答案是肯定的。
開發(fā)者李然認為，OpenClaw掀起了Agent開發(fā)范式的轉(zhuǎn)變浪潮。
早期的Agent形態(tài)如Dify或扣子大多以workflow形式出現(xiàn)，盡管「拖拉拽」的低代碼已經(jīng)降低了開發(fā)門檻，但對企業(yè)組織中的非開發(fā)人員并不友好。
但OpenClaw通過系統(tǒng)級調(diào)用指令，能讓非開發(fā)者在常用的辦公軟件實現(xiàn)與Agent的交互，這是一種AI native 的Agent。
除了開發(fā)范式的轉(zhuǎn)變，還有行業(yè)專屬「方案超市」的建立，即行業(yè)知識和數(shù)據(jù)的進一步流動。
OpenClaw的工具能力依賴高質(zhì)量的skill使用文檔，OpenClaw爆發(fā)后，拉動了Github里的skill風暴，AI創(chuàng)作者海辛就在即刻上提到，醫(yī)療、金融、教育等各個行業(yè)的人，都可以利用AI為自己的工作實現(xiàn)便利，編寫專屬工具，未來的GitHub可能會從「代碼倉庫」轉(zhuǎn)化為「方案超市」。
但在Openclaw的甜蜜之外，對企業(yè)Agent落地而言，還有諸多苦澀。
一位大廠技術人員告訴「硅基研究室」，他在實測企業(yè)級Openclaw發(fā)現(xiàn)，技術棧和能力棧上都存在挑戰(zhàn)。
首先，OpeClaw框架底層的任務調(diào)度存在一定優(yōu)化空間，暫不適合承載高可靠性的企業(yè)級定時調(diào)度業(yè)務；其次，長期記憶模塊的原生能力也不足，還沒達到生產(chǎn)可用的成熟標準，另外還缺乏高質(zhì)量的skill生態(tài)。
換言之，考慮到企業(yè)落地Agent的合規(guī)、成本和安全，當前OpenClaw這種高消耗的調(diào)用方式和不穩(wěn)定的生態(tài)，對重權限、重可靠和強協(xié)作的企業(yè)組織來說，大規(guī)模的落地顯然還有一定的距離。
企業(yè)端對OpenClaw落地的謹慎態(tài)度也側(cè)面反映出，當前中國企業(yè)AI的大規(guī)模應用的殘酷現(xiàn)實。
據(jù)崔牛會的數(shù)據(jù)，當前已有43%的企業(yè)部門或崗位進入規(guī)?；褂秒A段，27%仍處在試點期，28%實現(xiàn)了廣泛滲透，還有1.9%尚未確定是否應用。
中國企業(yè)也在加速擁抱Agent，據(jù)IDC預測，預計中國企業(yè)活躍智能體數(shù)量將在2031年突破3.5億規(guī)模，年復合增長率達到135%以上，這一增速也將領先全球主要市場。
但這些「大規(guī)模落地」的數(shù)據(jù)繁榮背后，企業(yè)想要大規(guī)模落地AI還有三面看得見的墻：
認知墻、數(shù)據(jù)墻、生態(tài)墻。
所謂的認知墻，是決策層、執(zhí)行層和體驗層的預期偏差。
一位車品行業(yè)客服中心負責人告訴「硅基研究室」，去年他們曾投入大量資源完成客服系統(tǒng)的AI化，但實際效果并不好。他們已經(jīng)建立了完備的客服知識庫，也在電商大促的超負荷中使用AI接待用戶。
但她發(fā)現(xiàn)，一方面，很多非經(jīng)驗的知識需要在實際場景中逐漸積累，AI無法完全準確理解用戶的需求。
“比如AI在問‘您的車是高配還是低配？’，有的用戶礙于面子，會回答‘中配’，人工客服會理解用戶的回答，但AI就不行。”
另一方面，用戶對AI客服的態(tài)度也有兩極分化。“有的人看出客服是真人還是人工智能，她本身就對車品知識不了解，她沒辦法完全信任AI。”
還有不少企業(yè)決策者也會因害怕錯過的焦慮，盲目上馬AI，但實際執(zhí)行中發(fā)現(xiàn)AI對業(yè)務的價值增量并不大。
阿里云智能集團副總裁霍嘉也觀察到企業(yè)AI落地時的一個現(xiàn)象：“產(chǎn)業(yè)界對大模型能力的認知仍不足，業(yè)務領導信心很足，技術人員反而擔憂落地”。
