人类社会的发展史，本质是一部由技术革命驱动的生产力革新史。蒸汽机解放了人力，电力延伸了时空，互联网重构了距离……每一次关键技术的出现，都在改变人类的生产方式与社会结构，也不断拓展着文明的边界。

2022年，随着ChatGPT横空出世，人工智能第一次以直观的方式进入公众视野。短短几年间，围绕AI的技术体系与产业生态迅速演进，从芯片算力到算法模型，从软件工具到应用场景，AI正引领当下最伟大的生产力革命，推动人类从信息时代跨入智能时代。

当算法开始重构商业逻辑，当算力成为新的生产要素，人工智能不仅改变着企业的运营模式，更在重塑我们对管理、组织与创新的根本理解。复旦管院特别推出“智能涌见”栏目，聚焦AI领域前沿动态与深度变革，既追踪技术演进脉络，更关注其背后的商业逻辑与社会影响。我们记录这个时代最重大的转型，也呈现老师、校友与同学们在智能浪潮中的一线实践与思考。在这里，技术与商业交汇，洞察与行动并行。因为理解变革，方能引领变革。

首期，信息管理与商业智能系的张诚教授、卢向华教授、窦一凡教授、李文文副教授针对OpenClaw掀起的“龙虾热”，围绕个人AI助手究竟能创造多大价值和应用前景，展开了一场“群聊”。

复旦管院院长助理，信息管理与商业智能系教授、系主任、博士生导师

自从OpenClaw诞生后，各种“养龙虾”热潮盛行。在国内，Min Max和Kimi也迅速布局，甚至连上门安装OpenClaw的服务都生意兴隆。个人AI助手究竟是未来的主流趋势，或者只是一阵风潮呢？

窦一凡教授：在OpenClaw刚出来的时候，因为我自己平时是Mac全套设备，于是信心满满地去尝试，却发现总是不太对。

整体上来说，我会担心龙虾可能不太安全，特别是担心电脑里许多重要文件的保密性。后来，KimiClaw出现了，虽然使用起来很方便，但Kimi其实只是一个在线沙箱，而且价格比较贵，暂时还没想好哪些工作值得投入。

回顾一下，我觉得Claw代表着人们对个人生产力自动化的追求，肯定不会是一阵风潮。尤其KimiClaw能够连接clawhub和很多skills。未来，在个人助手方向上肯定还会有更强大的生态和更多企业的配置支持，在个体生产力层面上必然也会发展得更加强大。只是一开始的安全隐患感觉并未消除，甚至变得更大了。如何让自动化生产力切实落地，尤其是在企业和组织落地，未来的组织越来越需要一整套完整的AI方法论。

张诚教授：相比从2023年就开始尝试的各类智能体和多智能体协作技术框架（如MCP，A2A），龙虾更能“烧”Token（词元），原因在于，龙虾不仅是处理内容，更需要像人类一样灵活调用各种工具、组合策略来完成任务。它将“如何实现”的黑盒交给AI去自由尝试，让用户只需专注于“想要什么”，相对屏蔽了自动化过程中的技术繁琐。

当然，这种高度的自主性依旧有代价：AI在尝试不同路径时产生的额外推理和编程测试步骤，直接转化为了更多的Token消耗。所以，龙虾的出现，本质上是在更好的用户易用性与更高的算力成本之间，做出了一种新的平衡。

李文文副教授：如果把个体层面利用龙虾提升工作效率，与企业层面广泛部署人工智能以提高整体效率并引发大规模裁员结合起来看，这一现象还有许多地方值得深入思考。

在AI工具协助下，工作效率的提升正在从减少冗余逐步发展到极致精简，使得一个人能够承担原本由三人完成的工作，而每个人又在依靠龙虾等工具完成任务。

同时，我们也需要警惕养“龙虾”带来的安全风险。在本地部署的时候，龙虾往往会被过度授权，使其能够合法访问一些密钥文件和本地数据库等，用户的个人隐私或者敏感数据可能被作为上下文发送给外部大模型。这些都可能造成网络安全风险和信息泄露等安全问题。个人使用时需要在效率和隐私安全间找到平衡点。

