当”龙虾”游进国内

最近，如果你的朋友圈、公众号、抖音等媒体平台没有出现过一只红色的”龙虾”，那你可能刷了个假的手机。

OpenClaw，这个顶着龙虾图标、号称”数字员工”的开源AI智能体，一夜之间成了科技圈的新晋网红。各大自媒体号争相解读，知识付费群连夜开课，就连闲鱼上都冒出了一堆”代养虾”的服务——30块钱，包教包会。

这一幕似曾相识。半年前，这只”龙虾”就已经在海外极客圈游得风生水起，GitHub上星标狂飙、开发者彻夜贡献代码。直到最近，它才被国内敏锐的”搬运工”们打捞上岸，配上精美的包装和诱人的话术，端上了我们的信息流餐桌。

“AI替你干活””数字员工解放双手””下一代人机交互革命”——标题一个比一个响。我盯着屏幕想：这只远渡重洋的”小龙虾”，到底是个什么味儿？

溯源：从”爪子”到”龙虾”

顺着代码的痕迹，我挖了挖这只”龙虾”的底细。

它的故事要从2025年11月说起。奥地利开发者Peter Steinberger，一个深受AI启发的技术狂人，仅用10天时间捣鼓出了一个叫”Clawdbot”的小玩意儿——能让AI通过WhatsApp操控电脑。这个粗糙的原型，就是OpenClaw最早的雏形。

项目很快火了，但也惹上了麻烦。2026年1月，因名称与Anthropic公司的Claude过于相似，商标异议找上门来。开发者不得不紧急改名——先变成寓意蜕变的”Moltbot”，三天后又敲定最终名称：”OpenClaw”。开源之爪，正式诞生。

真正让人震撼的，是它随后66天里的技术狂奔：8297次代码提交，日均127次。这种近乎疯狂的迭代速度，让它在海外极客圈迅速积累了第一批拥趸。直到今年2月下旬，这只”龙虾”才从小众的技术池塘，慢慢游进大众的视野。

了解了这段历史，再看国内这波突如其来的”龙虾热”，总觉得有股熟悉的味道——就像把进口牛排煎好了端上来，却很少有人告诉你，这头牛在哪儿养的、怎么养的。

亲测：我用14B模型给”龙虾”当老板

光看不练假把式。我决定亲自上手，看看这只”龙虾”到底几斤几两。

我的配置是这样的：本地用LM Studio部署了DeepSeek-r1-distill-14b-qwen模型，把它作为OpenClaw的”大脑”，而我，则是这两个AI组件的”老板”。

部署过程倒是不难，文档写得也算清楚。但真正开始”使唤”它干活的时候，问题来了——

它太笨了。

不是OpenClaw本身笨，而是我喂给它的”大脑”不够聪明。14B的模型，放在两年前还算能打，但在今天这个GPT-5遍地走、Claude-3满天飞的时代，它就像一个刚入职的实习生——听得懂简单指令，但稍微复杂点的任务就开始犯迷糊。让它整理文件，它能把桌面搞得一团糟；让它抓取数据，它抓回来的信息得我再筛三遍。

我当然知道问题出在哪——要给OpenClaw配个顶配”大脑”，得用DeepSeek那个671B的满血版。但这玩意儿跑起来需要6块A100显卡，硬件成本足够在北京五环外付个首付。就算退而求其次租云服务器，或者接商业大模型的API，一个月下来，账单也够我吃半年真正的小龙虾了。

这就是OpenClaw目前的尴尬：它是辆超跑，但大多数人只能给它配个三蹦子的发动机。 顶级模型太贵，普通模型太笨，夹在中间的普通用户，只能看着它的理论性能流口水。

另一边：那些已经”飞入寻常百姓家”的智能体

但话说回来，AI智能体这个大家族里，OpenClaw只是个”异类”——它对顶级模型的依赖，恰恰暴露了现阶段通用智能体的瓶颈。而在其他细分领域，各类Agent早已悄悄落地，成本低得惊人。

代码工程类，GitHub Copilot每个月10美元，写代码的速度能翻三倍；文学创作类，Claude或DeepSeek写个文案、改个稿子，效果比大部分实习生靠谱；绘画艺术类，Midjourney一年前就让插画师们集体焦虑；影视制作类，Runway和Pika已经把视频特效的门槛踩在脚下。

