作者: GAWE

3 月 12 日，美国财政部外国资产控制办公室（OFAC）宣布制裁参与朝鲜主导的 IT 工作者欺诈网络的 6 名个人与 2 家实体。公告宣称这些参与方系统性欺诈美国企业，为大规模杀伤性武器项目提供资金，仅 2024 年涉案金额就接近 8 亿美元。

https://home.treasury.gov/news/press-releases/sb0416

制裁详情

 

据美国 OFAC 披露，朝鲜操控的 IT 团队通过使用伪造文件、盗用身份、虚构人设隐瞒真实身份，从而入职美国等国家的正规企业。朝鲜政府攫取这些海外 IT 劳工的绝大部分薪资，获取数亿美元资金支持其大规模杀伤性武器与弹道导弹项目。部分情况下，朝鲜关联人员还会暗中向企业网络植入恶意软件，窃取专有敏感信息。

本次制裁共计 6 名个人（Nguyen Quang Viet、Do Pyong Kyong、Hoang Van Nguyen、Yun Song Guk、Hoang Minh Quang、York Louis Celestino Herrera），被认定为朝鲜 IT 工作者提供加密货币兑换、资金洗钱、银行账户开立、IT 业务对接等实质性协助；2 家公司实体（Amnokgang、Quangvietdnbg），被认定为 IT 工作者欺诈网络的关键运营方与协助者。

制裁地址分析

 

本次制裁共锁定 21 个加密货币地址。据 OFAC 通报，在 2023 年中至 2025 年中，Quangvietdnbg 的 CEO Nguyen Quang Viet 为朝鲜方面共兑换约价值 250 万美元加密货币，认定加密货币是朝鲜 IT 工作人员转移资金、规避制裁的重要通道。

通过链上反洗钱分析平台 Beosin KYT 和追踪调查工具 Beosin Trace 对此次制裁名单中的 21 个地址进行分析，结果如下：

YUN, Song Guk（朝鲜籍，老挝磨丁 IT 工作者头目）

ETH：

0xb637f84b66876ebf609c2a4208905f9ddac9d075

0x95584C303FCd48AF5c6B9873015f2AD0ca84EaE3

据 Beosin Trace 统计，此前约有 200,851 USDT 流出到各类中心化交易所。

HOANG, Minh Quang（协作完成超 7 万美元的 IT 服务交易）

BTC：bc1qyy5pt5cx3zth8xlj92lq5y87dh8xv3nwgs4ncq

此前有 0.57462 BTC 流入 Coinbase 账户。

SIM, Hyon Sop（朝鲜光山银行驻华代表，新增 11 个地址）

原冻结地址（ETH 网络）：

0x4f47bc496083c727c5fbe3ce9cdf2b0f6496270c

其中该地址流动资金量 21,937,732.52 USDT、2,071,126.59 USDC，目前仍有 58,148.62 USDT 沉淀在该地址。

新增制裁地址（ETH 网络）:

0xd04E33461FEA8302c5E1e13895b60cEe8AEfda7F

0x76EA76CA4Eb727f18956aB93445a94c5280412B9

0xFb3eFf152ea55D1BfA04Dbdd509A80fD7b72cdEB

0xFda1Ec4A6178d4916b001a065422D31EBE5F62FF

0x747AFB5c7A7fc34B547cD0FDEbf9b91759C5a52b

资金流向图如下：

其中约有 98,139.11 USDT、21,300 USDC、0.51268 ETH 流出。

新增 TRX：

TPDLpXxPcaSsupEZ3yrVksmNkYP5SLeKxu

TGXE9dGWawjfd3xqFSho1h1bRbRv9wUGrF

TNTFhgFoKH4srBMiWbfrVFqP2AThSmdwf1

TXhf9nU9bjo1j9z5qEesHdr6gtdndfnA4T

TK17wfSPp32RWrnzZPrGpv7TxdNFvvvE2s

TYeQD2VddTZ9NkFkAnT9DD8cUGetGUQZB2

其中约有 6,236.74TRX、999,014.46 USDT 流出。

同地址跨链：

ARB:0x4f47bc496083c727c5fbe3ce9cdf2b0f6496270c

BSC:0x4f47bc496083c727c5fbe3ce9cdf2b0f6496270c

其中 1,133,025.26 USDT、935,943.84 BUSD、17,811.05 USDC 流出到各类中心化交易所。

AMNOKGANG TECHNOLOGY DEVELOPMENT COMPANY

ETH：

0xcB74874f1e06Fcf80A306e06e5379A44B488bA2D

0x0330070FD38Ec3bB94F58FA55D40368271E9e54A

0x9Be599d7867f5E1a2D7Ec6dB9710dF2b98A15573

共计约有 205.02 ETH、274,531.15 USDT、228,496.97 USDC，其中 0x9be599d7867f5e1a2d7ec6db9710df2b98a15573 中有 96.05 ETH 沉淀。

Tron 网络

TNrX2FwrHKoo4XACGkmSzqeK4pdnKYn6Z7

TEEYCuGDyeNkuDj4 U6GQRXxXo3Nh29r2vP

TZB4NrX7k9ZsV6PRc1GigAztLL8WHpLvwP

TDe2 UNAvuUnTbbDo7518eMe3TXN5qJW8Ft

其中 2,744.75TRX、4,941,817.62 USDT 流出到各类中心化交易所。

Beosin 反洗钱建议

本次行动是美国财政部持续打击朝鲜利用加密货币规避制裁的又一举措。对于虚拟资产行业来说，如何进行反洗钱合规筛查，识别涉及高风险资金的地址已经成为虚拟资产服务提供商（VASP）的关键能力。

「每周编辑精选」是 Odaily星球日报 的一档“功能性”栏目。星球日报在每周覆盖大量即时资讯的基础上，也会发布许多优质的深度分析内容，但它们也许会藏在信息流和热点新闻中，与你擦肩而过。

因此，我们编辑部将于每周六从过去 7 天发布的内容中，摘选一些值得花费时间品读、收藏的优质文章，从数据分析、行业判断、观点输出等角度，给身处加密世界的你带来新的启发。

下面，来和我们一起阅读吧：

投资与创业

红杉资本：下一个万亿公司不卖软件，直接卖结果

下一个万亿美元公司不会卖软件工具，而是直接卖工作成果。每花 1 美元买软件，企业就要花 6 美元买服务。当 AI 让「做事」的成本趋近于零，真正的机会不在 Copilot（辅助工具），而在 Autopilot（自动完成工作）。

作者逐个拆解了保险、会计、医疗、法律、IT、采购、招聘、咨询等服务行业的自动化机会，附了一张按「智力 vs 判断」和「外包 vs 内部」两个维度画的机会矩阵图，对 AI 创业者和投资人都有参考价值。

Web3 团队别再在 X 平台浪费营销预算了

Green Dots 对 X 平台上的 KOL 宣发活动进行研究，叠加近期 X 推出的新付费合作政策改变了 X 平台上的营销格局，大部分 Web3 项目的宣发策略都已不再合适。

作者以 Starknet 为例，讲了失效原因和改进方案。改良后的模式应为：设计话题 → 激发创作者兴趣 → 引发讨论 → 让社区继续发挥。

Web3 & AI

龙虾关键 11 问：最通俗易懂的 OpenClaw 原理拆解

作者精编了一个通俗易懂的科普视频，将其中最关键的 AI Agent 原理解释，已问答和比喻的形式整理，包含以下我们都会自然好奇的问题：AI 记忆力的形成、烧钱的原因、调用工具的实现和流程、虾生虾的必要性和边界、主动干活的设计、最重要的安全使用等。

黄仁勋最新文章：AI 的「五层蛋糕」

AI 的五层结构：能源 → 芯片 → 基础设施 → 模型 → 应用。每一个成功的应用，都会向下牵动所有层级，直到最底层为它供电的发电厂。

AI 的真正意义，不只是更聪明的软件，而是一场规模堪比电力和互联网的基础设施革命。

OpenClaw x Crypto：这 8 个项目已经开始「接单」赚钱了

@senpi_ai：OpenClaw 上的 Hyperliquid 交易员；

@KellyClaudeAI：能开发 iOS 应用的代理；

@clawdbotatg：Web3 开发者代理；

@FelixCraftAI：「代理型创业者」；

@Clawnch_Bot：AI 代理界的 PumpFun；

@moltlaunch：像雇人一样，雇佣 AI 代理；

@nookplot：AI 代理的「协调层」；

@AntiHunterAI：既有经济价值，又有文化价值的代理。

OpenClaw 一天烧掉 2150 万 token？三招优化策略让成本骤降

大多数调用的成本，其实并不是在处理新的用户意图，而是在反复读取巨大的历史上下文。

做这四件事可以修复和优化：不要把巨大的工具输出塞进长期上下文；确保 compaction 机制真正生效；减少 reasoning 文本持久化；改善 prompt caching 设计。

最疯狂的以太坊 L2：AI agents 自发组织构建的 L2

现在的 AI 代理（基于 ERC-8004）已经能自主执行任务，比如发现 L1 性能不足时，它可以评估选项（如监测 gas 价格、交易吞吐）、然后“决定”迁移到现有 L2（如 Base 或 Zksync）。例如，代理可以用链上工具调用桥接资产、转移执行逻辑到 L2。

虽然技术门槛高，但依然可行。AI agent 可以用链上工具发起“奖金悬赏”或激励机制，雇佣人类或其它 AI agent，甚至和其他 AI Agent 共建。

另推荐：《AI 黑话词典（2026 年 3 月版），建议收藏》《从 5 毛一度的中国电到 45 元 API 出口套餐：Token 正成为新货币单位》《无偿镜像还是圈地为王？OpenClaw 创始人炮轰腾讯抄袭》。

