**壹网壹创线上调研核心内容总结** 一、 公司概况与核心战略 * 公司为壹网壹创，是一家电商服务公司，拥有全域品牌资源和总代运营经验 [1] * 核心战略是通过与联世传奇的并购合作（预计26H2完成），抢占AI Agent高点，实现AI智投能力融合、数十亿元级投放规模协同、平台AI Agent共创以及客户资源互补 [1][2] 二、 财务表现与增长驱动 * 2025年公司业绩实现约50%增长的拐点 [3] * 增长驱动因素包括：AI工具提升存量品牌毛利率和盈利能力、新增品牌（如佳洁士、屈臣氏等）贡献、AI垂类应用收入快速增长（25H2各AI垂直领域实现约2000万收入增长）、以及经营管理质量提升和降本增效 [3] * 2026年计划保持2025年增长节奏，核心方向包括轻资产化运营以提升毛利率，以及AI板块拟单独拆分财务模型 [4] 三、 业务发展与产品布局 * **AI产品与收入**：AI垂类应用收入快速增长，25H2各AI垂直领域实现约2000万收入增长 [3] 客服、生图、推广三大AI产品已落地 [4] * **客户拓展**：25Q4新签迪士尼、沃尔玛等垂类客户将带动收入增长 [4] 2026年将拓展与脑机接口、机器人等AI新兴品类品牌的合作 [4] * **自有品牌**：2026年仅开展自有品牌选品布局，暂不实际运营 [4] * **渠道建设**：2026年将重点加强抖音渠道优质内容生成能力 [5] 与阿里的垂类共创合作地位稳固，合作方从10家缩减至4家，公司排名靠前且份额未变 [5] 四、 合作与投资 * **联世传奇并购**：预计26H2完成，双方协同点包括AI智投能力、数十亿元级投放规模、平台AI Agent共创、客户资源互补（存量客户重叠度低） [1][2] * **脑机接口合作**：25Q4已与杭州头部脑机接口公司开启合作，2026年将进一步拓展，利用快消品to C运营经验弥补合作方短板 [4] * **行业合作**：凭借与联世的合作，公司将拓展更多服务品类 [4]

报告行业投资评级 - 增持（维持）[5] 报告的核心观点 - AI Agent（特别是OpenClaw）正从试点进入规模化落地阶段，其渗透率和任务复杂度的提升正驱动Token消耗量迎来指数级增长，并催生刚性算力需求[1][2][4] - Token消耗激增导致主流模型厂商出现算力缺口，算力供需错配加剧，正从技术和经济层面驱动算力产业链（芯片、架构、系统）的全面升级[3][4] - 随着国内市场Token消耗量爆发，国产算力有望凭借成本优势及生态完善，在基础设施层逐步占据主导地位[4] 根据相关目录分别进行总结 1. Agent泛化：Agent进入实际落地阶段，OpenClaw引领渗透加速 - **OpenClaw成为重要催化剂**：2026年初推出的OpenClaw是一款可在用户自有设备上运行的个人AI助手，一经推出便全球爆火，成为AI Agent普及化加速的重要催化[1][11] - **用户数据验证火爆程度**：在OpenRouter平台上，OpenClaw是2026年2月5日至3月5日期间Token消耗量最多的应用，高达7.63T tokens，远超第二名[13][15] - **Token消耗量飙升**：以OpenRouter平台数据为例，OpenClaw的Token消耗量从2026年2月3日的80.6B飙升至3月4日的358B，一个月间翻了约4.4倍[1][15] - **厂商积极布局**：各大模型厂商纷纷加大Agent布局，例如Minimax Agent已能处理复杂任务，如为HR自动整合20所名校的校招信息，或自动分类整理500张电商图片，AI Agent已进入实际落地阶段[19][20][23] 2. 需求爆发：任务密度与复杂度提升，Token消耗迎来指数级跃升 - **Agent特性导致高消耗**：由于AI Agent天然具备多工具调用、长上下文、多流程工作特性，其Token消耗量增长速度极快[2][24] - **算力需求呈指数增长**：以单次对话机器人为基准，图像生成、推理、视频生成、深度研究的算力需求分别为10倍、100倍、3000倍、1000000倍[24][26] - **中国市场消耗量激增**：中国整体日均Token消耗从2024年初的1000亿，增长至2025年中的30万亿，再到2026年2月主流大模型合计日均Token消耗已达180万亿级别[2][30] - **市场规模与渗透率预测**：预计中国AI Agent市场规模将从2023年的574亿元飙升至2028年的33009亿元，年复合增长率达125%[30][34]。KA（大客户）及SMB（中小企业）企业Agent渗透率预计从2023年的3%/0.5%提升至2028年的25%/10%[30][34] - **长期增长动力强劲**：根据IDC预测，中国活跃智能体数量将在2031年突破3.5亿，年复合增长率超135%，伴随任务复杂度提升，智能体Token消耗将迎来年均超30倍的指数级跃升[2][32] 3. 