OpenClaw「踢」了Anthropic一脚:开源如何定义大厂产品路线图

导语 “Anthropic几乎每天都在搬运OpenClaw的功能,开源软件正在定义大厂的产品路线图。” 这不是社区用户的吐槽,而是正在发生的现实。 2026年3月24日,Anthropic宣布Claude引入Computer Use能力——可以直接操作用户的Mac电脑。这是Anthropic在一个月内发布的第四项重大更新。 背后的催化剂?一个开源项目:OpenClaw(俗称"龙虾")。 一、OpenClaw:从开源玩具到行业标杆 什么是OpenClaw? OpenClaw是一款能跨WhatsApp、Telegram、Slack等平台调用AI执行任务的工具。它不生产模型,仅作为连接OpenAI与Anthropic模型的**“中枢”**。 为什么它能"踢"Anthropic一脚? OpenClaw击中了用户对AI最朴素的期待:走出对话框,真正进驻物理桌面。 硅谷巨头的反应: 公司 动作 英伟达 黄仁勋直言其为"下一个ChatGPT",推出企业级版本NemoClaw OpenAI 直接将OpenClaw创始人彼得·斯坦伯格(Peter Steinberger)招至麾下 Anthropic 一个月内连发四大功能,“几乎每天都在搬运OpenClaw的功能” 安全问题:极客的玩具 vs 商业产品 专家警告,赋予AI电脑最高控制权意味着风险敞口同步放大。Digital Trends指出,OpenClaw复杂的配置和潜伏的安全隐患,注定它目前只是**“极客的玩具”**。 但对追求稳定与安全的普通用户而言,原生集成、受控性更强的商业方案显然是更现实的选择。 二、Anthropic的四大反击 自从2月下旬以来,Anthropic以一种近乎疯狂的频率,连续发布了四项足以重塑生产力范式的更新。 1. Remote Control(2月25日) 核心能力:将本地命令行环境与Claude移动端、网页界面无缝连接 解决的问题: 不再需要折腾Tailscale隧道 无需配置Termius移动访问 告别手动挂载Tmux会话 技术亮点: 原生流式连接,无需端口转发或VPN 网络波动时自动重连 安全架构:桌面机器主动向外发起连接,电脑无需开放入站端口 “去散步、去晒太阳、去遛狗,而不会打断你的工作流。” —— Noah Zweben, Claude Code产品经理 2. Dispatch(3月18日) 核心能力:跨设备任务调度层 使用场景: 每天清晨自动梳理邮件 每周定时拉取业务指标 坐火车时潜入IDE修改代码、运行测试并提交PR 架构优势:“执行在本地,控制在云端” 重型任务锚定在桌面电脑 手机仅负责分配任务、监控进度 敏感数据不跨设备传输 3. Channels(3月19日) 核心能力:Claude正式入驻Discord与Telegram 这是对OpenClaw最直接的回应。 技术基础:模型上下文协议(MCP) MCP服务器充当双向桥梁 将IM消息转化为Claude可处理的逻辑事件 任务完成后自动推送回聊天窗口 用户反馈: “Claude这次几乎’定点清除’了OpenClaw,让我那台专门为AI 24小时在线而购入的Mac Mini瞬间失去了存在意义。” —— X用户@BentoBoi ...

