100 天超越 React 和 Linux。但几乎没人真正在用它。
爆火解码：谁在推、谁在买单
2026 年春节后的中国互联网，被一只龙虾搅得天翻地覆。
深圳腾讯大厦外排起千人长队，推着婴儿车的妈妈、七八岁的小学生、六十多岁的退休工程师——他们不是来面试的，是来让腾讯工程师帮忙装一个叫 OpenClaw 的软件。现场百分之八九十都不是技术背景。有人上来就问"能不能帮我炒股"。
与此同时，百度送 200 元代金券、腾讯送 5000 Credits、飞书把免费 API 调用额度拉到每月 100 万次。各路大厂的慷慨，看起来像是在做慈善。
但真正的故事藏在一个数字里：
Kimi K2.5 自 OpenClaw 热潮以来，20 天收入超过 2025 全年总和。
—— BBC 中文报道WIRED 的报道更加直白：
"A single active OpenClaw instance can consume tens or even hundreds of times more tokens per day than a chatbot conversation."
—— WIRED, "China Is Going All-In on OpenClaw"一个聊天机器人用户每天消耗几百个 token；一个 OpenClaw 实例可以消耗几万甚至几十万。每个"养虾"的用户，都是大模型公司的 24 小时付费订阅者。
百度、腾讯、飞书送的那些补贴，不是慈善，是获客成本。淘金热里，卖铲子的永远是赢家。OpenClaw 就是那把铲子——或者更准确地说，是铲子的铲子。大模型公司需要一个 token 消费入口来教育市场、培养付费习惯，OpenClaw 恰好是完美的漏斗。
上下夹击：为什么没有杀手级应用
OpenClaw 定位为"通用 AI Agent"——什么都能做一点。但问题是，在每一个具体场景上，都有更专业的工具把它碾压。
↑ 上方碾压
- Claude Code — 专业编程
- Cursor — IDE 级体验
- OpenAI Codex — 云端异步
被挤压的中间地带
↓ 下方碾压
- Coze — 确定性工作流
- n8n — 自动化编排
- 飞书机器人 — 企业集成
这不是主观判断，而是结构性问题。看这张对比表：
| 维度 | 确定性工作流 | AI Agent (OpenClaw) |
|---|---|---|
| 准确性 | 高（流程固定、可预测） | 低（LLM 概率模型） |
| 灵活性 | 低（需预设流程） | 高（自然语言驱动） |
| 调试成本 | 低 | 极高（黑盒） |
| 适用场景 | 已知的、重复的任务 | 未知的、一次性的任务 |
关键矛盾在于：绝大多数有商业价值的自动化任务，都是"已知的、重复的"。发票处理、邮件分类、定时报告——这些用确定性工作流做更靠谱。而"未知的、一次性的"任务，恰好是用户自己做更放心的。
腾讯 WorkBuddy 的产品负责人汪晟杰在接受采访时印证了这一点：
"当前龙虾用户的实际需求，大多集中在搜索与内容重组层面。比如将推特上的 AI 资讯抓取后转化为小红书风格并定时发布——这已经是很高级且有价值的场景了。本质上是定时任务加信息提取重组，边界清晰，风险可控。"
—— 汪晟杰，腾讯 WorkBuddy 产品负责人换句话说，用户真正在做的事情，一个 Coze 工作流或一个 cron job 就能搞定，根本不需要一个"万能 AI Agent"。
生产力幻觉：龙虾为什么无法真正提效
百度 App 接入 OpenClaw 两周内，超 20% 用户用于投资理财、40% 用于资讯整理。这两个场景听起来很美好，但经不起推敲。
垂类 APP 在这些场景上有结构性优势。理财平台有用户交易历史和风控模型，资讯平台有内容图谱和用户偏好画像，金融合规有行业 know-how——这些是个人搭建的 OpenClaw 永远无法触及的。不是"现在不够好以后会好"的问题，而是个人 Agent 在数据和能力上天然不如平台 Agent。
这些垂类 APP 接入 AI 是迟早的事。一旦它们接入，平台此前的积累、对行业的认识、基于用户的偏好数据，打造出来的分析报告一定更专业、更有价值。
