文 | 本原财经

" 你养龙虾（OpenClaw）了吗？"

科技圈被一只龙虾搅得人心荡漾，它被称作数字时代的个人助理，仿佛只要装上 OpenClaw，它就能 7*24 小时中无休止的工作，生产力抵得上一家公司，有望跑出 10 个张一鸣。

魔幻弥漫在产业链的各个端口：从 "499 元上门安装 "、Mac mini 价格暴涨，到孔剑平等线下布道者们喊出那句 "2026 年，人类不分男女，只分创造者与旁观者 "，再到 " 月薪两万养不起龙虾 ""299 元远程卸载 "，装虾、教虾、卸虾，形成赛博闭环。

少则得，多则惑。别小瞧了 AI，也别太神话龙虾。

被 FOMO 心态干扰的普通人，请剥离环境杂音，戴上降噪耳机之后，再思考这场淘金热，是否值得所有人去追逐。

龙虾时代

这只杂糅了人类的焦虑、好奇与机会的 OpenClaw" 龙虾 "，到底是什么？

一个 AI 智能体，由奥地利退休程序员彼得 · 斯坦伯格在 2025 年 11 月创建，且完全开源。因为醒目的红色龙虾图标，OpenClaw 在中文社区被网友们亲切地称为 " 龙虾 "，部署、使用、调教它的过程，被称为 " 养龙虾 "。

平时我们用 AI，看中的是它绝顶聪明的大脑，但它们都被关在沙盒里，聊完天就拉倒了。

但 OpenClaw 不同，它是 " 真正能做事的 AI"。刨开 OpenClaw 源码，它的核心架构分为三大模块，用户提出问题，AI 思考决策，调用工具执行，反馈给你结果。

龙虾靠大螯抓取、操作、执行，OpenClaw 也有手有脚，能操控电脑，帮你查阅资料，管理文件，处理邮件。理论上，人在电脑前能做的操作它都能完成。

但它一身蛮力没脑子怎么办？给 OpenClaw 接上大模型，即刻变身能干活的天才实习生。

它能高强度出圈，离不开两个关键能力，一是连续记忆，二是 skills 体系。

Agent 的记忆通常是短期的，但连续记忆的龙虾，可以连接上下文，还能记住你的行为偏好。

比如你告诉它：" 我每周五要发周报，格式是 Excel+PPT，收件人是张总、李经理，抄送部门群；周报数据来自‘销售数据 .xlsx ’，自动汇总本周业绩、环比、下周计划 "，龙虾就把这些偏好、流程、收件人、数据源全部写入了 memory.md。之后每周五：你只说 " 发周报 "，龙虾就会自动完成整个流程，不用你再解释任何细节。

Skills，简单说就是技能包。就像上述生成周报的固定流程、专业操作，可以封装成可调用的skills。成熟的 skills 相当于一个上过培训课的新员工，能快速上岗完成工作。

在使用中，龙虾还会不断学习和进化，配合记忆和实操，越用越聪明，堪称效率神器。

第一批用 AI 赚钱的赢家，还是教别人怎么用的人。

贩卖信息差，帮小白部署OpenClaw 的人，靠着几十几百的单子，赚到一波快钱。卖教程，搞付费社群、直播和线下课的头部老师们，收割 AI 焦虑，完成百万级积累。开发插件的 OpenClawKit，月入 6410 美元，买断价 149 美元。专门做部署、托管和定制开发服务的团队，月收入可达数万美元。

甚至有人盯上了祖国的花朵，学龙虾从娃娃抓起。

就连苹果都成了受益方。安装 " 龙虾 " 需要接管电脑的底层权限，苹果 Mac mini 电脑因为架构友好、24 小时低耗，成为最适合 " 养虾 " 的虾塘，全网断货，一机难求。卖硬件的小厂商们，也用千元平替产品赚得盆满钵满。

当然这些赚得都是小钱。第一批玩 " 龙虾 " 的人真正用上它后，发现真正要付费的，是几乎失控的 Token。

养虾 ? 得有虾粮，OpenClaw 吃的是 Token。

OpenClaw 需要频繁调用大模型，且每次都要把上下文全部打包喂给模型，Token 的消耗相比一般的 AI 模型，直接呈指数级增长。

打个招呼，3 毛没了，搜索十分钟信息，几十块没了，一个月基础工作流 1000 块打底。

有程序员用小龙虾开发代码，一个月要花费 2 万元。还有极客实测执行复杂程序调试任务，一天就能烧掉 10 亿个 Token，成本达数万元，比黄金还费钱。

" 如果不是邮件提醒，我就要破产了。" 网友们开始调侃 " 月薪 2 万养不起龙虾 "，匆忙入场的小老板们坦诚，还不如找一个硕士实习生便宜好用。

跟风的白领们也发现，自己每天最忙的那些事，其实没多贵多复杂。专家也出来劝谏，低价值场景，现在用龙虾不划算。

普通人在赚小钱，在往外掏钱，上游卖 " 虾饲料 " 的大厂们，才是真正的大赢家。

大厂笑得合不拢嘴

龙虾当道，比的是谁的模型能力强劲、谁的 Token 费用更具性价比。

从 Token 成本的构成看，芯片靠产业创新，电费拼国运级基础设施，中国天然拥有成本优势。

所以说，资金实力雄厚的中国互联网大厂，才真正适合揽这瓷器活，也是真正受益的一方。

在 GitHub 开源网站上，Meta 旗下的 React 项目攒下 24 万颗星，花了十三年，而 OpenClaw 超越它只用了 100 天，惹人眼红。

Token 消耗的潘多拉魔盒打开后，大模型厂商月之暗面和 MiniMax 轮流霸榜 OpenRouter，腾讯、字节、阿里、百度、京东、小米等大厂火速入局，推出 OpenClaw 一键部署服务。

