“「養(yǎng)蝦」，正在成為打工人的常態(tài)，因此也產生新的日常開銷，甚至新的風險和成本。”

撰文｜程佳

編輯｜翟文婷

小鹿向新莓回憶起不久前的一場AI小事故，仍然心有余悸。

小鹿在北京一家媒體負責運營，一個人管理著三個賬號。她對沒有用上AI智能體之前的生活有一個精準的形容，「每一項工作都不難，但加在一起就是搞死人。」刷信息流找熱點、匯總寫文案、配圖發(fā)布、回復評論……每天循環(huán)往復，停不下來。

「龍蝦」的出現(xiàn)，一定程度上讓她從這種瑣碎和重復中解放出來，但同時也給她帶來災難。

前段時間，小鹿養(yǎng)的「蝦」追了一個敏感熱點，自動發(fā)出去了，結果觸發(fā)「無形的手」干預，當天不僅帖子被刪，賬號也被限流三天。

小鹿不是個例。養(yǎng)一只「蝦」，正在成為越來越多打工人的常態(tài)，因此也產生新的日常開銷，甚至新的風險和成本。

國盛證券研報數(shù)據顯示，中國整體日均Token消耗在2024年初僅為1000億，到2026年3月已突破140萬億，兩年多時間增長了超過1000倍。

而根據IDC預測，中國活躍智能體數(shù)量將在2031年突破3.5億，年復合增長率高達135%以上，伴隨任務密度與復雜度提升，智能體Token消耗將迎來年均超30倍的指數(shù)級躍升。

Token，也正成為繼流量之后，又一項悄悄進入生活成本的基礎支出。

而這只橫空出世的「龍蝦」，究竟會成為打工人的效率杠桿，還是食之無味棄之可惜的新型吞金獸？

01 養(yǎng)蝦的甜頭和苦頭

年前，旁聽了一場業(yè)內關于AI應用的分享后，小鹿和同事在老板的號召下，試著搭建了一套小紅書自動化鏈路。

給「蝦」一句話指令，它自己去追熱點、寫文案、做封面、定時發(fā)布。「早上起來直接審稿就行，不用自己泡在信息流里了。」小鹿告訴新莓，這套流程解決了她日常工作大概七成的重復勞動，剩下的三成卡在封面上，「AI生成的圖總跟文案差點意思，而且平臺對AI圖有限流，所以還是得自己經手再過一遍。」

「蝦」是AI智能體在用戶圈子里的通行叫法。

與普通AI對話產品不同，它能自主規(guī)劃任務、調用外部工具、自動執(zhí)行完整的工作流，不只是回答你的問題，還替你把事情做完。

2026年初，OpenClaw的出現(xiàn)成為這波熱潮的重要引爆點。這款可在用戶自有設備上運行的個人AI智能體助手一經推出即在全球廣受歡迎，GitHub星標數(shù)在極短時間內飆升登頂，超越了React、Linux等歷經數(shù)十年積累的開源傳奇。之后國內開始出現(xiàn)各種「蝦」同類或變種。

OpenClaw的Github星標數(shù)快速飆升；來源：OpenClaw社交平臺

數(shù)字足以說明這場熱潮的體量，背后則是職場打工人對「養(yǎng)蝦」無法抵擋的熱情。

獨立開發(fā)者陳博一個人負責維護好幾個項目，有些代碼因為年代久遠沒時間重構，但放著又心神不安，總擔心不知什么時候就卡BUG了。「重構要整塊時間，但整塊時間永遠擠不出來。」

浪潮來臨，陳博養(yǎng)了一只專門用于解決工作問題的蝦，把重構任務拆碎扔給蝦，「它能讀寫文件、執(zhí)行Shell命令、SSH到其他機器，跟我自己在終端里能干的事基本一樣，我早上來看結果、審代碼、做決策。」

而且他讓這只蝦專門在夜間工作，原因很簡單，「閑時Token省錢，還不卡。」

如果說陳博養(yǎng)的是一只「實習程序員」，那上海的產品經理林然則給自己養(yǎng)了個「實習分析師」。以前，林然每個周末都要加班，花上幾個小時，刷遍知乎、小紅書和應用商店的評論，手動篩選出提到競品的內容，整理成報告，以便在周一例會上向老板匯報。

