有人抱着NAS，有人拎沉迷你主机，还有人掏出MacBook——他们是来让腾讯工程师助忙装一个叫OpenClaw的开源AI智能体的。预约号上午11点就抢光了，行列里有法式员，也有幼学生。抖音上，“全民养龙虾”的短视频刷屏了。这场景像极了十年前安卓刷机的极客团圆，但又不太一样——这次，通常人也挤进来了。 这并不是腾讯在搞一场行为艺术。统一功夫，阿里在推“OpenClaw一键上云”，幼米颁发把自家的MiclawAgent塞进手机、汽车、电视里，智谱、MiniMax这些模型厂商也纷纷跟上。OpenClaw在GitHub上的星标，三周破了25万，超过了Linux三十年的堆集。一个绕不开的问题冒了出来：为什么是此刻？为什么是中国？为什么所有巨头都这么急？ 2026年，字节、阿里、腾讯三家加起来，预计要花超过600亿美元——绝大部门砸向了算力。成千上万张AI加快卡被拉进数据中心，但若是没人挪用，它们每天就在那烧钱。它们是寡言的、在点火现金的机械。 从前两年，大模型的主流玩法是“谈天”：你偶然让它写封邮件、画张图，亏损的Token很少。这种轻度使用，底子填不满那些算力集群的运营成本，更别说从习惯免费的通常用户身上赢利了。巨头们急需一个能持续、自动亏损算力的“Token黑洞”。 OpenClaw，正好长在了这个需要上。你给它一个复杂指令，它不会只回你一段话，而是会拆工作、联网搜、调软件、纠错、沉试——每一步都在向云端发要求。一个复杂工作跑下来，Token亏损量是通常对话的百倍甚至千倍。 有AI行业分析师通贴心智观察所，国产模型被OpenClaw大量选取，主题原因就是性价比——比海表便宜得多，挪用起来不心疼。便宜，就直接转化为更高频的挪用，和更可观的现金流。 这也就诠氏缢，为什么腾讯愿意倒贴人力去线下“摆摊”。每一次部署，都是在用户的电脑或云端里，埋下一台24幼时运行的“算力抽水机”。不论前端跑的是什么模型，只有推理和工具挪用的API指向自家云服务，那些微幼的要求，最终城市汇聚成真金白银。 OpenClaw的沉杜酌户，日均Token亏损量在3000万到1亿之间。若是用Claude Opus 4.6算，一天的用度在900到3000美元；就算用国产的MiniMax M2.5，也要42到140美元。这远远超出了ChatGPT那种对话场景——后者的月费也就20美元，而一个活跃的OpenClaw事俘，一天就能吞掉上百倍的Token。 若是将来一两年，有100万个OpenClaw事俘跑通贸易模型，哪怕只是勉强回本，也会新增约3600亿美元的Agentic AI算力市场。这个数字，足以沉塑整个半导体产业链的供需格局�；痪浠八�，AI的贸易变现，不再靠“让更多人谈天”，而是靠“让更少的Agent持续做事”。Token经济学的底层逻辑，在从低频、低量的人机对话，转向高频、高量的机械自主执行。 从前几年，大模型竞争的主题是算力和训练数据。但业内有个共识：互联网上高质量的公开文本——维基、新闻、论文——已经被各家模型“吃”得差不多了。若是持续只喂这些静态文本，大模型只会造成一个更博学的“书白痴”，却迈不进真正能行动的AGI门槛。下一代模型必要的，是人类在数字世界里“怎么做事”的数据——也就是“工作轨迹数据”。 这种数据纪录的是一条齐全的工作链路：从理解需要到搜信息，再到调工具、填表单、实现支付，每一步都留下痕迹。对训练Agent模型来说，这种数据比通常文本值钱得多，由于它反映的是现实世界里的行动逻辑和因果推理。而这，刚好是巨头们从前最难搞到的数据——它们藏在无数个割裂的软件、封关的App和企业内网深处，就算搜索引擎的爬虫再严害，也爬不进去。 