文｜商業新研社

AI正在以前所未有的速度席捲普通人。

繼ChatGPT、DeepSeek、Manus之後，最近，一款開源AI智能體OpenClaw在全球掀起熱潮，因其圖標酷似龍蝦，所以開發者們通俗地把調教它的過程稱為「養蝦」。

OpenClaw不是一個具體的應用，但是可以通過調用多款大模型，自主完成文件操作、瀏覽器自動化、數據抓取、表格製作等任務的AI助理，讓閒置的電腦化身為不知疲倦的「數字員工」。

截至目前，OpenClaw的GitHub星標數突破27萬，超越React和Linux，登頂全球開源軟件項目榜。在社交平台上，不少網友曬出自己「養龍蝦」「用龍蝦」的經歷。從整理桌面到跨軟件處理數據，效果令人驚歎。從「對話模型」到「動手操作」，AI正從「能說會道」進化為「動手幹活」。

OpenClaw的火爆，從最初技術發燒友的小衆愛好，到大廠爭相下場免費代裝，再到地方出台政策支持，一時間讓「養蝦熱」成了全民話題，也引發了更多爭議。

那麼該如何看待這隻龍蝦了？它與我們的生活有什麼關係？普通人又該如何應對了？其中又有哪些商業邏輯？我們一文了解下其中的七大關鍵問題。

1、OpenClaw與現在的大模型有什麼不同？能幹什麼？

對普通人來說，我們之前接觸的AI應用，主要是生成式大模型，像豆包、千問、元寶、DeepSeek、文心一言等，這些通過人機對話的方式，用來聊天、查資料、做圖片/視頻、寫代碼、做數據分析等，但無法觸及我們的物理世界。

去年11月字節推出的豆包手機，讓部分人真實體驗到查票訂票、電商平台比價下單等這些跨應用複雜操作，AI從聊天進入可執行階段，AI智能體也第一次真正觸及到物理世界。今年春節千問30億請客，讓人們對手機「說一句話點奶茶」成為現實，AI離我們的真實生活也更近了。

與傳統對話式人工智能不同，OpenClaw定位是「具備自主執行能力的分佈式AI助手」，通過四層架構（用戶交互層、核心處理層、數據存儲層、平台適配層）實現「自然語言指令→自主執行」的閉環，這意味着OpenClaw不僅能與用戶互動、根據指令完成任務，還可以「接管」用戶的電腦，自動調用不同數據完成複雜任務，完成讀取文件、整理數據、發送消息、監控信息，甚至遠程控制設備等一系列操作。

如果用通俗的話來理解OpenClaw與大模型的區別，那就是：大模型很聰明，但不認識你，每次對話都從零開始，相當於僱了個超級顧問，但每天早上都會失憶。OpenClaw不一樣，它給了一套機制，讓用戶在日常聊天中跟AI不斷溝通，積累記憶，定義人格和習慣，還能感知時間、設定作息、自主分工。慢慢「養」出來的，是一個有記憶、有作息、有專長且可主動執行的個人超級助手，用戶和它的交互越多，它越能了解用戶。

從使用體驗來看，部署好「龍蝦」後，它將7X24小時運行在本地或者雲電腦中，其核心功能覆蓋辦公、生活、創業等場景，替代重複勞動。OpenClaw兼容主流大模型，可以集成釘釘、飛書、Office等辦公軟件，實現「發送項目方案至研發羣」「同步客戶溝通記錄至本地」等跨平台操作，真正成了一個專屬你的「數字員工」。

2、如何「養龍蝦」？哪種方式最適合？

既然OpenClaw這麼好用，很多人自然就想去嚐鮮「養蝦」，那麼到底該如何養了？

目前，國內主流的「養蝦」方式有本地部署和雲端部署兩種。本地部署相當於把OpenClaw養在電腦等硬件設備裏，雲端部署則直接安裝在雲服務器上，前者能力更強、能深度融合，但需具備一定技術基礎和開發能力，後者安裝更簡單，比較穩定、風險較低。

而本地部署又可以分兩類：一是專用本地硬件，最典型的就是Mac Mini，這台機器長期在線，專門負責運行Agent，既能連接本地文件和瀏覽器，也能掛接消息渠道、自動化工具和各類技能，體驗最穩定。二是在個人電腦上直接安裝，門檻最低但風險比較高，因為龍蝦和你共享同一個操作系統環境，擁有你電腦上的全部權限，當然用Docker容器做一層隔離會安全很多，但配置複雜度也隨之上升。虛擬機方案隔離性最強，但資源消耗大，普通PC的配置不一定喫得消。

