3 月初,深圳騰訊總部樓下,騰訊的工程師們像趕集一樣,在大廈北廣場擺起攤位,免費為用户安裝 “龍蝦” OpenClaw。隊伍綿延不絕,有人抱着 NAS,有人帶着 MacBook,還有人拎着迷你主機,像極了十年前刷安卓系統的極客聚會。事實上,不少大廠們都在密集推進自己的 “龍蝦”。小米則開始內測 MiclawAgent,希望把 AI 代理嵌入小米 “人車家全生態” 的系統裏,讓手機、汽車、電視和家電都成為 AI 的執行節點。更早的春節前夕,百度 App 支持一鍵調用 OpenClaw,用户在百度智能雲完成部署後,通過搜索框或消息中心即可調用。雲廠商開始下場 “擺攤”,當終端大廠開始把 Agent 塞進操作系統,這場 “龍蝦” 風暴,已經拉開了大模型下半場的帷幕。這不是簡單的 AI 工具之爭,而是一場關於下一代 “超級入口” 的暗戰。賣 Token 的現金流當下,一個困境擺在所有玩家面前:單純的 “Chat” 模式,根本燒不出健康的商業模式。過去兩年,國內的雲廠商和科技巨頭們陷入了長期的軍備競賽,成千上萬張高端算力卡被成建制地拉進數據中心。2026 年字節、阿里、騰訊合計 capex 超 600 億美元。但如果用户不調用,算力就會白囤,每天都在產生高昂的折舊。但現實是,僅僅依靠 C 端用户對話模式,不僅無法消耗掉如此龐大的算力儲備,也無法在習慣了免費的用户那裏獲得收入。用户偶爾讓 AI 寫封郵件、畫張圖,這種單次交互消耗的 Token 量低,無法填補底層龐大算力集羣的折舊與運營成本。要讓昂貴的算力轉動起來,產生真實的現金流,巨頭們迫切需要一個能持續、自動消耗算力的 “Token 黑洞”。OpenClaw 這類本地部署的 Agent 出現,充當了這個角色。當用户下達複雜指令時,OpenClaw 會拆解任務、聯網搜索、調用本地軟件、識別錯誤、自我糾正重試。這其中的每一個步驟,都在向雲端的 API 接口發送請求。一個複雜任務跑下來,其 Token 消耗量是普通對話的百倍乃至千倍。一位 AI 分析師向華爾街見聞指出:“中國開源模型被 OpenClaw 採用,主要因為性價比高。相比海外競爭對手,低成本讓 API 調用更頻繁,這直接轉化為雲廠商的現金流,避免了鉅額算力投資的浪費。”這就是為什麼騰訊等雲廠商願意倒貼人力去線下 “擺攤” 幫用户部署開源 Agent、阿里強推 openclaw 一鍵上雲。每一次部署,都是在用户本地或雲端電腦裏埋下了一台 24 小時轟鳴的 “算力抽水機”。不管前端跑的是不是開源模型,只要推理和工具調用的 API 指向自家的雲服務,海量的微小請求最終都會匯聚成可觀的 B2C 和 B2B 現金流。在當前資本市場對大模型商業化變現苛刻的審視下,這筆由 Agent 帶動的 API 流水,是巨頭們維繫算力擴張的關鍵輸血管道。挖掘軌跡數據越過第一層的現金流賬本,巨頭們力推本地 Agent 的第二層目標,觸及到了大模型發展的天花板:高質量訓練數據的枯竭。過去幾年,大模型競爭的核心資源一直是算力和訓練數據。但隨着模型能力不斷提高,另一個資源開始變得越來越重要:任務軌跡數據。目前的共識是,互聯網上高質量的公開文本數據(維基百科、新聞報道、書籍論文)已經被各家的大模型 “吃” 得差不多了。如果僅僅繼續餵養這些靜態的文本,大模型只會變成一個更博學的 “書呆子”,而無法向真正的 AGI 邁進。下一代大模型需要什麼?需要知道人類是如何在這個數字世界中 “採取行動” 的。這就是業內極為渴求的 “任務軌跡數據”(Trajectory Data)。當用户讓 AI 完成一件事情時,AI 會經歷一系列步驟。從理解需求到搜索信息,再到調用工具、填寫表單、完成支付,每一個動作都會留下記錄。這些記錄組成了一條完整的任務鏈路。對於 Agent 模型來説,這種數據比普通文本更有價值,因為它反映的是現實世界中的行動邏輯。這恰恰是巨頭們原先最難以獲取的數據。這些數據隱藏在無數個割裂的軟件、封閉的 App 和企業內網深處,即便是擁有龐大爬蟲生態的搜索引擎也無能為力。