部署在用户终端的OpenClaw，就是深刻这些数据腹地的“探测器”。当你让Agent替你操作时，它会忠诚地纪录每一个操作意图和软件交互轨迹。更关键的是，你在领导它、纠正它谬误的过程中，其实是在免费为厂商提供最高质量的强化进建数据。OpenClaw中国社区经理Alan Feng说得挺切实：“用户装完往往等待魔法般的自动化，但真正的价值在于界说清澈的工作。轨迹数据的反馈能让模型不休优化，厂商能力持续提升代理能力。” 这场散布式的“数据多包”，和特斯拉通过几百万辆电动车网络路况数据反哺FSD算法的逻辑千篇一律。阿里Qwen项主张一位内部人士也坦言：“中国当先新范式的概率低于20%，但通过Agent轨迹数据，能急剧迭代模型、缩幼差距。”谁把握最多的轨迹数据，谁就能率先训练出真正“长出手脚”的超等模型。 OpenClaw是个全球性的开源项目，但在中国的热度远超其他市场。这不只是无意。中国有全球最大的开发者社区之一，对开源工具的接受度和传布快率极快。更沉要的是，中国的大模型生态形成了一种怪异的“廉价API”格局：国产模型的API挪用价值，约莫是海表同类产品的六分之一。这背后，是国内推理算力成本的结构性优势——蕴含更便宜的电力、更矫捷的硬件配置（有的厂商甚至用消费级的5090显卡跑推理），以及模型厂商之间强烈的价值战。 这种低成本结构，让OpenClaw在中国的运行成本远低于海表，也吸引了大量用户涌入。当部署险些零成本时，通常人对错失AI大潮的焦虑感被彻底点燃。从深圳公务员的“龙虾上线”到抖音上的全民刷屏，OpenClaw的传布蹊径已经越过了技术圈，演造成一场全社会层面的AI启蒙活动，把公家认知从“AI搜索”推向了“Agent执杏妆。 与此同时，国产模型的“Token出海”也在加快。OpenRouter最新数据显示，国产模型的Token亏损占比，已经从2024年底的2%飙到了39%。出海战术不是靠海表基础设施，而是把推理算力留在中国，走蒸馏数据和廉价API路线——推理对带宽要求不高，延长感知也不显著。这种“算力在国内、服务在全球”的模式，正让中国AI产业链在全球Token市场中占据越来越沉要的地位。 若是说OpenClaw在利用层掀起了一场Agent风暴，那它在底层硬件架构上引发的冲击波同样剧烈。问题的主题在于：传统GPU的设计逻辑是为“训练”优化的——钻营大规模并行推算、高显存带宽、集群互联能力。但Agentic AI的推理负载，和训练齐全分歧：它是高并发、幼批量、持续运行的。Agent不是一次性吞吐海量数据，而是一向地接管幼要求、做幼决策、调表部工具、等反馈，再进入下一轮推理循环。这种“碎片化推理”的模式，让GPU在高并发场景下没法满负荷跑，运行效能只有20%到50%，存在严沉的算力浪费。 英伟达显然已经看到了这个结构性缺口。2026年，该公司花200亿美元收购了Groq的主题资产，拿到了LPU和TSP推理架构的非独家技术授权，还带走了Groq首创人Jonathan Ross（TPU之父）和约90%的主题团队。若是说GPU是“通用高机能AI工厂”，那LPU就是“为推理产线定造的流水线”。LPU的引入，是英伟达在Agentic AI时期补齐推理性价比短板的战术兵器，它将在推理领域和各类ASIC芯片正面竞争。 另一个值得关注的信号，是英伟达的Vera CPU平台。官方文德凤，Vera被定位为“agentic推理的数据引擎”，而不是传统意思上的Host CPU。它的设计指标之一，是“让GPU始终满负荷运行”，它被强绑定到KV Cache治理、工作流编排、AI工厂节造平面这些Agentic AI特有的新型负载上。