中國AI正在繞過大模型，直奔Agent時代

文 | 新芒X

這不是一場追趕，這是一次換道。

一、那個奧地利程序員幫中國做到了美國人沒做到的事

2026年第一季度，有一個數字震動了整個AI行業：中國大模型Token日均調用量首次超越美國。

這件事之所以震動，不是因為中國的模型變強了，而是因為超越的方式：不是靠更多的用戶，而是靠單個用戶消耗量的爆炸性提升。

Agent應用的普及，讓每一個部署了OpenClaw實例的用戶，每天消耗的Token量相當于幾百個普通聊天用戶。國家數據局的數據呈現了一條近乎垂直的曲線：中國日均Token消耗從2024年初的約1000億，到2025年中突破30萬億，到2026年2月達到180萬億。

兩年漲了1800倍，而驅動最后一段最陡峭的增長的，恰恰是這場"龍蝦熱"。

但如果只看到這個數字，就看淺了。

真正值得追問的問題是：為什么是中國，在這場Agent浪潮里率先完成了大規模商業落地？

在OpenClaw出現之前，中國AI和美國AI的差距，在大多數真正了解行業的人眼里，是明確存在的，不是追上了，而是還在追。為什么偏偏在這個時間節點，中國的商業化速度突然跑到了前面？

這背后，有一條被很多報道忽視了的邏輯鏈。

二、Anthropic的封鎖，意外成了最好的禮物

OpenClaw的爆炸，在全球幾乎同步發生。但美國和中國對這場爆炸的承接方式，走出了兩條完全不同的路線，而分叉點，來自Anthropic和谷歌做出的一個決定。

當OpenClaw在全球快速擴散之后，Anthropic很快意識到一個嚴重的商業模型問題：一個每月付49美元Claude Max訂閱費的用戶，如果用OpenClaw跑一個7×24小時的自主Agent實例，他消耗的算力，可能相當于幾百個普通對話用戶一個月的總量。

訂閱制定價，根本無法在Agent時代維持盈利。于是Anthropic宣布：通過個人訂閱賬號的OAuth令牌接入第三方工具，屬于違規行為，發現即封號，無緩沖期。谷歌的態度與之類似，內部甚至直接屏蔽了員工訪問OpenClaw。

這個決定從商業邏輯上完全合理，但它產生了一個Anthropic自己可能沒有充分預料到的連鎖反應：它把數以百萬計正在尋找穩定、低成本Agent后端的開發者，直接推向了中國模型。

從那一刻起，"用國產模型還是用Claude跑OpenClaw"就不再是一個純粹的技術選擇，而變成了一個風險管理決策。Anthropic隨時可能封號，ChatGPT的API在高頻調用下成本高昂，而MiniMax M2.5、DeepSeek V3.2、Qwen等國產模型不僅通過官方API明確支持Agent高頻調用，價格更是只有Claude Sonnet的十分之一到二十分之一。

在OpenRouter這個全球開發者聚合平臺上，這個選擇被幾百萬次地做出，最終呈現為那個歷史性的榜單：前五名調用量最高的模型，中國占了四席。

這種逆轉不是因為中國模型突然變得比Claude更強，而是因為Agent時代的競爭維度變了。

在對話式AI時代，模型的質量上限決定一切；在Agent時代，成本、穩定性、對高頻調用的支持程度，跑到了質量前面。這個競爭維度的切換，恰好是中國AI的優勢區間。

明略科技副總裁李夢林將這件事的實質說得很準確："OpenClaw的'自帶代理'模式，本質上觸發了AI產業鏈的一次利益再分配。" 分配的結果，是一部分原本流向海外大廠的API收入，在2026年第一季度發生了歷史上第一次大規模的逆轉性遷移。

三、Token戰爭的底層邏輯：誰是AI時代的水電煤

阿里在2026年3月做出的那個組織架構調整，現在回頭看，是整個Agent時代最清醒的戰略動作之一。

成立Alibaba Token Hub（ATH）事業群，與電商、云智能并列，由CEO吳泳銘直接帶隊，整個事業群圍繞一件事運轉：創造Token、輸送Token、應用Token。

