黄仁勋盛赞 OpenClaw：3 周超越 Linux 30 年，是有史以来最重要软件

当整个科技圈还在为新模型的微小基准跑分争执不休时，黄仁勋直接把聚光灯打在了一个很多人刚在 GitHub 上星标的工具上。

在摩根士丹利的技术大会上，Nvidia CEO 黄仁勋抛出了一句语惊四座的判断：开源 AI 智能体框架 OpenClaw，是有史以来最重要的软件发布。

按他的说法，Linux 花了大约 30 年才达到如今的技术普及度，而 OpenClaw 仅仅用了 3 周就完成了超越，一举成为人类历史上下载量最大的开源软件。

3 周跑完开源 30 年的路

很多人可能觉得这个名字有点陌生，但对关注开源智能体社区的人来说，它其实是个老熟人。

OpenClaw 最早在 2025 年底发布，此前先后用过 Clawdbot 和 Moltbot 这两个名字。它本身并不是一个底层大模型，也不是硬件，而是一个帮开发者搭建和协调 AI 智能体的开源框架。

说白了，它就像一个极其懂事的数字调度员。以往人类需要手动登录各种系统、查数据、核对报表再点确认，OpenClaw 能让多个智能体协同起来，跨服务调用接口、自主评估结果，在个性化环境里把复杂的人类工作流彻底跑通。

黄仁勋在会上把当前的 AI 产业比喻为一个「五层蛋糕」：最底层是芯片和硬件，往上是系统、网络与云基础设施，最顶层才是应用层。

在老黄看来，真正能产生最大商业回报、能把前沿实验室和云厂商喂饱的，恰恰是应用层。OpenClaw 正好卡在这个应用与模型协同的关键生态位上。

1000 倍的算力黑洞

黄仁勋之所以这么卖力给一个开源框架站台，背后自然有英伟达的算盘。

生成式 AI 的第一阶段主要停留在训练超大模型和做简单的聊天对话。但一旦进入 Agentic AI（智能体 AI）时代，模型的用法彻底变了。

一个智能体要完成现实任务，必须进行多步链式推理，反复向模型发起查询、验证中间结果、调整步骤。每多走一步推理，就意味着成倍的 Token 消耗。

黄仁勋预计，随着智能体渗透进人类工作流，Token 消耗量可能会暴增整整 1000 倍，直接在后端拉出一个巨大的「算力真空」。

这也是英伟达战略转向的底气。早期的 Hopper 和 Blackwell 芯片主要面向训练集群，但未来的算力增长点正在迅速偏向推理。黄仁勋甚至透露，英伟达近期对 OpenAI 的 300 亿美元投资可能是最后一次此类交易，未来英伟达更想老老实实做底座基础设施提供商，而不是去买实验室的股权。

为什么重要

我们认为，黄仁勋给 OpenClaw 戴上的这顶高帽，其实标志着 AI 行业的估值逻辑正在剧烈分化。

对开发者和中小团队来说，OpenClaw 的爆火证明了一个趋势：比拼模型参数的红利期快结束了，能够把现有模型缝合进复杂业务场景的胶水层框架，才是当下最抢手的生产力杠杆。你不需要自己训大模型，只要能用好这类框架，就能在本地或私有云里跑起真正能替人类干活的自动化流水线。

对整个芯片与云基础设施行业而言，这也是一场及时的「强心剂」。此前市场一直担忧大模型训练见顶后算力需求会滑坡，但智能体把原本单次、低频的对话，变成了多轮、高频且自动循环的计算消耗。只要智能体开始大规模接管人类白领的工作，服务器的电表就停不下来。

不过，我们看起来黄仁勋把「3 周超越 Linux 30 年」的下载量拿来直接对比，口号意味显然大过客观事实。现代软件分发机制和 30 年前的软盘、源码编译时代根本不可同日而语，热度转化成实际的企业生产力，中间还有漫长的可靠性与安全陷阱要跨过。但无论如何，这声号角吹响后，智能体应用层的军备竞赛已经无可挽回地打响了。