全民養(yǎng)蝦，為什么是中國

3月的一個工作日，深圳南山區(qū)騰訊總部大廈北廣場，排起了長隊。

有人抱著NAS，有人拎著迷你主機，還有人掏出MacBook——他們是來讓騰訊工程師幫忙裝一個叫OpenClaw的開源AI智能體的。預約號上午11點就搶光了，隊伍里有程序員，也有小學生。抖音上，“全民養(yǎng)龍蝦”的短視頻刷屏了。這場景像極了十年前安卓刷機的極客聚會，但又不太一樣——這次，普通人也擠進來了。

這并不是騰訊在搞一場行為藝術。同一時間，阿里在推“OpenClaw一鍵上云”，小米宣布把自家的MiclawAgent塞進手機、汽車、電視里，智譜、MiniMax這些模型廠商也紛紛跟上。OpenClaw在GitHub上的星標，三周破了25萬，超過了Linux三十年的積累。一個繞不開的問題冒了出來：為什么是現在？為什么是中國？為什么所有巨頭都這么急？

一臺永不停歇的算力抽水機

要搞懂這場“龍蝦風暴”到底在刮什么，得先看一組讓人睡不著覺的數字。

2026年，字節(jié)、阿里、騰訊三家加起來，預計要花超過600億美元——絕大部分砸向了算力。成千上萬張AI加速卡被拉進數據中心，但如果沒人調用，它們每天就在那燒錢。它們是沉默的、在燃燒現金的機器。

過去兩年，大模型的主流玩法是“聊天”：你偶爾讓它寫封郵件、畫張圖，消耗的Token很少。這種輕度使用，根本填不滿那些算力集群的運營成本，更別說從習慣免費的普通用戶身上賺錢了。巨頭們急需一個能持續(xù)、自動消耗算力的“Token黑洞”。

OpenClaw，正好長在了這個需求上。你給它一個復雜指令，它不會只回你一段話，而是會拆任務、聯網搜、調軟件、糾錯、重試——每一步都在向云端發(fā)請求。一個復雜任務跑下來，Token消耗量是普通對話的百倍甚至千倍。

有AI行業(yè)分析師告訴心智觀察所，國產模型被OpenClaw大量采用，核心原因就是性價比——比海外便宜得多，調用起來不心疼。便宜，就直接轉化為更高頻的調用，和更可觀的現金流。

這也就解釋了，為什么騰訊愿意倒貼人力去線下“擺攤”。每一次部署，都是在用戶的電腦或云端里，埋下一臺24小時運轉的“算力抽水機”。不管前端跑的是什么模型，只要推理和工具調用的API指向自家云服務，那些微小的請求，最終都會匯聚成真金白銀。

OpenClaw關鍵發(fā)展里程碑與功能演進圖

（@心智觀察所制圖）

一組更直觀的數據能幫我們理解這波操作的經濟賬。

OpenClaw的重度用戶，日均Token消耗量在3000萬到1億之間。如果用Claude Opus 4.6算，一天的費用在900到3000美元；就算用國產的MiniMax M2.5，也要42到140美元。這遠遠超出了ChatGPT那種對話場景——后者的月費也就20美元，而一個活躍的OpenClaw實例，一天就能吞掉上百倍的Token。

如果未來一兩年，有100萬個OpenClaw實例跑通商業(yè)模型，哪怕只是勉強回本，也會新增約3600億美元的Agentic AI算力市場。這個數字，足以重塑整個半導體產業(yè)鏈的供需格局。換句話說，AI的商業(yè)變現，不再靠“讓更多人聊天”，而是靠“讓更少的Agent持續(xù)做事”。Token經濟學的底層邏輯，正在從低頻、低量的人機對話，轉向高頻、高量的機器自主執(zhí)行。

