Open Claw如何影響智能生態、智能組織與智能飛輪

最近緊張備課，沒有空寫。今天簡單說兩句，反正課上也要講。我會從Open Claw如何影響“智能飛輪-智能組織-智能生態”三個層次展開，這是課程框架。

1）Open Claw對智能生態的意義

Open Claw為需求側智能體普及創造條件，成為26年作為智能體互聯網元年的標志性事件。在我的論述中，需求側智能體幾乎是智能體互聯網的定義性特征。需求側智能體是有明確定義的，它不僅是一個產品，更是一種商業模式和產業定位，背后是一系列戰略選擇。去年底熱炒的豆包手機具備了PA功能，但并未滿足需求側智能體的定義（見下面朋友圈）。

這是理解Open Claw特質的一個角度。

具體來說，盡管Open Claw和豆包手機都是具有系統底層權限（必然引起安全關切）、常駐硬件的編排工具，它們的區別在于Open Claw是一個開源產品、把控制權完全讓渡給用戶。對于安全關切問題，這是一個權責利對等的免責安排——用戶如果希望自由，那就承擔風險；

反之，一個以廣告為商業模式的大廠以閉源方式提供的產品無法自證清白——為什么你可以侵入我的設備呢，我確實希望你執行一些任務，但我怎么知道你是否只是執行了這些任務呢？小米發布了MiClaw，有更精細的安全認證策略。看起來會好一些，因為小米的盈利模式是硬件（小米的互聯網服務默默賺大錢），但這個矛盾解決得并不徹底。

Open Claw還代表著需求側智能體的另一重大特征：開放生態。這和開源有細微的區別。DeepSeek是開源，Open Claw也是開源，前者是孤膽英雄般的精英開源，后者是螞蟻雄兵般的草根開源。Open Claw開源的不是一個產品，而是一個生態，包括增長迅猛的Skills。

用戶的控制權很大程度體現在選擇的自由。用戶在淘寶、Appstore也有選擇的自由，不是嗎？區別在于，在這些平臺上，你的自由被限制在通過平臺審核的選項中，而Open Claw的社區沒有審核（但聲譽機制仍然存在）。

2）Open Claw對智能組織的影響

在一個一線AI從業者的群里，張斌說：OpenClaw 驗證了一個事情，就是 AI 通過閱讀產品說明書來使用軟件，已經很在行了，這就意味著普通人日常中很多工作可以在新的層次上被自動化，典型就是文案工作，營銷工作，電商工作等。

這句話澄清了最近關于軟件和AI的關系的爭論。Open Claw不會替代軟件（好比Skills不能替代MCP），但會替代組織人使用軟件的方式。這其實也是我對需求側智能體的刻畫——AI代替用戶與互聯網和軟件進行交互。只不過，這里的context變成了組織。

為何智能體2025年全年的進展，要等到Open Claw出世才讓從業者確信AI是真能干活的呢？Manus難道不早就OK了嗎？BTW，Open Claw借鑒了Manus的一些成功之處：通過IM軟件對AI發指令的功能，Manus早就實現了。

于是，與Manus（以及企業級智能體）對比，為理解Open Claw的特質提供了另一視角：讓智能體常駐硬件讓它具備了“AI同事”的合法性。從感性的角度，具身vs不具身的心理效果是不一樣的，因為給了它一個物理邊界（想象下工位）。想著那個角落的一臺電腦里有一個龍蝦在忘我工作，你會有小小的偷懶得逞的感覺。

理解硬件的重要性，可能需要拉回到去年年初關于“模型吞噬一切”的討論。這個討論到現在答案是不是清晰了？智能的來源絕不僅僅只有模型，而Open Claw的螞蟻雄兵以Skills共享的智能能夠被模型吞噬嗎？好吧，我并不想再次炫耀，只是想引用當時辯論中我對于Tesla FSD的理解。一些人用自動駕駛來表達AI（大模型）能夠勝任足夠復雜的任務，我說：