供给缺口：推理算力缺口显现，成本体验权衡驱动产业升级 - **算力需求转向推理**：智能体核心开销集中在推理阶段，推理负载占比预计从2024年的65%提升至2028年的73%[3][36][40] - **推理市场规模扩大**：中国推理算力市场规模预计从2024年的175.2亿元增长至2028年的2931.2亿元，2024-2028年复合增长率约102%[37][39] - **厂商出现算力缺口**：Token消耗骤增导致主流模型厂商算力缺口显现，例如月之暗面公开表示缺卡并寻求算力支持，智谱因GLM5过于火爆对coding plan采取每日限售措施[3][42][44] - **需平衡延迟、吞吐与成本**：Token消耗和算力需求非简单线性关系，需权衡延迟和吞吐以平衡经济性和用户体验[3][43] - **产业化三要素**：AI Agent产业化的核心要素是模型能力、交互速度和Token成本，三者共同决定了应用的经济性与广泛性[47][48] - **产业链升级路径**：为达成三元平衡，需从三方面协同发力： - **算力芯片端**：提升性能与能效比，例如英伟达新架构实现推理吞吐量提升约10倍，成本降低10倍；亚马逊Trainium芯片在推理任务中比英伟达H100 GPU便宜约30%至40%[50][52] - **架构设计端**：通过注意力机制革新（如PagedAttention、RadixAttention）、动态批处理演进、内存调度优化等技术降低单Token算力消耗[54] - **系统协同端**：依托超节点协同技术优化资源利用率与整体能效，实现规模化部署下的综合成本下降[54] 4. 投资建议 - **关注国产算力**：建议关注海光信息、寒武纪、摩尔线程、沐曦股份等国产算力公司[4][55] - **关注超节点**：建议关注中科曙光、浪潮信息等超节点公司[4][55]

生成式AI模型能力升级 - OpenAI发布GPT-5.4系列，首次在通用模型中内置Computer Use能力，将代码、推理、桌面操控三大能力合并为统一模型出口 [1] - GPT-5.4在OSWorld桌面操控评测得分75.0%，超越人类基准72.4%，在GDPval专业工作评测达83.0%，在ARC-AGI-2抽象推理评测中跳幅最大达73.3% [1] - 标准版API定价为输入每百万tokens 2.50美元、输出每百万tokens 15美元，Pro版有12倍溢价主攻复杂Agent场景，其Tool Search机制将token消耗降低47% [1] 行业生态与开发者支持 - OpenClaw创始人Peter Steinberger加盟OpenAI后，首个项目“Codex for Open Source”上线，向开源维护者免费提供API积分和6个月ChatGPT Pro使用权 [2] - 该项目申请门槛覆盖核心维护者和被广泛使用的公开项目运营者，非标准项目若在生态中有重要作用也可提交申请 [2] - 项目目标是尽可能覆盖更多开源贡献者 [2] 模型技术新范式 - 腾讯混元提出“功能性神经记忆”新范式HY-WU，在推理时实时生成个性化LoRA参数，替代传统静态微调模式 [3] - 该范式应用于800亿参数图像编辑基模，在GEdit-Bench多项指标超越闭源模型，与GPT Image 1.5差距仅0.11分 [3] - 该范式具备跨模态通用性，团队规划将其扩展至视频生成、多模态对齐和端侧部署等六大方向 [3] 移动端与系统级AI Agent - 小米基于MiMo大模型推出系统级AI Agent产品miclaw，以系统应用身份运行，封装50+系统级工具，实现推理-执行循环的自主任务编排 [4] - 该产品打通米家IoT生态和MCP开放协议，AI可根据日程上下文实时判断并联动全屋设备，并支持第三方应用通过SDK主动声明工具能力 [4] - 该产品具备自进化元能力，可自主创建子智能体、配置MCP服务、运行沙箱脚本，并通过文件级记忆系统持续沉淀用户偏好和使用经验 [4] AI自主研究框架 - 研究员Karpathy开源autoresearch项目，核心仅630行代码三个文件，让AI Agent在单GPU上自主循环执行代码编辑、模型训练、评估和迭代，全程无需人工干预 [5] - 每次训练固定5分钟时长，以val_bpb为统一评估指标，Agent通过Git提交累积有效改进，人类只需迭代指导性prompt文件 [6] - Karpathy本人已在8块H100上运行加强版持续自主研究，项目定位为自我进化LLM的概念验证但框架可扩展至任意研究领域 [6] 安全与基础设施 - Transformer论文共同作者Illia Polosukhin用Rust从零重写OpenClaw，推出安全版IronClaw，建立四层纵深防御架构确保大模型接触不到原始凭证 [7] - 核心安全设计包括WASM沙箱隔离工具执行、AES-256-GCM加密凭证保险库和可信执行环境TEE，从架构层面堵住OpenClaw暴露25000+公开实例的安全漏洞 [7] - 项目是NEAR Protocol“用户自有AI”战略的一部分，已搭建AI云平台和智能体互相雇佣市场，IronClaw定位为可信运行时层 [7] 多模态与视频生成模型 - 谢赛宁团队推出首个多人视频世界模型Solaris，能够同时生成多名玩家之间保持一致的第一人称视角，在《我的世界》中验证多人协同感知能力 [8] - 团队自主构建SolarisEngine多人数据采集系统，创建含1264万帧的多人Minecraft数据集，是首个带动作标注的多人世界模型训练数据集 [8] - 模型基于MatrixGame 2.0引入多人自注意力层实现玩家间信息交换，在建筑一致性和玩家视觉对齐等困难场景中显著优于此前唯一的多人方案Multiverse [8] AI驱动科学研究 - Google Research用Gemini Deep Think结合树搜索和自动数值反馈组成神经符号系统，独立攻克理论物理中宇宙弦引力辐射功率谱的精确解析解难题 [9] - AI探索约600个候选路径，80%被自动验证器剪枝淘汰，最终找到6种解法，其中格根鲍尔方法最为优雅 [9] - 