OpenClaw风暴席卷中国：大模型下半场的暗战与机遇

本文来自微信公众号：全天候科技，作者：全天候科技

3月初的深圳腾讯总部楼下，一场特殊的“集市”悄然展开——腾讯工程师们在大厦北广场摆起摊位，免费为用户安装名为“龙虾”的OpenClaw。

长长的队伍里，有人抱着NAS存储设备，有人带着MacBook笔记本，还有人拎着迷你主机，场景酷似十年前极客们扎堆刷安卓系统的聚会。

事实上，不止腾讯，国内不少科技大厂都在密集布局类似的“龙虾”项目。

小米已启动MiclawAgent的内测工作，计划将AI代理嵌入“人车家全生态”系统，让手机、汽车、电视及各类家电都成为AI执行任务的节点。

当云厂商开始线下“摆摊”推广，终端大厂着手将Agent融入操作系统，这场由“龙虾”引发的风暴，已然拉开了大模型下半场竞争的帷幕。

这并非简单的AI工具之争，而是一场围绕下一代“超级入口”展开的暗战。

一

Token背后的现金流密码

当前，所有大模型玩家都面临一个共同困境：单纯的“Chat”对话模式，难以支撑健康的商业模式。

过去两年，国内云厂商与科技巨头陷入长期军备竞赛，成千上万张高端算力卡被批量部署到数据中心。2026年，字节、阿里、腾讯的资本开支合计超600亿美元。然而，若用户不调用算力，这些设备就会闲置，每天产生高昂的折旧成本。

现实是，仅依靠C端用户的对话交互，既无法消耗庞大的算力储备，也难以从习惯免费服务的用户群体中获得收入。

用户偶尔让AI写邮件、画图，单次交互消耗的Token量极低，远不足以覆盖底层算力集群的折旧与运营成本。要让昂贵的算力产生实际价值，巨头们急需一个能持续、自动消耗算力的“Token黑洞”。

OpenClaw这类本地部署的Agent恰好扮演了这一角色。

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、识别错误并自我纠正重试。每一个步骤都需向云端API接口发送请求，一个复杂任务的Token消耗量可达普通对话的百倍甚至千倍。

一位AI分析师向华尔街见闻表示：“中国开源模型被OpenClaw采用，主要得益于高性价比。相比海外竞品，低成本促使API调用更频繁，直接转化为云厂商的现金流，避免了巨额算力投资的浪费。”

这便是腾讯等云厂商愿意投入人力线下“摆摊”帮用户部署开源Agent、阿里强推OpenClaw一键上云的原因——每一次部署，都在用户设备或云端埋下一台24小时运转的“算力抽水机”。

无论前端运行的是否为开源模型，只要推理和工具调用的API指向自家云服务，海量微小请求最终会汇聚成可观的B2C与B2B现金流。在资本市场对大模型商业化变现要求日益严苛的当下，Agent带动的API流水，成为巨头维系算力扩张的关键“输血管”。

二

轨迹数据：大模型的“新燃料”

越过现金流的表层逻辑，巨头力推本地Agent的第二层目标，触及了大模型发展的核心瓶颈：高质量训练数据的枯竭。

过去几年，大模型竞争的核心资源是算力与训练数据。但随着模型能力提升，另一种资源逐渐凸显重要性：任务轨迹数据。

业内共识是，互联网上的高质量公开文本数据（如维基百科、新闻、书籍论文）已被各家大模型“挖掘殆尽”。若仅依赖这些静态文本，大模型只会沦为更“博学”的“书呆子”，难以向通用人工智能（AGI）迈进。