目前OpenClaw在个人用户里很火，在企业层面，尽管一些企业已经积极响应，但做法还比较简单，如何理解这种“温差”？

卢向华教授：组织的经营与决策远比个体要复杂，能提高个人生产力的工具并不能快速直接转化为提高企业的生产力，这不是领导有没有远见、胆子大不大的问题。就像之前微信刚诞生的时候，每个人都觉得太好用、太方便了，但差不多5年之后，企业微信才面世，才真正在企业里产生价值。尽管产品迭代速度更快了，但实际上，仍然需要更长的时间优化调试才能用到组织里。

去年数字公务员引发热烈讨论时，我写过一句话：对于公务员相关岗位的所谓“取代”是一个漫长遥远且不只是与技术有关的过程。如果按照《技术陷阱》一书中的观点，它会涉及到制度设计、社会基础、工作程序、考核度量等，这些都需要重新设计。

OpenClaw作为数字员工的一种类型，其实也是一样的。但假以时日，它一定会对企业经营产生影响，就像电脑先改变了人的工作习惯，然后才有后面的数据化、流程化。AI改变的也是人的工作习惯：要先学会准确地提问，学会指挥OpenClaw，并有效地与之分工协同，然后才会改变生产关系和组织能力。

现在“龙虾很热”，但相信很多人即使安装了OpenClaw，发完朋友圈、图个新鲜感后，可能实际上并不会用。比如我，其实不知道需要龙虾做什么，因为其它AI工具也已经够强大，能帮我干不少工作，边际价值有限。

还有一部分的人烧掉了不少Token，试了试手觉得很酷，但好奇期过后，估计也会回到平淡期。能真正利用OpenClaw工作赚钱的，最后估计还是企业或是想创业的个人，因为投资回报率比较高。对更广大的老百姓而言，他们可能没那么在乎投资回报,只在乎好不好玩——以上是我大胆的猜测。

窦一凡教授：龙虾其实特别能体现AI时代在个体追求生产力和组织落地层面的巨大反差。这个反差可能成为未来长期AI生产力工具发展的主旋律。即使龙虾热过去了，可能还会有“大闸蟹”。个体层面都在为AI的日新月异而激动，企业层面（除了模型和服务厂商）则听不到太多声音，因为他们很难分清到底是机遇大还是风险大，最终走向则可能是更小的组织乃至一人公司。

按照科斯的交易成本理论，这是企业边界的重新划分——企业的边界总是体现内部管理成本和外部交易成本的平衡。换句话说，如果很容易找到外包方，企业就会减掉这个内部岗位。而龙虾最大的意义是让很多原来必须依赖公司内部层级、同事配合、IT支持才能完成的小任务，员工自己就能以更低成本完成。也就是说，它在一定程度上减少了内部成本，因此组织应该变小，让每个留下的员工更像是一个小的团队，可以直接调动各种工具、信息和外部能力。

但另一面的影响是员工开始拥有了一种“绕开传统正式流程去做事”的能力。于是企业需要解决的不只是要不要用龙虾，而是怎么管理龙虾涉及的权限、数据、安全和责任边界，这可能反而导致管理成本变得更高。以后的“企业边界”可能不是经典文献里讲的哪些事自己做、哪些事外包，而是需要定义员工可以在多大程度上自主调用AI助手的规则。

卢向华教授：当“龙虾”们大规模普及时，人们或许会更加珍视由真人提供的答案及亲手完成的工作。就像现在这场交流，因为来自我们逐字的手书，相信读者们会认真阅读。然而，如果这段文字出自“龙虾”之手，大家在阅读的时候或许就没那么认真了。"