桌面 Agent 下賣鏟子的人

文：王智遠(yuǎn) | ID:Z201440

OpenClaw 火了十來(lái)天。

短短十天里，AI 圈吵翻了天。有人說(shuō)它是「桌面 Agent 的 ChatGPT 時(shí)刻」，有人說(shuō)它只是極客玩具，還有人盯著 Token 賬單直呼燒不起。

這場(chǎng)景，讓我瞬間想起「AI Skills」爆火時(shí)，我當(dāng)時(shí)還跟身邊的朋友說(shuō)過(guò)，很多東西真沒(méi)必要死磕，看個(gè)熱鬧、了解是究竟怎么回事就行。

為啥呢？因?yàn)槟壳笆忻嫔辖^大多數(shù)的 AI 產(chǎn)物，本質(zhì)是「過(guò)渡形態(tài)」。不信，我們先看看，這玩意兒到底是什么物種？

01

先把話說(shuō)透：OpenClaw 是一個(gè)能本地運(yùn)行、自帶自主執(zhí)行邏輯、可以深度操控你電腦系統(tǒng)、文件的開(kāi)源桌面智能體（Agent）。

正因?yàn)樗_(kāi)源、還能一鍵部署，普通人也能上手試試，這才讓它十天就炸了 AI 圈。

看，這就懵了吧，每個(gè)詞都認(rèn)識(shí)，放一起，就亂了。別急，想象一下，你家以前有電視、空調(diào)、音響，每個(gè)電器都有一個(gè)專門的遙控器。

想看電視就得拿電視遙控器，想開(kāi)空調(diào)又得換一個(gè)，廠家們?yōu)榱俗屇愣喑騼裳鬯麄兊倪b控器，把按鈕做得五顏六色，還貼滿了亂七八糟的廣告。

到最后，家里桌子上全是破遙控器，煩都煩死了，咋辦？

這時(shí)候有人站出來(lái)，做了一個(gè) Agent，就是 OpenClaw。它像一個(gè)「萬(wàn)能語(yǔ)音遙控器」，你只要跟它說(shuō)一句話，它就自動(dòng)去幫你按那些繁瑣的按鈕，不用你自己動(dòng)手。

所以，它和我們?nèi)粘Ｓ玫亩拱⑽男摹hatGPT 完全不是一個(gè)東西。

別人只在對(duì)話框里待著，它能鉆進(jìn)你的系統(tǒng)、讀寫(xiě)文件、發(fā)郵件、寫(xiě)代碼、跑腳本、模擬鼠標(biāo)鍵盤，像一個(gè) 24 小時(shí)待命的數(shù)字員工。

簡(jiǎn)單講，它是AI 的「手」和「腳」；它沒(méi)有「大腦」，得靠調(diào)用 MiniMax、Claude 這些大模型做推理，它只負(fù)責(zé)把模型的想法，真正落地到電腦操作里的執(zhí)行層。

02

聊到這兒，估計(jì)不少人跟我一樣心想：OpenClaw 是獨(dú)立開(kāi)發(fā)者做的開(kāi)源工具，自己沒(méi)「大腦」，還燒錢、還要手搓、還有安全隱患，那大廠為啥要費(fèi)這么大勁，趕在這 10 天里扎堆跟進(jìn)？

答案很簡(jiǎn)單，OpenClaw 無(wú)意間捅破了一層窗戶紙

大廠們怕別人先搶走「AI 操控電腦」的核心入口，更怕自己在馬上要到來(lái)的桌面 Agent 時(shí)代，被甩在后面，甚至徹底丟了桌面端的話語(yǔ)權(quán)。

要知道，大廠從來(lái)都不打沒(méi)準(zhǔn)備的仗，更不會(huì)瞎跟風(fēng)，這次之所以打破常規(guī)，急急忙忙下場(chǎng)，背后藏著的是 AI 行業(yè)最核心的競(jìng)爭(zhēng)邏輯。

