国产大模型厂商吃撑大厂急了 龙虾AI盛宴引发变革。近年来，关于AI的讨论从其智能程度转向了其实用性。聊天、写稿、回答问题等能力依然存在，但新鲜感逐渐消退。企业和个人都更加务实，如果技术不能真正融入流程、节省时间或替代劳动，它的价值就难以放大。这种情绪并非某个产品所致，而是整个技术周期中期的集体心理。

在国内大模型产业中，过去几年“百模大战”推动大量资源投入底层模型研发，算力、参数和评测指标不断刷新，但商业化始终是难题。企业客户谨慎，普通用户不愿为“聊天”付费，创业公司持续投入却找不到稳定出口，而大厂则凭借生态优势守住阵地。尽管技术能力在增长，但在应用层面迟迟未形成重大突破。

在这种背景下，OpenClaw进入人们的视野。3月6日，深圳腾讯大厦北广场排起长队，不是因为节庆福利，而是一次面向开发者和用户的OpenClaw免费安装活动。类似场景也在线上出现。进入2026年后，这个被称为“龙虾”的开源智能体框架在GitHub上迅速积累了25万星标，成为最受关注的开源项目之一。它被讨论的重点在于“真的能做事”：可以操作电脑、调用工具、拆解任务，像一个可配置的“数字员工”。

然而，热度背后各方的选择并不多。对于开发者来说，虽然OpenClaw开源，但部署、配置和插件适配都有门槛；对普通用户而言更是如此。大模型厂商的选择也不复杂：要么继续投入巨资打磨模型，等待不确定的应用场景；要么顺着OpenClaw带来的开发者浪潮，将模型能力封装成标准化服务，在Token消耗、API调用和订阅中寻找收入。尤其是那些长期困于“有技术、无场景”的创业公司，后者几乎是现实可行的路。

结果很快显现出来。OpenClaw的运行方式决定了它是一个高频消耗Token的工具，持续搜索、生成和调试每一步都在放大算力需求。这直接推高了部分国产模型的调用量，带动了收入增长。MiniMax、Kimi、智谱等厂商短时间内迎来业绩与资本改善，既有模型性价比因素，也有时机选择的因素。同时，BAT并未另起炉灶，而是迅速切入“卖铲子”的位置，通过云端一键部署、预配置镜像、算力与权限管理，降低使用门槛，锁定长期消耗。

当个案被放大后，实际上指向一种普遍现实：当前阶段真正稀缺的是“可被大规模使用的路径”。无论是创业公司还是大厂，都在围绕同一个目标调整姿态——谁能将不稳定的前沿能力变成稳定、可计费、可持续的服务，谁就能在下一轮竞争中站得更久。这不是某一方的胜利，而是结构性选择下的集体行动。

至于这股“养龙虾”的热度能走多远，目前很难给出答案。新奇感退却后，成本、风险和实际收益会被重新衡量。当技术进入“要交账”的阶段，市场往往会变得比想象中冷静。剩下的只是时间验证哪些能力会留下，哪些热闹会散去。