雲端部署也可以分兩類：一是雲服務器（VPS）部署，比如騰訊雲、阿里雲、百度雲都推出了一鍵部署方案，雲服務價格根據需求的不同，從幾十元到上百元不等，但需要單獨考慮模型費用。有些方案中自帶免費模型，有些還需要單獨訂閱模型或購買API。優勢是網絡隔離，即使出問題也不影響你的個人電腦。二是模型廠商託管產品，比如Kimi推出了Kimi Claw，MiniMax推出了MaxClaw，這些是廠商基於OpenClaw封裝的雲端服務。部署門檻最低，幾乎開箱即用，但用戶用的實際上是廠商的基礎設施，而不是完整的本地龍蝦，在體驗上會有折扣。

整體來看，普通用戶想「養一隻龍蝦」，可本地部署自己安裝，能夠進行深度集成，開機運行、關機或休眠就掉線，需要自己把控安全，適合有一定技術基礎、有穩定工作電腦、希望真正打通本地工作流的開發者。或者也可直接使用KimiClaw、MaxClaw等雲端AI助手，7×24小時在線，輕量化操作，還能體驗多智能體協同服務，但要考慮長期使用的費用。

3、養龍蝦的成本有多少？

「養蝦熱」之下，很多人一窩蜂地去安裝，但和我們很多人使用的國內免費AI大模型不同，養龍蝦並非沒有成本，而且還是持續性的開銷，並不便宜。

不管選用哪種部署方式，核心成本主要分為以下三類：

一是硬件成本：本地部署最低要求4核CPU、8G內存、256G SSD，老舊電腦根本帶不動，輕則卡頓崩潰，重則無法運行。想24小時穩定運行，要麼升級硬件花費300-1000元，要麼購置專用迷你主機，費用500-5000元不等。如果想要更好的本地體驗，還可以高配Mac Studio或工作站，但這硬件一次性支出可能就在10萬元量級了。

二是運行成本：OpenClaw本身不內置任何模型，它是一個框架，負責任務拆解、工具調用、記憶管理和反饋循環，其運行需要調用大模型API，每一次任務執行、每一步操作都在消耗Token（令牌/詞元），而Token直接對應真金白銀。普通用戶日常使用，月均Token開銷可達幾十到幾百元，堪稱「Token吞噬機」。

根據網上用戶的反饋，跑起來「不便宜」。一個配置合理的OpenClaw，24小時運行，每月的token消耗可能高達數千萬。用MiniMax M2.5這樣便宜的模型，每月也要幾十美元；如果用Claude Sonnet或GPT-4，費用直接飆到幾百美元甚至上千美元。如果一旦任務鏈拉長、工具調用增多、記憶開啓，token消耗還會更迅速抬升。

三是運維成本：24小時開機的電費、後續版本更新、故障調試，都是持續性支出。想讓「龍蝦」好好幹活，這筆錢省不掉。

有人算過一筆賬：如果你用Mac Mini加頂級模型高頻使用，月均成本最低要在人民幣幾百到上千元。所以我們在考慮「養龍蝦」前，還是得先看看自己的錢包足夠充裕，願不願去做這筆長期的投入。

4、普通人是否需要養龍蝦？

龍蝦雖好，但不一定適合所有人。那麼到底要不要裝龍蝦？排除獵奇和FOMO心理之後，做這個決定可能需要考慮以下幾個實際因素。

一是你有沒有明確的、高頻的、可自動化的任務？龍蝦的價值不在於偶爾幫我們查個天氣，而在於每天自動幫你整理郵件、監控特定信息源、定時生成報告這種重複性工作。如果你的日常工作大部分是創意決策、人際溝通這類龍蝦目前幫不上忙的事，那它對你的實際價值有限。

因為絕大部分白領的日常工作，報銷、訂會議室、發周報、更新Excel，本質上是確定性流轉。當下的辦公軟件，像企微、飛書、釘釘、SAP、Salesforce，已經高度集成。通過簡單的工作流或API自動化就能解決的任務，完全不需要一個具備視覺識別和自主推理能力的AI代理。

二是你願意投入多少時間和金錢？硬件成本（自購設備或雲服務器租金）、模型API調用費用、前期配置時間、持續的「養成」投入，這些成本加在一起不是小數目。真的要養蝦，一定要評估這個成本相對於它給你節省的時間和精力，是否划算。

實際上，對普通上班族來說，養一隻蝦需要極高的算力成本和推理時間。為了讓龍蝦精準地點擊一個特定按鈕，你可能需要反覆調整Prompt、截屏微調。AI代理由於其隨機性，存在斷連風險。對於追求穩定性的辦公室環境，為了省下10分鐘的點擊時間，卻要花2小時去盯着它別出錯，這在經濟學上也是完全不划算的。

