3月10日早间，龙虾局再迎新玩家——智谱上线AutoClaw（中文名：澳龙），作为国内首个“一键安装”本地版OpenClaw，一经推出就掀起了市场热潮，当日智谱开盘大涨13%，午后拉升，市值再度突破3000亿港元。

我们在试用后发现，AutoClaw的核心是低门槛、高可操作性，一分钟装配，意味着其有望继续捅破部署人群的天花板。受此消息影响，当日算力、AI与云计算板块持续走热。在AutoClaw背后，我们看到了生产力变革的新节点。

真正开箱可用的龙虾出现了

这一周来，从两会代表话题，到地方政策利好，“养虾”突然成为全民话题，但站在技术围栏外的普通人，却也表现出极大的焦虑，到底该怎么养虾，以及如何把虾养好。

对没有技术基础的普通人来说，最头疼的第一步，就是怎么顺利拿到“入场券”。在凤凰网科技在上周末参加的一场人声鼎沸的“龙虾局”上，就有天南海北赶来的观众，焦急等待“被教学”，有观众无奈直言：“我知道怎么养，但我不知道怎么‘生’啊。”

2026年年初，OpenClaw就在开源社区爆火，一众开发者争先尝鲜，让其冲到GitHub榜首。甚至，为隔离安全风险，热情的“养虾”人们，又让性能和性价比突出的Mac miniM4再次“翻红”，销量激增到一度卖断货，价格也被炒上天。

作为能够调用工具、执行多步骤任务的Agent框架，OpenClaw被业内视为AI从“对话交互”向“任务执行”演进的一个重要方向。它能够通过即时通讯软件进行连接，使AI不再只是冷冰冰的聊天机器人，更像是可协作的“数字员工”；同时引入定时巡检功能，让AI能够主动根据用户意图发布消息、汇报进展，而不仅是被动响应用户提问。

不过，普通用户想尝鲜这只“龙虾”，得迈过两道坎：一是成本门槛，花钱租云服务器，按月付费，即使短期试用也需预付费用。对于不确定是否需要长期使用的用户来说，这种付费模式并不友好；二是技术门槛，OpenClaw的本地部署原本需要用户熟悉命令行操作、配置环境变量，甚至需要了解nvm或Docker等工具，自己操作部署，一旦报错就前功尽弃。

因此，当时行业人士预判，Openclaw很难爆火，因为其门槛还是太高。

甚至，这种供需之间的断层，还催生了一个灰色市场。社交和电商平台上出现大量“上门安装”“远程一键安装”OpenClaw的服务，价格从三五十元到上千元不等。在大众日渐高涨的FOMO（错过焦虑）下，甚至出现了“500元装一次OpenClaw”的段子。

这也让姗姗来迟的AutoClaw更有看点，其定位为一键安装的本地版OpenClaw客户端。用户通过官网下载安装包后，可在1分钟内完成安装，无需配置开发环境或租用云服务器。客户端支持macOS和Windows系统，安装后可直接使用OpenClaw的原生能力。

从产品形态上看，AutoClaw试图解决的问题很明确：将OpenClaw从“开发者框架”转变为“消费者应用”。前者需要用户自己准备API Key、配置环境，后者只需要用户登录账号、通过对话框下达指令。

客户端内置了一键接入飞书的功能。用户在客户端完成配置后，可在飞书对话框内与Agent进行交互，执行文档读写、信息查询、云空间管理等操作。这种集成方式将Agent入口嵌入日常办公工具中，理论上可以降低用户的使用适应成本。

目前，首批使用者不用费心想应用场景，AutoClaw内置了50多个预制Skill，覆盖内容创作、飞书办公、代码开发、营销增长等场景。

以内容创作为例，输入指令后，Agent可生成符合平台格式的文案。在开发者场景中，输入产品需求文档，Agent可生成基础代码框架并执行测试。而且对技术小白极为友好，这些Skill无需用户单独配置API接口，安装后即可调用。

大厂持续下场，路线已经分野

当前市面上主流的OpenClaw使用方式，以云端方案为主——腾讯云、KimiClaw等，本质上是帮用户在远程服务器上运行一个实例。AutoClaw选择的是一条不同的路：直接装在本地的客户端方案。

这两种路线的分野，折射出对Agent普及路径的不同判断。

云端方案的优势在于免配置、跨设备，但代价是用户必须按月付费租用服务器，且数据必须经过第三方。AutoClaw的本地方案则在几个维度上形成差异。

当前随着养虾爆火，不少行业人士曾预判，这批尝鲜者可能多数都用不起来。

针对这个现实问题，AutoClaw提供免费额度。对于大量对Agent好奇但不确定是否需要长期使用的用户来说，这种零成本试水的模式降低了心理负担，更愿意迈出第一步。相比之下，云端方案通常要求按月租用服务器，即使短期试用也需预付费用。智谱方面表示，希望AutoClaw的推出能真正实现“人人养龙虾”，进一步推动AI平权。从市场反馈看，AutoClaw上线当日，智谱港股开盘涨超13%，资本市场对这一动向给出了积极反应。

