OpenClaw“龙虾”：它凭什么这么火？谁在闷声发财？

创意源自米开朗基罗的《创造亚当》。图：ChatGPT生成

就连一些专业开发者，现在也没怎么深入用过“龙虾”，有的人还觉得它对自己干活儿效率没啥实际提升。

有个叫OpenClaw的个人AI助理最近火得不行。它最早是在硅谷那帮开发者和技术发烧友圈子里流行起来的，后来靠着技术社区和社交网络的传播，一下子冲进了中国。

OpenClaw在2025年11月问世，大家喜欢叫它“龙虾”。它的Logo就是一只龙虾，创始人彼得·斯坦伯格希望它能像龙虾一样，通过不断“脱壳”来成长，变得更大更强。

说白了，OpenClaw其实是一个开源的智能体框架。只要用户给它足够的系统权限，它就能通过跟飞书这类工具对话，指挥背后的大模型去操作电脑、使用各种工具、执行一连串的任务。

到今年3月9号，它在全球最大的开源社区Github上，被点星标收藏的次数已经突破了28.5万次，成了有史以来最受欢迎的开源软件项目。

英伟达的老大黄仁勋在3月4号摩根士丹利的大会上说，OpenClaw很可能是到现在为止发布过的最重要的软件。他接着解释，OpenClaw发布后三周达到的下载规模，Linux（全球最著名的开源软件）花了30年才做到。

不过，黄仁勋这个说法其实有点不准确——因为Linux主要面向企业开发，而OpenClaw从出生那天起，就是一款普通人也能直接上手用的产品。

在中国，“龙虾热”也铺开了。阿里、字节、腾讯、百度……基本上你能叫出名字的大厂，都在忙着上线或接入OpenClaw。月之暗面、智谱AI、MiniMax这些大模型公司，也赶紧为OpenClaw推出了专门的编程模型订阅套餐。

这股“龙虾热”甚至变成了一场全民运动。腾讯在深圳总部楼下搞起了线下活动，手把手教市民装“龙虾”。全国到处都在举办学习安装和使用“龙虾”的线下沙龙。连一些地方政府也跟上了这波热潮，像深圳龙岗区、无锡高新区、苏州常熟市都出台了政策文件，给用“龙虾”的企业或个人发补贴。

但说实话，这“龙虾”可不是谁都能玩得转的，争议也一直没断过。

首先，把它装好、用起来的门槛就不低，你得懂点代码才行。就算装好了，日常维护也不简单，一旦出了错，你自己还得会修。它虽然免费下载，但得接上大模型才能干活，一旦开始消耗Token（可以理解成字词用量），到底要花多少钱心里根本没底。如果想让它真的自动干活，你还得把操作权限交给它，这里头又藏着安全风险。

所以，一连串问题就来了：“龙虾”为啥能这么火？谁才是背后真正赚到钱的人？咱们普通人需要为了它，产生那种“生怕错过”的AI焦虑吗？

OpenClaw官网

爆火背后，到底有啥门道？

OpenClaw能火起来，可不是全靠运气。它是大模型能力迈过一个关键门槛之后，水到渠成的结果。

这背后有两个重要变化：一是模型慢慢有了任务规划的本事，能把一个复杂目标拆成好几个步骤来干；二是它的“记性”变好了，能在处理长任务时一直记得前后要做啥。

在2025年上半年之前，像OpenAI的GPT-4.5、Anthropic的Claude 3.5/3.7这些主流模型，通常只能记住大约20万Token长度的内容。虽然看长文章够用了，但在执行复杂任务时很容易“断片儿”。所以那时候即便有Manus这类智能体工具，干起活来也经常掉链子。

可到了2025年下半年，情况不一样了。新一代的主流模型（比如OpenAI的GPT-5系列、Anthropic的Claude 4.5系列、谷歌的Gemini 3系列）记忆力暴增，能处理100万到200万Token的上下文。当模型能在这么长的“记忆”里牢牢记住任务目标、推理过程和工具调用记录时，智能体工具干活的准确率就大大提高了。

一位算法工程师跟《财经》聊起他的亲身感受，他说去年上半年他用Cursor这类AI编程工具搭配Claude 3.5/3.7模型搞开发时，总得自己中途插手，把任务拆开，而且任务做着做着就断了，他得随时准备接管。

但到了2025年底、2026年初，他发现像Claude 4.5/4.6、OpenAI-5.3-Codex这些顶级模型，能连续工作半小时甚至一小时去完成复杂任务，中途基本不需要人帮忙了。

2026年春节前后，国产模型也快追到这个水平了。MiniMax的M2.5、智谱的GLM-5、月之暗面的Kimi K2.5，能用更便宜的Token成本干类似的活儿。那位算法工程师粗略算了算，以MiniMax M2.5为例，它每个Token的成本只有OpenAI-5.3-Codex的四分之一，但在处理中等复杂度任务时，靠谱程度已经和OpenAI-5.3-Codex差不多了。