最终闭合解析解由人机协作完成，人类研究者将中间结果喂给更强模型进一步化简，展示了可复用的AI驱动科研范式 [9] 劳动力市场影响 - Anthropic基于Claude实际使用数据发布报告，发现AI冲击并非大规模裁员而是招聘放缓，22-25岁年轻人进入高AI暴露职业的比率下降约14% [10] - 计算机程序员AI任务覆盖率达74.5%居首，但各行业实际AI覆盖率普遍仅为理论值的三分之一，60%潜力尚未释放意味着更大冲击即将到来 [10] - 企业停止投资“未来人力资产”转向“即时算力资产”，初级岗位的“练级区”正在消失，决策力、审美工程和AI协作能力成为新时代核心竞争力 [11] AI Agent市场热度与挑战 - OpenClaw引发全球热潮，纽约聚会1300+人抢票，黄仁勋称其为“历史上最重要的软件发布”，活动覆盖全球6大洲40+城市 [12] - 纽约现场观察显示用户月均消耗1000-2000美元模型费用，有人日烧10亿tokens，前金融从业者首日即通过AI交易系统盈利300美元 [12] - 安全问题成最大隐患，无人认为系统100%安全，Agent可直接访问完整文件系统，但市场验证了个人智能体的真实需求，消费级AI Agent时代正式开启 [12]

报告投资评级 - 行业投资评级：看好（维持） [1] 报告核心观点 - 开源AI助手OpenClaw现象级火爆，其作为“系统级Agent平台”的成熟将推动市场对高性能、安全、独立部署硬件载体的需求，网络附属存储（NAS）凭借其数据集中、低功耗常开、算力可拓展等优势，有望成为承载本地AI Agent的核心硬件，渗透率有望加速提升 [3][4][8][17] - 绿联科技作为全球消费级NAS龙头，产品力过硬且已取得先发优势，有望充分受益于“AI+存储”新周期，其NAS业务有望迎来“量价齐升”的加速拐点 [5][17][22][26][31] - 2026年投资应坚持“杠铃策略”，关注红利与出海新产品，重点挖掘企业定价权提升的机会，报告梳理了三条具体投资主线 [5][32][33] 行业趋势与催化 - **OpenClaw里程碑式突破**：截至2026年3月7日，OpenClaw在GitHub的星标数量超27万，超越所有GitHub开源软件项目，标志AI应用向“系统级Agent平台”跨越 [4][8] - **NAS解决AI Agent核心痛点**：针对OpenClaw可能造成的数据丢失和隐私泄露风险，NAS的快照功能可实现数据恢复，独立硬件部署可形成网络孤岛保护隐私，是其理想的“保险库”和“隔离区” [4][5][17] - **NAS属性契合AI需求**：数据集中性便于AI调用、低功耗常开满足持续运行、算力可拓展支持性能升级，使其成为最佳本地硬件载体 [17][18] - **消费级NAS市场高速增长**：预计从2024年至2029年，全球消费级NAS市场规模年复合增长率（CAGR）达38.0% [17] - **竞争格局集中**：2025年全球消费级NAS品类零售额前五名厂商的集中度（CR5）达52.6%，市场份额向龙头集中 [19] 重点公司分析（绿联科技） - **市场地位**：为全球最大的消费级NAS品牌，2025年按出货量及零售额计的全球市场份额分别为20.6%和17.5% [26] - **国内市占率快速提升**：在国内线上销售额市占率从2021年的2.3%跃升至2025年的40.96% [26] - **产品力与AI适配**：以iDX6011 Pro为例，配备酷睿Ultra 7 255H处理器，AI总算力达96 TOPS，内置NPU，支持通过Docker和虚拟机轻松部署OpenClaw [22][23] - **性价比优势**：与竞品相比，在相似配置下具备价格优势，例如绿联DXP4800售价2799元，对比群晖DS425+的4149元和威联通TS-464C2的2999元 [30] - **未来展望**：随着AI终端化趋势，公司NAS业务有望凭借渗透率提升和产品结构优化（如AI NAS）实现“量价齐升” [5][31] 投资建议与主线 - **主线一：格局出清与经营反转**：关注内销行业出清整合、份额提升且经营有望底部反转的公司，如智能投影领域的极米科技和厨电领域的老板电器 [5][32] - **主线二：出海重新定义产品**：关注通过产品创新在海外市场掌握新品类定价权的公司，涉及扫地机（石头科技、科沃斯）、割草机器人（九号公司）、智能影像设备（影石创新）等领域 [5][32] - **主线三：低估值高分红的质量红利**：关注白电与黑电龙头，如美的集团、海尔智家、海信家电，这些公司具备低估值和高股息特征 [5][33] 行业数据跟踪 - **汇率**：截至2026年3月6日当周，人民币兑美元汇率累计升值203个基点 [5][45] - **原材料价格**：截至2026年3月6日，LME铜现货结算价12808美元/吨，周环比下跌4.7% [5][45] - **板块行情**：2026年3月2日至3月6日当周，家用电器板块下跌3.0%，跑输沪深300指数1.9个百分点，细分板块中小家电跌幅最大（-4.6%） [40][43] - **近期市场数据**： - 2026年1月中国智能投影线上市场销额4.1亿元，同比下滑16.6% [36] - 2026年开年前八周，中国彩电全渠道零售量437万台，同比下滑7.6%，其中线上销量下滑15.1%，线下增长14.3% [36] 公司动态与公告 - **TCL华星**：以4.9亿元竞得兆元光电80%股权，已完成交割 [35] - **安克创新**：消费级全彩3D纹理UV打印机eufyMake E1开启预约 [35] - **新宝股份**：2025年营收161.92亿元，同比下滑3.74%；归母净利润10.02亿元，同比下滑4.85% [37] - **极米科技**：累计回购股份占总股本0.59%，支付总金额约3997.28万元 [37] - **美的集团**：累计回购股份占总股本0.35%，支付总金额19.98亿元 [37] - **石头科技**：累计回购股份占总股本0.14%，支付金额7386.52万元 [38] - **九号公司**：完成员工期权行权，涉及存托凭证121.62万份 [39] - **奥克斯电气**：预计2025年收入约300亿元，同比增长0.8%；归母净利润约22亿元，同比下滑24.4% [39]