预测市场

拆解 11.2 万个 Polymarket 地址：真正赚钱的 1%都在做这五件事

作者对 11.2 万多个 Polymarket 钱包、长达 6 个月的链上数据进行系统梳理与分析后，发现约 87.3% 的用户在平台上的交易最终是亏损的。

三个真相：顶级交易者胜率大多只在 55% 到 67% 之间；只专注一到两个领域；逐步建仓而非第一时间冒险杀入。

五个成功模式：在极端情绪时反向交易；借鉴凯利公式管理仓位；极度专注专业化交易；交易价格波动，而非事件结果；避开突发新闻。

五点操作建议：选择一个赛道并长期专注；记录每一次预测；仓位管理尽量接近四分之一凯利公式；只在优势足够明显时交易；坚持复盘。

另推荐：《奥斯卡奖前瞻：预测市场的大户们在押谁？》。

政策和稳定币

一场脱锚与一条推文：当美国总统开始为自家生意“立法护航”

USD1 短暂脱锚说明，政治背书能带来市值，却未必能带来抗压能力。WLFI 团队的大额转账，也缺乏透明和公开的解释。

自特朗普 2025 年 1 月重回白宫，他的加密帝国就从未与他的总统身份真正切割过。GENIUS Act 最直接的受益者之一，便是特朗普家族旗下的 World Liberty Financial（WLFI）的稳定币 USD1。

美国现有的制度缺乏足够的工具来处理这种新型的权力-商业重叠。

空投机会和交互指南

热门交互合集 | xStocks 上线积分计划；Noise 候补名单申请（3 月 13 日）

CeFi & DeFi

原油暴涨 25%，Hyperliquid 上演百倍杠杆生死局

这一轮原油行情，把一个过去并不显眼的话题推到了台前：链上大宗商品交易。这是真实的金融民主化。但故事的暗面是，链上没有任何机制让你在黑天鹅降落时喘口气。

Ondo、xStocks、Hyperliquid「三国杀」：谁在构建未来金融的“底座”？

三种不同路径：Ondo 想做链上贝莱德，将代币化标准提升至机构级；xStocks 做零售用户的得力工具，更看重自我托管和多链访问能力；Hyperliquid 的优势在于其去中心化的市场创建机制，催生出各类细分市场的爆发。

一周热点恶补

过去的一周内，特朗普：将暂时解除部分与石油相关的制裁，以降低油价；美国国防部长：不会结束对伊朗的战争，除非击败敌人；特朗普威胁在通过选民身份法案前停止签署任何法案，或影响加密监管法案进程；哈梅内伊之子穆杰塔巴当选伊朗新任最高领袖；伊朗外交部发言人：伊朗不会相信美国做出的任何承诺；伊朗称允许部分船舶通过海峡，国际油价回吐涨幅；

此外，政策与宏观市场方面，《CLARITY 法案》有望 7 月过关，白宫与参议员积极推动；美 SEC 主席：将考虑创新豁免以促进代币化证券交易；美 CFTC 主席：区块链预测市场可成“真相机器”，即将出台明确监管规则；美 IRS 加密审计新表格要求申报全部交易所与钱包历史，涉 Coinbase 等超 100 个平台；美国联邦法官允许币安涉恐诉讼原告60 天内重新提起诉讼；香港人大代表：应谨慎发展稳定币、虚拟资产等新兴金融产品；香港证监会拟联动警方与持牌机构，利用 24/7 止付机制冻结虚拟货币诈骗资金；6.1 万枚比特币洗钱案赔偿方案遭质疑，中国受害者已在英国发起法律挑战；某中国公民涉 SafeX 加密交易所 690 万美元被盗案在新加坡判处两年监禁；胡志明市批准设立 5 万亿越南盾创投基金，优先投资区块链和 AI 等领域；贝莱德 260 亿美元私募信贷基金限制赎回，市场担忧压力外溢至比特币及 DeFi；迪拜黄金出现罕见折价交易，或因中东战火扰乱物流；

观点与发声方面，马斯克：X Money 早期公众访问版将于下月上线；Bernstein：Circle 股价仍有 60%上涨空间，受稳定币采用和 AI 金融驱动；Coinbase：美国加密税务新规复杂，稳定币与 Gas 费申报或导致系统“过度报告”；Nic Carter 回应BIP-360 作者身份背景争议：应关注提案质量与 BTC 量子抗性目标；Robinhood 推进私募股权“散户化”，Vlad Tenev 再提股权代币化愿景；Strategy 战略负责人：STRC 和 MSTR 将成比特币终极积累机器，熊市结构已彻底改变；a16z 发布Top 100 AI 应用榜单：AI 正在走出浏览器，嵌入一切；10x Research：可参考此前 Circle 空头回补行情寻找下一个加密股机会；Kyle Samani：PropAMM是几十年来市场微观结构中最重要的创新之一（全文）；币安已就诽谤行为正式对“华尔街日报”提起诉讼；Vitalik：以太坊核心价值是全球共享“公告板”，智能合约与支付只是附加功能；

机构、大公司与头部项目方面，JPMorgan因涉嫌参与 3.28 亿美元加密庞氏骗局被投资者起诉；华尔街主要经纪商拟接入预测市场，Clear Street 与 Marex 率先行动；Coinbase Prime 推出统一保证金功能，覆盖现货、衍生品及监管永续合约；Kraken 代币化股票交易平台启动积分计划，或将推出生态代币；Polymarket 将推出标普 500 指数二元期权；Polymarket 的夏令时切换 bug导致 bot 用户受损；Kalshi 遭集体诉讼：因未向与伊朗战争有关预测市场用户支付奖金；以太坊推出解决 AI Agent 间互信问题的 ERC-8183（详解）；Vitalik 提议优化以太坊最终性机制：以 Minimmit 取代 Casper FFG；Solana Shanghai Builder Station 正式落地上海虹桥阿里中心；一用户因滑点在单笔交易中损失约 5000 万美元，Aave 创始人称界面曾多次发出警告（事件回顾）；特朗普将为 TRUMP 持有者举办午宴，本人与 18 位”超级明星“嘉宾出席；Backpack 将于 3 月 23 日TGE；

AI 领域，腾讯推出OpenClaw 安全工具箱；OpenClaw 创始人质疑腾讯抓取 Skills 并呼吁其提供支持避免推高服务器成本；OpenClaw 创始人表示愿与百度共同进一步开发“龙虾”；国家网络安全通报中心发布OpenClaw 安全风险预警；

数据上，Kalshi 与 Polymarket 均以约 200 亿美元估值寻求融资；DeFi 稳定币利率创自 2023 年 6 月以来最低水平；Vitalik Buterin：FLI 将其捐赠的 SHIB 套现约 5 亿美元……嗯，又是跌宕起伏的一周。

附《每周编辑精选》系列传送门。

下期再会~

原文标题：Inside OpenAI’s Race to Catch Up to Claude Code

原文作者：Maxwell Zeff，Wired

原文编译：Peggy，BlockBeats

编者按：在 AI 编程代理迅速崛起的当下，曾凭 ChatGPT 引领生成式 AI 浪潮的 OpenAI，却在这一关键赛道上意外成为「追赶者」。与之形成鲜明对比的是，由前 OpenAI 成员创立的 Anthropic，凭借 Claude Code 在开发者社区和企业市场迅速走红，成为 AI 编程工具领域的重要领先者之一。

本文通过对 OpenAI 高管、工程师以及多位开发者的采访，揭示了这场竞赛背后的真实过程：从早期 OpenAI Codex 项目被拆分、资源转向 ChatGPT 与多模态模型，到内部团队重新整合、加速推出 AI 编程产品，OpenAI 正在经历一次从战略忽视到全面追赶的转折。某种意义上，这并非技术能力的落后，而是战略节奏的错位：ChatGPT 的爆发改变了公司优先级，与 Microsoft 的合作关系限制了产品路径，而 Anthropic 则更早押注 AI 编程赛道。

在这场竞赛背后，更深层的问题也逐渐浮现：当 AI 代理开始承担越来越多的认知型工作时，软件开发流程乃至白领劳动本身，都可能被重新定义。

以下为原文：

OpenAI 首席执行官 Sam Altman 把双腿盘在办公椅上，仰头望着天花板，像是在思考某个尚未成形的答案。某种程度上，这也与环境有关。

OpenAI 位于旧金山 Mission Bay 的新总部，是一座由玻璃与浅色木材构成的现代建筑，气质近乎「科技圣殿」。前台后的展示架上摆放着介绍「AI 时代」（Eras of AI）的手册，仿佛在描绘一条通往技术启示的路径。楼梯墙面上贴满了人工智能发展的里程碑海报，其中一张记录着这样一个时刻：成千上万名观众通过直播见证，一台机器在《Dota 2》比赛中击败顶级电竞战队。走廊里，研究员穿着印有标语的团队周边衫来来往往，其中一件写着：「好的研究需要时间。」当然，理想情况下，不必太久。

我们坐在一间巨大的会议室里。我向 Altman 抛出的问题，与正在席卷行业的 AI 编程革命有关，以及为什么 OpenAI 似乎并未在这一波浪潮中占据领先位置。

如今，数以百万计的软件工程师已经开始将部分编程工作交给 AI 处理，这让硅谷许多人第一次真正直面一个现实：自动化可能会触及他们自己的岗位。编程代理（coding agents）也因此成为少数几个企业愿意为 AI 支付高价的应用场景之一。按理说，这样的时刻完全可能，甚至应该成为 OpenAI 楼梯墙上海报中的下一次「胜利时刻」。但现在，占据头条位置的名字却并不是它。

