"Token 经济的泡沫，越吹越大了。

2026 年，中国科技巨头的动作出奇地一致。

3 月 17 日，阿里巴巴发布企业级 AI 原生工作平台 " 悟空 "。钉钉 CEO 陈航站在台上，说了一句意味深长的话：" 过去是人用钉钉来工作，未来是 AI 用钉钉来工作。"

同期，腾讯的 WorkBuddy、字节跳动的豆包 Agent 方案等，也陆续推出。百度、华为、京东，几乎所有叫得上名字的科技巨头，都在紧锣密鼓地布局同一个赛道—— AI Agent。

而引爆这一切的，是一个名叫 OpenClaw 的开源项目。开发者们给它取了个中文绰号：" 龙虾 "。短短几个月，这个项目在 GitHub 上狂揽 30 万星标，超越 React 和 Linux，登顶全球开源软件榜首。一时间，" 养龙虾 " 成了科技圈最热的关键词。

当 " 龙虾 " 的热度开始降温，Hermes（也称 " 爱马仕 "，" 养马 "）的热度又开始迅速攀升。他们本质上，都是 Agent。

与此同时，另一组数据也在悄然攀升。

云厂商开始集体涨价。阿里云、腾讯云、火山引擎的 AI 算力产品价格，都经历了不同程度的上调。市场嗅到了微妙的变化——算力正在被重新定价。

阿里甚至专门成立了 Alibaba Token Hub，将 Token 消耗作为核心战略指标。各大模型厂商开始紧盯 Token 消耗排名，就像互联网时代盯着 DAU 一样紧张。

Agent 产品密集发布、云厂商集体涨价、Token 消耗数据飙升——三个现象指向同一个问题：科技巨头为何如此疯狂地押注 Agent？

Agent，是大厂等待已久的 " 算力出口 "

先算一笔账。过去两年，国内大模型厂商累计投入了多少钱？公开数据显示，仅几家头部厂商的资本开支合计就超过千亿元。如果算上算力基础设施建设、芯片采购、研发团队扩张，这个数字更庞大。

这是一场豪赌。赌的是 AI 能够像互联网一样，重塑一切商业形态。但赌局进行到中途，一个尴尬的问题浮出水面：靠对话式 AI，什么时候能回本？

对话式 AI 有两个致命问题。

第一个问题：Token 消耗太小。用户和 AI 聊天，一天能聊多少？重度用户可能来回几十句，消耗不过几千 Token。普通用户可能一周才用几次。即便是有付费意愿的用户，一个月消耗的 Token 量也极其有限。

第二个问题：付费意愿太低。对话式 AI 的商业模式，要么是按月订阅，要么是按 Token 计费。按月订阅，几十块月费已是天花板，用户很难为 " 聊聊天 " 付更多钱。按 Token 计费，用户一天用不了多少，客单价上不去。

几百亿的投入，靠几十块的月费、几千 Token 的消耗来回本，账算不过来。这不是某一家厂商的困境，是整个行业的集体焦虑。大模型厂商们砸下重金，却发现自己站在一个 " 叫好不叫座 " 的尴尬位置——技术惊艳了世界，但商业闭环迟迟打不通。

Agent 的出现，彻底改变了算力模型。

首先是 Token 消耗量级的跃升。Token 消耗不是线性增长，是指数级跃升。一个复杂 Agent 任务，顶得上几百次普通对话。比如，一个对话式 AI 任务，消耗的 Token 可能几百到几千。一个 Agent 任务，比如 " 帮我整理这份合同，找出风险条款，然后发邮件给法务审核 "。Agent 需要拆解任务、调用工具读取合同、调用模型分析风险、生成审核意见、调用邮件系统发送——整个过程可能需要几十次模型调用、多轮迭代、多个工具执行。

其次是付费逻辑的根本转变。用户愿意为什么付费？为 " 聊天 " 付费，用户觉得不值。但为 " 完成任务 " 付费，逻辑完全不同。如果 Agent 能帮我整理合同、分析数据、生成报告、自动审批，它就不再是一个 " 聊天机器人 "，而是一个 " 数字员工 "。企业愿意为员工付费，个人也愿意为节省时间的工具付费。

kimi 一个月 199 元，Agent 只能用不到 50 次

笔者在 kimi 上部署的 Agent

这就是从 " 按对话收费 " 到 " 按任务收费 " 的转变。前者是消费品逻辑，后者是生产力工具逻辑。

Token 的本质，在这一刻被重新定义。Token 不是 " 字数 "，不是 " 计算次数 "，而是模型的 " 思考量 " 和 " 行动量 "。每一次模型调用，每一次工具执行，每一次迭代反思，都消耗 Token。Token 是 AI 时代的 " 燃料 " ——没有它，模型无法思考；消耗越多，思考越深，行动越强。

