本文来自极客网（www.fromgeek.com）。
极客网·人工智能4月20日尽管企业高管对AI智能体充满期待，认为它们能像不知疲倦的实习生一样高效处理办公事务，但支撑这类工具的底层技术仍很不成熟，还可能成为烧钱黑洞。
上周在硅谷举办的两场行业活动上，多位科技公司高管与工程师直言，以OpenClaw为代表的AI智能体在规模化落地中问题频发，行业正从狂热追捧回归理性。
什么任务都塞给大模型，是最大误区
AI初创公司Meibel首席执行官凯文・麦格拉思直言：当前AI领域最大的问题，就是认为所有事情都必须通过大语言模型（LLM）处理。
他毫不客气地批评道：“把你的Token和预算全都砸给AI Claw机器人，结果就是数百万Token被白白浪费。”企业必须更审慎地判断，哪些任务真正适合交给AI智能体，而非盲目上量。
OpenClaw是一款开源AI智能体框架，被称作AI“执行中枢”，可让开发者调用不同大模型创建、管理批量数字助手，自推出后迅速走红，被行业视为继ChatGPT之后的下一个风口。
英伟达CEO黄仁勋今年3月就曾公开表示，AI智能体“绝对是下一个ChatGPT级别的浪潮”。
规模化部署成本高、系统极度复杂
在圣何塞举办的生成式AI与智能体AI峰会上，来自谷歌、DeepMind、亚马逊、微软、Meta等公司的技术团队坦言，打造与运维AI智能体远比想象中艰难。
谷歌工程师迪普・沙阿在专题分享中聚焦AI智能体的运营成本管控。他指出，AI智能体运行本身就有成本，设计与维护不佳的监控系统不仅无法省钱，反而会疯狂烧钱。
“在规模化部署机器学习或多智能体系统时，会遇到多重挑战，首当其冲的就是推理成本。”
初创公司Synchtron首席执行官拉维・布卢苏则点出复杂度难题：企业的数据架构、技术选型、软件开发、人员组织彼此交织，而AI智能体几乎触及所有环节。
“没有任何一个维度能被单独解决，相互依赖关系让落地变得异常艰难，甚至可以说是混乱。”
中国厂商现身说法：OpenClaw不适合企业级场景
在山景城举办的另一场AI活动中，总部位于上海的ThinkingAI与MiniMax分享了落地经验。
ThinkingAI前身为移动游戏数据分析平台ThinkingData，近期品牌升级为AI智能体管理平台，并与今年1月在港上市的中国头部AI实验室MiniMax达成合作。MiniMax因向开源社区免费发布高性能大模型，被称作中国“AI四小龙”之一。
ThinkingAI联合创始人韩先生表示，公司转型是为了从游戏行业拓展到更多对AI智能体感兴趣、但缺乏技术能力的传统行业。
他直言，尽管OpenClaw在中国热度攀升，但复杂度太高、安全漏洞隐患大，根本达不到企业级标准。
“OpenClaw用来做个人用途还行，但绝对撑不起企业级场景。企业要解决记忆管理、智能体调度、团队协作、通信安全等一系列问题，这些OpenClaw都无法满足。”
他透露，其平台同时支持OpenAI、谷歌等海外厂商的大模型，并未局限于国内模型。被问及美国若封禁中国开源权重模型是否影响业务时，他笑称：“真要是那样，或许反而说明我们成了。”
总而言之，AI智能体被视为下一代生产力革命，但现阶段仍面临成本失控、架构混乱、安全不足、企业适配性差等核心痛点。与此同时，行业共识正在形成：不是所有任务都适合AI智能体，理性选型、精细化运营，才是规模化落地的关键。