這句話說起來像繞口令，但背后是一個極為清晰的產業判斷：Token正在成為AI時代的基礎能源，就像電力之于工業時代，就像帶寬之于互聯網時代。

在這個判斷下，大模型不再是終點，而是產能設施；云服務不再是存儲和計算的租賃，而是Token的輸配網絡；應用產品不再是對話框，而是Token的消費終端。整條產業鏈的價值，最終收斂到一個核心指標：單位Token的成本和質量。

這正是中國AI在過去兩年一直在做卻被嚴重低估的事情。DeepSeek用557萬美元訓練出GPT-4級別的模型，不是技術炫耀，是在給Token工廠降低原料成本；

MiniMax M2.5把Agent工具調用能力壓縮到10B激活參數高效推理，定價"每小時1美元"，是在以幾乎是成本價的方式搶占基礎設施層的市場份額；

Qwen系列則在多模態與工具調用的兼容性上持續打磨，確保在OpenClaw生態里能成為開發者的默認選項之一。

三條路線指向的是同一個目標：在Agent時代的Token消耗鏈條里，占據成本最低、供應最穩的那個位置。

這條邏輯鏈，在OpenClaw爆發之前，是一個被少數人相信但很難被大眾感知的故事。OpenClaw的到來，把這個故事從"產業洞察"變成了"當下現實"，因為OpenClaw是一臺真實的、高功率運轉的Token消費機器，它第一次讓無數普通用戶親身感受到了"AI持續運轉"和"Token持續消耗"之間的直接關系。誰能以最低的成本穩定地供給Token，誰就成為這臺機器的首選燃料。

國內另一個不太被注意到的數據，同樣印證了這個判斷。MiniMax M2.5發布后12小時內登頂OpenRouter熱度榜，一周內周調用量暴漲至3.07萬億Token，超過DeepSeek V3.2、GLM-5等三家模型的總和。這個數字背后的驅動力，幾乎全部來自OpenClaw生態的高頻調用需求。

這意味著什么？意味著中國AI的商業化主戰場，已經從"有多少人打開了這個App"，跳轉到了"有多少Token在這套基礎設施上流動"。兩個指標描述的是完全不同的商業邏輯：前者依賴的是用戶粘性和消費習慣，后者依賴的是基礎設施的規模效應和成本護城河。后者，才是真正難以被顛覆的競爭優勢。

四、大廠戰的真相：他們不是在賣龍蝦，是在賣鏟子

騰訊、阿里、字節、百度在OpenClaw熱潮里的集體涌入，表面上看起來像是一場跟風，但仔細解剖每一家的動作邏輯，會發現背后藏著一個比"跟風"深得多的戰略。

騰訊在深圳總部舉辦線下安裝會，幫數百名用戶把OpenClaw部署到TencentCloud上。騰訊官方文檔寫得清楚："OpenClaw來自開源社區，云應用不收費。"然后補了一句："云服務器和API按實際消耗計費。"這個商業模式，翻譯過來就是：用OpenClaw的入口流量，喂飽騰訊云的算力和帶寬業務。OpenClaw本身是免費的誘餌，基礎設施才是騰訊真正要賣的東西。

阿里的邏輯更赤裸。用戶在輕量應用服務器上部署OpenClaw后，系統默認配置的是DeepSeek API，但會自動引導用戶前往"阿里云百煉大模型控制臺"創建API Key，通義千問系列模型的調用費用，從那個API Key里出。用戶以為自己在用開源工具，但每一次Agent的工具調用，都在給阿里云的計量系統加一個計數。

百度直接上線了"移動版OpenClaw"，主打無需本地部署、云端環境隔離更安全，本質上是把OpenClaw做成了接入百度云算力的消費入口。字節跳動的ArkClaw連本地部署的麻煩都省掉了，做成了純瀏覽器端產品，換取的是ByteDance火山引擎在每一次Agent運行背后的調用份額。

