“龍蝦熱”涼了嗎？

年初那陣子，OpenClaw在中文AI圈和海外開發者社區內，都成為了新時代AI生產力的代名詞。

一時間，只要對AI稍有耳聞的人，都知道有這么一個“龍蝦”，在電腦上部署后，可以幫你盯郵箱、跑日程、讀文檔、調工具、跨軟件干活。OpenClaw的出現，可以說讓Agent的概念第一次深入大眾人心。

但，一個多月時間過去，如果只看大眾社交媒體，龍蝦似乎有點“涼”了，進入4月后，OpenClaw的微信指數一路下滑，從上億回落到百萬級別，仿佛二級市場上那些股價坐了“過山車”的妖股一樣，留下了一道尖銳的折線。

龍蝦真的涼了嗎？還是說，它只是從大眾圍觀的網紅，變成了一種更窄、更貴、更現實的生產工具？

如果只看“微信指數”這樣的表層聲量，答案確實像是“退潮”。但把視線挪到項目和行業層面，故事恰恰相反。

OpenClaw 的 GitHub 公開發版記錄顯示，項目更新節奏并未停下。最新一版更新中，開發團隊繼續處理實際使用中的高頻問題，包括提升對 GPT-5 系列模型的兼容性、修復 Telegram 頻道相關異常、優化 Ollama 連接超時，并對部分底層架構與性能進行調整。

而在更大的背景中，AI用戶群體的大盤其實仍然穩固，“退潮”的是“人人都能用好Agent”這層想象。

Gallup最新對23717名美國在職員工的調查顯示，2026年第一季度，已有50%的受訪者表示自己至少偶爾在工作中使用AI，13%每天使用，28%每周使用幾次以上。

但同一組數據也顯示，有41%的員工所在組織真的把AI引入到改進組織實踐中，說明普及在發生，只是落地在高度分層。

對于C端用戶而言，一些日常需求通過一整套OpenClaw工作流來實現確實有點“小題大做”。但到了很多真實工作/生產力場景中，Agent的飛輪其實正在越轉越快。

谷歌方面今年4月披露，其平臺月度AI token調用量已達480萬億，同比增長36倍；字節跳動方面此前也宣布，豆包大模型日均token調用量已超過120萬億。這說明企業級自動化和生產力場景仍在持續吞吐大量算力。

這種差異，正在龍蝦退潮和Token調用持續爆表的反差中不斷凸顯。

A

這個問題其實不難給出結論：在大眾視野中的龍蝦，熱度確實退了，但從另一個角度而言，整個Agent生態反而進入了用戶的沉淀和篩選期。

為什么輕度使用的AI大眾用戶，玩不下去龍蝦？

首先，龍蝦的上手使用存在一定門檻，這個門檻并不僅僅只在安裝層面。

早期OpenClaw更偏向本地部署和開發者工具鏈，如今官方已提供Northflank、Railway等云端一鍵部署方案，各家大廠也迅速推出了云端托管版、一鍵部署版等各種“龍蝦產品”。

盡管相比起OpenClaw剛剛發布時，入口確實比過去簡單得多，但這不代表大眾用戶就能順暢上手。科技社區Hacker News上，一位提供預裝虛擬機方案的開發者直言：“對常年混跡技術論壇的用戶來說，安裝也許不難，但對大多數人絕對不是。”

在一些更泛化的用戶社區里，小白“龍蝦”的使用體驗往往是：“初次配置花了數小時，還因報錯重裝了三次。”

此外，就算你選擇了某些一鍵部署工具/平臺，安裝也只是第一步，“會用”才是關鍵。

即便進了云端，用戶仍要理解模型綁定、權限授權、Skill模塊等一整套新概念。對輕度用戶來說，他們想要的是打開就能幫忙做事的工具，而不是先學習一套新的操作系統。

而一旦上手，小白用戶會逐漸意識到這樣一件事：龍蝦天然更適合高頻、連續、流程化任務，而不是低頻、碎片化需求。

這類產品最亮眼的場景，往往是持續盯郵件、定時抓取信息、批量整理資料、多工具串聯執行、代碼協作等長鏈路工作流。

在各類對龍蝦用途的討論，會發現公認的最有價值的用法，是讓OpenClaw定時抓取數據，自動寫入知識庫，再整理成周報和月報。這種模式，本質上是把它當數字助理長期使用。

