OpenClaw登顶后，Agent悄悄杀死了“应用”

这绝对是开源软件历史上最令人感到眩晕的增长曲线。

仅仅用了3个月， OpenClaw 在 GitHub 上的 Star 数登顶历史第一。它不仅直接跨越了 React 积累了 13 年的 24 万星关卡，更将拥有 40 年历史的 Linux 内核甩在身后，成为“软件项目历史第一”。

Star是人气，是注意力，是信号，但它不等于代码质量，也不等于商业价值，更不等于技术成熟度。OpenClaw的开发团队自己也承认，这个产品"仍处于极度早期阶段，甚至还不完善"。但这恰恰是这件事最值得深思的地方。

历史上有一个可以类比的时刻：2017年，比特币市值第一次超越巴菲特旗下的伯克希尔哈撒韦。彼时没有人敢断言比特币一定胜出，但所有人都意识到，旧秩序的裂痕已清晰可见。OpenClaw Star数登顶这件事，有类似的气质。

过去两年，大模型竞争的核心叙事是智力比拼——谁在ARC、SWE-Bench等评测基准上得分更高，谁更接近AGI。参数规模、推理深度、复杂任务完成率，构成了整个行业的坐标系。这套叙事到2025年底已经开始出现疲态：模型越来越强，但大多数用户的使用方式依然是打开聊天框，问一个问题，等一个回答。

OpenClaw 代表了另一种可能。它的交互模式不限于聊天框，其可以在后台持续运行、自主完成多步骤任务的Agent框架。它能写代码、调试、调用工具、读取文件、再迭代，整个过程无需人类时刻盯着屏幕。用户在没有电脑时灵光一现，可以在手机上给Agent发指令去拉取数据、做实验，用户回去后再验收结果。

这一切，恰好在春节红包大战前后引爆。2026年开年，几乎所有模型厂商的关键词都已切换成"Agentic"。腾讯云和阿里云迅速上线了 OpenClaw 的一键部署服务。近期，多家国内模型厂商先后推出了对标或适配 OpenClaw 的产品。月之暗面推出了云端版的 Kimi Claw，MiniMax 紧随其后发布了 MaxClaw。在确定的淘金热面前，他们想要趁着这个机会，成为中国 AI 圈那个最稳妥的“卖铲子的人”。

国内科技圈由此进入了一轮新的能力叙事竞赛，而OpenClaw成了那根最醒目的旗杆。其展现出的机器执行力，以及开发者对 AI 自主执行结果的宽容，让AI在这个生机勃勃又充满混沌的 2026 年开端，模型范式又一次更迭。中国开源模型和云基础设施，正在以一种极其饥渴的姿态，死死咬住这个结构性的窗口。

大火之后，门槛是最好的生意

在社交平台上，OpenClaw 被大量从未接触过编程的普通人捧上了神坛。他们看到的是演示视频：一段自然语言指令，AI自主完成一份市场分析报告，或者独立搭建一个简单网站。那种流畅感击中了很多人压抑已久的期待。

但现实的落差在安装环节就开始了。OpenClaw的开源属性，理论上让每个人都可以部署自己的Agent。实际上，完整部署它需要：一台能稳定访问外网的服务器、Docker环境的配置、SSH远程连接、正确的权限管理、API Key的申请与填写，以及最后那个往往被低估的步骤——沉淀一套属于自己业务场景的专属知识库和Skill体系。

每一步都是门槛，每一步都会劝退一批人。多数人不想碰这些枯燥的命令行，更不愿意承担潜在的隐私泄露与安全风险。

这多数人由此制造了一个巨大的市场空白，而最先冲进这个空白里的，不是大厂，是草根创业者。在一个经过 Stripe 官方验证收入的开发者项目聚合平台上，基于OpenClaw的创业项目已达126个，并按过去30天的可验证收入实时排名。数据是残酷的：赚钱最多的前30个项目里，超过17个做的是同一件事——一键上云托管。收入最高的前三名，全部属于这一类。

OpenClaw Pro、Donely是这一模式的代表。他们的产品逻辑非常简单，用户不需要服务器，不需要Docker，不需要SSH，点一下，OpenClaw实例就跑起来了，然后按月付费。入口被铺到Telegram、Discord、WhatsApp等即时通讯平台，门槛被压到了极致。

这造就了一个有趣的经济学现象，在底层技术开源的情况下，价值并不自动流向写技术的人，而是流向解决"最后一公里"问题的人。帮用户完成从"想用"到"能用"的那一段距离，成了真正的商品。

