九卦 | 4個月跑贏30年：OpenClaw登頂GitHub背后的資本棋局

作 者丨 張云迪

來 源 | 九卦金融圈

AI 開源新王誕生！OpenClaw 登頂 GitHub 成歷史第一，4個月跑贏30年！

開源的勝利：從“工具時代”到“代理時代”

OpenClaw 登頂只用了四個月

在科技史的長河中，曾有無數里程碑式的技術更迭。這兩天，OpenClaw 在 GitHub 上的星星數（Star）直接沖破了 25 萬，成為歷史第一。在短短幾個月內，OpenClaw 的開源項目，以令人瞠目結舌的速度，打破了技術界的所有“王座”。它不僅超過了 React——這個統治 Web 開發十年的前端框架，還在 GitHub 上收獲了超過 250K 的 Star，正式超越了曾經不可動搖的 React，成為“最受歡迎的軟件項目”。

這個數據對比之所以震撼，就是因為時間差的沖擊力太強了：React 花了十年爬到山頂，OpenClaw 只用了四個月就站到了它旁邊，而且直接把第二名和第三名——React 和 Linux——甩在了身后。

要知道，GitHub 的 Star 可不是什么刷出來的數據，那是全世界最挑剔的一群技術極客一票一票點出來的。能入他們眼的東西，一定是有真東西的。

OpenClaw 如何打破技術壁壘

工具時代的核心是“讓人更強”，代理時代的核心是“讓人退后”——這才是真正的范式轉移。

OpenClaw 為什么它能超越 React？React 代表了工具時代的巔峰——它是一個讓開發者更高效寫代碼的工具。而 OpenClaw 代表的是代理時代的開端——它是一個讓所有人都能擁有“數字員工”的平臺。前者是讓專業人士做得更好，后者是讓普通人也能做到以前做不到的事。這個區別，決定了 OpenClaw 的想象空間遠遠超過任何一個開發工具。

更重要的是，OpenClaw 的架構設計極其巧妙。它把模型層、執行層、工具層完全解耦。你可以用 OpenAI 的模型，也可以用 MiniMax 的，甚至可以在本地跑一個開源模型；你可以給它裝各種插件，讓它操作不同的軟件；你可以嚴格控制它的權限，只讓它訪問特定的文件夾。這種靈活性，讓它既能成為一個個人助手，也能變成一個企業級的生產力工具。

資本沸騰：8.7萬億Token背后的財富轉移

OpenClaw 的熱度很快從技術圈傳導到了資本市場。最直觀的表現是“概念股”的出現。

夸張的是港股市場。MiniMax 和智譜 AI 這兩家模型廠商的市值雙雙突破 3000 億港元。導火索是 OpenRouter 的周度數據：2 月第三周，全球前十模型的總 Token 消耗約 8.7 萬億，其中中國模型占了 5.3 萬億，比例高達 61%。MiniMax 的 M2.5 以 2.45 萬億位居榜首，Kimi K2.5 和智譜 GLM-5 緊隨其后。這意味著什么？意味著 OpenClaw 這個“海外來的龍蝦”，正在瘋狂投喂中國模型廠商。

月之暗面的故事更有戲劇性。K2.5 模型發布后不到 20 天，其 API 收入就超過了 2025 年全年的總和。海外收入甚至反超國內——因為歐美開發者發現，用 Kimi 跑 OpenClaw 比用 Claude 便宜太多。一個歐洲開發者的賬單顯示：他每天用 Kimi 跑日常任務，開銷約 5 到 10 美元；如果換成 Claude，月消耗會在 800 到 1500 美元之間。性價比，這個中國制造的傳統優勢，在 AI 時代依然鋒利。消息傳開后，月之暗面估值直接翻倍到 100 億美元以上。

但也有人歡喜有人憂。智譜 AI 在 2 月下旬遭遇了一次“幸福的煩惱”：流量暴漲導致算力吃緊，API 服務出現排隊和卡頓，開發者開始在社交媒體上抱怨。2 月 23 日開盤，智譜股價一度下跌 22%，單日蒸發 1000 多億港元。這給所有模型公司上了一課：在 B 端市場，服務的穩定性是底線。一次問題，就可能讓積累的開發者信任付諸東流。

云廠商的搶灘：誰在搭建 Agent 時代的基礎設施

國內云廠商的反應速度快得驚人：OpenClaw 本身不賺錢，但跑 OpenClaw 需要服務器、需要帶寬、需要存儲。

百度智能云是最早行動的一家，他們上線了 OpenClaw 的一鍵部署鏡像，用戶登錄控制臺，點幾下鼠標，幾分鐘就能擁有一個屬于自己的 OpenClaw 實例。這還不算完，他們還把 OpenClaw 接入了自家的文心一言模型，推出了所謂的“文心版 OpenClaw”，號稱能讓 Agent 更懂中文場景。

騰訊走的是另一條路。他們在企業微信里內測了一個叫“WorkBuddy”的東西，底層就是 OpenClaw。你可以直接在企業微信里@它，讓它幫你處理各種工作：拉取昨天的銷售數據、生成周報、安排會議室、給客戶發郵件。

