AI模型：复杂任务与推理能力加速类Claw产品落地

近期模型演进的共同指向，是复杂任务执行能力开始成为核心评价维度，类Claw的Agent产品加速落地。据智谱、Google、OpenAI及国内多家Agent产品公开信息，无论是GLM-5引入DSA与异步强化学习以提升长程任务能力，还是Gemini 3.1 Pro、GPT-5.4在推理、编码、工具调用和专业文档处理上的集中强化，其背后都对应着相同的行业趋势，即模型能力评估正从单轮对话、代码片段生成，逐步转向复杂任务交付、跨工具协同和持续在线执行。在模型能力持续提升的情况下，类Claw产品加速落地。我们认为，随着多Agent协同和多工具调用成为常态，Token消耗和算力需求均可能呈现非线性增长。

国内模型：智谱推进基座升级，类Claw产品加快落地

智谱GLM-5把国产模型迭代重点推进到“写工程、做任务”的阶段。据智谱官网2月12日博客，GLM-5强调从“Vibe Coding”向“Agentic Engineering”演进，目标是在复杂系统工程与长程Agent任务中提升端到端交付能力。技术层面，GLM-5参数规模由355B（激活32B）扩展至744B（激活40B），预训练数据由23T提升至28.5T；后训练层面构建了“Slime”异步强化学习框架，并引入异步智能体强化学习算法，使模型能够从长程交互中持续学习；推理层面则首次集成DeepSeek Sparse Attention（DSA）技术，在尽量维持长文本效果的同时降低部署成本并提升Token Efficiency。能力表现上，GLM-5在SWE-bench-Verified、Terminal Bench2.0、BrowseComp、MCP-Atlas、τ²-Bench等编码与Agent基准中均展现出较强竞争力，反映国产开源基座已开始由“生成能力提升”向“任务完成能力提升”过渡。

智谱同步将模型能力向AutoClaw产品侧延展，推动基座升级与产品化协同推进。据智谱官网产品介绍，AutoClaw支持macOS和Windows一键安装，并提供免费体验额度，降低了OpenClaw类产品的使用门槛；在模型接入上，AutoClaw开放任意模型的Coding Plan或API接入，推荐DeepSeek、Kimi、MiniMax、GLM等模型，兼顾灵活性与生态兼容性。与此同时，AutoClaw内置了面向OpenClaw场景优化的Pony-Alpha-2模型，其在工具调用稳定性、任务推进效率和持续执行能力上更适合Skill调用、定时任务等真实工作流；产品还集成AutoGLM Browser-Use能力，以补足复杂浏览器任务执行短板，并预置50 Skills，推动Agent从单轮调用走向连续工作流执行。我们认为，智谱本轮更新的意义不只在于基座能力提升，也在于其开始形成“模型升级—工具增强—产品落地”的完整闭环。

国内类Claw产品正由“能不能用”转向“如何形成工作流产品”的竞争阶段。据MiniMax和Kimi官网产品介绍，当前国内厂商已围绕部署门槛、云端托管、长期记忆、多IM接入和工具生态展开差异化布局。MiniMax方面，MaxClaw作为云端AI助手集成在MiniMax Agent网页端，无需自备服务器或API Key，提供50G云储存空间、长期记忆和持久储存，并打通飞书、钉钉、Telegram、WhatsApp、Discord、Slack等多个IM渠道；工具侧则在图片理解、视频理解、网页提取、搜索等能力基础上新增图片生成、视频生成、图片搜索和网页部署等工具。Kimi方面，Kimi Claw支持一键云端部署或关联既有OpenClaw，提供5000 社区技能、40GB免费空间，并接入专业财经信源实时数据API，同时可直接在kimi.com使用，也支持飞书群调用，目前处于早期实验阶段并向Allegretto及以上会员计划用户开放。上述变化表明，国内厂商已开始把OpenClaw能力嵌入更高频、更低门槛的使用入口，以加快Agent工作台的产品化。

