3 月初，深圳腾讯总部楼下，腾讯的工程师们像赶集一样，在大厦北广场摆起摊位，免费为用户安装 " 龙虾 "OpenClaw。

队伍绵延不绝，有人抱着 NAS，有人带着 MacBook，还有人拎着迷你主机，像极了十年前刷安卓系统的极客聚会。

事实上，不少大厂们都在密集推进自己的 " 龙虾 "。

小米则开始内测 MiclawAgent，希望把 AI 代理嵌入小米 " 人车家全生态 " 的系统里，让手机、汽车、电视和家电都成为 AI 的执行节点。

云厂商开始下场 " 摆摊 "，当终端大厂开始把 Agent 塞进操作系统，这场 " 龙虾 " 风暴，已经拉开了大模型下半场的帷幕。

这不是简单的 AI 工具之争，而是一场关于下一代 " 超级入口 " 的暗战。

卖 Token 的现金流

当下，一个困境摆在所有玩家面前：单纯的 "Chat" 模式，根本烧不出健康的商业模式。

过去两年，国内的云厂商和科技巨头们陷入了长期的军备竞赛，成千上万张高端算力卡被成建制地拉进数据中心。2026 年字节、阿里、腾讯合计 capex 超 600 亿美元。但如果用户不调用，算力就会白囤，每天都在产生高昂的折旧。

但现实是，仅仅依靠 C 端用户对话模式，不仅无法消耗掉如此庞大的算力储备，也无法在习惯了免费的用户那里获得收入。

用户偶尔让 AI 写封邮件、画张图，这种单次交互消耗的 Token 量低，无法填补底层庞大算力集群的折旧与运营成本。要让昂贵的算力转动起来，产生真实的现金流，巨头们迫切需要一个能持续、自动消耗算力的 "Token 黑洞 "。

OpenClaw 这类本地部署的 Agent 出现，充当了这个角色。

当用户下达复杂指令时，OpenClaw 会拆解任务、联网搜索、调用本地软件、识别错误、自我纠正重试。这其中的每一个步骤，都在向云端的 API 接口发送请求。一个复杂任务跑下来，其 Token 消耗量是普通对话的百倍乃至千倍。

一位 AI 分析师向华尔街见闻指出：" 中国开源模型被 OpenClaw 采用，主要因为性价比高。相比海外竞争对手，低成本让 API 调用更频繁，这直接转化为云厂商的现金流，避免了巨额算力投资的浪费。"

这就是为什么腾讯等云厂商愿意倒贴人力去线下 " 摆摊 " 帮用户部署开源 Agent、阿里强推 openclaw 一键上云。每一次部署，都是在用户本地或云端电脑里埋下了一台 24 小时轰鸣的 " 算力抽水机 "。

不管前端跑的是不是开源模型，只要推理和工具调用的 API 指向自家的云服务，海量的微小请求最终都会汇聚成可观的 B2C 和 B2B 现金流。在当前资本市场对大模型商业化变现苛刻的审视下，这笔由 Agent 带动的 API 流水，是巨头们维系算力扩张的关键输血管道。

挖掘轨迹数据

越过第一层的现金流账本，巨头们力推本地 Agent 的第二层目标，触及到了大模型发展的天花板：高质量训练数据的枯竭。

过去几年，大模型竞争的核心资源一直是算力和训练数据。但随着模型能力不断提高，另一个资源开始变得越来越重要：任务轨迹数据。

目前的共识是，互联网上高质量的公开文本数据（维基百科、新闻报道、书籍论文）已经被各家的大模型 " 吃 " 得差不多了。如果仅仅继续喂养这些静态的文本，大模型只会变成一个更博学的 " 书呆子 "，而无法向真正的 AGI 迈进。

下一代大模型需要什么？需要知道人类是如何在这个数字世界中 " 采取行动 " 的。这就是业内极为渴求的 " 任务轨迹数据 "（Trajectory Data）。

当用户让 AI 完成一件事情时，AI 会经历一系列步骤。从理解需求到搜索信息，再到调用工具、填写表单、完成支付，每一个动作都会留下记录。这些记录组成了一条完整的任务链路。

