最近，如果你在科技园区看到有人抱着电脑排长队，或者听到“养虾了吗”这样的问候，不必感到奇怪。这只“虾”正是开源AI智能体——Open-Claw。

　　从北京百度科技园的“龙虾市集”到深圳腾讯大厦的免费安装点，从社交平台刷屏的“养龙虾”攻略到GitHub星标数突破27万、超越Linux登顶全球开源项目榜首，“龙虾热”早已火出极客圈层，走入“寻常百姓家”。

　　但很快安全风险预警、第一批“养虾人”已经花钱请人卸载了的消息让这股热潮迅速退去。

　　喧嚣背后，一个更深刻的产业命题正在浮出水面：当全民“养虾”的热情逐渐消散，AI智能体的产业价值究竟该如何落地？

　　从“争着用”到“想用不敢用”

　　“龙虾”经历潮涨潮落

　　开源AI智能体OpenClaw的爆火并非偶然，而是2026年政策、技术与市场三重力量共振的结果，其退潮则是技术成熟度与产业需求适配度的必然检验。

　　政策红利为热潮注入强劲动力。2026年1月，工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》，明确提出到2027年推出1000个高水平工业智能体的核心目标。紧接着在3月的全国两会上，政府工作报告首次提出“打造智能经济新形态”，明确提出“促进新一代智能终端和智能体加快推广”。“龙虾热”按下“加速键”。

　　技术突破是关键一跃。百度智能云AI与大模型平台总经理忻舟表示，OpenClaw在产品理念上实现了重大创新——通过开放的Skill（技能模块）机制、本地记忆管理以及极低的安装成本，让AI从“能说会道”走向“能动手干活”。普通用户也能轻松拥有可处理日常事务的“数字员工”，这一突破降低了AI应用的技术门槛。

　　“OpenClaw之所以爆火，是因为其支持在个人笔记本电脑、私人服务器等本地设备上运行，让用户觉得自己不是租了一个AI助手，而是真的在‘养’一个自己的专属AI。”DCCI互联网研究院院长刘兴亮表示。

　　市场需求形成内在牵引。数据显示，OpenClaw重度用户日均Token消耗量达3000万至1亿，这种巨大的算力消耗，恰好为手握海量算力资源的云厂商提供了变现路径。小度科技首席架构师、技术委员会主席黄荣升坦言，10天“烧掉”10亿Token的现象在以往对话模型中不可想象，而这也直接激活了整个算力产业链。

　　然而，随着“龙虾”爬进千家万户，其背后的隐患迅速凸显，直接引发“卸载潮”。

　　首先是安全风险。OpenClaw为了执行任务，必须获取极高的系统权限，这使其成为攻击者的绝佳目标。近期，工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）监测发现，OpenClaw开源AI智能体部分实例在默认或不当配置情况下存在较高安全风险，极易引发网络攻击、信息泄露等安全问题，建议相关单位和用户在部署和应用OpenClaw时，充分核查公网暴露情况、权限配置及凭证管理情况。奇安信发布的报告显示，全球已有超过2万个OpenClaw实例存在漏洞，且每天新增的技能模块高达2.1万个，其中不乏恶意插件。百度安全副总经理冯景辉坦言，在百度内部使用这款产品时都非常谨慎，因为它目前“不太具备企业级的能力”。这种“想用不敢用”的困境，成为政企市场推广的最大障碍。

　　其次是居高不下的“养虾”成本。“买得起虾，买不起饲料”成为许多尝鲜者的共同感受。由于OpenClaw采用“规划—执行—观察”的循环模式，单次任务往往需要多次调用大模型，导致上下文长度很长，Token消耗量巨大。据用户实测，中度使用者每月费用轻松过百元，重度玩家甚至需要“砸进”成千上万元。这种“烧钱”模式，让普通用户在新鲜感过后不得不重新审视性价比。

