來(lái)源：市場(chǎng)資訊

（來(lái)源：亨特hunter）

前兩天文章很多朋友表示沒(méi)看懂。

我嘗試解釋下，最近爆火的OpenClaw到底是什么。

首先AI coding是比較好理解的，就是AI編程，可以像程序員一樣生成代碼，進(jìn)行編程，然后搞出來(lái)程序和軟件。

OpenClaw本質(zhì)上是AI coding的一個(gè)進(jìn)化，他利用AI編程的能力然后結(jié)合一點(diǎn)推理能力，來(lái)完成一個(gè)具體任務(wù)。

他會(huì)把復(fù)雜任務(wù)通過(guò)簡(jiǎn)單推理拆分成一個(gè)個(gè)可執(zhí)行的步驟，然后利用AI的推理和coding能力（生成代碼/工具調(diào)用）一步步執(zhí)行、觀察結(jié)果、迭代修正，直到任務(wù)完成。

你可以簡(jiǎn)單理解，你雇傭了一個(gè)程序員，你給他一個(gè)任務(wù)，他會(huì)進(jìn)行1，2，3，4步的分解，然后他編程寫(xiě)程序利用技能來(lái)完成你的任務(wù)。

OpenClaw的真實(shí)行動(dòng)不是“調(diào)用現(xiàn)成API”，而是讓模型現(xiàn)場(chǎng)寫(xiě)代碼來(lái)完成（讀文件、處理數(shù)據(jù)、自動(dòng)化瀏覽器、生成報(bào)告等）。這和過(guò)去的大語(yǔ)言模型有了巨大的區(qū)別。

這個(gè)東西他最核心的能力其實(shí)還是編程，然后應(yīng)用了一些簡(jiǎn)單的推理，結(jié)合在一起，就做成了一個(gè)可以無(wú)限編程完成任務(wù)的OpenClaw。

更簡(jiǎn)單理解就是，我們每個(gè)人都擁有了一個(gè)有一定思考能力且可以永遠(yuǎn)工作的程序員，因此你可以讓你的程序員去完成很多你需要完成的任務(wù)。

當(dāng)然從完成結(jié)果來(lái)看，很多復(fù)雜任務(wù)完成起來(lái)依然有難度，但從發(fā)展前景來(lái)看，伴隨著AI編程能力的進(jìn)一步提升，幻覺(jué)進(jìn)一步降低，他的完成任務(wù)能力會(huì)進(jìn)一步提升。

簡(jiǎn)單來(lái)說(shuō)，OpenClaw并不是AI模型能力的大幅度躍升，而是人類發(fā)現(xiàn)了AI可以利用現(xiàn)有能力的組合去完成一些過(guò)去完成不了的事。

另外相比過(guò)去的AI，OpenClaw最牛逼的地方是可以部署到本地，這意味著他可以直接利用你本地的的軟件

不過(guò)我建議大家謹(jǐn)慎在自己的電腦上部署OpenClaw，如果不會(huì)設(shè)置權(quán)限他很可能會(huì)亂來(lái)，目前AI還有幻覺(jué)，亂來(lái)的他可能會(huì)刪除你的重要文件甚至亂發(fā)郵件等，風(fēng)險(xiǎn)很大...

機(jī)會(huì)還是風(fēng)險(xiǎn)？

理解了OpenClaw是什么以及他的原理，我們?cè)倏椿豋penClaw這類代表AI未來(lái)的產(chǎn)品，和之前類似于ChatGPT這種大語(yǔ)言模型，路徑出現(xiàn)了非常大的變化。

最重要的變化在于，中國(guó)企業(yè)一直落后的模型能力不再成為制約的關(guān)鍵，因?yàn)檫@里最依賴的模型能力是AI coding，編程能力。

AI coding不是大語(yǔ)言模型，AI coding的訓(xùn)練遠(yuǎn)比通用大語(yǔ)言模型的純預(yù)訓(xùn)練容易得多。

大語(yǔ)言模型通用LLM必須從頭學(xué)“世界知識(shí)+語(yǔ)言+推理”。Coding模型本質(zhì)上是在已具備強(qiáng)基座的模型上“專精”，通過(guò)強(qiáng)化訓(xùn)練等方式提升正確率。這個(gè)訓(xùn)練的相比大語(yǔ)言模型來(lái)說(shuō)是非常容易的，算力消耗也要小很多很多。

過(guò)去國(guó)內(nèi)的大語(yǔ)言模型落后于海外，最大的原因有兩個(gè)。第一是沒(méi)有頂級(jí)的算力，另一個(gè)是中文語(yǔ)料沒(méi)有英文語(yǔ)料好，數(shù)據(jù)不夠好。

