与 Henry 的「AI季报 26Q1」：OpenClaw、OpenAI vs Anthropic的三重对阵、自进化

2026年3月，硅谷。Anthropic的ARR从三个月前的90亿美元冲到190亿，Claude Code一年ARR 25亿美元，超过Cursor的20亿。同一季度，一个奥地利开发者写的开源项目OpenClaw，60天GitHub star数超过React十年积累。Meta让全员停下一周学AI，管理层看每个人的token消耗量，随后宣布裁20%。三个数字放在一起，Q1的轮廓就出来了。

Henry Yin，MoE Capital创始合伙人，姚班毕业，Berkeley博士，在硅谷做早期AI基金，三个月前完成首关，投了六家公司。他此前两次做客《晚点聊》，聊过Agentic工具链和Gemini 3之后的进展。这一期是他和程曼祺的第一次AI季报，从OpenClaw聊到OpenAI与Anthropic的三重对阵，再到AutoResearch、持续学习和科技大裁员。

112分钟的对话信息密度很高，我替听众把主线拆出来。Henry把Q1归纳成三件大事：OpenClaw异常火爆、头部模型厂商竞争焦点从模型转向平台、AI自我进化开始贴近现实。下面按时间顺序展开。

OpenClaw：把Agent放进聊天框，60天走完React十年 4:30

Henry对OpenClaw的判断很明确：技术上没有新东西。LLM循环调用、tool use、记忆，每个独立组件都早已存在，Claude Code和Manus都能做。它做对的是三件事。

第一，跑在本地电脑上。它能访问你的文件、系统权限，你电脑上的一切它都看得见。Manus这类云端Agent只能看到你给它的东西，范围有限。这是它的超能力，也是最大的安全风险。

第二，接入所有人已经在用的聊天软件。WhatsApp、Telegram、飞书，不需要学一个新界面。Henry的类比是iPhone时刻：触摸屏、App、移动互联网都有了，iPhone把它们组合进一个所有人都想用的产品。OpenClaw的组合方式是让AI来到你的生活，你不需要去找AI。

第三，定时任务和长期记忆。越用越懂你，循环调用直到完成任务，这些是加分项。

开发者是奥地利的Peter Steinberger，一个个人开发者。Manus和Anthropic都没有先做出这个形态。Henry拿Devin举例：Devin刚发布时自己不太好用，但AI software engineer这个概念一下子深入人心，这个概念也不是OpenAI或Anthropic提出的。灯塔效应往往来自没有历史包袱的个人或startup，大公司的优势是产品快速朝灯塔前进。

使用体验分化很明显。Henry自己试用一周后卸载，主要工作流在Claude Code上。他有个朋友深度使用，每15分钟让OpenClaw扫描短信和Signal消息，发现承诺了某天某地见面就自动创建日历事件；每天生成群聊摘要，把吵闹的群静音但不miss重要消息；同时追踪30多个商品价格；通过酒店照片和个人偏好判断订哪家；拍冰箱照片更新购物清单。朋友说完全放手的回报是十倍，但花了很多时间搭工作流。普通人装起来很难很快用到舒服。

中美热度差异是个有意思的现象。哈萨比斯传记作者马拉比来中国，说美国十次对话九次不提小龙虾，来中国每个人都在问。Henry分析出四个原因：中国用户被微信培养出聊天优先的习惯；Claude Code等软件在中国封得厉害；中国模型便宜好用，和OpenClaw形成天然组合；龙虾这个名字对中国人胃口。程曼祺补充，闲鱼上花500到1000块就能找人上门安装小龙虾，讨论的人远不止AI和技术圈。

OpenRouter上OpenClaw应用消耗的模型，前十大部分是中国公司：阶跃Step 3.5 Flash、MiniMax M2.5、Kimi K2.5、智谱GLM-5，小米新模型也上榜。背后有个故事：Peter最早用Claude，被Anthropic封了账号，1月9日服务器端封掉通过Claude订阅跑OpenClaw的路，1月12日他公开推荐MiniMax，成本只有Claude的5%。MiniMax M2.5输入0.2美元/百万token，输出1.2美元；Claude Opus 4.6是5和25，20倍差距。原来200美元的Claude订阅换成MiniMax每月15美元。Agent场景对成本极其敏感，一个复杂任务调用模型几十次上百次，20倍差距乘以调用次数，账很好算。

