作 者丨 张云迪（九卦金融圈专栏作者）
来 源 | 九卦金融圈
在科技史的长河中，曾有无数里程碑式的技术更迭。这两天，OpenClaw 在 GitHub 上的星星数（Star）直接冲破了 25 万，成为历史第一。在短短几个月内，OpenClaw 的开源项目，以令人瞠目结舌的速度，打破了技术界的所有“王座”。它不仅超过了 React——这个统治 Web 开发十年的前端框架，还在 GitHub 上收获了超过 250K 的 Star，正式超越了曾经不可动摇的 React，成为“最受欢迎的软件项目”。
这个数据对比之所以震撼，就是因为时间差的冲击力太强了：React 花了十年爬到山顶，OpenClaw 只用了四个月就站到了它旁边，而且直接把第二名和第三名——React 和 Linux——甩在了身后。
要知道，GitHub 的 Star 可不是什么刷出来的数据，那是全世界最挑剔的一群技术极客一票一票点出来的。能入他们眼的东西，一定是有真东西的。
工具时代的核心是“让人更强”，代理时代的核心是“让人退后”——这才是真正的范式转移。
OpenClaw 为什么它能超越 React？React 代表了工具时代的巅峰——它是一个让开发者更高效写代码的工具。而 OpenClaw 代表的是代理时代的开端——它是一个让所有人都能拥有“数字员工”的平台。前者是让专业人士做得更好，后者是让普通人也能做到以前做不到的事。这个区别，决定了 OpenClaw 的想象空间远远超过任何一个开发工具。
更重要的是，OpenClaw 的架构设计极其巧妙。它把模型层、执行层、工具层完全解耦。你可以用 OpenAI 的模型，也可以用 MiniMax 的，甚至可以在本地跑一个开源模型；你可以给它装各种插件，让它操作不同的软件；你可以严格控制它的权限，只让它访问特定的文件夹。这种灵活性，让它既能成为一个个人助手，也能变成一个企业级的生产力工具。
OpenClaw 的热度很快从技术圈传导到了资本市场。最直观的表现是“概念股”的出现。
夸张的是港股市场。MiniMax 和智谱 AI 这两家模型厂商的市值双双突破 3000 亿港元。导火索是 OpenRouter 的周度数据：2 月第三周，全球前十模型的总 Token 消耗约 8.7 万亿，其中中国模型占了 5.3 万亿，比例高达 61%。MiniMax 的 M2.5 以 2.45 万亿位居榜首，Kimi K2.5 和智谱 GLM-5 紧随其后。这意味着什么？意味着 OpenClaw 这个“海外来的龙虾”，正在疯狂投喂中国模型厂商。
月之暗面的故事更有戏剧性。K2.5 模型发布后不到 20 天，其 API 收入就超过了 2025 年全年的总和。海外收入甚至反超国内——因为欧美开发者发现，用 Kimi 跑 OpenClaw 比用 Claude 便宜太多。一个欧洲开发者的账单显示：他每天用 Kimi 跑日常任务，开销约 5 到 10 美元；如果换成 Claude，月消耗会在 800 到 1500 美元之间。性价比，这个中国制造的传统优势，在 AI 时代依然锋利。消息传开后，月之暗面估值直接翻倍到 100 亿美元以上。
但也有人欢喜有人忧。智谱 AI 在 2 月下旬遭遇了一次“幸福的烦恼”：流量暴涨导致算力吃紧，API 服务出现排队和卡顿，开发者开始在社交媒体上抱怨。2 月 23 日开盘，智谱股价一度下跌 22%，单日蒸发 1000 多亿港元。这给所有模型公司上了一课：在 B 端市场，服务的稳定性是底线。一次问题，就可能让积累的开发者信任付诸东流。
国内云厂商的反应速度快得惊人：OpenClaw 本身不赚钱，但跑 OpenClaw 需要服务器、需要带宽、需要存储。
百度智能云是最早行动的一家，他们上线了 OpenClaw 的一键部署镜像，用户登录控制台，点几下鼠标，几分钟就能拥有一个属于自己的 OpenClaw 实例。这还不算完，他们还把 OpenClaw 接入了自家的文心一言模型，推出了所谓的“文心版 OpenClaw”，号称能让 Agent 更懂中文场景。
腾讯走的是另一条路。他们在企业微信里内测了一个叫“WorkBuddy”的东西，底层就是 OpenClaw。你可以直接在企业微信里@它，让它帮你处理各种工作：拉取昨天的销售数据、生成周报、安排会议室、给客户发邮件。