這場競爭里有一句話流傳很廣，出自36kr的一篇分析："這就是個賣鏟子的生意。OpenClaw淘金熱里，中國大廠要做的，是成為那個向所有淘金者賣鏟子的人。" 這個比喻非常準確，但它隱藏了一層更重要的東西：淘金熱結束之后，鏟子生意不會結束，但淘金者會換地方。真正的護城河，不是誰家的鏟子賣得更多，而是誰把自己的算力基礎設施做成了淘金者離不開的"水和電"。

這也是為什么阿里成立ATH事業群的戰略意義遠超字面，它意味著阿里不滿足于做OpenClaw時代的云服務供應商，而是要在下一個技術范式到來之前，把Token的生產、分發和消費整個鏈條攥在自己手里。

一家公司用事業群的層級來定義"Token"，意味著它相信Token會像流量一樣，成為這個時代最核心的生產要素。如果這個判斷是對的，先建起Token基礎設施的那家公司，將獲得比當年阿里云相對AWS更大的先發優勢——因為這一次，它連模型都自己造。

五、中國獨有的產業化速度，從哪里來

同樣是OpenClaw熱潮，美國的反應和中國的反應有一個結構性的差異，這個差異本身是一個非常值得深思的現象。

在美國，OpenClaw的爆發主要停留在開發者社區層面，GitHub stars狂飆、Discord社群活躍、YCombinator創始人陳嘉興和a16z的多位合伙人公開宣稱自己是狂熱粉絲，但大規模的商業化產品、地方政府的扶持政策、數以千計的線下安裝服務，并沒有以同樣的密度和速度出現。

在中國，這些東西幾乎是同步爆發的。騰訊的線下活動、深圳無錫的政策補貼、JD.com的399元安裝服務、工程師收費500元上門部署……這是一個只有在中國市場才會呈現的景觀：一項技術產品從開源框架到大眾消費產品，從GitHub到線下安裝攤位，中間的轉化時間是以周而非月來計算的。

這種速度背后有幾層結構性原因，每一層都比表面看起來更深。

第一層是超級App生態的天然適配。OpenClaw需要接管消息應用來執行任務，而微信、飛書、企業微信恰好是中國職場人幾乎所有工作流程的中樞。一個能直接操作微信、讀取企業微信消息、在飛書上自動完成審批流的Agent，在中國語境下的實用價值，遠超一個操作WhatsApp或Slack的西方版本。這不是偶然的功能對齊，而是中國數字化基礎設施的高度集中，意外地成了Agent落地的最佳土壤。

第二層是極端強烈的降本增效需求。中國經濟在過去兩年經歷的壓力，讓企業和個人對"用更少的人做更多的事"有著美國市場難以比擬的迫切性。當一個老板發現可以用Agent替代部分外包需求，當一個自媒體人發現可以用Agent完成原本需要團隊協作的工作流，他們不需要被教育AI的價值，他們只需要知道怎么用。這種需求密度，是OpenClaw在中國形成"安裝排隊"奇觀的真實土壤。

第三層，也是最常被低估的一層：中國AI產業三年大模型競爭，意外地培養了一批真正懂得如何把AI工具變成商業產品的人。那些在"百模大戰"里存活下來的團隊，不是靠模型參數贏的，而是靠對中國用戶需求的精準理解、對產品落地的執行速度、以及對商業化路徑的持續摸索贏的。當Agent時代的機會窗口打開，這批人帶著已經被磨礪過的產品直覺和執行能力，立刻知道往哪個方向沖。

六、彎道超車的真實邊界

但這場勝利，有它真實的邊界，而且這個邊界比很多人愿意承認的更清晰。

中國贏的這一局，是應用層的商業化速度，不是基礎技術的代際領先。

OpenClaw框架本身是奧地利人寫的。底層的大語言模型能力，在復雜推理上的天花板，全球學術界公認仍然是Claude Opus和GPT-5.4系列更高。中國模型勝出的核心變量是成本和對高頻調用的支持，而不是在智能密度上真正超越了對手。在那些需要極高推理能力的任務上，復雜代碼重構、高難度科學推斷、需要深度上下文理解的多輪決策，絕大多數中國模型仍然建議開發者在關鍵步驟切換到旗艦海外模型。