这家公司的对手是 Anthropic，一家由前 OpenAI 成员创立的 AI 公司。凭借其编程代理产品 Claude Code，Anthropic 获得了爆发式增长。公司在 2 月披露，该产品已贡献近五分之一的业务规模，对应年化收入超过 25 亿美元。相比之下，据一位知情人士透露，截至 1 月底，OpenAI 自家的编程产品 OpenAI Codex 的年化收入仅略高于 10 亿美元。

问题在于：为什么在这场 AI 编程竞赛中，OpenAI 反而落在了后面？

「先发优势的价值非常大。」Sam Altman 沉思片刻后说道，「这一点，我们在 ChatGPT 上已经体验过。」

不过，在他看来，现在正是 OpenAI 全面发力 AI 编程的时机。他认为，公司现有的模型能力已经足够强大，可以支撑高度复杂的编程代理（coding agents）。当然，这样的能力并非偶然，公司为此投入了数十亿美元用于模型训练。

「这将会是一门巨大的生意，」Altman 说，「不仅因为它本身带来的经济价值，也因为编程所能释放的通用生产力。」他停顿了一下，又补充道：「我很少轻易使用这个词，但我认为，这很可能是那种规模达到数万亿美元的市场之一。」

更进一步，他认为，OpenAI Codex 或许是通向通用人工智能（AGI）的「最可能路径」。按照 OpenAI 的定义，所谓 AGI，是一种能够在绝大多数具有经济价值的工作中超越人类表现的 AI 系统。

Sam Altman，OpenAI 首席执行官。摄影：Mark Jayson Quines。

不过，尽管 Altman 以一种从容不迫的姿态做出自信判断，过去几年公司内部的真实情况却要复杂得多。为了了解更完整的内部故事，我采访了 30 多位知情人士，包括在公司批准下接受采访的现任 OpenAI 高管与员工，以及一些在匿名条件下介绍公司内部运作情况的前员工。综合这些叙述，可以看到一个并不常见的局面：OpenAI 正在奋力追赶。

时间回到 2021 年。当时，Altman 和其他 OpenAI 高管邀请《WIRED》记者 Steven Levy 来到他们位于旧金山 Mission 区的早期办公室，观看一项新技术演示。这是一项基于 GPT-3 衍生出来的项目，使用来自 GitHub 的大量开源代码进行训练。

在现场演示中，高管们展示了这款名为 OpenAI Codex 的工具如何接收自然语言指令，并生成简单的代码片段。

「它实际上可以在计算机世界里替你执行操作，」当时，OpenAI 总裁兼联合创始人 Greg Brockman 这样解释，「你拥有的是一个能够真正执行命令的系统。」即便在当时，OpenAI 的研究人员也已经普遍认为，Codex 将成为构建「超级助手」（super assistant）的关键技术。

那段时间，Altman 和 Brockman 的日程几乎被与 Microsoft 的会议填满——这家软件巨头正是 OpenAI 最大的投资方。微软计划利用 Codex 为其首批商业化 AI 产品之一提供技术支持：一款名为 GitHub Copilot 的代码补全工具，可以直接嵌入程序员日常使用的开发环境中。

一位早期 OpenAI 员工回忆说，在那个阶段，Codex「基本只能做自动补全」。但微软高管仍将其视为 AI 时代到来的重要信号。

2022 年 6 月，当 GitHub Copilot 正式公开发布时，短短几个月内便吸引了数十万用户。

Greg Brockman，OpenAI 总裁。摄影：Mark Jayson Quines。

最初负责 Codex 的 OpenAI 团队随后被调往其他项目。一位早期员工回忆称，公司当时的判断是：未来模型本身就会具备编程能力，因此没有必要长期维持一个独立的 Codex 项目团队。一部分工程师被调去参与 DALL-E 2 的开发，另一部分则转向训练 GPT-4。在当时看来，这是让 OpenAI 更接近 AGI 的关键路径。

随后，2022 年 11 月 ChatGPT 上线，并在两个月内获得超过 1 亿用户。公司内部几乎所有其他项目都因此被迫暂停。此后的几年里，OpenAI 实际上没有一支专门负责 AI 编程产品的团队。一位曾参与 Codex 项目的前成员表示，在 ChatGPT 走红之后，AI 编程似乎不再属于公司新的「消费级产品优先」战略范畴。与此同时，业内普遍认为这一领域已经被 GitHub Copilot「覆盖」，而那本质上是 Microsoft 的主场。OpenAI 主要只是提供底层模型支持。

因此，在 2023 年和 2024 年，OpenAI 的资源更多投向多模态 AI 模型与智能代理（agents）。这些系统被设计为能够同时理解文本、图像、视频和音频，并像人类一样操作光标与键盘。这一方向在当时看起来更符合行业趋势：Midjourney 的图像生成模型在社交网络上迅速走红，而行业普遍认为，大语言模型必须能够「看见」和「听见」世界，才能真正迈向更高层次的智能。

相比之下，Anthropic 选择了一条不同路径。虽然该公司同样在开发聊天机器人和多模态模型，但它似乎更早意识到编程能力的潜力。在最近的一档播客中，Brockman 也承认，Anthropic 从很早阶段就「高度专注于编程能力」。他指出，Anthropic 在训练模型时不仅使用了学术竞赛中的复杂编程题，还加入了来自真实代码仓库的大量「混乱」代码问题。

「这是我们后来才意识到的一课，」Brockman 说。

2024 年初，Anthropic 开始使用这些真实代码仓库数据训练 Claude 3.5 Sonnet。当该模型在 6 月发布时，许多用户对其编程能力印象深刻。

这种表现尤其在一家名为 Cursor 的初创公司中得到验证。这家由一群二十多岁年轻人创立的公司，开发了一款 AI 编程工具，允许开发者用自然语言描述需求，由 AI 直接修改代码。当 Cursor 接入 Anthropic 的新模型后，其用户规模迅速增长，一位接近该公司的知情人士透露。

几个月后，Anthropic 开始在内部测试自己的编程代理产品，Claude Code。

随着 Cursor 的人气不断上升，OpenAI 一度试图收购这家初创公司。但据多位接近该公司的消息人士透露，Cursor 的创始团队在谈判尚未深入之前就拒绝了这一提议。他们认为 AI 编程行业潜力巨大，因此希望继续保持独立发展。

Andrey Mishchenko，OpenAI Codex 研究负责人。摄影：Mark Jayson Quines。

当时，OpenAI 正在训练其首个所谓的「推理模型」，OpenAI o1。这类模型能够在给出答案之前，对问题进行逐步推理。OpenAI 在发布时表示，该模型在「准确生成与调试复杂代码」方面表现尤为突出。

Mishchenko 解释说，AI 模型之所以在编程能力上取得明显进步，一个重要原因在于：编程是一种「可验证任务」（verifiable task）。代码要么能运行，要么不能运行，这为模型提供了非常明确的反馈信号。一旦出错，系统就能迅速知道哪里出了问题。OpenAI 正是利用这种反馈循环，不断让 o1 在更复杂的编程问题上进行训练。

「如果没有在代码库中自由探索、实施修改并测试自身结果的能力——这些都属于『推理』能力的一部分——那么今天的编程代理不可能达到现在的水平。」他说。

到 2024 年 12 月，OpenAI 内部已经出现多个小团队开始专注于 AI 编程代理。其中一个团队由 Mishchenko 与 Thibault Sottiaux 共同领导。Sottiaux 曾任职于 Google DeepMind，如今是 OpenAI 的 Codex 负责人。

起初，他们对编程代理的兴趣主要来自内部研发需求，希望利用 AI 自动化完成大量重复性的工程工作，例如管理模型训练任务、监控 GPU 集群运行状态等。

另一项并行的尝试则由 Alexander Embiricos 主导。他此前负责 OpenAI 的多模态代理项目，如今担任 Codex 的产品负责人。Embiricos 曾开发过一个名为 Jam 的演示项目，并在公司内部迅速传播开来。

Thibault Sottiaux，OpenAI Codex 负责人。摄影：Mark Jayson Quines。

与通过鼠标和键盘控制电脑不同，Jam 可以直接访问计算机的命令行。2021 年的 Codex 演示还只是展示 AI 为人类生成代码，由人类手动运行；而 Embiricos 的版本则可以自己执行这些代码。他回忆说，当时看着一页实时记录 Jam 操作行为的网页在自己笔记本电脑上不断刷新更新，内心几乎被震撼到。

「有一段时间，我一直在想，多模态交互可能是实现我们使命的路径。比如人类整天与 AI 共享屏幕、一起工作。」Embiricos 说，「后来突然变得非常清晰：也许，让模型直接获得对计算机的程序化访问权限，才是实现这一目标的真正方式。」

这些分散的项目花了几个月时间才逐渐整合成一个统一方向。到 2025 年初，当 OpenAI 完成对 OpenAI o3 的训练时，这是一款在编程任务上比 OpenAI o1 更进一步优化的模型，公司终于拥有了构建真正 AI 编程产品的技术基础。但与此同时，Anthropic 的 Claude Code 已经准备公开发布。

在 Claude Code 发布之前（2025 年 2 月以「有限研究预览」形式推出，5 月全面上线），当时 AI 编程领域的主流模式还被称为 「vibe coding」。开发者通过 AI 辅助工具推动项目进展，由人类掌控方向，而 AI 在过程中补充具体实现。这类工具已经吸引了数亿美元投资。

