OpenClaw龙虾：谁目前最受益？

开源AI助理OpenClaw爆火，降低部署门槛，推动Agent技术普及。

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。

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。

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。

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。

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。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。

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