數據饑渴：軌跡數據的隱秘戰(zhàn)場

越過現金流，巨頭們力推本地Agent，還有一層更深遠的戰(zhàn)略意圖：爭奪下一代大模型進化所需的核心燃料——任務軌跡數據。

過去幾年，大模型競爭的核心是算力和訓練數據。但業(yè)內有個共識：互聯網上高質量的公開文本——維基、新聞、論文——已經被各家模型“吃”得差不多了。如果繼續(xù)只喂這些靜態(tài)文本，大模型只會變成一個更博學的“書呆子”，卻邁不進真正能行動的AGI門檻。下一代模型需要的，是人類在數字世界里“怎么做事”的數據——也就是“任務軌跡數據”。

這種數據記錄的是一條完整的任務鏈路：從理解需求到搜信息，再到調工具、填表單、完成支付，每一步都留下痕跡。對訓練Agent模型來說，這種數據比普通文本值錢得多，因為它反映的是現實世界里的行動邏輯和因果推理。而這，恰恰是巨頭們過去最難搞到的數據——它們藏在無數個割裂的軟件、封閉的App和企業(yè)內網深處，就算搜索引擎的爬蟲再厲害，也爬不進去。

部署在用戶終端的OpenClaw，就是深入這些數據腹地的“探測器”。當你讓Agent替你操作時，它會忠實地記錄每一個操作意圖和軟件交互軌跡。更關鍵的是，你在指導它、糾正它錯誤的過程中，其實是在免費為廠商提供最高質量的強化學習數據。OpenClaw中國社區(qū)經理Alan Feng說得挺實在：“用戶裝完往往期待魔法般的自動化，但真正的價值在于定義清晰的任務。軌跡數據的反饋能讓模型不斷優(yōu)化，廠商才能持續(xù)提升代理能力。”

這場分布式的“數據眾包”，和特斯拉通過幾百萬輛電動車收集路況數據反哺FSD算法的邏輯如出一轍。阿里Qwen項目的一位內部人士也坦言：“中國領先新范式的概率低于20%，但通過Agent軌跡數據，能快速迭代模型、縮小差距。”誰掌握最多的軌跡數據，誰就能率先訓練出真正“長出手腳”的超級模型。

OpenClaw是個全球性的開源項目，但在中國的熱度遠超其他市場。這不只是偶然。中國有全球最大的開發(fā)者社區(qū)之一，對開源工具的接受度和傳播速度極快。更重要的是，中國的大模型生態(tài)形成了一種獨特的“低價API”格局：國產模型的API調用價格，大約是海外同類產品的六分之一。這背后，是國內推理算力成本的結構性優(yōu)勢——包括更便宜的電力、更靈活的硬件配置（有的廠商甚至用消費級的5090顯卡跑推理），以及模型廠商之間激烈的價格戰(zhàn)。

這種低成本結構，讓OpenClaw在中國的運行成本遠低于海外，也吸引了大量用戶涌入。當部署幾乎零成本時，普通人對錯失AI大潮的焦慮感被徹底點燃。從深圳公務員的“龍蝦上線”到抖音上的全民刷屏，OpenClaw的傳播路徑已經越過了技術圈，演變成一場全社會層面的AI啟蒙運動，把公眾認知從“AI搜索”推向了“Agent執(zhí)行”。

與此同時，國產模型的“Token出海”也在加速。OpenRouter最新數據顯示，國產模型的Token消耗占比，已經從2024年底的2%飆到了39%。出海策略不是靠海外基礎設施，而是把推理算力留在中國，走蒸餾數據和低價API路線——推理對帶寬要求不高，延遲感知也不明顯。這種“算力在國內、服務在全球”的模式，正讓中國AI產業(yè)鏈在全球Token市場中占據越來越重要的位置。

“推理2.0”：GPU與CPU的架構重構

如果說OpenClaw在應用層掀起了一場Agent風暴，那它在底層硬件架構上引發(fā)的沖擊波同樣劇烈。問題的核心在于：傳統GPU的設計邏輯是為“訓練”優(yōu)化的——追求大規(guī)模并行計算、高顯存帶寬、集群互聯能力。但Agentic AI的推理負載，和訓練完全不同：它是高并發(fā)、小批量、持續(xù)運行的。Agent不是一次性吞吐海量數據，而是不停地接收小請求、做小決策、調外部工具、等反饋，再進入下一輪推理循環(huán)。這種“碎片化推理”的模式，讓GPU在高并發(fā)場景下沒法滿負荷跑，運行效率只有20%到50%，存在嚴重的算力浪費。

