全球AI大模型调用量格局变化 - 国产AI大模型在OpenRouter平台的周调用量已连续两周超过美国大模型产品 [5] - 3月9日当周，全球模型调用量排名前九名中，国产模型占据四席并包揽前三名，整体国产模型周调用量约4.69T，较上周的4.194T环比上涨11.82% [5][6] - 同期，美国AI大模型周调用量为3.294万亿Token，环比下滑9.33%，OpenAI系列模型未进入前十 [6] 领先的国产大模型及调用数据 - 周调用量排名第一的是MiniMax M2.5，调用量为1.75T [5] - 排名第二的是阶跃星辰模型Step 3.5 Flash，调用量为1.34T [5] - 排名第三的是DeepSeek V3.2，调用量为1.04T，Kimi K2.5位列第九 [5][6] 新兴模型与行业动态 - 神秘模型Hunter Alpha引发关注，是一款为Agent用途构建的1万亿参数、支持100万Token上下文的模型，擅长长期规划和复杂推理 [6] - Hunter Alpha于3月15日获得OpenRouter日榜第一，另一款匿名模型Healer Alpha也进入日榜前十，两款模型均被OpenClaw开发者公开推荐 [7] - 智谱公司于3月16日推出面向“龙虾”场景的闭源基座模型GLM-5-Turbo，是2025年以来其发布的首个闭源模型 [7] 国产模型增长的核心驱动力 - 国产模型调用量持续上升，主要驱动力是OpenClaw等智能体（Agent）场景对模型调用需求的激增，这类任务常消耗百万级Token [7] - 性价比是国产模型受海外开发者青睐的关键因素，例如MiniMax M2.5的输入价格为每百万Token 0.3美元，输出价格为1.1美元，远低于Claude Opus 4.6的5美元和25美元 [7] - 国产模型凭借开源策略在海外市场建立了口碑与影响力 [8] 行业面临的挑战与商业化压力 - 海外模型正加速“务实”商业化，例如Gemini关停低价旧版，Claude收紧峰值TPM（每分钟Token数）限制5倍以上 [8] - 行业面临性能、开源与商业化之间的平衡问题，阿里巴巴Qwen大模型技术负责人离职事件暴露出公司营收压力与开源之间的本质矛盾 [8] - MiniMax上市后首份财报显示，2025年营收约7904万美元，同比增长159%，但年内亏损同比增加302%至18.7亿美元 [8]

核心观点 - OpenClaw 的成功破圈是 AI 产业迈向 Agent 时代的催化剂 它完成了大众对 Agent 的认知普及 重构了大模型厂商的商业化路径 并有望带动新一轮的算力需求扩张 维持计算机行业“买入”评级 [2][5] 行业影响与趋势 - **推动 Agent 概念全民普及**：OpenClaw 将“数字员工”从概念验证推进到大众可感知的产品形态 通过开源框架打通大模型、工具与本地操作系统 使 AI 具备长期记忆、任务拆解与系统操作的复杂能力 能够直接操作用户计算机执行跨平台、跨应用的复杂任务 从问答工具进化为深度参与工作流的生产力工具 大幅降低了大众理解 Agent 的门槛 [3] - **创造全新模型消费场景**：OpenClaw 为国内大模型在 C 端带来了新的消费场景 用户对私人助理形态的付费接受度显著提升 当 AI 接入即时通讯、邮件、日历、文档、搜索、支付与设备控制后 其角色从内容生产者变为生活和工作的代理人 用户付费核心从单纯订阅服务转向为跨应用执行、持续在线及结果交付等核心价值付费 这种需求一旦形成习惯 留存和付费稳定性可能显著高于传统聊天机器人 [3][4] - **带动算力需求扩张**：Agent 模式下 单任务执行需依托多轮推理与密集工具调用 使得 OpenClaw 单用户 Token 消耗量显著高于传统对话场景 Token 消耗规模的扩张将直接传导至底层算力基础设施 系统性重塑云计算供需格局 并为算力产业链带来实质性增长动能 [4] - **云厂商调价反映需求攀升**：腾讯云于 2026 年 3 月 11 日发布公告 自 3 月 13 日起 其智能体开发平台对模型计费策略实施优化调整 GLM 5、MiniMax 2.5、Kimi 2.5 三款模型结束免费公测转为正式商用按量计费 腾讯混元系列模型 API 调用价格全面上调 涨幅超 4 倍 调价背后实质是需求快速攀升背景下 云厂商面临 AI 算力资源紧缺的集中体现 [4] 核心受益方向与投资建议 - **生态型国产大模型**：重点关注在 OpenClaw 生态中消耗占比高、具备极致性价比和场景适配能力的厂商 其 API 调用量和 Token 收入有望进入高速增长期 [5] - **云服务**：关注提供 Agent 一键部署方案、掌握应用分发入口的头部云厂商 [5] - **核心算力基础设施**：推理侧算力需求激增 直接利好国产 AI 芯片、服务器及相关硬件供应商 [5]

