“龙虾热”凉了吗？

年初那阵子，OpenClaw在中文AI圈和海外开发者社区内，都成为了新时代AI生产力的代名词。

一时间，只要对AI稍有耳闻的人，都知道有这么一个“龙虾”，在电脑上部署后，可以帮你盯邮箱、跑日程、读文档、调工具、跨软件干活。OpenClaw的出现，可以说让Agent的概念第一次深入大众人心。

但，一个多月时间过去，如果只看大众社交媒体，龙虾似乎有点“凉”了，进入4月后，OpenClaw的微信指数一路下滑，从上亿回落到百万级别，仿佛二级市场上那些股价坐了“过山车”的妖股一样，留下了一道尖锐的折线。

龙虾真的凉了吗？还是说，它只是从大众围观的网红，变成了一种更窄、更贵、更现实的生产工具？

如果只看“微信指数”这样的表层声量，答案确实像是“退潮”。但把视线挪到项目和行业层面，故事恰恰相反。

OpenClaw 的 GitHub 公开发版记录显示，项目更新节奏并未停下。最新一版更新中，开发团队继续处理实际使用中的高频问题，包括提升对 GPT-5 系列模型的兼容性、修复 Telegram 频道相关异常、优化 Ollama 连接超时，并对部分底层架构与性能进行调整。

而在更大的背景中，AI用户群体的大盘其实仍然稳固，“退潮”的是“人人都能用好Agent”这层想象。

Gallup最新对23717名美国在职员工的调查显示，2026年第一季度，已有50%的受访者表示自己至少偶尔在工作中使用AI，13%每天使用，28%每周使用几次以上。

但同一组数据也显示，有41%的员工所在组织真的把AI引入到改进组织实践中，说明普及在发生，只是落地在高度分层。

对于C端用户而言，一些日常需求通过一整套OpenClaw工作流来实现确实有点“小题大做”。但到了很多真实工作/生产力场景中，Agent的飞轮其实正在越转越快。

谷歌方面今年4月披露，其平台月度AI token调用量已达480万亿，同比增长36倍；字节跳动方面此前也宣布，豆包大模型日均token调用量已超过120万亿。这说明企业级自动化和生产力场景仍在持续吞吐大量算力。

这种差异，正在龙虾退潮和Token调用持续爆表的反差中不断凸显。

A

这个问题其实不难给出结论：在大众视野中的龙虾，热度确实退了，但从另一个角度而言，整个Agent生态反而进入了用户的沉淀和筛选期。

为什么轻度使用的AI大众用户，玩不下去龙虾？

首先，龙虾的上手使用存在一定门槛，这个门槛并不仅仅只在安装层面。

早期OpenClaw更偏向本地部署和开发者工具链，如今官方已提供Northflank、Railway等云端一键部署方案，各家大厂也迅速推出了云端托管版、一键部署版等各种“龙虾产品”。

尽管相比起OpenClaw刚刚发布时，入口确实比过去简单得多，但这不代表大众用户就能顺畅上手。科技社区Hacker News上，一位提供预装虚拟机方案的开发者直言：“对常年混迹技术论坛的用户来说，安装也许不难，但对大多数人绝对不是。”

在一些更泛化的用户社区里，小白“龙虾”的使用体验往往是：“初次配置花了数小时，还因报错重装了三次。”

此外，就算你选择了某些一键部署工具/平台，安装也只是第一步，“会用”才是关键。

即便进了云端，用户仍要理解模型绑定、权限授权、Skill模块等一整套新概念。对轻度用户来说，他们想要的是打开就能帮忙做事的工具，而不是先学习一套新的操作系统。

而一旦上手，小白用户会逐渐意识到这样一件事：龙虾天然更适合高频、连续、流程化任务，而不是低频、碎片化需求。

这类产品最亮眼的场景，往往是持续盯邮件、定时抓取信息、批量整理资料、多工具串联执行、代码协作等长链路工作流。

在各类对龙虾用途的讨论，会发现公认的最有价值的用法，是让OpenClaw定时抓取数据，自动写入知识库，再整理成周报和月报。这种模式，本质上是把它当数字助理长期使用。