但AI coding本質(zhì)上是更簡(jiǎn)單的專業(yè)模型的訓(xùn)練，對(duì)于算力要求遠(yuǎn)低于大語(yǔ)言模型，語(yǔ)料數(shù)據(jù)更是不缺，大廠無(wú)數(shù)的程序員，程序員自己用，自己調(diào)整就是RL的最好語(yǔ)料。

這有點(diǎn)像自動(dòng)駕駛，只要有車在路上開(kāi)，就能不停的創(chuàng)造數(shù)據(jù)訓(xùn)練，只要有用戶用自動(dòng)駕駛，就可以通過(guò)接管數(shù)據(jù)進(jìn)行強(qiáng)化訓(xùn)練。

但相比自動(dòng)駕駛訓(xùn)練又簡(jiǎn)單無(wú)數(shù)倍，一方面數(shù)據(jù)是代碼，代碼是有邏輯的文字?jǐn)?shù)據(jù)，數(shù)據(jù)量小，算力要求低；另外不要求100%準(zhǔn)確，因?yàn)殄e(cuò)了也沒(méi)有安全問(wèn)題，多一個(gè)驗(yàn)證機(jī)制報(bào)錯(cuò)了重來(lái)運(yùn)行就行...

之前大家是沒(méi)發(fā)現(xiàn)coding會(huì)有Agent這么奇妙的作用，一旦發(fā)現(xiàn)了大廠就是快速的追上，模型本身沒(méi)有任何壁壘，中國(guó)企業(yè)過(guò)去落后的算力，數(shù)據(jù)，都在新的范式下不再落后...

從目前的情況來(lái)看國(guó)內(nèi)的頭部公司coding能力和claude這種頂級(jí)公司差距并不大了，而且伴隨時(shí)間的推移，大概率會(huì)進(jìn)一步縮小。

理解了這個(gè)，我們?cè)倩氐綉K不忍睹的恒跌科技指數(shù)。

去年底我對(duì)于互聯(lián)網(wǎng)公司今年的投資機(jī)會(huì)有一個(gè)判斷，去年估值修復(fù)已經(jīng)完成，今年的投資機(jī)會(huì)主要來(lái)自于互聯(lián)網(wǎng)公司在AI應(yīng)用上的進(jìn)展和進(jìn)步。

但今年初以來(lái)，國(guó)內(nèi)互聯(lián)網(wǎng)公司在AI應(yīng)用上展示出的不是進(jìn)步，而是固化的老思維。

說(shuō)實(shí)話，我也一度覺(jué)得沒(méi)救了...再說(shuō)一句實(shí)話我當(dāng)時(shí)也是快速的進(jìn)行了減倉(cāng)...

但如果我們回到當(dāng)下最火的OpenClaw這種Agent范式中，如果我們也認(rèn)為AI之后的發(fā)展趨勢(shì)就是這樣的Agent開(kāi)始逐步應(yīng)用擴(kuò)張，那么互聯(lián)網(wǎng)公司很顯然還會(huì)有巨大的潛力和機(jī)會(huì)。

一方面他們落后的模型能力不再是瓶頸，coding的訓(xùn)練難度低，算力要求低，大家只要看準(zhǔn)了趨勢(shì)發(fā)力很快都能追上。

另一方面OpenClaw最重要的變化就是他可以調(diào)用本地的資料了，這里的關(guān)鍵是內(nèi)容。

同樣的模型擁有不同的語(yǔ)料學(xué)習(xí)，在不同的平臺(tái)操作，他的效果完全不一樣，同樣一個(gè)Agent，我部署在微信還是部署在釘釘，企業(yè)微信，又或者是部署在某個(gè)云端，他產(chǎn)生的效果也完全不一樣。

部署在釘釘他就是生產(chǎn)力，因?yàn)樗梢灾苯诱{(diào)用我釘釘?shù)奈募?，閱讀我工作的內(nèi)容，看到我工作的數(shù)據(jù)，進(jìn)而產(chǎn)生出極強(qiáng)的生產(chǎn)力了；

部署在微信他能獲得我所有的習(xí)慣資料語(yǔ)料；

部署在百度的云端他可能就是個(gè)廢物什么都做不了...

當(dāng)所有公司都能用同一批AI模型時(shí)，上下文就成了競(jìng)爭(zhēng)優(yōu)勢(shì)；

模型能力從“稀缺資源”變成“公共基礎(chǔ)設(shè)施”，類似2010年代的云計(jì)算——誰(shuí)都能買到，護(hù)城河自然轉(zhuǎn)向應(yīng)用層。

這是中國(guó)企業(yè)巨大的機(jī)會(huì)！

我覺(jué)得中國(guó)互聯(lián)網(wǎng)公司即便再菜，思想再落后，也不至于連這樣的機(jī)會(huì)都把握不住，看不到。

他們應(yīng)該還值得再相信一次。但如果這都不行，游戲主動(dòng)降低難度了，企業(yè)還跟不上游戲的節(jié)奏...

可能就得徹底拋棄掉了...