如果说2025年是AI的“百模大战”，那么2026年开年，战场已经从“炼模型”转为了“养龙虾”。
这个被戏称为“小龙虾”的开源智能体OpenClaw，正以惊人的速度攻占开发者的电脑和企业的服务器。它之所以迷人，是因为它不再是那个只会聊天的“嘴强王者”，而是真正能动手干活的“数字牛马”——你可以让它帮你整理三个月的数据报表，也可以让它彻夜不休地调试代码，第二天早上给你一份交付成果。
听起来很美，对吧？但如果你真的动手“养”了这只虾，月初收到账单的那一刻，你可能会发出和深圳那位程序员一样的哀嚎：“安装OpenClaw第三天，凌晨收到账单——API密钥被盗，3天消耗了1.2万元Token费用。”
这是一个极具象征意义的瞬间。当AI进化到“Agent（智能体）时代”，我们猛然发现，技术革命的卡点不再是算法的精妙，而是最朴素、最俗气，却也最致命的问题——电费太贵了。这个“电费”，就是Token。
从“Token免费午餐”的美梦中惊醒的人们，正在经历一场前所未有的“饥饿游戏”。而这场由OpenClaw点燃的Token消耗危机，恰恰像一面照妖镜，映照出当下AI产业华丽袍子下的满目疮痍。
一、昂贵的“数字牛马”：养不起的生产力工具
先来算一笔经济账，你就知道这波“Token大爆炸”有多恐怖。
传统的聊天机器人，你问一句它答一句，Token消耗是线性的。但OpenClaw不一样，它遵循的是“想法-分解-执行-纠错-再执行”的循环逻辑。你要它整理一份报告，它可能会先搜索资料，再读取文件，然后编写代码，接着运行调试，最后优化格式——每一个步骤，都是一次乃至多次的大模型调用。
有开发者实测，仅仅是执行复杂的程序调试任务，一天烧掉10亿个Token如同家常便饭，折合成本高达数万元。更有大数据工程师心有余悸地分享：“一个晚上就用OpenClaw闲聊了几句和查了下数据，100万Token就没了还欠费了。如果不是邮件提醒我就要破产了。”
这让人不禁想起2G网络时代，那个流量按30M包月计算，小心翼翼地关闭图片加载的岁月。如今的Token消耗，像极了那个“流量贵过话费”的蛮荒时代。但讽刺的是，我们本以为迎来了生产力的解放，却发现自己首先沦为了一只“嗷嗷待哺”的Token吞金兽。
这并非OpenClaw本身的缺陷，而是Agent这一技术路径的“宿命”。它越是强大，越是自主，它对底层算力的榨取就越是贪婪。我们在追求“去人工化”的同时，实际上是在用一种更隐秘、更昂贵的“数字税”，来替代传统的人力成本。
二、杰文斯悖论：当省钱的工具让你花得更多
这里诞生了一个极具迷惑性的认知陷阱。
经济学家威廉·斯坦利·杰文斯曾在19世纪发现一个悖论：更高效的蒸汽机降低了煤炭的使用成本，本应节约煤炭，结果却因为刺激了更多的工业需求，导致煤炭总消耗量飙升。
这一幕正在AI领域重演。
OpenClaw这类智能体，本意是通过自动化来降低完成任务的成本（Token消耗）。但因为它太能干了，原本你只让它写一封邮件，现在你让它管理整个邮箱、顺便做竞品分析、再顺带生成月度PPT。效率的提升非但没有让你“休息”，反而让你和你的机器承担了更多的工作，消耗了呈指数级增长的Token。
一位开发者在Software Factory的帖子中的一句话令人心惊：“每人每天1000美元的数字让我震惊，但我怀疑用不了多久，这个数字就会显得微不足道。”
这不再是技术的困境，而是人性的贪婪与技术能力的共振。我们试图用AI来填满所有的时间缝隙和业务需求，却忽略了每一行代码、每一次交互背后那条看不见的“电线”，正在以惊人的速度消耗着真金白银。
三、开发者围城：从技术狂欢到生存焦虑
Token的昂贵，正在深刻地改变开发者社区的生态和心态。
首先是“用不起”的焦虑。 为了应对高昂的API费用，开发者们不得不开启“省电模式”。阿里云开发者社区甚至推出了专门的教程，教用户如何通过“qmd”、“exa-search”、“memory-optimizer”等六大省钱技能，将Token消耗降低40%-95%。这听起来像是一个黑色幽默：我们花了大价钱买了最先进的机床，然后每天最重要的工作是研究怎么少开它。
