小龙虾 OpenClaw 肥了模型公司和云厂商，会是 AI 时代的小灵通吗？

 

火遍全球 AI 圈的 OpenClaw 发展出了「中国特色」。

 

2026 年 3 月 6 日，深圳南山区腾讯大厦前出现了一个不太寻常的场景：腾讯云工程师们在总部门口摆开展台，为路过的开发者和 AI 爱好者提供 OpenClaw 的免费安装服务。

 

这个因图标酷似小龙虾而被称为「小龙虾」的开源 AI Agent 框架，正以一种新型「地推」的方式走进大众视野。

 

事实上，全民追捧「小龙虾」已成为代码托管平台 GitHub 历史上星标增速最快的非聚合型软件项目之一，星标数量在短短几个月内突破 25 万，超越了 Linux 和 React 这样的老牌开源项目。

 

与此同时，腾讯云、阿里云、京东云、火山引擎、百度智能云纷纷上线一键部署服务，而一个名为「OpenClaw 代装」的产业也悄然兴起，远程安装收费 100 至 500 元不等，有人声称仅凭代装服务几天内进账 26 万元。

 

当一个免费的开源工具需要「地推」来推广，当一个号称「人人都能拥有 AI 助手」的产品催生了上百元的代装生意，这场狂欢的背后，究竟是 AI Agent 时代的序曲，还是又一场注定散场的跟风？

 

如果把时间拨回 20 年前，有一个产品的故事或许能提供一些启示，它叫小灵通。

 

 

在讨论 OpenClaw 的命运之前，有必要先认清一个事实：它确实是一个具备先进性的产品。

 

作为一个开源的 AI Agent 框架，OpenClaw 做到了一件过去只有少数技术精英才能实现的事情：将大语言模型（如 Claude、GPT-4、DeepSeek）的能力，通过统一的接口连接到微信、Telegram、钉钉、飞书等日常工具中。它不是一个简单的聊天机器人，而是一个能够浏览网页、执行系统命令、管理文件、编写代码的「数字员工」。截至 2026 年 3 月，OpenClaw 在 NPM 上的每周下载量达到 150 万次，其插件市场 ClawHub 拥有超过 5700 个社区构建的技能包，活跃贡献者超过 1000 人。

 

这些数据足以证明，OpenClaw 确实踩中了市场的痛点。就像 1998 年小灵通横空出世时，让普通工薪阶层第一次用上了「无线电话」一样，OpenClaw 也让大量非开发者第一次拥有了一个「能做事的 AI 助手」。这份市场教育的价值不应被忽视。

 

然而，从一个普通用户的视角来看，OpenClaw 距离人们想象中的漫威里的 AI 管家「贾维斯」还有相当远的距离。

 

首先是安装和使用的门槛。OpenClaw 的部署需要 Node.JS 环境、命令行操作和 API Key 的配置，对于没有技术背景的用户来说，这几乎是一道不可逾越的障碍。这也是代装产业能够存在的根本原因。

 

更值得关注的是隐性成本：有用户反映，仅仅是安装调试的过程就消耗了超过 250 美元的 API 费用，而没有产出任何有用的结果。即便成功部署，重度使用的月度 Token 费用也可能达到 100 至 1500 美元，「免费开源」四个字背后藏着一张不菲的隐形算力账单。对于没有 AI 使用基础的人，很可能将小龙虾养成吞金兽。所以市场上甚至出了省钱攻略，教大家如果节省 Token 用量。

 

其次是安全和稳定性。2026 年以来，OpenClaw 已被披露多个高危漏洞：CVE-2026-25253 允许通过恶意链接实现远程代码执行，CVE-2026-25157 涉及操作系统命令注入，「ClawJacked」缺陷则允许恶意网站通过 WebSocket 劫持本地 AI 代理。

 

由于 OpenClaw 需要极高的系统权限（读写文件、执行 Shell 命令、控制浏览器、截取屏幕），一旦遭遇攻击，后果可能是灾难性的。一个广为流传的案例是，Meta 的一位安全总监在使用类似的 AI Agent 时，因指令表述不够精确，导致数百封工作邮件被 AI 误删。中国工业和信息化部也已发布安全预警，提醒用户防范 OpenClaw 的潜在风险。

 

此外，在处理复杂任务时，OpenClaw 的表现也远不如演示视频中那样流畅。多层嵌套任务可能导致大模型陷入死循环，密集的 API 调用容易触发限流机制导致任务中断。一位尝试用 OpenClaw 自动化日常办公流程的用户如此总结自己的体验：「装了 OpenClaw，折腾一整晚。API 全烧光，啥也没干完。」

 

这句话的既视感，像极了 20 年前那句流传大街小巷的小灵通段子：「拿着小灵通，站在风雨中；左手换右手，就是打不通。」

 

从产品成熟度来看，今天的 OpenClaw 更像是一个「需要你伺候的 AI」，而不是一个「伺候你的 AI」。

 