阿里的動作也不慢，直接推出 QoderWork 桌面 Agent，現在有 windindo 和 MAC 版本。可以把 Qoder 理解成從“代碼領域”向“日常辦公”的延伸。它不需要任何配置部署，下載就能用，通過自然語言對話在本地完成各種辦公任務。

它能干什么？實測案例很直觀：

文件整理：面對4000張亂碼命名的圖片，一句話讓它批量重命名、分類歸檔。

PPT 生成：給一堆圖片和數據，讓它做成19頁的“AI 大佬科普 PPT”，自動配圖、配文、排版，最后出來的是雜志級效果。

數據分析：丟一個十萬行的 Excel 過去，讓它分析不同年齡段消費偏好，它直接生成帶圖表的 HTML 報告。

會議紀要：給一個訪談視頻，讓它總結要點并生成待辦事項，帶優先級排序。

QoderWork 還有個很貼心的設計：沙盒環境。所有任務在隔離的虛擬環境里執行，避免像 OpenClaw 那樣出現“AI 失控刪郵件”的翻車事故。它還加了“三層防護”：文件刪除是邏輯刪除（可恢復）、高風險操作會彈窗確認、權限嚴格管控。

為什么云廠商這么積極？因為他們在賭一個未來：如果未來每個企業、每個人都擁有自己的 Agent，那這些 Agent 跑在哪里？大概率是云上。誰掌握了 Agent 的運行環境，誰就掌握了下一代的流量入口。這個邏輯，跟十年前移動互聯網興起時，所有廠商都在搶著做應用商店一模一樣。

“賣鏟子”的商業邏輯

OpenClaw 的開源屬性決定了它本身不是一門生意，但圍繞它正在形成一個巨大的商業生態。這個生態的核心邏輯，就是“賣鏟子”。

最直接的鏟子是云服務。如前所述，百度、騰訊、阿里都在搶著提供 OpenClaw 的一鍵部署服務。

第二層鏟子是插件市場。OpenClaw 的插件生態正在迅速成型：有操作 Excel 的插件、有控制瀏覽器的插件、有接入企業微信的插件、有調用 Photoshop 的插件。目前這些插件大多是免費的，但想象一下未來：如果你是一個 SaaS 廠商，想讓自己的產品能被 OpenClaw 調用，你可能需要開發一個官方插件，然后通過插件市場向用戶收費。OpenClaw 如果抽成 30%，這就是一個巨大的平臺型收入。

第三層鏟子是模型調用。OpenClaw 本身不包含模型，它需要調用外部的模型 API。這就是為什么 MiniMax 和月之暗面會成為這波熱潮的最大受益者——他們的模型是 OpenClaw 的首選。

第四層鏟子是端側硬件。國盛證券的研報指出，OpenClaw 這類 Agent 正在推動算力需求從云端向本地終端延伸。因為很多任務不需要每次都去云端跑——比如打開本地文件、操作本地軟件——在本地處理延遲更低、隱私更好。這意味著類似 Mac mini 這樣的輕量化終端算力載體，可能會成為 AI Agent 落地的核心硬件。

資本市場對這類“端側 AI”概念的追捧，本質上是賭一個未來：Agent 不只是云上的，更是你身邊的。

金融行業的沖擊波：3 萬美元終端的“廢鐵”時刻

如果要找一個最能體現 OpenClaw 價值的行業，那一定是金融業。這個行業的特點很簡單：數據多、流程復雜、人力成本高。過去幾十年，銀行一直在搞數字化轉型，但始終有一個問題沒解決——系統可以匯總數據，但最后還是得靠人盯著屏幕、手動操作。OpenClaw 的出現，正在把這道“最后一公里”的墻徹底推倒。

這里要說說那個廣為流傳的故事：3 萬美元金融終端變“廢鐵”。

故事的主角是一個對沖基金的分析師。他每天的工作之一是盯著彭博終端上的數據，手動整理各種宏觀經濟指標，然后寫晨會簡報。彭博終端的年費是 3 萬美元，但真正干活的是這個分析師。有一天，他試著給 OpenClaw 配了一個插件，讓它每天早上自動登錄彭博終端（通過遠程桌面），抓取指定的數據，然后用 GPT-4 生成一份簡報，最后通過郵件發到團隊郵箱。

結果讓他目瞪口呆。以前他每天花兩個小時干的活，現在 OpenClaw 十分鐘搞定，而且數據分析的邏輯比他更嚴謹，生成的文字也更流暢。他后來在推特上發了一條帖子：“我花了 3 萬美元買了個終端，現在發現真正干活的是我自己的電腦。”這條帖子很快被轉發過萬，那個“3 萬美元變廢鐵”的梗就這么傳開了。

這個故事聽起來像段子，但它揭示了一個深刻的趨勢：在投研領域，OpenClaw 正在成為一種全新的生產力工具。某證券公司的研報詳細介紹了如何用 OpenClaw 搭建一個自動化投研系統：接入金融數據接口、定時拉取數據、執行條件選股、生成技術分析圖表、編寫財報摘要。以前需要分析師團隊幾天完成的工作，現在可以交給 OpenClaw 在夜里自動跑完，第二天早上直接看結果。

