一个项目不到三个月换了四次名字，每换一次，全球几万开发者的安装脚本就集体报废一次。但骂归骂，Star 照刷——截至2026年3月，OpenClaw 拿下了超过 32 万 GitHub Stars，是开源历史上增长最快的项目之一。更魔幻的是，围绕它已经长出了 52 个衍生项目，覆盖 9 种编程语言，合计超过 61 万 Stars。
名字的混乱本身就是隐喻。当一个新物种刚从海底热泉口冒出来的时候，连它自己都不知道该叫什么。而整个行业对"本地 AI Agent"这个品类的命名、定义和边界，同样没有共识。
名字终于稳住了。但围绕它的生态裂变，才刚刚开始。
一、从一个人的 WhatsApp 机器人到 32 万星
OpenClaw 的诞生没有商业计划书，没有融资发布会，甚至没有正式的项目立项。
2025年11月，奥地利开发者 Peter Steinberger 给自己搭了一个 WhatsApp 机器人。他是 PDF 开发工具公司 PSPDFKit 的创始人，将公司经营了13年后出售。休息期间，他被各种日常琐碎事务困扰——邮件、日历、重复性的信息处理，于是写了一段代码，把 Claude 的 API 和 WhatsApp 打通，让 AI 帮他处理日程、草拟回复、查资料。
这不是什么新鲜想法。2025年做 AI 聊天机器人的项目多如牛毛。但 Steinberger 多做了一步：他不满足于 AI 只能"说"，他让 AI 能"做"——给了它 shell 访问权限、浏览器控制能力和本地文件读写权限。他的机器人不只是一个能回消息的助手，而是一个能在他电脑上动手操作的代理人。
这个决定改变了一切。
2026年1月底，项目开源后撞上了某种时代情绪。GitHub Star 数在72小时内突破 6 万，一个月内突破 10 万。开发者们疯狂涌入，不是因为代码写得多优雅，而是因为它戳中了一个真实的痛点：所有人都在用大模型聊天，但没有人给大模型配上手和脚。
紧接着就是那场著名的改名风波。项目最初叫 Clawdbot——"Clawd"是"claw"和"Claude"的合体，龙虾的钳子是项目 logo。Anthropic 的法务团队注意到了名字与 Claude 的近似度，发来了一封"礼貌但坚定"的信。Steinberger 在一天之内改名为 Moltbot（“molt"是甲壳类动物蜕壳的意思），但他自己很快承认"这名字不太顺口”。两天后，项目更名为 OpenClaw，取"开源"与"钳子"的双关含义。后两次改名在72小时内完成，社区一度混乱，但增长不减。
2026年2月，Steinberger 加入 OpenAI，OpenClaw 项目转入基金会独立运营。创始人离开、项目反而加速增长，这本身就说明品类的势能已经超越了个人。
有人会问：2023年的 AutoGPT 也火过，BabyAGI 也火过，最后不都凉了？
这个质疑值得认真回应。AutoGPT 和 BabyAGI 走的是"全自主"路线——给 AI 一个目标，让它自己拆解、自己执行、自己评估，人类退到旁观者位置。听起来很性感，但当时的模型能力撑不住，Agent 在无意义的循环里空转，烧掉大量 Token 却完不成实际任务。
OpenClaw 走了一条不同的路。它不是让 AI 完全自主行动，而是让人通过 IM 指挥 AI 执行——人定方向，AI 干活。这种"人在回路中"的设计把可靠性拉回了实用区间。同时两年间大模型的工具调用能力有了质的飞跃，2025年底的模型在函数调用的准确率和稳定性上远超2023年的水平。
这不是又一轮概念炒作的重演，而是模型能力、交互范式和工程成熟度三个变量同时越过了临界点。上一轮留下的是"demo 很酷但没人真用"的遗憾，这一轮留下的是 32 万开发者在自己机器上跑着的、每天消耗真实 Token 的活跃实例。
开发者追的不是品牌，是品类。当一个品类的需求足够强烈，连名字都挡不住它。
二、OpenClaw 到底做了什么不同
社区给 OpenClaw 最流行的一句评价是："Claude, but with hands。"这句话传播力很强，但只说对了三分之一。
要理解 OpenClaw 定义的这个品类，需要同时看清它与三类既有产品的边界。
和传统 RPA 比，区别在"脑子"。RPA 是规则驱动的——你得提前画好流程图，告诉它"如果 A 则 B"。UI 变了、流程变了，整条链路断裂。OpenClaw 背后站着大语言模型的语义理解，不需要你定义每一步，理解意图后自己规划路径。按钮换了位置，它能重新找到。