当 Agent 成为主流应用形态，Token 的消耗量将不再是线性增长，而是伴随任务复杂度的提升呈现指数级跃升。这正是科技巨头们等待已久的 " 算力出口 "。

Token 经济正在成型。

Token 经济不是未来概念，它正在发生。

从个人层面看，据报道，OpenClaw 的重度用户日均消耗 Token 达到 3000 万到 1 亿。一个用户一天消耗的 Token，抵得上过去一个社区的总和。有人因为 Agent 陷入循环卡顿，6 小时耗光 9000 万 Token，单日账单超千元。这不是极端案例，是 Agent 时代的常态。

从国家层面看，2026 年 3 月，中国日均 Token 调用量突破 140 万亿。两年增长上千倍。这个数字还在以每周两位数的速度增长。140 万亿是什么概念？相当于 14 亿中国人，每人每天用掉 10 万个 Token。

从市场层面看，Token 消耗量已经成为大家关注的核心指标。

三个层面的信号叠加在一起，指向同一个结论：Agent 是科技巨头唯一的 " 算力出口 "，也是商业模式重构的关键。对于上千亿的资本开支，对话式 AI 的出口太窄，撑不起这个盘子。Agent 打开了出口的宽度——成百上千倍的 Token 消耗，完全不同的付费逻辑，正在形成的 Token 经济。

这就是科技巨头疯狂押注 Agent 的根本原因——给自己找活路。

OpenClaw 就是 AI 操作系统的雏形？

就在各大科技巨头密集布局 Agent 的同时，英伟达创始人黄仁勋在 GTC 2026 大会上点明了一个关键趋势。

他指出，OpenClaw 是 AI 时代操作系统的雏形。大模型相当于 CPU，而 OpenClaw 就是操作系统。这个判断的分量非同小可：如果 Agent 真的是下一代操作系统，那么谁掌握 Agent 生态，谁就掌握了 AI 时代的地基。

事实上，这并不是黄仁勋第一次强调 Agent 的战略地位。早在 2025 年的 CES 展上，他就提出 "Agentic AI" 将成为 AI 发展的下一阶段。如今，这一判断正在被中国科技巨头的实际行动所验证。

每一次技术革命，都会重塑权力格局。

计算机诞生之初，IBM 定义了大型机时代，成为科技霸主。PC 时代，微软定义了操作系统，统治了桌面。互联网时代，谷歌定义了搜索，掌控了信息入口。移动时代，苹果定义了智能手机，重构了人机交互。

AI 时代，谁将定义 Agent？答案正在浮现。

回顾科技史，最终胜出的平台，都是在三个层面同时构筑了壁垒。PC 时代的微软：硬件生态（Wintel 联盟）+ 操作系统（Windows）+ 应用生态（Office）。移动时代的苹果：自研芯片（A 系列）+ 操作系统（iOS）+ 应用商店（App Store）。互联网时代的谷歌：算力基础设施（数据中心）+ 搜索算法（PageRank）+ 广告生态（AdWords）。

算力、产品、生态——三者缺一不可。这是技术史的冷酷逻辑，也是 Agent 时代不会改变的规律。

从这个角度来看，Agent 的价值，怎么强调都不过分。

也正因为如此，为了一只小 " 龙虾 "，各家科技企业才会如此 " 上头 "。

八仙过海，各显神通

在 Agent 这个 " 战场 " 上，不管是阿里、字节、腾讯这些巨头，还是月之暗面、智谱等 AI 新星，都几乎押上了重注。那么，他们到底做的咋样，优劣势如何呢？