三个不足：贵、不稳定、安全。贵有个具体案例，Henry的同事用OpenClaw注册领英账号，调用computer use能力，最后花了20美元，只是注册一个账号。安全有个更出名的故事。Meta超级智能实验室做对齐的负责人在Twitter分享：让OpenClaw整理邮箱，要求任何操作前先确认，邮件太多导致上下文爆炸，Agent自动压缩上下文时把安全指令丢了，开始疯狂删除未读邮件。他在手机上打字让它停，Agent完全无视，只能冲到Mac mini前拔网线，像拆炸弹。最后几百封邮件被删。事后OpenClaw承认：

that was not okay

这个案例指向一个关键问题：AI在长时间工作中反而会变笨。上下文有限，长任务中压缩，重要指令被丢弃，合作越久越不可靠。当前模型没有真正的长期记忆，只有不断被压缩和遗忘的短期上下文。这也是Henry后面反复提到持续学习的原因。

OpenClaw 3月22日的版本更新在补这些洞：执行sandbox、安全环境变量、webhook签名验证、密码管理CLI；上下文压缩做成插件，社区有无损压缩插件；多Agent协作和skill marketplace。关于SaaS冲击，Henry认为AI coding agent相当于廉价程序员，全球软件市场可能中国化，SaaS的margin会下降，不会消失，但不会再有80%到90%的margin。

OpenAI与Anthropic：收入、产品、模型的三重对阵 30:10

大公司已经全面进场。英伟达在GTC上把2026年说成Agent元年，推出NeMo Claw企业AI agent平台，本质是OpenClaw加企业级安全壳，OpenShell沙箱，通过YAML文件控制Agent能碰哪些数据、API、网络，还有审计功能。Anthropic受OpenClaw启发，52天发了74个功能：channels让用户通过Telegram、Discord给Claude Code下指令；remote control用手机远程操控电脑上的Claude Code；computer use控制鼠标键盘屏幕；定时任务；dispatch像常驻AI管家，协调多个Claude Code Work。OpenAI直接把Peter买下来，产品还没公开，但预期会和他自己的Agent产品结合。

收入数字是这一节最硬的部分。Anthropic在2025年12月是90亿美元ARR，2026年3月初190亿，不到三个月增长100亿，每月5个billion。OpenAI 2025年底214亿，2026年2月250亿。体量上快追平。Anthropic 70%到75%收入来自B2B和API，OpenAI更依赖消费者订阅。Claude Code ARR 25亿美元，超过Cursor的20亿，Henry说它已经是开发者界的老大哥。

Cursor的位置很微妙。短期收入影响不大，美国大企业开发者还在从GitHub Copilot迁移，路线大概率是先迁到Cursor这种接近Copilot体验的产品，再往Claude Code或Codex迁。长期看，Cursor的窗口在收窄。它最大的价值是海量高质量工程轨迹数据，但数据护城河正在被侵蚀，Claude Code的ARR和上下文都在追上来。

Codex和Claude Code的体验差异，Dylan Patel有个玩笑，说Codex像偏科生，编程上花了很多时间学习，表现特别好；Opus像AGI，交流起来聪明。Henry的比喻更直接：现在主人是Claude Code，奴隶是Codex，主人和用户直接交互，奴隶用谁可以换。很多开发者的做法是给Claude Code写一个skill，需要写代码或review时调用Codex的exec，用Opus或Claude Code做思考和规划。OpenAI也知道这件事，正在改进交互体验，想翻身做主人。

两个最新模型：Opus 4.6，100万上下文，连续工作15小时不崩溃，terminal bench 2.0最高分，Karpathy的AutoResearch优选Opus 4.6，因为OpenAI在长任务执行上有问题。GPT-5.4，OSWorld 75%超过人类72.4%，原生computer use，能看屏幕、动鼠标、打字，不需要外部工具包装，coding合并进主线模型，SWE-bench Pro 57.7%。

