错在使用过程中几乎司空见惯。
事实上，哪怕是一些专业开发者，目前也并没有真正深度使用“龙虾”，甚至认为它对提升效率帮助不大。
《财经》调研的五位专业开发者（一位算法工程师、三位云计算架构师、一位安全工程师），其中只有两位安装了OpenClaw，他们目前只是尝鲜，日常使用场景主要是整理投资信息。其他三位均未安装OpenClaw，理由是，无法真正对日常工作产生帮助。
一位算法工程师和一位中国云厂商架构师对《财经》表示，对绝大多数普通人来说，用好手头的ChatGPT、Gemini、Claude等AI工具能解决日常工作生活中80%以上的问题。对绝大多数工程师来说，Cursor、OpenAI Codex等专用AI代码工具，也能解决开发过程中80%以上的问题。少数无法通过成熟工具解决的问题，也难以通过OpenClaw高效解决。
上述算法工程师甚至要求，他团队的同事不得在公司内部署OpenClaw。因为担忧授予过多权限后，可能会导致删库、泄露敏感信息等安全事故。
除了部署门槛高，OpenClaw燃烧Token的速度也远超常见的成熟AI工具。
一位个人开发者今年2月初在Github记录称，他部署的OpenClaw日常使用Claude Sonnet 4.6系列模型。每天任务请求超过100次。他粗略预估，他每月运行OpenClaw的成本将很快超过100美元。他更担忧的问题是，OpenClaw缺乏预算控制，面临Token成本失控的风险，支出没有上限。
事实上，订阅ChatGPT、Gemini、Claude等成熟的AI助理，每月成本只需要20美元，且没有Token使用的限制。订阅Cursor、OpenAI Codex等工程师专用代码工具，每月成本也只需要20美元，虽然有Token用量限制，但支出相对更可控。
也就是说，OpenClaw短期更像是专业开发者和极客玩家的工具，甚至是玩具。它并不是真正面向普通人的成熟产品。
一位软件开发工程师的看法是，“龙虾”要关注，但无需焦虑。因为它目前并不成熟，普通人可以再等等，等大厂真正打磨好成熟、安全、易用的“类龙虾”产品。
今年火爆的“龙虾”，就像去年初火爆的Manus，它们基于模型能力提升而生，在爆火的浪潮中不乏争议。但把它们当成严肃的提效工具时会发现，执行任务时的出错概率很高。
但它所代表的Agent形态，正在改变人们使用软件的方式。如果模型能力继续提升、成本继续下降，未来的软件形态可能不再是一个个孤立的应用，而是由多个Agent协同完成任务的系统。OpenClaw只是这个变化的开始。
本文来自微信公众号“半熟财经”（ID：Banshu-Caijing），作者：吴俊宇，编辑：谢丽容，36氪经授权发布。