　　最后是落地效果的“买家秀”困境。尽管演示视频令人惊艳，但现实中很多用户发现，要让“龙虾”精准理解复杂指令、稳定完成任务，仍需相当高的调试能力。对于大多数非技术背景的用户而言，“一键部署”之后，往往得到的是一只“待驯化的小虾”，而非即插即用的“超级员工”。这样的“落差”，加速“养虾”热潮退去。

　　跨越“专业鸿沟”的奇点

　　推动AI智能体和制造业“双向奔赴”

　　2026年政府工作报告多次提及人工智能，工业和信息化部部长李乐成在十四届全国人大四次会议首场“部长通道”上表示，工业和信息化部将按照要求，大力推动人工智能和制造业“双向奔赴”。这一导向，恰恰指明了AI智能体的产业落地方向——制造业，既是AI技术实现价值的核心场景，也是制造业数智化转型的迫切需求。

　　“过去AI与工业制造之间存在巨大的鸿沟，AI厂商不懂工业机理，工程师不懂AI算法。”忻舟认为，但现在，大模型技术已跨越“专业鸿沟”的奇点，变得高度易用。这意味着，工业一线的工程师无须成为AI专家，只需用自然语言将业务逻辑、评价标准描述清楚，大模型就能直接理解并执行。

　　当前，AI与制造业融合的堵点不再是技术成熟度，而是如何将工业界沉淀的隐性知识转化为大模型能懂的“结构化知识”。这要求云厂商提供易用的基础设施和安全架构，而企业则需要输出核心的业务know-how（专业知识）。

　　AI智能体在工业场景的真正价值不是取代人，而是将人从烦琐、重复的低维劳动中解放出来，去专注于创新与决策。忻舟介绍，以阿尔特汽车为例，其与百度伐谋合作开发的风阻预测系统，将传统的基于仿真软件求解微分方程的方式，转变为基于海量工程数据训练的AI预测。结果令人振奋：单次气动验证时间从10小时缩短至1分钟，且预测误差控制在5％以内，实现了“边设计、边验证、边优化”；国家电网与百度智能云合作10年，在输电巡检场景中，通过部署设备专业智能体，形成了“边端小模型实时初判+云端大模型深度复核”的协同架构，巡检时间减少了50％以上，且AI能通过人机交互持续学习进化。

　　IDC发布的2025年中国工业企业调研显示，已应用大模型及智能体的企业比例，从2024年的9.6％快速提升至2025年的47.5％。其中，在研发、制造、供应链等多个环节同时应用的企业比例也从1.7％跃升至35％。这意味着，工业大模型及智能体的应用已告别“点状试点”阶段，迈入跨环节协同应用的新阶段，AI与制造业正在加速“双向奔赴”。

　　从“情绪驱动”到“价值驱动”

　　AI产业落地要立足实际需求

　　“龙虾热”的降温并非AI智能体技术的失败，而是产业发展从“情绪驱动”向“价值驱动”的理性回归。忻舟认为，OpenClaw带来的最大变量，是让企业里最了解业务的人能够以较低的门槛使用AI技术，将自己的经验转化为可复用的数字能力，而这正是AI与制造业融合的关键。

　　这场热潮也给行业带来深刻启示：AI技术的产业落地，不能依赖流量炒作，而是要立足实际需求。对科技企业而言，在推广AI智能体时，既要展现技术优势，更要正视安全风险、成本控制等现实问题，加强安全架构完善和成本优化，避免“重噱头、轻落地”；对制造企业而言，应摒弃“技术崇拜”，结合自身生产场景，精准对接AI技术，推动隐性知识显性化，实现AI与业务的深度融合；对监管部门而言，需加快完善相关安全规范，引导行业有序发展，为AI智能体的产业应用筑牢安全防线。

　　“龙虾热”终将降温，但它引发的产业变革才刚刚开始。当潮水退去，留下的不应是一地卸载的“虾壳”，而应是AI与制造业深度融合的新范式。推动AI智能体“下厂”，实现云厂商、制造企业的“双向奔赴”，让懂业务的人用好AI，让AI真正为制造业降本增效、赋能升级，才是AI智能体产业发展的正确路径，也是“养虾”热潮背后，行业应看清的发展本质。