

本文来自微信公众号: 字母榜 ,作者:李炤锋,题图来自:AI 生成
年初那阵子,OpenClaw 在中文 AI 圈和海外开发者社区内,都成为了新时代 AI 生产力的代名词。
一时间,只要对 AI 稍有耳闻的人,都知道有这么一个"龙虾",在电脑上部署后,可以帮你盯邮箱、跑日程、读文档、调工具、跨软件干活。OpenClaw 的出现,可以说让 Agent 的概念第一次深入大众人心。
但,一个多月时间过去,如果只看大众社交媒体,龙虾似乎有点"凉"了,进入 4 月后,OpenClaw 的微信指数一路下滑,从上亿回落到百万级别,仿佛二级市场上那些股价坐了"过山车"的妖股一样,留下了一道尖锐的折线。
龙虾真的凉了吗?还是说,它只是从大众围观的网红,变成了一种更窄、更贵、更现实的生产工具?
如果只看"微信指数"这样的表层声量,答案确实像是"退潮"。但把视线挪到项目和行业层面,故事恰恰相反。
OpenClaw 的 GitHub 公开发版记录显示,项目更新节奏并未停下。最新一版更新中,开发团队继续处理实际使用中的高频问题,包括提升对 GPT-5 系列模型的兼容性、修复 Telegram 频道相关异常、优化 Ollama 连接超时,并对部分底层架构与性能进行调整。

而在更大的背景中,AI 用户群体的大盘其实仍然稳固,"退潮"的是"人人都能用好 Agent "这层想象。
Gallup 最新对 23717 名美国在职员工的调查显示,2026 年第一季度,已有 50% 的受访者表示自己至少偶尔在工作中使用 AI,13% 每天使用,28% 每周使用几次以上。
但同一组数据也显示,有 41% 的员工所在组织真的把 AI 引入到改进组织实践中,说明普及在发生,只是落地在高度分层。
元股证券:ygzq.hk对于 C 端用户而言,一些日常需求通过一整套 OpenClaw 工作流来实现确实有点"小题大做"。但到了很多真实工作 / 生产力场景中,Agent 的飞轮其实正在越转越快。
谷歌方面今年 4 月披露,其平台月度 AI token 调用量已达 480 万亿,同比增长 36 倍;字节跳动方面此前也宣布,豆包大模型日均 token 调用量已超过 120 万亿。这说明企业级自动化和生产力场景仍在持续吞吐大量算力。
这种差异,正在龙虾退潮和 Token 调用持续爆表的反差中不断凸显。
一
这个问题其实不难给出结论:在大众视野中的龙虾,热度确实退了,但从另一个角度而言,整个 Agent 生态反而进入了用户的沉淀和筛选期。
为什么轻度使用的 AI 大众用户,玩不下去龙虾?
首先,龙虾的上手使用存在一定门槛,这个门槛并不仅仅只在安装层面。
早期 OpenClaw 更偏向本地部署和开发者工具链,如今官方已提供 Northflank、Railway 等云端一键部署方案,各家大厂也迅速推出了云端托管版、一键部署版等各种"龙虾产品"。
尽管相比起 OpenClaw 刚刚发布时,入口确实比过去简单得多,但这不代表大众用户就能顺畅上手。科技社区 Hacker News 上,一位提供预装虚拟机方案的开发者直言:"对常年混迹技术论坛的用户来说,安装也许不难,但对大多数人绝对不是。"
在一些更泛化的用户社区里,小白"龙虾"的使用体验往往是:"初次配置花了数小时,还因报错重装了三次。"
此外,就算你选择了某些一键部署工具 / 平台,安装也只是第一步,"会用"才是关键。
即便进了云端,用户仍要理解模型绑定、权限授权、Skill 模块等一整套新概念。对轻度用户来说,他们想要的是打开就能帮忙做事的工具,而不是先学习一套新的操作系统。
而一旦上手,小白用户会逐渐意识到这样一件事:龙虾天然更适合高频、连续、流程化任务,而不是低频、碎片化需求。
这类产品最亮眼的场景,往往是持续盯邮件、定时抓取信息、批量整理资料、多工具串联执行、代码协作等长链路工作流。