如果把Tesla FSD視為智能體，其特殊性在于：當FSD分析環境輸入并給出反饋建議時，其執行（比如轉彎、降速、剎車）無需從環境中調用工具——所有工具都固化在車身中...Tesla 受益于一個事實：99.99%的路況，能夠通過靈活調用一個封閉工具集妥善應對。

把一臺聯網電腦的全部權限賦予Open Claw，就出現了類似的效果：既然這臺電腦上有你平時賴以完成工作的所有數據、權限和軟件，那么Open Claw能夠用它們來完成你過去的90%的工作就不甚奇怪了，并且可能效率有幾百倍的提升。為你的電腦增加一個軟件肯定比為你的Tesla增加一個車輪容易。

我對常駐硬件的強調可能不被所有人認同，因為現在出現了各種運作在云端的Claws。見仁見智吧。個人認為，真正渴望Open Claw生產力的用戶不會吝嗇本地部署的一次性（硬件+學習）成本。

3）Open Claw對智能飛輪的影響

當然，如果貴司愿意提供集中的服務器來運作Open Claw，你沒必要堅持非要自己花錢買獨立硬件：）實際上，我想強調的正是：企業級的Open Claw幾乎必然需要集中化硬件來支持，對應地，企業大腦類項目可能第一次變得有現實意義起來。

所謂智能飛輪，是指大小模型、數據&知識與智能體三者構成的正循環系統。這是智能組織的最小特征單元。它可能運作在單流程層面、單部門層面，但正是這樣的一個個小飛輪在組織層面匯聚，推動企業核心能力的AI化。

在飛輪三角中，模型是現有Open Claw討論較少涉及的點。Will有一個很好的觀點，認為Open Claw代表著產品層與模型層解耦以及模型商品化的趨勢。這在產業級語境是對的，但企業級語境不一定：作為公有資產的Skills不可能為企業貢獻競爭優勢（只可能貢獻效率和競爭均勢），企業終究需要通過智能飛輪把獨特的組織知識迭代沉淀進私有的知識圖譜或者模型參數里去。

朋友發給我一個場景：

你與用戶在騰訊會議溝通，溝通記錄直接導出給 openClaw，他會結合你的知識庫與你溝通用戶需求，產出業務需求，再自己喚起 Coding Agent 將上述知識作為提示詞給到后者。這個流程的自動化跑通后，理想情況是：你與用戶開完會，然后去健身房練2個小時。練完后飛書收到消息：有一個 PR 待 Review、已通過所有 lint、單元測試、e2e測試、已產生 N 條 Review 意見。你只需輸入「同意」，這個新需求就合并了～

在這個員工的Open Claw里存在一個小的智能飛輪：這個claw越用越懂主人的偏好和工作性質。某種程度上這個過程是模型無關的，僅僅是數據/知識/記憶擴充的結果。尤其是，該Claw的技能可以來自于外部可信來源的Skills，如果考慮類似于EvolMap這種能力進化機制就更棒了——這個飛輪受益于群體智能。

但是，當此類場景在員工里面廣泛鋪開，它們需要在公司層面得到統一管理的需求會變得迫切起來。首先，公司會希望它的員工們自己寫的以及Claws在實際任務中成功使用的skills文件在公司內部得到傳遞。幾乎沒有比這個更容易見效的知識管理策略了；其次，如果所有員工的Claw執行過程都在同一平臺上，公司級平臺就可以進行進一步分析并從中提煉最佳實踐或組織知識。當流程執行者是人時，這一點是很難做到的；最后，如例子所述，Claw工作所依賴的數據是需要上傳的。海量的這些數據都是來自業務一線的脈搏，從中提煉知識圖譜或者訓練企業級大模型幾乎順理成章。

去年講智能飛輪時，我還建議這個飛輪只能在較低層面啟動。現在，Open Claw的出現可能會讓企業級智能飛輪的構建變得立刻可行起來。我給朋友講了講，他說安全等等還有很多問題。我說，要是完全沒問題了，客戶要你們干嘛的呢？

總之，很高興看到OpenClaw和去年年初的Deepseek一樣，出圈成為全民熱點。它值得。它代表著智能平權從模型層向編排層甚至群體智能的滲透。本文借助我的3I戰略框架進行了簡要分析，供參考。