Meta在2026年2月的合作布告里泄漏，双方已经在推动大规模Grace-only部署，并合作推动Vera CPU的潜在大规模部署。这意味着，在Agent时期，CPU不再只是GPU的附庸，而是成为推理流水线里独立承载调杜纂数据流转的关键节点。 从更宏观的视角看，英伟达每一次推出新产品，都是由于现有产品没法精准覆盖新需要。从HBM解决高显存需要，到十万卡集群满足训练规模，到NVL72回应开发者编译需要，再到CPX架构实现推理的PD分离——每一次迭代都在确认一个新的需要方向。而2026到2027年间最大的新需要，正是OpenClaw掀起的Agentic AI海潮。LPU加Vera的组合，标志取芯片产业正式进入“推理2.0”时期——从钻营峰值算力，转向钻营推理吞吐的极致效能。 回头看中国互联网的汗青，每一次技术范式的跃迁，都陪伴着一场入口战争。门户时期争首页流量，搜索时期百度成了信息入口，移动互联网时期微信、支付宝和抖音成了超等App。此刻，AI Agent在开启第四次循环。 阿里千问在推“AI处事”，让用户一句话就能下单；幼米把MiclawAgent深植手机底层系统，试图让手机、汽车、电视和家电都成为AI的执行节点。这些作为传递出一个清澈的信号：将来，用户和数字世界的交互界面，会被彻底沉构。当你习惯了用一句话表白需要，操作蹊径就会产生底子性变动——你不会再自动打开某个App，而是把工作交给AI，由AI决定用哪个平台、调哪个服务、走哪条支付链路。App还在，但已经退化成服务节点；真正的入口，是那个助你实现工作的Agent。 更深层的博弈，在于“意图分发权”。若是巨头能让自家Agent占据用户终端，它就把握了贸易世界最顶级的权势——能够把表卖订单导给关联企业，把差旅需要导向自己的支付生态。在这个由Agent构建的新“围墙花圃”里，已经不成一世的超等App，可能沦为只提供底层服务接口的“管路”，失去和用户直接对话的机遇，也失去品牌溢价和流量溢价。这就是为什么大厂对Agent这么敏赣转—所有人都想成为那个节造Agent的平台。 从技术史看，每一次平台级的变动，往往都从一个不起眼的初步起头。Android最早只是极客刷机的系统，微信公家号刚出来时只是个单一的内容工具，幼法式推出时更像一个轻量网页。但它们后来都造成了新平台。OpenClaw今天的处境，和这些早期产品有着惊人的类似——它看起来还粗糙、不不变、必要用户手动纠错，但它代表的方向已经不成逆转：AI在从“会措辞的工具”造成“会做事的系统”。 这场刷新的投资主线也逐步清澈：云部署基础设施的扩张、推理算力硬件的迭代、国产AI芯片的加快适配、端侧设备的智能化升级、利用集成生态的沉构，以及AI安整个系的成立。上游MaaS业务的发作，在让算力供给显著供不应求，拿卡能力和能耗指标，已经成为竞争力的主题衡量尺度。 对于中国而言，OpenClaw风暴的深档次意思，是一场全社会层面的AI认知跃迁，是大模型从“比谁更聪明”进入“比谁能做事”的分水岭，是算力投资从“囤而不用”转向“持续变现”的拐点，也是芯片架构从“训练为王”转向“推理为先”的信号。当几百万个Agent在全球的电脑和手机上昼夜一向地点火Token、网络轨迹、执行工作，我们所面对的，不再只是一个新工具的盛行，而是整个数字世界运行逻辑的一次深层沉写。 本文系观察者网独家稿件，文章内容纯属作者幼我概想，不代表平台概想，未经授权，不得转载，不然将查究司法责任。关注观察者网微信guanchacn，逐日阅读趣味文章。