現(xiàn)在，他讓「蝦」每天早上自動跑一遍，把結果總結成簡報推送到飛書，他只需要做最后的審核。「之前都得靠自己收集整理，但現(xiàn)在自己只需要審核AI整理的結果即可。」林然坦言效率提升巨大。

同樣在上海，私募研究員張恒則用「蝦」來盯盤和篩選研報。他白天忙于開會和見客戶，無法持續(xù)監(jiān)控市場，過去完全被動地依賴微信群里的信息流。現(xiàn)在，每天都會有一套定制化的市場信息簡報定時推送給他。

四個人，四種用法，但交給「蝦」的活兒卻高度一致，多為重復的、格式化的瑣事。正如麥肯錫2025年全球AI調查顯示，AI真正大規(guī)模滲透的場景，集中在流程清晰、標準化程度高、數(shù)據充分的領域。上述幾位養(yǎng)蝦用戶，無不如此。

然而，「蝦」也不是那么好「養(yǎng)」的。

小鹿遭遇AI事故之后，意識到「全自動發(fā)布風險太大。」她現(xiàn)在改成先把生成內容寫入文件夾，人工審完再發(fā)，「寧可多一步，不然連主號都得搭進去。」

林然踩的坑則是「信任過頭」。

有一次他讓「蝦」整理一份競品功能對比，輸出的內容看起來條理清晰、論據充分，但有兩個核心功能點竟是AI「幻覺」出來的，競品根本沒有。「我直接把報告發(fā)給了老板，好在我發(fā)現(xiàn)紕漏時老板還沒認真看報告，不然得當場社死了。」從那以后，他給自己立下鐵律，所有對外報告，涉及具體功能、數(shù)據和引用，必須人工進行二次核對。

張恒雖然自己還沒踩過坑，但一個發(fā)生在同事身上的案例，讓他當即就去重新檢查了自己的所有配置。

他的同事當時給「蝦」的指令是「檢查收件箱，給出存檔或刪除的建議，但在我批準前不要執(zhí)行任何操作」，但因為郵箱信息量過大，觸發(fā)了AI的上下文壓縮機制，「蝦」把那句關鍵的「未經批準不得操作」忘掉了，開始無差別地刪除郵件。

聽聞此事后，張恒至今仍然后怕。他第一時間把自己的配置翻了一遍。所有刪除、發(fā)送、修改類操作的權限全部關掉，蝦只能讀取和整理，不能主動執(zhí)行寫操作。

在這些「調教」過程中，其實都指向一個所有養(yǎng)蝦人必須接受的現(xiàn)實，即養(yǎng)蝦的前期成本，遠不止金錢。

02 養(yǎng)蝦之前，先算賬

先從一個最簡單的動作說起，一句「你好」大約消耗1.2個Token，開支不到1厘錢。

這個數(shù)字看起來微不足道，但當「蝦」開始自主執(zhí)行一個囊括讀取文件、搜索信息、分析結果、生成報告的多步驟任務，便可輕松消耗數(shù)萬乃至數(shù)十萬Token。財新曾報道，一只「勤奮的蝦」，每天的Token開銷可以輕松達到數(shù)百元。

陳博掰著手指算過自己的賬：「月均開支穩(wěn)定在兩三千，高頻月份沖到四千出頭。模型API占大頭，其次是云服務器的算力費用，硬件折舊還沒算進去。」但他對這筆錢的態(tài)度很坦然：「如果請實習生，最少三千塊，還得花時間帶。蝦不用帶節(jié)約溝通成本，甚至白天黑夜都能干。」

這筆賬能不能算贏，很大程度上取決于用的模型。

根據llm-stats.com的追蹤數(shù)據，GPT-4級別的API推理單價從2023年初約每百萬Token 30美元，三年間已降至不足1美元。但各模型之間的定價與能力差距仍然顯著，其中頂級國際模型如Claude Opus 4.6、GPT-5.4，每百萬Token輸入約108至180元人民幣；國產主流旗艦在8至15元之間；優(yōu)化過的輕量級模型，則低至每百萬Token 1至4元。

值得注意的是，OpenRouter顯示，本月消耗量排名靠前的Qwen3.6 Plus（free）和Step 3.5 Flash （free），都依托免費或極低價格驅動了大量調用，說明性價比已成為決定流量分布的核心變量。