文章核心观点 - 2026年奇点智能技术大会将于4月17-18日在上海举行，其中“智能体系统与工程”专题将聚焦Agent（智能体）技术从研究到大规模业务落地的核心挑战与解决方案 [1] - 当前行业在Agent落地过程中面临稳定性差、试错成本高（可达数百万元）、缺乏可复用架构等普遍痛点 [3] - 该专题的核心价值在于提供一套经过头部大厂验证的、可直接复用的决策框架与工程方法，旨在帮助从业者节省数月试错时间及百万级沉没成本，推动Agent开发从“作坊式”迈向“工业化” [19] “智能体系统与工程”专题核心议题与演讲嘉宾 微信AI搜索Agent实战 - 演讲嘉宾为腾讯微信搜索AI算法研究方向负责人王炳宁，其主导发布的模型在GitHub获万星，HuggingFace下载超2000万次 [6] - 核心解决实验室Agent上线后出现幻觉、死循环等问题，重点分享在亿级流量并发下保障Agent工作流强韧性与可控性的架构设计 [7] - 目标听众为负责搜索/推荐/对话系统，且对系统稳定性有极高要求的技术人员 [7] Computer Use Agent (EvoCUA) 的自进化实践 - 演讲嘉宾为美团Staff Researcher薛涛锋，其主导的EvoCUA项目获得图灵奖得主Yoshua Bengio等学者在论文中联合点赞 [8] - 在针对全球7个前沿CUA的安全评测中，EvoCUA-32B以35.0%的最低受干扰率排名第一，正面击败了Claude 4.5 Sonnet (41.0%) 和 OpenAI 的 Operator (48.7%) [8] - 该项目以56.7%的成功率在2026年1月登顶OSWorld开源榜首，技术报告登顶HuggingFace榜首 [9] - 核心分享如何让Agent自主完成跨应用、长链路的计算机操作，涵盖可验证数据合成、分钟级拉起十万级沙盒基建及经验学习机制 [10] - 目标听众为探索“数字员工”、RPA升级、自动化办公场景，需突破复杂长链路任务执行瓶颈的AI产品/技术落地人员 [11] 用强化学习优化Agent训练 - 演讲嘉宾为Macaron AI首席科学家马骁腾，其团队研发的LoRA-RL训练底座MinT，将GPU成本降至传统方式的10% [12] - 核心解决Agent依赖人工编排Prompt、无法从真实交互中积累经验的问题，分享从Context Engineering到Context Learning的范式演进，以极低成本让Agent在动态环境中自我学习 [13] - 目标听众为负责Agent后训练/持续优化，希望降低模型迭代成本、提升智能体自适应能力的算法与工程人员 [14] 建立可靠的Agent设计模式 - 演讲嘉宾为新加坡科技研究局AI研究员黄佳，其提出了覆盖六大认知维度的21种Agent设计模式 [15] - 核心解决团队开发Agent时存在的“万能Prompt”、“无记忆”等反模式导致的维护与扩展难题，提供一套经过验证的标准化Agent架构设计框架 [16] - 目标听众为负责Agent系统架构设计，希望建立标准化开发规范、提升工程交付质量的技术实践者与管理人员 [17] 大会其他相关信息 - 大会为期2天，预计覆盖12大专题，汇聚1000+产业精英与50+一线技术决策者 [23] - 除“智能体系统与工程”外，大会主题还包括大语言模型技术演进、多模态与世界模型、AI原生应用创新、AI基础设施与运维、开源模型与框架、具身智能等 [23][24][25][26][30][31][33][36] - 演讲嘉宾来自腾讯、美团、月之暗面、Macaron AI、微软亚洲研究院、新浪微博、蚂蚁集团、百度、京东、网易等众多行业领先公司及研究机构 [26][27][28][29][30][31][32][33][34]