对于 Agent 模型来说，这种数据比普通文本更有价值，因为它反映的是现实世界中的行动逻辑。

这恰恰是巨头们原先最难以获取的数据。这些数据隐藏在无数个割裂的软件、封闭的 App 和企业内网深处，即便是拥有庞大爬虫生态的搜索引擎也无能为力。

而部署在用户终端的 OpenClaw 和系统级的 miclaw，就是深入敌后的 " 数据探测器 "。

OpenClaw 中国社区经理 Alan Feng 指出：" 用户安装 OpenClaw 后，常期望魔法般自动化，但真正价值在于定义清晰任务。轨迹数据反馈让模型不断优化，厂商借此添料，提升代理能力。"

当用户在本地运行 Agent，让它代替自己去执行操作时，Agent 记录下用户的每一个操作意图和软件交互轨迹。国内大厂密集推广 Agent 应用，本质上是一场分布式的、规模空前的数据众包。

用户以为自己白嫖了一个免费的 AI 劳动力，实际上，用户在指导 Agent、纠正 Agent 错误的过程中，正在免费为巨头们提供最高质量的强化学习微调数据。

这些 " 轨迹数据 " 一旦回流到云端，将成为大厂训练下一代具备强逻辑推理、强执行能力的 Agent 大模型的核心壁垒。这就像特斯拉当年通过数百万辆在路上行驶的电动车收集真实路况数据，最终反哺其 FSD 自动驾驶算法一样。

阿里 Qwen 项目的内部人士就向华尔街见闻表示：" 中国领先新范式概率低于 20%，但通过 agent 轨迹数据，阿里能快速迭代模型，缩小差距。"

现在，巨头们正在把用户的电脑和手机，变成 AI 时代的 " 数据采集车 "。谁能掌握最多的轨迹数据，谁就能率先训练出真正 " 长出手脚 " 的超级模型。

从这个角度看，大厂推广本地 Agent，并不是为了一个新工具。他们依旧是在争夺 AI 时代的操作入口。

入口战争再轮回

中国互联网其实经历过几轮典型的入口战争。早期门户网站争夺的是首页流量；搜索时代，百度成为信息入口；移动互联网时代，用户的入口变成了 App，微信、支付宝和抖音逐渐成为流量中心。

但 AI 的出现正在改变这一结构。

阿里千问持续投入 "AI 办事 "，让用户一句话就能下单；小米内测 miclaw，将其深深植入手机底层的系统中。这些动作传递出的信号是：在未来，用户与数字世界的交互界面将被重构。

当用户习惯用一句话表达需求时，操作路径就会发生变化。用户不再主动打开某个 App，而是把任务交给 AI。AI 会决定使用哪个平台、调用哪个服务、完成哪条支付链路。

因此，在这样的体系里，App 的地位会发生变化。它们依然存在，但更多变成一种服务节点。真正的入口，是那个帮助用户完成任务的 Agent。

在这个新的语境下，" 抢 App 的入口 " 已经是一件落伍的事情。真正的战争，是成为那个直接听命于用户、掌控全局的 " 底层代理人 "。

如果巨头能够让自家的 Agent 霸占用户的终端，那么它就掌握了商业世界最顶级的权力——意图分发权。它可以轻易地把外卖订单导流给自己的关联企业，把差旅需求导给自己的支付生态。

在这个由 Agent 构建的新 " 围墙花园 " 里，那些曾经不可一世的超级 App，将沦为只提供底层服务接口的 " 管道 "，彻底失去与用户直接对话的机会，更失去品牌溢价和流量溢价。

这也是为什么大厂对 Agent 如此敏感。所有人都希望成为那个控制 Agent 的平台。

风暴前夜

OpenClaw 的爆火，也许只是一个信号。

真正的变化，是 AI 正在从 " 会说话的工具 "，变成 " 会做事的系统 "。过去两年，大模型行业的核心目标是提高智能水平，而现在越来越多公司开始思考另一个问题：如何让 AI 获得行动能力。

一旦 AI 能够稳定地完成任务，互联网的结构就会发生变化。很多应用可能会退到后台，用户只需要面对一个 Agent，就可以完成大部分数字生活操作。

在这种世界里，Agent 就像一个新的操作层，连接用户与所有服务。

回头看技术史，每一次平台级变化，往往都会经历一个看起来不起眼的开端。Android 最早只是极客刷机的系统，微信公众号刚出现时也只是一个简单的内容工具，小程序刚推出时更像是一个轻量网页。

但这些产品后来都变成了新的平台。

如果未来 AI 真的进入 Agent 时代，那么今天的 OpenClaw，很可能就是那个最早被人记住的名字之一。

中国互联网正在经历的，也许正是这场风暴的前夜。