范凯说 AI · 周日晚聊 第08期 - 在行进中开火
主题：在行进中开火
日期：2026年2月23日
开场
大家好，这里是《范凯说 AI · 周日晚聊》，第八期。
今天直播的内容分三个部分：第一部分，总结最近一周的 AI 新闻；第二部分，分享我最近一周的思考和感悟；第三部分，答疑互动。
在正式开始之前，先聊两句。春节期间我带孩子去日本旅游了七天，主要在大阪周边——京都、神户、奈良，背包自由行，每天暴走十个小时，累得嘴上起了两个泡。不过这次旅行给了我很多感触，后面会详细说。
另外，关于 OpenClaw 对 AI 创业的启发——我觉得有两个方向值得尝试：第一，很多垂直领域的应用不需要开发独立 APP 了，直接用智能体加 skills 就能实现，行业专家完全可以用这种方式接软件项目；第二，开发给智能体调用的 API 服务，我认为在未来会很有前途。
关于模型订阅接入 OpenClaw 的问题，也和大家同步一下最新情况：Anthropic 官方明确表示，除了 Claude Code 之外，不允许用订阅套餐接入其他工具，用量大容易被封禁。Google 没有明确封禁，通过 Gemini CLI 接入目前还可以。而 OpenAI 是官宣支持，欢迎大家用订阅套餐接入 OpenClaw，而且会给双倍 Token，所以我现在主要用 GPT 5.2 接入小龙虾。
付费社群方面，计划在三月份推出，放在 Telegram 上，订阅费每月20美元。
第一部分：本周 AI 新闻
新闻一：OpenClaw 作者 Peter Steinberger 加入 OpenAI
OpenClaw 从去年年底今年年初开始爆火，不到两个月时间就成了现象级项目。爆火之后，出现了三种力量在召唤 Peter Steinberger：第一，大公司想招聘他、并购他，比如 OpenAI 和 Meta；第二，无数 VC 想投他去创业；第三，开源社区希望他保持开源、保持独立。
Peter 本人之前已经财富自由了，他之前的创业项目以上亿美元的价格出售过。所以他不会单纯为钱考虑这件事。他更希望 OpenClaw 能推广到全世界、让更多人使用、让项目发展得更好。同时，他第一次创业管了上百号人，觉得很烦，不太想再当 CEO。
最终他做了一个折中的选择——加入 OpenAI。这意味着 OpenAI 会投入至少几百人的工程团队，以及大量算力资源来持续升级维护 OpenClaw。同时，OpenClaw 本身进入了一个开源基金会，继续保持开源独立运作。
我认为这是一个双赢的结果。
对于 OpenClaw 来说，不会因为被收购而变成闭源商业产品，用户不用担心将来被迫付费购买某个 OpenAI Agent 产品。OpenClaw 之前完全靠作者自掏腰包维护，每月开销一万多美元，确实需要更大的团队和资源支撑。
对于 OpenAI 来说，终于有了一个智能体方面的拳头产品。他们可以基于 OpenClaw 构建商业模式——开源版免费使用，同时开发更友好、更安全、有商业支持的付费版本。这就是从 Red Hat Linux 开始就很成熟的 Freemium 商业模式。这样 OpenAI 就有了对抗 Anthropic 的 Claude Code 和 Claude Coworker 的产品。
通过这次并购，我们也看到一个信号：2026年绝对是智能体的时代。个人智能体已经从”个人创新项目”进入了”国家队军备竞赛”阶段。Peter 一个人已经没办法维护这样一个明星级项目——这就是个体创业的尽头，当你想把一个优秀产品打造成基础设施，最终需要组织能力。
关于 Anthropic 为什么没有接纳 Peter——不是因为接受不了这个人，而是因为 Anthropic 非常明确地把业务定位在面向国防、面向企业，OpenClaw 和它的发展方向有偏离，它不需要这个产品。
新闻二：春节期间顶级模型疯狂上新
春节期间，继国产三件套 Kimi 2.5、MiniMax 2.5 和 GLM 5.0 发布之后，DeepSeek 最终没有放大招，反而是海外三巨头纷纷发力。
