朱嘉明论OpenClaw如何打破大模型盈利困境使用即付费创造商业闭环
经济学家朱嘉明在新书《养龙虾：OpenClaw与AI 智能体时代》的长篇序文中指出，OpenClaw通过”消耗词元（Token）”的模式打破了大模型”只烧钱不赚钱”的现状，创造了”使用即付费”的商业闭环。这一观点引发了业内对AI Agent商业模式的深度思考。
从烧钱困境到盈利突破
大模型产业长期面临一个尴尬的现实：技术投入巨大，变现路径模糊。训练一个顶尖模型动辄耗费数亿美元，推理成本更是居高不下。OpenAI、Anthropic等头部公司虽然在融资市场上风光无限，但盈利压力始终如影随形。很多AI应用陷入”用户越多，亏损越重”的怪圈——每次对话都要消耗昂贵的算力资源，而收费模式却难以找到平衡点。
OpenClaw的出现提供了一个不同的思路。作为开源AI智能体平台，它并非单纯依赖模型能力，而是将重心放在”执行”层面。用户通过自然语言发出指令，AI智能体在本地或云端执行具体任务——整理文件、处理邮件、操作数据库、调用API。这个过程中，Token消耗直接对应实际价值产出。
朱嘉明将其称为”使用即付费”模式。与传统SaaS按月或按年订阅不同，OpenClaw的计费逻辑与用户实际使用量挂钩。用户完成一次任务，消耗相应Token，支付对应费用。这种模式的核心优势在于：付费行为与价值获取高度对齐，不存在”买了不用”的资源浪费，也不存在”不够用”的功能限制。
稀缺性的反转
朱嘉明在序文中提出了一个颇具洞察力的观点：AI Agent对”稀缺性”概念进行了极大反转。
传统经济学中，稀缺性是价值的基础——黄金昂贵因为储量有限，土地值钱因为不可再生。但在AI时代，这个逻辑被颠覆了。算力、存储、模型能力，这些曾经稀缺的资源正在快速商品化。云服务商提供几乎无限的计算资源，开源模型让顶级AI能力触手可及。真正稀缺的是什么？是”执行能力”——将抽象意图转化为具体行动的能力。
OpenClaw恰好抓住了这个稀缺点。它不是另一个对话机器人，而是一个能干活的智能体。用户说”把上周的销售数据整理成报表发给我”，OpenClaw会读取数据源、执行分析、生成图表、发送邮件。整个过程中，用户不需要知道如何操作Excel、如何配置邮件服务器、如何编写脚本。稀缺的执行能力被封装在平台中，以Token为单位进行定价和交易。
这种稀缺性的反转也催生了两大变革。其一是价值链重构：过去AI产业链的价值集中在模型层，现在向应用层和执行层转移。其二是商业模式创新：从”卖能力”转向”卖结果”，用户为实际完成的任务付费，而不是为可能用到的功能预付费用。
商业闭环的形成
OpenClaw的商业模式之所以能形成闭环，关键在于它构建了一个多方受益的生态。
对用户而言，付费与价值获取直接挂钩。不用为闲置功能买单，也不受套餐限制。一个偶尔使用的用户可能每月只花几块钱，而重度用户则根据实际需求支付更多。这种”用多少付多少”的模式消除了传统订阅制的心理门槛，让更多用户愿意尝试和持续使用。
对开发者而言，OpenClaw提供了清晰的变现路径。平台支持Skills（技能包）生态，开发者可以创建特定功能的技能包并定价销售。比如一个专门处理PDF文档的技能包，用户每次调用都会产生Token消耗，开发者从中获得分成。这比开发一个独立App再想办法变现要直接得多。
对模型提供商而言，OpenClaw带来了稳定的推理需求。平台支持多种大模型后端，用户根据任务需求选择合适的模型。Token消耗越活跃，模型调用量越大，上游厂商的收入也随之增长。这种正向循环是传统订阅制难以实现的。
行业影响与未来走向
朱嘉明的分析并非孤例。多家券商研究机构已经注意到OpenClaw带来的商业模式变革。有研报指出，OpenClaw推动了AI产业从”工具导向”向”结果导向”转型，Token消耗与任务完成的强关联为AI商业化提供了一条可复制的路径。
数据显示，OpenClaw平台的Token消耗量持续攀升。2026年1月正式发布以来，全球模型每月Token消耗量从2月初的9.8T增长到3月的14.8T，增幅超过50%。这个数字背后是真实任务的大量执行，而非单纯的对话娱乐。
当然，挑战依然存在。用户对Token成本的敏感度需要教育，不同任务的实际Token消耗难以精确预估，竞品平台的模式模仿也在加速。但朱嘉明的判断是明确的：AI Agent代表的不是技术迭代，而是商业逻辑的根本转变。谁能率先跑通”使用即付费”的闭环，谁就能在AI产业的下一阶段占据有利位置。
OpenClaw选择开源，本身就是对这套商业逻辑的信心展示。代码可以复制，但生态网络、用户习惯、开发者社区这些需要时间沉淀的资产，才是真正的护城河。