下一代大模型需要什么？需要理解人类在数字世界中的“行动逻辑”，这便是业内渴求的“任务轨迹数据”（Trajectory Data）。

当用户让AI完成任务时，AI会经历理解需求、搜索信息、调用工具、填写表单、完成支付等一系列步骤，每个动作都留下记录，构成完整的任务链路。

对Agent模型而言，这类数据比普通文本更具价值，因为它反映了现实世界的行动逻辑。

而这类数据恰恰是巨头们此前难以获取的——它们隐藏在割裂的软件、封闭的App和企业内网中，即便拥有庞大爬虫生态的搜索引擎也无能为力。

部署在用户终端的OpenClaw与系统级的Miclaw，就像深入“数据敌后”的探测器。

OpenClaw中国社区经理Alan Feng指出：“用户安装OpenClaw后，常期待它能‘魔法般’自动完成任务，但真正的价值在于定义清晰的任务流程。轨迹数据的反馈能让模型持续优化，厂商借此补充数据，提升代理能力。”

当用户在本地运行Agent执行操作时，Agent会记录下用户的操作意图与软件交互轨迹。国内大厂密集推广Agent应用，本质上是一场分布式、规模空前的数据众包。

用户以为自己免费获得了AI劳动力，实则在指导、纠正Agent的过程中，免费为巨头提供了最高质量的强化学习微调数据。

这些“轨迹数据”回流云端后，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——正如特斯拉通过数百万辆电动车收集真实路况数据，反哺FSD自动驾驶算法一样。

阿里Qwen项目内部人士向华尔街见闻透露：“中国在新范式上领先的概率低于20%，但通过Agent轨迹数据，阿里能快速迭代模型，缩小与国际的差距。”

如今，巨头们正将用户的电脑和手机，变成AI时代的“数据采集车”。谁掌握更多轨迹数据，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并非只为推出新工具，而是在争夺AI时代的操作入口。

三

入口战争：从App到Agent的轮回

中国互联网曾经历多轮入口战争：早期门户网站争夺首页流量；搜索时代，百度成为信息入口；移动互联网时代，App崛起，微信、支付宝、抖音成为流量中心。

AI的出现正在重构这一格局。

阿里千问持续投入“AI办事”，让用户一句话即可完成下单；小米内测Miclaw，将其深度植入手机底层系统。这些动作释放的信号是：未来用户与数字世界的交互界面将被彻底重构。

当用户习惯用一句话表达需求，操作路径将发生改变——用户不再主动打开App，而是将任务交给AI，由AI决定使用哪个平台、调用哪个服务、完成哪条支付链路。

在此体系中，App的地位将发生变化：它们依然存在，但更多成为服务节点。真正的入口，是那个帮助用户完成任务的Agent。

在新语境下，“抢App入口”已显落伍。真正的战争，是成为直接听命于用户、掌控全局的“底层代理人”。

若巨头能让自家Agent占据用户终端，便掌握了商业世界的顶级权力——意图分发权。它可轻易将外卖订单导流至关联企业，将差旅需求导入自身支付生态。

在Agent构建的新“围墙花园”里，曾经的超级App将沦为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，更丧失品牌与流量溢价。

这也是大厂对Agent高度敏感的原因——所有人都想成为控制Agent的平台。

四

风暴前夜：从“会说”到“会做”的跨越

OpenClaw的爆火或许只是一个信号。

真正的变革在于，AI正从“会说话的工具”向“会做事的系统”转变。过去两年，大模型行业的核心目标是提升智能水平；如今，越来越多公司开始思考：如何让AI获得行动能力。

一旦AI能稳定完成任务，互联网结构将发生巨变——许多应用可能退居后台，用户只需通过一个Agent，即可完成大部分数字生活操作。

在这样的世界里，Agent将成为连接用户与所有服务的新操作层。

回顾技术史，每一次平台级变革都始于不起眼的开端：Android最初只是极客刷机的系统，微信公众号刚出现时仅是简单的内容工具，小程序推出时更像轻量网页。

但这些产品后来都成长为新平台。

若未来AI真的进入Agent时代，今天的OpenClaw，很可能成为最早被记住的名字之一。

中国互联网正在经历的，或许正是这场风暴的前夜。