桌面 Agent 下賣鏟子的人

文：王智遠 | ID:Z201440

OpenClaw 火了十來天。

短短十天里，AI 圈吵翻了天。有人說它是「桌面 Agent 的 ChatGPT 時刻」，有人說它只是極客玩具，還有人盯著 Token 賬單直呼燒不起。

這場景，讓我瞬間想起「AI Skills」爆火時，我當時還跟身邊的朋友說過，很多東西真沒必要死磕，看個熱鬧、了解是究竟怎么回事就行。

為啥呢？因為目前市面上絕大多數(shù)的 AI 產物，本質是「過渡形態(tài)」。不信，我們先看看，這玩意兒到底是什么物種？

01

先把話說透：OpenClaw 是一個能本地運行、自帶自主執(zhí)行邏輯、可以深度操控你電腦系統(tǒng)、文件的開源桌面智能體（Agent）。

正因為它開源、還能一鍵部署，普通人也能上手試試，這才讓它十天就炸了 AI 圈。

看，這就懵了吧，每個詞都認識，放一起，就亂了。別急，想象一下，你家以前有電視、空調、音響，每個電器都有一個專門的遙控器。

想看電視就得拿電視遙控器，想開空調又得換一個，廠家們?yōu)榱俗屇愣喑騼裳鬯麄兊倪b控器，把按鈕做得五顏六色，還貼滿了亂七八糟的廣告。

到最后，家里桌子上全是破遙控器，煩都煩死了，咋辦？

這時候有人站出來，做了一個 Agent，就是 OpenClaw。它像一個「萬能語音遙控器」，你只要跟它說一句話，它就自動去幫你按那些繁瑣的按鈕，不用你自己動手。

所以，它和我們日常用的豆包、文心、ChatGPT 完全不是一個東西。

別人只在對話框里待著，它能鉆進你的系統(tǒng)、讀寫文件、發(fā)郵件、寫代碼、跑腳本、模擬鼠標鍵盤，像一個 24 小時待命的數(shù)字員工。

簡單講，它是AI 的「手」和「腳」；它沒有「大腦」，得靠調用 MiniMax、Claude 這些大模型做推理，它只負責把模型的想法，真正落地到電腦操作里的執(zhí)行層。

02

聊到這兒，估計不少人跟我一樣心想：OpenClaw 是獨立開發(fā)者做的開源工具，自己沒「大腦」，還燒錢、還要手搓、還有安全隱患，那大廠為啥要費這么大勁，趕在這 10 天里扎堆跟進？

答案很簡單，OpenClaw 無意間捅破了一層窗戶紙

大廠們怕別人先搶走「AI 操控電腦」的核心入口，更怕自己在馬上要到來的桌面 Agent 時代，被甩在后面，甚至徹底丟了桌面端的話語權。

要知道，大廠從來都不打沒準備的仗，更不會瞎跟風，這次之所以打破常規(guī)，急急忙忙下場，背后藏著的是 AI 行業(yè)最核心的競爭邏輯。

啥邏輯啊？三個詞：時間、權限、生態(tài)。這三個詞串起來的每一步，都透著緊迫感，甚至能決定未來 AI 行業(yè)的競爭格局。

為啥這么講？

先說說時間的事兒，互聯(lián)網競爭有個冷知識，搶功能不如搶用戶心智，搶心智不如搶用戶習慣。大廠們集體「急了」，因為他們發(fā)現(xiàn)，OpenClaw 正在定義一種特別嚇人的用戶習慣：「跳過App」。

以前我們要打車、比價、寫文檔，得在幾個 App 之間反復橫跳，大廠靠著這些精美的 UI 界面攔住你的視線，順便塞給你廣告和會員。

現(xiàn)在這東西一出來，只要說句話，它在后臺把所有活兒都干了，大廠心里跟明鏡似的，這種「需求已經被驗證」的窗口期，慢一步，就可能被競爭對手搶了先手。

而且，第一批種子用戶雖說只是一時跟風，但他們是「第一批被教育的用戶」，誰先讓他們用自己的云服務器、自己的部署方案，誰就能先在他們心里種下「AI操控電腦，找我就對了」的印象。

后續(xù)不管用戶留存，教育市場、還是引導他們用更高級的算力、更貴的模型 API，都是水到渠成的事。

接著，就是搶權限問題了。OpenClaw 再火，也是「外來戶」，它沒有電腦系統(tǒng)的核心權限，所有操作本質上都是 騙電腦，這戳到了大廠的痛處。

你琢磨琢磨，阿里、騰訊為啥急著上云服務器模板？因為他們要借著「安全焦慮」，把權限攥回自己手里。

你不敢在本地跑 OpenClaw，怕它誤刪文件、跑路，那我就給你提供一個云端的「數(shù)字沙盒」，你在我這兒跑，我既能幫你把 Agent 隔離開，保證安全，還能順便攥住 Agent 操控電腦的最高解釋權。