在各类对龙虾用途的讨论,会发现公认的最有价值的用法,是让 OpenClaw 定时抓取数据,自动写入知识库,再整理成周报和月报。这种模式,本质上是把它当数字助理长期使用。
可对大多数普通用户而言,真实需求往往只是查资料、润色文字、总结文档、偶尔做表格。也就是说,大部分人的工作,根本没有复杂到需要 AI 去承接工作流,这些任务今天用 ChatGPT、Claude、豆包和 DeepSeek 等网页产品就能完成。
美国"贴吧" Reddit 上甚至有人总结观察到的"三周流失路径":许多新用户第一周热情高涨,第二周开始遇到循环调用、插件报错、费用上涨等问题,第三周就暂时搁置。
说到底,不是龙虾没能力,而是工具复杂度超过了多数人的真实需求强度。
二
在操作门槛之外,以龙虾为代表的"系统级" Agent,还有无法忽视的安全问题。
微软此前曾公开提醒,OpenClaw 并不适合直接运行在普通个人电脑或企业办公终端上,因为它通常需要接触软件权限、在线账号令牌、本地文件等高敏感资源。
OpenClaw 早期曾被评为 8.8/10 的高危漏洞。网络资产搜索平台 Censys 此前的扫描数据称,在相关补丁发布前,互联网上可识别的 OpenClaw 暴露实例超过 21,000 个。
而一旦涉及到用户数据,自然也会触及很多用户敏感的神经。Thales 2026 数字信任指数显示,仅有 23% 的消费者信任企业会负责任地使用 AI 数据,77% 的人对 AI 代理替自己在线行动感到担忧。
显然,对于轻度用户而言,"龙虾"生态带来的好处和现实需求出现了错位。
因为,以 OpenClaw 为代表的系统级 Agent,是一套需要交出权限、持续投入费用的系统。如果没有足够高频的刚需,企业级的安全维护授权,大多数人很难长期坚持使用。
但如果因此断言"龙虾凉了",又过于草率。因为留下来的用户,并不是在大众社交平台占据最多声量的人,股票配资,多空杠杆,股票配资公司,平台排名而是最重度的一批开发者、自动化用户和企业实验团队。
微软最近传出正在 Copilot 里测试 OpenClaw 式的常驻 Agent,而且强调会做得更适合企业、更安全;这恰恰说明,OpenClaw 代表的路线并没有被判死刑,相反,它正在被大厂吸收、重做和企业化。
最近两周,国内并非没有新"龙虾",而演化为各类 Agent 生态的延伸。
阿里在本月推出 Qwen3.6 新版本,强化复杂任务执行与工具调用;字节本月初上线 OpenClaw 国内镜像站,方便开发者部署技能生态;阶跃星辰已与 OPPO、吉利合作,把 Agent 能力推进到手机和汽车终端。
17 日,《哈佛商业评论》发文点名中国 AI Agent 正快速进入电商和零售场景。文章以美团为例,提到美团在内部把"小美"定位为"调度者 + 执行者",能帮用户完成下单、比价、售后、路线安排等整套任务。
也就是说,相比起龙虾的概念火不火,厂商们已经开始聚焦争夺真实入口,当然,这项竞争还在早期阶段。
智库机构 The Conference Board 几周前发布的调查显示,美国企业中 60% 的组织仍处在 AI 应用早期阶段,主要停留在实验和试点层面,仅 11% 进入更成熟的整合状态。
换句话说,今天讨论"龙虾退潮",很大程度上是结束了大众的"围观",而在真实的使用场景中开始了高强度试点。
近期的全球模型 API 调用激增,也揭示了让小白用户真正退而却步的一点:"龙虾"的 Token 耗费巨大,而普通人很难持续的为模型 API 买单。
三
大众用户参与龙虾的另一个拐点,是 Anthropic 在几周前斩下的那刀。本月 4 日,Claude 订阅额度不再覆盖 OpenClaw 这类第三方 harness 的高强度使用,想继续跑就得切到单独按量付费。
过去几个月中,模型厂商有的把 OpenClaw 剔出订阅套餐,有的不断给 API 涨价。这等于正式告诉市场,Agent 的消耗,已经超出了"几十美元月费随便包"的范围。对于普通用户而言,只是停留在体验和探索层,显然很难接受每月付出上百美金、甚至更高昂的模型费用。
