“养龙虾” 为什么能爆火？“AI 龙虾” 会颠覆哪些行业？它又能怎么商业变现？
根据摩根大通 3 月 12 日发布的中国证券研究报告，该行分析师徐文韬和姚橙近期与智谱 AutoClaw 的项目经理进行交流，深度剖析了 AutoClaw 和 OpenClaw 等产品走红的原因，以及后续应用落地与商业变现的路径和逻辑。
摩根大通认为，“AutoClaw 和 OpenClaw 等产品之所以重要，并不是因为它们如今突然使自主 AI 在商业上变得成熟，而是因为它们大大降低了非技术用户体验智能体工作流的门槛。”
对市场而言，最核心的影响在于：虽然智能体的采用有望扩大模型使用量和基础设施需求，但短期变现仍处于早期阶段。实际部署将首先在相对结构化的工作流中落地，而非广泛的完全自主人工替代。
<h2 style="text-align: left">“龙虾” 智能体爆发：是产品设计的胜利而非模型突变</h2>
近期 OpenClaw 类产品的热潮，究竟是模型能力的飞跃，还是产品设计的优化？受访者的发言给出了明确答案。这种流行 “反映的是产品设计与可用性的改进，而不是模型智能的突变。”
受访者特别强调了三个关键因素：“与现有通信工具的集成、允许智能体随着时间的推移构建用户画像的持久记忆，以及扩宽智能体实际工作范围的更广泛的系统权限。”
摩根大通指出，这种区分至关重要。当前的热潮是由更优的产品化和可及性推动的，这意味着在实现真正的企业级变现之前，可以先扩大用户参与度。
<h2 style="text-align: left">基础模型质量：决定商业上限的核心</h2>
在智能体层出不穷的今天，基础模型是否会被商品化？交流中最清晰的一点是，“智能体的商业上限仍然在很大程度上取决于基础模型的质量。”
受访者反复强调，“智能体实际上是一个容器或媒介，模型仍然是决定能否准确、一致地完成任务以及推理深度是否足以在高价值背景下发挥作用的核心因素。”
摩根大通认为，这反驳了智能体层短期内会完全商品化模型层的观点。“更优的模型仍应会转化为更好的任务完成、更强的指令遵循、更稳定的长上下文性能以及更优的处理开放式工作流的能力。”因此，智能体采用率的提升，对头部模型供应商而言依然是重大利好。
<h2 style="text-align: left">商业变现：仍处早期，聚焦结构化任务</h2>
尽管智能体概念火热，但受访者的发言隐含，“短期内智能体市场可能仍偏向于处于探索阶段而没有充分变现。” 当前产品仍处于帮助用户发现使用场景的阶段。要在商业场景中大幅扩张，“可能还需要 6 到 12 个月的模型改进、工作流训练数据和产品迭代。”
摩根大通认为，这与企业级 AI 的现状一致。“编码和技术工作流仍然是最清晰的早期变现路径，因为任务是结构化的，目标功能更清晰，执行轨迹更易于定义。” 在编码之外，缺乏标准化的 “轨迹” 数据是制约智能体执行真实世界多步骤任务的重要因素。
<h2 style="text-align: left">市场落地：技术工程与结构化工作流先行</h2>
在走向市场的过程中，哪些领域会最先采用智能体？受访者强调了三大分类：
<blockquote>
<ul>
<li>
技术工程：“从编码扩展到测试、部署、操作、配置和调试。这似乎是当今商业上最可信的类别。”
</li>
<li>
信息和内容工作流：“包括研究、报告生成、文档处理、办公文件操作和内部内容制作。”
</li>
<li>
个人生产力：“如电子邮件、日历和消息管理。” 虽然对消费者有吸引力，但转化为持续变现可能需要较长时间。
</li>
</ul>
</blockquote>
摩根大通建议投资者，“应把短期预期寄托在技术和结构化企业任务上，而不是过于激进地从消费者尝鲜的角度做出推断。”
<h2 style="text-align: left">开放架构与护城河：快速可复制的功能并不重要</h2>
交流中的另一个重要观点是，智能体层可能不是赢家通吃的专有模型渠道。AutoClaw 支持多种模型提供商，管理层明确支持开放架构，而不是强制只能使用智谱模型。 
摩根大通认为，这拓宽了产品的潜在市场，提升了智能体平台成为模型生态聚合器的机会。但对模型提供商而言，这意味着 “智能体接口本身可能无法保证独家的下游价值捕获，除非供应商在模型性能、智能体工具调用和工作流集成方面也领先。”
关于护城河，管理层认为，功能对比不那么重要，因为大量可见的功能可以快速复制。
他们认为，真正的防御能力构建在三个方面：“产品洞察速度、基础模型质量以及累积的智能体功能（如浏览器工具、记忆系统和工作流处理）。”
摩根大通认同这一看法，指出投资者应关注供应商能否 “随着时间的推移持续提高任务完成率、减少摩擦和综合使用数据以提高智能体性能。”
<h2 style="text-align: left">产业链重塑：谁受益，谁被颠覆？</h2>
更广泛的智能体采用将使 AI 堆栈的多个部分受益：
<blockquote>
<ul>
<li>
首先，更广泛的智能体采用应会对模型供应商有利，因为更自主的工作流意味着更多的 token 消耗和更持久的使用。
</li>
<li>
其次，应有益于推理基础设施、云和相关计算提供商，尤其是在需求增长继续超过供应的情况下。
</li>
<li>
第三，公开 API 并允许受控集成的协作和工作流平台 ，也可以通过成为将智能体嵌入到日常工作中的界面而受益。
</li>
</ul>
</blockquote>
相反，价值主张为 “浅层中介或低门槛信息处理的企业” 可能面临风险。对于 “护城河有限、信息公开、工作流相对容易自动化的角色或服务，AI 更有可能带来压力。”
此外，安全和监管是企业部署的实际约束。管理层认为 “提示词注入、权限错误、恶意第三方技能和软件漏洞是实际约束。” 这可能在短期内减缓变现速度，但会提高受信供应商和合规级架构的重要性。
摩根大通给予智谱 “增持” 评级，截至 2026 年 12 月的目标价为 800 港元，基于 30 倍 2030 年预期市盈率得出，预计其 2026-2030 年收入年复合增长率超过 100%。
 
~~~~~~~~~~~~~~~~~~~~~~~~

中证银行ETF

国泰中证全指证券公司ETF

广发中证港股通非银ETF

双方对话显示，近期 “龙虾” AI 智能体的爆火源于产品设计与工具集成的优化，而非底层模型智能的突变。当前商业化仍处于早期，短期内最确定的钱在 “敲代码” 等结构化的技术任务里，而非 C 端私人助理。而在这场重塑中，底层模型与算力基建将通吃红利，而缺乏数据壁垒的 “浅层信息中介”，已站在被率先洗牌的边缘。

- 摩根大通分析 “AutoClaw” 和 “OpenClaw” 等产品走红的原因。  
- 强调产品设计与易用性改进推动热潮，而非模型突变。  
- 短期内智能体变现仍处于探索阶段，预计需 6-12 个月改进。

华尔街见闻

券商ETF

华宝中证全指证券公司ETF

华宝中证银行ETF

华夏中证银行ETF

智谱

富国中证800银行ETF

华安中证银行ETF

摩根大通

摩根大通对话智谱 AutoClaw：智能体为何爆发，模型质量还重要吗，商业变现如何？