啥邏輯啊？三個(gè)詞：時(shí)間、權(quán)限、生態(tài)。這三個(gè)詞串起來(lái)的每一步，都透著緊迫感，甚至能決定未來(lái) AI 行業(yè)的競(jìng)爭(zhēng)格局。

為啥這么講？

先說(shuō)說(shuō)時(shí)間的事兒，互聯(lián)網(wǎng)競(jìng)爭(zhēng)有個(gè)冷知識(shí)，搶功能不如搶用戶心智，搶心智不如搶用戶習(xí)慣。大廠們集體「急了」，因?yàn)樗麄儼l(fā)現(xiàn)，OpenClaw 正在定義一種特別嚇人的用戶習(xí)慣：「跳過(guò)App」。

以前我們要打車、比價(jià)、寫(xiě)文檔，得在幾個(gè) App 之間反復(fù)橫跳，大廠靠著這些精美的 UI 界面攔住你的視線，順便塞給你廣告和會(huì)員。

現(xiàn)在這東西一出來(lái)，只要說(shuō)句話，它在后臺(tái)把所有活兒都干了，大廠心里跟明鏡似的，這種「需求已經(jīng)被驗(yàn)證」的窗口期，慢一步，就可能被競(jìng)爭(zhēng)對(duì)手搶了先手。

而且，第一批種子用戶雖說(shuō)只是一時(shí)跟風(fēng)，但他們是「第一批被教育的用戶」，誰(shuí)先讓他們用自己的云服務(wù)器、自己的部署方案，誰(shuí)就能先在他們心里種下「AI操控電腦，找我就對(duì)了」的印象。

后續(xù)不管用戶留存，教育市場(chǎng)、還是引導(dǎo)他們用更高級(jí)的算力、更貴的模型 API，都是水到渠成的事。

接著，就是搶權(quán)限問(wèn)題了。OpenClaw 再火，也是「外來(lái)戶」，它沒(méi)有電腦系統(tǒng)的核心權(quán)限，所有操作本質(zhì)上都是 騙電腦，這戳到了大廠的痛處。

你琢磨琢磨，阿里、騰訊為啥急著上云服務(wù)器模板？因?yàn)樗麄円柚赴踩箲]」，把權(quán)限攥回自己手里。

你不敢在本地跑 OpenClaw，怕它誤刪文件、跑路，那我就給你提供一個(gè)云端的「數(shù)字沙盒」，你在我這兒跑，我既能幫你把 Agent 隔離開(kāi)，保證安全，還能順便攥住 Agent 操控電腦的最高解釋權(quán)。

所以，他們心里門清，桌面 Agent 的終局，是「誰(shuí)的權(quán)限更高」，權(quán)限決定了產(chǎn)品的上限，決定誰(shuí)能真正把「AI 操控電腦」做到極致。

說(shuō)到這兒，就在周六（2月7號(hào)），豆包也推出了瀏覽器和桌面助手的分開(kāi)版本。為啥這么急？因?yàn)樗蚕脍s緊動(dòng)手，把手里的「權(quán)限」，快速變成面向普通用戶的產(chǎn)品優(yōu)勢(shì)。

至于最后，就是為搶生態(tài)了。咱們都知道，大廠做產(chǎn)品要長(zhǎng)期的生態(tài)閉環(huán)，讓用戶從頭到尾，都離不開(kāi)自己的產(chǎn)品體系。

OpenClaw 爆火之后，大廠敏銳地發(fā)現(xiàn)，這是個(gè)搭生態(tài)的好機(jī)會(huì)，借著熱度，快速再把自己的算力、模型、系統(tǒng)、硬件串起來(lái)，形成一個(gè)「Agent生態(tài)閉環(huán)」。

誰(shuí)能做到這一點(diǎn)，誰(shuí)就能在未來(lái)的Agent時(shí)代占據(jù)絕對(duì)主導(dǎo)地位；要慢一步，生態(tài)被其他大廠搶了，自己再想擠進(jìn)去，就得付出幾倍甚至幾十倍的代價(jià)。