OpenClaw引发的AI Agent浪潮与行业动态 - OpenClaw点燃的“养龙虾”（指基于OpenClaw搭建的AI Agent）浪潮从硅谷蔓延至中国，从极客圈扩展至大众[4] - 腾讯在深圳总部公司门口摆摊免费安装OpenClaw，排队人群从2岁到60岁，北京、深圳、上海的线下沙龙场场爆满，200人的场报名人数逼近两千[4][5] - 大厂们跑步入场，网易有道推出LobsterAI（有道龙虾），百度、阿里、Kimi、MiniMax等纷纷推出自家“龙虾”产品，开发者社群中弥漫各种养龙虾攻略[4] 资深用户的核心应用场景与价值体现 - **编程与开发**：12岁的小学生使用OpenClaw在5分钟内做出番茄钟小程序，并用于制作文件传输工具、HTTP客户端测试工具等[8][10][13]；70后创业者用其5分钟跑通一个曾需两年开发的德州扑克应用，并用于量化交易策略的生成与迭代[15][16][17] - **个人生活与工作管理**：28岁的产品设计师使用5只AI Agent分别管理日程、投资、英语学习、健身和对外事务，形成自动化管理团队[20][21]；32岁的出海顾问用其进行新闻聚合、音频整理和日程管理等定时执行类任务[38][39][40] - **内容创作与营销**：29岁的内容运营使用AI Agent自动完成论坛博主信息搜集、Twitter账号核实及私信发送，将原本需大半天的流程压缩到半小时以内[30][31][32][33]；27岁的创业者用其搭建虚拟人CEO，自动处理项目协调、内容发布等工作[35][36] - **自动化与效率提升**：用户普遍将重复性、多步骤的调研、数据整理和方案产出工作交给AI Agent，实现效率的显著提升[27][30][33] 用户对AI Agent的认知、使用策略与成本考量 - **认知定位多样**：部分用户将其视为具有独立人格的“数字分身”或伙伴[16][23]，而另一部分用户则冷静地将其视为阶段性工具和“基层员工”，强调保持距离和工具属性[38][47][48] - **使用策略分化**：深度用户倾向于使用顶配模型（如Claude Opus 4.6），每月花费可达人民币三四千元，认为“花钱买省心”[23]；策略型用户则精打细算，组合使用不同AI产品（如DeepSeek、Gemini、Kimi、本地模型），将高token消耗的思考环节交给免费模型，仅让AI Agent负责执行，将月花费控制在一两千元[41][42] - **部署与模型选择**：开源版OpenClaw部署存在技术门槛[6][27]，因此催生了有道龙虾等封装产品以降低使用门槛[27]；用户会根据场景选择不同模型，例如编程用Kimi 2.5，情感对话用Claude，综合任务用Claude Opus[13][41] AI Agent的技术特点、优势与当前局限 - **核心优势**：具备“开源+全系统接管”能力，能真实操作电脑（如打开浏览器、调用API），实现多步骤的自动化工作流，而不仅限于对话[18][27][28]；具有“乐高感”，可通过添加Skills（技能包）灵活扩展能力，并能自主协调子Agent[35] - **当前局限与挑战**：运行不稳定，存在崩溃、中途停止或输出不准确的情况[6][36]；使用成本较高，涉及模型token费用和API调用成本[6][23]；在内容创作等需要创意和质量的领域，输出结果可能达不到专业要求[33]；存在隐私和安全风险，用户对给予其过高权限持谨慎态度[6][43] - **人机协作模式**：强调人类在训练、纠错和提供清晰指令方面的作用，是一个“长期协作实验”过程[6][7][18] 对行业、职业与生态的潜在影响 - **对开发与脑力劳动的冲击**：有观点认为AI Agent将降低技术门槛，可能取代大量程序员及其他脑力劳动者，改变就业结构[18] - **催生新型自动化业态**：AI Agent可能催生新一代完全自动化的“流量工厂”或营销矩阵，对依赖真实内容生态的平台构成挑战[33][34] - **改变工作流与组织形态**：个人可用AI Agent组建自动化团队，公司层面则可能通过AI提升人效，优化人力结构[21][36] - **工具生态与用户沉淀**：明智的用户不绑定于单一工具，而是沉淀结构化的个人认知档案、工作流（SOP）和可迁移的技能，以适配未来的新工具[42][45][48]