应该说，这场竞赛才刚刚开始，很难看得清楚。但是，我们可以从从基础模型能力、产品体系、技术路线、安全策略、生态建设五个竞争维度，来试图捋出来一个脉络。

基础模型能力——底座决定上限

可能不少人会认为，接下来是 Agent 的时代，大模型是过时的产物，不再那么重要了。但这其实是一个误解，大模型依然至关重要，只是它可能更多的隐在幕后了。

事实上，Agent 的 " 大脑 " 是大模型，模型能力决定了 Agent 能理解多复杂的指令、能推理多深的问题、能调用多准的工具。

从当前格局看，字节豆包 2.0 在调用量和产品成熟度上领先，阿里 Qwen 系列在开源 AI 领域表现亮眼，腾讯混元相对处于追赶位置。

字节豆包 2.0 于 2026 年 2 月 14 日发布，根据最新数据，其日均使用量突破 120 万亿 Tokens，暂时领先。

阿里的通义系列模型通过千问和悟空两个出口服务 C 端和 B 端，优势在于与钉钉、淘宝等业务的深度耦合。

腾讯混元起步较晚，与头部存在差距。这也是腾讯为何一边自研，一边投资智谱、MiniMax 等创业公司。

此外，第二梯队不容忽视：月之暗面 Kimi-K2 在 SWE-bench 达 65.8%，智谱 GLM-5 在 C-Eval 达 92.5%，MiniMax M2.5 输出价格仅 1.1 美元 / 百万 Token（约为 Claude 的 1/20）。在 OpenClaw 调用的 344 个大模型中，国产模型 Kimi K2.5、阶跃星辰 Step 3.5 Flash 以及 MiniMax M2.5 排名靠前，" 国产龙虾三剑客 " 格局初现。第二梯队特定能力甚至超越大厂，但缺乏生态护城河。

产品体系与业务融合——谁在真正 " 做事 "

Agent 与自身业务体系的融合深度，决定了它能 " 做 " 多少事。

阿里：千问（C 端）+ 悟空（B 端）

千问定位 "AI 办事 "，2026 年 1 月上线 Agent 任务助理，打通淘宝、支付宝、飞猪、高德等阿里生态，用户可通过自然语言指令完成跨应用操作。

悟空是企业级 AI 原生工作平台，2026 年 3 月 17 日发布。它不是钉钉的功能模块，而是 " 为 AI 重写的钉钉 " ——将 8 亿用户的底层架构全面重构，首批 OPT 行业解决方案覆盖电商、制造、法律、财税等十大行业。

字节：豆包 + 扣子 + 飞书

豆包提供模型能力，扣子（Coze）提供 Agent 开发平台，飞书提供企业服务场景。扣子的核心优势是极低上手门槛和丰富插件生态，用户可一键发布至抖音、飞书等渠道。

笔者在字节扣子上部署的 openclaw

腾讯：WorkBuddy+ 微信

WorkBuddy 于 2026 年 3 月 9 日上线，核心功能是打通微信直连——用户发语音 / 文字即可远程指挥电脑工作。发布首日因用户涌入超预期，团队于第二日紧急将算力扩容十倍。腾讯的打法是 " 入口式覆盖 "：借微信 14 亿月活实现大规模分发。

与 OpenClaw 的关系——兼容、自研还是套壳？

各厂商对 OpenClaw 的态度，反映了其技术自主程度。

需要指出的是，阿里悟空并非 OpenClaw 的套壳，更像是自研程度较高的 Agent 操作系统。钉钉将产品体系全面重构为 CLI（命令行界面），AI 通过标准化指令直接调用功能。采用自研 Agent Runtime 架构，包含任务推理引擎、记忆系统、AI 工作空间和执行工具集。

钉钉 CEO 陈航表示，" 和市面上所有的龙虾 Agent 不一样，‘悟空’天然就长在企业组织中。"

WorkBuddy 完全兼容 OpenClaw 技能体系，支持技能一键导入。微信推出 ClawBot 插件，支持接入 OpenClaw。但腾讯同时发布了完整的 Agent 产品全景图，不以 OpenClaw 为唯一底座。

飞书是 OpenClaw 官方默认的 IM 应用，但字节同时拥有豆包和扣子，追求技术栈的自主可控。

国家数据局局长刘烈宏表示，中国企业正从 " 套壳 " 走向 " 开源框架 + 中国模型 + 全栈安全 " 的独特路径。

安全正在成为 Agent 落地的第一道门槛。IDC 调研显示，" 安全风险 " 是用户推进 AI 智能体落地的最大阻碍之一。

OpenClaw 被曝出 SMB 凭证泄露、环境变量注入、Unicode 伪装攻击等漏洞，国家互联网应急中心已发布风险提示。这些漏洞的本质是 OpenClaw 从诞生之初带着 " 个人工具 " 的基因，采用 " 先跑通、再修补 " 的逻辑，缺乏企业级安全设计。

阿里悟空从架构设计之初就把安全内建到底层，构建涵盖统一身份认证、容器级沙箱、Skill 安全扫描等六项安全防护。

腾讯 WorkBuddy 强调所有操作在本地运行，保障数据隐私安全。字节豆包强调严格遵循用户授权与合规原则，数据全程加密。

需要指出的是，安全和灵活是 Agent 的一对核心矛盾：权限放太宽容易出事（如 Meta 安全总监的 Agent 误删 200 封邮件），放太窄 Agent 又废掉了。谁能设计出 " 既安全又高效 " 的人机协作机制，谁就能让 Agent 真正走进企业核心业务。

