缘起

最近一直在捣鼓openclaw。它刚出的时候我就关注到了，但当时简单评估了一下，它能做的事情我用claude code都可以100%覆盖，并且因为有更好的模型（opus 4.5/4.6），claude code都能做得更好，就没太在意。

没想到的是，这两天公司内部、行业里的其他公司，甚至一些完全没有技术背景的朋友都在聊这个事。我觉得必须看看怎么回事，就又深入捣鼓了一下。现在我有2个小龙虾，一个运行在家里的macmini上，一个运行在公司的macbook开发机上。家里的稍微有点用，公司的完全没用，除了在群里制造幽默回复。

从生产力的角度来说，openclaw仍然没能分担我任何需求，AI工具的使用主力仍然是claude code、codex、trae。不过openclaw让我产生了不少对AI当前进展的思考，在这里记录一下。在scaling law推动的指数发展浪潮中，记录此时此刻的心情和预测，我想就相当于刻舟求剑，恐怕很快就会过期。

openclaw是什么

openclaw的核心体验由两部分组成：本地AI框架和LLM接入。

LLM接入比较简单，相当于你自己去选LLM服务商。这是一个很好的设计——在可预见的将来，云端顶级大模型的能力会持续比本地模型强得多，同时服务商数量很多，用户总能选到对自己来说能力和价格都最合适的。

至于本地AI框架，意思是openclaw部署在属于你自己的环境里（本地或云端），能自由地加载skills、读取/写入本地数据、利用设备上已有的能力，比如定时任务等。

模型能力是关键

openclaw的能力上限取决于接入的大模型。很多人觉得「部署了openclaw后不知道干什么」或者「感觉能力一般」，我认为核心原因是接入的模型能力还不够好。

我个人的体感是，用上opus 4.6和gpt-5.4后，在编程、数据处理、个人项目乃至和AI对话方面，能力都有了显著飞跃。实测下来，国产模型相比之下还落后2-3个版本迭代。

当绝大多数人的openclaw都能接入到opus 4.6、gpt-5.4水平的大模型后，openclaw的火热程度还是能续一大波的。

插一句，为什么看起来没有什么理论突破，opus和gpt的能力却有如此显著的提升？我个人认为是GB200系列大规模上架，应用在训练和推理领域所带来的。

至于token成本，我的判断很简单：在scaling law的推动下，同等水平智能对应的token价格会以指数级速度下降，成本不是一个需要担心的问题。

也就是说，模型能力和token成本的问题都会随时间推移很快消除。当然，届时也一定会出现更好用、更贵的模型，但opus 4.6和gpt-5.4水平的模型一旦足够便宜、足够易用，就足够处理绝大多数用户的日常需求了。

稀缺的将是数据和经验

那么接下来，真正稀缺的将是用户积累的数据和经验——结合自己工作流程、个性偏好的skills，甚至用户"养"出来的agent的性格，这些对用户来说会非常重要。

我预测未来会出现一种面向agent的业务：提供「闭源」的数据或Skills，将宝贵的数据和技能以收费且不公开内容的方式提供服务。而Agent的支付、身份认证，以及这种闭源服务该如何实现，目前都还是infra层缺失的部分。

个人数据的归属

对于用户自己来说，openclaw所创造的个人数据非常重要。这些数据的重要程度，我认为会超过以往PC或手机用户在设备上创造的数据，也许会跟手机相册中照片的重要性处于同一水平，甚至更重要。

将来应该会有一种服务，为大多数非程序员用户托管agent的记忆和数据，包括各种可能被agent消费的数据，例如录音、日记、智能眼镜的录像、体检报告、DNA测序报告，等等。

都说用户从微信切换走的成本在于已搭建的社交网络。我的预测是，未来这些个人数据和AI的交互记录，理想情况下应该跟着人走。但如果这部分数据跟着厂商走，那用户切换AI的成本不会比切换微信更低。

比如一个场景：一家公司做AI伴侣，以后的AI伴侣肯定不止文字聊天这么简单，会有音频、视频甚至VR、AR方面的大量数据。《银翼杀手2049》《HER》里的剧情，我认为10年内都会超越电影中的想象。

