深瞳工作室出品
科技日报记者 崔爽 策划 刘恕 李坤
你“养虾”了吗？
近期，一款开源智能体项目OpenClaw迅速走红。因图标为红色龙虾，它在国内被戏称为“龙虾”。与传统对话式AI应用不同，它的定位是“真正干活、持续运行的个人助手”。
从技术社区到企业内部，从开发人员到普通用户，越来越多人开始“养虾”：它可以写代码、整理资料、定时汇报，甚至在你不在线时自动完成任务，俨然一位24小时待命的“数字助手”。
社交平台上，有人分享“让智能体替自己上班”的经验，也有人展示如何通过简单配置，让系统自动生成报告、发送邮件。
“龙虾”热潮的背后，以OpenClaw 为代表的智能体，正推动人工智能从“对话工具”向“执行主体”转变。“我们正处于智能体技术从‘演示可行’到‘大规模部署’的关键转折期。”中国人民大学高瓴人工智能学院准聘副教授林衍凯给出判断。
但与此同时，问题也浮出水面。国家知识产权局4月1日发布风险提示称，使用智能体撰写专利申请文件可能诱发多重风险。伴随一系列安全预警，人们不再只关心它“会不会出错”，而开始追问它“有没有失控”“是否值得信任”。
技术的兴奋与安全的焦虑，在同一时间被放大。OpenClaw到底是什么？它为什么在此刻爆发？我们是否已经准备好应对随之而来的风险？
AI从“回答者”变身“行动者”
“上周末去崇礼滑雪，在缆车上我发现还有一些工作没完成，随即在手机上通过飞书给‘龙虾’派任务。经过几轮对话，它用我本人的口吻风格，自动生成文件发给同事，给我的反馈基本达到要求。”字节跳动飞书研发工程师杨溢哲聊起“养虾”经历。
OpenClaw爆火的密码，就藏在这个简单的场景里——它能“自动”处理工作。
过去几年，大模型的发展更多停留在这样一个阶段：通过海量数据训练，使AI具备接近人类的通识理解能力，从而回答问题、生成内容。
而OpenClaw让AI跨过这条边界。它不只是调用模型生成答案，而是将这些能力嵌入一个可以持续运行的系统中，使AI能够理解任务、拆解步骤并自主执行。在清华大学计算机系教授、面壁智能联合创始人兼首席科学家刘知远看来，它更接近一种新的基础设施——一个围绕智能体运行的“操作系统”。
这也意味着，AI第一次以“行动者”身份进入现实环境。从这个层面上说，OpenClaw具有非常重要的技术示范意义。
从结构上看，它由三层构成：底层是模型能力的抽象封装，中间是负责规划与决策的Agent（智能体），上层是具体执行操作的Skill（功能插件）。
不过，值得注意的是，受访专家普遍认为，OpenClaw的爆发并非源自底层算法的突破。林衍凯表示，无论是语言理解还是代码生成，其核心仍然依赖于现有大模型体系。真正的变化发生在工程层面，即如何把原本分散的能力整合为一个可用、可扩展、可持续运行的系统。
这种变化不易察觉，却极具“杀伤力”，因为它直接降低了使用门槛。过去需要团队开发的复杂系统，如今个人开发者也可以快速搭建。
OpenClaw之所以火爆，正是技术成熟和需求叠加的结果。
一方面，大模型在工具调用与任务执行方面已经跨过“可用”门槛，不再停留在演示阶段；另一方面，围绕AI的工具链逐步成熟，使复杂能力可以像搭积木一样被组合调用。
与此同时，用户认知也在发生变化。人们不再满足于尝鲜对话，而是开始把AI视为工作“搭子”。
更重要的是智能体有了“记忆能力”，给用户带来类似养成的体验——通过对短期信息与长期知识的管理，智能体能够在多轮任务中保持连续性，并逐步形成“经验”，互动时间越长，它的表现越“贴心”。
这些因素叠加在一起，使OpenClaw呈现出一种不同于传统AI产品的形态。这种因技术进步解放双手的体验，已经渗入很多人工作生活的日常。
高权限带来高风险
虽然是“外来物种”，但OpenClaw进入中国后迅速走红，引发关注。
国内厂商争相把部署服务做成“一键安装”，部分互联网公司上线“傻瓜式”配置方案。他们还将OpenClaw接入了即时通信软件。
