【关注】张礼立 | OpenClaw之后：当AI开始“自己干活”，数字世界的生产力正在被重写

如果用最简单的一句话来解释，OpenClaw并不是一个新的人工智能模型，它更像是一个让AI开始“自己干活”的系统。

本文作者系盘古智库学术委员、数字经济研究院副秘书长张礼立，文章来源于“张礼立数字经济研究”微信公众号。

本文大约2900字，读完约7分钟。

最近一段时间，如果关注科技新闻，很难避开一个名字——OpenClaw。社交平台上到处是安装教程、体验截图，开发者社区里星标数一路飙升，一些云厂商甚至开始提供“一键部署”。看起来，仿佛一个新的技术浪潮已经突然到来。

但每当一个技术开始被大众讨论时，往往意味着两件事情同时发生：一方面，它确实触碰到了某种重要变化；另一方面，关于它的解释却往往被各种噪音淹没。很多普通用户其实并不真正关心某个开源项目的版本号或者代码结构，他们关心的是一个更简单的问题：OpenClaw到底是什么，它会不会改变我们的生活。

如果用最简单的一句话来解释，OpenClaw并不是一个新的人工智能模型，它更像是一个让AI开始“自己干活”的系统。

过去几年，大多数人接触人工智能的方式其实非常统一。打开一个应用，输入一句话，然后等待系统给出回答。无论是ChatGPT还是各种国产大模型，本质上都是一种“问答型AI”。你提出问题，它给出答案，用完即走。它很聪明，但它始终是被动的。

OpenClaw试图改变的，正是这一点。

在这类系统里，AI不再只是回答问题，而是可以持续运行、自动执行任务。它可以读取邮件、整理文档、调用软件接口、处理数据，甚至在不同系统之间协同工作。开发者通常把这种系统称为“AI Agent”，中文常被翻译为“智能体”。如果换一个更直观的说法，它其实是一种数字代理人：你给它一个目标，它自己去完成任务。

从技术架构上看，这类系统通常会把能力分为几个层次：最底层是大模型本身，负责理解和生成语言；中间是一层适配系统，用来连接各种应用软件；最上层则是具体的技能模块，用来执行任务，比如写代码、处理文件或发送消息。这样一来，AI就不再局限在某一个应用中，而可以在不同系统之间流动。

如果说大模型解决的是“AI会不会思考”的问题，那么Agent系统解决的则是“AI能不能干活”的问题。

这看似只是一个细节变化，但实际上，它可能意味着人工智能正在跨过一个重要门槛。

过去的AI更像一个顾问。你提出问题，它提供建议。

而Agent系统中的AI，更像一个助理。你给出目标，它去执行。

从工具到执行者，这是一个非常关键的变化。因为一旦AI可以自动执行任务，它的价值就不再只是帮助人思考，而是开始参与到真正的工作流程中。

想象一个日常场景。每天早上打开电脑，邮箱里堆满了几十封邮件。过去，你可能需要逐封阅读、筛选重点、回复客户、安排会议。如果是传统AI，你可以复制一封邮件内容，让它帮你写回复。但如果是Agent系统，它可以直接读取邮件列表、整理重点、生成回复草稿，甚至安排日程。你只需要最后确认。

在软件开发、数据分析、内容运营等行业，大量时间其实消耗在重复操作上。Agent系统的意义，恰恰就在于自动化这些流程。

因此，很多人看到OpenClaw时，会产生一种错觉：仿佛AI突然变得更强大了。

但事实上，真正发生变化的并不是模型能力，而是AI的工作方式。

这也是为什么OpenClaw不仅仅是一个技术热点，它背后还牵动着整个AI产业的逻辑变化。

其中最直接的影响，是算力需求的增长。

当AI只是回答问题时，每一次对话消耗的计算资源是有限的。但当AI开始持续运行、自动执行任务时，它的计算需求就会急剧增加。业内甚至有人估算，Agent系统可能会让AI的计算消耗增加数百倍甚至上千倍，因为AI不再只是被动响应，而是持续运行、持续工作。