海外模型：Gemini强化推理与Agent，GPT-5.4完善专业工作流闭环

Gemini 3.1 Pro推理增强、工程编码与Agent可靠性提升。据Google官方2月19日发布的博客，Gemini 3.1 Pro已向Gemini API、Vertex AI、Gemini app和NotebookLM rollout，定位为面向复杂任务的升级版基座模型。据Google官方信息，Gemini3.1Pro在ARC-AGI-2上的得分由31.1%升至77.1%，在LiveCodeBench Pro上的Elo由2439提升至2887，SWE-Bench Verified达到80.6%，APEX-Agents由18.4%升至33.5%，BrowseComp达到85.9%；同时Google推出了gemini-3.1-pro-preview-customtools端点，用于优化bash命令与自定义函数混用的Agent场景。API层面，该版本还新增100MB文件上传、YouTube URL视频分析和medium级thinking level，在定价维持与Gemini3Pro一致的前提下，进一步提升了开发者在性能与成本间的调节空间。整体看，Google本轮升级并非单纯追求单点榜单改善，而是在把推理、编码和Agent协作能力收敛为统一的平台能力。

GPT-5.4则继续沿着专业工作、工具协同与Agent执行闭环推进。据OpenAI官方3月5日信息，GPT-5.4已在ChatGPT、API和Codex上线，并被定位为面向专业工作的前沿模型。能力侧，OpenAI明确强调其在电子表格、演示文稿和文档任务中的表现提升，其中在内部投行初级分析师类电子表格建模基准上，GPT-5.4均值达到87.3%，高于GPT-5.2的68.4%；同时，模型在工具、软件环境和智能代理任务中的执行深度也继续增强，并支持原生computer-use能力。效率侧，GPT-5.4引入tool search机制，使模型在面对大量工具时能够按需加载工具定义，OpenAI披露该机制在实现相同准确率的前提下可将总token使用量降低47%，而API价格调整为输入$2.5/百万token、输出$15/百万token。我们认为，OpenAI此次并非只是在做一次模型升版，而是在把专业工作流、工具调用效率和复杂任务执行能力进一步产品化。

GPT-5.4在能力升级的同时也同步上调了API定价，反映出OpenAI正尝试以更强性能和更高Token效率支撑商业化提价。据OpenAI官方页面，GPT-5.4标准版API输入价格由GPT-5.2的$1.75/百万token升至$2.50/百万token，缓存输入价格由$0.175升至$0.25，输出价格由$14升至$15；Pro版输入价格则由$21升至$30，输出价格由$168升至$180。与此同时，OpenAI强调，GPT-5.4是其当前Token效率较高的推理模型，相较GPT-5.2完成相同问题所需Token数显著减少，因此单价上升并不必然对应实际任务成本按比例抬升。我们认为，GPT-5.4此次定价调整体现出OpenAI对高性能专业工作流场景的商业化兑现意图正在增强。

Promptfoo的收购进一步补足了OpenAI在Agent安全评测侧的能力拼图。据OpenAI官网3月9日公告，OpenAI将收购Promptfoo，并计划在交易完成后将其技术整合进OpenAI Frontier平台，以增强AI系统开发阶段的漏洞识别、修复和Agent安全测试与评估能力。若结合GPT-5.4此次对工具生态、软件环境和computer-use能力的强化来看，海外头部厂商的竞争重点已经不只是“模型能否完成任务”，而是“模型能否在真实工具环境中稳定、安全地完成任务”。这意味着海外平台型厂商正同步推进三项建设：1）模型本体的推理与执行能力；2）大规模工具与连接器协同效率；3）面向Agent时代的安全测试与评估框架。上述变化也使海外模型迭代从单一能力竞争，进一步转向平台闭环竞争。

AI算力：Agent叙事强化，LPU商业化进程或加速

Agent生产力革命已来，Token斜率提升加速

Agent生产力革命已来。回顾早期Agent框架（如AutoGPT、BabyAGI），虽然在技术社区中引发广泛关注，但整体落地程度有限，主要原因包括：1）交互入口仍以开发者环境为主，普通用户使用门槛较高；2）上下文与记忆能力相对有限，智能体难以在较长时间跨度内持续执行任务；3）工具调用机制尚不完善，缺乏稳定的模型路由与工作流封装，导致应用更多停留在演示层面。相比之下，OpenClaw在产品形态与系统架构上进行了更完整的整合。根据其官方文档，OpenClaw已从早期的单一CLI工具扩展为支持Gateway的多渠道系统。同时，通过skills与webtools机制，Agent能够持续扩展外部工具能力模型层面。近期模型更新来看，2月Opus 4.6直接从模型层面推出Agents team架构，多个独立Claude实例模拟人类项目组分工合作；Gemini 3.1 Pro在ARC-AGI-2测评集上能力翻倍，标志着模型逻辑泛化、工具调用、长任务能力提升；3月GPT-5.4更新直接赋予模型原生action能力，可以直接进行任务操作。Agent工程化层面，Claude Cowork、OpenClaw日日更新，各个大厂推出自己的“Claw”产品，Agent正式进入高价值生产工作场景，成为数字劳动力，Agent生产力革命已来。