OpenClaw项目与生态的爆发性增长 - OpenClaw在GitHub上获得超过250K个Star，正式超过React的243K，成为平台上获星最多的软件项目 [2] - 围绕OpenClaw的生态在快速扩张，仅2月份一个月内，Product Hunt上就出现了500多款明确围绕OpenClaw构建或深度适配的产品 [3] - 通过对Product Hunt日榜Top 20及GitHub上超过18,700个相关仓库的分析，发现OpenClaw生态已自下而上形成一条从能力基建、安全运维到应用的完整产业链 [4] - 这印证了AI互联网正在从服务人类逐步转向服务AI Agent的趋势 [5] A2A (Agent-to-Agent) 社交生态的兴起 - 这是生态中最超现实的一层，旨在为AI Agent构建社会基础设施，提供公开的社交与实验场所 [7] - 仅在2月2日当天，就出现了三款Agent社交产品：moltbook (597票)、Molthunt (291票) 和 Moltweet (160票) [8][9] - **moltbook**：首个专为Agent设计的社交网络，模仿Reddit的Subreddit机制，人类被禁言，只有经过验证的Agent可发帖互动 [10][12] - **Molthunt**：Agent版的Product Hunt，是一个由Agent构建、发布并由Agent投票策展的去中心化发现平台，提供高效的CLI工具，并引入了区块链代币激励 [13][14] - 该赛道其他代表性产品还包括：24/7 AI电台claw.fm、Agent版“百万美元主页”Molt Beach (114票)、Agent居住的持久2D城市OpenClawCity (153票) 以及由Agent自主运营的数字媒体The Claw News (104票) [9] Agent的“记忆”与“技能包”管理 - OpenClaw的Skill插件设计（简单的SKILL.md文件）极大降低了创作和分发门槛，使Agent成为可随时安装App的操作系统 [16] - **Claw Cognition**：由前DeepMind工程师创立，提供“认知架构”交易市场，采用仿生学的三层混合记忆架构（感觉记忆、工作记忆、情景/语义记忆），并具备自适应学习的“睡梦机制” [18][19][21] - **MemoryPlugin**：一个基础记忆解决方案，将所有记忆以.md或.json格式保存在用户本地硬盘，在GitHub上获得12k+ Star [18][22] - **Botlearn**：为Agent设计的“技能包管理器”，提供标准化的.skill格式，支持技能动态加载与卸载 [23] - **CrewClaw**：Agent配置生成器，可一键生成9份配置文件 [18] Agent通信、协作与人类雇佣 - **ClawdTalk** (219票)：为Agent提供电话号码，支持通话、短信及WhatsApp集成 [26] - **MailMolt**：为Agent提供独立邮箱地址，使其能注册SaaS服务、处理工单或与其他Agent协商 [26] - **RentAHuman.ai** (110票)：一个反向零工经济平台，将人类劳动力封装成API，允许AI Agent花钱雇佣人类完成线下任务（如处理验证码、电话确认等），被TechCrunch评价为“2026年最反乌托邦但也最实用的基础设施” [26][27][28][30][31] 云托管与一键部署服务（市场需求最大） - 云端托管与部署是2月份产品数量最多、市场需求最大的赛道，覆盖了一键安装、桌面App、全托管PaaS及企业级私有化等所有部署路径 [32][33] - **KiloClaw** (742票)：全月最高票产品，全托管的Serverless部署平台，采用Scale-to-Zero技术，能在300毫秒内冷启动 [34][35][38] - **Clawi.ai** (433票)：针对非技术用户的No-Code SaaS平台，提供Visual Flow Builder和数百种行业模板 [34][39][40][41] - **EasyClaw** (216票)：一键安装脚本/桌面工具，主打“Bring Your Own Cloud”，让用户完全掌控自己的云服务器 [34][42][43] - **Cloudflare Moltworker**：基础设施巨头Cloudflare下场为OpenClaw定制Serverless方案，标志性事件 [44] 安全与运维赛道（被严重低估） - 随着Agent能力增强，其安全与运维需求凸显，但目前该赛道产品相对较少 [46][47] - **IronClaw** (197票)：企业级安全与可观测性平台，作为智能代理网关实时拦截清洗进出Agent的数据流，被称为“Agent时代的CrowdStrike” [48][49][50] - **ClawMetry** (200票)：“AI版Grafana”，实时监控面板，可追踪Token成本、Subagent活动、Cron任务及记忆调用状态 [48][51][55] - **SClawHub**：Skill安全扫描器，安装前提供0-100信任评分 [48] 硬件集成与消费级竞品 - OpenClaw的流行带动了硬件需求，例如二手Mac Mini开始涨价 [52] - **Umbrel Pro** (362票)：针对家用设计的16TB个人云服务器硬件，配备专用操作系统，可一键运行OpenClaw [53][54][57] - **OpenClaw Mac mini M4 Enclosure** (23票)：专为运行OpenClaw设备设计的3D打印外壳 [53] - **happycapy** (1,287票)：2月份全产品最高票的现象级产品，定位为“浏览器里的OpenClaw替代品”，开箱即用 [59][60][61] - **Tidy** (333票)：完全云托管的个人Agent助理，能操作用户的任何应用，通过iMessage交互并具备持久记忆能力 [59][63][64]