a16z 的 "Top 100 Gen AI Consumer Apps" 报告（2026 年 3 月）也验证了这一点——真正有用户粘性的 horizontal agent 是 Manus（被 Meta 20 亿美元收购）和 Genspark（1 亿美元年收入），它们的模式恰好是"平台化的垂类能力"，而不是"个人搭建万能助手"。
但场景问题只是冰山一角。就算场景对了，执行层面还有五个致命硬伤：
企业安全黑洞
ClawHub 上近 20% 的 skills 包含漏洞或恶意代码。Prompt injection 可泄露 API key——已有真实案例。员工未经授权在公司电脑部署，形成"Shadow IT"失控。中国国企已被限制使用。
问题排查无从下手
Agent 是黑盒。出错后你无法定位是 prompt 的问题、skill 的 bug、还是 LLM 的幻觉。调试一个 Agent 工作流的成本，远高于调试一个确定性工作流。错了就是错了，你甚至不知道哪里错了。
Skills 维护噩梦
Skill 本质上是"用自然语言写的代码"——但它没有版本管理、没有测试体系、没有回滚机制。日积月累，memory 和 skills 会膨胀到无法维护。你在用一种缺乏工程化保障的方式构建关键流程。
多人协作死胡同
"一人一虾"的设计，skills 和 memory 无法跨实例同步。数据显示不到 10% 的团队能成功规模化到多 agent 部署。企业场景需要统一平台管理，而不是每个人各养一只。
幻觉逐级放大
Agent 的每一步决策都经过 LLM，错误会在链式调用中逐级累积。所谓"自进化"——让 AI 检查 AI 的输出再反馈给 AI——在 LLM 不可靠的前提下，只会放大误差，而不是收敛到正确答案。既然最终还得人工核验，为什么不直接用 Claude Code？
Memory 困境：Agent 的阿喀琉斯之踵
即使忽略前面所有问题，OpenClaw 在架构层还有一个根本矛盾：context window 是有限资源，但 memory 是无限增长的。
这就像早期计算机的 RAM 问题——程序越来越多，内存就那么大。OpenClaw 社区已经反映了五个核心失败模式：Compaction 运行时丢失未写入的信息；纯语义搜索在大规模记忆中效果递减；AGENTS.md 检索了上下文但没有"应用"它；长会话多次 compaction 后质量退化；SYSTEM/MEMORY 文件无限增长。
社区有各种缓解方案——Session Pruning 按时间清理旧 tool result，memory-maintenance skill 定时审查和清理，Cognee 用知识图谱做结构化记忆，Mem0 把记忆移到向量数据库，memsearch 用混合检索。但这些都是治标不治本。
根本出路是：把流程沉淀为确定性代码服务（Coze 模式），定期进化这些服务本身。这远比让 Agent 用模糊记忆去"回忆"怎么做某件事可靠得多。
公允地说，模型本身也在迭代，对记忆文档的转换和理解效果在持续加强。现在大家可能觉得不太痛，是因为大部分人只是用龙虾干几件简单的事。但日积月累后，这个问题一定会爆发。
大厂博弈：从推波助澜到替代威胁
大厂的态度，正在经历一个微妙的转变。
基于 OpenClaw
- 百度 DuClaw — 直接跑镜像
- QQ 开放平台 — 官方接入
- QClaw — 电脑管家团队
- 阿里 CoPaw — 开源 Team 版
帮装 = 帮自己卖云
完全自研
- 腾讯 WorkBuddy — 百分百自研
- 火山引擎 ArkClaw
- MiniMax MaxClaw
- 月之暗面 KimiClaw
概念留下，产品替代
短期，百度和阿里帮用户装 OpenClaw 是双赢——帮龙虾扩量的同时也帮自己卖云服务器。但长期，大厂的目标是做自己的 Agent 平台，OpenClaw 只是用户教育工具。
腾讯 WorkBuddy 的负责人汪晟杰在采访中明确说："百分之百自研，没有使用 OpenClaw 任何一行源代码。"马化腾在朋友圈写道："自研龙虾、本地虾、云端虾、企业虾、云桌面虾……还有一批产品陆续赶来。"
但最关键的是他的另一句话：
"龙虾不是过渡产品，龙虾是个概念——自主、自动化、安全可控地帮你完成任务。"