可对大多数普通用户而言，真实需求往往只是查资料、润色文字、总结文档、偶尔做表格。也就是说，大部分人的工作，根本没有复杂到需要AI去承接工作流，这些任务今天用ChatGPT、Claude、豆包和DeepSeek等网页产品就能完成。

美国“贴吧”Reddit上甚至有人总结观察到的“三周流失路径”：许多新用户第一周热情高涨，第二周开始遇到循环调用、插件报错、费用上涨等问题，第三周就暂时搁置。

说到底，不是龙虾没能力，而是工具复杂度超过了多数人的真实需求强度。

B

在操作门槛之外，以龙虾为代表的“系统级”Agent，还有无法忽视的安全问题。

微软此前曾公开提醒，OpenClaw并不适合直接运行在普通个人电脑或企业办公终端上，因为它通常需要接触软件权限、在线账号令牌、本地文件等高敏感资源。

OpenClaw早期曾被评为8.8/10的高危漏洞。网络资产搜索平台Censys此前的扫描数据称，在相关补丁发布前，互联网上可识别的OpenClaw暴露实例超过21,000个。

而一旦涉及到用户数据，自然也会触及很多用户敏感的神经。Thales 2026数字信任指数显示，仅有23%的消费者信任企业会负责任地使用AI数据，77%的人对AI代理替自己在线行动感到担忧。

显然，对于轻度用户而言，“龙虾”生态带来的好处和现实需求出现了错位。

因为，以OpenClaw为代表的系统级Agent，是一套需要交出权限、持续投入费用的系统。如果没有足够高频的刚需，企业级的安全维护授权，大多数人很难长期坚持使用。

但如果因此断言“龙虾凉了”，又过于草率。因为留下来的用户，并不是在大众社交平台占据最多声量的人，而是最重度的一批开发者、自动化用户和企业实验团队。

微软最近传出正在Copilot里测试OpenClaw式的常驻Agent，而且强调会做得更适合企业、更安全；这恰恰说明，OpenClaw代表的路线并没有被判死刑，相反，它正在被大厂吸收、重做和企业化。

最近两周，国内并非没有新“龙虾”，而演化为各类Agent生态的延伸。

阿里在本月推出 Qwen3.6 新版本，强化复杂任务执行与工具调用；字节本月初上线 OpenClaw 国内镜像站，方便开发者部署技能生态；阶跃星辰已与 OPPO、吉利合作，把Agent能力推进到手机和汽车终端。

17日，《哈佛商业评论》发文点名中国 AI Agent 正快速进入电商和零售场景。文章以美团为例，提到美团在内部把“小美”定位为“调度者 + 执行者”，能帮用户完成下单、比价、售后、路线安排等整套任务。

也就是说，相比起龙虾的概念火不火，厂商们已经开始聚焦争夺真实入口，当然，这项竞争还在早期阶段。

智库机构The Conference Board几周前发布的调查显示，美国企业中60%的组织仍处在AI应用早期阶段，主要停留在实验和试点层面，仅11%进入更成熟的整合状态。

换句话说，今天讨论“龙虾退潮”，很大程度上是结束了大众的“围观”，而在真实的使用场景中开始了高强度试点。

近期的全球模型API调用激增，也揭示了让小白用户真正退而却步的一点：“龙虾”的Token耗费巨大，而普通人很难持续的为模型API买单。

C

大众用户参与龙虾的另一个拐点，是Anthropic在几周前斩下的那刀。本月4日，Claude订阅额度不再覆盖OpenClaw这类第三方harness的高强度使用，想继续跑就得切到单独按量付费。