三是技術能力和風險承受度如何？OpenClaw原是針對開發者的開源技術項目，不具備開發能力的普通C端用戶在使用時應警惕風險。而且如果完全沒有命令行經驗，現階段直接上手OpenClaw本地部署的挫折感會很強。更務實的選擇可能是先試試Kimi Claw或MaxClaw這類封裝產品，感受一下Agent的基本能力，再決定要不要深入折騰。如果你決定本地部署，務必做好安全隔離，建議用獨立設備或Docker容器，設API消費上限，不要把它部署在存有重要數據的主力電腦上。

對普通大衆來說，OpenClaw目前仍是一個高門檻、高成本的「AI玩具」，普通用戶也不用着急。正如龍蝦之父Peter自己說過一句「大實話」：如果你不懂命令行，這個項目對你來說風險太大。這句話值得所有正在猶豫要不要裝龍蝦的人仔細品味。

我們不妨再等等，現在國內很多企業都在參考或借鑑OpenClaw搞研發，待本地化產品更多樣時，普通用戶可以選擇適合自己的產品。

5、「養蝦熱」下，到底誰在賺錢？

我們追逐「龍蝦」，不僅是希望了解和提高AI技能，也是尋找AI時代一些商機。那麼這波「養蝦熱」下，到底哪些人在賺錢了？

首當其衝的就是「代裝龍蝦」生意的火爆。這一幕正如去年初，Manus的火爆程度已經到了「一碼難求」的地步，甚至有人在閒魚等平台上，把邀請碼的價格炒到了上萬元。目前小紅書、抖音上，「OpenClaw安裝教程」相關帖子刷屏，不少人推出了「代裝龍蝦」服務，分為遠程安裝和上門服務兩種，對硬件基本無要求，多針對個人提供本地部署，定價在20-3000元/次不等，有的網店甚至直接將迷你主機印上了龍蝦標誌，做起了「一體機」售賣服務，價格在七八百元至數千元不等，銷售火爆。一些二手電腦商，也靠這個養蝦熱潮加速賣貨。

其次就是「OpenClaw」、「養龍蝦」相關課程的熱炒。目前，上百個相關付費課程也上架電商平台，知識星球上，「小龍蝦AI星球」一躍成為暢銷榜第一，50元的入會門檻，已吸引超過710名成員加入，按此計算的話收入已達35000左右，這還不包括各種線下活動，以及後續課程開發和資源再利用等其它增值收入。

第三是提供「一鍵部署」OpenClaw服務的雲廠商。因為不論是本地還是雲端部署，都離不開算力和服務，但云廠商和AI企業多選擇先從免費安裝、降低門檻開始。比如1月阿里雲就推出了部署OpenClaw的相關鏡像，2月百度智能雲宣佈上線OpenClaw一鍵部署服務，3月，騰訊雲Lighthouse的工程師在線下免費為用戶安裝OpenClaw，企業微信宣佈支持OpenClaw，同時騰訊還正式上線騰訊版「小龍蝦」WorkBuddy。而火山引擎也正式推出開箱即用的ArkClaw。這些雲廠商提供免費部署服務的背後，其實是希望通過「服務器+算力+API調用」的基礎訂閱收費鎖定剛需，來收用戶的這種長期飯票。

最後，如果從收入來看，「養蝦熱」的最大受益者，毫無疑問是大模型廠商，他們纔是Token提款機。因為通過OpenClaw跑一個複雜任務下來，其Token消耗量是普通對話的百倍乃至千倍。

2月初，OpenClaw宣佈將Kimi K2.5設為官方免費主力模型，這直接讓Kimi迎來爆發式增長，有數據顯示，Kimi K2.5近20天累計收入超過了2025年全年總收入。而MiniMax的M2模型因與OpenClaw生態深度綁定，其Token用量在今年前兩個月暴增了6倍，年化經常性收入（ARR）激增50%，其股價較IPO已經上漲了近五倍。智譜的Coding Plan算力套餐也甚至一度被搶斷貨，其公司股價近一個月暴漲了234%。

可以說，OpenClaw的出現，讓國產大模型找到了商業化突破口。過去這些創業公司投入巨資研發大模型，卻苦於找不到變現路徑，甚至被戲稱為「錘子找釘子」。但OpenClaw給了他們一個現成的落地場景，無需再投入大量資源搭建應用生態，只需聚焦核心模型優勢，就能快速變現。