这背后，不可忽视的是，在国内“养虾”的成本远低于海外。
研究报告指出，国产模型的API（应用程序编程接口）调用价格，大约是海外同类产品的1/6。这种优势源于国内算力背后更便宜的电力、更灵活的硬件配置以及模型厂商间的激烈竞争。
低门槛上手加爆发式传播，让“龙虾”一跃成为AI顶流。
然而，当AI开始“动手”，风险也成倍放大。
奇安信发布的《OpenClaw生态威胁分析报告》显示，截至3月13日，全球OpenClaw部署实例就已超过23万个，其中超过2万个可能存在安全漏洞。被操控的智能体可在数分钟内完成数据窃取、权限提升甚至业务篡改。
“OpenClaw带来的不只是更多安全漏洞，它还让风险边界整体外扩。”长亭科技安全研究员姜晨炜认为，“过去，AI的风险更多停留在对话层，如说错话或生成不当内容；而现在，智能体可以直接操作文件、调用接口、访问网络，潜在风险不可估量。”
换句话说，过去企业防范的是“系统被攻击”，而现在必须面对的是“系统在执行攻击”。
“‘龙虾’这样的智能体是一个不知疲倦、会自动化执行的超级用户。”腾讯iOA产品运营负责人刘登峰说，如果安装在终端的“龙虾”被攻破，就相当于攻击者完全获得了该终端的电脑权限，进而可能开展横向渗透，扩散到企业的全部网络终端或服务器，带来极大的安全风险。
另一重核心风险是Skill供应链的投毒与滥用。刘登峰解释，攻击者可以把恶意文件伪装成正常Skill，比如文件格式转换、天气查询。对于普通用户，甚至企业级员工而言，很难自行分辨。
此前，全球范围内已出现多起相关安全事件，如Meta公司安全专家在让OpenClaw处理真实邮件时，因上下文压缩导致“执行前确认”的关键约束丢失，最终出现邮件被智能体误删的失控行为。
在国内，工业和信息化部网络安全威胁和漏洞信息共享平台也发布风险警示，明确OpenClaw存在信任边界模糊、越权操作等系统性风险，建议关闭不必要的公网访问、完善身份认证与安全审计机制、严格管理插件来源、持续关注补丁和安全更新。
国家知识产权局发布最新风险提示，OpenClaw等智能体存在权限过高、安全漏洞、插件投毒等隐患，使用其撰写申请文件，易造成技术交底书等核心信息外泄。一旦泄露，专利申请技术方案可能因丧失新颖性无法授权，甚至被他人抢先申请专利。为此，提醒申请人需提高风险防范意识。
“技防+人防”筑起安全屏障
“龙虾”爆红，风险焦虑如影随形。在这一背景下，围绕智能体的安全防护，必须从传统模式转向系统性治理。
在中国工程院院士吴世忠看来，自主性智能体带来的最大风险，正是其过高的“系统代理权”。作为已尝鲜的“养虾人”，他提醒用户应时刻绷紧安全这根弦，建议用户将“龙虾”养在一个独立的智能终端上，做好物理隔绝，并坚持最小授权原则，特别是对涉及删改的操作，必须设置二次确认。
腾讯电脑管家高级产品经理董京特意提到，不要将银行密码、云服务密钥等敏感信息暴露给AI，不要给它权限去访问一些不该访问的内网服务；在让AI执行高风险操作前，务必做好重要数据的备份。
平台同样需要筑牢防线。董京打了个比方：“给AI造一个隐形牢房，把它关进去”。
这一“牢房”，就是安全沙箱机制。董京介绍，腾讯电脑管家团队近期上线了“龙虾管家”AI安全沙箱功能。它主要管理三类问题：AI权限过大时，通过沙箱策略捆住AI的“手脚”；实时监测AI调用的脚本是否包含恶意指令等风险，防止出现清理垃圾却误删所有文件等不测；针对OpenClaw自身迭代中出现的安全漏洞，及时进行修复。
“‘龙虾管家’也会提供AI运行的实时日志，AI访问什么、调用什么，所有操作用户都可以一目了然。”董京说。
在更底层的安全设计上，姜晨炜指出，智能体需部署在受控环境中，并结合网络隔离策略，限制其与内网的直接通信。在执行层面也要建立明确的安全边界，对于文件操作、外部下载、权限修改等高风险行为，应设定不可突破的限制，并引入人工审批机制，在效率与安全之间求得必要平衡。针对功能插件体系，则需要建立审核机制，如代码扫描、来源校验等，防止恶意插件危害系统。