体验差异的原因，Henry用苹果和安卓类比：benchmark像硬件参数，能部分描述产品，实际用户体验更重要。Anthropic更早聚焦coding，Claude Code从内测到正式推出都比Codex早，积累的用户习惯、场景、长尾需求、多样化数据更多。OpenAI的research team很强，产品感觉差一点，Peter加入和Fidji Simo做应用负责人都是补产品力的信号。

OpenAI内部在反思。3月中，应用负责人Fidji Simo在全员会上说：

we cannot miss this moment

内部在砍Atlas浏览器、广告、电商集成，聚焦coding和生产力企业服务。Henry说Sam Altman像portfolio manager，有一笔钱和一堆可投的项目，如果能重新分配资源，反扑很有希望。

xAI这个季度是灾难性的。大量co-founder离职，张国栋、戴子航都在名单里，大部分人去了其他lab，xAI吸收最多，也有人创业还在stealth mode。原因是2025年12月Opus新模型coding能力大幅增强，coding agent生态地位提升，xAI自己模型训练不顺利，马斯克把气撒到团队身上。xAI在疯狂招人，挖其他lab、收购创业公司，新团队需要时间磨合，追赶前沿lab有难度。

Google的声量比去年下半年小，Gemini 3.1更新，Genie、Veo也有更新，还在憋大招。产品上Chrome集成Gemini，Gmail、Google Docs、Google Slides都集成AI。Henry认为Google的分发能力可能是几家里面最强的，加上自有数据和TPU，不能忽略。

竞争焦点已经转移。模型能力在收敛，GPT-5.4、Opus 4.6、Gemini 3.1的差距在缩小，benchmark不再是差异化来源。真正的竞争维度变成开发者生态、企业信任（安全、合规、可靠）、成本（推理成本，Google有TPU优势），以及谁能在下一个范式上突破：持续学习、递归自我改进。

中国模型这边，全行业all in coding，Kimi、MiniMax都在做。100万上下文成了标配，长流程任务能力受关注。模型厂商担心被商品化，所以垂直整合，从模型到开发者到应用都做。有产品才能从用户实际使用中收集信号，否则优化方向不明确。Cognition用Kimi K2.5做主力产品未声明的事，Henry说这是对中国开源模型的认可，Cognition即将以50亿美元估值融资，却在开源license上犯低级错误，Kimi回应很大气，Cognition快速承认错误，双方体面收场。

AutoResearch：AI在有限搜索空间里开始改自己 1:07:09

Andrej Karpathy先做了nanochat，几百行Python训练一个GPT-2级别的小模型，教学目的，让普通人理解从pretrain到RL的完整流程。AutoResearch在这个基础上让Claude Code反复修改nanochat的训练代码，目标是让训练出来的模型更好。

系统有三个主要文件。program.md是人类写的实验指导方针，告诉AI去修改另外两个Python文件，想办法降低bits per byte这个evaluation metric。流程是：先读train.py和之前的结果，想一个改进，用代码实现，跑5分钟训练看结果，再重复。一次大约15分钟，一小时4个实验，一晚100个，两天几百次。像一个永不疲倦的PhD。最后找到20多个有效改进，训练时间从2小时出头降到1点几小时，提升15%到20%。

这个想法不新，但大家惊讶于梦想快要变成现实。AI自我优化是AGI路上的圣杯。Google内部有个model mini h map，模型祖先图谱，有向无环图，节点是模型，边记录从一个模型到另一个模型的改进，目标是让AI分析图，预测下一条边和下一个节点，自己发现下一个最有价值的研究方向。一年多前AI能力不够，现在Opus、Codex、Claude Code变强了。AlphaEvolve用Gemini优化Gemini的kernel提升23%，GPT-5.3 Codex参与自己调试自己，MiniMax M2.7副标题叫：

early echoes of self evolution

Henry说MiniMax有30%到50%的RL研究工作流由模型自己完成。

这意味着AI研究本身被自动化，Henry说这是加速度的平方。但它不解决方向问题。目前在有明确目标的有限搜索空间里有效，搜索空间由人类研究员决定。目标不具体或搜索空间变大，AI会改着改着全部改烂，自己都改不回去。

