最近，AI 领域的旗帜性人物 Andrej Karpathy 在社交平台上提出了一个新词——Claw。这并非一项划时代的新技术，而是为“常驻 AI 代理”这一产品形态起了一个专有名字。他阐述了这样一个层级划分：LLM是基础层，Agent是调用层，而Claw则是常驻层，特指那些能够在后台持久运行、随时待命调度、且拥有持久记忆的 AI 系统。
为了验证这个概念，Karpathy 甚至专门购置了一台 Mac Mini 来测试 OpenClaw、NanoClaw、nanobot、zeroclaw 等早期实现。社区的反应也异常迅速，很快为 Claw 分配了一个专属的 emoji 🦞，像 Simon Willison 这样的技术领袖也在自己的博客中探讨这一定义。
不得不说，这个词的出现恰逢其时。过去一年，虽然“AI Agent”的讨论热度极高，但市场上的产品形态差异巨大。有的像是“用完即走”的临时工具，有的则是“常驻后台”的贴身助手。前者以 ChatGPT 为代表，你提问，它回答，交互结束；后者如 OpenClaw，它始终运行在后台，监控你的文件变化、自动执行预设任务、并记住你的使用偏好。两者的底层技术或许相似，但带来的用户体验却截然不同。Karpathy 的定义，实质上是在为这个略显混乱的市场划出了一条清晰的界限：Claw 并非 Agent 的升级版，而是走向了另一个维度——从“按需调用式”转向“常驻服务式”。
为什么现在需要“常驻”的 Claw？
最直接的原因是，AI 的能力已经进化到了足以支撑“常驻”场景的阶段。回想 2023 年的 GPT-4，开发者们大概不敢让它完全自主运行，因为其行为可能难以预测。到了 2024 年，Claude 3.5 已经可以辅助编写代码，但仍需人类密切监督。展望未来，随着模型能力的持续进步，我们或许将迎来能够真正“放心”让其独立完成工作的 AI 助手。
能力到位了，产品形态的革新便水到渠成。OpenClaw 作为最早的 Claw 实现之一，其动向颇具风向标意义。其创始人 Peter Steinberger 近期加入了 OpenAI，而 OpenClaw 项目则转交给一个基金会运营，以保持其开源和独立性。这一举动意味深长，表明像 OpenAI 这样的大厂也在密切关注这个方向，只是尚未找到成熟的商业化路径。
OpenAI 拥有 ChatGPT，但 ChatGPT 本质上不是一个 Claw。它是卓越的对话工具，而非常驻助手。你不会期望 ChatGPT 24 小时监控你的邮箱、自动回复客户咨询或定时生成业务报表。但一个设计良好的 Claw 系统，正是为了这类场景而生。
这便引出了 Claw 的核心价值：持久性 与 自主性。它不再是需要你主动唤醒的工具，而是化身为一个始终在线的智能体。你只需设定好规则与目标，它便能自行判断时机、执行任务。这种“被动触发”和“主动执行”的能力，是传统调用式的 AI Agent 难以实现的。
生态初现：分化已经开始
从 Karpathy 测试的几个实现来看，Claw 生态的早期分化已经显现。
- OpenClaw：走开源路线，部署在用户自己的机器上，强调数据不出本地。
- NanoClaw：追求轻量化，专注于处理单一类型的任务。
- zeroclaw：则偏向云端方案，强调跨设备的无缝同步与协作。
这种分化实际上在回答一个根本性问题：谁将控制你的 Claw？
如果 Claw 运行在云端服务商的服务器上，那么它的记忆、决策过程乃至你的所有数据都将托管于第三方。你使用得越深入，它对你了解得越多，但你对它的控制力也越弱。这与当前的 SaaS 模式类似——便捷，但牺牲了部分自主权和隐私。
反之，如果 Claw 完全运行在本地，你虽然获得了完全的控制权和数据隐私，但也必须承担起维护、升级和故障排除的责任。这类似于传统的开源软件——自由，但需要付出相应的运维成本。
目前看来，这两条路径各有拥趸，并无绝对的对错之分。但个人推测，未来更可能出现的是第三种混合形态：核心的推理与决策模块运行在本地，确保敏感数据不离境；而部分需要巨大算力或外部数据的扩展能力，则通过安全协议调用云端服务，按需付费。这样既能最大程度保障隐私与安全，又能灵活获取强大的 计算能力。
个人助理 vs 企业引擎：另一个分水岭
Claw 的另一个重要分化方向，在于服务对象是个人还是企业。
