大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



GPT plus 代充 只需 145

最近紧张备课，没有空写。今天简单说两句，反正课上也要讲。我会从Open Claw如何影响“智能飞轮-智能组织-智能生态”三个层次展开，这是课程框架。

1）Open Claw对智能生态的意义

Open Claw为需求侧智能体普及创造条件，成为26年作为智能体互联网元年的标志性事件。在我的论述中，需求侧智能体几乎是智能体互联网的定义性特征。需求侧智能体是有明确定义的，它不仅是一个产品，更是一种商业模式和产业定位，背后是一系列战略选择。去年底热炒的豆包手机具备了PA功能，但并未满足需求侧智能体的定义（见下面朋友圈）。

这是理解Open Claw特质的一个角度。

具体来说，尽管Open Claw和豆包手机都是具有系统底层权限（必然引起安全关切）、常驻硬件的编排工具，它们的区别在于Open Claw是一个开源产品、把控制权完全让渡给用户。对于安全关切问题，这是一个权责利对等的免责安排——用户如果希望自由，那就承担风险；

反之，一个以广告为商业模式的大厂以闭源方式提供的产品无法自证清白——为什么你可以侵入我的设备呢，我确实希望你执行一些任务，但我怎么知道你是否只是执行了这些任务呢？小米发布了MiClaw，有更精细的安全认证策略。看起来会好一些，因为小米的盈利模式是硬件（小米的互联网服务默默赚大钱），但这个矛盾解决得并不彻底。

Open Claw还代表着需求侧智能体的另一重大特征：开放生态。这和开源有细微的区别。DeepSeek是开源，Open Claw也是开源，前者是孤胆英雄般的精英开源，后者是蚂蚁雄兵般的草根开源。Open Claw开源的不是一个产品，而是一个生态，包括增长迅猛的Skills。

用户的控制权很大程度体现在选择的自由。用户在淘宝、Appstore也有选择的自由，不是吗？区别在于，在这些平台上，你的自由被限制在通过平台审核的选项中，而Open Claw的社区没有审核（但声誉机制仍然存在）。

2）Open Claw对智能组织的影响

在一个一线AI从业者的群里，张斌说：OpenClaw 验证了一个事情，就是 AI 通过阅读产品说明书来使用软件，已经很在行了，这就意味着普通人日常中很多工作可以在新的层次上被自动化，典型就是文案工作，营销工作，电商工作等。

这句话澄清了最近关于软件和AI的关系的争论。Open Claw不会替代软件（好比Skills不能替代MCP），但会替代组织人使用软件的方式。这其实也是我对需求侧智能体的刻画——AI代替用户与互联网和软件进行交互。只不过，这里的context变成了组织。

为何智能体2025年全年的进展，要等到Open Claw出世才让从业者确信AI是真能干活的呢？Manus难道不早就OK了吗？BTW，Open Claw借鉴了Manus的一些成功之处：通过IM软件对AI发指令的功能，Manus早就实现了。

于是，与Manus（以及企业级智能体）对比，为理解Open Claw的特质提供了另一视角：让智能体常驻硬件让它具备了“AI同事”的合法性。从感性的角度，具身vs不具身的心理效果是不一样的，因为给了它一个物理边界（想象下工位）。想着那个角落的一台电脑里有一个龙虾在忘我工作，你会有小小的偷懒得逞的感觉。

理解硬件的重要性，可能需要拉回到去年年初关于“模型吞噬一切”的讨论。这个讨论到现在答案是不是清晰了？智能的来源绝不仅仅只有模型，而Open Claw的蚂蚁雄兵以Skills共享的智能能够被模型吞噬吗？好吧，我并不想再次炫耀，只是想引用当时辩论中我对于Tesla FSD的理解。一些人用自动驾驶来表达AI（大模型）能够胜任足够复杂的任务，我说：

