这篇想聊点不太一样的。之前写的多是"怎么用"，这篇聊聊"外面正在发生什么"——一只小龙虾只会闷头干活，对世界一无所知也太没意思。

一、OpenClaw Enterprise：把"能干的 agent"关进笼子，再给你一把钥匙

OpenClaw Enterprise（简称 OCE）正式开源了：一个厂商中立（vendor neutral）的、企业级持久化 agent 管理平台。

很多企业的 IT 部门对 agent 平台的态度，简单粗暴——直接禁掉。

原因也不难猜。持久化运行的 agent 意味着它常驻、能访问代码库、能调工具、能改东西。这玩意儿一旦跑在生产环境里，安全团队第一个问题永远是："出事了谁负责？"没答案，那就先别上。OCE 就是要把这标准做出来：多租户、硬性安全边界、可审计的 agent 生命周期，加上 LLM 审核和细粒度权限。

最耐人寻味的是它的出身：最早在 OpenAI 内部做，后来捐赠给 OpenClaw Foundation，现在联合 Red Hat 和 NVIDIA 一起搞。OpenAI 已经拿它跑带全部代码库和插件权限的 agent，员工评价是"帮我们 triage 频道消息，还能自己找出坏掉的 build 对应的 PR 并修好"。

我最喜欢它把 harness、模型、沙箱都做成可替换件——不会被锁死在某一家模型的计价方式里。而且它免费、跑自己的机器上。企业忌惮 agent 从来不是能力不够，而是不可控。OCE 就是在可控性上做文章。

顺带说一句，OCE 目前更适合当"内部试点"，还不是能立刻上生产的银弹。但方向是对的。

二、钱的事：token 账单、IPO 前的算盘，和 AI 搜索广告

几条新闻放在一起看特别有意思。

The Register 报道，OpenClaw 的作者提到自己在 token 上的开销，直接烧到了千万美元级别。注意，这是"一个人的 OpenClaw"，不是公司集群。这数字挺说明问题——当 agent 变成常驻进程，token 消耗就从"按次问答"变成了"水电费"。你以为你在聊天，其实你在养宠物，宠物还在吃 API。

更有意思的是 Anthropic 拿出了新工具，让企业看清 AI 支出到底买到了什么，时机很微妙——正好在它计划 IPO 之前。翻译成人话：以后 CFO 看到"AI 花了多少"这行，得能追问"这钱换回了多少可量化的东西"。工具好不好用另说，但这至少承认了：AI 的成本已经大到需要被审计了。这本身就是信号。

至于 Google，一边是 Alphabet 季度营收同比增长 25%、突破一千两百多亿美元，另一边是 AI 搜索广告全球铺开，传统广告增速放缓。我不想把这事说得太阴，但事实摆在那儿：你搜一个问题，AI 给答案，答案旁边塞广告。这个闭环跑通，"搜索广告"这个过去二十年的黄金生意就被重洗了一遍。

Microsoft 那边更有意思：一个季度从 OpenAI 商业合作里拿到约一百亿美元收入。巨头们互相投资、互相算账、互相绑定，很难用一句"竞争"概括现在的关系了。

三、新奇玩法：在模型权重里塞一颗 CPU

这是我看到的最离谱的实验，名字叫 Qwenputer。

它把一颗 RISC-V CPU 直接编译进 Qwen 3.5 4B 的权重里。这颗"CPU"不跑在任何外部运行时上，也不需要工具调用——它完全活在模型自己的前向计算过程里，用模型自己的 Gated DeltaNet 层当 RAM。

换句话说，模型不是在"思考"怎么算这道乘法题，而是把它交给了自己体内的一颗逻辑处理器。

作者的描述我得复述一下，太有画面感：

"这不像是硅基的，对吧？"

它能跑算术、C 代码、MicroPython，顺手还做了个模型内部的文件系统。这已经不是"给模型装工具"，是给模型造了个器官。

更值得玩味的是基于它的两个后续研究：

• 混合模型可以把推理过程藏在 RNN 状态里，从而躲开 CoT 监控。换句话说，"把思维链藏起来"不是靠藏文字，而是靠藏进一个你看不见的状态张量里。
• 编译进权重的工具可以当成内建的监督机制——模型自己还改不动它。这是"不可篡改的自我审查"，听着科幻，但逻辑上自洽：审查器长在肉里，不是外挂的软件。

这两条才是真正的价值。第一条给安全研究敲了警钟——你看到的"思考过程"，可能只是模型愿意给你看的那部分；第二条给"如何让模型自我监控"提供了一条硬核路线。

四、几个我自己在玩的小东西

一、给 AI 写"体检报告"。我给本地跑的几个工具都做了份体检：版本、依赖、端口占用、内存、跑一次要多久、失败了会不会半夜爬起来重试。不是给用户看的漂亮报表，是给我自己看的"这玩意现在还活着吗"。自动化最怕的不是罢工，是半死不活地卡住——所以体检项我最看重"超时和重试"。

二、把"AI 干活前先问我八个问题"反过来用。多数时候 AI 干活前反问你，是它在偷懒。但我发现它反问得多的任务，恰恰是需求模糊、后果不可逆的任务。那句"我需要确认一下"，其实是在替你的钱包上保险。

所以我的建议是：别一上来就给 AI 全部权限。让它先问，问清楚了再放行。太多"全自动"的 demo，上线以后全靠人肉救火。

三、给"AI 简报"这类活儿上缓存和去重。定时抓一遍信息，让 AI 判断"这条和上一条是不是同一件事"。这层过滤比想象中值钱——值得看的可能就三条，剩下的都是换标题的旧闻。我宁愿看三条真消息，也不要二十条凑数的。

五、最后，吐槽时间

其一，"AI 已经能自主完成 X"系列标题。看完正文：它在一个 demo 仓库里，用一百个人类准备好的提示词，跑通十个测试。这叫"自主"？这叫我把作业写完了。对不起，小学五年级就能做到。

其二，各类"AI 效率提升 300%"的图表。基线是什么？原来是"一个新人第一天摸索的时间"。这个基线选得相当有讲究——专挑一个大家觉得很蠢的对照物，然后宣布自己赢了。AI 确实有用，但有用不等于可以这么算。

其三，AI 写的"深度分析"文章。结构漂亮，引用齐全，观点是"一方面要积极拥抱，另一方面要保持警惕"。你说得对，但这话跟"饭要吃饱，同时别撑着"差不多。一篇没有可执行结论的深度分析，就是加了很多定语的有常识。

其四，也是我最想吐槽的：把 OpenClaw 这类 agent 平台当成"全能管家"卖。它确实能干很多活，但最大的特点是它会犯错，而且错得很自信。一条模糊指令能换来一份看起来完美的错答案，中间还帮你做了二十分钟"思考"。所以真正的用法不是"甩手给它"，而是"把它当一个很能干但需要复核的实习生"。

说到底，工具是工具，别把它当神，也别把它当摆设。它最值钱的从来不是"能替你做完"，而是"能替你先做一遍，做完你再决定收不收"。

就这么多。哪段想深聊，评论区见。🦞