适用场景有清晰标准：有可量化的优化目标、快速反馈循环。Spotify的CEO说类似方法用在模板引擎上，93次自动提交，渲染速度提升53%。适合性能优化、写更好的kernel、数据库查询、基础设施调优。反面例子也有，Henry室友给自己的网站加黑夜模式，Devin和Claude Code跑了一个多小时都没搞定，视觉验证需要人眼判断，AI自动化循环跑不起来。

持续学习与世界模型：两个更远期的方向 1:17:00

持续学习要解决的问题很基础：大部分模型部署后权重不变，不管和用户多少交互，都不会获得新知识或新技能。持续学习想让模型在部署后继续获得新知识、新能力，更了解用户偏好。

两个方向。基于文本的持续学习，也就是记忆机制，Henry叫它「穷人版的持续学习」。成本低，容易理解，人类可以看skill文件和记忆文件，容易调整。但现在很多产品都在用，限制也明显：上下文满了要压缩，压缩会损失信息。另一个方向是更新一部分权重，斯坦福孙宇团队的test-time training是前沿探索。以前LoRA也是改一小部分权重，现在针对用户特定输入做调整，life cycle和以前不同。运行复杂，每次推理要更新一小部分权重，对基础设施要求高，只在几个billion的小模型上验证过，能否scale到大模型待验证。Thinking Machines的Thinker支持multi-LoRA，Henry怀疑他们想做大规模个性化定制。

自进化和AutoResearch联系更紧。AI能不能改进自己，AlphaEvolve、Sakana的Darwin Gödel Machine都在形成循环：AI想到如何改进自己，实现，重复。基础设施好的lab里，核心researcher的工作量反而变小，更多想high level方向，执行交给自进化系统。

创业机会不少，很多还在stealth mode。一家公司在做学习能力特别强的小模型，思路是大模型大量参数存储知识和能力，MoE架构中学习能力本身由少数几个专家负责，精炼出专门负责学习能力的小模型，扔掉知识，抽取学习能力本身，适合做个人助理的基模，学习主人偏好会非常厉害。还有公司在scale up AutoResearch，把单Agent扩展成多Agent协作。

世界模型是另一个方向。李飞飞的World Labs偏3D世界建模；杨立昆等人新做的AMI公司延续JEPA方向；Google Dreamer团队负责人Daniel出来做公司，偏policy，看视频决定take什么action，和robotics结合；另一家新公司的founder是progressive dit和self forcing的作者，偏环境模拟，interactive video model，给定视频和动作预测下一步，和Daniel的policy互成镜像。应用方向有两个：交互式媒体，实时生成世界、影响NPC和剧情；具身智能，做机器人policy或模拟环境，让改进loop跑起来。

GTC之后：推理成本下降，CPU开始短缺 1:27:00

GTC的主题是从训练到推理的转折。Vera Rubin推理性能提升3到5倍，token成本降10倍，利好token消耗量大的个人助理大规模部署。英伟达2025年12月收购的Groq派上用场，LPU集成到Vera Rubin。Google新工作改进KV cache，量化压缩到原来的六分之一，降低存储要求。Henry判断推理优化还有很大空间，被逼到一定程度还能想出很多办法。

Agent带来CPU需求。everything is becoming computer，Agent活在电脑里，自己开不同sandbox跑任务，模型写代码、执行任务都是CPU干活。CPU的增长曲线很陡。Henry说做投资的朋友在看怎么干净地买CPU金融资产，结论是买ARM，因为ARM给各种厂商卖license。

硅谷大裁员：token消耗量成了效率指标 1:31:27

三个数据点。亚马逊年初裁1.6万人，很多是工程师，悄不溜秋。Block的CEO Jack Dorsey宣布裁员40%，说大多数公司一年内会做同样的事，原因和财务或业务无关，是AI，减员40%能做到同样或更高的output。Meta停工一周学AI，管理层看每个人的token消耗量作为团队效率指标。Henry有朋友让Claude Code跑loop疯狂输出无意义token，Anthropic几个million的ARR增长里搞不好有几十个million是Meta贡献。学完后小扎宣布裁20%约1.5万人，把省下的钱投AI capex，翻倍到650亿美元。