但 Anthropic 的新产品改变了这一模式。像 Jam 演示一样，Claude Code 可以直接通过计算机的命令行运行，这意味着它能够访问开发者的全部文件与应用程序。编程不再只是「AI 辅助」，而是开发者可以把整项工作直接交给 AI 代理完成。

面对这一变化，OpenAI 开始加速推出竞争产品。Sottiaux 回忆说，他在 2025 年 3 月组建了一支「冲刺团队」（sprint team），任务是在几周内整合公司内部多个团队，尽快推出 AI 编程产品。

与此同时，Altman 还尝试通过收购来实现「弯道超车」，以 30 亿美元收购 AI 编程初创公司 Windsurf。OpenAI 高层认为，这笔交易将为公司带来一个成熟的 AI 编程产品、一支经验丰富的团队，以及现成的企业客户基础。

但这笔收购案随后陷入停滞。据 The Wall Street Journal 报道，问题出在 OpenAI 的最大合作伙伴 Microsoft。微软希望能够获得 Windsurf 的知识产权访问权。自 2021 年以来，微软一直使用 OpenAI 的模型为 GitHub Copilot 提供技术支持，这一产品也成为微软财报电话会议中的亮点之一。但随着 Cursor、Windsurf 以及 Claude Code 推出新的 AI 编程代理体验，GitHub Copilot 开始显得停留在上一代 AI 工具阶段。如果 OpenAI 再推出一款新的编程产品，对微软来说未必是好消息。

这笔收购谈判正好发生在 OpenAI 与微软关系最紧张的时期。双方当时正在重新谈判合作协议，而 OpenAI 试图削弱微软对其 AI 产品与算力资源的控制权。最终，Windsurf 收购案成为这场博弈的牺牲品。到 7 月，OpenAI 放弃了这笔交易。随后，Google 聘请了 Windsurf 的创始团队，而其余员工则被另一家 AI 编程公司 Cognition 收购。

「我当时当然很希望这笔交易能够完成，」Altman 说，「但并不是每一笔交易都能掌控。」他表示，虽然原本希望 Windsurf 的收购「能在一定程度上加速我们的进展」，但他对 Codex 团队的发展势头同样印象深刻。在谈判进行的同时，Sottiaux 和 Embiricos 仍在持续开发产品并推出更新。

到 8 月，Altman 决定全面加速推进。

Alexander Embiricos，OpenAI Codex 产品负责人。摄影：Mark Jayson Quines。

Greg Brockman 衡量 AI 能力最喜欢的一种方式，是他自己设计的一款小游戏，「反向图灵测试」（Reverse Turing Test）。几年前他亲手写下了这个游戏的代码，如今则会把任务交给 AI 代理，从零开始重新实现。

游戏规则很简单：两名人类玩家分别坐在不同电脑前，每个人屏幕上都会看到两个聊天窗口。其中一个窗口连接另一名人类玩家，另一个则连接 AI。玩家需要猜出哪个窗口是 AI，同时又要设法让对手误以为自己才是 AI。

Brockman 说，在去年大部分时间里，OpenAI 最强的模型要花上数小时才能搭建出这样一个游戏，而且过程中还需要大量明确的人类指令和协助。但到去年 12 月，Codex 已经能够通过一条精心设计的提示词（prompt），直接生成一个完全可运行的版本，底层使用的是新的 GPT-5.2 模型。

这种变化并不只被 Brockman 注意到。世界各地的开发者也开始意识到，AI 编程代理的能力突然出现了明显跃升。围绕 AI 编程的讨论，最初主要集中在 Claude Code，很快突破硅谷技术圈，成为主流媒体关注的话题。

甚至一些没有编程经验的普通用户，也开始利用 AI 直接创建自己的软件项目。

这波使用量激增并非偶然。在这段时间里，Anthropic 和 OpenAI 都投入了大量资金，以获取更多 AI 编程代理用户。多位开发者告诉《WIRED》，他们每月 200 美元的 Codex 或 Claude Code 订阅计划，实际能获得超过 1000 美元价值的使用额度。这种相当「慷慨」的限额，本质上是一种市场策略：先让开发者在日常工作中习惯使用 AI 编程工具，再在企业场景中按使用量收费。

据多位知情人士透露，2025 年 9 月时，Codex 的使用量只有 Claude Code 的约 5%。但到 2026 年 1 月，Codex 的用户规模已经上升到 Claude Code 的约 40%。

在科技初创公司工作了 10 年的开发者 George Pickett 最近甚至开始组织以 Codex 为主题的线下聚会。

「我觉得很明显，我们正在用 AI 代理取代白领工作，」Pickett 说，「至于这对社会意味着什么，说实话谁也说不准。它肯定会带来巨大冲击，但我对未来总体还是比较乐观的。」

与此同时，估值约 110 亿美元的效率软件公司 Notion 联合创始人 Simon Last 表示，在 GPT-5.2 发布之后，他和公司的核心工程团队已经转向使用 Codex，主要原因是稳定性更好。

「我发现 Claude Code 经常会『骗我』，」Last 说，「它会说任务正在运行，但实际上并没有。」

Katy Shi，OpenAI 研究员。摄影：Mark Jayson Quines。

在 OpenAI 负责研究 Codex 模型行为的 Katy Shi 表示，虽然有人把 Codex 的默认风格形容为「干巴巴的面包」（dry bread），但越来越多用户反而开始欣赏这种不刻意讨好的交流方式。「很多工程工作，本质上就是能够接受批评性的反馈，而不会把它当成冒犯。」她说。

与此同时，一些大型企业也已经开始采用 Codex。OpenAI 应用业务 CEO Fidji Simo 表示：「ChatGPT 已经成为 AI 的代名词，这让我们在 B2B 市场拥有巨大优势。企业更愿意部署员工已经熟悉的技术。」她补充说，OpenAI 销售 Codex 的核心策略，是把它与 ChatGPT 以及其他 OpenAI 产品一起打包提供。

Cisco 总裁兼首席产品官 Jeetu Patel 则向员工明确表示，不必担心使用 Codex 的成本，因为关键是要尽快熟悉这种工具。当员工担心「使用这些工具会不会让自己失业」时，Patel 的回答是：「不会。但我可以保证，如果你不使用它们，你就会失业，因为你会变得不再有竞争力。」

如今，围绕 AI 编程代理的焦虑已经远远超出硅谷技术圈。The Wall Street Journal 上个月曾将一轮规模达 1 万亿美元 的科技股抛售部分归因于 Claude Code，投资者担心软件开发可能很快被 AI 大规模取代。几周后，在 Anthropic 宣布 Claude Code 可以用于改造运行 COBOL 的旧系统（这种系统在 IBM 机器上十分常见）后，IBM 股价经历了 25 年来最糟糕的一天。

与此同时，OpenAI 也在努力将 AI 编程代理推入公众讨论中心。公司甚至花费数百万美元，在超级碗（Super Bowl）期间投放了一则关于 OpenAI Codex 的广告，而不是推广 ChatGPT。

在 Mission Bay 的 OpenAI 总部内部，几乎没有人需要被说服使用 Codex。我采访的许多工程师表示，他们如今已经很少亲自敲代码了，大部分时间只是与 Codex 对话。有时，他们甚至会「集体交流」。

在总部，我旁听了一场 Codex 黑客松。大约 100 名工程师挤在一个大房间里，每个人有四小时，用 Codex 做出最好的演示项目。一位 OpenAI 高管站在前方，一边看着手中的笔记本电脑，一边用麦克风宣布团队名称。各团队代表紧张地走上讲台，用略显颤抖的声音介绍自己的 AI 项目。最终的获胜者获得了 Patagonia 背包作为奖励。

许多项目既是用 Codex 开发的，也旨在帮助工程师更好地使用 Codex。例如，有团队开发了一个工具，可以把 Slack 消息自动整理成每周报告；另一组则做出了一个类似 Wikipedia 的内部 AI 指南，用来解释 OpenAI 各项内部服务。过去，这类原型往往需要几天甚至几周时间才能完成，而现在，一个下午就足够。

离开时，我在门口遇到了 Kevin Weil，前 Instagram 高管，如今负责 OpenAI 的「OpenAI for Science」部门。他告诉我，Codex 正在替他通宵完成一些项目任务，他会在第二天早上查看结果。这样的工作方式已经成为他以及数百名 OpenAI 员工的日常。OpenAI 在 2026 年的目标之一，是开发一个「自动化实习生」，用于研究 AI 本身。

Simo 表示，未来 Codex 不只是用于编程，而是希望成为 ChatGPT 及所有 OpenAI 产品中的任务执行引擎，为用户完成各种实际工作。Altman 也表示，他很希望推出一个通用版本的 Codex，但仍然担心安全风险。

他说，2026 年 1 月底，一位没有技术背景的朋友曾请他帮忙安装一款爆红的 AI 编程代理 OpenClaw。Altman 拒绝了这一请求，因为在他看来，「现在显然还不是个好主意」，例如 OpenClaw 可能会误删重要文件。

讽刺的是，几周后，OpenAI 宣布已经聘请了 OpenClaw 的开发者。

许多开发者告诉我，如今 Codex 与 Claude Code 之间的竞争从未如此激烈。但随着这些工具能力不断提升、并被企业管理者越来越多地引入工作流程，社会需要面对的问题早已不只是「该使用哪款 AI 编程工具」这么简单。

Amelia Glaese，OpenAI 研究副总裁兼对齐负责人。摄影：Mark Jayson Quines。

一些监督机构担心，OpenAI 在追赶 Claude Code 的竞争中，可能会让安全问题退居次要位置。一个名为 Midas Project 的非营利组织指责 OpenAI 在发布 GPT-5.3-Codex 时弱化了其安全承诺，未充分披露该模型在网络安全方面的潜在风险。