关于CPU成本

还有一个有意思的点：CPU是当前最不稀缺、甚至有点溢出的资源。不管是用户在老旧设备或macmini上部署，还是大厂提供打包好的云服务器，CPU资源都很充裕，搞openclaw的CPU成本非常低。当下最高的成本还是大模型的推理成本，而这个成本又能被LLM服务商很好地承担。

openclaw是一个中间形态

openclaw，我想会是一个中间形态。它对于大多数人真实存在的AI需求来说还是太复杂了，部署太复杂，概念太复杂。

AI时代有个很爽的点：以往我思考一个需求时，会直觉性地去考虑实现方式、工程架构，但现在AI如此强大，我发现可以尽情思考需求本身——人类对产品功能的需求、情感的需求、对娱乐的需求。对于一般性质的、不那么长尾和独特的需求，AI往往都能给出很好的实现方式。

理想情况下，我认为人们普遍需要的产品是这样的：不需要自行部署；内置的大模型足够好用；token并非免费，但价格合理，就像水电费一样，是人们默认合理的生活开支；和AI产生的数据、记忆、经验都掌握在用户手里，用户愿意的话可以带着这些数据去另一家服务商。

这个AI产品应该能广泛接入用户的各类数据。它相当于一个站在你身旁的人，你能看到的、听到的、说的、写的，都能喂给AI（当然是在你愿意的情况下）。除了当下数据的广度，它还能读取到足够深度的数据，比如你历史上和AI的沟通记录、历次体检报告等等。

有人说，把这么多数据都交给AI真的有必要吗？我想，当人们体验过把这些数据交给AI处理后所收获的价值，这不会是一个难以选择的问题。就像今天人们都去医院体检，而不是为了防止把体检内容泄露给医院，自己买一堆设备回家操作。

对于这个未来图景，瓶颈并不在于模型能力。我想opus 4.6这样的模型，对地球上绝大多数人来说，其实已经和AGI没什么区别了。但今天的技术还没办法解决长期记忆的问题——当你和AI沟通的内容越来越多，甚至包含大量音频、视频，动辄几个TB的数据，我们还需要更好的技术，比如长期记忆的压缩，模型通过持续学习动态修改自己的参数。

闲聊

我最近经常在想，AI能为人类做这么多事情。不严谨地说，它已经完美替代了我以往8年作为程序员的"编程"部分的工作，只不过现在我还得操作AI而已。

但那些人生中更加重大的"需求"，AI在何种程度上能帮到我？比如闲暇的时光、内心的幸福、探索欲和好奇心的满足、玩到梦想中的游戏、和繁茂的大自然相处……这些AI都帮不到我，还差得远。

从这个角度讲，这些需求的满足还需要我自己去做些什么，或者做些什么去满足他人的需求。我觉得未来会是一个富足的时代——原本只能梦想的需求，在AI的助力下，不论是自己使用AI帮助自己，还是使用AI去满足他人的需求，都变成了实际得多的、可以追逐的目标。

有一次和朋友吃饭，有人问我AI取代程序员，你慌不慌？总体来说我只觉得幸福。从2024年开始，我自己捣鼓的小项目少说也有二三十个了，虽然发布出来的不多，但对于我这样发自内心喜欢构建事物的人来说，这毫无疑问是一个幸福的时代。

我肉眼可以期待的是，将来自己作为人类的诸多梦想中的需求都将得到满足，力所能及的情况下，我也能利用专业技能和热情去帮助他人满足他们的需求。这当然是个富足的时代。从宏大的时间尺度来看，如果让我评价什么是好的时代、坏的时代，我的标尺很简单：是否对全体人类来说，尽可能多的人都尽可能多地感到幸福。我认为这就是好的时代。我真心希望机器人领域也能快点赶上，诞生opus 4.6、gpt-5.4这样水平的硬件产品。

另外，想要享受这样富足的时代，有些东西确实是AI帮不上太多忙的。一个是身体的健康——毕竟得先活得足够久。还有就是健康的身体和大脑所能支撑的欲望：创造的欲望、好奇心的欲望，一切超越DNA给你指定的欲望之外的额外欲望。这些东西，也许以后的AI能更多地帮到人类，但至少在今天，暂时还得多靠自己。

2026年03月14日