但這只是開始。真正的想象力在于反欺詐和風控。傳統的反欺詐系統是基于規則的：比如凌晨三點的境外交易，直接攔截。但這種方法誤傷率很高——萬一用戶真的是在出差呢？OpenClaw 可以做到“行為式風控”：它學習每個用戶的交易習慣，知道你通常幾點在哪消費、喜歡買什么東西、單筆金額大概多少。當一筆交易出現時，它不是在后臺跑一條冷冰冰的規則，而是像你的私人助理一樣問自己：“這像是他會做的事嗎？”如果答案是否定的，它才會觸發攔截。這種“無感防護”的能力，對銀行來說意味著更低的誤傷率、更高的客戶滿意度。

合規也從“抽檢”變成了“全檢”。 以前反洗錢篩查，系統跑出一堆可疑交易，合規人員一個個看，根本看不過來，全是抽檢。現在 OpenClaw 可以每天自動過一遍所有交易，調客戶資料、查資金鏈路、做綜合判斷，最后只把真正有問題的拎出來給人看。效率從“看1%”變成“看100%”，工作量反而降了。

過去三十年間，銀行IT架構的核心范式始終未變：系統承擔計算職能，而人類則扮演執行角色——客戶經理手動錄入客戶資料、信貸專員逐筆審核貸款、運營人員定期編制報表，人工作為"人肉接口"串聯起彼此孤立的業務系統。

然而，隨著智能體（Agent）技術的成熟，這一格局將被徹底重構。銀行IT架構將在現有技術棧之上，構建一個全新的核心層級：智能體執行層（Agentic Execution Layer）。

該層級向下深度集成核心銀行系統，向上無縫觸達客戶與員工，在中間環節自主完成復雜任務的端到端執行。系統由此從靜態的數據存儲庫，進化為智能體的動態運行環境。未來銀行業的競爭維度將顯著擴展：除傳統的資金實力、分銷網絡、客戶基礎外，數字勞動力的密度與效能將成為關鍵差異化要素。大型金融機構或將部署數千個智能體，全面承接高頻運營作業與深度分析任務。銀行的運營模式亦將隨之躍遷，從僵化的流程編排轉向敏捷的目標達成。

有大行的科技負責人透露說，他們正在實驗用 OpenClaw 搭一個“數字分行長”，自動監控網點指標、發現問題派單、解決不了就升級。他說：“要是跑通了，我們就在每個網點都養一個數字副行長。”

這就是 OpenClaw 給金融業帶來的真正沖擊：它不是在優化流程，而是在重新定義“人”和“系統”的關系。以前是人操作系統，以后是 Agent 協助人、甚至代理人的一部分工作。對銀行來說，現在要想的不是“會不會被取代”，而是“如果每個員工都能配一個數字員工，我的業務該怎么設計”。這個問題想得越早，未來就越主動。

當然，金融行業對安全的敏感度決定了 OpenClaw 的落地不會一帆風順。一個能直接操作系統的 Agent，如果權限控制不當，或者被黑客攻破，后果不堪設想。目前的主流做法是“隔離環境”：給 OpenClaw 分配一個虛擬機或者容器，讓它只能訪問經過授權的數據源，所有操作都要被審計。這雖然犧牲了一部分靈活性，但換來了合規性。對于金融機構來說，這是唯一可以接受的平衡點。

結語：重新定價一切的 OpenClaw

OpenClaw 正在重新定價所有 AI 創業賽道。過去兩年，行業共識是“模型即一切”，而現在 OpenClaw 打破了這種敘事——模型只是一個可替換的零件，真正的價值在“執行中樞 + 工具生態 + 權限系統”這個層面。

這也意味著，圍繞 OpenClaw 正在形成全新的創業賽道：安全免疫系統（保護 Agent 不被黑）、AI NAS（給 Agent 用的私有存儲）、獨立 Agent Memory（讓 Agent 記住你的習慣）、Agent 信用系統（評估哪個 Agent 更靠譜）、Agent 求職市場（企業發布任務，Agent 搶單）……把 Agent 當作“人”來看待，思考如何讓這個“人”變得更強，正在成為新的創業風口。

獵豹移動 CEO 傅盛最近的分享很有意思。他給 OpenClaw 發了 22 萬字的材料，每天要花 100 多美元。他說，“龍蝦”越用越會干活，錯誤變成經驗，經驗變成技能。每踩一次坑，就寫成一條 Skills 文檔，下次自動執行。他甚至打通了 OpenClaw 和飛書，搭建了參謀、筆桿子、運營官等多個 Agent。傅盛強調，相較于“用”，他更喜歡“養龍蝦”這個詞。

回到資本市場，OpenClaw 帶來的啟示很明確：未來 AI 公司的競爭，將從模型參數的比拼，轉向 Agent 適配性、商業化效率的比拼。

OpenClaw 的意義不在于它能火多久，而在于它讓所有人看清了一個事實——AI 的下一站，是代理。誰能在代理時代卡住身位，誰就是下一個十年的贏家。