資深開發(fā)者和AI從業(yè)者花叔在《OpenClaw橙皮書：從入門到精通》中也提及如何「成本控制」，「從Claude Sonnet切換到『Sonnet→Haiku→DeepSeek』三級Fallback鏈，可以降低80%—95%的API成本。大部分簡單任務（問候、查天氣、簡單查詢）會自動走最便宜的模型，只有復雜任務才會用到主力模型。」

來源：《OpenClaw橙皮書：從入門到精通》

換言之，對于Token高消耗使用者來說，「分層使用」勢在必行。

陳博最初全程使用Claude Sonnet，兩個月后一算賬，發(fā)現(xiàn)近一半的簡單任務用更便宜的DeepSeek就足夠了，開始分層之后賬單立減一半。

他給任務定了明確的觸發(fā)規(guī)則，日常的代碼注釋、文件整理、日志分析，用DeepSeek V3.2，夠快夠便宜；需要多步推理的代碼review，用Claude Sonnet，在工具調用和指令遵循上更穩(wěn)，一次跑對比反復返工要值錢得多；遇到系統(tǒng)架構設計才切Claude Opus，答錯了代價很高，費用會劇增。

張恒則按文檔長度分模型使用，像短任務處理就用DeepSeek，整份研報處理則用Kimi，「200K上下文是Kimi的核心優(yōu)勢，一份研報塞進去不用分段」。而需要復雜推理任務時，張恒會手動切Claude Sonnet，「只訂閱了Claude的pro會員，所以平時會省著用。」

但就在用戶努力壓低成本的同時，價格正在從另一側悄悄上漲。

3月18日，阿里云宣布將平頭哥真武810E等算力卡產品價格上漲5%至34%，文件存儲CPFS同步上漲30%；百度智能云當日跟進，AI算力相關產品上調5%至30%，并行文件存儲漲約30%，兩家新價格均于4月18日起生效。再往前，騰訊云已大幅上調混元系列模型價格，其中混元HY2.0 Instruct模型輸入價格上調了463%。

顯而易見，這不是個別企業(yè)的定價調整，而是一場有結構性根源的全行業(yè)轉向。

中信建投證券計算機行業(yè)首席分析師指出，Token調用量暴漲直接推高算力需求，多模態(tài)生成技術進一步加速了這一趨勢。「以多模態(tài)生成為例，生成1分鐘視頻需消耗約10萬億Token，而國產視頻模型的價格已低至0.5至10元/5秒，商業(yè)化落地加速，算力供需失衡持續(xù)加劇。」

國聯(lián)民生證券在研報中更是一針見血地指出，「本次漲價標志著二十年來云服務價格只降不升的行業(yè)慣例被徹底打破。一旦云服務商在某一服務上成功提價而未引起大規(guī)模客戶流失，第二次、第三次漲價就會變得更容易。」

這意味著，用戶在模型側省下來的錢正在被算力側悄悄補收回去。而養(yǎng)蝦的賬，未來只會越來越難算。

03 龍蝦淘金熱，誰真正賺到了錢

這場來勢洶洶的「養(yǎng)蝦潮」，錢從哪來，又流向哪里？

目前來看，創(chuàng)業(yè)者、自由職業(yè)者、在大廠里用個人賬戶悄悄跑任務的C端用戶，構成了這個市場最活躍的消費群體。

B端并非沒有動靜，只是節(jié)奏比C端慢一些。麥肯錫2025年全球AI調查顯示，62%的企業(yè)已經在試驗AI智能體，但僅23%完成規(guī)模化落地，主要阻礙集中在「難以證明商業(yè)價值」和「集成準備不足」兩項。

眼下，這個僵局正在被打破。

2026年3月，阿里巴巴啟動內部計劃向員工提供Token額度，淘天集團「AI生產力計劃」向實習生全員開放。58同城董事長姚勁波向媒體透露，公司每天消耗接近2000億Token，「我甚至會問團隊，卡什么時候能用完，下一批什么時候買。」4月1日，康師傅、名創(chuàng)優(yōu)品、安克創(chuàng)新、書亦燒仙草、晨光文具等12家企業(yè)集中宣布，將為優(yōu)秀員工提供「無限Token」權益。

Token消耗，正在從個人自費的私人賬單，變成組織管理的一部分，那句「工資條上配發(fā)Token額度」的玩笑，也正步步走進現(xiàn)實。

OpenRouter平臺的實時數(shù)據，一定程度上能看出這場熱潮的大致流向。從本月應用消耗榜來看，上榜的幾乎都是編程與Agent工具，其中OpenClaw以20.3T tokens斷層領跑。