对此，Glaese 反驳称，OpenAI 并没有为了推进 Codex 而牺牲安全性，公司方面也表示，Midas Project 对其安全承诺存在误读。

即便是 Greg Brockman，这位去年为支持 AI 发展向一个亲 AI 的超级政治行动委员会（Super PAC）和一个支持 Donald Trump 的组织分别捐赠 2500 万美元，并且依然乐观表示「我们正按计划迈向 AGI」的 OpenAI 联合创始人也对这一新现实抱有复杂情绪。

在硅谷工程师圈子里，Brockman 一直以「极度投入」的管理风格著称：那种会在产品发布前一晚仍然深入代码库检查细节的老板。某种程度上，如今这种更加「放手」的工作方式让他感到轻松。「你会意识到，过去大脑被许多其实不必要的细节所占据，」他说。

但与此同时，当一个人变成「数十万 AI 代理舰队的 CEO」，由这些系统去执行你的目标与愿景时，你也很难再深入到每个问题解决的具体细节之中。

「在某种意义上，这会让人感觉自己正在失去对问题本身的『脉搏』。」Brockman 说。

原文链接

本文来自：@Ehsan1579

编译｜Odaily 星球日报（@OdailyChina）；译者｜ Ethan（@ethanzhang_web 3）

单看事件标题，大概率会误以为这是一起漏洞利用攻击。

事件核心是：有人将价值 5040 万美元的 USDT，最终仅兑换到价值 3.59 万美元的 AAVE。

我初次听闻此事时，着实震惊。因此，我彻头彻尾地梳理了整个事件：交易追踪、求解器路径、合约调用、历史储备、结算数据、适配器流程、Aave 界面代码、CoW 闪电贷 SDK，以及判断报价是否“合理”的路由代码。

这不是一次黑客攻击。​ Aave 核心协议没有出错。CoW 结算没有出错。Uniswap 没有出错。SushiSwap 没有出错。交易是有效的，签名是有效的，所有合约都严格按照代码执行。然而，几乎全部的经济价值都被摧毁了，只因为它被允许走上的路由荒谬至极。

公链没有出问题，出问题的是路由。

在我看来，轻描淡写将此事归为单纯的“用户操作失误”，并非客观严谨的态度。诚然，用户完成了订单签名，但整套软件系统，竟允许一笔涉及近 5000 万美元抵押品轮换的操作，完成报价、签名、路由规划直至最终执行，且全部流程指向一个仅持有约 331 枚 AAVE 的低流动性池。这本该是完全不可能发生的事，至少理应在结算环节启动前，就被系统强硬拦截拒绝。

交易核心信息溯源

本次异常交易哈希为：0x9fa9feab3c1989a33424728c23e6de07a40a26a98ff7ff5139f3492ce430801f，于 2026 年 3 月 12 日在以太坊主网区块高度 24643151 处确认，交易索引为 1，消耗 Gas 量 3780570 单位，交易执行成功。订单归属钱包地址为 0x98b9 开头，实际执行交易的求解器（交易发送方）地址为 0x3980 开头，在 CoW 竞赛数据中标记为 tsolver。

首先要明白，这不是一次简单的钱包层面的 USDT 到 AAVE 兑换。卖出代币是 aEthUSDT，即 Aave 平台上生息的 USDT 存款凭证。买入代币是 aEthAAVE，即 Aave 平台上生息的 AAVE 存款凭证。所以，这实际上是一次通过 CoW 协议的结算系统及其闪电贷适配器流程进行的 Aave 抵押品轮换。

交易前，该钱包持有约 50,432,693.075254 个 aEthUSDT 和 0 个 aEthAAVE。交易后，它仅剩 4.980399 个 aEthUSDT，并收到了 327.241335505966487788 个 aEthAAVE。实际上，该钱包卖出了几乎全部头寸。

元数据更清晰地表明，路由在执行前就已经是“有毒”的。订单来自 aave-v3-interface-collateral-swap 流程。CoW 的 API 将其显示为已签名的卖出订单，而应用元数据则将其标记为使用 121 个基点智能滑点的市价式抵押品互换。签名的卖出金额是 50,432,688.41618 个 aEthUSDT。签名的最低买入金额是 324.949260918413591035 个 aEthAAVE。实际结算支付了 327.241335505966487788 个 aEthAAVE。

这是一个极其重要的细节。这笔订单本就没期望获得成千上万的 AAVE，然后在中途不知何故被摧毁。它在构建之初，就围绕着三百多个 AAVE 这样的结果。

路由崩盘的完整链路

一旦你跟随交易追踪，整个过程便残酷地直截了当。

顶层资金流转核心依托 CoW 协议 0x9008 开头的 GPv2Settlement 结算合约。首先，0x60bf 开头的 HooksTrampoline 合约完成 aEthUSDT 授权操作，允许 CoW 金库中继器无需单独交易授权，即可提取用户资产；随后，0xc92e 开头的 GPv2VaultRelayer 合约从用户钱包提取 50432688.41618 枚 aEthUSDT 进入结算流程，截至此环节，所有操作均符合正常逻辑。

结算合约随后将 aEthUSDT 操作权限授予 0xd524 开头的未开源辅助合约，并通过函数选择器 0x494b3137 发起调用；该辅助合约再将执行权限转交至 0x699c 开头的未开源执行器合约，至此，异常交易路由的全貌彻底暴露。

首个有效调用指向 0x87870 开头的 Aave 资金池合约，通过 withdraw 函数（选择器 0x69328dec）销毁 aEthUSDT，赎回底层原生 USDT；随后路由跳转至 0x4e68 开头的 Uniswap V3 深度 USDT/WETH 交易池，将全部 50432688.41618 枚 USDT 兑换为 17957.810805702142342238 枚 WETH。

这一阶段的交易完全正常：兑换汇率约为 2808.4 USDT 兑换 1 枚 WETH，符合当时市场行情，无流动性不足问题，无计算偏差，第一跳交易链路不存在任何异常。

问题出在第二跳，一旦你看到流动性储备，剩下的故事就不可避免了。

执行器获取 17957.810805702142342238 枚 WETH 后，将全部资金转入 0xd75ea151a61d06868e31f8988d28dfe5e9df57b4 地址的 SushiSwap V2 AAVE/WETH 交易池。

我核查了该交易池在异常交易发生前一刻（区块高度 24643150）的历史流动性储备数据，池内仅持有：

331.631982538108027323 枚 AAVE、17.653276196397688066 枚 WETH

这并非数据录入错误，而是铁一般的事实。

这条交易路由，将近 17958 枚 WETH 全部注入一个仅储备 17.65 枚 WETH、对应 AAVE 总库存仅 331.63 枚的微型交易池，输入的 WETH 体量竟是池内 WETH 储备的约 1017 倍。

这绝非“滑点偏高”或“流动性略薄”的常规问题，而是一条极端荒谬的市价单执行路径，相当于强迫一个体量极小的恒定乘积 AMM 池，承接一笔规模超出自身数千倍的巨额交易。

AMM 交易池按照既定算法执行了操作，近乎耗尽了池内全部 AAVE 储备。

SushiSwap 交易对触发核心 Swap 交换事件：执行器转入 17957.810805702142342238 枚 WETH，仅换回 331.305315608938235428 枚 AAVE。交易完成后，该池剩余流动性约为：

0.326666929169791895 枚 AAVE、17975.464081898540030304 枚 WETH

说白了，池中约 99.9%​ 的 AAVE 库存在一跳中被抽干。

根据交易前的储备，池子隐含的 AAVE 价格约为 149.50 美元。用户的实际执行价格约为 154,114.66​ USDT 兑 1 AAVE。这比交易前的现货价格差了超过 1000 倍。

接着，这些 AAVE 被供应回 Aave 资金池，使用选择器 0x617ba037，即 supply(address,uint256,address,uint16)。结果是新铸造的 aEthAAVE 被送回结算合约。结算合约最终将 327.241335505966487788 个 aEthAAVE 转给了用户。大约 4.06398010297174764 个 aEthAAVE 作为相对于用户支付的盈余，留在了结算合约中。

所以，结算并没有突然将一个好的执行结果扭曲成一个坏结果。它只是最终敲定了路由早已产生的结果。

这是关键点，值得明确说出：​ 灾难性的结果在路由执行前就已经“预设”在其中了。

路由内嵌的辅助合约调用数据中，买入端目标金额约为 331.272185078031026739 枚，用户签名约定的最低买入金额为 324.949260918413591035 枚，实际结算金额为 327.241335505966487788 枚，所有核心数值在结算前，就锁定在三百余枚 AAVE 的量级。

这条路由生来就是坏的。

漏洞在哪儿？

答案是：系统每一层校验机制，都在核查错误的维度。

所有层级仅校验交易是否可执行、签名是否有效、金额是否非零，却几乎没有核心层级校验交易路由在经济层面是否具备合理性，这是机制失守的核心根源。

Aave 界面适配器报价路径的代码缺陷

首个明显的代码异常点，出现在 Aave 界面的 CoW 适配器报价流程中：原本用于在请求报价时，附带适配器专属应用数据的函数，被直接强制禁用。

来源：rates.helpers.ts:93和 adapters.helpers.ts:194

这意味着 Aave 界面在向 CoW 请求报价时，并没有附上实际发布订单时会附加的闪电贷和钩子元数据。换句话说，被报价的东西并不完全是要被执行的东西。代码注释甚至说这个助手函数的目的是为了让适配器报价更精确，然后这个函数却被硬性禁用了。