国产大模型巨头们，率先吃下龙虾带来的巨额 Token 量。

MiniMax 最新财报显示，M2 系列文本模型发布后，2026 年 2 月的单日 Token 消耗量狂飙，比 2025 年 12 月的 6 倍还多。其中来自编程套餐（Coding Plan）的 Token 消耗量增长超过 10 倍。股价应声而涨，再创巅峰。

今年春节前后，Kimi 旗下 K2.5 大模型也迎来大批全球付费用户及 API 调用，20 天收入就超过 2025 年全年总收入，多夸张的数字。

卖 Token 用自己的 API 更划算，厂商将 OpenClaw 能力直接打包进自家产品：Kimi 推出了云端化 OpenClaw 产品 kimi Claw，minimaxi 推出了基于 OpenClaw 构建的云端 AI 助手 MaxClaw，智谱直接做了一个套壳 OpenClaw 的客户端。

作为云厂商巨头的互联网大厂，也在疯狂抢滩 OpenClaw 部署，卡位 AI Agent 生态入口。

投入最积极的是腾讯，上线了全场景智能体 WorkBuddy，本地 AI 助手 QClaw 也在内测中。前一阵腾讯云 Lighthouse 在鹅厂门口摆摊免费安装，马化腾都在朋友圈感慨 " 没有想到会这么火 "，随后在朋友圈放话，全系列龙虾产品正在陆续上线中……

百度是国内最早布局的，百度智能云发布了零部署服务 DuClaw，宣称小白零基础养虾，字节系火山引擎上线了云上 SaaS 版 ArkClaw，阿里巴巴也拿出 CoPaw 对标。

手机厂商也没错过这番热闹。小米推出 " 手机版龙虾 "Xiaomi Miclaw，雷军带头下场 " 养龙虾 "，华为云提供了全功能的 OpenClaw 部署服务，就连京东、美团也提供了远程部署服务。

百模大战战况焦灼，这波 Token 盛宴，链接起云、模型和应用，刚好给了大厂新希望。

2 月中国模型调用量足足有 4.12 万亿 Tokens，首次超过了美国。大厂的新一轮超级入口之争，必将更加惨烈。

FOMO、焦虑、恐惧

市场的狂热，产业的扶持，名人名企的营销推动，被裹挟其间的普通人也患上了 FOMO（错失恐惧症），叠加企业裁员、大学砍专业等信息，生怕被 AI 替代，生怕错过这一场技术革命。

但 OpenClaw 可不止是烧钱猛这么简单。爆火没多久，" 养龙虾 " 的第一批受害者就出现了。他们发现自己的 " 虾孩子 " 真的瞎了，正在失控边缘。

OpenClaw 能力强，但很多自动化功能落地需要放开高权限，安全隐患极高。

不少用户在社交媒体反馈，" 用它炒股损失过万，花钱找人卸载了 "，" 还没开始提效，我熬了一周做的工作视频就被它误删了 "。

不止普通人，就连顶尖的 AI 大牛们也深受其扰。

数据工程社区 DataTalks.Club 爆料，194 万行数据被龙虾在在几十秒内抹除，Meta 的 AI 安全研究员 Summer Yue，在严格要求行为前需要获得授权的情况下，龙虾一意孤行的删掉了邮件，最后拦不住只能拔网线。

2 月，Northeastern 大学、Harvard、MIT 等十几家顶尖机构联合发布了一份红队研究报告《Agents of Chaos》，他们研究者部署了六个 Agent，邀请 20 位 AI 研究者在两周内尝试破坏它们，详细记录了 11 个严重安全漏洞。

比如有两个 AI 在交流中，自主编写了无限循环的 Shell 脚本，有 AI 因为信息接收错位，疯狂倾倒自己的底层源代码，还有 AI 直接炸掉本地邮件服务器的底层数据库，然后说自己完成了删除任务。

在权限敞开、skills 发展野蛮的 OpenClaw 身上，数据泄露、误删、盗刷的风险加倍放大。

国家互联网应急中心紧急发布了关于 OpenClaw 安全应用的风险提示，如提示词注入、插件（skills）投毒、高中危漏洞等。业内安全专家也指出，现阶段仅适合专业开发者做技术探索，完全不适合普通用户日常使用。

技术只是工具，养龙虾之前，先问自己这三个问题：有没有明确的、高频自动化的任务？愿意给龙虾投入多少时间和金钱成本？有没有基础的技术知识和风险把控能力？

如果这些回答都是 Yes，那我也劝你冷静一点再行动，毕竟龙虾进化的速度太快了，前一阵我还在为部署 OpenClaw 全网翻教程，折腾环境，这会儿它就被优化成了一键安装甚至是网页即用。

等大厂把云端版本迭代得更成熟一些，安全、可控又经济的 Agent，或许很快就出现了。