程子芮：“小龙虾”爆火背后的AI进化论

文｜程子芮

近日，深圳腾讯大厦楼下出现了一道独特的风景：近千人排队等候，只为让工程师为自己的伺服器免费安装一款开源软件。这股热潮甚至催生了明码标价的“上门安装”服务，价格从300元到1000元不等。这款引爆科技圈的“小龙虾”（OpenClaw），其走红绝非一场简单的技术狂欢。它如同一块醒目的路标，指向了人工智慧领域一个更为深层的本质变化：AI正从只能“动口”的“知识型”顾问，向能够“动手”的“行动型”操盘手全速进化。

回顾过去两年，大模型在企业落地的核心路径是RAG（检索增强生成）。其逻辑是通过连接内部知识库，让AI能够基于真实资料生成回答，解决“AI知道什么”的问题。从制度问答到客服FAQ，RAG有效地将大模型塑造成了一个“无所不知”的超级智库。然而，企业很快发现，大量的业务需求并非“求知”，而是“办事”——比如查询订单状态、修改客户地址、发起退款流程等。这些操作存在于ERP、CRM等企业系统中，而非静止的知识库里。AI尽管博学，却因无法触碰系统而显得“眼高手低”。

真正的转折始于2024年Anthropic发布的MCP（模型上下文协议）。该协议旨在标准化AI模型连接外部系统的能力，为模型装上了可以调用工具、执行命令的“手”。但MCP解决了“连接”问题，却尚未解决“能力如何组织”的问题。OpenClaw的出现，恰逢其时地填补了这一空白。它提出的“技能库”（Skills）体系，本质上是将企业系统中的操作能力封装成标准化的、可复用的模组。当模型接收到一个复杂需求（如“分析近期市场舆情并生成报告”），它不再仅仅是检索资料，而是通过推理，自主规划步骤，依次调用“数据抓取”、“数据分析”、“图表生成”、“文档撰写”等一系列技能，最终交付一个完整的成果。这便是“小龙虾”的真正价值：它通过工程化手段，将“理解需求－规划步骤－调用能力－执行任务”的闭环变为现实，让AI第一次具备了深度参与并执行业务流程的能力。正如东吴证券在其研报中所言，OpenClaw正实现从“问答工具”到“可落地执行的干活助手”的本质蜕变。

这一趋势在产业界激起的涟漪，远比一次开源项目的走红更为深远。据悉，在金融投研圈，方正、广发、中信、东吴、国金等八家券商金融工程团队集中发布专题研报，手把手教从业者用OpenClaw搭建“AI投研助理”。其应用场景已从概念走向实战：自动化抓取公告并汇总关键资讯、根据指令完成条件选股、甚至复现复杂研报的量化策略。原本需要分析师耗费数小时乃至数天的重复性工作，如今只需在聊天框里向“数字员工”发一句语音指令。

在企业级市场，中关村科金已率先完成OpenClaw的企业级部署，将其融入得助智能工作应用平台，让AI在严格的安全许可权管控下，深入企业知识体系与业务系统，真正实现从“回答问题”到“完成任务”的跃升。这种变化甚至开始影响全球产业链的协同逻辑。西门子、马士基等行业巨头，正尝试将智能体嵌入生产调度、供应链优化和港口运营等复杂场景，AI代理正在成为重构全球产业链的“隐形推手”。

当AI开始“干活”，其消耗的资源也从“对话Token”升级为“任务Token”。一次复杂任务的执行可能消耗数十万甚至数百万Token，这直接催生了海量的算力需求。国内外云厂商近期相继提价，从侧面印证了下游算力需求的旺盛。与此同时，一种名为OPC（一人公司）的新型创业模式正悄然兴起——在AI协同下，由个人独立完成研发、生产、运营等全链路工作。面对这一趋势，深圳市龙岗区率先出手，于3月7日发布了被网友称为“龙虾十条”的扶持政策，从免费算力、数据开放、技能开发补贴到人才落户，为智能体开发者和“超级个体”提供了近乎“零成本启动”的全方位支持。

这一系列连锁反应共同指向一个判断：企业软件架构的底层逻辑正在被重写。微软在开发者大会上提出的“智能体为中心的计算模式”正在成为现实——AI成为新的交互入口，而传统的软件系统则退居幕后，演变为能力的提供者。Skills是能力层，MCP是连接层，AI则成为流程的编排层。

当然，这一变革仍处于早期。券商研报在欢呼之余，也无一例外地提示风险：赋予操作系统许可权的AI，可能带来数据泄露的风险；大模型固有的“幻觉”问题，在涉及真金白银的金融决策时仍需人类严格把关。但无论如何，OpenClaw的走红已经清晰地表明：RAG解决的是“AI知道什么”，而Skills解决的是“AI能做什么”。当AI既能理解问题，又能调用系统能力去执行任务时，大模型才真正叩开了企业核心业务的大门。这或许正是“小龙虾”热潮背后，最值得我们关注的行业变局。

（作者系锦鲤国际控股集团联席主席、香港大学荣誉研究员）