英偉達顯然已經看到了這個結構性缺口。2026年，該公司花200億美元收購了Groq的核心資產，拿到了LPU和TSP推理架構的非獨家技術授權，還帶走了Groq創(chuàng)始人Jonathan Ross（TPU之父）和約90%的核心團隊。如果說GPU是“通用高性能AI工廠”，那LPU就是“為推理產線定制的流水線”。LPU的引入，是英偉達在Agentic AI時代補齊推理性價比短板的戰(zhàn)略武器，它將在推理領域和各種ASIC芯片正面競爭。

另一個值得關注的信號，是英偉達的Vera CPU平臺。官方文檔里，Vera被定位為“agentic推理的數據引擎”，而不是傳統意義上的Host CPU。它的設計目標之一，是“讓GPU始終滿負荷運轉”，它被強綁定到KV Cache管理、工作流編排、AI工廠控制平面這些Agentic AI特有的新型負載上。Meta在2026年2月的合作公告里透露，雙方已經在推進大規(guī)模Grace-only部署，并合作推進Vera CPU的潛在大規(guī)模部署。這意味著，在Agent時代，CPU不再只是GPU的附庸，而是成為推理流水線里獨立承載調度與數據流轉的關鍵節(jié)點。

從更宏觀的視角看，英偉達每一次推出新產品，都是因為現有產品沒法精準覆蓋新需求。從HBM解決高顯存需求，到十萬卡集群滿足訓練規(guī)模，到NVL72回應開發(fā)者編譯需求，再到CPX架構實現推理的PD分離——每一次迭代都在確認一個新的需求方向。而2026到2027年間最大的新需求，正是OpenClaw掀起的Agentic AI浪潮。LPU加Vera的組合，標志著芯片產業(yè)正式進入“推理2.0”時代——從追求峰值算力，轉向追求推理吞吐的極致效率。

“入口戰(zhàn)爭”的第四次輪回

回頭看中國互聯網的歷史，每一次技術范式的躍遷，都伴隨著一場入口戰(zhàn)爭。門戶時代爭首頁流量，搜索時代百度成了信息入口，移動互聯網時代微信、支付寶和抖音成了超級App。現在，AI Agent正在開啟第四次輪回。

Agentic AI（代理型 AI）與傳統 AI 之間的核心區(qū)別

（@心智觀察所制圖）

阿里千問在推“AI辦事”，讓用戶一句話就能下單；小米把MiclawAgent深植手機底層系統，試圖讓手機、汽車、電視和家電都成為AI的執(zhí)行節(jié)點。這些動作傳遞出一個清晰的信號：未來，用戶和數字世界的交互界面，會被徹底重構。當你習慣了用一句話表達需求，操作路徑就會發(fā)生根本性變化——你不會再主動打開某個App，而是把任務交給AI，由AI決定用哪個平臺、調哪個服務、走哪條支付鏈路。App還在，但已經退化成服務節(jié)點；真正的入口，是那個幫你完成任務的Agent。

更深層的博弈，在于“意圖分發(fā)權”。如果巨頭能讓自家Agent霸占用戶終端，它就掌握了商業(yè)世界最頂級的權力——可以把外賣訂單導給關聯企業(yè)，把差旅需求導向自己的支付生態(tài)。在這個由Agent構建的新“圍墻花園”里，曾經不可一世的超級App，可能淪為只提供底層服務接口的“管道”，失去和用戶直接對話的機會，也失去品牌溢價和流量溢價。這就是為什么大廠對Agent這么敏感——所有人都想成為那個控制Agent的平臺。