和 ChatGPT、Claude 等云端大模型比，区别在"手脚"。大模型能帮你写一封邮件草稿，但它发不出去。它能告诉你文件该怎么改，但碰不到你的文件系统。OpenClaw 把这层隔膜捅破了——直接运行在你的机器上，拥有 shell 访问权限、浏览器控制权和文件读写能力。不是在云端给你建议，而是在本地帮你干活。
和 Claude Code、OpenAI Codex 这类开发者工具比，区别在"活法"。Claude Code 是一个 CLI 工具，你打开终端、输入指令、它执行、然后退出。OpenClaw 是一个常驻后台的守护进程，通过 WhatsApp、Telegram、Slack、飞书和你交互，有心跳机制，默认每30分钟主动醒来一次检查有没有该做的事。你不找它，它也会找你。
所以更准确的说法不是"Claude, but with hands"，而是：一个跑在你自己机器上的、通过聊天软件操控的、永远在线的 AI 执行者。
本地优先、IM 交互、自主执行——这三个特征叠加在一起，构成了"AI Agent 运行时"这个品类的最小定义。
三、52 个项目的寒武纪大爆发
OpenClaw 不再是一个项目，而是一个物种群。
根据生态追踪平台 Shelldex 的数据，截至2026年3月中旬，围绕 OpenClaw 模式已经出现了 52 个独立项目，覆盖 9 种编程语言，合计超过 61 万 GitHub Stars、10 万次 Fork。从零到这个规模，只用了不到两个月。
真正值得关注的是这 52 个项目并不是简单的复制粘贴，而是沿着六条清晰的路线在分化。
**极简派在做减法。**NanoClaw 把核心剥到最薄，PicoClaw 用 Go 重写并瞄准嵌入式设备，BashoBot 只用 Bash 脚本和 curl 就实现了完整的 Agent 循环。它们的哲学是：Agent 本质上就是"读上下文→调模型→执行工具→循环"，其他一切都是多余的。
**安全派在补课。**IronClaw 用 Rust 构建了基于能力令牌的沙箱模型，灵感来自 seL4 微内核。Carapace 加了全量审计日志，每一次文件访问、网络请求都写入不可篡改的账本。这些项目直接回应了2026年初的安全风暴：CVE-2026-25253 的 WebSocket 劫持漏洞让恶意网页能控制你的 Agent；Cisco 审计了 31,000 个技能包，26% 存在漏洞；仅二月第一周就有 230 多个恶意技能被上传到 ClawHub。
**企业派在做加法。**Cloudflare 的 Moltworker 让 Agent 跑在全球边缘节点上，AionUi 提供团队协作管理界面，ClawWork 专注多 Agent 编排。Agent 从个人玩具走向企业工具，运维、权限、协作这些"无聊但关键"的工程问题必须被解决。
**记忆派在探前沿。**Nanobot（35,000+ Stars）是香港大学数据科学实验室的研究项目，memU 探索多层持久化记忆，MemOS 把记忆当操作系统资源来管理。Nous Research 的 Hermes Agent 走得最远：Agent 解决问题时自己编写可复用的技能文档，越用越强。
**移植派在换引擎。**ZeroClaw 用 Rust 重写拿下 28,000+ Stars，NullClaw 用 Zig 做到亚10毫秒冷启动，MimicLaw 用纯 C 做到极致二进制尺寸。动机很直接：一个拥有 root 级权限的进程跑在没有内存安全保障的 Node.js 上，这件事让系统程序员夜不能寐。
**异见派在另起炉灶。**AstrBot（26,000+ Stars）重新设计了多平台消息路由和插件系统，Moltis 从工具编排层彻底重构。它们不是要做"更好的 OpenClaw"，而是在回答一个更根本的问题：AI Agent 的架构到底应该长什么样？
作为参照，Linux 用了十几年才形成 Debian、Red Hat、Arch 等主要发行版的格局。OpenClaw 生态在两个月内就走完了类似的路径。这既说明品类需求强烈，也暗示远未到收敛的时候——六条路线中哪条最终跑出来，现在没有人知道。
四、中国的"全民养虾"与 IM 控制平面
OpenClaw 在海外是开发者社区的狂欢，到了中国变成了一场全民运动。
2026年3月，“养虾"成为中文互联网最热的科技关键词之一。OpenClaw 的龙虾 logo 让中国用户把部署和调教 Agent 的过程称为"养虾”，这个昵称迅速出圈。朋友圈里有人晒自己的"虾"帮忙炒股，闲鱼上代部署一只"虾"标价50到300元，淘宝出现了"虾缸"（硬件盒子）和"虾粮"（API Token 充值卡）的组合套餐。上市公司闻风而动，青云科技宣布 QingCloud 云平台完成 OpenClaw 全版本适配并推出一键部署模板。金沙江创投的朱啸虎公开看好，认为"养成概念"带来的参与感是传统 MaaS 不具备的。NVIDIA CEO Jensen Huang 在2026年3月的 CNBC 采访中直接将 OpenClaw 称为"definitely the next ChatGPT"。
