你真的会“养虾”吗？专家提醒：潜在风险不可估量
◎ 采写丨科技日报记者 崔爽
◎ 策划 丨 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？
1
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。
2
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。