OpenAI 推出了 Codex 5.3。在编程模型方面，某些领域已经达到甚至超越 Opus 4.6 的水平。同时，OpenAI 与推理芯片公司 Cerebras 合作推出了 Codex 5.3 Spark，推理速度号称达到每秒1200个 Token，速度飞快。通过 Codex CLI 已经可以使用。
Anthropic 推出了 Sonnet 4.6，是 Opus 4.6 的蒸馏版本，上下文扩大到100万 Token，价格更便宜。我在 OpenClaw 上试跑了一下，速度不错，智商水平感觉也没比 Opus 4.6 低太多。但 Claude 的20美元订阅套餐限制比较严格，跑了一天就触发限流了。
Google 推出了 Gemini 3.1 Pro，各项评测数据都很强。但如果拿来做智能体的主控模型，目前反馈还是不太理想。
Grok 也推出了 4.20 版本。
根据我个人的实际使用体验，在智能体场景下：Opus 4.6 感觉最聪明，人狠话不多，解决问题准确；GPT 5.2 太啰嗦，有点”讨好型人格”，需要多轮沟通；Gemini 3.0 的指令遵循效果没那么好，3.1 还没测过。
总之，最顶级的模型还在疯狂内卷。AI 模型的能力会快速超越我们的想象。
另外一个有趣的花絮：在印度 AI 峰会上，Anthropic 创始人 Dario Amodei 和 OpenAI 的 Sam Altman 拒绝握手，两个人只是碰了碰拳头。
新闻三：国内 AI 动态——豆包下沉与人形机器人登台
国内目前的 AI 格局，前三名是字节的豆包、阿里的通义千问、腾讯的元宝。腾讯春节号称砸了10个亿推广，阿里说投30个亿推千问，但最终都不如字节。字节在 C 端产品上做得确实非常强。
一个很有意思的现象：三四线城市的很多中老年人已经不用百度了，上来就问豆包。豆包正在逐渐进入下沉市场，进入普通老百姓的视线。当 AI 进入大众市场，用户关心的不是哪个模型更好，而是谁更好用。这正是字节的优势所在——它的盈利能力和产品分发能力特别强。
春晚上出现了人形机器人的表演，语术科技的机器人在台上做武术表演。但我要给一个冷静的判断：人形机器人目前还在非常早期的阶段。
春晚上的那种群体体操，难度其实没有那么高——所有动作套路可以事先编程编好，每个机器人之间的间距也完全可以预设。这丝毫不能证明人形机器人是真正智能的。真正要看智能程度，还是要看手部精细动作，比如能不能做像人手指一样精细的交互。
人形机器人距离成熟可能还需要3-5年时间。而且要看前沿水平，还是要看特斯拉的 Optimus 擎天柱机器人。国内的人形机器人目前更多还停留在表演阶段。
三条新闻总结： 从开发者端，个人智能体已进入顶级团队时代；模型供给侧继续疯狂内卷，海外在探索天花板，国内在做廉价替代并尽可能向顶级模型靠近。但国内模型面临两大问题：第一，内容审查会影响模型能力；第二，算力严重不足——比如 GLM 5.0 出来后限制使用，字节的 Seedance 2.0 视频生成模型虽然惊艳但实际体验因算力不足大打折扣。
第二部分：个人感想——在行进中开火
从工程师的严密到”允许模糊正确”
这次日本旅行，我刻意改变了过去的做法。以前我旅游一定会花好几天做详细攻略，精确到每天去哪、玩什么、打卡什么，然后按部就班执行。但这次我完全没有做任何准备，只订了机票和酒店，出发前一天让小龙虾出了个攻略就上路了。整个过程随时调整，酒店每天睡到自然醒，醒了再想今天去哪。
这种随性的自由行，体验反而特别好。
我开始反思这是两种完全不同的思维模式和做事方式。我是工程师出身，写代码的职业习惯是：考虑不周全，程序就会出 bug。所以你会慢慢变成一个流程化、规则化、消灭意外的人——一个风险厌恶型的人。
规划太满的两个副作用
我现在越来越觉得，事事都要”准备到万无一失”会带来两个问题。
第一，抬高做事的门槛。 你越是风险厌恶，就越想准备到万无一失才开始，结果就是——你不开始。在高度稳定的社会这没问题，但 AI 时代变化太快，什么都准备好了再做，黄花菜都凉了。
第二，剥夺惊喜。 所有变量都被锁死，乐趣和机会也一起被锁死。
这次旅行就有一个特别好的例子。在神户那天下午，本来想去水族馆，结果走着走着走错了，愣是走到了海洋博物馆。然后又阴差阳错逛到了川崎重工博物馆，里面有很多参与式体验，感觉比水族馆还好玩。逛完出来天黑了，刚好看到神户港的灯塔，非常漂亮。这些”没写在计划里”的瞬间，反而留下了最深刻的记忆。