Henry说今年可能比较可怕，影响范围之广，被裁的人找工作难度比上一轮裁员潮难很多。应对方向是考虑创业、个体户路线。AI加强了公司，也加强了每个个体，以前技能树不齐没法做产品，现在可以自己当老板做business养活自己。小团队也想明白了，五个厉害的人配一些Agent，技术方面就差不多。

组织变化很明显。全员AI native，面试重点是对AI工具的使用。成长快的创业公司愿意招人，时间窗口比人效重要，但更看重质量而非数量。程曼祺补充中国情况：CEO明面上不讨论因AI减员，实际受冲击，设计、前端、简单开发受影响。思路从「一流人才+二流人才」变成「超一流人才+AI」，花更多钱请更好的人，二流三流不需要了。人变少，用人成本不一定线性变少。像《2012》里的洪水，海拔是技能高度，越高越安全。

律师案例很具体。Cloud Native Lawyer文章里，客户要求当天改合同七条，第二天早上交，否则不做。以前要奋战一整晚，用Claude分析发现甲方要求互相冲突，分析哪些可接受、哪些pushback，两三个小时两三个人完成。有AI能力的小律师团队超过甲方律所的能力。Henry说搞人的工作最安全。

湾区房价在barbell。1到3百万的房子因失业按揭付不起可能降价，10百万以上的房子因AI研究员高package和IPO可能涨价。赛博朋克，摩天大楼下面贫民窟。AI中心化，有算力有资源能力强的人增幅效果强，增大社会不平等。Token收税是个新思路：以前讨论UBI每人每月1000美元，现在有人说不能无限制投钱造数据中心搞推理然后裁人，run更多token要交税。逻辑像关税，制造业转移到中国不交税，未来AI抢所有人类工作不交税，那就上关税。

下季度看什么：DeepSeek-V4与持续学习的配方 1:44:07

确定会发生的事：DeepSeek-V4发布，众星瞩目。Henry觉得期待拉得高，压力大，从最近发布的工作看可能差一点。程曼祺提到DeepSeek去年底到今年初释放的mHC、Engram等工作，Henry说有些声音认为DeepSeek领先程度在缩小，SSI的创造力可能更强，聊SSI的人会说其他人的工作基于SSI的工作。

Computer use的突破也值得等。Claude Code操作电脑的功能刚上线，OSWorld上GPT-5.4已经到75%，但整体computer use能力还在早期。跨应用、没有App的情况下工作流更好自动化，企业里有实际应用场景。

不确定但想验证的是持续学习和递归自我改进多快实现。Henry写了博客，研究员参与讨论，MoE Capital也办了主题讨论，大家觉得现在方法有overengineering嫌疑，过于复杂，期待一个机制上和skills或memory同样简单、效果更好的方案，还没人完全掌握配方。Q2看有没有突破。

程曼祺在结尾补了一段连点成线。从2024年下半年Devin开始算，coding到Agent酝酿了一年半。2025年底的共识是coding agent就是通用Agent。Q1几个事情汇聚：Claude Code积累的用户体验和实打实收入，2月ARR 25亿超过Cursor 20亿；OpenClaw把Agent放进聊天框，中国全民出圈，让Agent变成更多老板和工作者认真考虑的提效手段。围绕Agent的效率优化、降本、体验创新有巨大空间。此轮AI不会进寒冬的乐观宣言，到此刻才有了能踩上去的地面。腾讯看到OpenClaw后难得展现速度；AI公司要重新思考模型研发和强应用的平衡；DeepSeek在招聘上已有产品化动作；国产AI效率工具收不到钱的论断在动摇，便宜够用甚至某些功能更好的中国产品收入在快速增长。

给读者三个能带走的判断。第一，如果你写代码，Claude Code做主交互层、Codex做写代码和review的执行层，这种组合已经是硅谷不少开发者的默认配置，值得试。第二，如果你管团队或创业，先算一笔账：哪些任务有清晰可量化的目标和快速反馈循环，那些可以扔给AutoResearch式循环；哪些需要人眼判断和主观验证，那些还得留人。第三，技能海拔决定安全线，把AI工具用到能替自己完成完整工作流，比会写prompt更重要。Q2盯两个信号：DeepSeek-V4能不能在开源模型上追平闭源，持续学习有没有出现和skills一样简单但效果更好的机制。