国内大厂密集发布类Claw产品。自2026年2月起，字节、阿里、腾讯、百度、华为、小米、智谱AI、MiniMax、月之暗面（Kimi）等头部厂商密集发布类Claw产品或适配方案，形成云端SaaS、本地一键部署、企业级定制、IM深度集成四大主流路线。腾讯的代表产品WorkBuddy定位为SaaS形态的AI工作助手，主要嵌入企业微信、QQ及网页入口，在日常办公与协作流程中提供任务执行与信息处理能力。从架构角度看，腾讯更偏向“IM入口 Agent执行层 云服务能力层”：用户通过IM触发任务，Agent完成理解与规划，并通过插件体系调用企业应用或外部服务，底层依托混元大模型与腾讯云能力实现执行。字节跳动的OpenClaw相关能力主要体现在ArkClaw与Coze平台的协同体系。ArkClaw定位企业级AI执行助手，以云端SaaS形态提供服务，主要通过网页及飞书等入口接入；同时，字节通过Coze低代码智能体平台补齐开发侧能力，使企业和开发者能够快速构建并分发自定义Agent，形成“开发平台 执行Agent”的产品组合。

伴随OpenClaw等Agent工具的快速传播，Token消耗斜率加速提升。OpenClaw的快速出圈并非单一产品事件，而更多反映了通用Agent在产品形态和应用生态上的阶段性成熟。Agent对应的是连续任务执行，需要在规划、调用工具、读取环境、回写结果、再次规划的闭环中反复调用模型，因此token消耗不再是线性增加，而更接近随任务复杂度成倍放大。根据我们估计，OpenClaw轻度用户（查资料、简单文件整理）日均token消耗量在100w左右，日常办公场景（高频对话、基础工作自动化）日均token消耗量在500w左右，而重度用户（专业开发、复杂任务）日均token消耗量在2000w左右。根据OpenRouter平台最新数，周度token调用规模至约16 trillion token左右，2个月的时间增长2.5倍以上。根据OpenClaw 3月10日在Reddit披露，目前OpenClaw在OpenRouter平台的日均调用量在600B左右，约占OpenRouter总调用量的28%，占比迅速提升。

Token激增推动算力租赁市场进入新一轮涨价周期。截至2月底，英伟达高端GPU租赁价格较上月普遍上涨15%-30%，其中H200和H100型号涨幅最为显著，已成为本轮涨价的核心焦点。同时，根据3Fourteen数据，由于模型API Token调用需求的激增，各类GPU即时租赁的供应降至新低。我们认为，类Claw生态的Agent产品加速渗透有望推动推理需求进一步释放，并持续提振算力侧景气度。

展望下一阶段，Agent互联网形成带来算力需求数量级增长。

1） Agent具备Skill的自生成与共享能力，泛化技能或将涌现：当前Agent的一大特征为具备自动创建与复用skill的能力，3月3日，Anthropic升级了Skill-Creator用例，可以通过自动测试提升Skill的能力：当 Agent 在执行任务过程中发现新的操作模式或工具组合时，可以将这一流程自动抽象为新的 skill 并存入技能库，供后续任务调用与组合。这意味着 Agent 不再只是被动执行指令，而是能够在运行过程中持续积累能力模块，持续自主的迭代。随着Agent数量增长，这些技能库很可能在社区层面共享与传播，不同Agent之间互相调用能力模块，形成一个由大量自治 Agent 组成的协作网络。展望未来，互联网的交互主体或将不再仅仅是“人类用户-应用”，而会演变为“Agent- Agent-服务”的复杂系统结构，Agent 会代表用户持续执行搜索、分析、交易、编程、运维等长周期任务，并在任务过程中频繁进行多轮推理、工具调用以及跨 Agent 协作。

2） 同时Agent扩散开始具备一定的平台化特征，根据3月10日CNBC报道，Meta已确认收购Moltbook，后者是一家面向AI Agents的社交平台，平台上大量agent由OpenClaw驱动。Meta在公开表述中亦将此次收购与“为个人和企业探索AI Agents的新用途”联系起来。我们认为，这一事件反映出，大厂对Agent的关注已不再局限于模型能力或单点工具，而开始延伸至交互入口、分发场景与生态组织方式。