行业投资评级 - 维持行业“增持”评级 [4] 核心观点 - 腾讯、小米分别从软件应用生态和硬件应用生态切入Agent（智能体）布局，看好兼具用户入口和生态能力的公司在Agent应用上的潜力 [2][4][7] - 英伟达GTC大会有望推出全新芯片架构及配套技术革新，是行业重要催化事件 [4][8] - 甲骨文FY26Q3业绩显示其云业务基本面边际转好，AI相关收入增长迅猛 [4][9] 周观点总结 - **腾讯Agent布局**：腾讯正在内测基于OpenClaw的本地AI助手“QClaw”，支持Windows/Mac一键安装，可通过微信对话和远程操控 [4][7] - **腾讯生态建设**：腾讯推出SkillHub技能社区，已聚合来自OpenClaw官方开源生态的超过1.3万个Skills，并持续增长 [4][7] - **腾讯潜力分析**：腾讯拥有海量活跃用户和全方位应用场景，具备从社交入口向智能任务中心进化的潜力；若微信后续上线类似智能体，有望连接微信生态内的海量小程序，实现单个APP内的应用闭环 [4][7] - **小米Agent布局**：小米推出基于自研Mimo模型的“Miclaw”并实行封闭测试，该应用以系统应用身份运行，封装了超过50项系统能力和生态服务 [4][7] - **小米独特优势**：小米在布局Agent方面的优势在于拥有端侧系统级权限（澎湃OS）以及海量硬件入口（手机、IoT智能家居、汽车），可从物理AI维度将Agent能力应用于用户实际生活场景 [4][7] - **英伟达GTC前瞻**：大会将于3月16日至19日举办 [4][8] - **Rubin架构**：预计将推出由八个NVL72系统组成的NVL 576集群，建议关注有关scale out互联方式的相关表述 [4][8] - **Feynman架构**：预计将采用台积电A16节点，2028年启动生产 [4][8] - **LPU（语言处理单元）**：重点关注其集成方式，预计短期内LPU将以单独机柜形式存在，建议关注后续LPU进入GPU柜内或与GPU die进行3D垂直堆叠的路线图 [4][8] - **甲骨文业绩亮点**：FY26Q3云业务总收入同比增长44% [4][9] - **甲骨文IaaS增长**：云IaaS收入同比增长84%，其中云数据库收入同比增长35%，AI IaaS收入同比大幅增长243% [4][9] - **甲骨文AI IaaS毛利率**：本季度交付的AI IaaS毛利率达到32%，超出此前30%的指引 [4][9] - **甲骨文SaaS增长**：云SaaS收入同比增长13%，其中Fusion ERP和NetSuite ERP收入分别同比增长17%和14% [4][9] - **甲骨文剩余履约义务（RPO）**：达到5530亿美元，环比增长约290亿美元 [4][9] - **甲骨文资本开支（Capex）**：预计第四季度Capex约为108亿美元，环比大幅收缩 [4][9] 一周行情回顾总结 - **主要指数表现**：在2026年3月8日至3月14日期间，恒生指数下跌1.13%，恒生科技指数上涨0.62%；道琼斯工业指数下跌1.99%，纳斯达克指数下跌1.26% [10][11][17] - **板块指数表现**：同期，恒生互联网科技业指数下跌0.32%，HK网络游戏指数上涨2.75%，HK AIGC概念指数上涨2.58%，纳斯达克中国金龙指数上涨2.69% [14][18] - **港股重点个股**：周涨幅前三为腾讯控股（+5.5%）、京东集团-SW（+2.8%）、阿里巴巴-W（+1.4%） [15][16] - **美股重点个股**：周涨幅前三为迅雷（+25.7%）、金山云（+12.9%）、世纪互联（+9.3%） [15][20] 一周AI行业要闻总结 - **英伟达投资Nebius**：英伟达将向AI云服务商Nebius投资20亿美元，双方合作开发面向AI市场的新一代超大规模云计算服务 [22] - **台积电收入创新高**：台积电2026年2月实现收入3176.57亿新台币，同比增长22.2%，创历年同期新高；环比下降20.8%，主要受春节假期影响 [22] - **苹果降低App Store佣金**：自2026年3月15日起，中国内地App Store的标准佣金率由30%降至25%；小型企业计划等项下的佣金率由15%降至12% [22] - **应用材料合作开发存储芯片**：应用材料公司与美光、SK海力士合作，启动一项总投资预计达500亿美元的“EPIC中心”芯片研发计划 [23][24] - **Meta自研AI芯片计划**：Meta宣布将在2027年底前部署四款新一代自研AI芯片，同时并未削减外部采购，近期与英伟达和AMD签署了数百亿美元的GPU采购协议 [24] - **英伟达研发开源大模型**：英伟达计划未来5年累计投入260亿美元，推进开源AI大模型的研发，首批自研开源模型最快将于2026年底至2027年初问世 [24] 投资建议总结 - **算力方向**：推荐英伟达（NVDA.O）、台积电（TSM.N）、阿斯麦（ASML.O）、博通（AVGO.O） [25][26] - **云厂商方向**：推荐微软（MSFT.O）、亚马逊（AMZN.O）、谷歌（GOOGL.O） [25][26] - **AI应用方向**： - **AI Agent方向**：推荐苹果（AAPL.O）、高通（QCOM.O）、联想集团（0992.HK）、小米集团（1810.HK） [25][26][28] - **Physical AI方向**：推荐特斯拉（TSLA.O） [25][26] - **AI社交方向**：推荐腾讯控股（0700.HK）、Meta（META.O）、谷歌（GOOGL.O） [25][26][28]

腾讯在OpenClaw热潮中的战略与行动 - 公司是OpenClaw风潮最积极的跟进者，已推出超过10个Claw类产品，涵盖自研、本地、云端、企业等多种形态[2][4] - 公司CEO马化腾在朋友圈提及“自研龙虾、本地虾、云端虾、企业虾、云桌面虾，安全隔离虾房、云保安、知识库……还有一批产品陆续赶来”，表明公司在该领域广泛布局[4] - 公司云团队在深圳举办的线下免费安装部署活动吸引了超过800人报名，远超预期，最远参与者来自杭州[3] - 公司内部产品QClaw与WorkBuddy已先后开启测试或上线，QQ开放平台和企业微信也宣布支持接入OpenClaw[3][4] - 公司相关人士表示，手握微信和QQ两大入口，公司几乎不可能错过这次与即时通讯(IM)深度结合的AI智能体(Agent)机会[5] 产品开发与市场反应 - 公司产品WorkBuddy的开发并非应激反应，其MVP版本在1月17日那个周末由三四个产品和运营人员熬夜完成，并于随后周一开放给内部同事体验[7] - 按照原开发路线图，WorkBuddy计划在3月16日发布，但为响应OpenClaw热潮及用户安装困难，公司加快了迭代速度，提前一周至3月9日上线[9] - 公司曾准备在春节期间发布相关产品，并在年前就准备好了物料、文档和安装包，以避免重演去年DeepSeek爆发时措手不及的情况[9] - 公司云免费装机活动源于内部需求，3月1日内部发放的几百张免费体验券在不到20秒内被抢光，随后才决定举办面向大众的线下活动[9] - 活动面向大众后，公司最初只招募了约10名志愿者，后因视频号内容播放量达几十万，将志愿者临时扩充至20人，现场用户参与度极高，平均每人需花费二三十分钟讲解，有人甚至从早上待到下午[10] 行业趋势与产品定位 - 行业正经历从“对话”到“执行”的范式转变，vibe coding（自然语言驱动编程）的发展使得后端智能体和技能足以支撑更多泛生产力场景[5] - OpenClaw加速了智能体模式的普及，让非开发者也能快速感受到AI如何改变工作与生活，其在1月底一周内吸引了200万访客，GitHub星标突破10万[4][6] - 当前企业面临的难题可能不再是模型是否足够聪明，而是是否有能力正确组织业务上下文并喂给模型，以稳定发挥模型力量[8] - 公司认为OpenClaw跑出了一些更激进的案例，带来了更强的情绪价值和可玩性，而此前类似产品（如Manus或Flowith）没有技能(skills)功能[11] - 此次OpenClaw引发的全民热潮背后存在社会性的AI焦虑因素，参与者年龄跨度从小学四年级学生到超过70岁的老人[4][12] 产品功能、场景与商业化 - 公司产品QClaw和WorkBuddy与微信的连接目前通过企业微信客服渠道实现，公司思考是在现行条件下“能做到什么程度就做到什么程度”[14] - 公司产品设计上更倾向于标准化，而非高度定制化，允许用户通过定时任务或主动触发方式使用，以避免频繁打扰用户[14] - 在已观察到的使用场景中，文档(Documentation)相关技能使用频率最高，公司团队自身更倾向于自写技能，并尝试用无代码方式创建智能体或应用[15] - 公司注意到一些博主在小红书直播中将OpenClaw用于支付、聊天等稀奇古怪场景，但这源于其本地权限过高，公司产品将安全合规放在第一位[16] - 关于商业化，公司当前第一步是聚焦AI原生的工作和泛生产力场景，实现产品价值以帮助企业转型，而非只看眼前收入[16] 技术架构与未来展望 - 公司认为短期内智能体架构仍会是多智能体模式，例如一个编排智能体调度不同的专才型智能体，后者可能是一个技能或独立智能体[17] - 对于未来产品整合，公司表示目前处于早期阶段，各业务部门先围绕已验证的高价值闭环场景做产品，未来若用户需求推动，自然会打通[17] - 