AI养虾套利狂欢：50天从火爆到终结的深度解析

三月还在排队找人代安装，四月就已经退坑。OpenClaw的热度就像过山车。

3月3日，OpenClaw的GitHub星标数超越了React，后者花了十年积累的声望，它不到六十天就达成了。微信指数一度飙升至1.65亿，“24小时数字员工”的故事席卷中文AI圈，“全民养虾”成了继DeepSeek之后又一个现象级的文化符号。截至3月15日，其当月累计token调用量达到了惊人的10.4T，登顶全球AI应用调用榜。

然而，仅仅一个月后，风向骤变。

进入四月，OpenClaw的访问量直接腰斩至1420万，环比跌幅高达50.67%。腾讯旗下的QClaw访问量更是环比暴跌99.19%，Kimi Claw、CoPaw等一众国产“龙虾”产品也纷纷大幅跳水。开发者论坛上开始出现一种声音：“OpenClaw已死。”

有意思的是，在这场龙虾热退潮的同时，两件看似矛盾的事情发生了。四月，Anthropic突然宣布其订阅服务不再支持OpenClaw等第三方袋里的高强度调用，缓冲期仅有一天；五月初，OpenAI的Sam Altman却在凌晨发推，宣布ChatGPT用户可以直接登录OpenClaw，并附言“happy lobstering”。

一边是切断连接，另一边是敞开大门。这或许暗示着，OpenClaw的退潮并非AI Agent热潮的终结，而是整个行业开始冷静思考：AI Agent究竟该如何运行、由谁控制、又该怎样收费。

一场可预见的退潮

要理解它为何退潮，得先明白它当初为何能火。

很多复盘将OpenClaw的成功归因于其强大的产品力：支持50多种集成，兼容Claude、GPT-4o、Gemini和DeepSeek等主流模型，甚至吸引了像腾讯这样的企业用户直接在其基础上构建平台。这些都没错，但只讲对了一半。

真正的驱动力，其实是访问权限，而非单纯的能力。OpenClaw让大规模使用强大模型的成本变得极低。

用户发现，OpenClaw可以通过调用Claude Pro或Max用户的登录授权，模拟Claude Code客户端的请求方式来接入Claude。这意味着，用户无需为每一次API调用单独支付Token费用，而是可以借助固定的月费订阅，以极低的边际成本进行高频的Agent调用。

这事的本质，是一场悄无声息的“套利游戏”。

Claude Max的订阅价是每月200美元。而行业分析师估计，通过API运行同等规模的工作负载，成本可能高出五倍以上。换句话说，Anthropic每月都在为每一位OpenClaw的重度用户提供数百美元的隐性补贴。

正是有了近乎免费的算力作为燃料，OpenClaw才得以病毒式传播，开启了“全民养虾”的增长神话。

然而，今年四月，Anthropic的一封邮件给这场派对拉下了电闸。邮件通知用户，Claude订阅将不再覆盖OpenClaw等第三方袋里的高强度调用，新规立即生效，缓冲期只有一天。

与此同时，大规模部署OpenClaw的用户也开始触及它的实际天花板。例如，智能体在多步骤任务中会不可预测地失败，在不同工作流程和环境下的可靠性并不一致，显得相当脆弱。

更重要的是，对于大多数非技术背景的用户而言，设置和维护本身就是一道高墙。OpenClaw最火的那几周，国内甚至催生出了专门的“代安装”生意——收费帮人完成部署、调通API、配置权限，价格从几十到几百元不等，还一度供不应求。某种程度上，一个需要付费请人安装、远程调试的工具，本身就说明了它与真正的大众化产品之间，还有很长的路要走。

此外，另一场信任危机也在悄然侵蚀用户基础。

OpenClaw与普通AI聊天工具有一个本质区别：它不只是“说”，它会“动手”。它能打开文件夹、发送邮件、执行命令、调用各种软件。它在用户电脑上拥有的权限，远比大多数人意识到的要大。

这在演示视频里酷炫无比，但现实是，一旦出错，代价也是真实的。普通AI聊天工具产生“幻觉”，顶多给个错误答案；而OpenClaw若产生“幻觉”，可能会直接删除你的文件、将账号密码发送出去，或是在你不知情的情况下执行一段破坏性命令。

更棘手的是，许多用户在未充分认知风险的情况下，已将OpenClaw接入了自己最敏感的数据领域：工作邮箱、云端存储，甚至公司的服务器权限。

于是，围绕OpenClaw的讨论，逐渐从“效率革命”转向了“风险失控”。

谁接住了流失的用户

那么，OpenClaw的热度退去后，用户流向了哪里？

粗略来看，他们分成了三类：迁移到Hermes的重度开发者、转向Claude Code的专业用户，以及选择垂直行业Agent的企业用户。

Hermes是目前接住最多OpenClaw用户的产品，这一点已有数据印证。

5月10日，Hermes以单日2240亿token的消耗量，超越了OpenClaw的1860亿，登上了OpenRouter全球日推理量榜首。这是自OpenClaw发布以来，首次有其他Agent产品坐上这个位置。圈内甚至开始流行一句话：“不流行养虾了，都开始养马了。”

Hermes在代码中内置了一键迁移工具，专为从OpenClaw过来的用户设计，可以自动导入配置、记忆、技能包和API密钥。但这只是入口，真正留住人的，是两者设计逻辑的根本差异。

