今年2月，美团在全员范围掀起一场被戏称为“养虾运动”的AI试点，开源智能体OpenClaw被大规模引入，员工热情高涨，代价也随之而来——高峰期AI账单每天烧掉上千万元，部分由智能体产生的谬误甚至开始干扰真实经营。几个月后，OpenClaw创始人Peter Steinberger在Startup School 2026的演讲中，罕见地复盘了这个项目爆红之后的八个月。
OpenClaw走完了一条典型的“开源智能体过山车”：诞生于个人需求、快速迭代，却在突然涌入的企业级需求面前迅速暴露安全、配置与成本问题。有评论调侃，连中国顶级上市公司对数据安全的把关，都和开源项目站在同一条起跑线上。这句话点出了行业现状：开源AI工具的能力进步，远快于企业对其进行安全与成本治理的速度。
复盘中最具信息量的一组数据是：外界声称OpenClaw有20%的Skill带恶意，而团队扫描全部6.7万个Skill后，真实比例接近0.3%；项目随后堆出了约9500个配置项，创始人甚至因此逐渐停用自家产品。安全报告、媒体声量与不断扩张的用户需求，共同接管了产品方向。
这组数字勾勒出开源AI落地的真实困境：安全边界没有尽早划清，会让团队陷入无休止的加固循环；配置项无限膨胀，会让产品失去原本的简洁与可用性；而账单失控，则让任何激进试点都难以为继。美团最终通过赛马机制跑出几个可用场景，代价是四个多月的纠偏时间。
OpenClaw的过山车对智能体产业化的启示在于：当智能体从个人玩具走向企业协同工具，真正稀缺的不是模型调用能力，而是可观测、可编排、可管控的运行体系。这正是星战科技在OPC智能体协作平台上持续投入的方向——让企业能像管理传统软件一样，管理智能体的权限、成本与运行边界。
放眼行业，开源与商业化的博弈正在加速：开源项目用社区和热度换取迭代速度，却在治理、安全与规模化的责任边界上屡屡吃亏；商业化平台则把治理能力前置，代价是生态开放性受限。两者之间并非非此即彼，越来越多企业开始采用“开源内核+平台治理”的混合模式。
对于正在评估智能体落地的企业，OpenClaw的八个月是最好的风险教育样本：先想清楚流程、组织与安全边界，再谈规模化，才是AI转型的正确打开方式。工具更迭可以很快，工程体系的补课却急不来。