【CNMO科技】2026年，OpenClaw让AI第一次真正具有了“动手能力”——它再也不逗留于对于话层面，而是可以或许自立挪用东西、操作软件、履行使命。这一超过迅速激发技能圈的热议，短短数月间，缭绕OpenClaw的会商从装机教程延长到羁系界限，从运用场景拓展到线路之争，愈来愈多的人最先思索：当AI从“顾问”酿成“员工”，它会带来哪些转变，又会袒露哪些问题？

于这个历程中，几个问题逐渐浮出水面：羁系部分为什么密集提醒危害？用户“装完即吃灰”的困惑从何而来？Perplexity与OpenClaw两条技能线路孰优孰劣？阿里、字节、腾讯、baidu为什么摆出大相径庭的结构姿态？这些问题彼此交叉，配合指向智能体时代最焦点的追问——当技能疾走时，财产、羁系与用户可否同步跟上。

基在此，CNMO推出“潮流退去，谁于‘养虾’？”深度专题，而本文将聚焦的话题是“OpenClaw为何留不住用户”。

近段时间，这款可以或许自立操控电脑的AI智能体，迅速完成为了破圈流传，不仅技能极客于连夜调试，并且还有迎来很多平凡用户的跟风安装。甚至海内年夜厂也插手此中：baidu办起“龙虾墟市”，腾讯也于楼下排起长队，为平凡人现场安装OpenClaw。甚至，市场上还有催生出“上门安装龙虾”的付费办事——一时间，好像人人都想“养”一只属在本身的“数字龙虾”。

然而，热度总有褪去的时辰。当装机潮逐渐平息，一个略显难堪的征象最先浮出水面：那些曾经被热忱安装的OpenClaw，于完成初体验后，悄然进入了“吃灰”状况。

技能还没有彻底成熟

OpenClaw的焦点卖点是“动手能力”——它可以或许像人类同样操作软件、挪用东西。但于现实运用中，这类能力仍处在初期阶段，间隔不变靠得住还有有较着差距。

摩根士丹利于专项行业陈诉中指出，OpenClaw素质上仍处在试验性自立智能体框架阶段，还没有成长成为面向消费者和企业真个成熟运用产物。其焦点能力今朝仍受限在三年夜要害短板：易用性不足、靠得住性问题凸起、安全性危害高。

详细来看，原版OpenClaw部署流程较为繁杂，需利用者手动搭建Skill库、编写配置文件并完成各种API对于接，行业内遍及将其部署体验界说为“高门坎操作”。只管海内企业已经推出“一键部署”封装版本，于必然水平上降低了入门门坎，但于深度定制与繁杂使命处置惩罚场景下，仍对于利用者的专业技能能力有较高要求。这象征着，对于在年夜大都平凡用户而言，仅仅让OpenClaw“跑起来”就已经经是一道门坎。

更要害的是靠得住性问题。AI幻觉、使命履行不不变、自我批改逻辑不完美等问题频发，没法满意用户对于体系不变性的焦点需求。以网页操作为例，当网站呈现弹窗告白、验证码辨认、加载延迟等环境时，OpenClaw往往难以矫捷应答。用户原本指望的是“交给AI就能完成”，现实体验却经常是“需要盯着AI不堕落”。对于在寻求效率的用户而言，与其花时间纠错，不如亲主动手来患上爽性。

利用成本：隐形成本高在预期

OpenClaw以“开源免费”的标签吸引了多量用户，但现实利用中的成本布局远比想象中繁杂。这类成本与预期的落差，成为用户流掉的首要缘故原由。

起首是Token耗损带来的连续性开支。 OpenClaw采用“永动模式”，可以或许7×24小时连续事情，与传统对于话式AI“问了才答、答完竣事”的相应模式有素质区分。这类“长明灯”“常流水”似的算力耗损，使Token成本从相对于可控的“脉冲式支出”，酿成了源源不停的连续性开支。

Token耗损的爆炸式增加有其内涵逻辑。据测算，OpenClaw重度用户日均Token耗损量于3000万至1亿之间。若按国际顶尖模子的利用成本计较，单日用度可达900-3000美元；即便利用性价比更高的国产模子，也要40-140美元/天。比拟之下，传统对于话式AI的定阅费的确眇乎小哉，一个活跃的OpenClaw用户一天的耗损可达其数倍以致数十倍。

其次是硬件配置的隐性门坎。 胡延平指出，Mac mini因适配性强成为养虾“标配”，跟着需求暴增于二手市场溢价30%，更高配置的Mac Studio、DGX Spark也水长船高。为了运行一个免费的开源东西，不吝砸数万元买电脑，成为“养虾圈”的魔幻缩影。

再次是时间与调试成本。 AI破局俱乐部开创人易洋吐露，想要养出贴合自身事情流的专属“龙虾”，单只练习就要一周时间。对于在平凡用户而言，花数百元找人上门安装，成果因找不到利用场景弃用，这份淹没成本成为了最多见的华侈。

用户隐私安全

假如说成本问题是用户“用不起”的障碍，那末安全危害则是用户“不敢用”的底子缘故原由。国度收集与信息安全信息传递中央的传递明确指出，OpenClaw于架构设计、默许配置、缝隙治理、插件生态、举动管控等方面存于较年夜安全危害。

起首是缝隙数目惊人且使用难度低。 传递显示，OpenClaw汗青披露缝隙多达258个，此中近期袒露的82个缝隙中，超危缝隙12个、高危缝隙21个，以号令及代码注入、路径遍历及拜候节制缝隙类型为主，使用难度遍及较低。

其次是默许配置危害极高。 OpenClaw默许绑定0.0.0.0:18789地址并答应所有外部IP地址拜候，长途拜候无需账号认证，API密钥及谈天记载等敏感信息明文存储，公网袒露比例高达85%。

再次是插件生态的“投毒”危害。 国度互联网应急中央正式发布预警，明确指出OpenClaw部门插件存于“投毒”危害。传递显示，针对于ClawHub的3016个技术插件阐发发明，336个插件包罗歹意代码，占比高达10.8%；17.7%的插件会获取不成信第三方内容，2.9%的插件可于运行时从外部端点动态获取履行内容。

此外，于成本及安全问题以外，更深层的障碍于在用户信托的缺掉。当AI从“顾问”酿成“员工”，责任归属问题变患上史无前例的繁杂。中国互联网金融协会针对于金融场景发布危害提醒，指出OpenClaw主动化履行历程可能误操作资金转账及投资产物采办，致使现实丧失。当前人工智能技能尚不具有彻底可注释性，主动化履行金融生意业务后的责任主体难以认定。

结语

OpenClaw的“吃灰”征象，反应的是AI智能体于走向公共运用历程中需要面临的多重实际问题。利用成本太高，让用户于尝鲜后缺少连续投入的动力；隐私安全挂念，让用户于权限转让眼前连结审慎；用户信托还没有成立，从底子上影响了持久利用的可能性。

这些问题并不是OpenClaw独占，而是所有从“信息提供”走向“使命履行”的AI产物都将面对的共性挑战。当AI的脚色从顾问转向员工，人与AI的瓜葛正于被从头界说。这一历程中，用户的接管不会一挥而就，而是需要于一次次靠得住的办事、一次次安全的交互、一次次可预期的体现中，慢慢成立信托。

版权所有，未经许可不患上转载