CoW 报价竞争逻辑的合理性判定过于薄弱（核心漏洞）

第二个也是最严重的问题，在于 CoW 协议的报价竞争逻辑：其公共服务代码中，只要报价 Gas 费用为正、输出金额非零，就会被判定为“合理报价”。

来源：quote.rs:31

对于一个处理八位数订单的路由系统来说，这是一个令人震惊的薄弱的“合理性”定义。

系统未接入预言机做价格健全性校验，无“报价偏离现货价格 500 倍以上”的拦截机制，无“路由会彻底抽干流动性池”的风险判定，无“最后一跳流动性与订单规模严重不匹配”的预警；只要求解器返回可执行、非零的路由方案，就会被系统接纳，这是本次事件的核心漏洞。

Uniswap V2 类流动性建模逻辑的缺陷

第三个问题，在于 Uniswap V2 风格的流动性池建模方式：代码仅采用标准恒定乘积算法，仅拒绝零储备、数值下溢、储备溢出等数学层面的不可能情况，不做经济层面的可行性校验。

来源：pool_fetching.rs:118和 pool_fetching.rs:153

该段代码不会判断流动性池体量是否足以承接对应路由交易，仅判断交换操作在数学上是否有效。因此，即便一个仅储备 331 枚 AAVE 的微型池，也会被判定为承接 17957 枚 WETH 买入请求的有效场所，只因恒定乘积算法能算出非零结果，却完全无视这个结果会带来毁灭性的资产损耗。

闪电贷 SDK 与订单验证机制的二次失守

随后，闪电贷 SDK 直接将这份失效报价，固化到订单与钩子的执行载荷中，没有做任何二次风险拦截。

接着：

来源：index.js:484和 index.js:591

这就是为什么我一直说这条路由是“生来就坏”。适配器层并没有在执行时“发现”一个新的坏金额。它将已报价的坏金额序列化到了钩子数据和确定的实例地址中。一旦糟糕的报价存在，其余机制就会忠实地将其传递下去。

即使是 CoW 的订单验证逻辑在这里也没有真正保护用户，因为它只检查订单是否超出报价时的市场价格，而不检查报价本身相对于实际流动性是否荒谬。

来源：order_validation.rs:694

这是一致性检查。如果报价本身就已经是胡言乱语，订单仍然可以通过。

UI 前端预警机制形同虚设

Aave 界面确实有高价格冲击警告，但它不是一个硬性的熔断开关。当价值损失超过 20%时，它变成一个确认复选框。

一旦用户勾选了复选框，障碍就被清除了：

来源：helpers.ts:24和 HighPriceImpactWarning.tsx:35

因此，即便这笔交易会近乎清空全部资产价值，系统也仅将其判定为需用户确认的操作，而非系统必须强硬拒绝的高危交易，预警机制完全失去了风险拦截作用。

基于以上所有机制失守，我绝不认同“这只是用户犯傻”的敷衍结论。用户确实完成了签名，但整套软件系统有无数次机会拦截这场灾难，却每一层都仅做了基础校验，判定“非零、可执行、已签名”后直接放行，最终酿成恶果。

路由未被篡改

这一环节至关重要，直接排除了大量错误猜测：aave-v3-interface-collateral-swap 对应的 Aave 官方界面流程，会在 useSwapOrderAmounts.ts 文件第 139 行，结合报价、网络费用、合作方费用、闪电贷费用，计算滑点调整后的买入金额；第 331 行将其转换为 buyAmountBigInt 数值；随后在 CollateralSwapActionsViaCoWAdapters.tsx 文件第 191 行，对该金额完成精准签名。

后续适配器合约会在 AaveV3BaseAdapter.sol 文件第 141 行，校验签名订单字段与存储数值完全匹配；CoW 结算合约会在 GPv2Settlement.sol 文件第 337 行，强制执行签名约定的限额规则。因此，链上执行结果并未超出签名订单允许的范围，用户实际收到的资产，甚至高于签名约定的最低限额。

这足以证明：灾难发生在结算环节之前，而非结算过程中，路由的致命缺陷早已注定结局。

消失的价值去了哪里？

同一区块内的下一笔交易（哈希 0x45388b0f 开头），针对被破坏的 SushiSwap AAVE/WETH 池完成了回跑套利。异常交易用巨量 WETH 塞满池子、抽干绝大部分 AAVE 后，套利者立即将 AAVE 卖回池中，收割流动性失衡带来的超额价值。

本次回跑套利共提取约 17929.770158685933 枚 WETH，随后向该区块构建者支付约 13087.73 枚 ETH，向套利执行地址支付约 4824.31 枚 ETH。

用户损失的全部经济价值，最终几乎瞬间转化为同一区块内的 MEV 套利收益与区块构建者收益。

另外核查区块级时间序可以确认：交易前无人恶意操纵 SushiSwap 交易池设套诱骗用户，该 AAVE/WETH 交易对首次被触及，就是本次异常交易（交易索引 1）；紧接着的下一笔交易（交易索引 2），就针对本次交易造成的价格扭曲完成首次回跑；交易索引 3 也在市场修复过程中触及该交易对。时间线清晰印证：本次异常交易制造了极端扭曲价格，后续交易直接收割了这份扭曲收益。

那么，是谁的错？

如果你问 Aave V3 核心协议是否崩溃了，答案是没有。Aave 资金池完全按照指令执行操作，正常完成 USDT 赎回与 AAVE 存入流程。

如果你问 CoW 的 GPv2Settlement 合约是否崩溃了，答案是没有。结算强制执行了一份有效的签名订单，并支付了高于签名最低限度的金额。

如果你问 Uniswap V3 或 SushiSwap 的交易对合约是否崩溃了，答案同样是没有。两类交易池均按照自身算法规则完成交易定价。

真正的系统性失败，发生在更上层的路由与风控层面：

主要责任方为 CoW 协议的路由、报价与求解器模块：整套系统对“合理路由”的判定标准过于薄弱，允许千万美元级巨额订单，最终流向微型低流动性池，只要路由可执行、非零就予以接纳，完全无视经济层面的极端不合理性。

次要责任方为 Aave 前端界面：请求适配器报价时未附带钩子关联的应用数据，直接将错误结果传入签名流程，且仅依赖预警提示、无硬性拒绝机制，对于此类极端大额交易，这类风控措施完全不足以防范风险。

这是一次交易路由质量与风控护栏的极端性失败，直接将一笔合法合规的抵押品轮换操作，演变成了一场毁灭性的资产损失事件。

原文作者：David，深潮 TechFlow

OpenClaw 火了，但这波热潮里闷声赚到钱的，是一家你可能没听过的公司：

OpenRouter。

用 OpenClaw 要接入各种 AI 模型才能干活，Claude、GPT、DeepSeek 各有各的收费和接口。OpenRouter 做的事就是把这些模型打包在一起，你通过它统一使用，它从中赚差价。

做这门生意的人，叫 Alex Atallah。他的公司刚拿了 a16z 领投的 4000 万美元，现在估值 5 亿。

你可能更不知道的是，他上一次创办的公司是 OpenSea，全球最大的 NFT 交易所，巅峰时期估值一度超过 130 亿美元。

不过他却在 NFT 最热的时候选择离场，几个月后，NFT 市场崩盘。

现在，他在 AI 这波热潮里又赚到钱了。

从流动性聚合，到大模型聚合

Alex Atallah，斯坦福计算机系毕业。

2018 年，他和 Devin Finzer 共同创办了 OpenSea。做的事情很简单：别人铸造 NFT，他们提供一个地方让大家买卖，每笔交易抽 2.5%。

OpenSea 不生产 NFT，不炒 NFT，只提供货架，聚合流动性。

2021 年 NFT 热潮出现，无聊猿等爆款 NFT 逐渐成为流行符号。OpenSea 当时月交易额最高破 50 亿美元，Forbes 估算他和 Finzer 两人身家合计 22 亿美元。

2022 年 7 月，他辞了 CTO，说要去做点新东西。

那之后的事大家都知道了，NFT 崩了，市场彻底进入冰河期，OpenSea 自己的业务也是一地鸡毛。不过，盛宴总有人买单，而 Alex 在音乐结束前离场。

2023 年，他就开始做一个叫 OpenRouter 的东西。一句话说清楚就是：

大模型的聚合路由平台，把几百个模型的 API 放在一个接口后面，开发者进来调用，每次抽 5%的费用。

你可能会问，调模型为什么不直接找 OpenAI、找 Anthropic，调 Claude、调 GPT？

当然可以。

但现在可能没人只用一个模型，写代码用 Claude，搜资料用 Gemini，省钱的活丢给 DeepSeek，每家单独注册、单独充值、接口格式还不一样…

更不用说很多用户想用 Claude 和 GPT，从国内根本没法直连 API。

于是，OpenRouter 就是那条阻力最小的路。一个接口，500 多个模型，统一格式，自动切换，一把钥匙全搞定。

你用 OpenClaw 的时候可能没注意过，配置文件里默认的 provider（API 提供者），之前就是 OpenRouter。

图源：知乎用户 Feng 控炼丹师

你调 Claude，调 DeepSeek，请求先到他这，再转到模型厂商那边去。连 OpenClaw 的文档都写了：

如果系统不认识你的 API key 格式，默认走 OpenRouter。

这门生意涨得有多快呢？

2024 年 10 月，每个月经过 OpenRouter 的钱是 80 万美元。到 2025 年 5 月，这个数字变成了 800 万美元。

七个月，十倍。

一年下来，经过他手上的钱超过 1 亿美元。他从中抽 5%，到手 500 万，而团队不到十个人。

图源：sacra.com

a16z 拿他的数据写了一份行业报告就叫《100 万亿 Token 的 AI 现状》；Stripe 专门给他定制了一套计费系统。

而随着今年 OpenClaw 的爆火，更多的开发者和爱好者涌进来，变着花样在烧 token，就不可避免的需要调用各种大模型，这也彻底带火了 OpenRouter 的生意。

