OpenClaw 逼問 AI 模型價值

三個月前，主流科技圈幾乎沒人在聊 OpenClaw。結果上週，Nvidia 執行長 Jensen Huang 直接把它帶上 GTC 舞台，還在 CNBC 訪談裡說它「definitely the next ChatGPT」。這個速度很誇張，也很現實。市場原本一直把焦點放在誰的模型最大、誰的參數最多，但 OpenClaw 像是在提醒大家，AI 最值錢的地方，可能不是模型本身。

講白了，OpenClaw 爆紅不是因為它發明了新的 Transformer，也不是因為它把基準測試分數拉高多少。它吸住開發者眼球，是因為它把 AI agent 接到大家每天真的會用的地方。像 WhatsApp、Telegram、Slack、Discord、Signal，這些才是工作和生活的現場。

如果開發者真的能用家裡的硬體，像 Apple Mac Mini，搭配便宜的開源模型和開源軟體，就做出夠好用的自動代理，那大型專有模型的高溢價就會開始鬆動。我覺得這才是 OpenClaw 最刺耳的地方。它不是在挑戰 AI 能不能做事，而是在挑戰「模型公司能不能一直收那麼貴」。

OpenClaw 為什麼打到市場痛點

OpenClaw 最直接的吸引力，是它很貼近真實使用情境。很多 AI demo 看起來很會講，但離日常流程很遠。OpenClaw 不一樣，它直接插進聊天軟體、通知、工作協作和個人訊息流。這種產品感受很即時，開發者一裝就知道能不能用。

再來是成本。你不一定要一直打雲端 API，也不一定要每次都叫最貴的模型。對很多任務來說，只要模型夠用，真正決定體驗的反而是 agent 怎麼接資料、怎麼記上下文、怎麼執行動作。這會讓模型從產品主角，慢慢變成堆疊裡的一個零件。

這也是 OpenClaw 會在 hobbyist 和開發者圈子傳這麼快的原因。大家看到的不是單一專案走紅，而是一個更輕、更便宜的 agent layer，居然比很多砸大錢的 foundation model 發表還更快抓到注意力。說真的，這對模型公司不是好消息。

• Nvidia 在 GTC keynote 給了 OpenClaw 很高的曝光，但這個專案 6 個月前還不存在。
• OpenAI 與 Anthropic 在私人市場的合計估值，外界估到超過 1 兆美元。
• Seaport Research Partners 的 Jay Goldberg 表示，Nvidia 股價自他給出 sell rating 後，已上漲超過 60%。
• 不少開發者提到，在 Apple Mac Mini 這類本地機器部署，成本比反覆呼叫大型專有模型 API 低很多。

這裡的核心問題，其實就是商品化。假設模型 A 和模型 B 的效果差 10%，但 agent 軟體把訊息整合、提醒、工作流、自動回覆都做得很順，那使用者最後買的是整個體驗，不是底層模型名字。模型還重要，但不再能單獨決定價格。

GenerAIte Solutions 執行長 David Hendrickson 對 CNBC 講得很直白。他說 OpenClaw「proved that fully autonomous AI can be run at home without relying on the Magnificent 7 or Big AI。」這句話會讓新創很嗨，讓投資大型模型的人有點坐不住。因為它點破了一件事：很多人以為一定要靠超大雲端模型，結果現在看起來不一定。

價值可能正在往上層軟體移動

OpenClaw 這波最值得看的，不是技術炫技，而是價值分配。使用者不會花錢買「一個模型」。他們買的是結果。家長想要 agent 幫忙掃學校 email，購物者想追蹤嬰兒車降價通知，行銷人員想要系統整理對話、草擬回覆、又不要把私人資料跟公司資料混在一起。這些需求都不是單靠模型分數能解決。

Forrester 分析師 Charlie Dai 在 CNBC 報導裡也點到重點。市場注意力正往 agent framework 移動，尤其是 autonomy、usability、locality、control 這幾件事。你看這些字，幾乎都比較像軟體產品的競爭，不像研究實驗室的競賽。

我覺得這個轉向很合理。模型公司一直在比誰更聰明，但一般人每天在意的往往是另外幾件事：會不會亂抓資料、能不能接我現在用的工具、出錯時怎麼回溯、公司法遵能不能接受。這些都屬於產品層，不屬於純模型層。

“The models become the engine; the agent framework becomes the car.”

— David Bader，New Jersey Institute of Technology 資料科學研究所主任，接受 CNBC 訪問時表示

這句比喻很準。引擎當然重要，馬力更大的引擎也會吸引一部分買家。但大多數人買車，不會只看引擎規格表。他們看整台車好不好開、安不安全、保養麻不麻煩、內裝順不順手。AI 也很可能走向同一條路，模型提供能力，agent 平台掌握使用者關係。

這也能解釋 Nvidia 為什麼很快把 NemoClaw 這類安全工具綁上來。假設 OpenClaw 這種 agent 方式變普遍，錢就不一定只流向模型 API。部署、監控、權限、身分驗證、記錄、容器、法遵、企業管理，這些周邊層反而更容易收費，而且客戶比較願意長期買單。

問題也很明顯：好用，但很亂

OpenClaw 的優點，剛好也是它最危險的地方。它能碰到很多個人與工作通訊管道，所以很方便。可是一旦 agent 能讀訊息、推測上下文、甚至自己採取行動，錯誤就不只是「答錯題」而已，而是可能直接把你的私人生活帶進工作場合。這種事故很容易讓人瞬間失去信任。

以色列開發者 Gavriel Cohen 就給了很具體的例子。他擔心 agent 會從私人 WhatsApp 對話拉出資訊，然後在工作情境回答時不小心帶出私事。像同事問你什麼時候有空開會，結果 agent 回到你女兒的芭蕾課安排。這不是抽象的 AI 安全問題，而是使用者一聽就知道很可怕的產品設計問題。