能力完整度则是本地方案的另一核心优势：AutoClaw运行在本地，不受云端服务器资源配置的限制，可调用OpenClaw的全部原生功能；云端方案受限于服务器性能以及平台对OpenClaw的封装，部分功能可能被裁剪或限制并发，用户实际体验到的能力与原生版本存在差异。

从技术架构看，OpenClaw基于Computer Use协议，将屏幕截图发送给模型，模型返回坐标或按键指令，OpenClaw在本地直接调用操作系统API执行动作。这种“系统级接管”的权限边界，使其理论上可以操作Finder、修改系统设置、在本地编译代码。而云端方案通常被限制在特定的沙盒或浏览器环境中，权限边界较窄。

最令人担忧的，是数据安全问题，在当前环境下尤为敏感。

AutoClaw的所有数据处理均在本地完成，不经过第三方服务器。对于处理商业数据、个人隐私或受合规要求约束的用户，本地部署避免了数据传输过程中的泄露风险。对比来看，云端方案需要将数据上传至服务商服务器，受制于服务商的隐私政策和安全措施。

智谱方面表示，AutoClaw在安装方案上已经做了预处理，规避公网暴露、端口暴露等问题，同时对工作目录做了规定，对重要操作会进行提醒与限制。

此外，AutoClaw集成了智谱自研的AutoGLM Browser-Use能力，用于处理复杂浏览器操作任务。该功能可执行多步骤、跨页面的网页操作，如表单填写、页面跳转、数据抓取等，扩展了Agent可执行任务的复杂度。用户无需为这些操作单独配置浏览器自动化工具。

同时，AutoClaw开放模型接入，用户可调用DeepSeek、Kimi、MiniMax、GLM等第三方模型，也可使用自有API。

中国大模型再扳回一局

Openclaw的爆火，让中国大模型近期在海外持续攻城略地。

据 OpenRouter 最新监测数据显示， 3 月 2 日至 3 月 8 日，中国大模型的周调用总量达到 4.19 万亿 Token，较前一周大幅增长 34.9%；相比之下，美国大模型的周调用量为 3.63 万亿 Token，环比下滑 8.5%。这是继此前一周之后，中国大模型调用规模再度超越美国。

除了性价比之外，为Agent而生的模型能力也很关键。

2025年底时，OpenRouter上一个匿名模型Pony Alpha在盲测中表现突出，后来被证实为智谱的GLM-5。今年3月，智谱开始面向AutoClaw及部分GLM Coding Plan用户开放Pony-Alpha-2的内测版本。

Pony2被定位为针对Agent场景优化的模型。据智谱方面介绍，该模型工具调用更稳，任务推进更强，响应速度更快，更适合Skill调用、定时任务、持续执行等真实工作流。从技术角度看，Agent场景对模型的连续执行能力和任务拆解能力要求更高，Pony2的优化方向与此对应。

目前Pony2仅通过AutoClaw开放试用，正式版本将于近期发布。这种将自研模型与自有应用结合的方式，使模型能力与产品体验可以在迭代中相互反馈。同时，AutoClaw并未封闭模型生态，仍支持第三方模型接入，用户可根据任务需求选择不同模型。

从行业竞争态势看，目前国内加入“龙虾局”的厂商已有Kimi的KimiClaw、MiniMax的MaxClaw、阿里云的CoPaw、火山引擎的ArkClaw、腾讯的WorkBuddy等。

各家厂商的产品路径略有差异：有的侧重云端部署，有的主打本地安装；有的封闭生态，有的开放接入。东方证券研报认为，国产大模型厂商在Agent生态中迎来新机会，智谱、MiniMax、Kimi等国产大模型厂商深度适配OpenClaw，迅速转化为“AI执行需求”的底座。通过极低的使用门槛抢占Agent开发者入口，OpenClaw有望成为国产大模型又一个真实的高频使用场景，而海量的Agent交互数据未来也能反哺模型，从而提升国产大模型竞争力。

AutoClaw的推出，可以视为降低Agent使用门槛的一次行业性尝试。当安装过程简化为下载、双击、打开，当Agent入口嵌入日常使用的IM工具，Agent从开发者社区向大众市场扩散的技术障碍正在减少。但同时也应看到，Agent技术的普及仍面临安全性、隐私保护、任务可靠性等多重挑战。

据悉，3月11日，智谱将在居民社区举办线下活动，现场提供AutoClaw安装。目前，AutoClaw已开放下载。