“養龍蝦” 為什麼能爆火？“AI 龍蝦” 會顛覆哪些行業？它又能怎麼商業變現？
根據摩根大通 3 月 12 日發佈的中國證券研究報告，該行分析師徐文韜和姚橙近期與智譜 AutoClaw 的項目經理進行交流，深度剖析了 AutoClaw 和 OpenClaw 等產品走紅的原因，以及後續應用落地與商業變現的路徑和邏輯。
摩根大通認為，“AutoClaw 和 OpenClaw 等產品之所以重要，並不是因為它們如今突然使自主 AI 在商業上變得成熟，而是因為它們大大降低了非技術用户體驗智能體工作流的門檻。”
對市場而言，最核心的影響在於：雖然智能體的採用有望擴大模型使用量和基礎設施需求，但短期變現仍處於早期階段。實際部署將首先在相對結構化的工作流中落地，而非廣泛的完全自主人工替代。
<h2 style="text-align: left">“龍蝦” 智能體爆發：是產品設計的勝利而非模型突變</h2>
近期 OpenClaw 類產品的熱潮，究竟是模型能力的飛躍，還是產品設計的優化？受訪者的發言給出了明確答案。這種流行 “反映的是產品設計與可用性的改進，而不是模型智能的突變。”
受訪者特別強調了三個關鍵因素：“與現有通信工具的集成、允許智能體隨着時間的推移構建用户畫像的持久記憶，以及擴寬智能體實際工作範圍的更廣泛的系統權限。”
摩根大通指出，這種區分至關重要。當前的熱潮是由更優的產品化和可及性推動的，這意味着在實現真正的企業級變現之前，可以先擴大用户參與度。
<h2 style="text-align: left">基礎模型質量：決定商業上限的核心</h2>
在智能體層出不窮的今天，基礎模型是否會被商品化？交流中最清晰的一點是，“智能體的商業上限仍然在很大程度上取決於基礎模型的質量。”
受訪者反覆強調，“智能體實際上是一個容器或媒介，模型仍然是決定能否準確、一致地完成任務以及推理深度是否足以在高價值背景下發揮作用的核心因素。”
摩根大通認為，這反駁了智能體層短期內會完全商品化模型層的觀點。“更優的模型仍應會轉化為更好的任務完成、更強的指令遵循、更穩定的長上下文性能以及更優的處理開放式工作流的能力。”因此，智能體採用率的提升，對頭部模型供應商而言依然是重大利好。
<h2 style="text-align: left">商業變現：仍處早期，聚焦結構化任務</h2>
儘管智能體概念火熱，但受訪者的發言隱含，“短期內智能體市場可能仍偏向於處於探索階段而沒有充分變現。” 當前產品仍處於幫助用户發現使用場景的階段。要在商業場景中大幅擴張，“可能還需要 6 到 12 個月的模型改進、工作流訓練數據和產品迭代。”
摩根大通認為，這與企業級 AI 的現狀一致。“編碼和技術工作流仍然是最清晰的早期變現路徑，因為任務是結構化的，目標功能更清晰，執行軌跡更易於定義。” 在編碼之外，缺乏標準化的 “軌跡” 數據是制約智能體執行真實世界多步驟任務的重要因素。
<h2 style="text-align: left">市場落地：技術工程與結構化工作流先行</h2>
在走向市場的過程中，哪些領域會最先採用智能體？受訪者強調了三大分類：
<blockquote>
<ul>
<li>
技術工程：“從編碼擴展到測試、部署、操作、配置和調試。這似乎是當今商業上最可信的類別。”
</li>
<li>
信息和內容工作流：“包括研究、報告生成、文檔處理、辦公文件操作和內部內容製作。”
</li>
<li>
個人生產力：“如電子郵件、日曆和消息管理。” 雖然對消費者有吸引力，但轉化為持續變現可能需要較長時間。
</li>
</ul>
</blockquote>
摩根大通建議投資者，“應把短期預期寄託在技術和結構化企業任務上，而不是過於激進地從消費者嚐鮮的角度做出推斷。”
<h2 style="text-align: left">開放架構與護城河：快速可複製的功能並不重要</h2>
交流中的另一個重要觀點是，智能體層可能不是贏家通吃的專有模型渠道。AutoClaw 支持多種模型提供商，管理層明確支持開放架構，而不是強制只能使用智譜模型。 
摩根大通認為，這拓寬了產品的潛在市場，提升了智能體平台成為模型生態聚合器的機會。但對模型提供商而言，這意味着 “智能體接口本身可能無法保證獨家的下游價值捕獲，除非供應商在模型性能、智能體工具調用和工作流集成方面也領先。”
關於護城河，管理層認為，功能對比不那麼重要，因為大量可見的功能可以快速複製。
他們認為，真正的防禦能力構建在三個方面：“產品洞察速度、基礎模型質量以及累積的智能體功能（如瀏覽器工具、記憶系統和工作流處理）。”
摩根大通認同這一看法，指出投資者應關注供應商能否 “隨着時間的推移持續提高任務完成率、減少摩擦和綜合使用數據以提高智能體性能。”
<h2 style="text-align: left">產業鏈重塑：誰受益，誰被顛覆？</h2>
更廣泛的智能體採用將使 AI 堆棧的多個部分受益：
<blockquote>
<ul>
<li>
首先，更廣泛的智能體採用應會對模型供應商有利，因為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，應有益於推理基礎設施、雲和相關計算提供商，尤其是在需求增長繼續超過供應的情況下。
</li>
<li>
第三，公開 API 並允許受控集成的協作和工作流平台 ，也可以通過成為將智能體嵌入到日常工作中的界面而受益。
</li>
</ul>
</blockquote>
相反，價值主張為 “淺層中介或低門檻信息處理的企業” 可能面臨風險。對於 “護城河有限、信息公開、工作流相對容易自動化的角色或服務，AI 更有可能帶來壓力。”
此外，安全和監管是企業部署的實際約束。管理層認為 “提示詞注入、權限錯誤、惡意第三方技能和軟件漏洞是實際約束。” 這可能在短期內減緩變現速度，但會提高受信供應商和合規級架構的重要性。
摩根大通給予智譜 “增持” 評級，截至 2026 年 12 月的目標價為 800 港元，基於 30 倍 2030 年預期市盈率得出，預計其 2026-2030 年收入年複合增長率超過 100%。
 
~~~~~~~~~~~~~~~~~~~~~~~~

中證銀行ETF

國泰中證全指證券公司ETF

廣發中證港股通非銀ETF

雙方對話顯示，近期 “龍蝦” AI 智能體的爆火源於產品設計與工具集成的優化，而非底層模型智能的突變。當前商業化仍處於早期，短期內最確定的錢在 “敲代碼” 等結構化的技術任務裏，而非 C 端私人助理。而在這場重塑中，底層模型與算力基建將通吃紅利，而缺乏數據壁壘的 “淺層信息中介”，已站在被率先洗牌的邊緣。

- 摩根大通分析 “AutoClaw” 和 “OpenClaw” 等產品走紅的原因。  
- 強調產品設計與易用性改進推動熱潮，而非模型突變。  
- 短期內智能體變現仍處於探索階段，預計需 6-12 個月改進。

華爾街見聞

券商ETF

華寶中證全指證券公司ETF

華寶中證銀行ETF

華夏中證銀行ETF

智譜

富國中證800銀行ETF

華安中證銀行ETF

摩根大通

摩根大通對話智譜 AutoClaw：智能體為何爆發，模型質量還重要嗎，商業變現如何？