这意味着什么？

意味着AI的经济模型可能正在改变。

过去两年，人工智能产业的商业模式其实非常简单：用户提出问题，模型生成答案，平台按调用次数收费。

这种模式在技术展示上非常成功，但在商业上却并不稳定。因为绝大多数用户并不会频繁使用AI。很多人只是偶尔问几个问题，生成几段文本，然后就关闭应用。

但如果AI成为一种长期在线的“数字助理”，情况就完全不同了。

在这种模式下，AI不再是被动的工具，而是一种持续运转的服务。它会定期检查任务、处理信息、更新数据。每一次运行都会消耗计算资源，每一次任务都会产生算力需求。

对于云计算公司来说，这几乎是一种理想的商业形态。

过去十年，互联网产业的增长主要来自两个领域：移动互联网和云计算。而未来十年，人工智能可能会成为新的算力消费中心。Agent系统的普及，很可能会让AI从一个偶尔调用的工具，变成一种持续消耗资源的基础设施。

这也是为什么很多科技公司对这类技术表现出极大兴趣。因为它不仅是一种软件框架，更可能是一种新的产业结构。

不过，在所有这些宏大的产业讨论之外，对于普通用户来说，还有一个更现实的问题：

OpenClaw现在真的有必要安装吗？

答案可能并没有想象中那么简单。

首先，大多数Agent系统仍然处在非常早期的阶段。安装、配置和维护都需要一定技术基础。很多网上流传的教程往往只展示了安装成功的一刻，却很少提到后续维护所需要的成本。事实上，一旦系统需要长期运行，就会涉及服务器、模型调用、插件配置等一系列问题。

其次，Agent系统往往意味着持续的计算成本。因为它不是一次性的任务执行，而是长期在线运行。每一次调用模型、每一次执行任务，都需要消耗计算资源。如果没有清晰的应用场景，很容易出现一种尴尬情况：系统已经搭好，却不知道真正该让它做什么。

更重要的是安全问题。Agent系统通常需要较高权限，比如访问文件、邮箱、聊天记录甚至各种应用接口。如果配置不当，或者系统存在漏洞，风险可能远高于普通软件。一些公开扫描已经发现，大量暴露在互联网中的实例存在安全隐患，攻击者甚至可能绕过身份验证获取敏感信息。

因此，对于普通用户来说，与其急着安装一个复杂系统，不如先理解这项技术真正的发展方向。

因为真正重要的，并不是某一个具体的软件，而是一种更深层的变化。

在过去几十年的计算机发展中，大多数软件都遵循同一种逻辑：

人发出指令，机器执行操作。

而AI Agent正在改变这种关系。

未来很多工作，可能会变成另一种模式：

人设定目标，AI自动完成过程。

这听起来像是一个细微的差别，但它背后意味着整个数字世界的生产方式可能发生改变。

如果互联网解决的是信息流动的问题，

如果云计算解决的是计算资源的问题，

那么AI Agent可能正在尝试解决另一个问题——

让数字系统具备“执行能力”。

当AI开始自己干活的时候，它就不再只是工具，而开始成为一种新的生产力。

今天的OpenClaw或许还远远谈不上成熟。很多体验仍然笨拙、复杂甚至昂贵。但技术发展的历史往往就是这样：在最初的阶段，人们很难想象它最终会变成什么样子。

当汽车刚刚出现时，人们只把它当作一匹更快的马车。

当互联网刚刚普及时，大多数人只是用它发送电子邮件。

很多真正改变世界的技术，在诞生之初，看起来都并不完美。

OpenClaw真正值得关注的地方，并不在于它现在能替你做多少事情，而在于它让人们第一次认真思考一个问题：

如果未来的数字世界拥有无数个长期在线的AI代理人，那么人类与技术之间的关系，可能会被重新定义。

当那一天真正到来时，我们或许才会意识到，人工智能真正的革命，并不是它回答问题越来越聪明，而是它开始承担工作。■

文章来源于“张礼立数字经济研究”微信公众号

‍‍‍‍‍‍‍

图文编辑：张洵

责任编辑：刘菁波