從技術史看，每一次平臺級的變化，往往都從一個不起眼的開端開始。Android最早只是極客刷機的系統，微信公眾號剛出來時只是個簡單的內容工具，小程序推出時更像一個輕量網頁。但它們后來都變成了新平臺。OpenClaw今天的處境，和這些早期產品有著驚人的相似——它看起來還粗糙、不穩(wěn)定、需要用戶手動糾錯，但它代表的方向已經不可逆轉：AI正在從“會說話的工具”變成“會做事的系統”。

這場變革的投資主線也逐漸清晰：云部署基礎設施的擴張、推理算力硬件的迭代、國產AI芯片的加速適配、端側設備的智能化升級、應用集成生態(tài)的重構，以及AI安全體系的建立。上游MaaS業(yè)務的爆發(fā)，正在讓算力供給顯著供不應求，拿卡能力和能耗指標，已經成為競爭力的核心衡量標準。

對于中國而言，OpenClaw風暴的深層次意義，是一場全社會層面的AI認知躍遷，是大模型從“比誰更聰明”進入“比誰能做事”的分水嶺，是算力投資從“囤而不用”轉向“持續(xù)變現”的拐點，也是芯片架構從“訓練為王”轉向“推理為先”的信號。當幾百萬個Agent在全球的電腦和手機上晝夜不停地燃燒Token、收集軌跡、執(zhí)行任務，我們所面對的，不再只是一個新工具的流行，而是整個數字世界運行邏輯的一次深層重寫。

中國互聯網正在經歷的，也許正是這場風暴的前夜。而風暴一旦到來，沒有人能置身事外。

>End

本文轉載自“心智觀察所”，原標題《全民養(yǎng)蝦，為什么是中國》。

為分享前沿資訊及有價值的觀點，太空與網絡微信公眾號轉載此文，并經過編輯。

未按照規(guī)范轉載及引用者，我們保留追究相應責任的權利

部分圖片難以找到原始出處，故文中未加以標注，如若侵犯了您的權益，請第一時間聯系我們。

HISTORY/往期推薦

充滿激情的新時代，

充滿挑戰(zhàn)的新疆域，

與踔厲奮發(fā)的引領者，

卓爾不群的企業(yè)家，

一起開拓，

一起體驗，

一起感悟，

共同打造更真品質，

共同實現更高價值，

共同見證商業(yè)航天更大的跨越！

——《太空與網絡》，觀察，記錄，傳播，引領。

·《衛(wèi)星與網絡》創(chuàng)始人：劉雨菲

·《衛(wèi)星與網絡》副社長：王俊峰

·微信公眾號（ID：satnetdy）團隊

編輯：艷玲、哈玫，周泳、邱莉、黃榕、娜娜

主筆記者：李剛、魏興、張雪松、霍劍、樂瑜、稻子、趙棟

策劃部：楊艷、若?、李真子

視覺總監(jiān)：董濘

專業(yè)攝影：馮小京、宋偉

設計部：顧錳、潘希峎、楊小明

行政部：姜河、林紫

業(yè)務部：王錦熙、瑾怡

原創(chuàng)文章轉載授權、轉載文章侵權、投稿等事宜，請加微信：15910858067

商務合作；展覽展廳設計、企業(yè)VI/CI及室內設計、企業(yè)文化建設及品牌推廣；企業(yè)口碑傳播及整體營銷傳播等，請加微信：13811260603

雜志訂閱，請加微信：wangxiaoyu9960

·衛(wèi)星與網絡各分部：

成都分部負責人：沈淮

長沙分部負責人：賓鴻浦

西安分部負責人：郭朝暉

青島分部負責人：江偉

·衛(wèi)星與網絡總部負責人：農燕

·會議活動部負責人：喬顥益、許克新、董今福

· 投融資及戰(zhàn)略層面合作：劉雨菲

·本平臺簽約設計公司：一畫開天（北京）文化創(chuàng)意設計有限公司

· 航天加（深圳）股權投資基金管理負責人：楊艷