过去几个月中，模型厂商有的把OpenClaw剔出订阅套餐，有的不断给API涨价。这等于正式告诉市场，Agent的消耗，已经超出了“几十美元月费随便包”的范围。对于普通用户而言，只是停留在体验和探索层，显然很难接受每月付出上百美金、甚至更高昂的模型费用。

而且，Agent的贵，不是模型单价贵，而是任务链路贵。

以OpenAI最新定价为例，调用网页搜索功能，大致是每1000次10美元，部分场景更高；如果任务需要代码执行环境，还要额外支付“容器费用”，按20分钟一次会话计费，配置越高越贵，从几美分到接近2美元不等。这还没算模型本身输入输出的token成本。

说白了，Agent不再是你问一句、它答一句，而是先搜索、再调工具、再跑代码、再读取上下文继续执行。和Chatbot时代的API消耗Token的速度相比，完全不是一回事。

而Anthropic这边的收费逻辑，更能说明Agent时代为什么越来越贵。

官方定价页显示，短时缓存写入要加价约25%，长时缓存最高加价到2倍，只有命中缓存重新读取时，成本才会降到正常输入价的一成左右。也就是说，模型越常驻、任务越长链路，费用结构就越复杂。

几天前，Anthropic发布Claude Opus 4.7时表示价格与上一代相同，仍是每百万输入token 5美元、输出token 25美元。但许多社区反馈显示，新版分词机制可能让同样内容消耗更多token，用户感受并不是“没涨价”，而是“同样的问题更费额度了”。

这也解释了为什么最近Claude Pro用户抱怨增多。美国“贴吧”Reddit上有人称，自己用Pro套餐“问了3个问题就烧掉了50%的5小时额度”；也有人吐槽，以前能顺畅做完整学习笔记，现在很快就触发限制。

我本人的经历甚至更“夸张”。在Claude Opus 4.7发布当天，我曾试图让Claude整理某家公司的资料，同时以行业视角进行横向对比。这是一个信息量稍显复杂的Prompt，而Opus 4.7只运行了两轮就烧光了Claude Pro的5小时限额。

虽然这些反馈不代表官方平均水平，但它至少说明一件事：2026年，如果你想把模型当成同事、研究助手或代码搭子连续使用时，月费几十美元更像是一张体验票，而不是稳定的生产力预算。

但API价格攀升的另一面是，模型厂商的算力矩阵和服务器正在拉满运行。

Anthropic今年3月曾短暂把低峰时段订阅额度翻倍，引导用户错峰使用；月底又调整高峰期额度消耗速度，想要利用规则调节算力拥堵，给有限GPU资源排队。

另一边，今年2月，智谱宣布GLM Coding Plan套餐整体涨价30%起，海外订阅价格提高30%-60%，部分API调用价格提升67%-100%。官方给出的理由是：市场需求持续增长，用户规模与调用量快速提升，同时要保障高负载下的稳定性，并继续加大算力和模型投入。

换句话说，模型厂商涨价不是因为没人用，而是因为用的人太多。

更值得注意的是，涨价后需求并未明显回落。第一财经近期披露的报道显示，智谱2026年第一季度API价格上涨83%后，调用量仍同比增长400%，出现“量价齐升”。

其他国产模型大厂的情况也类似。阿里云、百度智能云等平台3月开始同步上调部分AI算力、模型服务和GPU租赁价格，高端GPU租赁成本上涨，交付周期拉长。价格抬升背后，本质仍是推理需求增长快于供给释放速度。

模型厂商们纷纷开始采用更精细的收费方式：按token、按工具调用、按额度、按套餐层级收费。

对企业来说，这些费用都被视为效率提升的成本；但对普通用户来说，几十美金的月支出已经是大众用户的上限。

所以，龙虾的“凉了”，本质上是用户结构变了：退下去的是尝鲜的小白、低频使用的用户和想要低成本套利的投机者；留下来的是个人开发者、有复杂工作流需求的用户。

大众的“龙虾盛宴”浅尝辄止，但是Agent革命已经全面铺开。