6、養蝦的風險知多少？

除去成本和門檻，還有更致命的安全風險，這也是「養蝦熱」中最容易被忽略的關鍵問題。

有網友在網絡上分享自己使用OpenClaw的經歷，他將自己的工作郵箱交給了OpenClaw打理，指令很簡單：「檢查收件箱，提出你想歸檔或刪除的郵件。」他還特意附加了「未經許可不要有任何操作」的安全詞限制。然而，「龍蝦」失控了。它無視他連續發出的「停下來」的指令，瘋狂地批量刪除數百封郵件。

更可怕的隱患在於權限失控，為了讓「龍蝦」幹活，用戶必須交出郵箱、文件系統、甚至網銀信息的權限。專業人士稱，在配置不當的情況下會直接暴露在互聯網上，只要被掃描到，任何人都可以嘗試連接這隻「裸奔的龍蝦」，獲取用戶數月內的私人消息、賬戶憑證、API密鑰等敏感信息。

安全機構STRIKE的公開研究顯示，已有超過4萬個OpenClaw實例暴露於公網，其中63%存在可被利用的漏洞，超過1.2萬個實例被標記為可遠程控制。網絡安全專家警告，一旦被黑客入侵，「一秒就可以搬空」。據媒體報道，截至目前被掃描出的「裸奔」龍蝦數量已高達27萬隻。

工業和信息化部網絡安全威脅和漏洞信息共享平台（NVDB）監測發現，OpenClaw在默認或不當配置下存在較高安全風險，其「信任邊界模糊」且具備自主執行、調用外部資源的特性，在缺乏有效管控時可能出現三大問題：一是指令誘導風險，惡意指令可能導致AI執行越權操作；二是配置缺陷引發信息泄露，未關閉公網訪問的實例易被攻擊；三是系統受控風險。

針對潛在風險，工信部已發布安全提示，建議相關單位和用戶部署時遵循以下規範，覈查公網暴露情況，關閉不必要的公網訪問權限；完善身份認證機制，設定嚴格的權限分級與訪問控制；加強數據加密與憑證管理，防止敏感信息泄露；建立安全審計機制，記錄AI執行的關鍵操作日誌；持續關注官方安全公告，及時應用加固補丁與升級方案。

今年來，Google、Anthropic、Meta等公司已經開始在內部封禁OpenClaw，三星、SK等韓國科技公司也發布正式禁令，嚴禁員工在辦公設備上運行OpenClaw。這不是因為技術本身有問題，而是當前的安全防護機制遠沒有跟上它的能力擴張。

對普通人來講，OpenClaw存在多重安全隱患：網關配置不當易在公網暴露，設備可能淪為「肉雞」；無法識別惡意郵件和文本中的提示詞注入，易被誘導泄露敏感數據；API密鑰以明文存儲，易引發賬號資產損失；指令執行偏離頻發，核心文件可能被不可逆刪除；無操作審計日誌，出問題後無法溯源。整體來看，OpenClaw仍處於早期階段，遠未達到面向廣大普通用戶的成熟標準。

7、應該如何看待「養蝦熱」？

OpenClaw從2025年11月的一個周末實驗到現在，距今不到四個月。它是一個迭代飛快但仍然粗糙的開源項目，距離真正的「產品」還有明顯差距。目前已知的主要缺陷包括：簡單任務有時被過度複雜化處理；任務執行過程中可能莫名中斷；記憶功能不夠穩定，有時候它會「忘記」之前的對話和偏好；token消耗和實際產出之間的效率比還有很大優化空間；在安全性方面，ClawHub上數千個技能中有上百個被發現包含惡意代碼。

但不可否認的是，OpenClaw確實驗證了一種讓人興奮的可能性：AI不再只是一個聊天窗口，而是真正能替你幹活的執行者。而今年AI的主題，已經從生成式AI正式切換到Agentic AI，行業體感是技術加速進步，迭代周期以月為計。

客觀來看，OpenClaw目前更像是一個充滿潛力的原型，並不是一個普通人可以無腦上手的成熟工具。同時我們也應該認識到，OpenClaw實質是一款效率工具，並非人人必需的「生存技能」，可以結合自身需求理性選擇，不必盲目跟風，「龍蝦」只是AI時代的一個工具，對大多數人來說，不用也不會被時代淘汰。

在AI浪潮下，每個人或許感到有些焦慮、迷茫甚至恐懼，每一次技術的更迭和出世，我們擔心的不是技術不好用，而是別人在用我沒用，會導致自己被甩出原有的階層。這種從衆心理，也會讓害怕成為數字難民、落伍者的恐懼感被放大，更會讓我們失去理智去盲目追逐。

「養蝦熱」下，我們或許更需要冷思考。