技防之上，真正的安全离不开制度约束。
“在政策层面，加快建立健全开源智能体安全治理体系。”赛迪研究院信息化与软件产业研究所副主任黄文鸿建议，尽快研究出台开源智能体安全部署指南和行业标准，重点针对智能体的系统权限授予、执行行为审计、敏感操作确认等关键环节明确安全基线要求，对政务、金融、医疗等涉密涉敏领域，要实行更严格的部署准入和使用管控。
与此同时，应尽快建立开源智能体技能市场的安全审核与准入机制，并加快研究开源智能体自主行为的责任归属规则，厘清开源框架开发者、部署运营者、大模型提供方、技能发布者等需要承担的法律责任，填补当前“AI出错无人担责”的制度空白。
“当前OpenClaw暴露出的种种问题，与其说是缺陷，不如说是一场提前到来的‘压力测试’。”黄文鸿认为，它让行业在智能体大规模落地之前，就看到了未来可能面对的风险形态。
这场“养虾热”的意义或许并不在于事件本身，而在于它所指示的方向。业内专家预测，未来的智能终端中，很可能会出现类似操作系统级别的智能体平台，而OpenClaw所扮演的角色，正是这一形态的早期原型。
人工智能已经开始“动手”，安全治理是摆在人类面前的必答题——只有在释放生产力的同时树立清晰边界，才能让人工智能真正从“可用”走向“可信”。
延伸阅读丨“龙虾”挥钳，算力吃紧
科技日报记者 崔爽
“龙虾”挥舞的双钳下，是一个深不见底的算力黑洞。
有机构算了一笔账：相比传统聊天机器人，智能体的Token（词元）消耗动辄放大数十倍，一个稍微复杂一点的任务，背后吃掉的算力，甚至可能是普通对话的百倍、千倍。有科技博主实测，如果真把“龙虾”当成生产工具放开用，一周下来，费用接近万元。
数据是最直观的注脚。“养虾”火起来之后，模型调用量极速攀升。全球API聚合平台OpenRouter的数据显示：3月16日至22日，全球大模型调用量已经达到20.4万亿Token，一周涨了两成多。其中，中国大模型的周调用量涨幅更是超过五成，并且已经连续第三周超过美国。当周全球调用量排名前四的模型，也全部是“中国造”。
国家数据局公布的数据显示，今年3月，中国日均Token调用量已突破140万亿，两年增长了上千倍。
在不少业内人士看来，这样的增长既令人兴奋，也暗含隐忧。
3月27日中关村论坛年会的一场AI主题论坛上，算力缺口几乎成了绕不开的话题。“OpenClaw带来算力需求的暴增。”无问芯穹CEO夏立雪观察到，“上次见到这样的增速，还是当年3G手机刚普及，手机流量不够用的时候。以后我们的手机里可能会有两张卡，一张是SIM卡，一张就是‘Token卡’。”
问题在于，需求的曲线已经陡峭起来，供给却还没完全跟上。“让更聪明的模型执行更复杂的任务，资源消耗极大。如果算力不够，一个问题丢进去半天没有响应，一切体验都是空谈。”智谱华章CEO张鹏说得直白。在他看来，推理需求正以百倍级别爆发，算力很可能成为制约行业发展的核心瓶颈。
夏立雪认为，当前阶段，与其单纯扩张算力规模，不如把已有资源用到极致。围绕这个目标，他提出，应加快构建更高效、标准化的“Token工厂”，提供持续稳定、规模化的Token服务，使顶尖模型能力高效赋能海量下游场景，尽可能提升每一个Token的转化效率，让算力“花得值”。
再往远一点看，未来的基础设施本身也会走向智能化，可以自我调度、自主优化，甚至内置Agent来充当“管理者”，让算法与算力系统形成更紧密的深度协同。
面对“算力焦虑”，也有人重申架构创新的价值。
小米MiMo大模型负责人罗福莉回忆，两年前，在算力受限的情况下，中国团队依然通过模型架构创新，“逼出”更高效率，比如DeepSeek的探索，“这给了我们勇气和信心”。
如今，虽然硬件条件已经改善，国产芯片不再受限，但这种对更低推理成本、更高算力效率的探索，依然会在智能体时代成为未来竞争的关键。
（图片由AI生成）
网友评论