可對大多數普通用戶而言，真實需求往往只是查資料、潤色文字、總結文檔、偶爾做表格。也就是說，大部分人的工作，根本沒有復雜到需要AI去承接工作流，這些任務今天用ChatGPT、Claude、豆包和DeepSeek等網頁產品就能完成。

美國“貼吧”Reddit上甚至有人總結觀察到的“三周流失路徑”：許多新用戶第一周熱情高漲，第二周開始遇到循環調用、插件報錯、費用上漲等問題，第三周就暫時擱置。

說到底，不是龍蝦沒能力，而是工具復雜度超過了多數人的真實需求強度。

B

在操作門檻之外，以龍蝦為代表的“系統級”Agent，還有無法忽視的安全問題。

微軟此前曾公開提醒，OpenClaw并不適合直接運行在普通個人電腦或企業辦公終端上，因為它通常需要接觸軟件權限、在線賬號令牌、本地文件等高敏感資源。

OpenClaw早期曾被評為8.8/10的高危漏洞。網絡資產搜索平臺Censys此前的掃描數據稱，在相關補丁發布前，互聯網上可識別的OpenClaw暴露實例超過21,000個。

而一旦涉及到用戶數據，自然也會觸及很多用戶敏感的神經。Thales 2026數字信任指數顯示，僅有23%的消費者信任企業會負責任地使用AI數據，77%的人對AI代理替自己在線行動感到擔憂。

顯然，對于輕度用戶而言，“龍蝦”生態帶來的好處和現實需求出現了錯位。

因為，以OpenClaw為代表的系統級Agent，是一套需要交出權限、持續投入費用的系統。如果沒有足夠高頻的剛需，企業級的安全維護授權，大多數人很難長期堅持使用。

但如果因此斷言“龍蝦涼了”，又過于草率。因為留下來的用戶，并不是在大眾社交平臺占據最多聲量的人，而是最重度的一批開發者、自動化用戶和企業實驗團隊。

微軟最近傳出正在Copilot里測試OpenClaw式的常駐Agent，而且強調會做得更適合企業、更安全；這恰恰說明，OpenClaw代表的路線并沒有被判死刑，相反，它正在被大廠吸收、重做和企業化。

最近兩周，國內并非沒有新“龍蝦”，而演化為各類Agent生態的延伸。

阿里在本月推出 Qwen3.6 新版本，強化復雜任務執行與工具調用；字節本月初上線 OpenClaw 國內鏡像站，方便開發者部署技能生態；階躍星辰已與 OPPO、吉利合作，把Agent能力推進到手機和汽車終端。

17日，《哈佛商業評論》發文點名中國 AI Agent 正快速進入電商和零售場景。文章以美團為例，提到美團在內部把“小美”定位為“調度者 + 執行者”，能幫用戶完成下單、比價、售后、路線安排等整套任務。

也就是說，相比起龍蝦的概念火不火，廠商們已經開始聚焦爭奪真實入口，當然，這項競爭還在早期階段。

智庫機構The Conference Board幾周前發布的調查顯示，美國企業中60%的組織仍處在AI應用早期階段，主要停留在實驗和試點層面，僅11%進入更成熟的整合狀態。

換句話說，今天討論“龍蝦退潮”，很大程度上是結束了大眾的“圍觀”，而在真實的使用場景中開始了高強度試點。

近期的全球模型API調用激增，也揭示了讓小白用戶真正退而卻步的一點：“龍蝦”的Token耗費巨大，而普通人很難持續的為模型API買單。

C

大眾用戶參與龍蝦的另一個拐點，是Anthropic在幾周前斬下的那刀。本月4日，Claude訂閱額度不再覆蓋OpenClaw這類第三方harness的高強度使用，想繼續跑就得切到單獨按量付費。