這個差距不是永久性的，但它現在是真實存在的。

Agent生態層面也存在類似的問題。中國迄今為止爆發的這波Agent熱，在應用場景上高度集中在流程相對標準化的任務：數據整理、內容生產、郵件處理、簡單的研究搜集。一旦進入需要真正判斷力的非標任務——需要在模糊的信息中做權衡、需要在利益沖突的情況下做選擇、需要理解復雜的組織政治——現階段的Agent準確率會急劇下降，而這個下降是中美模型都面臨的共同問題，不是專屬于中國的短板。

安全隱患則是另一個更緊迫的現實問題。工信部的警告不是在掃興，而是在指向一個系統性漏洞：當Agent擁有了真正的執行能力，它的權限邊界就變得極其關鍵。Cisco安全團隊在測試中發現的那個第三方OpenClaw插件，在用戶不知情的情況下執行了數據外泄，這不是極端案例，而是權限設計不完善的必然結果。

中國市場"先裝了再說"的速度，在商業化上是優勢，在安全治理上則是欠賬。這筆賬，要么在后續的產品迭代里系統性補上，要么等待一次大規模安全事件來倒逼。

有專家認為：中國企業真正的機會不是做更好的OpenClaw，而是做OpenClaw做不到的事，更懂行業、更深場景、更穩落地。 這句話的潛臺詞是：OpenClaw代表的是一種通用Agent框架的范式，但通用，意味著它在每一個具體的垂直場景里都沒有真正的深度。深度，才是護城河。誰先在金融、醫療、制造、法律等高壁壘場景里建立起可信賴的專用Agent系統，誰才能真正把這次的速度優勢轉化為持久的商業壁壘。

七、這場競爭的真正勝負手，不在技術

如果說大模型時代的競爭是一場軍備競賽，誰的參數更大、誰的benchmark更高、誰的訓練成本更低。那Agent時代的競爭，更像是一場基礎設施戰爭：誰先把AI算力變成像水和電一樣的公共服務，誰先把Agent能力嵌入每一個真實的工作流程，誰先構建起足夠規模的可信數據和行業知識壁壘，誰就贏得了這場戰爭的入場券。

在這個框架下，中國目前領先的那一局，價值是真實的，但它是入場券，不是終局。

OpenClaw帶來的窗口期，核心價值在于它給了中國AI產業一個"先跑起來"的機會，在用戶規模、在商業模式驗證、在Token基礎設施的體量上積累起真實的先發優勢。

這個驗證完成之后，資本和人才會更快速地向Agent賽道聚集，而中國AI產業在過去三年積累的執行速度和產品打磨能力，會在一個有確定性的賽道里得到最大化的發揮。

但窗口期不會無限延續。OpenAI沒有坐以待斃。GPT-5.4在3月發布時就明確指向了Agentic工作流的原生支持，Codex在企業端的滲透速度告訴市場，OpenAI沒有放棄Agent層的控制權。Google Workspace的Agent化整合，有著任何獨立產品都難以復制的分發網絡優勢。微軟Copilot深度嵌入Office生態，面向的是中國大廠觸達不到的數億企業用戶。

這場競爭的真實勝負，最終會在三年后的某個時間節點變得清晰——那時候，誰在真正高價值的垂直場景里建立起了不可替代的Agent基礎設施，誰就贏了這場從大模型到Agent的換道賽。技術差距會縮小，成本優勢會被追平，但那時候已經建立起來的用戶信任、數據護城河和行業深度，才是真正的壁壘。

2025年還是"千模混戰"，2026年主戰場已全面轉向智能體。這個判斷現在已經是共識，但共識從來不是終點，而是下一輪競爭的起跑線。

中國AI目前站在這條線的前面，但不是很多。

數據來源： 第一財經、《每日經濟新聞》、CNBC、Fortune、36kr、國家數據局、華泰柏瑞基金、OpenRouter公開數據、明略科技、CEIBS中歐國際工商學院 | 數據截至2026年4月