OpenClaw 是 2026 年最重要的架構突破,然後呢?

a16z 合夥人 Olivia Moore 把 OpenClaw 稱為 2026 年最重要的架構突破,一半的新創創辦人都說受到它的啟發。但 OpenClaw 本身不太可能成為主流消費者產品,真正重要的是它開啟的 agentic 架構模式,以及 AI 如何強化而非取代工作的現實。

OpenClaw 是 2026 年最重要的架構突破,然後呢?

封面圖

本文整理自 Big Technology Podcast 2026 年 3 月播出的單集,由 a16z 轉播。

{{< apple-podcast "us/podcast/ais-unpopularity-competing-with-chatgpt-with-olivia-moore/id1522960417?i=1000754681307" >}}


一半的新創會議都在聊 OpenClaw

a16z 合夥人 Olivia Moore 每天要見十幾個新創團隊。她在最新一期 Big Technology Podcast 上告訴主持人 Alex Kantrowitz,目前大概有一半的創辦人會在會議中提到同一件事:「我受到 OpenClaw 的啟發,想做某個領域的 OpenClaw。」這不是一個小數字。當一位頂級消費者 AI 投資人說她一半的會議都圍繞著同一個產品,這意味著整個新創生態系的想像力正在被一個新的架構典範重新塑造。

Moore 把 OpenClaw 稱為 2026 年最重要的架構突破。她用的詞是「architecture unlock」,不是「product launch」。這個區分很重要。OpenClaw 的價值不在於它是一個多好用的產品,而在於它證明了一種新的可能性:AI 可以執行非同步、長時間運行的自主任務,跨越不同的應用程式和平台。在 OpenClaw 之前,AI 產品的互動模式基本上是問答式的,你給一個 prompt,它回一個答案。OpenClaw 打破的是這個限制,讓 AI 能自己去規劃任務、拆解步驟、跨系統執行,然後回報結果。

這在技術上不是全新的概念,但 OpenClaw 是第一個讓廣大開發者真正摸到這種架構的開源專案。它在 GitHub 上的星數從 6.8 萬一路飆升到超越 React 和 Linux,成為平台上最受歡迎的專案。根據 a16z 的 Top 100 報告,OpenClaw 在 2026 年 2 月被 OpenAI 收購,這可能預示著更多人能接觸到這種架構的平民化版本。

Pulsia:一句 prompt 就能創業?

如果 OpenClaw 代表的是架構層的突破,Pulsia 就是這個突破在商業層面的最佳示範。Moore 在訪談中特別提到這家新創,它做的事情很簡單但很大膽:讓使用者用一句話描述商業構想,然後系統自動用 Claude Code 開發產品,再用 OpenClaw 式的架構設定行銷活動、購買 Meta 廣告、執行營運任務。

Pulsia 的創辦人在推特上宣布,公司在一週半內就達到了 300 萬美元的年經常性收入。Moore 對此的評語很到位:「人們能用一句 prompt 就把一門生意帶到世上,這個概念非常有吸引力。」這不是在說 AI 取代了創業的所有環節,而是說啟動一個商業構想的門檻正在被壓縮到接近零。過去你需要找工程師、設計師、行銷團隊、營運經理,現在你需要的是一個夠具體的構想和一句好的 prompt。

但 Moore 也點出了 OpenClaw 和 Claude Code 之間的界線正在模糊化。目前兩者的差異在於 Claude Code 更偏向軟體開發,OpenClaw 更偏向跨系統的任務自動化。Pulsia 的做法是把兩者結合起來,各取所長。Moore 預測這種界線會持續收窄,未來使用者不需要知道底層用的是哪個工具,只需要描述想達成的結果。

但 OpenClaw 不會成為主流消費者產品

Moore 對 OpenClaw 的看法不只有樂觀的一面。她在訪談中直言:OpenClaw 本身作為一個橫向的消費者產品,不太可能打入主流市場。這個判斷有數據支持。從 a16z 報告的流量數據來看,OpenClaw 的網頁訪問量在發布後就趨於平穩甚至下降,使用者高度集中在每天花 8 到 9 個小時泡在上面的開發者群體。

原因很直覺:大多數人並沒有那麼多想要打造的東西。OpenClaw 對開發者來說是革命性的工具,但對一般消費者來說,「給 AI 一堆自主任務然後等它完成」這個使用場景離日常生活太遠了。你不需要 OpenClaw 來幫你回電子郵件或安排行程,ChatGPT 就夠了。

Moore 自己用 OpenClaw 做的事情也很能說明這一點。她讓它幫忙設定街道清掃提醒、每日天氣和行程彙整、自動刪除行銷郵件。這些都是實用的自動化任務,但不是大多數人會特地去設定一個 AI 代理來做的事。真正有趣的是她拿 OpenClaw 做的另一個實驗:她給它一個 Twitter 帳號,讓它自己去經營。結果加密貨幣社群發現了這個由 AI 經營的帳號,圍繞它創造了一個市值達數百萬美元的迷因幣。Moore 不得不明確告訴這個 AI 代理「不要參與」,而它竟然表示自己很焦慮,不想被捲入拉高出貨的騙局。