公司轻量云专注于提供“云端虾”产品形态，旨在云端提供更简单、易用、安全的产品，未来不排除探索云端与本地联动的场景[17] - 对于OpenClaw类产品未来市场格局是多家并存还是出现垄断者，公司表示不好评价，将先埋头做好自己的事情[18] 安全策略与保障措施 - 公司针对智能体产品的安全思路核心是三层：事前加固、事中检测和拦截、事后审计和追查，旨在补全整条安全链路[22] - 公司产品WorkBuddy权限边界清晰，主要在用户指定的本地文件夹工作，调用的是腾讯技能中心里相对安全的技能，无过大全局权限[19] - 公司通过自动化审核机制（如用智能体对抗智能体）、传统规则、特征检测及AI识别代码恶意内容等多道防线，从源头杜绝恶意技能流入市场[19] - 针对明文凭据（如账号密码、API密钥）泄露风险，公司方案是将其收敛，通过安全认证技能和网关获取临时令牌，并对凭据做加密，避免明文存储在本地[21] - 为防止智能体权限过大或被诱导执行恶意命令，公司在云端和终端两侧部署沙箱和隔离机制，限制其可访问内容和可调用资源[21] - 公司正在加强审计能力，在云端和终端添加主机侧审计和流量审计，以还原整个操作链路，明确智能体具体执行了哪些操作[21]

文章核心观点 - OpenClaw的兴起带动了新一轮AI Agent创业热潮，但创业者不应仅关注基于其开发产品，而应聚焦于其背后正在形成的庞大新生态位，其中蕴藏着真正的创业机会[2][3][4] - 围绕AI Agent的支付、身份、权限、协议、运行时、网站、基础设施、入口等环节都需要重构，这将催生一系列新的商业机会[4][8] Agent生态新机会探讨 - **Agent时代的新支付**：探讨类似于支付宝的、服务于AI Agent交易的新支付体系将如何出现[7][8] - **协议标准化**：研究如何将网页从供人“读屏”转变为供Agent“读语言”的标准协议，以提升Agent对网络信息的理解和处理能力[7][8] - **运行时工程化**：探索如何将Agent运行过程从“黑盒”转变为可控、可观测、可调试的操作面板[7][8] - **AI原生办公**：构想类似于“飞书”的、为AI协作时代重新设计的原生办公套件形态[7][8] - **IP与Agent结合**：探索垂直领域（如二次元）将IP与AI Agent结合，提供陪伴式服务的可行性[9] - **Agent作为新流量入口**：研究企业官网等如何为适应AI Agent的访问和理解而进行重写，以抓住新的流量入口机会[9]

OpenClaw的技术本质与出现背景 - OpenClaw并非偶然的技术突破，而是多项技术（如大模型长上下文、Programmatic Tool Calling (PTC)、技能工具使用机制）逐渐成熟后的集中呈现，代表了一种“product-technology fit”趋势 [6] - 其出现与Manus等产品类似，是技术能力达到阈值后的自然结果，例如2024年9月工具使用能力成熟，2025年年中大上下文窗口模型普及 [4] - 核心创新在于抓住关键痛点：将桌面Agent与聊天工具打通，通过channel网关等机制连接不同渠道，实现开箱即用的配置，让用户通过聊天工具驱动Agent执行任务 [7] OpenClaw的产品定位与用户门槛 - 迅速走红是因为满足了特定用户群体的需求，如自媒体从业者、一人公司和独立开发者，高度契合其多渠道信息收集、数据分析、自动发帖的Bot操作以及运维和信息聚合场景 [6] - 并非低门槛产品，要真正用好需要熟悉JSON配置、具备排障能力，并持续调试和优化skill，对普通用户存在相当门槛 [5][12] - 在实际使用中，稳定性管理非常重要，配置文件可能不稳定，重启后JSON配置可能被自动修改或损坏，且浏览器访问稳定性有待提升 [12] OpenClaw的架构设计与扩展性 - 架构核心是一个名为Pi的轻量智能体，只保留记忆检索和tool calling等能力，具体能力全部沉淀在skill工具中，扩展性较强 [15] - 核心思想是Programmatic Tool Calling (PTC)，用代码描述整个工作流程，遇到无法解决的问题时会自己生成Python脚本并在沙盒中运行，解决了通过MCP或传统tool calling难以处理的问题 [14] - 其运作方式是动态加载skill，只需要用MD文件描述清楚，需要时便会自动检索并安装并执行任务，未来像LangChain或CrewAI这样的agent框架也可能变成skill被整合 [16] AI Coding的核心挑战：可控性 - AI生成代码的最大问题是不稳定与不可控，主要体现在需求理解容易出现偏差的幻觉问题、生成技术栈与团队现有技术栈不一致、以及生成代码可维护性较差 [18][19] - 在业务功能层面，即使使用Given-When-Then的验收条件，让AI自行检查也未必可靠，开发人员仍需进行集成测试，目前较困难 [20] - 一个关键挑战是如何将“什么是正确的需求实现”转化为AI可验证的形式，单个AI在提示词中自检往往非常自信，但人指出后又会承认错误，难以形成闭环 [21] 应对AI Coding挑战的方法论：SPEC Driven - SPEC driven方法通过在需求理解阶段将需求结构化，再转化为技术设计供架构师评审，之后进入plan阶段逐步执行，以保障AI coding在可控框架内落地 [5][19] - 团队可以使用EARS规则（Easy Approach to Requirements Syntax）将需求转化为标准化描述，帮助消除歧义，使AI理解更准确 [25][26] - SPEC driven开发模式适合多团队协作，产品经理需参与SPEC评审，架构师需评估技术栈与设计，一线研发需关注结果可验证性并基于SPEC生成TDD用例在CI/CD中执行 [32] 团队落地AI Coding的策略与护栏 - 需根据场景选择方法：需求具有探索性时可使用Vibe Coding（如Cursor、Claude Code）试错；需求明确且需对结果负责时，应采用SPEC driven等规范化流程 [28] - 最有效的三条护栏包括：1) 需求层面控制，通过需求标准化（如EARS）保证质量；2) 避免生成结果失控，关键手段是TDD，让AI自动生成测试用例并在CI/CD中执行；3) 制定统一的团队规范，如Skills、Lint规则、CI规则等，保证产出稳定性 [35] - 在开发过程中，不仅要完成业务功能，还要为代码库留下知识和规范，例如让AI持续总结每个模块，形成树状知识体系，或对历史代码进行总结以生成与代码库风格一致的规范 [36] AI Coding的实际应用场景与效果 - 一种新的开发模式是：在版本开始时，将整个版本需求交给Agent，让其生成包含大量代码片段的设计方案，其中约70%–80%可直接使用，开发人员只需筛选调整 [9] - 在具体实践中，不让AI直接修改代码，而是生成设计文档级别的修改方案并整理成可视化HTML报告，约有60%的代码片段可以直接使用，准确率高 [8] - 典型应用场景包括：让Agent自动整理CI/CD流水线状态和项目进展生成报告，或作为PM助手监督程序员进度、催收作业 [9][44] AI Coding的未来发展趋势 - 未来6-12个月的拐点可能包括：1) 多模态能力（如图像识别、复杂文档理解）提升；2) Context与Codebase处理方式变化，随着上下文窗口扩大，直接通过GREP搜索代码放入上下文的方式可能成为主流；3) 代码生成能力在底层领域（如驱动开发、系统编程）取得突破 [37] - AI Coding未来会朝更高自动化程度发展，类似OpenClaw的系统可能在更高层级协调多个系统，实现从需求接收到任务拆分、各微服务自动分析设计与编码、结合反思机制循环生成检查修复代码、自动集成测试的智能化全流程 [38] - 如果未来AI原生应用大量出现，应用只需一个超级框架，功能封装为skills，AI既负责开发又负责调用，那么AI Coding开发AI原生应用可能成为一个爆发点 [38] 企业实践与老项目维护 - 对于大多数公司，没有必要重复开发Agent，可以直接基于开源的PI Agent Core（约一千多行代码）进行二次开发，或Fork龙虾项目，重点是根据使用目的开发适合自己的skills或封装现有Agent框架 [42] - 维护老项目时，DeepWiki等工具非常重要，可帮助新人快速理解项目结构、依赖关系和架构设计，同时需结合需求文档、技术设计文档、历史Bug记录等知识库，让AI参考以判断正确实现方式 [49] - 针对老系统，可优先对修改频率最高的前20%热点模块进行知识工程整理，让AI帮助生成结构和文档规范，这可能解决80%的实际问题 [50]