Agent 的竞争，最终是生态的竞争。阿里、字节、腾讯走出了三条不同的生态路径：

阿里是系统级重构——将钉钉底层全面 CLI 化，悟空平台打通电商、金融到企业协同的全链路，目标五年内 " 云 +AI" 外部收入超 1000 亿美元 / 年。

字节是积木式渗透——将 AI 能力拆解为可复用模块，通过扣子平台绑定开发者，飞书是 OpenClaw 官方默认 IM 应用，形成 " 产品矩阵 +AI 中台 " 的布局。

腾讯是入口式覆盖——借微信 14 亿月活实现大规模分发，QClaw 主打 " 零门槛 "，WorkBuddy 主打桌面任务，企业微信主打 B 端客户经营。

三家的共同策略是 " 兼容但不依附 " ——既利用 OpenClaw 开源生态的丰富性，又保持一定的技术自主。OpenClaw 正在成为 Agent 操作系统的事实标准，类似于安卓在移动时代的角色。谁能成为 "AI 时代的安卓 "，取决于谁能在自研技术栈、生态兼容性、开发者吸引力三个维度上同时构筑壁垒。

需要指出的是，竞争的终局，可能不是只有一个生态主，而是多个生态并存，且多个生态之间实现一定程度的打通。

有趣的是，基于 openclaw 的 Agent 系统，目前已经具备打通各个平台的潜力。例如，笔者在字节扣子上部署了 openclaw，并且连通了微信和飞书这两个端口。我在微信上跟它沟通的内容，在飞书上它居然也还记得。

综上，从五个维度来看，三家巨头的路径分野清晰：阿里强在业务融合，字节强在模型能力与产品成熟度，腾讯强在入口与工程化能力。月之暗面、智谱等第二梯队则在特定技术能力上领先，但缺乏生态护城河。当然，这是它们的最大困境，也是最大机会（保持中立，可被多方集成）。

各家公司 Agent 布局对比表

在这场激烈的竞争中，谁能在基础模型、产品生态、技术自主、安全信任、生态建设五个维度同时构筑壁垒，谁就能在 Agent 时代的竞争中占据有利位置。

1956 年夏天，达特茅斯学院的一个研讨会上，一群科学家第一次提出了 " 人工智能 " 这个概念。那一年，没有人知道这条路要走多远。

此后的七十年，AI 经历了两次漫长的寒冬。每一次寒冬，都是因为技术的承诺远远超出了能力边界——人们以为 AI 要来了，结果发现它连简单的推理都做不好。每一次寒冬，都是因为商业闭环打不通——投入巨大，产出寥寥，资本失去耐心。

但演进从未停止。回看 AI 的发展历程，可以清晰地看到一条脉络：

这不是渐进式的改进，是范式级别的跃迁。

Agent 现在能做什么？

说实话，还不多。阿里的千问、字节的豆包，目前能帮你点外卖、打车、订机票——在封闭场景里跑通闭环。悟空则像 " 封闭园区的无人驾驶 "，基于钉钉的组织架构，在安全边界内做事。至于大量套壳 OpenClaw 的 Agent，连安全责任都还没厘清。

但能力的演进速度超乎想象。从 " 识别 " 到 " 对话 "，用了七十年。从 " 对话 " 到 " 行动 "，只用了三年。

Agent 未来能做什么？

未来 18 个月，是关键窗口期。

在能力层面，谁能突破任务复杂度、工具调用准确率、多轮迭代稳定性的瓶颈，谁就能定义 Agent 的标准。在安全层面，谁能建立企业级信任，谁就能赢得客户。在生态层面，谁能成为 "AI 时代的安卓 "，谁就能掌握下一个十年的底层规则。

历史一再证明，一项技术从 " 玩具 " 走向 " 工具 "，需要一个关键的转折点。在这个点之前，技术是酷的，但可有可无；在这个点之后，技术是必须的，再也回不去。

AI 的转折点，正在发生。催化剂是 Agent。

1956 年达特茅斯会议，是一扇窄门。2012 年 ImageNet 突破，是一扇窄门。2022 年 ChatGPT 发布，是一扇窄门。2026 年的 Agent 浪潮，也是一扇窄门。

窄门开启时，有人看见机会，有人看见风险，有人看见热闹。但只有少数人看得见——这扇门通向的，是下一个时代的底层规则。

达特茅斯会议七十年后，AI 终于从 " 识别 " 走到 " 对话 "，再走到 " 行动 "。

窄门已经打开。谁能穿过？