Agent有望由工具形态进一步向生态形态演进，从而形成“Agent互联网”。在Agent互联网形态下，如果未来出现数亿到十亿级活跃 Agent，并且每个Agent持续执行自动化任务与互相调用技能模块，那么全球AI推理的token消耗规模有可能在当前基础上提升一个数量级甚至数个数量级。

极致性价比带动中国大模型Token出海，国内算力景气度提升

模型能力跃升 极致的成本压缩 算法优化带动中国Token出海。根据Minimax财报，2026 年 2 月，M2 模型系列日均 Token 消耗量是 2025 年 12 月的 6 倍以上；其中#编程场景Token消耗增长超过10倍 。M2.5发布后迅速登顶 OpenRouter 排行榜，得到 OpenClaw创始人的推荐。开放平台（企业客户 个人开发者）2026 年 2 月新注册用户数是 2025 年 12 月的 4 倍以上。2月底OpenRouter平台模型调用来看，由MiniMax、月之暗面、智谱、DeepSeek、阶跃星辰领衔的中国模型Token调用首次超越美国模型，根本原因在于：

1) 随着GLM-5、Minimax 2.5、K2.5等几个新模型发布，模型能力与海外头部接近，在某些任务场景重展现出不俗效果。

2) 更极致的MoE架构（国内模型更加稀疏大幅提升throughput） Infra优化（算法精耕细作提高硬件利用效率） 日常运营与电价优势=中国模型的推理成本极致压缩，进而转化为全球AI服务的定价权，国内模型的平均价格只有海外的1/10。

模型层已出现高端模型拼性能、二线模型拼性价比的格局。海外开发者、初创企业切换至中国模型实现Token出海，而目前OpenClaw单次任务Token调用海量，中国模型有望凭借极致性价比优势持续扩大份额，Token出海趋势有望延续，带动国内算力需求Beta持续向上，行业景气度将从核心算力芯片向AIDC、云与算力服务、配套电力设备及服务器等环节全面外溢。

AI应用：海外悲观预期缓解，国内OpenClaw带动Agent热潮

海外AI应用：多数公司上修26Q1指引，中台化转型初见成效

海外科技公司25Q4业绩持续披露，多数公司上修CY26Q1收入指引。25Q4 海外AI应用公司业绩基本超市场预期，CY26Q1收入指引呈小幅上修状态。1）AI Infra：云厂商业绩呈加速兑现趋势，Google、Oracle、Amazon云业务边际显著改善，云业务营收同比增速分别为48%、84%、24%，增速相较于25Q3环比提升14、16、4pct；2）基础软件：SaaS悲观预期下，CDN、数据服务等厂商存在较大错杀概率，主要原因在于到此类厂商多采用消费型计费，存在较低的席位下降风险；3）应用软件：模型厂商Anthropic在26年2月24日产品发布会上表示，“模型厂商与软件厂商是合作而非竞争关系”，介绍了其推出的Claude Cowork AI软件与DocuSign、LegalZoom、Salesforce等应用的数据协同；美股SaaS受模型吞噬的悲观预期略有缓解，核心关注26年应用软件的Agent放量节奏。

中台化转型初见成效，Agent数据环比加速。海外SaaS加速产品中台化转型，加速推广企业级数据中台、Agent管理平台等中台型产品。我们认为，中台产品有望成为企业级Agent运行的基座，率先实现中台化转型的厂商有望在AI时代占领较大的先发优势与卡位优势。以Salesforce为例，公司AI业务统计口径包括Data Cloud数据中台、Agentforce应用以及Informatica数据服务（25年收购）三类，25Q2-25Q4 Data Cloud ARR环比增速分别为14%、8%、16%，在中台产品逐步导入的基础上，Agent数据呈加速趋势，25Q2-25Q4 Agentforce ARR环比增速分别为33%、35%、48%。我们认为，25年海外SaaS中台化转型初见成效，已完成初步的客户覆盖，看好26年中台基础下的Agent应用放量。

国内AI应用：OpenClaw热潮持续，AI Infra放量可期

国内OpenClaw热潮持续，带动AI infra景气度提升。相较于早期Agent产品，海外的OpenClaw开源项目提供了更加贴近Agent形态的范式参考，即更大的数据权限、更主动的交互模式、更便捷的入口调用。以腾讯为代表的科技大厂迅速推出一键式部署版本，以深圳龙岗、无锡为代表的各地政府也陆续出台支持OpenClaw发展的相关政策文件。我们认为，OpenClaw范式引领下，个人Agent有望在26年加速发展，看好科技大厂的流量入口优势，同时看好Agent放量带动AI Infra（云托管、本地托管、流量分发）需求同步增长。