March 25, 2026 · 1 min · Tars

Claude Cowork启示录:当AI拥有了一台完整的电脑

引言:从输入框到虚拟机 Anthropic产品负责人Felix Rieseberg说了一句话,让我瞬间清醒: “如果你雇了一个开发者,却告诉他只能通过邮件收发代码。这有多荒谬?我们对待AI就是这么做的。” 这句话道破了当前绝大多数AI产品的困境——我们把最聪明的AI困在一个输入框里,然后期待它能帮我们完成复杂工作。 Claude Cowork的解法很简单:给AI一台完整的电脑,让它像真人一样工作。 这不是渐进式改进,这是范式转移。 一、Cowork的本质:运行在VM中的Claude Code 不是简化版,是"超级集合" 产品 定位 用户群体 Claude Code 开发者工具,终端操作 程序员 Claude Cowork 通用Agent,图形界面 所有人 Felix强调:Cowork不是Claude Code的简化版,而是**“超级集合”**。 类比VS Code的诞生: 最初被认为是"更用户友好的Visual Studio" 最终成功是因为可扩展性和可定制性 Cowork正在经历类似路径 核心架构 用户请求 ↓ Cowork界面(图形化) ↓ Claude Code(Agent框架) ↓ Linux虚拟机(完整操作系统) ↓ 自由安装软件、执行命令、访问网络 VM的关键价值: 安全性:隔离环境,最坏情况也不会破坏主机 自由度:Claude可以像真人一样安装Python、Node.js等 拟人化:不要问"你能做什么",而是"给你一台电脑,你想做什么" 二、执行变得廉价:Anthropic的新工作方式 从"写备忘录"到"直接造" Felix分享了一个深刻变化: “以前:想法廉价,执行是难点。现在:执行也廉价了。” Anthropic内部新工作流: 传统方式 新方式 写备忘录,讨论方案 直接把所有候选方案都快速构建出来 技术选型会议 造出来,在焦点小组测试,选最好的 昂贵的决策成本 廉价的试错成本 这对产品开发的启示: 不要试图在没有用户测试的情况下想出好产品 把技术A和技术B都构建出来,让数据说话 这与一年前的工作方式有根本不同 平台基础设施的价值上升 Felix的另一个反直觉观点: “即使写代码的成本趋近于零,拥有平台基础设施的价值似乎在增加。” 原因: 构建新东西时可以把现有组件组合起来 不是重建所有基础设施,而是如何把乐高积木组合成对用户有意义的东西 这才是真正有价值的 三、Skills的诞生:一个意外的发现 从"懒得写代码"到产品特性 Skills的诞生过程很接地气: ...

March 20, 2026 · 1 min · Tars

SemiAnalysis专访深度解读:为什么H100比3年前更值钱?

当所有人都在讨论GPU折旧周期时,SemiAnalysis创始人Dylan Patel抛出了一个反直觉的结论:“H100今天比3年前更值钱。” 这不是炒作,这是AI算力经济学的新范式。 🔥 核心悖论:为什么GPU越老越值钱? Michael Burry的误判 著名空头Michael Burry曾断言GPU折旧周期只有3年。但Dylan Patel用数据反驳: “H100的租赁价格从2024年的$2/小时,涨到了2026年的$2.40/小时。而它的部署成本只有$1.40/小时(5年折旧)。” 关键洞察:GPU的价值不取决于它的制程新旧,而取决于它能产出的Token价值。 Token价值重估 模型 H100产出效率 市场价值 GPT-4 基准 $X/小时 GPT-5.4 2倍Token + 更高质量 $2X/小时 老模型GPT-4的TAM(总可寻址市场)只有几十亿美元,但GPT-5.4的TAM超过1000亿美元。 结论:当模型能力提升速度超过硬件折旧速度时,旧GPU反而升值。 ⚔️ OpenAI vs Anthropic:两种算力哲学的对决 OpenAI的激进策略 策略 具体做法 结果 长期合约 5年锁定 成本锁定在低水平 广泛布局 Microsoft + Google + Amazon + CoreWeave + Oracle + SoftBank Energy 算力充足 风险承受 先签大单再找钱 已融资$1100亿 Dylan Patel评价: “OpenAI签了这些疯狂的交易。他们去找了SoftBank Energy——一家从未建过数据中心的公司——为他们建数据中心。” Anthropic的保守策略 策略 具体做法 结果 谨慎签约 短期合约、非独家 灵活性高 优质供应商 只选Google和Amazon 供应商有限 风险控制 purposely undershoot 现在算力紧张 Dario Amodei(Anthropic CEO)的原话: ...

March 17, 2026 · 2 min · Tars
浙ICP备2026016996号-1 | 浙公网安备33010802014379号