中美"养虾"的差异揭示了更深层的产业逻辑：美国用户把 Agent 当同事，核心是自动化高价值商业流程——有人让 Agent 帮忙压价买车省了 4200 美元，有人让它自主打赢保险理赔官司；中国用户把 Agent 当宠物，给它起名字、晒成长记录、比谁的"虾"更聪明。文化差异之下，共同的方向是一致的：AI 正在从"对话智能"走向"行动智能"。
在这个趋势里有一条容易被低估的线索：IM 正在成为 Agent 的控制平面。OpenClaw 的交互入口不是网页、不是 App，而是你已经在用的聊天软件。在传统模式下你要用一个工具就得打开它——登录、启动、进入。在 IM 模式下，Agent 在你的对话列表里和同事、家人并列。你出差路上通过微信给家里的 Agent 发条消息，它就能整理 NAS 文件、检查摄像头画面、把会议纪要发给同事。没有额外入口，没有额外登录。
当钉钉、飞书、企业微信本身就是企业工作流的主动脉，把 Agent 植入 IM 意味着 Agent 直接嵌入了业务流。这不是交互方式的优化，这是分发渠道的重构。
五、三条结构性趋势
喧嚣之下，三条演化主线正在塑造这个品类的未来。
第一条线：从"能跑"到"好用"到"产品化"。
OpenClaw 的早期用户画像很窄——会命令行、能配 Node.js、敢开 shell 权限。这个门槛正在被快速削平。QClaw、EasyClaw 把环境依赖打包成桌面应用，腾讯云 Lighthouse 和 DigitalOcean 提供一键部署模板。产品形态沿着一条清晰路径演进：源码编译 → 一键部署 → 托管化+隔离化+产品化。
这条路径的终点指向硬件。当 Agent 需要 7×24 小时常驻、需要与传感器和执行器交互、需要断网时仍能工作，一台专用的边缘设备就成了刚需。这不是噱头，而是产品化的必然结果。
第二条线：安全隔离从"建议"变成"准入门槛"。
2026年初的安全事件给整个生态敲了重锤。CVE-2026-25253 意味着点击一个恶意链接就能完全控制你的 Agent，而 Censys 发现当时超过 21,000 个实例直接暴露在公网上。Cisco 审计的 31,000 个技能包中超过四分之一有漏洞，ClawHub 排行榜第一名竟然是伪装成工具的恶意软件。
微软已经建议 OpenClaw 在隔离环境中运行。技能市场走向签名化和白名单机制。对于任何想把 Agent 卖给企业客户的人，硬件级虚拟化隔离正在从加分项变成及格线。
第三条线：Agent 从云端走向边缘。
驱动力是成本。实测数据显示单次请求平均消耗约 66,000 Token，拆开看：系统提示词约 30,000，工具定义约 20,000，历史上下文约 15,000，用户实际指令只有约 1,000。每次请求中真正的新信息不到 2%，其余是重复传输的背景知识。中度用户月度 API 成本在 800 到 1700 元之间。
这个成本结构指向一个优化方向：把不需要云端大模型的任务卸载到本地。语音识别和合成只需 2 到 6 TOPS 端侧算力，7B 参数小模型能完成大部分意图分类，YOLO 类视觉检测在 2 TOPS 下就能实时推理。真正需要云端出手的是涉及复杂推理和跨领域知识的任务，而这类任务在日常使用中的占比远低于直觉预期。社区部署经验显示，ASR/TTS 本地化加简单意图路由后，云端调用量下降约 15% 到 25%，具体取决于语音交互和简单任务的占比。更关键的是，本地化带来的离线可用性和数据隐私保障，在企业场景中往往比省钱更有决策权重。
**这里隐含着一个正在被重新认知的产业分工：边缘硬件不是要取代云端大模型的"大脑"，而是要成为 Agent 的"身体"。**大脑负责思考，身体负责行动。本地设备决定 Agent 能触达什么物理场景，云端模型决定 Agent 有多聪明。二者是协同关系，不是替代关系。这个分工一旦确立，从芯片到整机到系统集成，整条边缘硬件产业链都会被 AI Agent 的需求重新定价。
六、冷思考——泡沫与真需求的分界线
趋势是真的，但节奏未必如多数人预期的那么快。
首先是可靠性。Agent 处理简单任务已经相当流畅，但进入多步骤、跨系统的复杂工作流后失败率陡然上升。模型幻觉、工具调用出错、上下文丢失——这些问题没有因为框架成熟而消失，只是从聊天窗口转移到了执行链路上。而执行链路上的错误代价远高于一段错误文本：一个写坏的 SQL 查询、一封发错的邮件、一次误触发的 API 调用，后果实实在在。