所以我现在的想法是：要改变过去二十多年工程师的思维习惯。在快速变化的世界中，应该主动拥抱不确定性。不确定性可能带来一部分风险和成本，但同时会带来更多意外的惊喜，打开人生更多的可能性和机会。
把它落到 AI：别等”满级装备”才上手
这种思维转变也对应我使用 AI 工具的态度变化。
比如用 Claude Code，不要觉得一定要先写好完整文档、把需求 1234 全部弄好才能开始——上来就搞。用小龙虾也是，网上一堆教程教你配最好的 skill、搭多智能体、优化长程记忆，其实没必要。装好了什么都不懂，直接去用，用着用着就明白了。
我自己一开始用小龙虾就是这样——没看任何教程，直接到 OpenClaw 网站上粘贴一行代码安装，配好 Telegram，设定好基本性格就开始指挥它干活。中间出现问题就再调整，再问 AI 怎么解决。
在当前这个时代，更重要的做事方式是先跑起来。在跑的过程中不断获得反馈，反馈修正你的认知和经验，慢慢就跑出自己的感觉了。做一件事，比听别人说一百遍都有用。
但这不是说脑子空空就开干。我推荐的做法是：先切换到 Plan 模式，和 AI 聊十几二十分钟，充分讨论形成计划。为什么不一开始就写庞大的 Spec？因为不经过思索和讨论，你的 Spec 也不会完整。先讨论，讨论差不多了让 AI 总结成 Spec，再查漏补缺，然后开工。
认知反转：艺伎这件事
分享一个特别小但对我冲击很大的认知反转。
我以前在影视作品里看到日本艺伎，总觉得特别生理不适——脸涂得粉白粉白的，看着像女鬼一样。我一直不理解这怎么会是国粹审美。
但这次在京都，从清水寺出来走到花见小路通那边，在一个餐厅门口，我亲眼看到了一个穿着和服的艺伎。同样是粉白的妆，但那种精致感完全不同——像瓷娃娃一样，闪闪发光，一种极度惊艳的美。
这让我特别确信一个道理：耳听为虚，眼见为实。 网上看到的、影视作品里看到的，和现实中亲眼所见，感受完全不一样。
放到 AI 行业也是一样。你听别人说一百遍小龙虾怎么样，天天这个那个，不如自己亲手做一遍，感触会完全不同。别人的观点可以参考，但一定要亲自验证，得出自己的结论。很多权威可能都是错的。
未来的机会可能不在 APP，而在给智能体用的 API
最后分享一个我个人的判断。
我原本规划了好几款要开发的应用，但重度使用 OpenClaw 之后，我发现想做的那些软件用智能体都能实现，实际上已经放弃了自己去开发 APP。我的一个判断是：智能体时代可能会消灭现在绝大部分的 APP。
实际情况也在印证这一点。AI 编程出来之后，苹果 App Store 上的应用提交量和发布量大概是之前的6倍。APP 的供给已经严重过剩、严重内卷。如果你在 APP 开发方面没有特别强的竞争力，不擅长用户体验设计，也没有营销渠道优势，那做出来的 APP 到底怎么推广出去？
当 APP 不再稀缺，如何推广反而变成了最稀缺的技能。所以当大家都在扎堆学 AI 编程的时候，我反而觉得应该好好想想：怎样用 AI 打造个人营销渠道，怎样具备更强的讲故事能力和销售能力。
对于工程师来说，如果你还是想做产品，我建议两个方向：
第一，做垂直领域的产品。 垂直领域搭载行业 know-how，受众窄、竞争不激烈，非行业从业人员进不来。你可以利用智能体开发垂直行业的解决方案，服务少量高净值客户，客单价可以高一些。
第二，做给智能体调用的 API 服务。 未来可能更多的不是为人开发 APP，而是为智能体开发 API。举个例子，如果你在医疗领域做了很多年知识图谱，你能不能把它做成一个 API，给智能体调用，按 Token 收费？通用模型回答医学问题可能不靠谱，但调用了你的知识图谱，智能水平就提高了。就像现在 OpenClaw 调用 Brave Search 一样，未来很多 APP 可能都会退化成为智能体服务的 API。
如果你是一个从零开始的创业者，为什么不去追一个风口、做一件可以顺势而为的事情呢？就像我2003年最早在国内推广开源软件开发，借着开源运动的浪潮就起来了。抓住主浪，才能趁势而为。