所以，他們心里門清，桌面 Agent 的終局，是「誰的權限更高」，權限決定了產品的上限，決定誰能真正把「AI 操控電腦」做到極致。

說到這兒，就在周六（2月7號），豆包也推出了瀏覽器和桌面助手的分開版本。為啥這么急？因為它也想趕緊動手，把手里的「權限」，快速變成面向普通用戶的產品優(yōu)勢。

至于最后，就是為搶生態(tài)了。咱們都知道，大廠做產品要長期的生態(tài)閉環(huán)，讓用戶從頭到尾，都離不開自己的產品體系。

OpenClaw 爆火之后，大廠敏銳地發(fā)現(xiàn)，這是個搭生態(tài)的好機會，借著熱度，快速再把自己的算力、模型、系統(tǒng)、硬件串起來，形成一個「Agent生態(tài)閉環(huán)」。

誰能做到這一點，誰就能在未來的Agent時代占據絕對主導地位；要慢一步，生態(tài)被其他大廠搶了，自己再想擠進去，就得付出幾倍甚至幾十倍的代價。

所以，搶權限，為了筑牢長期的產品壁壘；搶生態(tài)，是為了掌控未來的行業(yè)格局。

03

如果說戰(zhàn)略宏圖是大廠布的一盤大棋，那對咱們普通用戶來說，最核心的疑問就一個：

到底有沒有這個需求？它到底解決實際痛點的真命題，還是只為緩解大家「不折騰就落后」的焦慮？

在我看來，它是一種過渡型需求，短期靠嘗鮮撐熱度，中期是規(guī)模化落地的必經之路，長期形態(tài)會慢慢消失，但背后的核心需求，會一直都在。

為啥呢？咱們分階段看。

從最直觀的短期來看，這一波 OpenClaw 帶火的「一鍵部署」，本質是流量需求，不是真使用需求。

你仔細想想，跟著教程一鍵部署的人，大多都抱著「我也擁有賈維斯了」的好奇心，裝完截張圖、發(fā)個朋友圈，之后就再也沒打開過。

因為部署完，麻煩才真正開始。

Token 消耗得飛快，半小時就能燒掉上百萬，普通用戶根本扛不住；再加上高權限帶來的安全顧慮，生怕它誤刪重要文件、泄露聊天記錄，沒人敢真拿它處理正經工作。

更關鍵的是，大多數(shù)人根本沒那么多「需要 AI 自動完成的繁瑣任務」。平時無非發(fā)個郵件、整理個文件，自己動手幾分鐘就搞定，犯不著折騰 Agent，更沒必要為了這幾分鐘，承擔 Token 成本和安全風險。

所以，短期來看，一鍵部署根本沒解決用戶的真實痛點。

它讓不懂代碼、不懂模型的普通人，也能跟風蹭一波 AI 熱度，可熱度一退，沒有真實使用場景撐著，自然就被丟在一邊。

放到中期來看，情況就完全不一樣了。

未來一兩年，「一鍵部署」會從「流量需求」變成真正的剛需，甚至是桌面 Agent 走出極客圈、走向普通用戶和企業(yè)的必經之路。

畢竟桌面 Agent 本身門檻太高，企業(yè)想用 Agent 自動處理報表、批量發(fā)郵件，總不能每個團隊都配個技術人員專門部署吧？

普通人想讓 Agent 幫忙取消郵件訂閱、整理行程，也不可能先花好幾天學代碼、學配置吧？

這時候，「一鍵部署」就成了降門檻的關鍵。

阿里云、騰訊云、百度智能云推出的一鍵部署模板，都在為中期規(guī)模化鋪路，先讓用戶「用起來」，再慢慢引導他們「用下去」。

再看長期，三年以上，一鍵部署這種形態(tài)會慢慢消失，但它背后「低門檻使用 Agent」的核心需求，會一直存在；因為大廠們會把 Agent 直接原生集成到系統(tǒng)里，開機就能用，根本不用用戶手動部署。

比如：

蘋果的 Apple Intelligence、微軟的 Copilot、華為鴻蒙的原生智能，未來都會直接內置在系統(tǒng)里，你打開電腦，直接跟 AI 說「幫我做什么」，它就能直接干活。

云廠商也會把 Agent 集成到云桌面里，用戶登錄就能直接用。到那時，「一鍵部署」也就沒必要存在了，它只是用來填補「系統(tǒng)原生 Agent 還沒上線」的空白期。