—— 汪晟杰，腾讯 WorkBuddy 产品负责人这句话既是对 OpenClaw 的肯定，也是它的墓志铭。概念会留下，但承载概念的那个产品，会被各家自研的版本替代。这不是技术竞争，是商业必然。
全球热度地图：不只是中国火
一个常见的误解是"OpenClaw 只在中国火"。数据不支持这个判断——它在全球都火，但各地的火法完全不同。
| 国家 | 流量占比 | 增长率 |
|---|---|---|
| 美国 | 16.29% | +611% |
| 印度 | 12.16% | +604% |
| 中国 | 12.08% | +1,436% |
| 德国 | 4.10% | +992% |
| 加拿大 | 3.53% | +1,259% |
美国和印度其实是最大的流量来源，但中国的 +1,436% 增长率遥遥领先。142,000+ 公开可追踪的 OpenClaw 实例中，近半数来自中国。
各地的使用倾向也完全不同：北美主要是开发者社区和 SME 自动化工作流；中国是云服务商整合到超级应用生态，非技术用户占比极高；欧洲偏好本地部署，受 GDPR 合规驱动。
但最关键的一个数据来自 a16z 的 "Top 100 Gen AI Consumer Apps" 报告：
"OpenClaw has continued to pick up traction among technical users. However, the product has not yet 'graduated' to the true mainstream user — at least, as measured by new visits to the OpenClaw setup web domain (which have been fairly flat)."
—— a16z, Top 100 Gen AI Consumer Apps, March 2026GitHub stars 暴涨，但实际新用户访问量一直很平。围观的多，真正用起来的少。Stars 增速也在明显放缓——之前 14 天增长 150k，现在 19 天只增长 73k。
有人在 Threads 上的评论一针见血：
"Stars != Active users. VERY few people actually use it. OpenClaw is famous for being famous."
—— Eric Elliott, Threads公允地说：龙虾做对了什么
批评了六章之后，该说说它的好了。因为只讲问题不讲贡献，不是客观分析，是偏见。
OpenClaw 定义了 AI Agent 品类的用户心智。在它之前，"AI Agent"是学术论文里的概念。在它之后，推着婴儿车的妈妈和退休工程师都知道"AI 能帮你做事"——而且真的去排队尝试了。这种大众认知的转变，是 ChatGPT 以来最大的一次。ChatGPT 让人知道"AI 能聊天"，OpenClaw 让人知道"AI 能做事"。
它证明了"通讯驱动的 24 小时助理"确有需求。通过 WhatsApp、Telegram、微信发消息就能驱动 AI 帮你做事——这个产品形态，之前没有人验证过。OpenClaw 完成了市场验证。
开源精神值得尊敬。MIT License，创始人加入 OpenAI 后将项目捐给独立 501(c)(3) 基金会，社区治理。在 AI 领域越来越封闭的今天，这份开放难能可贵。
它倒逼大厂加速布局。没有 OpenClaw，就没有 WorkBuddy、ArkClaw、MaxClaw。即使 OpenClaw 本身可能被替代，它作为催化剂的价值是真实的。
最终，每一个大厂的 AI Agent 产品，都欠 OpenClaw 一份谢意——它替所有人完成了最昂贵的市场教育。
OpenClaw 是 AI Agent 赛道的 Netscape
它定义了品类，教育了市场。但每一个具体的需求，都已经有更强的替代品：
- 投资理财→垂类 APP + AI
- 24h 在线→Claude Code + Telegram
- 降低门槛→大厂一键版
- 编程→Claude Code / Cursor
- 自动化→Coze / n8n
概念永存，产品会消失。就像你今天不会用 Netscape 上网，但你每天都在用浏览器。