而部署在用户終端的 OpenClaw 和系統級的 miclaw,就是深入敵後的 “數據探測器”。OpenClaw 中國社區經理 Alan Feng 指出:“用户安裝 OpenClaw 後,常期望魔法般自動化,但真正價值在於定義清晰任務。軌跡數據反饋讓模型不斷優化,廠商藉此添料,提升代理能力。”當用户在本地運行 Agent,讓它代替自己去執行操作時,Agent 記錄下用户的每一個操作意圖和軟件交互軌跡。國內大廠密集推廣 Agent 應用,本質上是一場分佈式的、規模空前的數據眾包。用户以為自己白嫖了一個免費的 AI 勞動力,實際上,用户在指導 Agent、糾正 Agent 錯誤的過程中,正在免費為巨頭們提供最高質量的強化學習微調數據。這些 “軌跡數據” 一旦回流到雲端,將成為大廠訓練下一代具備強邏輯推理、強執行能力的 Agent 大模型的核心壁壘。這就像特斯拉當年通過數百萬輛在路上行駛的電動車收集真實路況數據,最終反哺其 FSD 自動駕駛算法一樣。阿里 Qwen 項目的內部人士就向華爾街見聞表示:“中國領先新範式概率低於 20%,但通過 agent 軌跡數據,阿里能快速迭代模型,縮小差距。”現在,巨頭們正在把用户的電腦和手機,變成 AI 時代的 “數據採集車”。誰能掌握最多的軌跡數據,誰就能率先訓練出真正 “長出手腳” 的超級模型。從這個角度看,大廠推廣本地 Agent,並不是為了一個新工具。他們依舊是在爭奪 AI 時代的操作入口。入口戰爭再輪迴中國互聯網其實經歷過幾輪典型的入口戰爭。早期門户網站爭奪的是首頁流量;搜索時代,百度成為信息入口;移動互聯網時代,用户的入口變成了 App,微信、支付寶和抖音逐漸成為流量中心。但 AI 的出現正在改變這一結構。阿里千問持續投入 “AI 辦事”,讓用户一句話就能下單;小米內測 miclaw,將其深深植入手機底層的系統中。這些動作傳遞出的信號是:在未來,用户與數字世界的交互界面將被重構。 當用户習慣用一句話表達需求時,操作路徑就會發生變化。用户不再主動打開某個 App,而是把任務交給 AI。AI 會決定使用哪個平台、調用哪個服務、完成哪條支付鏈路。因此,在這樣的體系裏,App 的地位會發生變化。它們依然存在,但更多變成一種服務節點。真正的入口,是那個幫助用户完成任務的 Agent。在這個新的語境下,“搶 App 的入口” 已經是一件落伍的事情。真正的戰爭,是成為那個直接聽命於用户、掌控全局的 “底層代理人”。如果巨頭能夠讓自家的 Agent 霸佔用户的終端,那麼它就掌握了商業世界最頂級的權力——意圖分發權。它可以輕易地把外賣訂單導流給自己的關聯企業,把差旅需求導給自己的支付生態。在這個由 Agent 構建的新 “圍牆花園” 裏,那些曾經不可一世的超級 App,將淪為只提供底層服務接口的 “管道”,徹底失去與用户直接對話的機會,更失去品牌溢價和流量溢價。 這也是為什麼大廠對 Agent 如此敏感。所有人都希望成為那個控制 Agent 的平台。風暴前夜OpenClaw 的爆火,也許只是一個信號。真正的變化,是 AI 正在從 “會説話的工具”,變成 “會做事的系統”。過去兩年,大模型行業的核心目標是提高智能水平,而現在越來越多公司開始思考另一個問題:如何讓 AI 獲得行動能力。一旦 AI 能夠穩定地完成任務,互聯網的結構就會發生變化。很多應用可能會退到後台,用户只需要面對一個 Agent,就可以完成大部分數字生活操作。在這種世界裏,Agent 就像一個新的操作層,連接用户與所有服務。回頭看技術史,每一次平台級變化,往往都會經歷一個看起來不起眼的開端。Android 最早只是極客刷機的系統,微信公眾號剛出現時也只是一個簡單的內容工具,小程序剛推出時更像是一個輕量網頁。但這些產品後來都變成了新的平台。如果未來 AI 真的進入 Agent 時代,那麼今天的 OpenClaw,很可能就是那個最早被人記住的名字之一。中國互聯網正在經歷的,也許正是這場風暴的前夜。