所以，搶權(quán)限，為了筑牢長(zhǎng)期的產(chǎn)品壁壘；搶生態(tài)，是為了掌控未來(lái)的行業(yè)格局。

03

如果說(shuō)戰(zhàn)略宏圖是大廠布的一盤大棋，那對(duì)咱們普通用戶來(lái)說(shuō)，最核心的疑問(wèn)就一個(gè)：

到底有沒(méi)有這個(gè)需求？它到底解決實(shí)際痛點(diǎn)的真命題，還是只為緩解大家「不折騰就落后」的焦慮？

在我看來(lái)，它是一種過(guò)渡型需求，短期靠嘗鮮撐熱度，中期是規(guī)模化落地的必經(jīng)之路，長(zhǎng)期形態(tài)會(huì)慢慢消失，但背后的核心需求，會(huì)一直都在。

為啥呢？咱們分階段看。

從最直觀的短期來(lái)看，這一波 OpenClaw 帶火的「一鍵部署」，本質(zhì)是流量需求，不是真使用需求。

你仔細(xì)想想，跟著教程一鍵部署的人，大多都抱著「我也擁有賈維斯了」的好奇心，裝完截張圖、發(fā)個(gè)朋友圈，之后就再也沒(méi)打開(kāi)過(guò)。

因?yàn)椴渴鹜辏闊┎耪嬲_(kāi)始。

Token 消耗得飛快，半小時(shí)就能燒掉上百萬(wàn)，普通用戶根本扛不住；再加上高權(quán)限帶來(lái)的安全顧慮，生怕它誤刪重要文件、泄露聊天記錄，沒(méi)人敢真拿它處理正經(jīng)工作。

更關(guān)鍵的是，大多數(shù)人根本沒(méi)那么多「需要 AI 自動(dòng)完成的繁瑣任務(wù)」。平時(shí)無(wú)非發(fā)個(gè)郵件、整理個(gè)文件，自己動(dòng)手幾分鐘就搞定，犯不著折騰 Agent，更沒(méi)必要為了這幾分鐘，承擔(dān) Token 成本和安全風(fēng)險(xiǎn)。

所以，短期來(lái)看，一鍵部署根本沒(méi)解決用戶的真實(shí)痛點(diǎn)。

它讓不懂代碼、不懂模型的普通人，也能跟風(fēng)蹭一波 AI 熱度，可熱度一退，沒(méi)有真實(shí)使用場(chǎng)景撐著，自然就被丟在一邊。

放到中期來(lái)看，情況就完全不一樣了。

未來(lái)一兩年，「一鍵部署」會(huì)從「流量需求」變成真正的剛需，甚至是桌面 Agent 走出極客圈、走向普通用戶和企業(yè)的必經(jīng)之路。

畢竟桌面 Agent 本身門檻太高，企業(yè)想用 Agent 自動(dòng)處理報(bào)表、批量發(fā)郵件，總不能每個(gè)團(tuán)隊(duì)都配個(gè)技術(shù)人員專門部署吧？

普通人想讓 Agent 幫忙取消郵件訂閱、整理行程，也不可能先花好幾天學(xué)代碼、學(xué)配置吧？

這時(shí)候，「一鍵部署」就成了降門檻的關(guān)鍵。

阿里云、騰訊云、百度智能云推出的一鍵部署模板，都在為中期規(guī)模化鋪路，先讓用戶「用起來(lái)」，再慢慢引導(dǎo)他們「用下去」。

再看長(zhǎng)期，三年以上，一鍵部署這種形態(tài)會(huì)慢慢消失，但它背后「低門檻使用 Agent」的核心需求，會(huì)一直存在；因?yàn)榇髲S們會(huì)把 Agent 直接原生集成到系統(tǒng)里，開(kāi)機(jī)就能用，根本不用用戶手動(dòng)部署。