更麻煩的是，這種錯誤不一定來自模型太笨。很多時候是權限邊界、記憶設計、資料隔離、上下文管理做得不夠細。模型再強，只要軟體層把工作群組跟私人群組搞混，照樣出事。這也是 agent 產品最難的地方，難的不是生成文字，而是把資料界線切乾淨。

• Cohen 表示，OpenClaw 很難分清不同 WhatsApp 群組訊息。
• 他用 Anthropic 的 Claude Code 做了一個修改版，加強私人與工作聊天的隔離。
• 這個版本在 1 月下旬以 NanoClaw 名義釋出到開源社群。
• 他和兄弟後來關掉 AI 行銷代理公司，改成立 NanoCo，並與 Docker 合作。

這段故事很重要。因為它反映了開發者社群的真實反應：遇到安全和可靠性問題，不會乖乖等官方 roadmap。大家會直接 fork、修補、重新封裝。這種速度很快，也很殘酷。底層如果沒有很強的黏著度，很容易被替換。

這也讓 AI 商業模式的矛盾變得更清楚。模型實驗室想把使用者留在付費 API 和託管產品裡。開發者想要彈性、低成本、在地控制。企業客戶要的是 audit trail、權限、隔離、出事有人接電話。三邊的需求沒有那麼一致，所以市場最後很可能不是單一路線，而是分層。

OpenAI、Anthropic、Nvidia 各自要面對什麼

先講清楚，OpenAI 和 Anthropic 當然沒有突然失去價值。Greylock 的 Jerry Chen 對 CNBC 提到，底層 foundation models 仍然重要，而且很多任務上，專有模型還是比開放權重模型強。這點我同意。高難度推理、程式生成、長上下文穩定度，頂級專有模型目前還是有優勢。

但 OpenClaw 讓市場看到另一種切法。高階任務可以繼續由高價模型吃下，日常 agent 任務則可能大量流向便宜模型和開源方案。這樣一來，模型公司保住技術名聲，卻不一定保得住全部利潤。真正賺錢的，可能是把 intelligence 包裝成可管理、可審計、可日常使用產品的那一層。

Nvidia 反而坐得比較穩。不管最後贏家是大型模型公司，還是開放 agent 平台，只要 AI agent 真的擴散到本地裝置、邊緣系統和企業基礎設施，Nvidia 都還是在賣算力、推論和整套周邊工具。Jensen Huang 對 OpenClaw 那麼熱情，邏輯其實不難懂。哪一邊贏，他大多都有得賺。

• OpenAI 的優勢在模型品質、API 生態與品牌信任。
• Anthropic 的優勢在企業形象、Claude 系列能力與開發工具整合。
• OpenClaw 類產品的優勢在低成本、在地部署、可客製與接近真實流程。
• Nvidia 的優勢在硬體、推論需求成長，以及安全與部署工具鏈。

投資人真正該問的問題，也不是「哪個模型最強」。更重要的是，當模型品質差距慢慢縮小後，誰還保有定價能力。如果使用者可以接受 5% 到 15% 的效果落差，卻換來 50% 以上的成本下降，那高價模型護城河就會變薄。這很現實，而且已經開始發生。

對模型公司來說，接下來不能只靠 benchmark 和 demo 撐場面。你得證明你的模型在真實工作流裡，真的能幫客戶省多少時間、降多少錯誤、滿足多少法遵要求。否則，開發者會用較便宜的替代品，再把差異用軟體工程補回來。

更大的背景：AI 市場正在從模型戰走向系統戰

如果把時間拉長來看，這其實很像過去很多科技產業的路徑。底層技術剛出來時，大家先追最強規格。等能力逐漸普及後，競爭焦點就會往整合、體驗、控制權和成本移動。AI 現在很可能正走到這個轉折點，只是速度比很多人想得快。

另一個背景是企業採用的現實。公司不會因為模型很紅就全面上線。資訊部門會問資料放哪裡、誰能看、怎麼記錄、怎麼撤權限、怎麼防止私人資料混到公司系統。這些問題沒有一個能靠「模型更大」直接解決。最後還是得靠軟體架構、權限設計與部署方式。

所以你會看到兩條線同時長出來。一條是像 OpenClaw、NanoClaw 這種偏開發者、偏本地部署、偏開源的路線。另一條是像 NemoClaw 這樣偏企業治理、偏安全包裝、偏商業化的路線。兩邊都不是模型本身，但兩邊都會影響模型公司最後能拿到多少價值。

接下來一年，值得盯的三件事

我自己的判斷很簡單。接下來 12 個月，agent 市場比的不是誰把模型再堆大，而是誰能把信任機制做紮實。像記憶邊界、權限分層、在地執行、資料隔離、操作記錄，這些看起來不酷，卻會決定產品能不能真的天天開著用。

如果你是開發者，現在最實際的動作不是只研究哪個 LLM 排名第一。先把問題改成：這個 agent 能接哪些工具、資料怎麼切、Token 成本多少、離線能不能跑、錯誤怎麼回滾、誰有權限看紀錄。週一早上 8 點，使用者願不願意把任務交給它，答案往往就在這些細節裡。

如果你是投資人，盯住 pricing power。模型品質收斂後，API 單價很可能繼續被壓。反而是整合層、治理層、企業控制層，比較有機會守住毛利。如果你是模型公司，現在最該怕的不是另一個更大的模型，而是一個夠便宜、夠穩、夠貼近流程的 agent 平台。

OpenClaw 提出的硬問題，其實很直接：當模型變成可替換零件，誰還抓得住使用者？這題沒有標準答案，但市場已經開始作答。而且這次，答案多半不會只寫在模型排行榜上。