阿里的动作也不慢，直接推出 QoderWork 桌面 Agent，现在有 windindo 和 MAC 版本。可以把 Qoder 理解成从“代码领域”向“日常办公”的延伸。它不需要任何配置部署，下载就能用，通过自然语言对话在本地完成各种办公任务。
它能干什么？实测案例很直观：
文件整理：面对4000张乱码命名的图片，一句话让它批量重命名、分类归档
PPT 生成：给一堆图片和数据，让它做成19页的“AI 大佬科普 PPT”，自动配图、配文、排版，最后出来的是杂志级效果
数据分析：丢一个十万行的 Excel 过去，让它分析不同年龄段消费偏好，它直接生成带图表的 HTML 报告
会议纪要：给一个访谈视频，让它总结要点并生成待办事项，带优先级排序
QoderWork 还有个很贴心的设计：沙盒环境。所有任务在隔离的虚拟环境里执行，避免像 OpenClaw 那样出现“AI 失控删邮件”的翻车事故。它还加了“三层防护”：文件删除是逻辑删除（可恢复）、高风险操作会弹窗确认、权限严格管控。
为什么云厂商这么积极？因为他们在赌一个未来：如果未来每个企业、每个人都拥有自己的 Agent，那这些 Agent 跑在哪里？大概率是云上。谁掌握了 Agent 的运行环境，谁就掌握了下一代的流量入口。这个逻辑，跟十年前移动互联网兴起时，所有厂商都在抢着做应用商店一模一样。
OpenClaw 的开源属性决定了它本身不是一门生意，但围绕它正在形成一个巨大的商业生态。这个生态的核心逻辑，就是“卖铲子”。
最直接的铲子是云服务。如前所述，百度、腾讯、阿里都在抢着提供 OpenClaw 的一键部署服务。
第二层铲子是插件市场。OpenClaw 的插件生态正在迅速成型：有操作 Excel 的插件、有控制浏览器的插件、有接入企业微信的插件、有调用 Photoshop 的插件。目前这些插件大多是免费的，但想象一下未来：如果你是一个 SaaS 厂商，想让自己的产品能被 OpenClaw 调用，你可能需要开发一个官方插件，然后通过插件市场向用户收费。OpenClaw 如果抽成 30%，这就是一个巨大的平台型收入。
第三层铲子是模型调用。OpenClaw 本身不包含模型，它需要调用外部的模型 API。这就是为什么 MiniMax 和月之暗面会成为这波热潮的最大受益者——他们的模型是 OpenClaw 的首选。
第四层铲子是端侧硬件。国盛证券的研报指出，OpenClaw 这类 Agent 正在推动算力需求从云端向本地终端延伸。因为很多任务不需要每次都去云端跑——比如打开本地文件、操作本地软件——在本地处理延迟更低、隐私更好。这意味着类似 Mac mini 这样的轻量化终端算力载体，可能会成为 AI Agent 落地的核心硬件。
资本市场对这类“端侧 AI”概念的追捧，本质上是赌一个未来：Agent 不只是云上的，更是你身边的。
如果要找一个最能体现 OpenClaw 价值的行业，那一定是金融业。这个行业的特点很简单：数据多、流程复杂、人力成本高。过去几十年，银行一直在搞数字化转型，但始终有一个问题没解决——系统可以汇总数据，但最后还是得靠人盯着屏幕、手动操作。OpenClaw 的出现，正在把这道“最后一公里”的墙彻底推倒。
这里要说说那个广为流传的故事：3 万美元金融终端变“废铁”。
故事的主角是一个对冲基金的分析师。他每天的工作之一是盯着彭博终端上的数据，手动整理各种宏观经济指标，然后写晨会简报。彭博终端的年费是 3 万美元，但真正干活的是这个分析师。有一天，他试着给 OpenClaw 配了一个插件，让它每天早上自动登录彭博终端（通过远程桌面），抓取指定的数据，然后用 GPT-4 生成一份简报，最后通过邮件发到团队邮箱。
结果让他目瞪口呆。以前他每天花两个小时干的活，现在 OpenClaw 十分钟搞定，而且数据分析的逻辑比他更严谨，生成的文字也更流畅。他后来在推特上发了一条帖子：“我花了 3 万美元买了个终端，现在发现真正干活的是我自己的电脑。”这条帖子很快被转发过万，那个“3 万美元变废铁”的梗就这么传开了。
这个故事听起来像段子，但它揭示了一个深刻的趋势：在投研领域，OpenClaw 正在成为一种全新的生产力工具。某证券公司的研报详细介绍了如何用 OpenClaw 搭建一个自动化投研系统：接入金融数据接口、定时拉取数据、执行条件选股、生成技术分析图表、编写财报摘要。以前需要分析师团队几天完成的工作，现在可以交给 OpenClaw 在夜里自动跑完，第二天早上直接看结果。