如果把Tesla FSD视为智能体，其特殊性在于：当FSD分析环境输入并给出反馈建议时，其执行（比如转弯、降速、刹车）无需从环境中调用工具——所有工具都固化在车身中…Tesla 受益于一个事实：99.99%的路况，能够通过灵活调用一个封闭工具集妥善应对。

把一台联网电脑的全部权限赋予Open Claw，就出现了类似的效果：既然这台电脑上有你平时赖以完成工作的所有数据、权限和软件，那么Open Claw能够用它们来完成你过去的90%的工作就不甚奇怪了，并且可能效率有几百倍的提升。为你的电脑增加一个软件肯定比为你的Tesla增加一个车轮容易。

我对常驻硬件的强调可能不被所有人认同，因为现在出现了各种运作在云端的Claws。见仁见智吧。个人认为，真正渴望Open Claw生产力的用户不会吝啬本地部署的一次性（硬件+学习）成本。

3）Open Claw对智能飞轮的影响

当然，如果贵司愿意提供集中的服务器来运作Open Claw，你没必要坚持非要自己花钱买独立硬件：）实际上，我想强调的正是：企业级的Open Claw几乎必然需要集中化硬件来支持，对应地，企业大脑类项目可能第一次变得有现实意义起来。

所谓智能飞轮，是指大小模型、数据&知识与智能体三者构成的正循环系统。这是智能组织的最小特征单元。它可能运作在单流程层面、单部门层面，但正是这样的一个个小飞轮在组织层面汇聚，推动企业核心能力的AI化。

在飞轮三角中，模型是现有Open Claw讨论较少涉及的点。Will有一个很好的观点，认为Open Claw代表着产品层与模型层解耦以及模型商品化的趋势。这在产业级语境是对的，但企业级语境不一定：作为公有资产的Skills不可能为企业贡献竞争优势（只可能贡献效率和竞争均势），企业终究需要通过智能飞轮把独特的组织知识迭代沉淀进私有的知识图谱或者模型参数里去。

朋友发给我一个场景：

你与用户在腾讯会议沟通，沟通记录直接导出给 openClaw，他会结合你的知识库与你沟通用户需求，产出业务需求，再自己唤起 Coding Agent 将上述知识作为提示词给到后者。这个流程的自动化跑通后，理想情况是：你与用户开完会，然后去健身房练2个小时。练完后飞书收到消息：有一个 PR 待 Review、已通过所有 lint、单元测试、e2e测试、已产生 N 条 Review 意见。你只需输入「同意」，这个新需求就合并了～

在这个员工的Open Claw里存在一个小的智能飞轮：这个claw越用越懂主人的偏好和工作性质。某种程度上这个过程是模型无关的，仅仅是数据/知识/记忆扩充的结果。尤其是，该Claw的技能可以来自于外部可信来源的Skills，如果考虑类似于EvolMap这种能力进化机制就更棒了——这个飞轮受益于群体智能。

但是，当此类场景在员工里面广泛铺开，它们需要在公司层面得到统一管理的需求会变得迫切起来。首先，公司会希望它的员工们自己写的以及Claws在实际任务中成功使用的skills文件在公司内部得到传递。几乎没有比这个更容易见效的知识管理策略了；其次，如果所有员工的Claw执行过程都在同一平台上，公司级平台就可以进行进一步分析并从中提炼**实践或组织知识。当流程执行者是人时，这一点是很难做到的；最后，如例子所述，Claw工作所依赖的数据是需要上传的。海量的这些数据都是来自业务一线的脉搏，从中提炼知识图谱或者训练企业级大模型几乎顺理成章。

去年讲智能飞轮时，我还建议这个飞轮只能在较低层面启动。现在，Open Claw的出现可能会让企业级智能飞轮的构建变得立刻可行起来。我给朋友讲了讲，他说安全等等还有很多问题。我说，要是完全没问题了，客户要你们干嘛的呢？

总之，很高兴看到OpenClaw和去年年初的Deepseek一样，出圈成为全民热点。它值得。它代表着智能平权从模型层向编排层甚至群体智能的渗透。本文借助我的3I战略框架进行了简要分析，供参考。