OpenClaw引发的AI智能体热潮与产业动态 - 文章核心观点：OpenClaw作为一个开源的AI智能体（Agent）框架，其快速流行不仅引发了一场从科技巨头到普通民众的“养虾”热潮，更推动了AI应用从对话向自主执行任务的范式转变，正在重塑AI产业链的竞争格局和商业模式[7][11][46] 行业竞争格局：云端“抢滩”与生态卡位 - **云厂商的“卖铲”生意**：国内各大云服务商（如腾讯云、阿里云、华为云、火山引擎等）迅速上线OpenClaw一键部署模板或相关产品，通过提供算力租赁、服务器和增值服务来抢占生态入口，用户一旦入驻便形成高迁移成本，云厂商有望成为第一波赢家[14][15] - **大模型厂商的“双线作战”**：中国大模型创业公司（如阶跃星辰、MiniMax、月之暗面、智谱）的基座模型在OpenClaw调用后台占据过半席位，它们一方面深度适配OpenClaw以提升Token消耗，另一方面推出自研的Claw类产品（如MaxClaw, Kimi Claw, AutoClaw）以争夺Agent生态话语权[16][17][18] - **终端厂商的生态布局**：小米选择将OpenClaw能力装入移动端，基于其MiMo大模型构建AI交互测试产品Xiaomi miclaw，聚焦于“人车家全生态系统”中的执行能力，押注未来AI生态[19] 市场现象与商业模式：全民“掘金”热潮 - **个人安装服务市场兴起**：由于OpenClaw本地部署存在技术门槛，催生了上门或远程安装服务市场，在闲鱼等平台价格在300-800元/次，相关网店服务显示已售1000+，服务内容包括安装、调试和培训[22][23] - **海外高价值案例与多元变现**：旧金山湾区上门安装服务报价高达6000美元；有技术从业者全职装机，高峰期一天接20多单，几天内狂赚26万；其他变现模式包括制作套利机器人、组建AI团队批量生产内容、科技博主分享教程引流等[25] - **高昂的持续使用成本**：对普通用户而言，安装费仅是开始，OpenClaw运行消耗大量Token，有用户反馈“养虾一天”基础消耗可达400元，极端案例6小时账单高达1172元；一位开发者因未限制任务循环，首月消耗1.8亿个Token，账单高达2万多元[27] 技术突破与行业影响：打破AI应用瓶颈 - **技术范式突破**：OpenClaw的核心优势在于拥有系统Root级权限，能自主操控设备、执行复杂任务，实现了从“只动嘴”到“能动手”的转变，打破了AI过去三年无法深度操作本地文件和应用的瓶颈[11][40][41] - **展现强大应用潜力**：猎豹移动CEO傅盛使用OpenClaw二次开发的产品，将其训练成一支7×24小时自动运转的8个Agent团队，能在4分钟内给611名员工发送不同风格的拜年短信，并自动化运营公众号[34][37] - **获得行业领袖高度评价**：英伟达CEO黄仁勋称赞OpenClaw“可能是历史上最重要的软件”[38] 现存挑战与未来关键：热潮下的隐忧 - **突出的安全隐患**：工信部已针对OpenClaw发布安全预警，指出其权限过高，配置不当或安装恶意插件易导致数据泄露、账号被盗等问题；有案例显示，OpenClaw接入工作邮箱后失控，疯狂删除数百封邮件[41] - **实用性与商业化短板**：当前应用多停留在测试尝鲜阶段，“装机即吃灰”现象普遍；Token消耗成本居高不下；整个生态的盈利模式仍停留在卖算力、卖Token、卖装机服务的初级阶段，缺乏可持续、规模化的商业闭环[42][44][45] - **行业未来核心**：行业共识认为，OpenClaw只是载体，关键在于AI智能体能否真正融入真实业务流程，实现降本增效和创造实际价值，这决定了谁能拿到AI时代的下一轮船票[46]

文章核心观点 - 智谱AI推出的AutoClaw产品是当前最便捷、最易用的OpenClaw部署方案，极大地降低了AI Agent（小龙虾）的使用门槛，使普通用户无需技术背景也能快速体验和部署[10][14][84] - AutoClaw通过本地化部署、全自动配置流程（特别是针对飞书）以及优化集成的技能包，解决了原版OpenClaw部署复杂、技能使用不便等痛点，将Agent技术带入了普通用户可触及的范畴[10][25][43][99] - 该产品不仅支持智谱自身的模型，还开放支持包括DeepSeek、Kimi、MiniMax在内的多家竞品API，展现了公司开放的战略格局，同时其内置的专属优化模型在速度和工具调用上表现出色[68][70][76] AutoClaw产品核心特性与优势 - **部署安装极其简便**：提供Mac和Windows的本地客户端，用户下载后使用手机号登录即可完成基本部署，整个过程快速简单[10][15][16][17][18] - **全自动配置飞书机器人**：Mac版本通过集成RPA技术，实现了45秒全自动配置飞书机器人的流程，无需手动操作，体验丝滑[25][33][34][37] - **优化集成的技能(Skills)体系**：内置了原版OpenClaw的技能包，并将核心能力如深度研究(DeepResearch)、链接读取(Open-link)、网页搜索(websearch)替换为智谱自研的更强版本，显著提升了能力[54][55][58] - 