所以，咱們要分清，形態(tài)消失不代表低門檻使用 Agent的需求消失了；恰恰相反，需求只會越來越規(guī)模化、越來越剛性。

未來，AI 操控電腦會像現(xiàn)在用 Wi-Fi、藍牙一樣普遍，每個人都需要一個不用折騰、開箱即用的 Agent，這么一想，所有事兒就都通透了。

04

既然大家都看準了未來AI 操控電腦標準配置，那這場桌面agent的收編、或者叫競爭賽，誰才是掌握大權的「最高法院呢？

現(xiàn)在的 OpenClaw，本質是對系統(tǒng)搞「暴力破解」。它的做法，就像家里來了個幫廚，不認識廚房的開關，只能拿著說明書一點點瞎試。

這種「非侵入式」的接管，說難聽點是一種低效的補丁。

真正的「最高法院」是掌握了系統(tǒng)底層的「房東」，比如：蘋果、微軟、或者國內的華為、小米。

這些玩家手里攥著「系統(tǒng)內核」和「原生 API」，他們做的原生 Agent，壓根不需要截屏，直接在系統(tǒng)底層發(fā)指令就行，就跟你腦子里一想「握拳」，手立刻就動了，不用先睜眼看手在哪兒。

這種「原生權限」帶來的響應速度、隱私安全和低功耗，是任何第三方補丁都跨不過去的鴻溝。

但這里有個關鍵變數(shù)：握得住「軀殼」的人，不一定能搞定「靈魂」。你看，手機廠、系統(tǒng)廠雖是房東，握著系統(tǒng)鑰匙，但未必是最頂尖的「大廚」。

大模型的訓練、推理調度，還有復雜邏輯理解，都是極燒錢、極吃人才的硬本事；不是說你掌控了系統(tǒng)內核，就能做出 Claude、MiniMax 那樣聰明的「大腦」。

所以，模型廠商的機會就在這兒。

系統(tǒng)廠的「原生 Agent」腦子不夠靈光，最后大概率還得放低身段，去擁抱頭部模型廠；這個趨勢已經很明顯了：系統(tǒng)廠出「權限」和「骨架」，模型廠提供「智力」與「靈魂」，這是互補式的收編。

還有一種更具想象力的野心：如果房東不給鑰匙，那大廚就自己蓋房子。

就像現(xiàn)在的豆包，一連串動作都在釋放一個信號：

現(xiàn)有手機、電腦系統(tǒng)給的權限不夠用，那干脆做一款 AI 時代的「原生硬件」？直接把模型、硬件、系統(tǒng)全鏈路鎖死。這種「自帶靈魂的軀殼」，才有可能把 Agent 的體驗拉到天花板，成為終極形態(tài)。

所以，要么系統(tǒng)廠收編模型，要么模型廠重塑硬件。在這個各顯神通的時代，誰才是悶聲發(fā)大財?shù)摹纲u鏟人」呢？

這波浪潮里，最先嘗到甜頭的是像 MiniMax 這樣的玩家。

為啥 OpenClaw 的作者專門點名 M2.1 模型？因為在 Agent 圈子里，辦事得經歷無數(shù)次自我糾錯、指令循環(huán)，這對模型的邏輯穩(wěn)定性要求，已經到了變態(tài)的地步。

MiniMax 聰明地方在于，專注卷「指令跟隨」，這十天里，只要你跑 OpenClaw，你的 API 賬單，大概率就交到它手里了。

昆侖萬維前兩天，剛發(fā)布了天工 Skywork 桌面版。

它號稱「Windows 版的 Claude Cowork」，這種思路是典型的「中國式賣鏟子」；我不光賣你大腦，還把「辦公室環(huán)境」都給你搭好了，讓你能直接雇一個「AI 員工」處理本地文件，還不用擔心安全。

還有智譜 AI，他們的 AutoGLM 走另一種「動作模型」原生化的路子，他們想把「看屏幕、點圖標」的能力直接練進模型里。

不過說白了，打法都差不多，先讓模型跑起來，用云 + 端兜底，快速讓普通人能用得上。

國外就不一樣了，老外的思路完全是另一種畫風。

Anthropic推出的「Computer Use」，典型的「標準定義者」邏輯，它想定義一套讓 AI 操控電腦的底層協(xié)議，相當于告訴全世界：以后 AI 調動鼠標鍵盤，就得按我這套規(guī)矩來。

這就好比當年定義 Wi-Fi 標準一樣，它想在動作層收稅。

而 OpenAI 的「Operator」和 Google 的 Jarvis，走入口收割的路子；OpenAI 追求「托管式的簡單」，它想做 Agent 界的「應用商店」；而 Google 則把 Jarvis 直接揉進 Chrome 生態(tài)。

這兒就有個很明顯的對比：

國外大廠忙著「造地基、定標準」，走的是科研驅動、想從根上重構電腦邏輯的路線；國內大廠則忙著「搞基建、推落地」，走的是場景驅動、快速響應普通用戶需求的路線。

除了賣模型的、做應用的，最穩(wěn)的還要數(shù)「數(shù)字房東」，云廠商。

只要你的 Agent 還在后臺瘋狂燒 Token 進行自我對話，你的云費和流量費就一分都少不了，所以，云廠商這次也會贏麻了。

說白了，這一場桌面 Agent 的狂歡，本質是互聯(lián)網從「流量經濟」向「任務經濟」的一次大轉型。沒有誰高誰低，關鍵就看誰能抓住信息差，搶占先機。