過去幾個月中，模型廠商有的把OpenClaw剔出訂閱套餐，有的不斷給API漲價。這等于正式告訴市場，Agent的消耗，已經超出了“幾十美元月費隨便包”的范圍。對于普通用戶而言，只是停留在體驗和探索層，顯然很難接受每月付出上百美金、甚至更高昂的模型費用。

而且，Agent的貴，不是模型單價貴，而是任務鏈路貴。

以OpenAI最新定價為例，調用網頁搜索功能，大致是每1000次10美元，部分場景更高；如果任務需要代碼執行環境，還要額外支付“容器費用”，按20分鐘一次會話計費，配置越高越貴，從幾美分到接近2美元不等。這還沒算模型本身輸入輸出的token成本。

說白了，Agent不再是你問一句、它答一句，而是先搜索、再調工具、再跑代碼、再讀取上下文繼續執行。和Chatbot時代的API消耗Token的速度相比，完全不是一回事。

而Anthropic這邊的收費邏輯，更能說明Agent時代為什么越來越貴。

官方定價頁顯示，短時緩存寫入要加價約25%，長時緩存最高加價到2倍，只有命中緩存重新讀取時，成本才會降到正常輸入價的一成左右。也就是說，模型越常駐、任務越長鏈路，費用結構就越復雜。

幾天前，Anthropic發布Claude Opus 4.7時表示價格與上一代相同，仍是每百萬輸入token 5美元、輸出token 25美元。但許多社區反饋顯示，新版分詞機制可能讓同樣內容消耗更多token，用戶感受并不是“沒漲價”，而是“同樣的問題更費額度了”。

這也解釋了為什么最近Claude Pro用戶抱怨增多。美國“貼吧”Reddit上有人稱，自己用Pro套餐“問了3個問題就燒掉了50%的5小時額度”；也有人吐槽，以前能順暢做完整學習筆記，現在很快就觸發限制。

我本人的經歷甚至更“夸張”。在Claude Opus 4.7發布當天，我曾試圖讓Claude整理某家公司的資料，同時以行業視角進行橫向對比。這是一個信息量稍顯復雜的Prompt，而Opus 4.7只運行了兩輪就燒光了Claude Pro的5小時限額。

雖然這些反饋不代表官方平均水平，但它至少說明一件事：2026年，如果你想把模型當成同事、研究助手或代碼搭子連續使用時，月費幾十美元更像是一張體驗票，而不是穩定的生產力預算。

但API價格攀升的另一面是，模型廠商的算力矩陣和服務器正在拉滿運行。

Anthropic今年3月曾短暫把低峰時段訂閱額度翻倍，引導用戶錯峰使用；月底又調整高峰期額度消耗速度，想要利用規則調節算力擁堵，給有限GPU資源排隊。

另一邊，今年2月，智譜宣布GLM Coding Plan套餐整體漲價30%起，海外訂閱價格提高30%-60%，部分API調用價格提升67%-100%。官方給出的理由是：市場需求持續增長，用戶規模與調用量快速提升，同時要保障高負載下的穩定性，并繼續加大算力和模型投入。

換句話說，模型廠商漲價不是因為沒人用，而是因為用的人太多。

更值得注意的是，漲價后需求并未明顯回落。第一財經近期披露的報道顯示，智譜2026年第一季度API價格上漲83%后，調用量仍同比增長400%，出現“量價齊升”。

其他國產模型大廠的情況也類似。阿里云、百度智能云等平臺3月開始同步上調部分AI算力、模型服務和GPU租賃價格，高端GPU租賃成本上漲，交付周期拉長。價格抬升背后，本質仍是推理需求增長快于供給釋放速度。

模型廠商們紛紛開始采用更精細的收費方式：按token、按工具調用、按額度、按套餐層級收費。

對企業來說，這些費用都被視為效率提升的成本；但對普通用戶來說，幾十美金的月支出已經是大眾用戶的上限。

所以，龍蝦的“涼了”，本質上是用戶結構變了：退下去的是嘗鮮的小白、低頻使用的用戶和想要低成本套利的投機者；留下來的是個人開發者、有復雜工作流需求的用戶。

大眾的“龍蝦盛宴”淺嘗輒止，但是Agent革命已經全面鋪開。