作为一个有着两年以上 Vibe coding 经验的开发者，PANews 作者在近期也曾尝试部署过一只「小龙虾」，但从体验却十分拉胯，光是安装 Skill 和联通 Channls 就耗费了半天的时间，然后它能做的可能只是帮你查个天气，标记个日程等。至于更深度的编程，Cursor 或 Antigravity 过程更可控也更直接，稳定性也更强。至于社交媒体吹捧的自动化执行，也完全可以用 API 介入大模型 + 程序的方式实现，遑论成本和可控性。

 

 

如果说 OpenClaw 的产品力只能打一个「尚可」的分数，那么它为什么能获得如此现象级的热度？

 

答案或许不在产品本身，而在于这场狂欢背后的经济帐。

 

最直接的受益者是大模型公司。OpenClaw 的本质是一个「Token 燃烧器」，每一次任务执行，背后都是对大语言模型 API 的密集调用。一个 OpenClaw Agent 的 Token 消耗量远远超过传统的对话式 AI 聊天，这对于急需「用量增长故事」的大模型公司而言，无疑是天降甘霖。中国的大模型和云服务也因为高性价比出圈，直接完成了 Token 出海。

 

部分大模型厂商的 API 套餐一度被抢购一空，这并非供给不足，而是 OpenClaw 制造了一种前所未有的需求密度。

 

 

紧随其后的是云厂商。OpenClaw 强调「本地部署」以保护隐私，但对大多数普通用户而言，购买一台云服务器来运行 OpenClaw 是更现实的选择。腾讯云、阿里云、京东云、火山引擎、百度智能云，几乎中国所有主流云厂商都在第一时间上线了 OpenClaw 一键部署服务。阿里云甚至专门为 OpenClaw 用户推出了「Coding Plan AI 编码套餐」，以固定月费的形式承接这波被 OpenClaw 催生的 API 需求。

 

腾讯云的轻量应用服务器上，OpenClaw 用户规模已突破 10 万。腾讯在总部前开放免费安装，表面上是公益行为，实际上是一次精准的用户获取，让你免费装好 OpenClaw，但你需要持续付费使用腾讯云的服务器来运行它。

 

这套逻辑和小灵通时代电信的低资费策略如出一辙：用低门槛把用户圈进来，再靠持续的服务费留住他们。

 

还有一条容易被忽略的暗线是硬件需求。OpenClaw 推荐本地部署的消息，直接拉动了对算力设备的需求。海外代装平台 SetupClaw 的收费从 3000 到 6000 美元不等，其中往往包含对特定硬件配置的「推荐」引导。这条产业链的运转逻辑与 20 年前小灵通催生基站建设、带动整条电信设备产业链的故事，在结构上高度相似。

 

 

回顾小灵通的历史，它之所以能在中国市场迅速走红，核心原因不是它的产品力有多强，而是中国电信当时没有移动通信牌照，急需通过小灵通这种「准移动」业务来拓展收入来源。推力来自企业的商业利益，而非消费者的刚性需求。

 

今天的 OpenClaw 同样如此：大模型公司需要用量增长，云厂商需要服务器销量，硬件厂商需要算力设备的出货，当一个产品的热度更多来自供给侧的推动而非需求侧的拉动时，它的繁荣往往是脆弱的。

 

 

如果 OpenClaw 只是一个阶段性的过渡产品，那么真正的 AI Agent 应该是什么样子？

 

答案正在浮出水面。2026 年被行业普遍视为「AI 原生手机元年」，多家科技巨头正在将 AI Agent 的能力直接融入操作系统和硬件设备，而不是让用户自行安装一个第三方框架。

 

字节跳动联合 vivo 等手机厂商推出的「豆包手机助手」，将 AI Agent 能力深度嵌入了手机操作系统底层。用户只需按下侧边键，就能让 AI 跨应用完成「多平台比价下单」「自动订餐打车」「整合旅游攻略生成行程」等复杂任务。整个过程在后台自动执行，无需安装任何框架，无需配置任何 API。

 

3 月 7 日，小米宣布基于自研 MiMo 大模型打造的 Xiaomi miclaw 已开始封闭测试，目标是深度集成到手机底层，调用 50 多项系统工具，并最终控制超过 10 亿台米家智能设备。在海外，Windows Copilot、Apple Intelligence、Gemini in Android 也在走同样的路径。

 

IDC 的预测：2026 年中国市场新一代 AI 手机出货量将达到 1.47 亿台，占比首次超过一半，达到 53%。

 

这意味着，AI Agent 正在从一个需要用户「拼装」的极客玩具，变成一个「开箱即用」的系统级能力。

 

把 OpenClaw 和这些原生 AI 产品放在一起对比，差异一目了然：OpenClaw 需要用户自行架设框架、配置大模型 API、逐一连接各平台，本质上是一个「万能适配器」；而原生 AI 手机和操作系统中的 Agent，则是开箱即用、无需安装、无需配置、安全性由系统厂商全面保障的内置能力。

 

