文 | 硅基星芒

两天前，一只 " 红色龙虾 " 悄悄爬上了微博。

但在此之前，它早已是风暴中心。

从 1 月开源，到被 Anthropic 指控、被迫更名、被冒名顶替，再到被 OpenAI" 招安 " 转为基金会运营——OpenClaw折腾了整整两个月，才终于以官方身份进入中国开发者视野。

可国内的网友哪等得了官方。

打开 B 站抖音小红书，满屏 " 保姆级教程 "，有人喊着 " 学会月入几十万 "；电商平台上，手把手教部署已成百元生意。奇怪的是，每个视频评论区几乎都在问同一个问题：装好了，然后呢？它能干嘛？

一边是普通用户对着终端一脸茫然，程序员对着飞速燃烧的 token 心痛不已；另一边，云厂商的服务器却卖断了货。

两个月了，是时候给 OpenClaw 下个定义了。

01

用户们的 " 算力黑洞 "，模型与云厂商的 " 库存救星 "

过去两个月，不知道多少人看着铺天盖地的 OpenClaw 宣传而心动。

但当你点开那些保姆级教程，准备亲手部署一个 AI 助手时，遇到的第一个门槛，是教程永远解决不了的：

硬件不够用。

和 ChatGPT 那种无状态的网页问答不同，OpenClaw 是一个全双工、有状态、需要环境沙箱的守护进程。还记得它刚诞生时人们对它的描述吗？一个 7 × 24 小时在线的助手。

这意味着，它必须时刻监听飞书、钉钉的消息接口。

意味着，这两个月里爆出的安全问题，逼着靠谱的教程都让你把它跑在 Docker 容器里——单独打包一套运行环境，内存占用之大，可想而知。

更意味着，它自己啥也干不了。必须挂载底层大模型，再配上各种技能插件，才能真正干活。而每多开一个插件，就多一个线程在背后悄悄烧你的资源。

对普通用户来说，OpenClaw 就是一个算力黑洞。家用电脑配置不够，一关机就失联；想让它真的 7 × 24 小时在线，只能去租云服务器。

于是，OpenClaw 爆火那几天，各大云厂商的轻量服务器被一抢而空。

但对云厂商来说，OpenClaw 的意义远不止 " 多卖几台服务器 " ——它是一场久旱逢甘霖。过去一两年，大模型训练需求旺盛，但推理侧的算力消耗一直没起来。大企业自建机房，中小企业上云不及预期，那些低配轻量服务器压在仓库里，卖不出去。而 OpenClaw 这种吃算力、吃内存、需要永远在线的应用形态，正好成了消化库存的完美出口。

对模型厂商来说，OpenClaw 更是一场瞌睡遇着枕头。国产大模型们空有 API 调用能力，却始终找不到一个能稳定消耗 Token 的 C 端场景——春节让大家下载 APP 薅完羊毛就卸载，不是长久之计。而 OpenClaw 的 Agent 逻辑，天然就是 Token 粉碎机：完成一个任务，要和模型交互几十上百次，消耗数以万计的 Token。用开源社区的项目，养自家模型的调用量，这笔账怎么算都划算。

所以，回头看这两个月铺天盖地的吹捧，表面上是卖课的在狂欢，背后则是云厂商和模型长商的推波助澜。

OpenClaw 不只是一款应用，它是用户的算力黑洞，是云厂商的库存救星，更是模型厂商的 Token 盛宴。

02

" 龙虾 " 爬进对话框，微信、QQ、飞书们或将开始消亡

如果仅从营销泡沫的角度审视 OpenClaw，很容易得出 " 这款软件在功能层面并不成功 " 的结论。

当然，这并不客观。事实上，OpenClaw 在技术架构上确实做到了里程碑式的突破：它的长成过程，也或将是微信、QQ、飞书们消亡的过程。

人们对聊天机器人并不陌生。

企业微信早早开放了机器人 API，QQ 机器人更是已经成为系统功能。但这些机器人有一个共同的系统性痼疾：生态割裂。

国内的 QQ、飞书，国外的 Discord、WhatsApp，采用完全不同的开发框架。A 平台的机器人，搬到 B 平台必须重写代码；为 C 平台开发的技能，在 D 平台只能望洋兴叹。每一个机器人都是孤岛，每一次跨平台迁移都是一次从零开始的重建。

这种架构割裂的根源在于：所有 IM 机器人都被锁定在各自的 API 里，开发者不是在为 AI 开发，而是在为某一个 IM 平台开发。

OpenClaw 不一样。

它基于 Anthropic 提出的 MCP 协议，将 Agent 拆解成三个标准化层级：

●Core（核心层）：负责调用底层大模型，实现推理与规划。这是 AI 的大脑，与任何 IM 平台无关。

● Adapter（适配层）：连接不同 IM 平台的桥梁。OpenClaw 将所有消息收发抽象为统一事件——无论是 QQ、微信还是飞书，输入输出都是标准格式。平台差异被封装在这一层，之上的逻辑完全不必关心对面是哪个 IM。

● Skill（技能层）：执行具体任务的模块。基于标准化接口，一套 Skill 写好之后，可以在所有支持的 IM 平台上直接复用，无需修改一行代码。

这套架构的本质，是第一次将 AI 能力与 IM 平台彻底解耦。

从此，开发者不再为 " 微信开发一个机器人 "" 为飞书再开发一个机器人 "，而是为 OpenClaw 开发一套技能，然后让它自动跑在所有 IM 里。

这意味着用户无论打开微信、QQ 还是飞书，面对的都是同一个 AI 助手：拥有同样的记忆、同样的技能、同样的对话上下文。今天在微信上没聊（做）完的事，明天可以在飞书上接着聊（做），AI 无缝衔接。