文章核心观点 文章通过描述2026年3月深圳腾讯大厦前用户为免费安装OpenClaw AI软件而大排长龙，以及市场上催生出500元上门安装服务等现象，揭示了当前以OpenClaw为代表的AI Agent产品面临的核心矛盾：技术理想与用户现实之间存在巨大鸿沟[9]。开源技术并未自动带来普惠，普通用户因硬件、系统、语言、生态和网络等多重高门槛而被挡在门外[16][17][18]。更深层次的问题在于，即使解决了安装问题，用户仍面临“意图表达”的认知困境，不知道如何有效使用AI[25][26][28]。文章指出，中国AI产业过度聚焦于模型层面的军备竞赛，严重忽视了产品化、本土化和用户教育的“最后一公里”，而这正是未来真正的商业机会和竞争关键所在[50][55][60]。 一、腾讯大厦门口的长龙：为AI排队，为门槛买单 - 2026年3月6日，深圳腾讯大厦北广场出现罕见长队，用户目的仅为免费安装开源AI软件OpenClaw，队伍中包含从外地赶来的60多岁退休航空工程师、近70岁的非遗专家和小学生等非典型用户[5] - 活动预约号在上午11点前已全部发完，大量未预约者仍不愿离去，显示出极高的公众需求[6] - 与此同时，在闲鱼、小红书等平台催生了“上门安装OpenClaw，500元一次”的付费服务市场，形成了技术狂欢与高门槛并存的矛盾景象[8][9] 二、中间人经济：500元安装费，是门槛的定价 - 市场形成了从9.9元到上万元不等的魔幻定价体系，其中500元上门安装是主流市场价，而美国创业者Michael提供的服务价格高达3000至6000美元（约合4.3万人民币）[11][13] - 国内有服务者据称在几天内赚取26万元人民币，虽真实性存疑但反映了市场热度，从业者包括大厂程序员、跨界从业者和大学生，他们共同出售的是“跨越门槛的能力”[14] - OpenClaw的安装存在五层高门槛：硬件门槛（需4核CPU、8GB内存，较好体验需16GB内存和独立显卡）、系统门槛（Windows用户需安装WSL2）、语言门槛（全英文界面）、生态门槛（不原生支持微信、钉钉、飞书）和网络门槛（访问境外API受限）[16][17][18] - 业内估计有90%的用户在安装阶段会因无法自行解决问题而放弃或求助，这500元定价是市场对技术门槛的即时定价[19] 三、安装成功后，更大的门槛来了 - 用户成功安装后普遍面临“不知道下一步该做什么”的困境，这揭示了比安装更复杂的“意图表达”认知门槛[25][26][28] - 配置过程复杂，用户需在多个大语言模型（如GPT-4o、Claude 3.7 Sonnet等）中做出选择，并处理API Key申请、费用计算、国内通讯渠道额外配置等技术问题，普通用户难以应对[26] - 问题的核心在于AI产品的设计者与普通用户存在认知断层，产品缺乏对用户使用场景的引导，导致用户“不知道让AI执行什么任务”[29][31] - 这反映了AI进化速度远超普通人认知更新速度的结构性社会问题，此次关于“人类与AI协作”新范式的落差比以往任何技术浪潮都更剧烈[32][33] 四、真相：开源≠普惠，普通人被挡在门外 - 开源并不等同于普惠，OpenClaw在GitHub上拥有26万颗星，但真正能跑起来并改变工作方式的普通用户比例极低[38] - 开源解决了“代码可得性”，但未解决“能力可得性”，从可用到好用再到真正使用，需要巨大的工程和产品化投入[38] - 中国用户面临独特壁垒：微信、钉钉、飞书构成核心工作流生态，而OpenClaw原始设计针对Telegram、Slack、Discord等西方平台，在中国渗透率约等于零[39] - 这意味着任何希望OpenClaw在中国普及的产品都必须进行彻底的重新设计和本土化，如“Molili”这类集成国产大模型、支持中文和国内通讯平台的产品是正确方向[41][42] 五、腾讯长龙的三层隐喻：AI狂欢的真实镜像 - **第一层（感人）**：队伍体现了中国社会特有的“全民技术接纳文化”，民众对新技术的敏感度和接纳速度全球罕见，这种技术焦虑与好奇并存的状态值得尊重[46] - **第二层（耐人寻味）**：腾讯活动的商业目的是争夺Agent时代的云服务入口，将用户锁定在其云基础设施上，但活动本身形成了讽刺隐喻——旨在解放人力的AI工具，却需要大量真人工程师提供手动安装服务[47][49] - **第三层（值得深思）**：长龙是中国AI产业的一面镜子，照出了产业过度聚焦于卷模型、卷参数，而严重忽视产品“最后一公里”和普通用户需求的结构性问题[50] - 真正的AI普及战争不在服务器机房，而在用户的客厅和办公桌上[51][52] 六、谁来填平这道裂缝？ - **产品层面**：行业缺乏的不是更强大的Agent，而是更低摩擦的Agent，关键挑战是设计“意图引导”系统，帮助用户在五分钟内感受到价值[55] - **商业层面**：中间人经济将升级，从原始安装服务演变为更高价值的Agent工作流定制、场景设计、技能培训等新职业机会[58] - **产业层面**：基础模型层竞争已过热，真正的价值洼地在应用层的“最后一公里”，包括深度本土化、垂直场景化、安全合规以及AI使用技能培训认证体系[59][60][61] 七、“代码已死，意图永生”——但意图先要被表达出来 - “代码已死，意图永生”的深刻含义在于，未来竞争力在于清晰表达需求（意图）的能力，而非写代码本身[65][66] - 当前最大瓶颈是普通人无法将模糊需求转化为AI可执行的清晰意图，帮助用户完成这一转化是AI产品化阶段最重要、最稀缺的能力[68] - 这是一个涉及教育、设计和人文理解的问题，恰恰是中国AI产业目前最薄弱的一环[69][70] - 腾讯门口的长龙是AI时代最真实的照片，它用市场需求直接告诉技术世界：产品做得还不够好[72][73] - 真正的革命将发生在普通用户能轻松使用AI获得切实帮助的时刻，而谁先实现这一点，谁将赢得这个时代[74][76][77]

