上海
盡管企業高管對 AI 智能體充滿期待，認為它們能像不知疲倦的實習生一樣高效處理辦公事務，但支撐這類工具的底層技術仍很不成熟，還可能成為燒錢黑洞。
上周在硅谷舉辦的兩場行業活動上，多位科技公司高管與工程師直言，以 OpenClaw 為代表的 AI 智能體在規模化落地中問題頻發，行業正從狂熱追捧回歸理性。
什么任務都塞給大模型，是最大誤區
AI 初創公司 Meibel 首席執行官凱文?麥格拉思直言：當前 AI 領域最大的問題，就是認為所有事情都必須通過大語言模型（LLM）處理。
他毫不客氣地批評道：“把你的 Token 和預算全都砸給 AI Claw 機器人，結果就是數百萬 Token 被白白浪費。” 企業必須更審慎地判斷，哪些任務真正適合交給 AI 智能體，而非盲目上量。
OpenClaw 是一款開源 AI 智能體框架，被稱作 AI “執行中樞”，可讓開發者調用不同大模型創建、管理批量數字助手，自推出后迅速走紅，被行業視為繼 ChatGPT 之后的下一個風口。
英偉達 CEO 黃仁勛今年 3 月就曾公開表示，AI 智能體“絕對是下一個 ChatGPT 級別的浪潮”。
規模化部署成本高、系統極度復雜
在圣何塞舉辦的生成式 AI 與智能體 AI 峰會上，來自谷歌、DeepMind、亞馬遜、微軟、Meta 等公司的技術團隊坦言，打造與運維 AI 智能體遠比想象中艱難。
谷歌工程師迪普?沙阿在專題分享中聚焦 AI 智能體的運營成本管控。他指出，AI 智能體運行本身就有成本，設計與維護不佳的監控系統不僅無法省錢，反而會瘋狂燒錢。
“在規模化部署機器學習或多智能體系統時，會遇到多重挑戰，首當其沖的就是推理成本。”
初創公司 Synchtron 首席執行官拉維?布盧蘇則點出復雜度難題：企業的數據架構、技術選型、軟件開發、人員組織彼此交織，而 AI 智能體幾乎觸及所有環節。
“沒有任何一個維度能被單獨解決，相互依賴關系讓落地變得異常艱難，甚至可以說是混亂。”
中國廠商現身說法：OpenClaw 不適合企業級場景
在山景城舉辦的另一場 AI 活動中，總部位于上海的 ThinkingAI 與 MiniMax 分享了落地經驗。
ThinkingAI 前身為移動游戲數據分析平臺 ThinkingData，近期品牌升級為 AI 智能體管理平臺，并與今年 1 月在港上市的中國頭部 AI 實驗室 MiniMax 達成合作。MiniMax 因向開源社區免費發布高性能大模型，被稱作中國 “AI 四小龍” 之一。
ThinkingAI 聯合創始人韓先生表示，公司轉型是為了從游戲行業拓展到更多對 AI 智能體感興趣、但缺乏技術能力的傳統行業。
他直言，盡管 OpenClaw 在中國熱度攀升，但復雜度太高、安全漏洞隱患大，根本達不到企業級標準。
“OpenClaw 用來做個人用途還行，但絕對撐不起企業級場景。企業要解決記憶管理、智能體調度、團隊協作、通信安全等一系列問題，這些 OpenClaw 都無法滿足。”
他透露，其平臺同時支持 OpenAI、谷歌等海外廠商的大模型，并未局限于國內模型。被問及美國若封禁中國開源權重模型是否影響業務時，他笑稱：“真要是那樣，或許反而說明我們成了。”
總而言之，AI 智能體被視為下一代生產力革命，但現階段仍面臨成本失控、架構混亂、安全不足、企業適配性差等核心痛點。與此同時，行業共識正在形成：不是所有任務都適合 AI 智能體，理性選型、精細化運營，才是規模化落地的關鍵。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