这些变化说明，大模型的能力已经够格让智能体稳定运行了。剩下的问题，就是怎么把这种能力包装成普通人看得懂、也好用的产品。

这个问题技术专家们早就想到了。2025年12月，百度智能云大模型平台的总经理忻舟在接受《财经》专访时就说过，随着底层模型能力变强、成本降低，智能体在2026年会更火。但关键得做好两件事：一是把平台做扎实，二是把各种工具（包括智能体和技能）以及应用接口做好。

忻舟当时觉得，2025年多个智能体互相配合的趋势还不明显，很多只是炒概念。但未来肯定会走向多智能体协作。因为单个模型处理不了越来越复杂的任务和上下文，不同任务也需要不同特长的模型，更复杂的活儿最终必须几个智能体一起干才能搞定。

OpenClaw正好戳中了产品包装这个痛点。从技术上看，OpenClaw不光把大模型接口和工具调用系统打包好了，还提供了不同的智能体工具，甚至准备好了可以反复用的“技能”（Skills，就像是给模型看的代码或文字说明书）和智能体模板。用户发出指令后，OpenClaw会先让模型写代码、规划任务、拆解步骤，然后根据需要调用合适的智能体或技能，或者通过浏览器、终端、文件等工具去操作，一步步把事办成。

在OpenClaw官网，只需要复制一行代码到Mac电脑的终端里，就能部署“龙虾”

OpenClaw能爆火，更关键的一点是，它做对了一件事——大大降低了人们部署智能体的“心理门槛”，尽管真正的技术门槛其实并没怎么降。

在OpenClaw官网上，你只需要复制一行代码，打开苹果Mac电脑的终端，粘贴进去敲个回车，就能一键部署。

但在OpenClaw出现之前，想部署一个智能体，你得懂Python环境，还得捣鼓一堆配置文件。这对普通人来说就是个看不透的“黑箱子”，大部分人一看就头大，直接被劝退。而OpenClaw让普通人也有了一种“我好像也能通过折腾代码，用上复杂智能体工具”的参与感。

谁在背后数钱数到手软？

从赚钱模式来看，OpenClaw自己并不直接收钱。因为它是开源工具，开源基本上就等于免费。但真正赚到钱的，是那些为智能体提供模型和算力的公司。

大模型公司和云计算公司都是OpenClaw火爆背后的最大赢家。因为不管用户和开发者怎么部署OpenClaw，最后都得用模型、消耗算力。

OpenClaw需要运行大模型，它在执行任务的过程中，会不停地调用模型来生成代码、规划任务、使用工具，每一步都在烧Token。一旦智能体开始持续运行，Token的消耗量通常比传统的聊天机器人高得多。所以，模型公司几乎是最直接吃到红利的一方。

cursor 教程

忻舟在2025年12月就跟《财经》说过，智能体系统和普通AI聊天工具最大的区别在于，它干的是一系列任务，而不是一次简单对话。在执行任务的过程中，模型需要不断规划、调用工具、记录状态，每一步都可能触发新的模型调用。一次智能体任务消耗的Token数量，往往比普通对话高出好几个量级。干一次活儿，可能就得花掉几万甚至几十万Token。

今年1月，月之暗面、智谱、MiniMax，还有阿里云、字节跳动的火山引擎，都给使用OpenClaw的用户推出了编程模型订阅套餐。

OpenRouter是个全球大模型API聚合平台，接了全球300多个主流模型，每个月消耗的Token超过30万亿，占到全球可统计总量的3%左右。它反映了前沿开发者和创业公司的使用偏好。OpenRouter在3月9号的数据显示，MiniMax M2.5、Kimi K2.5、GLM 5的Token消耗量分别排在全球第一、第二和第八。中国模型公司第一次在这个平台的月度统计里冲进了全球前三。

一位中国云厂商的架构师告诉《财经》，OpenClaw是拉动这几家国产模型Token消耗量猛涨的一个重要推手。这些国产模型能被开发者快速用起来，核心原因是它们的Token价格比OpenAI和Anthropic的旗舰模型便宜很多，但性能差距没那么大。所以，当需要长时间运行智能体任务时，越来越多的开发者愿意选这些更划算的模型。

这给这几家模型公司带来了惊人的收入增长。今年2月底，一位月之暗面的内部人士向《财经》证实，月之暗面在2月的前20天里，收入就已经超过了2025年全年。他们的Kimi K2.5正在成为国内外开发者的选择之一。当然，他并没有透露具体的收入数字。

除了模型公司，阿里、字节跳动、腾讯、百度这些本身有云计算业务的大厂，也是重要的受益者。

月之暗面、智谱、MiniMax这些大模型，几乎全都跑在云上。随着OpenClaw这类智能体工具被更多人使用，模型调用频率和Token消耗量快速增长，这同时也在拉动云端的算力需求。