OpenClaw每次任务都从同一基线出发，任务完成即结束，下次重头再来。而Hermes内置了学习循环，任务完成后会自动生成可复用的Skill文件，能够跨会话构建对用户的持久理解。这与大多数“无状态”的AI工具逻辑相反。让它做一次竞品分析，下次你只需说“像上次那样”，无需重新描述整个流程和要求。

用得越深，迁移成本越高，这正是Hermes留住重度用户的底层逻辑。目前，Hermes已积累11万GitHub星标，其社区贡献主要集中在技能质量和学习能力的改进上，而非单纯的功能数量扩张。这与OpenClaw早期“什么都能做”的生态扩张路线明显不同，用户结构也显得更专业、更高频。

除了Hermes，还有一批专业开发者流向了Claude Code。这是Anthropic官方提供的命令行编程Agent，它不试图替你管理邮件、安排日程或操控桌面，只专注于一件事：在受控的代码环境中完成复杂任务，行为高度可预期。

这个分流揭示了开发者群体内部真实的价值取向分裂：一边追求开放性和无限制的能力，另一边则优先考虑可靠性和受控的执行环境。随着AI编程工具的成熟，许多开发者意识到，他们需要的并非一个高度自主但不可预测的Agent，而是一个稳定、可控的系统。

换句话说，“让AI替我干所有事”和“让AI在特定场景干得更好”，本就是两类需求强度完全不同的用户。OpenClaw的退潮，恰好将他们重新区分开来。

还有一批用户，既没有选择Hermes，也没有转向Claude Code，而是投向了具体的行业工具。像钉钉悟空、WindClaw这类产品的逻辑与OpenClaw正好相反：它们不追求“什么都能做”，而是将Agent能力深度嵌入企业现有的工作流，专门处理审批、报表、投研简报这类高度重复且结构化的任务。

但有一个容易被忽略的事实是，退潮中规模最大的那批用户，其实没有迁移到任何新产品。许多跟风者回到了豆包或ChatGPT这类通用聊天工具，而大量轻度用户则从未找到过真实、高频的使用场景。对他们而言，现阶段Agent类工具可能本身就过于复杂，成本太高，而需求又太低频。

Agent开始戴上“镣铐”

在OpenClaw退潮的同时，发生了一件颇具象征意义、却容易被忽视的对比。

4月4日，Anthropic向用户发出“封杀”邮件；紧接着在5月，OpenAI CEO Sam Altman却在X上发文：“ChatGPT users can now log into OpenClaw. Happy lobstering.”

一家切断连接，一家主动开放入口。这某种程度上暴露了AI行业内部正在出现的路线分化。

过去一年，行业对Agent最迷人的想象是“数字员工”。OpenClaw、AutoGPT、Devin这类产品所描绘的未来，是AI能像人类一样独立完成任务：读邮件、调工具、写代码、跨软件协作、自主执行复杂工作流。

然而，当想象照进现实，问题开始集中暴露。Agent越自主，就越容易失控；任务链路越长，就越容易偏离目标；权限越高，企业就越不敢真正放权。

许多用户后来才意识到，他们真正需要的，或许不是一个“替自己工作”的AI，而是一个“协助自己工作”的AI。

于是，行业出现了一次明显的转向。OpenClaw这一代产品信奉的是：越开放越强、越像人越强、越自主越强。但新一代的Agent产品开始反向思考：限制权限、缩小场景、保留人工确认环节，反而更容易真正落地。

Hermes开始强调长期记忆和技能复用，不再追求“什么都能做”，而是让Agent在固定流程里不断学习用户习惯。Claude Code则进一步收索能力边界，将能力牢牢限制在代码场景中，以确保执行过程的可控与稳定。

于是，整个行业开始从“Autonomous Agent”（自主智能体）重新转向“Human-in-the-loop”（人在回路）。 也就是说，AI不再试图完全替代人，而是重新回到了“协助人”的位置上。

这种变化，在大厂身上体现得尤为明显。微软开始将OpenClaw式的Agent能力重新封装进Copilot体系；NVIDIA推出NemoClaw，重点强化企业级的安全和权限控制；国内厂商则将“龙虾”改造成钉钉悟空、WindClaw这类垂直产品，嵌入具体的审批、报表、投研流程。

它们都有一个共同点：不再追求“什么都能做”，而是把Agent嵌入具体、封闭的工作流。因为企业真正需要的，并非一个会随机执行命令、可能误删数据库的AI“冒险家”，而是一个稳定、确定、可审计的数字系统。

某种程度上，OpenClaw像一台典型的“组装机”。 用户需要自己找模型、自己配环境、自己调API、自己修Bug。它能力强大，却也极度脆弱。极客们乐在其中，但普通用户很难长期忍受这种不确定性。

这让人联想到iPhone出现之前的个人电脑时代。那时，技术爱好者热衷于“攒机”，而普通用户只想按下开机键就能用。今天的Agent行业，似乎也正处在类似的节点。

人人都已意识到，AI Agent会是下一代重要的人机交互方式。但大多数人并不想亲自“养虾”，他们真正想要的，是一个已经被完美封装、开箱即用的产品。

OpenClaw用短短几个月的时间，让整个行业提前看清了一件事：AI Agent的未来，未必属于最自由的系统，而更可能属于那些最稳定、最安全、最容易被普通人使用的系统。

来源：互联网