然而，OpenClaw是一个放大工具，放大的是使用者本身的能力上限。它能让会用的人更高效，但对于不会用的人，它只是一个配置复杂、语义模糊、输出不可控的黑箱。许多程序员在成功本地部署OpenClaw之后，开始进行各种测试。他们发现：OpenClaw确实能完成很多事，但很难找到"能发挥显著作用的刚需场景"。社区里数以万计的Skill并不是每一个都有实际用处，良莠不齐，部分Skill的技术含量甚至不如自己手写一个脚本。

"不知道使用场景"可以解释为心理层面的门槛，但Token消耗就是实打实的经济门槛。OpenClaw的Token消耗逻辑与传统问答式AI有本质区别。在对话模式下，用户不再提问，消耗就停止了；而在Agent模式下，机器可以在后台持续跑流程。

以OpenClaw为例，Token消耗主要来自三个来源：第一是多轮自我修正。一次编程任务可能经历"写代码→运行→报错→修改→再跑"几十个回合，每个回合都是一次完整的模型调用。

第二是上下文的无限膨胀。为了让Agent"记住"之前的操作，每次调用都要携带完整的对话历史。用户实测，一个活跃会话的上下文能迅速膨胀到20万Token以上。

第三是工具链的级联触发。Agent处理一个"帮我整理邮件并创建待办"的任务，可能触发5到10次API调用，每次都背着完整上下文。

成本敏感度在这一刻被急剧放大。有海外用户在社交媒体上吐槽：一个配置不当的自动化任务，一天可以烧掉200美元的API费用。7×24小时全量运行OpenClaw并调用Claude API，月成本在800到1500美元之间。对于个人用户和小型团队而言，这几乎是不可持续的。

OpenRouter的后台数据也佐证了这种疯狂，最新数据显示，OpenClaw已是OpenRouter最大的单一应用，其Token消耗量约占平台显著比例。Token消耗从"按次"变成了"按流量"，AI使用的成本曲线正在急剧变陡。

DeepMind的科学家Jeff Dean在2月的采访中提到一个判断框架：从对话到Agent，Token的消耗逻辑已发生根本性的结构改变，这种消耗规模的跃升，不仅意味着更高的商业壁垒，也将带动整个AI基础设施从推理芯片到云计算容量，再到应用场景进行一轮新的扩容周期。

但对于私人部署而言，Token成本的天花板已经清晰可见。这注定了OpenClaw私人部署的局限性，也注定了下一个问题：谁来承接那些负担不起私有部署成本、又想用Agent能力的用户？

SaaS的平替与“应用”的终结

面对 OpenClaw 引发的市场热潮，国内厂商大致沿着两条路径展开行动，第一条路径，是以月之暗面和 MiniMax 为代表的"SaaS化Agent服务"。

Kimi Claw的本质，是一台为用户远程开好的虚拟机。月之暗面没有对 OpenClaw 做额外封装，它将部署、配置、环境搭建这一步替用户完成了，然后提供一个浏览器可访问的入口。用户无需本地部署，点进去就能用完整的OpenClaw 功能。

MiniMax 在2月25日推出的 MaxClaw 走的是类似但更激进的路线。MaxClaw 基于 MiniMax M2.5 模型——总参数约2300亿，单次推理仅激活约100亿，这种稀疏激活架构让它的 API 价格极具竞争力。

这两家公司的云端 OpenClaw 产品，本质上是在用 SaaS 的方式做 Agent 服务，虽然可扩展性不如原版 OpenClaw，但胜在便宜、好用、不用折腾环境。普通用户和中小企业并没有尖端的需求。其需求场景只是让AI帮忙检查邮件、整理文档、定时提醒、查询信息，而不是要构建一套全自动的企业级Agent工作流。

Kimi K2.5 在这轮浪潮中的商业回报已经显现。OpenRouter 数据显示，Kimi K2.5 是 OpenClaw 调用量最高的模型。受全球付费用户及API调用量大涨的推动，Kimi K2.5 发布不到一个月，近20天的累计收入已超过2025年全年总收入。

OpenClaw 官方也在1.30版本后，将Kimi K2.5 设为"首个官方免费主力模型"，开源社区与模型厂商的利益在这里短暂对齐。SimilarWeb数据显示，Kimi上月访问量达3300万，中国地区访问量占比从过去的77%下降到60%多——OpenClaw成了Kimi出海的意外跳板。