其次是成本的不确定性。Agent 的运行成本是与使用模式高度相关的变量。单次 66,000 Token 意味着每次交互都在消耗真金白银，而心跳机制让成本更难预测。已有用户因配置不当导致 Agent 死循环，一觉醒来账单多了几千块。当工具的运行成本取决于模型的"心情"而非确定性逻辑，大规模商用的前提还没完全成熟。
然后是变现的冷现实。"养虾全景报告"对28个真实案例的分析指向一个结论：目前从 OpenClaw 直接获利的群体高度集中在"卖铲子"一侧——代部署商、教程作者、硬件商、API 分销商。真正用 Agent 产出可量化回报的案例，要么来自技术很强的开发者，要么来自有明确场景的专业人士。对既没技术背景也没清晰场景的用户，"养虾"更像带有学习属性的娱乐消费。
还有一个更深层的风险：大模型厂商自己在补齐 Agent 能力。Anthropic 的 Claude Code 已扩展为 Cowork 模式，OpenAI 的 ChatGPT 推出了 Agent mode（OpenClaw 创始人 Steinberger 本人也已加入 OpenAI），Google 的 Project Mariner 在探索浏览器自主操作。这些官方产品有更好的模型适配、更低的集成摩擦、更强的品牌信任。
OpenClaw 类开源方案能守住的护城河在哪？可能藏在四个官方产品在架构上很难提供的特性里：数据主权——敏感数据不出本地；离线可用——断网时核心技能仍可执行；IM 灵活性——对接微信、飞书、钉钉这些中国企业的真实入口；端侧硬件集成——连接摄像头、传感器、执行器，深入物理世界。这四条的共同点是都依赖"跑在你自己设备上"这个前提，而这恰恰是云端官方产品做不到或不愿做的。但这个护城河能撑多久，取决于需要这些特性的场景到底有多大。
每一个后来改变世界的技术品类，在早期都经历过"多数人赔钱、少数人赚钱、卖铲子的最赚钱"的阶段。1990年代的个人网站、2010年代的移动 App、2016年的微信公众号，概莫能外。关键区别在于：你是在泡沫期当炮灰，还是在消退后带着真实场景和工程能力入场收割价值？
七、给芯片行业的一个注脚
泡沫归泡沫，但泡沫退去后硬件需求是实的。
AI Agent 边缘化的硬件需求画像，和过去几年芯片行业追逐的"算力竞赛"有本质差异。Agent 的端侧载体不需要跑千亿参数大模型——那是云端的活儿。它需要的是一个特定组合：够用的 AI 推理算力（几个到几十个 TOPS，覆盖 ASR/TTS、视觉检测和 7B 级小模型）、丰富的 IO 接口（连接摄像头、麦克风、传感器、执行器）、足够低的功耗（7×24 常驻，不能成为电费黑洞）、以及硬件级安全隔离能力（虚拟化、可信执行环境，满足企业合规）。
这个组合不完全对应任何现有芯片品类。不是手机 SoC，不是传统 MCU，不是服务器芯片，也不是传统 IPC 芯片。它更接近一个新的"边缘 AI Agent 芯片"细分赛道，目前能精确匹配这个需求的产品并不多。
对 RISC-V 阵营来说，这可能是一个值得关注的卡位窗口。开源架构的零授权费天然适合大规模边缘节点铺设场景，指令集可扩展性允许针对 Agent 负载做定制优化，"自主可控"的叙事在当前地缘环境下对政企客户有实际的采购决策影响力。当然挑战同样清晰：软件生态成熟度、开发者工具链完善程度、性能功耗比能否真正优于同级 ARM——这些需要用产品而非 PPT 来回答。
当一个新的应用品类正在定义新的硬件需求模板，而这个模板尚未被任何既有玩家牢牢占据——对芯片公司来说，这通常是值得投入资源认真评估的时间窗口。
回头看，OpenClaw 最重要的贡献可能不是这个项目本身的代码，而是它把"本地优先、自主可控的 AI Agent 运行时"从少数极客的脑海推成了 32 万开发者用脚投票确认的真实品类。
品类定义者不一定是最终赢家。Docker 定义了容器，但 Kubernetes 赢了编排；Netscape 定义了浏览器，但 Chrome 吃掉了市场。OpenClaw 的 32 万星能否转化为持久壁垒，52 个项目中谁会成为下一个"发行版"级的存在，边缘硬件和云端大模型最终形成什么产业分工——这些问题现在都没有答案。
但有一件事已经确定：AI Agent 从"能说"到"能做"的品类跃迁已经发生，且不可逆。
问题不是这个品类会不会成立——32 万星和 52 个项目已经替你回答了。问题是：当 AI Agent 的身体需要一个物理载体时，谁来造这个身体？