比如：

蘋果的 Apple Intelligence、微軟的 Copilot、華為鴻蒙的原生智能，未來(lái)都會(huì)直接內(nèi)置在系統(tǒng)里，你打開(kāi)電腦，直接跟 AI 說(shuō)「幫我做什么」，它就能直接干活。

云廠商也會(huì)把 Agent 集成到云桌面里，用戶登錄就能直接用。到那時(shí)，「一鍵部署」也就沒(méi)必要存在了，它只是用來(lái)填補(bǔ)「系統(tǒng)原生 Agent 還沒(méi)上線」的空白期。

所以，咱們要分清，形態(tài)消失不代表低門檻使用 Agent的需求消失了；恰恰相反，需求只會(huì)越來(lái)越規(guī)模化、越來(lái)越剛性。

未來(lái)，AI 操控電腦會(huì)像現(xiàn)在用 Wi-Fi、藍(lán)牙一樣普遍，每個(gè)人都需要一個(gè)不用折騰、開(kāi)箱即用的 Agent，這么一想，所有事兒就都通透了。

04

既然大家都看準(zhǔn)了未來(lái)AI 操控電腦標(biāo)準(zhǔn)配置，那這場(chǎng)桌面agent的收編、或者叫競(jìng)爭(zhēng)賽，誰(shuí)才是掌握大權(quán)的「最高法院呢？

現(xiàn)在的 OpenClaw，本質(zhì)是對(duì)系統(tǒng)搞「暴力破解」。它的做法，就像家里來(lái)了個(gè)幫廚，不認(rèn)識(shí)廚房的開(kāi)關(guān)，只能拿著說(shuō)明書(shū)一點(diǎn)點(diǎn)瞎試。

這種「非侵入式」的接管，說(shuō)難聽(tīng)點(diǎn)是一種低效的補(bǔ)丁。

真正的「最高法院」是掌握了系統(tǒng)底層的「房東」，比如：蘋果、微軟、或者國(guó)內(nèi)的華為、小米。

這些玩家手里攥著「系統(tǒng)內(nèi)核」和「原生 API」，他們做的原生 Agent，壓根不需要截屏，直接在系統(tǒng)底層發(fā)指令就行，就跟你腦子里一想「握拳」，手立刻就動(dòng)了，不用先睜眼看手在哪兒。

這種「原生權(quán)限」帶來(lái)的響應(yīng)速度、隱私安全和低功耗，是任何第三方補(bǔ)丁都跨不過(guò)去的鴻溝。

但這里有個(gè)關(guān)鍵變數(shù)：握得住「軀殼」的人，不一定能搞定「靈魂」。你看，手機(jī)廠、系統(tǒng)廠雖是房東，握著系統(tǒng)鑰匙，但未必是最頂尖的「大廚」。

大模型的訓(xùn)練、推理調(diào)度，還有復(fù)雜邏輯理解，都是極燒錢、極吃人才的硬本事；不是說(shuō)你掌控了系統(tǒng)內(nèi)核，就能做出 Claude、MiniMax 那樣聰明的「大腦」。

所以，模型廠商的機(jī)會(huì)就在這兒。

系統(tǒng)廠的「原生 Agent」腦子不夠靈光，最后大概率還得放低身段，去擁抱頭部模型廠；這個(gè)趨勢(shì)已經(jīng)很明顯了：系統(tǒng)廠出「權(quán)限」和「骨架」，模型廠提供「智力」與「靈魂」，這是互補(bǔ)式的收編。

還有一種更具想象力的野心：如果房東不給鑰匙，那大廚就自己蓋房子。

就像現(xiàn)在的豆包，一連串動(dòng)作都在釋放一個(gè)信號(hào)：

現(xiàn)有手機(jī)、電腦系統(tǒng)給的權(quán)限不夠用，那干脆做一款 AI 時(shí)代的「原生硬件」？直接把模型、硬件、系統(tǒng)全鏈路鎖死。這種「自帶靈魂的軀殼」，才有可能把 Agent 的體驗(yàn)拉到天花板，成為終極形態(tài)。