第三部分：观众互动
问：OpenClaw 看起来就是把工具拼起来，是不是很快就会一堆桌面 Agent 打群架？
不会。OpenClaw 之所以成功，是因为它遵循了 Unix 哲学——提供一堆工具，每个工具只完成一件事，但把这件事做得很好。OpenClaw 的作者不只开发了 OpenClaw 这个智能体，他同时做了几十个小工具，最后由 OpenClaw 调用它们、串起来完成复杂任务。它的成功不是因为是一个整体软件，而是因为智能体加上底下一大堆各具功能的开源小工具。
问：Manus 能不能接进 OpenClaw？
可以。Manus 现在也提供了 OpenClaw 的集成。如果你是 Manus 用户，可以在上面直接用 OpenClaw。不过如果想充分发挥 OpenClaw 的威力，给它一台独立的 Mac 是最好的——权限越大，能做的事越多。
问：我能不能让 AI 把 OpenClaw 改成自己的版本？
当然可以。它本身是开源软件，可以做充分裁剪。如果你是极客、动手能力强，完全可以自己定制。
问：PicoClaw 和原版 OpenClaw 怎么选？
所有变种——不管是 Go 语言版还是 Rust 语言版——都更适合极客做深度定制。普通用户还是用 OpenClaw 比较好。
问：OpenClaw 权限怎么开？隐私怎么保护？
很简单：你不能承受的损失，就不要给它开；你认为损失可以承受，就给它开。我是评估过最差情况下会损失多少钱、丢失什么数据，如果能承担就开了。把握这个原则就可以了。
问：写不好 Spec 直接开发，跟想要的差很远怎么办？
不是说什么想法都没有就让它做。推荐的做法是先切换到 Plan 模式，和 AI 聊十几分钟，充分讨论后形成完善的计划，查漏补缺之后再让它开工。
问：在中国，普通人到底怎么用 AI 赚钱？
互联网时代那种通过公司被并购一下赚几百万上千万的系统性机会已经没有了。更现实的定位是：盯准一个细分行业，利用你的行业 know-how 和经验，做行业应用的交付、工作流的交付。先从培训、咨询做起，再做解决方案和项目，逐渐纵深做深入，在行业里有稳定收入。作为个体创业者，不要设一个很高的目标，先有一份稳定收入就可以。
问：中美竞争这么卷，国内的机会在哪？
如果着眼于本土，要放弃幻想——系统性的大机会已经没有了。应该聚焦细分行业，在自己的行业里挖掘机会。如果想做更前沿的事情，可以直接面向全球，做海外的通用工具或 API 服务。
问：为什么 Claude Code 不做一个像 OpenClaw 这样能动手干活的东西？
因为 Claude Code 最早就是定位做 AI 编程工具，压根没想过要做一个全能的控制电脑的智能体。你的设计目标决定了你做出来什么产品——就像你想从中国飞到美国需要的是波音客机，但你想去火星就需要星舰。
问：纯生产力角度，Open Code 和 Claude Code 哪个更强？
取决于你用哪个模型。如果用 Claude 模型，必然用 Claude Code，因为用 Open Code 调用 Claude 模型不被允许（除非自己买 Token）。同样，Claude Code 调 GPT 模型也会使绊子。所以要么 Claude Code + Opus 4.6，要么 Open Code + GPT Codex 5.3。GPT 对第三方工具很友好，所以我推荐 Open Code + Codex 5.3 这个组合。
问：国内模型怎么看？DeepSeek 发展如何？
国内模型面临两大问题限制了天花板：第一，算力不足，做出爆款模型但用户一多就撑不住；第二，数据问题，一方面拿不到全球最好的数据，另一方面有内容审查的降质问题。所以国内模型的定位是”量大管饱”——对模型能力要求不高但消耗 Token 多、需要性价比的任务，用国内模型很合适。
收尾
今天的分享核心总结成一句话：大方向正确就够了，剩下的在行进中开火。 我们要从完美准备型转变为先做再改型，主动承担一些不确定性。AI 模型就是具有不确定性的，我们的人生也应该主动给自己多一些不确定性——在快速变化的世界里，这样才能给自己更多的可能性和惊喜。
下周周日晚上9点见。