而且,Agent 的贵,不是模型单价贵,而是任务链路贵。
以 OpenAI 最新定价为例,调用网页搜索功能,大致是每 1000 次 10 美元,部分场景更高;如果任务需要代码执行环境,还要额外支付"容器费用",按 20 分钟一次会话计费,配置越高越贵,从几美分到接近 2 美元不等。这还没算模型本身输入输出的 token 成本。
说白了,Agent 不再是你问一句、它答一句,而是先搜索、再调工具、再跑代码、再读取上下文继续执行。和 Chatbot 时代的 API 消耗 Token 的速度相比,完全不是一回事。
而 Anthropic 这边的收费逻辑,更能说明 Agent 时代为什么越来越贵。
官方定价页显示,短时缓存写入要加价约 25%,长时缓存最高加价到 2 倍,只有命中缓存重新读取时,成本才会降到正常输入价的一成左右。也就是说,模型越常驻、任务越长链路,费用结构就越复杂。
几天前,Anthropic 发布 Claude Opus 4.7 时表示价格与上一代相同,仍是每百万输入 token 5 美元、输出 token 25 美元。但许多社区反馈显示,新版分词机制可能让同样内容消耗更多 token,用户感受并不是"没涨价",而是"同样的问题更费额度了"。
这也解释了为什么最近 Claude Pro 用户抱怨增多。美国"贴吧" Reddit 上有人称,自己用 Pro 套餐"问了 3 个问题就烧掉了 50% 的 5 小时额度";也有人吐槽,以前能顺畅做完整学习笔记,现在很快就触发限制。
我本人的经历甚至更"夸张"。在 Claude Opus 4.7 发布当天,我曾试图让 Claude 整理某家公司的资料,同时以行业视角进行横向对比。这是一个信息量稍显复杂的 Prompt,而 Opus 4.7 只运行了两轮就烧光了 Claude Pro 的 5 小时限额。
虽然这些反馈不代表官方平均水平,但它至少说明一件事:2026 年,如果你想把模型当成同事、研究助手或代码搭子连续使用时,月费几十美元更像是一张体验票,而不是稳定的生产力预算。
但 API 价格攀升的另一面是,模型厂商的算力矩阵和服务器正在拉满运行。
Anthropic 今年 3 月曾短暂把低峰时段订阅额度翻倍,引导用户错峰使用;月底又调整高峰期额度消耗速度,想要利用规则调节算力拥堵,给有限 GPU 资源排队。
另一边,今年 2 月,智谱宣布 GLM Coding Plan 套餐整体涨价 30% 起,海外订阅价格提高 30%-60%,部分 API 调用价格提升 67%-100%。官方给出的理由是:市场需求持续增长,用户规模与调用量快速提升,同时要保障高负载下的稳定性,并继续加大算力和模型投入。
换句话说,模型厂商涨价不是因为没人用,而是因为用的人太多。
更值得注意的是,涨价后需求并未明显回落。第一财经近期披露的报道显示,智谱 2026 年第一季度 API 价格上涨 83% 后,调用量仍同比增长 400%,出现"量价齐升"。
其他国产模型大厂的情况也类似。阿里云、百度智能云等平台 3 月开始同步上调部分 AI 算力、模型服务和 GPU 租赁价格,高端 GPU 租赁成本上涨,交付周期拉长。价格抬升背后,本质仍是推理需求增长快于供给释放速度。
模型厂商们纷纷开始采用更精细的收费方式:按 token、按工具调用、按额度、按套餐层级收费。
炒股配资网对企业来说,这些费用都被视为效率提升的成本;但对普通用户来说,几十美金的月支出已经是大众用户的上限。
所以,龙虾的"凉了",本质上是用户结构变了:退下去的是尝鲜的小白、低频使用的用户和想要低成本套利的投机者;留下来的是个人开发者、有复杂工作流需求的用户。
大众的"龙虾盛宴"浅尝辄止杠杆炒股适合长期吗,但是 Agent 革命已经全面铺开。
元股证券安全网提示:本文来自互联网,不代表本网站观点。