Agent进入复杂数据场景，AI新终端有望创造新数据来源。Agent能力边界拓展与数据访问权限高度相关，2C、2B Agent均逐步进入复杂数据分析场景。1）2C：OpenClaw提供个人Agent的复杂场景案例，用户可通过API配置或Skill调用，拓展“龙虾”的数据访问权限，执行更复杂的任务；2）2B：ServiceNow等软件厂商推出企业Agent平台，通过跨业务系统的数据打通，实现企业Agent的协同编排。我们认为，Agent能力拓展仍需要更多维度的数据拓展，AI眼镜、AI胸针、AI戒指等新AI终端有望成为Agent的数据获取来源，26年大厂的AI终端进展有望加速。以Limitless AI（AI吊坠形态，25年12月被Meta收购）为例，可无感收集用户佩戴时的所有音频信息，实现对话记录、摘要生成等功能，若此类数据进一步成为Agent数据源，个人Agent可执行的任务复杂度有望再度提升。

AI4S：AI制药持续商业化落地，物理AI有望加速发展

2026年，AI for Science作为跨学科创新的核心引擎，在材料科学、量子物理、生物医学与可持续性研究的交叉融合中，正催生多重产业机遇，推动科技与产业生态的深度变革。在材料发现领域，AI技术正重塑新材料研发范式。通过机器学习算法分析海量材料数据，AI可快速预测材料性能、优化合成路径，大幅缩短研发周期。2026年，以“可持续材料”为代表的绿色科技产业将迎来加速发展：AI驱动的环保材料（如可降解塑料、高效储能材料）将加速产业化，助力新能源、航空航天等领域的技术突破。在物理学方向，量子物理与AI的结合推动实用量子计算应用在2026年进入元年，混合量子-经典系统在药物发现和气候建模中实现数百万倍加速。在生物科学领域，AI在生物物理、气候生态系统分析中的作用愈发关键，借助深度学习模型，AI可解析生物分子结构、预测疾病机制，同时，AI驱动的气候模型将提升生态系统预测精度，为碳中和技术、生态保护方案提供数据支撑，带动环保科技产业升级。AI不再仅是科学研究的辅助工具，而是演变为探索物理世界的通用语言，推动从“实验验证”向“计算模拟与预测”的范式转移。

我们认为，2026年有望成为物理AI加速发展元年。以英伟达 Cosmos世界基础模型、谷歌Intrinsic工业机器人平台为代表，“合成数据-仿真训练-Sim-to-Real迁移”的闭环解决了机器人训练数据稀缺和物理测试成本高昂的瓶颈，使AI模型能够真正理解并操控物理实体。商业化场景逐步清晰，从富士康AI机器人电子组装线到建筑业的自主打桩系统，物理AI在制造、物流、能源等重资产行业实现从试点到规模化的跨越，企业客户对自适应生产工具的需求从“效率优化”升级为“柔性制造能力”。

谷歌AI战略布局：加速走向“物理世界AI”

谷歌正通过战略重组构建物理AI时代的核心基础设施。2026年2月25日，Alphabet旗下工业机器人软件公司Intrinsic正式并入谷歌，标志着谷歌从AI算法研发向实体产业操作系统延伸的关键跃迁。此次整合将Intrinsic的工业机器人控制平台与谷歌 DeepMind的顶尖AI研究、Gemini大模型及谷歌云服务深度耦合，旨在为分散的工业机器人市场打造统一的、高度自适应的“安卓系统”。物理AI将从实验室走向规模化产业应用，重塑全球工业自动化的竞争格局与价值链条。谷歌将“机器人执行平台、前沿模型研究、通用多模态大模型、云基础设施”正式收束到同一套物理 AI 软件栈中。从能力分工来看，Gemini承担认知与任务理解，谷歌DeepMind承担机器人学习、VLA 模型与世界模型研究，Intrinsic承担工业机器人控制、视觉、仿真与工作流落地，谷歌云承担算力、部署、数据与企业连接。Gemini 和 DeepMind 的能力向下传导，赋予机器人系统语言理解、视觉推理、策略泛化和动态规划能力；另一方面，Intrinsic 在真实工业环境中获取的感知、任务和执行反馈，又能够通过谷歌云回流，用于模型训练、仿真优化与部署更新。通过四层架构的搭建，形成一个覆盖感知—理解—规划—执行—反馈迭代的完整“物理 AI 闭环”。