这种对比，与小灵通和 3 G 手机的关系几乎完全对应。小灵通被淘汰，不是因为人们不再需要打电话，而是 3 G 手机把通话功能做得更好、更便携、覆盖更广。OpenClaw 未来可能被边缘化，也不是因为人们不再需要 AI Agent，而是原生集成的 AI Agent 会把体验做到 OpenClaw 永远无法企及的程度。

 

 

在此，我们有必要再简单回顾一下小灵通的生命轨迹，就会更明显的感受到为什么将 OpenClaw 称为 AI 时代的小灵通。

 

小灵通技术源自日本，1998 年被 UT 斯达康引入中国。它的本质并不是移动通信技术，而是固定电话的无线延伸，采用微蜂窝基站将用户终端以无线方式接入本地固话网。之所以能够迅速走红，核心原因只有一个：便宜。在那个手机通话费高昂、双向收费的年代，小灵通的单向收费（接听免费）和低月租让大量工薪阶层第一次用上了「无线电话」，它因此被称为「穷人的手机」。

 

2006 年 10 月，小灵通在中国大陆的用户数达到 9341 万的历史顶峰。

 

然而，技术缺陷始终如影随形。信号覆盖差、不支持全国漫游、车速超过 40 公里每小时就可能断线：「拿着小灵通，站在风雨中」不是段子，而是真实的用户体验。更致命的是，随着手机资费不断下调、3 G 技术日趋成熟，小灵通唯一的价格优势被逐渐抹平。2009 年，工信部要求小灵通在 2011 年底前完成清频退网。2014 年，中国大陆的小灵通基站被陆续关闭，16 年的历程画上了句号。

 

将小灵通的故事投射到 OpenClaw 身上，有三条推演值得深思。

 

第一，小灵通之所以火，不是因为它好，而是因为当时没有更好的选择。在 3 G 手机尚未普及、手机资费高企的窗口期，小灵通提供了一个「够用且便宜」的替代方案。OpenClaw 今天面对的市场环境惊人地相似：原生 AI Agent 尚未成熟、大模型厂商的官方 Agent 产品仍在打磨、操作系统级的 AI 集成刚刚起步。在这个真空期里，OpenClaw 以「免费、开源、可自定义」的姿态填补了空白。但「填补空白」和「定义未来」是两回事。

 

第二，小灵通的衰亡不是因为它变差了，而是因为更好的技术来了。小灵通也曾尝试过自我进化：推出过彩信版、尝试过扩大覆盖范围。但这些改良终究无法弥补它在底层架构上与真正移动通信的根本差距。同样，OpenClaw 也可以继续迭代、继续增加技能包、继续优化部署流程，但它作为一个「中间层框架」的本质不会改变。当豆包手机助手能让用户一键完成跨应用操作，当小米 miclaw 能直接控制家中所有智能设备，当 Apple Intelligence 成为 iPhone 的标配能力时，一个需要用户自行安装、配置、维护的第三方 Agent 框架，就像 3 G 时代的小灵通一样，不是它变差了，而是世界变了。

 

第三，当年电信推小灵通，不是因为它代表未来，而是因为它能在当下带来收入。中国电信没有移动通信牌照，小灵通是一张「曲线救国」的入场券。今天云厂商在 OpenClaw 上的投入遵循同样的逻辑：不是因为 OpenClaw 代表 AI 的未来形态，而是因为它在当下能卖云服务器、能拉动 Token 消耗、能获取用户。当更好的 AI Agent 产品出现时，这些厂商会以和当年电信转向 3 G 同样果断的速度切换战场。

 

不过，任何类比都有局限。小灵通的退场花了 16 年，OpenClaw 的故事刚刚开始。AI 技术的迭代速度远快于通信技术的代际更替，这意味着 OpenClaw 从「热捧」到「替代」的时间窗口可能比小灵通短得多，但也意味着它在这段窗口期内为行业创造的价值不应被全盘否定。它让数十万非技术用户第一次体验到了 AI Agent 的可能性，它的开源生态为社区提供了一个低成本的实验平台，它暴露出的安全、成本和稳定性问题，也为后来者提供了宝贵的前车之鉴。

 

但历史不会因为人气而改变方向。小灵通在巅峰期拥有 9341 万用户，规模没能挡住技术浪潮的冲刷。OpenClaw 拥有 25 万颗 GitHub 星标，但星标数从来不是产品生命力的度量衡。当 AI 的能力真正融入我们每天使用的手机、电脑和操作系统，当「AI 助手」不再是一个需要专门安装的软件而是一种像 Wi-Fi 一样无处不在的基础设施时，没有多少人会怀念那个需要折腾一整晚才能装好的「小龙虾」。

 

在这场全民安装小龙虾的热潮中，真正值得思考的不是 OpenClaw 今天能做什么，而是当它不再被需要的那一天，我们是否已经准备好迎接真正的 AI 原生时代。

 

毕竟，小灵通教会我们一个朴素的道理：在技术的长跑中，跑到最后的，永远是那个不需要你费力去适应的产品。