谷歌发布Google Workspace CLI工具 - 谷歌发布了名为Google Workspace CLI（gws）的命令行工具，并将其开源在GitHub的Google Workspace官方组织名下[2] - 该工具将Drive、Gmail、Calendar、Sheets、Docs、Chat、Admin等Google Workspace云API封装为一个统一的命令行接口[2][3] - 项目发布后短时间内已获得15.3k的GitHub Stars和559个Forks，显示出极高的社区关注度[3] 工具的核心功能与定位 - 核心功能是为AI智能体（Agent）自动化工作流提供标准化接口，通过结构化JSON输出，方便接入包括OpenClaw在内的各类AI Agent系统[2][4] - 该CLI将Google Workspace API变成了一个既适合人类开发者也适合AI Agent调用的统一接口，人类无需手写API请求，AI无需编写额外工具[4] - 对于人类开发者，工具提供`--help`帮助信息和`--dry-run`预览请求功能，并自动处理分页[4] - 对于AI智能体，所有返回结果都是结构化的JSON，结合内置的Agent技能，大型语言模型（LLM）可直接管理Google Workspace而无需额外工具[4] 技术架构与实现 - 采用两阶段解析策略：首先识别要调用的服务并获取其Discovery Document进行缓存，然后动态构建命令树并解析剩余参数，最后完成认证和执行请求[4] - 所有输出，包括结果、错误信息和元数据，均以结构化JSON形式返回[4] - 项目使用Rust语言编写，但通过npm安装时无需安装Rust工具链，因为包中已包含预编译的原生二进制文件[10] 内置的AI Agent技能 - 工具内置了超过100个Agent Skills，以`SKILL.md`文件形式提供，每个支持的API都对应一个技能，并包含用于常见工作流程的高层辅助技能[6] - 提供了50个精选使用示例，覆盖Gmail、Drive、Docs、Calendar和Sheets等核心Google Workspace应用[6] - 主要技能包括`gws-shared`（认证、全局标志和输出格式）、`gws-drive`（管理文件和共享云端硬盘）、`gws-sheets`（读写电子表格）、`gws-gmail`（管理邮件）和`gws-calendar`（管理日历和事件）[8] - `gws-shared`技能包含安装配置，若系统环境变量中未检测到gws CLI，OpenClaw等AI Agent会自动通过npm安装它[7] 市场反响与安装要求 - Google Cloud AI总监Addy Osmani在社交媒体上宣传此项目，相关帖子浏览量突破了500万[3] - 安装要求包括：Node.js 18或更高版本（用于通过npm安装）、一个用于获取OAuth凭证的Google Cloud项目，以及一个拥有Google Workspace访问权限的Google账号[12] - 除了通过npm安装预编译二进制文件，用户也可以从GitHub Releases下载二进制文件，或从源码构建[11][12]

AI Agent深度搜索技术框架REDSearcher - REDSearcher是一个低成本、可扩展的AI Agent训练框架，旨在解决长程深度搜索任务[2] - 该框架使用30B规格模型，在深度搜索任务上取得了开源模型的SoTA（State-of-the-Art）性能，并超越了GPT-5、Gemini-2.5-pro、Claude-4.5-sonnet等闭源模型[2][26] - 其核心在于系统性设计，提供了一条可复现、低成本的深度搜索智能体训练路径[28] 深度搜索任务的核心挑战与量化标准 - 深度搜索的核心挑战在于处理信息分叉交织形成的回环，要求Agent同时记忆多路推论、验证一致性并准备整体回溯[8] - 团队引入图论中的TreeWidth（树宽）概念来量化“结构性困难”[8] - 线性/树状（树宽=1）：典型链式推理[11] - 菱形/回环（树宽=2）：出现分叉与重汇合，要求维持多路假设一致性[11] - 强耦合子图（树宽≥3）：形成网状约束，需将零散证据拼合成一致整体[11] - 引入“信息分散度”概念，即覆盖全部关键证据所需的最小来源数，以杜绝搜索“捷径”[10] 自动化合成高难度问题的方法 - 基于双约束复杂度标准（树宽与分散度），采用graph-to-text流程自动化合成高难度深度搜索问题[13] - 设计了基于“结构化信息”与“网络浏览”两套图构造流程，以覆盖不同搜索环境[13] - 通过“模态注入”将纯文本推理图转化为跨模态推理，使部分约束锚定在图像中，实现向多模态搜索领域的高效迁移[13][14] 低成本Mid-Training强化智能体能力 - 采用可扩展的两阶段Mid-Training框架，依次强化模型的“原子能力”与“组合能力”，实现从语言建模到智能体的过渡[16] - 原子能力建设针对深度搜索重要的两个基础能力优化[21] - 组合能力建设通过环境交互强化长程任务中的状态维持与目标一致性，全程以成本为约束[21] 