Intrinsic的核心是打造工业机器人的统一软件入口：Flowstate 让开发和部署从工程项目转向模块化工作流，IVM 则让机器人拥有更强的环境理解能力，从而支撑柔性制造。其中，Flowstate解决的是工业机器人“难开发、难部署、强依赖专家”的问题：以Web 化开发环境、可视化编排、仿真引擎、技能模块，将机器人项目从重度定制工程改造成更接近软件配置的流程，目标是把传统需要数周完成的编程压缩到数小时，并让非专业人士也能快速构建自动化工作流。IVM（Intrinsic Vision Model）则解决工业自动化里更难的一层——“看见并理解现场”。IVM作为Intrinsic Intelligence的一部分嵌入 Flowstate，提供环境感知、物体识别、CAD 原生定位等能力，使机器人不再需要针对每个新零件反复采集和训练数据，而能更快切入复杂装配、电子制造等原本依赖人工的工序。

谷歌加速落地物理AI战略，产业发展前景广阔。依托Intrinsic与DeepMind在自适应机器人系统领域的深厚积累，谷歌正推动刚性产线向柔性制造的根本性转变，实现产线重构从天到小时的跨越，精准适配小批量、短周期的生产新常态。同时，借助Gemini的自然语言交互与卓越的视觉理解，工业机器人将加速走出物理围笼，实现高度柔性、直观的人机协同，大幅拓宽汽车、电子、仓储等传统劳动密集型场景的增量市场。谷歌积极进行跨行业生态化布局，致力于将物理AI能力作为底层基础设施，横向复制至建筑、农业、医疗手术等机器人赛道，开辟产业价值第二增长曲线。

英伟达：物理AI先行者，积极推动产业化落地

英伟达全栈物理AI平台已形成"训练-仿真-推理"三位一体的完整技术闭环。在训练层，以GB300为代表的AI超级计算机为海量模型提供算力底座，支撑复杂物理AI模型的深度学习；在仿真层，RTX PRO专业显卡构建高保真虚拟环境，通过精确物理模拟生成合成数据，构成物理AI研发的基础支撑；在推理层，THOR芯片专为汽车、机器人及工厂边缘场景设计，实现毫秒级实时决策与自主控制。英伟达物理AI战略在2026年全面走向成熟，打通从云端训练到边缘部署的全链路，为机器人灵巧操作、自动驾驶感知决策、智能工厂运营优化等多元场景提供端到端的技术基础设施，加速物理AI从实验室走向产业化落地。

英伟达以Cosmos世界基础模型为核心积极布局物理AI。NVIDIA Cosmos 2.5是世界基础模型平台的核心升级版本，主要包含三大功能模块：Cosmos Predict 2.5统一了文本、图像到视频的生成能力，支持从单张图像或提示生成30秒高保真多机位视频；Cosmos Transfer 2.5体积缩减至前代1/3.5，可从分割图、深度图等结构化输入生成逼真的合成视频数据，实现仿真到现实转换；Cosmos Reason 2.5是专为物理AI设计、开放且可定制的视觉语言模型（VLM），具备物理推理与记忆规划能力，可执行复杂任务路径推断。Cosmos 2.5应用场景覆盖三大领域：机器人开发领域，为1X、Agility Robotics等企业提供大规模合成数据生成，支持机械手抓取、人形机器人训练及手术机器人精密操作；自动驾驶领域，助力Uber、小鹏汽车等生成高保真驾驶场景与长尾边缘案例，提升感知决策能力；工业与医疗领域，赋能仓库动态路线规划、工厂安全监控及手术导航等场景。

AI制药：全球大型药企加速AI竞赛

2026年以来，全球大型药企通过并购基础模型公司、共建算力实验室、深化平台合作等方式，系统构建“算力-算法-数据-实验”一体化体系。阿斯利康1月13日宣布将收购总部位于波士顿的人工智能公司 Modella AI，其多模态基础模型及 AI 智能体平台将被全面整合进阿斯利康的肿瘤研究与开发组织，用于加速临床开发、强化生物标志物发现能力。2026年3月5日，礼来正式启用AI制药工厂LillyPod——该设施搭载超千块英伟达Blackwell Ultra GPU，总算力高达9000 Petaflops，标志着头部MNC正加速推进研发“基建化”与基础设施“私有化”，旨在通过专有数据与自建算力的深度耦合，构建竞争优势。