个人 Claw，如早期的 OpenClaw，主要目标是提升个人效率。它帮助你管理日益复杂的个人文件库、自动化重复的日常工作流、并学习你的个性化偏好。这是一个单用户场景，数据所有权清晰，不涉及复杂的权限与协作。
企业 Claw，则是一些初创公司正在探索的 AI 工作流自动化平台。它需要深度集成到企业现有的 CRM、ERP、OA 等系统中，处理复杂的多角色权限体系，并满足严格的数据安全与合规性要求。其复杂度远非个人工具可比。
企业级场景的挑战，不仅是技术层面的，更是流程和治理层面的。个人 Claw 可以允许快速试错，大不了推倒重来；而企业 Claw 的一个小漏洞，可能导致商业机密泄露或业务中断，后果严重。因此，个人 Claw 预计会更快地进入实用阶段，而企业 Claw 的成熟与普及则需要更长的周期。然而，企业市场的付费意愿和规模天花板也远高于个人市场，这必将吸引大量创业者与资本涌入。
厘清边界：Claw 擅长与不擅长的
Karpathy 在定义 Claw 时强调了“常驻”与“可调度”，但并未详细阐述其能力边界。这引发了一个关键思考：什么样的任务适合委托给 Claw？什么样的不适合？
一个比较合理的判断是：
- 适合 Claw 的任务：重复性高、规则相对明确、容错率较高的任务。例如，监控日志文件并发送异常警报、定期从数据库拉取数据生成可视化报表、根据日历安排自动发送会议提醒邮件等。
- 不适合 Claw 的任务：需要高度创造性、依赖人类复杂价值判断、或容错率极低的任务。例如，撰写一篇需要独特洞见的深度行业分析、做出重大的战略投资决策、处理情绪激烈的客户投诉等。
目前，这个边界仍然模糊。许多人对 Claw 抱有不切实际的“全能助手”幻想，希望它能包办一切。但实际上，现阶段的 Claw 更接近于一个“高度自动化的专职助理”，它能在特定领域内出色地完成工作，但远未达到通用人工智能的水平。调整预期，将其定位为提升效率的“超级自动化工具”，你可能会获得超出预期的体验。
OpenClaw 转向基金会的背后
Peter Steinberger 携 OpenClaw 加入 OpenAI，但将项目转交给基金会运营，这一系列操作值得玩味。
一方面，这无疑表明 OpenAI 内部正在密切关注甚至布局 Claw 方向。Steinberger 的加入可能会加速其内部类似产品的开发进程。
另一方面，将 OpenClaw 以基金会的形式保持开源与独立，又透露出项目创始人希望它不被单一商业公司束缚的意愿。这与 Hugging Face、Stability AI 等组织采取的策略类似，旨在通过中立的结构来维持其在开源社区的信任与活力。
这对于开源生态而言是个积极信号。如果 OpenClaw 被直接收购，很可能会走向闭源。而基金会模式至少为它继续作为开源项目发展提供了制度保障。当然，这也意味着其发展节奏可能不像商业公司那般激进，会更注重稳定与社区共识。从整个 Claw 生态来看，这或许是一件好事，避免了早期出现一家独大的局面，为其他创新实现留出了成长空间。
Claw 会成为下一个风口吗？
答案是：不一定，它面临着显而易见的挑战。
Claw 的核心卖点“常驻”与“自主”，恰恰也是其最大的风险点。
- 常驻意味着持续的资源消耗（算力、电量）。如果它执行的任务价值不高，用户很快就会觉得这是一种浪费。
- 自主意味着将部分决策权交给了 AI。一旦它做出错误或不被理解的决策，用户会产生强烈的“失控感”，进而摧毁信任。
目前，这两个关键问题尚未出现完美的解决方案。因此，Claw 能否从技术概念走向主流应用，取决于两个关键条件能否被满足：
- 能否挖掘出足够多“高价值、低风险”的真实应用场景，让用户觉得“常驻”是值得的。
- 能否通过可靠的技术手段（如可解释性、安全护栏、干预机制）建立起用户对AI“自主决策”的信任。
如果无法突破这些瓶颈，Claw 可能只会停留在一个小众的极客工具层面。然而，一旦这些障碍被攻克，Claw 将有可能彻底重塑我们与人工智能的交互范式——从“我提问，你回答”的主动模式，转变为“你一直在那，在我需要时恰到好处地出现”的协同模式。这种转变，或许比 ChatGPT 所带来的对话革命更为深刻。
对于开发者而言，关注 Claw 生态的演进，思考其在不同场景下的落地形态，无论是选择深耕开源的本地化方案，还是探索云端服务与混合架构，都将是一次富有前景的探索。你对 Claw 的未来有何看法？欢迎在技术社区中进行更深度的探讨与交流。
发表于 16 小时前
|
查看: 2|
回复: 0