Token消耗量最大的應用 來源：OpenRouter

不過，榜單反映的是「誰在被使用」，而非「誰在賺錢」。

OpenClaw本身是開源免費的框架，不向用戶收取任何費用。用戶每一次通過它發(fā)起任務，背后消耗的每一個Token，實際上都在調用上游的模型API。也就是說，資金真正流向了模型廠商和云基礎設施提供商的賬戶，而非這些應用本身。

換言之，模型API廠商是最直接的受益者，也是直接賣「子彈」的人。

在這場「養(yǎng)蝦潮」中，國產大模型「雙雄」智譜和MiniMax走了兩條截然不同的路，卻指向同一個終點。

智譜走的是「提價」路線。2026年一季度智譜對API價格接連上調，累計漲幅達83%，相對上一代GLM-4.7價格接近翻倍；漲價之后調用量不降反升，市場依然供不應求。

MiniMax的打法則是「降本增效」。2026年2月，它推出專為Agent場景設計的M2.5模型。據《財經》引用測算，M2.5的單位Token成本只有OpenAI同類模型的四分之一，但面對中等復雜任務時可靠性與之接近。上線不到一周，M2.5便登頂OpenRouter平臺Token調用榜首。

兩種策略，殊途同歸。中金公司研報將此描述為，行業(yè)定價邏輯正從「流量消耗」轉向「算力價值變現(xiàn)」。

然而，消耗量在漲，利潤還沒跟上，卻是當下大模型市場最基本的矛盾，也是這場淘金熱最殘酷的底色。

3月31日，智譜交出了上市后的首份財報，2025年全年營收7.24億元，同比增長131.9%，凈虧損卻達47億元。MiniMax同期經調整凈虧損約2.51億美元，與上年基本持平。

相比之下，這場「養(yǎng)蝦潮」中的另一明確受益者云基礎設施廠商，似乎處境更好一些。

除了上述提及「云服務價格只降不升的行業(yè)慣例被徹底打破」外，騰訊云的變化最具代表性。

騰訊在2025年年度財報中寫道：「2025年我們保持了健康的增長，云業(yè)務收入加速增長并實現(xiàn)了規(guī)模化盈利。」這也意味著，從2013年騰訊云品牌正式推向市場算起，歷經十二年持續(xù)投入，騰訊云終于跨越了從「燒錢換市場」到「自我造血」的關鍵拐點。

而推動這一拐點提前到來的核心變量，正是AI智能體爆發(fā)所帶動的算力需求井噴。自主運行的Agent動輒觸發(fā)數(shù)十個推理循環(huán)，對算力、存儲、數(shù)據處理提出了更高需求，直接為云廠商帶來了前所未有的需求側動能。云廠商的收入結構也隨之改變，從過去賣一次性資源，變成了收持續(xù)性的「算力租金」。

對大廠而言，沒有一塊業(yè)務是孤立存在的。云服務消費增長的背后，也是大廠積極爭奪龍蝦入口的必然結果。

OpenClaw爆火之后，國內大廠幾乎都推出各種「龍蝦」。阿里推出「悟空」，騰訊發(fā)布QClaw和WorkBuddy，字節(jié)升級「飛書aily」，華為發(fā)布盤古Agent，百度推出文心智能體……短短一個月時間，市面上的「龍蝦」產品多達數(shù)十款。

這些產品本身大多并不直接收費，大廠入場的真實邏輯，是爭奪上游的算力消耗入口。

中銀證券研報中指出，「OpenClaw創(chuàng)造了全新的『模型消費場景』。一個配置合理的OpenClaw，每天可能會向模型發(fā)起數(shù)百次甚至上千次調用，并且每次調用時都攜帶完整的上下文信息。這意味著單個OpenClaw用戶產生的Token消耗量，可能是傳統(tǒng)聊天用戶的幾十倍甚至上百倍。」

更關鍵的是，用戶一旦完成智能體部署，就不會輕易離開。因為養(yǎng)成習慣的工作流、積累在平臺內的任務記錄與數(shù)據、與云端API的深度綁定，都在悄悄抬高用戶的遷移成本。

先燒出規(guī)模，再等待盈利的到來，這是所有玩家心照不宣的默契。「龍蝦」時代，依然難逃如此規(guī)律。

（應訪談對象要求，文中小鹿、陳博、林然、張恒為化名。