特别优化了浏览器使用能力，用自研的`AutoGLM-Browser-Agent Skills`替代了原版较难用的`browser use`，并更适配国内互联网生态[60][61][62] - **支持多模型API接入**：除了支持智谱自家的Coding Plan套餐，还开放支持DeepSeek、Kimi、MiniMax等第三方模型的API接入，甚至支持通过自定义接入全球所有模型，开放性极高[66][68][71][72] - **提供专属优化模型**：内置一个为OpenClaw任务深度优化的专属模型（可能为Pony-Alpha-2），该模型在响应速度和工具使用上表现更佳，专为Agent场景设计[73][75][76][77] - **提供用量统计与积分体系**：界面直接显示token消耗情况，并设有积分体系方便不懂API的用户充值使用，降低了使用门槛[63][64][66] - **支持多Agent分身与定时任务**：用户可以创建多个小龙虾分身作为不同Agent使用，并支持设置定时任务（如自动写日记）[79][81] 市场定位与行业意义 - **解决普通用户的痛点**：产品瞄准了大量仅将AI理解为聊天工具、不懂命令行、被复杂部署流程劝退的普通用户，为他们提供了接触AI Agent的最便捷途径[4][5][87][89][96] - **降低Agent技术使用门槛**：将OpenClaw从极客和开发者圈子中解放出来，使其成为中小企业老板、非技术背景人员也能用来处理重复性工作（如操作Excel、自动化流程）的工具[91][92][95] - **推动AI技术普及**：技术若只服务于懂技术的人则只是圈子自嗨，AutoClaw通过极致的易用性，首次将Agent概念拉到了普通人够得着的地方，具有重要的市场教育意义[97][98][99]

公司产品发布与定位 - 小米发布了Xiaomi miclaw，这是国内首个手机端类“OpenClaw”智能体[2][6] - 该产品将原本主要在电脑上运行、技术门槛高的智能体（Agent）能力带到了手机上，使其随时随地可用，并通过自然语言交互[5][7] - Xiaomi miclaw深度整合了小米的10亿级设备生态，使其能够感知和干预现实世界[7][8][9] 产品核心功能与能力 - 产品具备类似OpenClaw的Skills、MCP（模型上下文协议）、定时任务和人格设定功能[6] - 支持通过自然语言创建和编辑定时任务与自动化场景（Skills），无需复杂配置或编写代码[24][31][41] - 能够获取并控制用户家中所有的米家设备状态，实现智能联动[17][18][22] - 支持获取手机位置、搜索信息（如天气、新闻）并整合，同时能控制系统级应用如笔记、日历[20][43] 应用场景案例 - **智能早安管家**：通过一句话设置，让小爱音箱在早上播报天气、新闻、家中温湿度，并自动调节加湿器或空调，播放情景音乐，实现自然唤醒[14][15][18][26] - **智能离家模式**：用户用自然语言描述需求（如“离家”），AI自动创建Skills，检查并关闭开启的电器（如灯、空调、加湿器），并启动安防监控[30][31][35][36] - **智能会议助手**：通过语音指令控制录音，后续可生成包含概览、详细转录文本的会议纪要，并自动提取待办事项、添加日历日程[44][45][46] 技术实现与生态优势 - 小米自研了MiMo模型，结合其硬件和系统，掌握了从模型、芯片到系统、硬件的完整技术栈[52][53] - 公司的10亿级设备生态正转变为AI接触物理世界的触手，设备越多，AI能获取的数据和可执行的操作越多，形成“设备越多，AI越聪明；AI越聪明，设备越有价值”的正向循环[28][42][49] - 产品采用本地和文档优先的系统设计，Skills存储在本地Memory文件夹中，便于管理和更新[33][37] 行业竞争与战略意义 - 在AI需通过硬件接触物理世界的趋势下，同时拥有模型、硬件和系统才能建立完整护城河，而仅有硬件或仅有模型都存在短板[54][56][57] - 小米的转型逻辑从销售硬件转变为搭建AI基础设施，其线下硬件优势是OpenAI、Anthropic等纯软件AI公司所不具备的[49][50] - 未来小米汽车可能成为AI进入物理世界的重要移动载体，进一步扩展其生态和控制场景[27][28][49]