<div id="readability-page-1">2026 年初，一只 “龙虾” 搅动了整个科技圈。 过去两年，用户已经习惯了和 AI 对话。 豆包、千问、Kimi——所有 AI 助手的交互模式本质上没变：你问一个问题，它给一个答案，用完即走，更像是一个更聪明的搜索引擎。 OpenClaw（俗称 “龙虾”）做了一件根本不同的事。 你给它一个任务，它自己拆解、规划、调用工具、执行、返回结果。在类似 QQ 的聊天界面里下一条指令，它不只回复文字，而是直接 “干活”，整理文件、发邮件、去网站发帖。它能记住用户的习惯，还能通过 “Skill” 持续拓展能力边界。 这种能力带来了最深的 FOMO。“龙虾帮我炒股”、“龙虾帮我买车”，甚至是 “龙虾替我找女朋友”，这类叙事天然自带传播力。产品经理通勤路上让龙虾自动抓取数据、生成分析，早会直接拿 Agent 的产出指挥团队。 不养一只龙虾的焦虑感开始蔓延。 但龙虾的部署和能用之间，横亘着一道巨大的工程鸿沟。 OpenClaw 是奥地利开发者 Peter Steinberger 用一小时写出的原型，代码开源在 GitHub 上，任何人都可以部署。问题是，要在本地跑起一只龙虾，你需要配置运行环境、克隆仓库、申请模型 API 密钥、设置配置文件、接入 IM 通道、处理沙盒权限和网络代理，然后持续维护。 改个模型、加个插件、建个 Skill，都可能导致系统崩溃。对 99% 的非技术背景的普通人来说，门槛高得离谱。“帮人部署 OpenClaw” 甚至变成了一门生意，收费几百到几千元不等。 Peter 的愿景是 “build an agent that even my mum can use”（打造一个我妈都会用的智能体）。但 OpenClaw 目前的开源形态，显然离这个目标还很远。 然后，科技大厂们集体下场了。 2026 年 3 月，KimiClaw、MaxClaw、GLM-Claw 等变体密集上线，主打一键部署、人人可用。 科技大厂们正在用神速完成一场 “龙虾平权”。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/a7146557-5f16-4db5-9d32-da368b7c166b.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="682" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/a7146557-5f16-4db5-9d32-da368b7c166b.jpeg"/> <h2>技术平权，解决部署难题</h2> 知名博主 Simon Willison 观察到，“Claw” 正在成为一个新的品类术语，用来指代这类能操控设备、自主执行任务的智能体。 2026 年 2 月至 3 月，国内科技企业密集推出 OpenClaw 的变体或兼容方案，入局节奏让人想起此前 DeepSeek 引发的云厂商部署大战。但这一次，竞争焦点从算力转移到了谁能最快、最低门槛地让非技术用户用上 Agent。 Kimi 是这股浪潮中最先推出 “claw” 产品的公司之一。接近 Kimi 的人士透露，Kimiclaw 的发布也并不是经过深思熟虑长期的规划，而是需求自然推动。“ Kimi K2.5 发布之后，kimi 团队发现很多人把 K2.5 接入 OpenClaw 使用，而且 API 使用量迅速攀升。与此同时，身边很多非技术背景的人，想接入 K2.5 使用，但在自己电脑上部署 OpenClaw 非常麻烦，一天都搞不定，而且在自己的主力设备上部署的风险也很高。所以 kimi 团队决定做个内置 K2.5 模型的云端版本，把部署降到最低。” 各个公司的初心可能就是简单的降低门槛，让用户先用起来。 未来会怎样，没有人能够有确定的答案。该人士还说：“OpenClaw 代表的是一种技术的发展方向，当 AI 有一台自己的电脑，7×24 小时在线，学会使用软件工具，学会自己创建软件工具来解决问题……未来会发生什么？只是个开始，后续有很大的探索空间。” 这些 “Claw” 几乎都选择了云端路线，而非 OpenClaw 原生的本地部署模式。