但这只是开始。真正的想象力在于反欺诈和风控。传统的反欺诈系统是基于规则的：比如凌晨三点的境外交易，直接拦截。但这种方法误伤率很高——万一用户真的是在出差呢？OpenClaw 可以做到“行为式风控”：它学习每个用户的交易习惯，知道你通常几点在哪消费、喜欢买什么东西、单笔金额大概多少。当一笔交易出现时，它不是在后台跑一条冷冰冰的规则，而是像你的私人助理一样问自己：“这像是他会做的事吗？”如果答案是否定的，它才会触发拦截。这种“无感防护”的能力，对银行来说意味着更低的误伤率、更高的客户满意度。
合规也从“抽检”变成了“全检”。 以前反洗钱筛查，系统跑出一堆可疑交易，合规人员一个个看，根本看不过来，全是抽检。现在 OpenClaw 可以每天自动过一遍所有交易，调客户资料、查资金链路、做综合判断，最后只把真正有问题的拎出来给人看。效率从“看1%”变成“看100%”，工作量反而降了。
过去三十年间，银行IT架构的核心范式始终未变：系统承担计算职能，而人类则扮演执行角色——客户经理手动录入客户资料、信贷专员逐笔审核贷款、运营人员定期编制报表，人工作为"人肉接口"串联起彼此孤立的业务系统。
然而，随着智能体（Agent）技术的成熟，这一格局将被彻底重构。银行IT架构将在现有技术栈之上，构建一个全新的核心层级：智能体执行层（Agentic Execution Layer）。
该层级向下深度集成核心银行系统，向上无缝触达客户与员工，在中间环节自主完成复杂任务的端到端执行。系统由此从静态的数据存储库，进化为智能体的动态运行环境。未来银行业的竞争维度将显著扩展：除传统的资金实力、分销网络、客户基础外，数字劳动力的密度与效能将成为关键差异化要素。大型金融机构或将部署数千个智能体，全面承接高频运营作业与深度分析任务。银行的运营模式亦将随之跃迁，从僵化的流程编排转向敏捷的目标达成。
有大行的科技负责人透露说，他们正在实验用 OpenClaw 搭一个“数字分行长”，自动监控网点指标、发现问题派单、解决不了就升级。他说：“要是跑通了，我们就在每个网点都养一个数字副行长。”
这就是 OpenClaw 给金融业带来的真正冲击：它不是在优化流程，而是在重新定义“人”和“系统”的关系。以前是人操作系统，以后是 Agent 协助人、甚至代理人的一部分工作。对银行来说，现在要想的不是“会不会被取代”，而是“如果每个员工都能配一个数字员工，我的业务该怎么设计”。这个问题想得越早，未来就越主动。
当然，金融行业对安全的敏感度决定了 OpenClaw 的落地不会一帆风顺。一个能直接操作系统的 Agent，如果权限控制不当，或者被黑客攻破，后果不堪设想。目前的主流做法是“隔离环境”：给 OpenClaw 分配一个虚拟机或者容器，让它只能访问经过授权的数据源，所有操作都要被审计。这虽然牺牲了一部分灵活性，但换来了合规性。对于金融机构来说，这是唯一可以接受的平衡点。
OpenClaw 正在重新定价所有 AI 创业赛道。过去两年，行业共识是“模型即一切”，而现在 OpenClaw 打破了这种叙事——模型只是一个可替换的零件，真正的价值在“执行中枢 + 工具生态 + 权限系统”这个层面。
这也意味着，围绕 OpenClaw 正在形成全新的创业赛道：安全免疫系统（保护 Agent 不被黑）、AI NAS（给 Agent 用的私有存储）、独立 Agent Memory（让 Agent 记住你的习惯）、Agent 信用系统（评估哪个 Agent 更靠谱）、Agent 求职市场（企业发布任务，Agent 抢单）……把 Agent 当作“人”来看待，思考如何让这个“人”变得更强，正在成为新的创业风口。
猎豹移动 CEO 傅盛最近的分享很有意思。他给 OpenClaw 发了 22 万字的材料，每天要花 100 多美元。他说，“龙虾”越用越会干活，错误变成经验，经验变成技能。每踩一次坑，就写成一条 Skills 文档，下次自动执行。他甚至打通了 OpenClaw 和飞书，搭建了参谋、笔杆子、运营官等多个 Agent。傅盛强调，相较于“用”，他更喜欢“养龙虾”这个词。
回到资本市场，OpenClaw 带来的启示很明确：未来 AI 公司的竞争，将从模型参数的比拼，转向 Agent 适配性、商业化效率的比拼。
OpenClaw 的意义不在于它能火多久，而在于它让所有人看清了一个事实——AI 的下一站，是代理。谁能在代理时代卡住身位，谁就是下一个十年的赢家。