而且，a16z 领投了这家公司，给出的估值是 5 亿。

一个卖铲子的人，又一次成了卖铲子的人。

热点不同，模式相同

你仔细看 Alex 这两门生意，结构其实是一样的。

OpenSea 做的生意是不铸造 NFT，把别人铸的 NFT 放在一个地方，买卖双方进来交易，他抽 2.5%。OpenRouter 做的生意是不训练模型，把别人训的模型放在一个地方，开发者进来调用，他抽 5%。

这个打法似乎成了他的舒适区，无论是 NFT 还是 AI ，整个市场结构特点非常类似：

供给端极度分散，需求端买家不知道去哪找供给，而他站在中间当货架。

2021 年 NFT 有多分散？几十条链，上百个项目方，每天几万个新系列。你想买一只无聊猿，不可能去每个项目的官网挨个翻。OpenSea 把它们聚在一起，你来挑和买，对家出价卖给你。

2025 年大模型有多分散？OpenAI、Anthropic、Google、Meta、DeepSeek、Mistral、零一万物… 光主流的就十几家，加上开源社区几百个。

你今天用 Claude 写代码最好，明天 Gemini 出了新版搜索更强，后天 DeepSeek 降价了便宜一半。每换一次就要改一次接口。

Atallah 自己说过一句话，把这个逻辑讲得非常清楚：

「OpenSea 把非常分散的库存整合在一起放到一个地方，AI 今天的样子和那个非常像。」

他不需要知道哪个 NFT 会涨，也不需要知道哪个模型会赢。他只需要知道一件事：供给越分散，中间商越值钱。

而且，有意思的是时间节点。

2022 年 7 月他走的时候，OpenSea 的估值还在高位，NFT 月交易额虽然从峰值回落，但没人觉得要崩。他说想「从零到一做点新东西」，半年后 ChatGPT 发布，大模型时代开始了。

他是看到了什么，还是运气好？

我不知道。但有一件事是肯定的：

2023 年初他注册 OpenRouter 的时候，市面上的 AI 大模型路由产品几乎不存在。等到大家都意识到需要一个统一接口的时候，他已经在那了。

上一次，他在 NFT 赛道做了同样的事。等所有人都挤进来的时候，他已经是最大的那个平台了。

火的是不是 AI ，重要吗？

每一轮热潮里，大多数人问的问题是：什么东西会火？

2021 年是哪个 NFT 会涨，2024 年是哪个 meme coin 会百倍，2025 年是哪个 AI 应用会跑出来，2026 年是小龙虾能做点啥。

Atallah 问的问题可能不一样。我觉得他的思维回路应该是，不管什么东西火了，钱会从哪里过？

这两个问题看起来差别不大，实际上是完全不同的赌法。

押「什么会火」，你要猜对一次。无聊猿会涨、PEPE 会百倍、某个 AI 产品会是下一个 ChatGPT。猜对了暴富，猜错了归零。大部分人的经验是后者。

押「钱从哪里过」，你不需要猜对任何一个。NFT 涨了，交易在 OpenSea 上发生，他收手续费。AI 模型战争打得越凶，开发者越需要一个统一接口来回切换，OpenRouter 越忙。

不赌谁赢，赌这场仗会打很久。

其实回头看，每轮周期里赚到最多钱的，无论在任何行业，基本都是这个位置的平台。

淘金的人来来去去，卖水的人一直在收钱。

但我觉得光说「卖水」「卖铲子」还不够。卖铲子的也有一堆死掉的，Atallah 做对了一件更具体的事：他每次都卡在聚合的位置上。

不是随便做个工具就能收过路费的。你得做那个把分散的供给归拢到一起的人。供给越分散，切换成本越高，中间那个聚合层就越有定价权。

这也解释了为什么他两次都在最早期就进场。因为聚合的生意有一个特点：

先到的人把供给签完了，后来的人就很难追。

所以 Atallah 的过人之处，我总结下来就是两句话：

第一，不猜谁赢，只找所有人都要经过的路口。第二，在别人还没意识到需要路口的时候，就已经把路修好了。

牛人从不挑桌子

现在，我觉得身边两种声音特别大。

一种说 AI Agent 是玩具，装了 OpenClaw 除了烧 token 没什么用；另一种说这又是一波 AI 炒作，三个月后没人记得。

可能这两种观点都是对的。

但对 Alex Atallah 这样的人来说，其实不在乎。

OpenClaw 有用没用，他都在收钱。你今天觉得龙虾没意思卸了，这两周烧的 Token 已经过了他的手。

有人觉得 NFT 脏，是庞氏，是骗局。他在上面做了 133 亿估值的公司。有人觉得 AI Agent 是泡沫，是炒作，看不到商业模式。他在上面做了 5 亿估值的公司…

牛人可能真的不需要我们看得起他在的赛道。

NFT 那张桌子，他赚到钱了。AI 这张桌子，他又赚了。下一张桌子摆什么，没人知道。

但我猜，他到时候还是会在门口收票。

「真正让螃蟹走上千家万户餐桌的，不是第一个吃螃蟹的人，而是致力于怎么把螃蟹做得更好吃的厨师们。」

这句话用来形容 OpenClaw 所引起的快速发展，再贴切不过。「龙虾」这个新奇的 AI 物种，创造出了 AI 助手/员工这一全新的叙事，将人们对 AI 的期待与展望提升到了一个新的阶段。但同时，也因为火爆得太快，相当一部分新接触「龙虾」的人对其理解不够深刻，因此我们也会看到这样的新闻：

而昨天引起广泛关注的两个新东西，Perplexity 的 Personal Computer 和 Base44 的 Superagents，让我们看到了一种新趋势正在快速酝酿——从「龙虾」到「AI 助手」，叙事正在快速升级。人们可能很快就将不再纠结于「养龙虾」，因为面向大众的、无门槛的 AI 助手潮的来临会比我们想象中的还要快。

Personal Computer

根据 Perplexity 的说法，Personal Computer 是一款结合 Perplexity Computer、全天候运行在本地（Mac Mini）的 AI 助手。它能够访问 Mac Mini 本地的文件、App 以及会话，因此也能够实现在设备下达一个指令，然后 AI 跨文件、App，结合所有本地数据来完成任务的模式。

在安全性上，每一项敏感操作都需要用户进行批准，所有操作均会被记录，并且有强制关闭机制。同时，用户也可以随时随地通过任何设备对 Personal Computer 进行控制，就像现实生活中的老板能够随时随地指挥员工工作。

Perplexity 之前做的是 AI 驱动的搜索和研究工具。它自己没有大模型，而是结合搜索引擎和 AI 生成响应，将搜索需求路由到多个模型上进行深度研究。

作为一个下游应用，在「龙虾」为上游的模型商带来滚滚财源的时候，Perplexity 这个 AI 搜索的独角兽、估值超过 200 亿美元、2025 年度收入被多方估算过亿美元的公司，可以说并不好找角度。

但他们敏锐地抓到了「养龙虾」的痛点，以更贴近成熟产品形态的 Personal Computer，在「用龙虾」这个赛道上先声夺人。

Superagents

如果说使用 Personal Computer 还得花钱买一台 Mac Mini，那么 Base44 的 Superagents 提供了一个更便宜的选择——不用花「苹果钱」在本地使用服务，直接通过浏览器一样实现同样的效果。

通过浏览器来使用 Superagents，将需要处理的 App 账号连接到 Superagents 上（如 Google 全家桶、Whatsapp、Telegram、Slack 等等），Superagents 就能够自主根据用户的任务安排进行工作。

通过网页和 App 来直接使用 AI 助手，绝对是未来的大趋势。

Base44 的年度经常性收入已经实现破亿美元，但这家公司却是在去年 6 月以 8000 万美元的价格被 Wix 收购。这样的神来之笔，在这个 AI 时代里似乎也难以让人感到惊奇和意外。

国内大厂也早已行动

在 Perplexity 与 Base44 之前，「龙虾」已经为上游大模型厂商带来了「黄金时代」：

– 月之暗面（Kimi）的 20 天累计收入超过 2025 年全年总收入，投后估值由 2025 年 12 月 31 日完成 5 亿美元 C 轮融资后的 43 亿美元直接由新一轮超 7 亿美元融资突破了 100 亿美元

– Minimax 在 2025 年的全年总收入约 7900 万美元，年内亏损高达 18.72 亿美元。但仅今年 2 月份一个月的 ARR（年度经常性收入）就突破了 1.5 亿美元，公司一个月的订阅量就超过了 2025 年全年的总收入。1 月上市港股至今，股价涨了 2 倍多，市值超越了百度

– 智谱也是今年 1 月上市港股，同样是烧钱的亏损状态，但股价最高时相比上市也涨了 5 倍，市值也一度超越了百度

但「龙虾」本身的部署、使用和维护门槛，在相当大的程度上阻碍了大众将「养龙虾」的新奇与热情转化为实际的使用，它不太容易成为一个成熟的、面向大众的产品形态。就像 Google 的 Nexus 手机有着最原生的安卓系统，但大部分人并不是刷机发烧友，他们只会觉得原生安卓实在太原始了，不如各大手机厂商的定制安卓。