原因主要是，云端能实现 7×24 小时在线，且安全防护由平台统一兜底，不需要用户自己处理权限和网络配置。简单且安全。 大致能分为两类： 第一类是封装完整的独立产品，如下表所列。它们的共同特点是使用门槛极低，要么零部署直接在网页或 App 内使用，要么一键下载安装即可运行。部分产品已针对特定场景做了深度优化，例如腾讯 WorkBuddy 更偏办公自动化与知识生产，内置 20 多种 Skills 并支持微信、企微、QQ 等 IM 入口。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/5aa39fa4-bc0a-474f-9eda-21084ff23ede.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="658" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/5aa39fa4-bc0a-474f-9eda-21084ff23ede.png"/> 相较原生开源版，这类产品通常以预置模型、技能和交互通道换取更低门槛与更强可用性，但不同产品的开放程度并不相同，虽然部分产品支持多模型切换、技能扩展和自定义接入，但显然产品的个性化自由度是受到影响的。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/4f8259e6-2f1a-48e2-b720-02aa454cd56b.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="1271" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/4f8259e6-2f1a-48e2-b720-02aa454cd56b.jpeg"/> 第二类是云厂商提供的一键部署服务。腾讯云、阿里云、百度智能云、火山引擎、京东云、华为云都已上线相关方案。这类服务并不是把 OpenClaw 直接做成开箱即用的独立产品，而是通过预装镜像、应用模板或资源栈，把原本复杂的部署流程尽量压缩。 对用户来说，它确实降低了搭建门槛，但还没有低到 “零配置”：模型 API、通道接入、端口放通和安全策略等环节，往往还是需要手动完成。 它的优势在于自由度更高，用户通常可以自行选择模型、接入渠道和扩展能力，更适合希望在易用性和可控性之间取得平衡的开发者和进阶用户。 <h2>认知平权，AI 的交互入口还是 IM</h2> 大厂通过封装、预置和一键化，把原本属于工程师的部署门槛降了下来。但真正决定普通人能否用起来的，未必还是技术问题。更深一层、也更难被产品直接抹平的，是认知门槛。 比如各种 Claw 做到了 “零部署”，用户仍然需要知道它的存在、找到入口、理解 “Agent” 这个概念、学会和它协作。对更广大的非技术用户，比如已经退休的父母，“Agent” 这个词本身就是一道鸿沟。 消灭这道墙的可能不是任何一个 Claw 产品，而是 IM（Instant Messaging，即时通信）。 OpenClaw 创始人 Peter Steinberger 在 Lex Fridman 播客中回忆了自己最初的动机：早在 2025 年 4 月他就想做一个基于 IM 的 AI 助手，但觉得大公司肯定会做，结果等了半年没人动手，他只好自己来。 IM 是人类唯一 “全天候在线” 的数字界面，连接的是人类整个的数字生活。 Agent 住在这里，用户不需要 “起念” 去找它，它就在你打开几十次的聊天列表里，和朋友、同事并排。 这个 “一小时原型” 背后，其实有一个很厉害的产品洞察：AI 的能力已经够强了，但是缺少一扇能让普通人走进去的门。IM 就是那扇门，不需要安装新 App，不需要学习新界面，不需要记住任何命令。 IM 作为 Agent 的界面，具备三重结构性优势： 第一，巨大的用户基础意味着零学习成本 Agent 就像通讯录里多了一个联系人。你给它发消息，它帮你干活。 第二，异步交互天然适配 Agent 的工作模式。Chatbot 是同步的，你问它立刻答。但 Agent 执行复杂任务需要时间，几秒到几小时不等。 IM 的消息机制天然支持这种异步节奏。