更关键的是，当所有 IM 都成为 AI 的入口，用户选择 IM 的逻辑将发生根本性逆转。

过去，IM 是关系的容器，是生态的护城河。你留在微信，是因为朋友都在这里；你打开飞书，是因为工作强制要求。IM 平台掌握着用户的入口，AI 只是寄居其上的附庸。

但当 AI 真正实现跨平台无缝漫游，入口的权重开始向 AI 倾斜。用户不再关心 " 我在哪个 IM 里和 AI 对话 "，只关心 " 我的 AI 能不能随时随地找到 "。IM 逐渐退化为单纯的显示器和麦克风，管道化了。

历史上，电信运营商经历过这一幕：当微信出现，短信和通话被架空，运营商沦为 " 管道 "。今天，这一幕可能在 IM 身上重演：当 AI 跨过所有 IM 平台的边界，真正实现 " 一次接入、处处可用 "，IM 的护城河里流着的，将不再是用户的关系链，而是 AI 的对话流、工作流。

03

隐秘战争中，没有 BAT

OpenClaw 这把火，国内 AI 大厂当然坐不住。但冲在最前面的，不是 BAT。

翻翻这个赛道的主力名单——月之暗面、MiniMax、阶跃星辰、DeepSeek ——会发现一个事实：在这场战争里，BAT 不再是当然的主角。

一场隐秘的权力更迭，正在发生。为什么会这样？

要回答这个问题，需要先理解 OpenClaw 这类 Agent 的底层商业逻辑。

这类产品有一个内在特性，可以称之为 " 智能体循环 "。与传统大模型的一次性问答不同，Agent 为了完成一个任务，必须走一套复杂的递归流程：拆解任务→搜索网页→阅读材料→发现信息不足→再次搜索→调用工具→信息反馈……

在这个过程中，Agent 与底层大模型的交互次数从几十次到上百次不等，单次任务消耗的 Token 数以万计。如果用 GPT-5.2、Gemini-3.1 Pro 这些高端模型，一次复杂任务的推理成本可能直接飙到几十美元。这也正是 OpenClaw 被吐槽 " 烧钱 " 太快的根本原因。

但在中国，这个 " 烧钱 " 的痛点，恰恰转化成了新玩家的商业机会。

机会的构成有两端。供给端，国产大模型公司经过两年厮杀，已经把 Token 价格打到了地板价，但始终缺少一个能够稳定消耗 Token 的 C 端场景——春节让大家下载 APP 薅羊毛，薅完就卸载，不是长久之计。

需求端，OpenClaw 这类产品天然需要海量 Token 来跑通工作流，但调用国外模型成本太高，根本跑不起规模。一边是空有算力待释放的供给，一边是嗷嗷待哺的消耗需求，中间的缺口，恰好被国产模型厂商用 " 一键部署版 "OpenClaw 填上了：他们用自研产品降低使用门槛，用廉价模型拉低运行成本，一套组合拳下来，一个完美的商业闭环跑通了。

数据证明这条路能跑通。OpenRouter 统计 OpenClaw 底层大模型 API 调用量，排第一的不是 OpenAI，也不是 Google，更不是 BAT，而是月之暗面的 Kimi K2.5、是 MiniMax M2.5、阶跃星辰 Step 3.5 Flash 和 DeepSeek V3.2。

在这个 AI 能力严重溢出的时代，OpenClaw 的意外走红，给国产大模型指明了一条差异化赛道：Agent 的运行逻辑决定了它是高 Token 消耗、高频交互的场景。在这个赛道里，能不能追平 OpenAI 的 SOTA 水平已经不是决定性因素——极致的性价比，才是真正的核心竞争力。

而性价比的战争，从来不是巨头的专利。

当年 BAT 靠搜索、电商、社交筑起护城河，护城河里流淌的是用户关系、是交易闭环、是内容生态。但今天这条新赛道的核心要素——算力成本控制、模型推理效率、开源生态运营——恰恰是月之暗面们过去两年一直在打磨的能力。当游戏规则从 " 谁的用户多 " 转向 " 谁的 Token 便宜 "" 谁的 code 好用 "，牌桌上的玩家自然换了面孔。

隐秘战争中，没有 BAT。

04

结语：旧世界，再也回不去了

三年前 ChatGPT 3.5 刚问世时，没几个人相信它会改变世界。

今天 OpenClaw 破圈之后，更多的人却在问同一个问题：" 我拿它干嘛？"

这一幕似曾相识。大语言模型走过的路，OpenClaw 正在重走一遍：极客们看见了改变世界的潜力，普通人只感到迷茫和疏离——技术先行一步，需求原地踏步。这是典型的技术过剩阶段，所有革命性产品都要穿越的无人区。

历史一再证明这个规律。亨利 · 福特问人们想要什么，答案是一匹更快的马；乔布斯发布 iPhone 时，人们质疑没有物理键盘怎么打字。我们总是习惯忍受繁琐的现状，却想象不出被自动化重构后的生活。

路还没修好，OpenClaw 已经在强行造车。

但历史同样证明，一旦体验过坐在车上不用走路的感觉，就再也回不去了。