第二条路径，是以阿里云、腾讯云为代表的"云基础设施卡位"。云厂商的逻辑更长远，也更保守。他们提供的"一键部署 OpenClaw "服务，是一个入口。当个人用户和中小企业开始部署Agent时，他们需要的不仅是模型的API，还需要云服务器、存储空间、网络带宽、消息平台集成（飞书、钉钉、企业微信）、安全沙箱环境，以及一整套基础设施。这些恰好是云厂商最擅长的。

今天因为 OpenClaw 来的用户，明天可能因为别的 Agent 产品来；但只要用户习惯了在他们的平台上部署 Agent，这些用户就成了长期绑定的客户。云厂商们做的，是提前占位，建立用户习惯，构建生态壁垒——卖铲子的生意，往往比挖金子的人更稳定，也更赚钱。

《新立场》认为，如果我们跳出单一产品竞争的视角，就会发现 OpenClaw 不仅仅是一个工具，它更是一种工作流思维的显现。

OpenRouter 与 a16z 联合发布的《2025 AI使用报告》显示，Agent 驱动的工作流——模型自主执行多步骤任务产生的输出Token，已超过平台总输出的一半。这是一个结构性转变：AI的使用范式，正在从"人机对话"切换为"机器自循环"。

当Agent能替人跨越一堆界面完成工作，"App"这层为人类设计的UI就会逐渐退化为"为Agent提供的数据与动作接口"。用户不再"使用"你的产品，而是用户的Agent替他们"调用"你的产品。越标准化的工具，如邮件、日历、任务管理、文件存储等，就越可能先被这个逻辑改写。

这对商业模式的冲击或许比想象中更深。以前AI创业的本质是人力外包：核心商业模式是按人年、人天收费，对接客户进行定制化开发。但当 OpenClaw 抹平了编程能力的差距，一个不懂代码的人借助 Agent 也能实现复杂的技术开发，定制化开发算法公司的传统模式就走不通了。

当然更深远的影响在组织层面。当公司在琢磨用 OpenClaw 取代员工写代码时，一些懂业务、会调配 OPC 的员工也在反向思考：既然我一个人加一只"龙虾"就能创业当老板，为什么还要被公司雇佣？如果公司里最有用的人走了，以前靠雇佣程序员建立的人力优势和竞争壁垒也就不存在了。

OpenClaw及其所代表的 Agentic 工作流，在整个工作流的组织方式上，给出了一种新的可能答案。而一旦这种可能性被足够多的人认真对待，其产生的张力就不再局限于技术讨论，而是蔓延到职业结构、组织设计乃至劳动力市场的重组。

在这个被 AI 重塑的世界里，有人选择去旧金山淘金，有人选择在硅谷卖铲子，也有人选择留在这片错综复杂的东方系统里，另起炉灶。这场属于 Agent 的全局战争，才刚刚打响了第一枪。

GenAI 和 Agent 不是两个时代，而是同一个系统的两层。ChatGPT 的对话框定义了 GenAI 的交互模式，OpenClaw 类的聊天驱动 Agent 框架正在定义 Agentic AI 的交互模式。前者最终会隐去，变成后端；OpenClaw 这样的 Agent，将成为一切的前端。

不过，《新立场》预测，在绝大多数用户没有自托管Agent的意愿和能力的前提下，SaaS化是正确的方向。但对于需要深度集成企业内部数据和系统的场景，纯 SaaS 存在权限和隐私的瓶颈，这里会出现一批"本地部署+云端协同"的混合模式，以及垂直行业的深度定制玩家。

虽然推理成本每过一年都在以惊人速度下降，但 Agent 模式的 Token 消耗是结构性的，降价会推动更多使用，而不是让成本归零。真正的竞争优势，将属于那些能在模型能力、Token 效率和用户体验之间找到最优平衡点的产品。

Kimi K2.5能在OpenRouter脱颖而出，核心原因之一就是"便宜且Agent能力较强"——这个组合将成为未来竞争的主轴。

三个月登顶 GitHub 只是起点。接下来会有更强的开源 Agent 框架出现，会有更好用的商业产品涌现，OpenClaw 的Star数纪录迟早会被打破。但 OpenClaw 证明的那件事——用自然语言驱动多步骤自主任务执行已经成为一种被广泛认可的交互范式，并且很难再倒退回纯粹的问答模式。

在这种确定的趋势下，当下仍在死磕纯对话框对界面或 AI 浏览器的开发者，就像在内燃机轰鸣的前夜，依然致力于改良马车的缰绳。

*题图及文中配图来源于网络。