多模态扩展能力 - 通过拓扑结构增强，引入大模型智能体对初始依赖图进行“拓扑加密”，通过添加环状与交错约束提升结构复杂度[18] - 在问题构造阶段主动植入工具调用需求，使工具调用成为解题前置条件[18] - 通过视觉属性锚定、跨模态依赖、视觉语义抽象和模态灵活插入四种策略，构建多模态深度搜索问题[19] 后训练持续进化策略 - 后训练采取SFT + Agentic RL双阶段增强[22] - 构建“功能等价”的本地模拟环境，保持API一致、证据完备且含噪声，以低成本加速实验迭代[25] - 采用Agent-as-Verifier对强化学习问题集进行校验，避免数据污染影响训练稳定性[25] - 观察到效率与性能同步提升的现象：模型平均交互轮次下降，但准确率持续提升，表明其学会了更精准的信息获取策略[22] 实验结果与性能表现 - REDSearcher（30B-A3B）在多项深度搜索权威基准上取得优异表现[24] - 在BrowseComp基准上取得42.1 / 57.4*分[27] - 在BrowseComp-zh基准上取得49.8 / 58.2*分[27] - 在GAIA基准上取得80.1分[27] - 在HILE基准上取得34.3分[27] - Overall得分51.6[27] - REDSearcher-MM在多模态搜索基准中相比同规格模型取得SoTA水平，性能超过Gemini-2.5-pro，在部分基准上接近Gemini-3-pro[26] - REDSearcher-MM-RL（30B）在MMSearch基准上取得57.2分[27] - 在BrowseComp基准上取得31.2分[27] - 在BrowseComp-zh基准上取得44.5分[27]

文章核心观点 - OpenClaw作为一款开源、可本地运行的AI Agent框架，其热度从AI极客圈迅速扩散至各行各业，引发了全民“养龙虾”热潮，但该工具目前仍存在较高使用门槛、稳定性问题、安全风险及持续成本，对于多数普通用户而言，其价值更多体现在作为能力放大器或下一代AI操作系统的雏形，而非成熟、可替代生产力的产品 [5][6][33][35] OpenClaw的产品特性与市场热度 - OpenClaw是一套可本地运行、开源免费的AI Agent框架，核心在于“让AI真正动手干活”，不同于豆包代表的Chatbot [5] - 在GitHub上，OpenClaw突破250K+（即25万以上）的Star，成为了GitHub上获星最多的软件项目 [5] - 全球AI巨头和云计算服务厂商纷纷推出自家类似产品或一键部署服务，试图将开源Agent的流量转化为平台长期订阅收入 [5] - 电商平台上，售价198元到566元的远程安装服务，销量已破900+；闲鱼和小红书上，上门安装报价从几十元至几千元不等 [13] - 由于需要接管系统底层权限，许多用户选择将其部署在不常用的设备或云端，导致常年闲置的Mac mini出现一机难求、涨价断货的情况 [16] 用户群体与应用场景扩散 - 用户群体从技术极客扩散至行政、律师、财务等传统职业以及淘宝店主等个体经营者，年龄跨度从05后大学生到中年企业高管 [12] - 应用场景广泛，包括软件开发、数据抓取与分析、模拟谈判、内容创作（如自动运营小红书账号）、投资研究（股票分析、量化交易、投研报告等）以及日常办公自动化（如撰写日报、周报） [9][19][22] - OpenClaw中文社区上线后，网站独立访客上线首日破千，次日破万，运营的社群短时间内扩展到了29个，几乎每天都能进满一个200人的新群 [12] 用户实际体验：价值与局限 - **价值体现**：具备强记忆能力，可24小时不间断工作；能够调用本地资料、持续迭代修改，更接近真实工作协作；可作为个人能力的杠杆，放大使用者在特定领域（如投资研究）的信息处理优势 [18][19][22] - **使用门槛高**：部署复杂，对非技术用户不友好；运行高度依赖本地环境，安装后仍可能因各种配置问题导致运行不稳定 [25] - **稳定性与可靠性问题**：修改API、创建技能等多种操作可能导致程序“死掉”，修复需半小时以上；其能力上限受所调用的大模型能力制约，可能出现崩溃或生成不准确信息（“胡说”）的情况 [25][26] - **成本不菲**：除部署精力外，还涉及电费、API调用与存储成本，有深度用户每月需支付几百美元的Token费 [5][28] - **工作模式限制**：任务执行过程不可见，无法像人类一样实时接收反馈并修正错误，必须跑完上一条指令才会处理下一条命令，更适合事件驱动的运营类工作，而非需要主动创造的科研类工作 [28][30] 行业视角下的产品定位与未来 - 在AI行业内，OpenClaw的技术底层（Agent Loop架构）被视为2025年行业共识，但其本身因功能堆砌而显臃肿，内核难以随技术迭代同步进化 [30] - 科技大厂内部已构建更灵活可控的类似平台，但出于安全风险考虑（OpenClaw需系统级权限，可能引发数据泄露、财产损失等），未将其推向公众 [31] - 正是其开源特性和一定的“不安全”性，允许被任意修改和部署，反而促成了其在互联网上的快速传播和爆火 [33] - OpenClaw被视为一种工具杠杆或“下一代AI OS的雏形”，本身不创造价值，但能放大使用者原有能力，其普及让很多普通人第一次深度接触AI Agent [33][35] - 在快速迭代的AI领域，用户存在“担心跟不上AI产品更新速度”的FOMO情绪，当前工具可能被下一款真正成熟、开箱即用的Agent产品所取代 [30][36]