其次是“被替代”的恐慌。 随着编码智能体的成熟，软件开发的逻辑变了。曾经需要十年寒窗苦读的编程技艺，如今可能被一句提示词瞬间生成。有开发者坦言自己经历了巨大的心理压力与情绪困扰，因为那种原本独特、稀缺的技能正在被消解。当代码变得廉价，码农的价值何在？当AI能24小时产出“工作废料”（低质量的AI生成内容），人类反而需要花费更多时间去甄别、修改，无形中增加了“隐性工作量”。
最后是“被薅羊毛”的风险。 工信部已明确提示，OpenClaw在默认或不当配置下存在极高安全风险。那个三天被刷掉1.2万元的程序员，就是API密钥被盗的受害者。更有用户在群聊中发出一条“投毒”指令，诱导AI执行“sudo rm -rf /”（删除系统所有文件）的毁灭性操作。在这个Token即金钱的时代，你的AI牛马不仅可能吃空你的粮仓，还可能转头拆了你的房子。
四、大模型的“神”与“人”：当爱因斯坦去拧螺丝
在这场Token危机中，一个意想不到的趋势浮出水面：“西数东算”与模型分层。
全球开发者被昂贵的Token逼疯了，他们开始用脚投票。OpenRouter的数据显示，中国大模型的周调用量历史性地首次超过美国。原因无他，就是便宜。MiniMax M2.5的输出价格约为1.2美元/百万Token，而Claude 4.6 Sonnet的价格是15美元/百万Token，相差十倍不止。
这就引出了一个深刻的问题：我们真的需要每次都用“爱因斯坦”去拧螺丝吗？
整理日报、提取财报数据、定时发送新闻——这些占据AI应用90%工作量的“蓝领型”任务，根本不需要顶尖大模型的深度推理能力。中国模型凭借“80%的能力，20%的价格”，完美承接了这一波海量、低密度的认知工作需求。
这暴露了当下AI产业的一个认知错位：模型厂商们拼命在排行榜上厮杀，追求更低的困惑度、更高的逻辑得分，试图造出“神”。但在真实的应用场景中，市场迫切需要的是一群任劳任怨、吃得少干得多、最好连“草料”都能省则省的“人”。
五、泡沫与出路：我们究竟需要什么样的AI？
资本市场永远是诚实的。一方面，英伟达财报炸裂，算力需求依旧旺盛；另一方面，一篇关于“2028全球智能危机”的思想实验文章，就能让美股软件板块应声下跌。这种分裂的背后，是市场对“生产力悖论”的集体审视：如果AI的效率提升到极致，但它摧毁了就业，萎缩了消费，那么算力究竟还能卖给谁？
当下的AI困境，本质上是一场关于“价值兑现”的困境。
一是同质化的泥潭。 无论是智能客服、AI画图还是如今的“小龙虾”，产品界面相似度高达92%。大家陷入“同质化→低留存→高获客成本→高算力投入→低ROI→更依赖通用功能”的恶性循环。绝大多数AI应用并未真正嵌入核心业务流程，只是停留在“高级搜索工具”的层面。
二是商业模式的迷茫。 企业愿意为AI的概念买单，却难以为长期效果持续付费。技术投入与产出严重错配，大家“信任AI能力，但仍未真正转化为生产力”。
三是能源与资源的极限。 随着OpenClaw这类智能体的普及，Token消耗量将迈向天文数字。届时，制约AI发展的不再是算法论文，而是电网的负荷和数据中心的散热。正如全国人大代表刘庆峰所提，我们需要探索量子计算等新路径来突破算力瓶颈。
结语
回到那个“养虾人”的凌晨账单。那一笔笔触目惊心的扣费，不仅是金钱的流失，更是这个时代向我们发出的警告。
我们曾以为AI的尽头是通用人工智能（AGI），是硅基文明的觉醒。但OpenClaw的Token危机告诉我们，AI的尽头其实是电力、是成本、是那个古老而永恒的经济学规律。
别被AI焦虑绑架。虽然“第一批龙虾受害者”已经出现，但这并非坏事。只有当潮水退去，我们才能看清谁在裸泳；只有当账单寄到，我们才会冷静下来思考：我们究竟需要AI做什么？
是造一个无所不能却谁也养不起的“神”，还是造一群深入场景、精打细算、真正能帮我们赚钱的“人”？
答案，或许就藏在那个让我们心疼的Token数字里。当每一分算力都变得昂贵，我们才真正学会了敬畏，也真正学会了务实。而这，恰恰是AI从“玩具”走向“工具”，从“狂热”走向“理性”的必经之路。
最热评论 （0）