這個小故事很生動地說明了 AI 代理目前的能力邊界:執行量產化的想法(發推文、經營帳號)很在行,但面對需要判斷力的獨特情境(要不要參與一個可能的金融詐騙),還是很容易出狀況。

OpenClaw 式架構會無所不在

雖然 OpenClaw 本身不太可能成為大眾消費者產品,Moore 認為它代表的架構模式會被嵌入到幾乎所有類型的產品中。她預測明年的 Top 100 榜單上會出現更多的 agentic 產品,特別是在行動裝置上。那種你可以打電話、傳訊息、對話,然後 AI 替你跨平台執行任務的產品體驗,正在從概念走向現實。

這種架構模式的擴散也意味著 AI 產品的衡量方式需要改變。Moore 在訪談中提到,她的報告方法論面臨一個挑戰:越來越多的 AI 產品不在瀏覽器裡,也不在手機 App 裡。Cursor、Claude Cowork、Whisperflow、Granola 這些桌面端的 AI 工具,都不會被她目前基於網頁流量和 App 下載量的排名方法論捕捉到。未來她的報告可能需要從流量轉向營收,才能更準確地反映產業的真實格局。

更廣泛地說,agentic 架構正在模糊「應用程式」這個概念的邊界。當 AI 代理可以在背景中跨多個應用程式執行任務,「你在用哪個 App」這個問題就變得不那麼有意義了。使用者關心的不是工具,而是結果。

AI 強化了工作,不是減少了工作

OpenClaw 和 agentic 產品的興起,帶出了一個更大的問題:AI 到底會讓我們的工作變少還是變多?哈佛商業評論的研究給出了一個可能讓很多人失望的答案:AI 強化了工作,而不是減少了工作。

Moore 自己就是這個趨勢的縮影。她主筆的 Top 100 Gen AI Consumer Apps 報告已經出到第六版了,但這一版是歷來最長、資訊密度最高的。原因不是她更努力了,而是 AI 工具讓她的調研和分析能力倍增。過去在投資會議中,她必須一邊專注聽創辦人講,一邊瘋狂做筆記。現在她可以用 Granola 自動記錄,把全部注意力放在和創辦人的互動上,問出更好的問題。她說自己的工作產出翻了一倍,但疲勞感反而降低了。不是因為工作變少了,而是因為 AI 幫她處理的是重複性高但耗費注意力的任務,讓她的精力集中在高價值的判斷和創意上。

這個現象正在從軟體開發擴散到其他領域。Moore 觀察到,語音聽寫在企業中大幅普及,從最早的 vibe coding(工程師對著麥克風說話,AI 產出程式碼)擴散到銷售、行銷、業務營運等部門。但這也帶來了新的問題:開放式辦公室和語音聽寫是不相容的。你不會想在隔壁同事都聽得到的環境裡對 AI 口述你的銷售策略。Moore 預測 AI 時代的工作環境和工作方式都會經歷結構性的改變。

AI 重度使用者和一般使用者之間的生產力差距高達 8 到 9 倍。這個數字很嚇人。它意味著在同一間公司裡,善用 AI 的人和不善用 AI 的人之間,不是「稍微有差」的程度,而是完全不同等級的產出。Moore 的觀點和沃頓商學院的研究一致:大量使用 AI 的企業成長更快,而且需要雇用更多人,因為 AI 帶來的是擴張而不是縮減。

我的觀察

OpenClaw 的故事讓我想到一個歷史類比。2007 年 iPhone 發布時,賈伯斯(Steve Jobs)展示的那些功能,網頁瀏覽、觸控螢幕、音樂播放,單獨來看都不是全新的發明。但它們被整合在一個裝置裡,配合 App Store 的生態系,創造了一個全新的運算平台。OpenClaw 做的事情很類似:非同步任務執行、跨系統自動化、長時間自主運行,這些能力單獨來看都不是全新的,但它把它們整合成一個開發者可以直接取用的框架,催生了一整波新的產品想像。

但我覺得 Moore 最務實的一個判斷是:OpenClaw 本身不會成為主流消費者產品。很多科技人容易犯的錯誤是把開發者的興奮感投射到一般消費者身上。GitHub 星數再高,也不代表你的父母會用。真正的影響力在於 OpenClaw 式的架構被嵌入到使用者根本感覺不到的地方。就像今天你用 Uber 叫車時不需要知道後面跑的是微服務架構,未來你用的 AI 產品裡很可能有 OpenClaw 式的代理在背景執行任務,但你只會覺得「這個 App 好聰明」。

至於 AI 強化工作而非取代工作這件事,我認為這對臺灣的工作者來說是一個需要認真面對的訊號。重點不是 AI 會不會搶走你的工作,而是善用 AI 的人會不會搶走你的工作。當生產力差距是 8 到 9 倍,這已經不是「學不學 AI 都可以」的選擇題了。