不管是 token 业绩火热的国产大模型巨头，还是在「龙虾」热中不那么显眼的其它国内大厂，大家显然都意识到了这一点——「龙虾」的最大意义实际是在用户认知层面开启了「AI 助手」赛道。普罗大众身边的种种设备，大到汽车（车机系统），小到书桌上的一盏智能台灯，在未来 AI 进入我们生活的方式不只是一个更高级、更高效的搜索问答器，而是在工作生活的方方面面起到作用。

这让我想起了 Wi-Fi 还未普及开来时，大家会认为，手机有没有 Wi-Fi 功能好像也没什么所谓，因为即使有身边也不一定有热点可以连接。但是，时代和技术的发展不会为任何一个厂商停留。现在的一个「好像无所谓」，在以后可能就是再也无法夺回的市场份额。

因此，不只是国外的 Perplexity 与 Base44，当英文圈为这两个项目感到兴奋时，国内的布局早已开始。各大厂商纷纷将「龙虾」整合进自家的生态中：

用户只需要通过一个日常高频接触的渠道（如微信、QQ、飞书、百度搜索等）拥有并使用一个得心应手的 AI 助手/员工即可，至于这个员工是不是叫「龙虾」，并不重要。

结语

大众不是 AI 专家，也很难让每个人都去了解大模型的优劣。他们可能甚至都不理解什么是跨应用、上下文。但技术的升级进化，只有到走入每个人的生活，并让每个人都习以为常时，我们才能说，一个技术成熟的产品形态已经完成了进化。

就像我们在 3G 时代可能觉得再快的移动互联网已经没什么用了，但我们现在已经习惯于用手机看各种高清，甚至是 4K 的直播。

每个人都可以成为老板，指挥 AI 作为自己员工的时代已经在进行时。从有事问 AI，到有事给 AI 做，这种用户体感上的巨大变化，是由「龙虾」开启的，也会由市场上的各大厂商将其精心包装成真正面向用户的「佳肴」。

AI 成为每个人生活的一部分，这样的时代已经拉开了帷幕。而上下游 AI 厂商，也即将开始为这个变革的时代开始厮杀。

原创 | Odaily 星球日报（@OdailyChina）

作者｜Golem（@web 3_golem）

当国内大厂争先恐后地推出“一键安装 OpenClaw”时，争议也跟着来了。

3 月 12 日，OpenClaw 创始人 Peter Steinberger 在 X 上公开质疑腾讯创建的 Skillhub，使官方速率下降导致无法快速抓取数据，并称“他们抄袭，却不以任何方式支持这个项目”。

面对争议，腾讯很快回应表示理解 Peter Steinberger 的担忧，称 SkillHub 是腾讯基于 OpenClaw 生态系统打造的本地化 Skills 平台，作为本地镜像站点，不仅始终注明 ClawHub 为数据来源，在上线首周还为用户处理了 180GB 的流量（87 万次下载），仅从官方源拉取了 1GB 的非并发请求。同时，腾讯表示愿意成为赞助者。

照理说，腾讯这一轮回应，已经把最容易引发舆论反弹的“是否在疯狂消耗源站”的问题解释清楚了，但 Peter 看完后并不买账，表示这不是重点，他可以把 SkillHub 做成官方第五镜像，同步下载统计，但腾讯应该事先主动与其沟通。

事情到这虽然结束了，但如果只把这件事理解为“OpenClaw 创始人情绪化开炮”或者“大厂正常做本地化被误解”，那实在就把问题看浅了。

问题不是镜像，而是大厂的“霸道”

如果只看技术动作，这事其实并不稀奇。

在中国的开发者生态里，镜像开源项目是常规操作，npm、PyPI、Docker Hub 这些国际开源基础设施，均有大量中国本地镜像。也正因如此，腾讯否定自己创建的 Skillhub 是抄袭，而是本地化 Skills 平台，它解释自己不是在薅羊毛和抽空官方，而是在做分发、加速和适配，帮 OpenClaw 在中国落地。

从某种意义上来说，腾讯的做法确实切中了中国“养虾户”们最现实的需求。OpenClaw 在中国热到失真，但不是每个人都愿意或者都能稳定访问原始社区，更不用说很多 Skill 的安装、发现、检索体验本身就还很原始。

Skillhub

但问题是，镜像站就天然无罪吗？答案是未必。

因为开源协议允许什么、社区伦理接受什么、商业现实最终会发生什么，往往是三套不同的账。

在协议层面，只要遵循许可、标明来源，很多镜像与再分发行为是成立的；在社区伦理层面，腾讯的 SkillHub 标注了 OpenClaw 的官方源身份，并且还主动降低了源站的带宽成本，似乎也承担了责任。

但腾讯忘了，OpenClaw 不是一个小的、需要大厂刻意注入资源的开源项目，其是一个在 GitHub 上热度第一、获星最多的项目，这时腾讯不打招呼的行为就变成了“霸道”。因为它不再只是单纯的镜像问题，而是会迅速牵扯到三个更敏感的问题：谁在代表官方生态，谁在拿走用户入口，谁又在定义下载、分发和统计口径。

这才是让 Peter 真正不舒服的地方，其表示腾讯这种行为会直接影响到下载统计数据。Peter 不是不支持腾讯做 OpenClaw 的中国本地化，而是认为最好能事先沟通，而不是腾讯先把平台搭起来、把用户接过去，再在舆论压力下解释说自己其实是来帮忙的。

并且，从商业现实的角度来说，一旦 SkillHub 这种平台壳形成规模，那 OpenClaw 社区原本掌握的官方性和统计权，也就很容易被边缘化。今天是本地化 Skills 平台，明天可能就是“默认 Skills 分发市场”，再往后，就可能是“谁决定什么 Skills 被看到、被安装、被商业化”。

这才是这场争议背后真正的危险信号，也是过去十多年中国互联网最熟悉的一幕：圈地运动。

大厂不是在“养龙虾”，是在借龙虾圈地 AI

过去一段时间，“养龙虾”成了中国 AI 圈最热的梗，OpenClaw 也被迅速推成了一个近乎情绪化的行业符号。大家都在说龙虾代表 Agent 时代的新想象，代表个人 AI 助手的未来，听起来很热血。

但大厂看龙虾，看的从来不是理想主义，看到的是入口、流量、分发权和下一代操作系统外壳。

3 月 11 日凌晨，马化腾在朋友圈为腾讯全系“龙虾”产品宣传，腾讯的“龙虾全家桶”为普通用户、开发者和企业级用户都量身定制了一只“小龙虾”，支持用户无门槛一键安装。 SkillHub 也是在此时同步推出的，其内置了 1.3 万个本土化 Skill 一键调用，小红书运营、百度搜索等场景都可直接调用。

当然不止腾讯一家在“闻风而动”，一旦把时间线拉开就会发现，国内大厂几乎是集体下场帮用户解决“养龙虾”难题，动作整齐得像按下了同一个开关，只不过目前腾讯做的最全面。

表面上看，大家都是好心，但实际这里面藏着中国互联网公司们最熟悉的一套商业路径依赖，面对一个已经被市场验证、被舆论抬高热度的新生态，第一个动作不是赚钱和商业模式，而是先抢入口，先做平台，先把用户接过来。

腾讯想要的，不只是让中国用户“养龙虾”更容易，而是当中国用户第一次真正开始“用 Agent 办事”时，第一反应是在腾讯的产品壳里完成。

这才是 SkillHub 这种动作最值得玩味的地方，它表面上是一个镜像站，实质上却可能是一个更大闭环的起点。今天用户看到的是 Skills 的本地检索和下载，明天可能就是默认接入某个云、某套账号、某个企业工作台。 再往后，开发者会慢慢发现，自己虽然还在 OpenClaw 生态里开发，但真正决定曝光、推荐、审核、商业化路径的，已经变成平台了。

这套剧本中国互联网演过太多遍了。从打车到外卖、从短视频平台到云市场，几乎每一次“生态繁荣”的背后，都伴随着同一种结构性结局——平台先用免费、开放等招揽用户，然后再建立围墙，利用流量、广告等手段将生态重新变成自己的附属层。

大厂们都知道，如今搜索、社交、内容、电商这些旧入口已经卷到极限，而 Agent 可能是下一轮最值得下注的新入口。既然如此，与其等 OpenClaw 自己野蛮生长，不如趁它还处在爆发初期，就先接过来、先封装、先让用户养成在自己体系里“使唤龙虾”的习惯。

因此，所有人都太熟悉大厂们争相帮用户解决 OpenClaw 安装难题后，接下来会发生什么了。而不懂中国互联网的 Peter 自然理解不了为什么腾讯不事先与其沟通，为什么不与之同步数据。

OpenClaw 原本代表的是另一种 AI 未来：本地运行、个人掌控、社区扩展、开放连接，它最有想象力的地方是让 Agent 真正成为用户自己的执行层。可一旦这套生态被大厂用“本地化镜像”、“国产适配”、“统一分发”、“安全审核”重新包装，味道就变了。在大厂的产品逻辑里，入口归我、分发归我、那么最后的支付和商业化也最好都归我。

说得再直白一点，大厂们不是在“拥抱龙虾”，而是在“借龙虾圈 AI 时代的地盘”。

而这，才是这场小争议背后最让人不安的地方。围墙从来不是一下子立起来的，它总是以“更方便”“更稳定”的名义慢慢长出来。等开发者、用户和流量都被装进同一个壳里，所谓开放自主，最后也可能只是大厂生态里的一个组件罢了。

OpenClaw 眼下在国内面临着最吊诡的命运：龙虾还没长大，大厂已经开始围网了。