3月的一個工作日，深圳南山區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、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、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鏈的供需格局。換句話說，AI的商業變現，不再靠“讓更多人聊天”，而是靠“讓更少的Agent持續做事”。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、高量的機器自主執行。

數據饑渴：軌跡數據的隱秘戰場

越過現金流，巨頭們力推本地Agent，還有一層更深遠的戰略意圖：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。如果繼續只喂這些靜態文本，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化，廠商才能持續提升代理能力。”

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者社區之一，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。

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產業鏈在全球Token市場中占據越來越重要的位置。