你在企业微信里给 Agent 下个指令就去开会，回来时结果已经推送到对话框。不需要盯着它干活儿。 第三，IM 把所有复杂性封装在了一个极简界面里。OpenClaw 背后是文件系统权限、API 调用链、沙盒执行环境、MCP 协议，用户完全不需要知道这些。看到的只是一个聊天框，输入一句自然语言，任务就开始被执行。这和移动支付的设计哲学很相似：用户不需要理解清算系统和银行接口，扫一下码就行。 IM 完成的不是技术层面的平权，而是认知层面的平权，让用户根本意识不到自己在 “使用 AI”，就像你不需要理解 HTTP 协议也能刷短视频。 当技术平权和入口平权叠加，龙虾的门槛被压到了历史最低，火爆全民。 <h2>平权之后，才是真正的战争</h2> 龙虾平权的故事讲到这里，似乎是一个皆大欢喜的结局。 但可能这并不是结局，而是一个更遥远的开始。“硅基龙虾” 和 “碳基人类”，在人类最熟悉的 “IM” 入口交汇之后，是否未来还会产生新的商业模式？比如，在人类的关系网之上，还有一层 Agent（龙虾们）的硅基关系网。 这个更大的网络的入口，将会如何演变？是否会给目前的商业格局带来巨大的变化？ 这是一场速度极快的抢占生态位、和用户心智的战争。如果在未来，用户提起智能体，在心里永远想不起某家公司，这才是灾难性的结局。 当下，在各种 Claw 迅速诞生之后，用户的尝鲜之后，龙虾的卸载潮已经开始了。根据媒体公开报道的数据称，个人用户的实际使用率不到下载量的一半。 一大半的龙虾，狼吞虎咽地 “吃” 着巨额的 token，但是却在 “预报天气”。 社交媒体上流传的案例永远是最好的那几个，产品经理用它自动准备早会材料，律师做网页抓取和模拟谈判，行政人员把日报周报年度总结全部交给 Agent。 “装虾易，养虾难！人人都能装 OpenClaw，但没人告诉你怎么用。”各种 Claw 是好用的锤子，但是下一步更关键的是，让用户明白 “钉子在哪儿”。 另外，龙虾的商业模式存在一个结构性矛盾：如果提供产品、服务的公司靠订阅制向用户收费，目前看来定价从 39-199 元不等。但龙虾每执行一个任务都在向底层模型发起 API 调用、消耗 Token。 一次完整的日历整理加邮件回复可能消耗上万 Token，如果启用长期记忆、多 Agent 协作和定时唤醒，单日消耗轻松突破十万 Token。极端案例下，有用户 6 小时账单超过千元。 这笔账对两端都很难算平。对提供服务的公司来说，靠订阅费要覆盖模型推理、云端算力、Skill 维护、客服支持的综合成本，利润空间极其有限。对用户来说，如果不主动控制 Token 消耗，很容易出现天价账单。 只要 Agent 的任务价值不能明显超过 Token 消耗的成本，龙虾的商业模式就立不住。 这也从另一个角度印证了 “找钉子” 的重要性，只有当龙虾替用户干的活确实值那么多钱，用户才会持续为它付费。 产品迭代、场景挖掘、成本控制，这三道题都解出来的那一天，龙虾才能从极客玩具变成真的的爆款产品。 而融合了 “硅基智能体的” 新的网络蓝图出现，也许才能让基于 AI 的新商业模式一片繁荣。 龙虾大战远未结束，平权只是开场。 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。</div>

高科技指数 ETF - SPDR

全球科技股指数 ETF - iShares

半导体 3 倍做多 - Direxion

动态半导体 ETF - Invesco

标普半导体 ETF - SPDR

费城交易所 半导体 ETF - iShares

2026 年初，OpenClaw（“龙虾”）在科技圈引起轰动，用户可以通过它完成任务并返回结果，超越传统 AI 助手的交互模式。然而，部署和使用 OpenClaw 存在高门槛，普通用户难以操作。尽管 Peter Steinberger 希望打造易用的智能体，但目前的开源形态仍未达到目标。科技大厂们也开始参与这一领域。

- “龙虾” OpenClaw 突破传统 AI 助手，具备任务自主执行能力。  
- 科技公司纷纷推出易用变体，降低普通用户的使用门槛。  
- 未来需解决认知和成本等结构性矛盾，才能实现广泛应用。

大厂 Claw 们带来了 “龙虾平权”，但一半的虾在预报天气