所以，要么系統(tǒng)廠收編模型，要么模型廠重塑硬件。在這個(gè)各顯神通的時(shí)代，誰(shuí)才是悶聲發(fā)大財(cái)?shù)摹纲u鏟人」呢？

這波浪潮里，最先嘗到甜頭的是像 MiniMax 這樣的玩家。

為啥 OpenClaw 的作者專門點(diǎn)名 M2.1 模型？因?yàn)樵?Agent 圈子里，辦事得經(jīng)歷無(wú)數(shù)次自我糾錯(cuò)、指令循環(huán)，這對(duì)模型的邏輯穩(wěn)定性要求，已經(jīng)到了變態(tài)的地步。

MiniMax 聰明地方在于，專注卷「指令跟隨」，這十天里，只要你跑 OpenClaw，你的 API 賬單，大概率就交到它手里了。

昆侖萬(wàn)維前兩天，剛發(fā)布了天工 Skywork 桌面版。

它號(hào)稱「Windows 版的 Claude Cowork」，這種思路是典型的「中國(guó)式賣鏟子」；我不光賣你大腦，還把「辦公室環(huán)境」都給你搭好了，讓你能直接雇一個(gè)「AI 員工」處理本地文件，還不用擔(dān)心安全。

還有智譜 AI，他們的 AutoGLM 走另一種「動(dòng)作模型」原生化的路子，他們想把「看屏幕、點(diǎn)圖標(biāo)」的能力直接練進(jìn)模型里。

不過(guò)說(shuō)白了，打法都差不多，先讓模型跑起來(lái)，用云 + 端兜底，快速讓普通人能用得上。

國(guó)外就不一樣了，老外的思路完全是另一種畫(huà)風(fēng)。

Anthropic推出的「Computer Use」，典型的「標(biāo)準(zhǔn)定義者」邏輯，它想定義一套讓 AI 操控電腦的底層協(xié)議，相當(dāng)于告訴全世界：以后 AI 調(diào)動(dòng)鼠標(biāo)鍵盤，就得按我這套規(guī)矩來(lái)。

這就好比當(dāng)年定義 Wi-Fi 標(biāo)準(zhǔn)一樣，它想在動(dòng)作層收稅。

而 OpenAI 的「Operator」和 Google 的 Jarvis，走入口收割的路子；OpenAI 追求「托管式的簡(jiǎn)單」，它想做 Agent 界的「應(yīng)用商店」；而 Google 則把 Jarvis 直接揉進(jìn) Chrome 生態(tài)。

這兒就有個(gè)很明顯的對(duì)比：

國(guó)外大廠忙著「造地基、定標(biāo)準(zhǔn)」，走的是科研驅(qū)動(dòng)、想從根上重構(gòu)電腦邏輯的路線；國(guó)內(nèi)大廠則忙著「搞基建、推落地」，走的是場(chǎng)景驅(qū)動(dòng)、快速響應(yīng)普通用戶需求的路線。

除了賣模型的、做應(yīng)用的，最穩(wěn)的還要數(shù)「數(shù)字房東」，云廠商。

只要你的 Agent 還在后臺(tái)瘋狂燒 Token 進(jìn)行自我對(duì)話，你的云費(fèi)和流量費(fèi)就一分都少不了，所以，云廠商這次也會(huì)贏麻了。

說(shuō)白了，這一場(chǎng)桌面 Agent 的狂歡，本質(zhì)是互聯(lián)網(wǎng)從「流量經(jīng)濟(jì)」向「任務(wù)經(jīng)濟(jì)」的一次大轉(zhuǎn)型。沒(méi)有誰(shuí)高誰(shuí)低，關(guān)鍵就看誰(shuí)能抓住信息差，搶占先機(jī)。