OpenClaw做对了什么

OpenClaw作为开源AI Agent框架，解决了一个长期存在的集成难题：将Claude、GPT-4、DeepSeek等大语言模型的能力，通过统一接口连接到微信、Telegram、钉钉、飞书等日常工具。它不只是聊天机器人，而是一个能浏览网页、执行系统命令、管理文件、编写代码的"数字员工"。截至2026年3月，活跃贡献者超过1000人，生态繁荣程度在开源AI项目中属于头部。

腾讯云、阿里云、京东云、火山引擎、百度智能云几乎同一时间上线了一键部署服务。腾讯云上的OpenClaw用户规模已突破10万。阿里云甚至专门推出了"Coding Plan AI编码套餐"来承接这波需求。一个开源项目能让所有主流云厂商同时跟进，这本身就说明了市场信号的强度。

真实使用成本：免费开源背后的隐形账单

"免费开源"四个字容易让人低估实际投入。

部署层面，OpenClaw需要Node.js环境、命令行操作和API Key配置。对于没有技术背景的用户，这道门槛催生了一个"代装产业"——远程安装收费100至500元，有人声称几天内靠代装进账26万元。一个免费工具需要付费安装，这件事本身就值得玩味。

运行层面的成本更值得关注。有用户反映，仅安装调试过程就消耗了超过250美元的API费用，且没有产出任何有用结果。成功部署后，重度使用的月度Token费用可能达到100至1500美元。OpenClaw的本质是一个"Token燃烧器"——每一次任务执行背后都是对大模型API的密集调用，一个Agent的Token消耗量远超传统对话式AI。市场上甚至出现了专门的省钱攻略，教用户如何控制Token用量。

对于一人公司创始人来说，这笔账必须算清楚：如果月度API成本在100美元以上，它替代的人力或时间成本是否能覆盖这个数字？

安全与稳定性：不可忽视的风险面

2026年以来，OpenClaw已被披露多个高危漏洞。CVE-2026-25253允许通过恶意链接实现远程代码执行，CVE-2026-25157涉及操作系统命令注入，"ClawJacked"缺陷允许恶意网站通过WebSocket劫持本地AI代理。

这些漏洞的危险性被OpenClaw的权限模型放大了——它需要读写文件、执行Shell命令、控制浏览器、截取屏幕。Meta一位安全总监在使用类似AI Agent时，因指令表述不够精确，导致数百封工作邮件被AI误删。工信部也已发布安全预警。

在复杂任务处理上，多层嵌套任务可能导致大模型陷入死循环，密集API调用容易触发限流机制导致任务中断。一位用户的总结相当精准："装了OpenClaw，折腾一整晚。API全烧光，啥也没干完。"

作为有两年以上Vibe coding经验的开发者实测，光是安装Skill和联通Channels就耗费了半天时间，最终它能做的可能只是查天气、标记日程。至于更深度的编程任务，Cursor或Antigravity过程更可控、更直接、稳定性更强。社交媒体上吹捧的自动化执行，完全可以用API接入大模型加程序的方式实现，成本和可控性都更优。

谁在为这场狂欢买单

当一个产品的热度更多来自供给侧推动而非需求侧拉动时，有必要拆解利益链条。

大模型公司是最直接的受益者。OpenClaw制造了一种前所未有的需求密度，部分厂商的API套餐一度被抢购一空。中国的大模型和云服务还借此完成了Token出海。

云厂商紧随其后。虽然OpenClaw强调本地部署保护隐私，但对多数用户而言，购买云服务器来运行它是更现实的选择。腾讯在总部门口免费帮用户安装OpenClaw，表面是公益行为，实际是精准的用户获取——免费装好，但你需要持续付费使用腾讯云服务器来运行它。

还有一条容易被忽略的线是硬件需求。OpenClaw推荐本地部署的消息直接拉动了算力设备需求，海外代装平台SetupClaw的收费从3000到6000美元不等，往往还包含特定硬件配置的"推荐"引导。

这套逻辑与20年前中国电信推小灵通的策略如出一辙：电信当时没有移动通信牌照，急需通过小灵通这种"准移动"业务拓展收入来源。推力来自企业的商业利益，而非消费者的刚性需求。

原生集成正在终结"拼装时代"

2026年被行业视为"AI原生手机元年"。字节跳动联合vivo推出的"豆包手机助手"将AI Agent能力嵌入手机操作系统底层，用户按下侧边键就能让AI跨应用完成多平台比价下单、自动订餐打车、整合旅游攻略生成行程等任务，无需安装框架，无需配置API。小米基于自研MiMo大模型打造的miclaw已开始封闭测试，目标是调用50多项系统工具并控制超过10亿台米家智能设备。Windows Copilot、Apple Intelligence、Gemini in Android走的是同一条路。

IDC预测，2026年中国市场新一代AI手机出货量将达1.47亿台，占比首次过半达到53%。

差异一目了然：OpenClaw是"万能适配器"，需要用户自行架设框架、配置API、逐一连接平台；原生AI Agent是开箱即用、无需安装、安全性由系统厂商保障的内置能力。这种对比，与小灵通和3G手机的关系几乎完全对应。

小灵通的启示：三条推演

小灵通1998年被引入中国，凭借单向收费和低月租让工薪阶层第一次用上"无线电话"。2006年10月用户数达到9341万的历史顶峰。但信号覆盖差、不支持全国漫游、车速超过40公里就可能断线的缺陷始终存在。随着手机资费下调和3G成熟，2009年工信部要求其清频退网，2014年基站陆续关闭。

投射到OpenClaw身上：

第一，它火不是因为它好，而是因为现在没有更好的选择。 原生AI Agent尚未成熟、大模型厂商的官方Agent产品仍在打磨、操作系统级AI集成刚刚起步。OpenClaw以"免费、开源、可自定义"填补了这个真空。但填补空白和定义未来是两回事。

第二，它未来被替代不会是因为它变差了，而是因为更好的技术来了。 OpenClaw可以继续迭代、增加技能包、优化部署流程，但作为"中间层框架"的本质不会改变。当原生AI Agent成为操作系统标配能力时，一个需要用户自行安装、配置、维护的第三方框架，处境和3G时代的小灵通完全一样。

第三，云厂商推OpenClaw不是因为它代表未来，而是因为它能在当下带来收入。 当更好的AI Agent产品出现时，这些厂商会以和当年电信转向3G同样果断的速度切换战场。

对独立开发者意味着什么

OpenClaw的价值不应被全盘否定——它让数十万非技术用户第一次体验到AI Agent的可能性，它的开源生态提供了低成本的实验平台，它暴露的安全、成本和稳定性问题也为后来者提供了前车之鉴。AI技术的迭代速度远快于通信技术的代际更替，这意味着OpenClaw从"热捧"到"替代"的窗口期可能比小灵通的16年短得多。

对于一人公司的构建者，务实的策略是：理解OpenClaw的架构思路和插件生态以积累AI Agent的认知，但不要把核心业务流程绑定在一个窗口期有限的中间层框架上。如果你的自动化需求明确，用API直接接入大模型配合程序逻辑实现，成本更低、可控性更强、迁移成本也更小。把精力花在理解AI Agent的能力边界上，而不是花在折腾安装和调试上。

小灵通在巅峰期拥有9341万用户，规模没能挡住技术浪潮。25万颗GitHub星标也从来不是产品生命力的度量衡。在技术的长跑中，跑到最后的永远是那个不需要你费力去适应的产品。