德勤在調(diào)研企業(yè)AI落地時也指出這一「認知墻」：85%企業(yè)計劃定制Agent，但只有25%的試點項目真正上線到生產(chǎn)環(huán)節(jié)。同時，超三成企業(yè)認為，在3-5年內(nèi)企業(yè)應用Agent才能獲得可觀的回報，這意味著企業(yè)Agent還在早期。
其次，則是數(shù)據(jù)墻。
金山辦公助理總裁朱熠鍔認為：“今天在企業(yè)AI應用側(cè)，會從模型為中心走向以數(shù)據(jù)為中心。”今天AI很多效果不好、難落地，核心原因是和外部模型的連接有關。數(shù)據(jù)錯誤會導致解析錯誤，數(shù)據(jù)過少會產(chǎn)生檢索問題、知識治理問題，而數(shù)據(jù)過多又會影響上下文工程。
“很多企業(yè)AI往往做出Demo，非?？欤钦娴南胍暇€，則非常難。”朱熠鍔說。
金山辦公助理總裁朱熠鍔講解“AI時代的知識治理與應用”
在企業(yè)推進Agent的落地上，打破數(shù)據(jù)墻也成為關鍵。
第一，Agent想要實現(xiàn)跨生態(tài)、跨系統(tǒng)和多任務的調(diào)度，就必須要在企業(yè)內(nèi)部實現(xiàn)上百個系統(tǒng)里實現(xiàn)數(shù)據(jù)的互聯(lián)和格式的統(tǒng)一。第二，考慮到數(shù)據(jù)的可控和可信，企業(yè)內(nèi)部就必須建立分級分類的統(tǒng)一認證權限，保證數(shù)據(jù)的全鏈路可靠。
這無疑對企業(yè)的數(shù)據(jù)治理能力提出了更高的要求。
最后，則是生態(tài)墻。
在企業(yè)內(nèi)部，需要建立AI協(xié)同機制，破解資源壁壘。
一位國企IT部門中層告訴「硅基研究室」，AI建設不是IT部門的事，而是業(yè)務全局的事。“拿數(shù)據(jù)建設來說，我們不缺數(shù)據(jù)，但缺的是怎么解決數(shù)據(jù)分散，這個時候信息化部門只能提供通用數(shù)據(jù)，業(yè)務部門必須要參與進來。”
在企業(yè)外部，也需要云廠商、智能體廠商等技術供應商的深度合作：“不是有了錘子找釘子，而是有了明確的業(yè)務痛點然后去造適合自己的錘子。”
Palantir的靈魂人物亞歷克斯·卡普曾這樣形容企業(yè)AI落地的現(xiàn)狀：
“如果你只是買一個大模型放在那里，卻指望它能改變你的業(yè)務，那是白日做夢。”
他的話解釋了，企業(yè)AI不是技術炫技的秀場，而是要求實際回報、產(chǎn)生業(yè)務價值的戰(zhàn)場。
我們也觀察到進入2026年，企業(yè)AI落地的變化：
一是從過去的全盤all in、內(nèi)部賽馬轉(zhuǎn)向聚焦策略，有專注全渠道布局的戶外運動品牌告訴「硅基研究室」，他們會聚焦智能質(zhì)檢、AI輔助接待、智能客服三大領域，今年的目標是將這些過去的成本中心轉(zhuǎn)向利潤中心。
二是越來越多的AI賣鏟人也走向務實思路，回歸業(yè)務本質(zhì)。AI的落地無法繞過臟活和苦活。金山辦公CEO章慶元曾指出，AI時代的辦公軟件應是知識的容器、數(shù)字員工的載體。
圖源：金山辦公
例如在數(shù)據(jù)治理領域，WPS 365就正在構建全新的「全域知識閉環(huán)」，打造一個集「收、治、用」于一體的企業(yè)級知識治理底座，這一「企業(yè)大腦」目前已應用在上海信投、延鋒國際、中國東航等不同行業(yè)龍頭企業(yè)的AI實踐中。
回頭來看，企業(yè)對「小龍蝦」的謹慎其實是企業(yè)級AI在2026年繼續(xù)深化和務實的體現(xiàn)，沒到「OpenClaw時刻」不是什么壞事，而是AI真正深入業(yè)務，成為生產(chǎn)力工具的前夜。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論