到3月10号，阿里、字节、腾讯这些互联网公司都跟进推出了类似的产品——比如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大多还在完善中。

对企业来说，开发OpenClaw这类产品的门槛并不高。它的核心框架已经开源了，企业可以在这个基础上进行二次开发，或者用公司自己已有的智能体框架，快速搭一个类似“龙虾”的东西。

阿里云、火山引擎、腾讯云、百度智能云也推出了专门的云服务器或云电脑产品，方便开发者和个人用户部署OpenClaw。对云厂商来说，用智能体工具的人越多，模型调用的请求就越多，也意味着更高的算力使用量和云服务收入。

离咱们普通人，还有点远

普通人想养好这只“龙虾”，目前还有一段路要走。因为“龙虾”装起来有点麻烦，而且长期用下来，花费也不算少。

在苹果Mac电脑上装OpenClaw，表面看起来就是复制一行代码到终端里按个回车。但实际一操作，没做过开发的普通用户很快就会发现，自己的电脑里压根没装三个必备的基础环境：Homebrew（一个软件安装工具）、Node.js（程序运行环境）和Git（代码管理工具）。这些都是大多数开源软件能跑起来的“地基”。

就算按教程把这几个环境都装好了，真要用OpenClaw的时候，用户还得继续在终端里输入各种指令，比如给程序授权让它能控制浏览器什么的。OpenClaw干活时还可能随时报错，这时候又要求用户有点修复代码环境的能力。

说白了，OpenClaw虽然看起来降低了人们动手去装它的心理压力，但对普通用户来说，它依然是个典型的开发者工具，没有点代码底子还真用不明白。

这直接催生了一门新生意，在硅谷和国内都出现了——上门帮人装“龙虾”。国内上门安装的报价甚至到了500元，硅谷那边更夸张，能达到1000美元。

这里头有个矛盾：如果你自己不会装“龙虾”，就算花钱找人装好了，以后任务出错报错，你也没本事自己修好。而且，任务出问题在用的时候简直是家常便饭。

实际上，就连一些专业开发者，现在也没怎么深度使用“龙虾”，甚至觉得它对提升效率没太大帮助。

《财经》问了五位专业开发者（包括算法工程师、云计算架构师和安全工程师），里面只有两个人装了OpenClaw，目前也就是尝个鲜，主要用它来整理整理投资信息。其他三个人都没装，理由是觉得它没法真正帮到自己日常工作。

一位算法工程师和一位云厂商架构师对《财经》表示，对绝大多数普通人来说，把手头现有的ChatGPT、Gemini、Claude这些AI工具用好，就能解决日常工作生活中八成以上的问题。对大多数工程师来说，Cursor、OpenAI Codex这些专门的AI编程工具，也能搞定开发过程中八成以上的问题。剩下那些用成熟工具解决不了的少数难题，靠OpenClaw也很难高效解决。

上面提到的那位算法工程师甚至要求，他团队的同事不许在公司电脑上装OpenClaw。因为他担心给了它太多权限，可能会导致删库、泄露敏感信息这类安全事故。

除了安装门槛高，OpenClaw烧起Token来，速度也远比那些常见的成熟AI工具快得多。

一位个人开发者今年2月初在Github上记录说，他部署的OpenClaw平时用Claude Sonnet 4.6系列模型。每天任务请求超过100次。他粗略估计，每个月运行OpenClaw的成本很快就会超过100美元。他更担心的是，OpenClaw没有预算控制功能，面临Token成本失控的风险，花起钱来可能没个上限。

要知道，订阅ChatGPT、Gemini、Claude这些成熟的AI助手，每个月也就20美元，而且没有Token用量限制。订阅Cursor、OpenAI Codex这些工程师专用的编程工具，每月也是20美元左右，虽然有Token用量限制，但开销相对可控得多。

所以说，OpenClaw短期来看更像是专业开发者和技术发烧友的玩具，还算不上是给普通人准备的成熟产品。

一位软件开发工程师的看法是，“龙虾”可以关注，但没必要焦虑。因为它现在还不成熟，普通人可以再等等，等大厂们把更成熟、安全、好用的“类龙虾”产品打磨出来。

今年火爆的“龙虾”，就像去年初火过的Manus，它们都是趁着模型能力提升的东风起来的，在爆火的浪潮里也伴随着不少争议。但当你真想把它当成一个严肃的提高效率的工具时，就会发现它执行任务时出错的概率还挺高。

不过，它所代表的智能体这种形态，确实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，未来的软件可能不再是一个个孤立的应用，而是由多个智能体互相配合、一起完成任务的一整套系统。OpenClaw，也许只是这个巨大变化的开始。