从商业化进展来看，各大型药企合作持续深入，AI制药领域商业化合作持续加速。2026年1月26日，晶泰控股与东阳光药达成数亿元战略合作，共建 AI 机器人联合实验室与非临床药物大模型，实现底层技术与新药管线开发及商业化的全方位合作。同时，晶泰控股孵化企业溪砾科技（ReviR）的创新药管线RTX-117成功实现中美双地IND获批，晶泰收到数千万港币里程碑付款，3月2日，RTX-117完成首例患者给药，正式进入临床开发阶段。

我们持续看好AI制药在2026年的商业化前景，随着技术边界的拓展与产业化验证的深入，行业将迎来加速发展。AI技术加速向小核酸、RNA疗法、细胞治疗等前沿领域渗透，不断拓宽创新药研发边界，为行业开辟第二增长曲线。技术纵深与新领域拓展的并进态势，正重塑药物发现的底层逻辑。临床与产业化验证正成为行业发展的核心主线。晶泰控股合作管线已进入规模化临床验证阶段，英矽智能核心管线ISM001-055作为全球首款由AI发现靶点并设计的小分子抑制剂，也即将在2026上半年启动IIb/III期关键临床研究。

月专题：国产Claw浪潮涌起，入口与模型是核心壁垒

降门槛、抢入口：国产Claw产品共性与分化

OpenClaw具备高部署门槛，国产Claw的共性是降低使用难度。与此前AI工具相比，OpenClaw显著提升了AI的执行能力，使其能够直接操控用户电脑，完成文件管理、邮件处理、代码编写、浏览器自动化等复杂任务。然而，原版OpenClaw的部署需Node.js环境、命令行配置，部署门槛高，对非技术用户不友好，甚至带动了付费上门安装等需求。在此背景下，国内科技公司在数周内密集推出了自己的Claw封装产品，强调一键部署、无需编程、开箱即用，同时接入国产大模型，嵌入本土应用生态，有望将OpenClaw从极客工具转化为大众级生产力产品。

在共性基础之上，各家产品沿云端、本地、平台级产品分化。第一类是云端托管路线（如ArkClaw、DuClaw、Kimi Claw、MaxClaw），主打7×24小时在线、关机后任务仍在云端执行，适合需要持续自动化的场景，但数据流经云端。第二类是本地部署路线（如AutoClaw、QClaw），强调数据不出设备、隐私可控，面向安全敏感型用户。第三类是平台级封装路线（WorkBuddy），我们认为产品形态比较接近Claude推出的Cowork，在具备一定AI执行能力的基础上，叠加企业级安全审计和多平台协同，安全性更强。

互联网大厂抢占生态入口，模型厂加速模型变现

互联网大厂：以平台入口为锚，抢占Agent时代流量分发权。我们注意到，互联网大厂将OpenClaw相关的AI功能与自身应用深度结合，使其成为Claw产品的核心卖点，例如腾讯接入微信和QQ、字节深度绑定飞书、百度接入百度APP。腾讯的QClaw可以通过微信与AI直接对话，使得用户可以通过微信便捷地使用AI，未来有望调用微信内沉淀的大量信息；虽然普通版本的OpenClaw已经可以与飞书集成，但字节的ArkClaw集成了更多飞书办公套件，实现更深度的应用。我们认为，互联网大厂有望通过Claw类产品将AI的入口从模型层聊天框转移到自身应用聊天框，抢占流量入口的同时提升自身应用的AI能力，并通过云服务变现。

模型厂：以Agent驱动Token消耗，Claw成为模型变现加速器。对于智谱、MiniMax和MoonShot而言，Claw产品最直接的商业价值是驱动自己模型的Token消耗，因为OpenClaw的Token消耗远高于普通对话和编码场景。从产品的差异化上来看，我们认为模型厂的壁垒更多来自模型Agent能力和性价比，例如智谱在AutoGLM中推出专用的Pony-Alpha-2模型，针对OpenClaw的常见场景如Skill调用、定时任务、持续执行等进行优化。