这些智能体的共同点是：它们不需要用户养一个顶级模型，只需要调用现成的服务。 成本已经被规模化摊薄到个人可承受的范围。只要你愿意花点时间学、花点心思用，它们确实能实打实地提升生产力。

而OpenClaw代表的，是另一条路——把智能体的”手”还给它，让它真正去操作电脑、替人干活。这条路的终点很诱人，但通往终点的路，还很长。

误区：学计算机不等于写代码

聊到这儿，我想岔开一句——因为我本人是计算机专业的，最近总有人问我：”你们学计算机的，是不是天天写Java/C++/Python？AI都能写代码了，你们是不是快失业了？”

这种问题，就像问”学建筑的是不是只会砌墙”“将军是不是只会开枪”一样，让人哭笑不得。

我给你打个比方：如果把计算机科学比作一棵树——

• 硬件是根，埋在土里看不见，但整棵树靠它活着；
• 软件是树干，支撑着上面的枝叶花果；
• 底层理论是树的基因，决定了它能长多高、结什么果；
• 顶层应用是花和果，最显眼、最容易被看见，但也最容易被风吹落。

写代码是什么？是修剪枝叶、采摘果实。这是最外层的活儿，也是AI最容易替代的活儿。但真正的计算机科学，研究的是怎么让树长得更高、根扎得更深——芯片怎么设计、操作系统怎么调度、算法怎么优化、系统怎么架构。这些活儿，AI还远远干不了。

未来：往哪儿游，才能不被淘汰？

基于这个理解，我对计算机从业者的未来有个判断：

AI一定会取代重复性高的岗位——现在是前端开发，过两年可能是后端开发，再过几年，普通的全栈开发也有可能。这些岗位特指互联网应用层的开发，它们的核心就是”把业务逻辑翻译成代码”，这恰恰是AI最擅长的。

所以，包括我自己在内，很多互联网开发人员都在思考转型。往AI靠拢是条明路——Agent工程师、LLM微调、大模型API开发，这些新岗位正在快速涌现。顶尖人才当然可以继续留在算法岗，搞LLM底层研究，那门槛足够挡住大部分人。

但在相当长一段时间里，硬件和底层是人类的护城河。嵌入式系统、芯片设计、操作系统内核——这些领域需要的不只是逻辑，还有对物理世界的理解、对工程极限的把握。这些东西，AI暂时还学不会。

再往远看，AI+机器人（具身智能）、AI+物联网（智能网络），这些领域正在把AI从数字世界拉回物理世界。当AI有了身体、能感知和行动，它改变世界的速度会指数级增长。

面对这个趋势，我的态度很明确：抗拒是徒劳的，忽视是危险的，只有拥抱是唯一的出路。 个人也好，企业也好，国家也好，谁没把AI攥在手里，谁就会被甩下车。

冷静：别上头，也别跟风

说了这么多，最后想泼点冷水。

OpenClaw最近这么火，各路”大神”纷纷开课，恨不得把它吹成下一个改变世界的风口。但我想说的是：在顶级模型token定价高、硬件成本居高不下的今天，OpenClaw绝对帮不了任何人赚钱。

那些声称靠它月入过万的，十有八九是卖课的。你上钩了，你就成了被割的韭菜。

但这不等于它没价值。现在不行，不代表以后不行。 大模型的成本总体是下降的，硬件也在快速迭代，过去一年，主流API调用成本已下降约60%。可以预见，OpenClaw在个人身上的可行性只会越来越高。现在要做的，是保持对前沿项目的敏锐，去了解、去熟悉、去尝试——不是为了赶时髦，而是为了在未来某天，当它真的飞入寻常百姓家时，你不会感到陌生和恐惧。

尾声

写这篇文章，是因为我真的去试了。

那只”龙虾”还没长肥，煮出来肉不多，但味道已经有点意思。它让我看到了一种可能性——未来的某一天，AI不再是那个只会”说话”的聊天框，而是能真正替我干活、操作电脑、完成任务的”数字员工”。

那一天不会太远，也不会自动到来。它需要算力成本的持续下降，需要开源社区的不断迭代，也需要我们每个人——不盲目跟风，不轻易上头，但始终保持好奇、保持敏锐。

毕竟，风头之上，固然危机四伏；但风停了的地方，什么都不会留下。