从OpenClaw特点看Claw类产品发展趋势

特点1：运行机制决定了OpenClaw更高的Token消耗

我们认为OpenClaw更快地消耗Token，主要源于任务次数、单任务API调用次数的增长和上下文的增加。将Token的消耗拆为：任务次数×单任务API调用次数×单调用消耗，而单调用消耗又与任务复杂度、上下文长度有关。

任务次数的增加源于Gateway设计。Gateway可以理解为一个持续运行的线程，正是Gateway使得OpenClaw可以完成需要持续工作的任务和定时任务，而此前的AI一般需要对话才能激活使用。从AI调用上来看，此前的AI是人为线性调用的，而OpenClaw则是Gateway控制下并行调用的。

单任务API调用次数的增长与内部重试机制有关。在使用外部AI模型、框架本身无法决定AI能力的情况下，OpenClaw 为提升任务完成率设计了重试机制。其执行路径包含两层循环：第一层是候选模型循环（runWithModelFallback），当主模型出现限流、鉴权失败、超时、模型不可用等情况时，系统会切换到备用模型继续执行；第二层是同模型内部循环（runEmbeddedPiAgent），用于处理上下文溢出后的压缩重试、工具结果截断后重试、鉴权profile轮换等重试。重试机制虽显著提高了OpenClaw的任务执行能力，但客观上会使单个任务进行更多次的API调用，并在每次调用中重复携带会话上下文，导致总Token消耗增加。

OpenClaw的复杂使用场景增加上下文消耗。OpenClaw能执行更复杂的任务，执行能力的提升部分源于更多的Skill调用和MCP外部工具连接，任务背景包含本地项目、云环境内容，复杂性则体现为更长的任务链路和多轮Prompt调试。在当前模型框架中，这些内容都将作为上下文传递给模型，长上下文将直接导致Token量的增加。此外，当任务上下文到达上限的时候，模型将调用压缩工具压缩上下文然后重新调用，进一步增加了调用次数。

特点2：复杂任务带来更高的幻觉，安全性仍然是推广的重大阻碍

我们认为OpenClaw在使用过程中有更多的幻觉，主要原因是更长的执行链路和更多的上下文压缩次数。OpenClaw可以执行更长链路的任务，涉及AI模型的多次调用，当AI模型的输入来自上一次AI模型的输出时，AI模型的幻觉将被指数级放大。上文中我们分析了OpenClaw的上下文增长速度更快，针对重要性不同的信息OpenClaw采用多种机制对上下文进行压缩，包含对内容进行摘要、修剪或直接删除。因此相较于普通AI，OpenClaw在执行任务时会更快地丢失上下文信息，从而因信息理解不充分而产生幻觉。

OpenClaw的高权限和高幻觉，带来持续的安全隐患。OpenClaw执行本地任务依赖较高的系统权限，在面临模型幻觉和外部攻击的场景下，可能给用户带来安全隐患。3月10日，国家互联网应急中心发布风险提示，强调OpenClaw可能存在的提示词注入、误操作、Skill投毒、安全漏洞风险。根据Cisco官网博客，其Skill扫描工具在31,000个Skill中发现26%至少包含一个漏洞，而一个名为“What Would Elon Do?”的Skill甚至包含两个严重漏洞和五个高危漏洞，能够主动窃取数据以及进行提示词注入。我们认为高权限将使得安全性问题放大，OpenClaw的后续推广依赖安全问题的解决。

产品壁垒沿生态与模型分化，继续看好算力、网安、端侧等环节。

我们认为Claw类产品的壁垒将沿生态与模型分化。互联网大厂的壁垒在于生态连接深度与安全治理能力，自有生态提供了流量入口，并具备天然的Skill集成优势和数据闭环，同时大厂在安全管控和权限分配方面的经验有望成为其重要优势。模型厂的壁垒在于Agent场景下的模型能力、幻觉情况与成本效率，Claw类产品在放大模型能力的同时，也放大了Token成本和安全问题。从整体产业链环节看，我们继续看好算力、网安等环节，运行机制决定了Claw类产品更高的Token消耗，安全问题仍然是产品推广使用的阻碍。

风险提示

宏观经济波动。若宏观经济波动，可能对AI产业资本投入产生负面影响，导致AI产业变革、新技术落地节奏、整体行业增长不及预期。

技术进步不及预期。若AI技术、大模型技术、AI应用进展不及预期，或对行业落地情况产生不利影响。

中美竞争加剧。中美竞争加剧，或影响国内算力基础设施布局，导致国内AI大模型技术迭代速度放缓。

研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。