无偿镜像还是圈地为王?OpenClaw创始人炮轰腾讯抄袭

Odaily星球日报发布于2026-03-13更新于2026-03-13

文章摘要

OpenClaw创始人Peter Steinberger公开质疑腾讯旗下SkillHub平台抄袭其开源生态,称腾讯未事先沟通且未支持原项目。腾讯回应称SkillHub是为中国用户打造的本地化镜像站点,已注明来源并减轻了官方服务器压力,还表示愿意赞助。但Peter指出核心问题在于腾讯单方面行动影响了官方统计数据,并可能争夺生态控制权。 事件背后反映出大厂以“本地化适配”为名,行“圈占AI生态入口”之实的趋势。腾讯、阿里等企业纷纷推出OpenClaw一键安装服务,表面是方便用户,实则是争夺下一代AI操作系统的入口权和分发权。这种“先抢用户、再建围墙”的模式,可能使原本开放的个人AI生态逐渐被大厂平台化、附属化,最终削弱开源社区的自主性和统计话语权。OpenClaw在中国尚未成熟,却已面临大厂的生态围猎。

原创 | Odaily 星球日报(@OdailyChina)

作者|Golem(@web 3_golem)

当国内大厂争先恐后地推出“一键安装 OpenClaw”时,争议也跟着来了。

3 月 12 日,OpenClaw 创始人 Peter Steinberger 在 X 上公开质疑腾讯创建的 Skillhub,使官方速率下降导致无法快速抓取数据,并称“他们抄袭,却不以任何方式支持这个项目”。

面对争议,腾讯很快回应表示理解 Peter Steinberger 的担忧,称 SkillHub 是腾讯基于 OpenClaw 生态系统打造的本地化 Skills 平台,作为本地镜像站点,不仅始终注明 ClawHub 为数据来源,在上线首周还为用户处理了 180GB 的流量(87 万次下载),仅从官方源拉取了 1GB 的非并发请求。同时,腾讯表示愿意成为赞助者。

照理说,腾讯这一轮回应,已经把最容易引发舆论反弹的“是否在疯狂消耗源站”的问题解释清楚了,但 Peter 看完后并不买账,表示这不是重点,他可以把 SkillHub 做成官方第五镜像,同步下载统计,但腾讯应该事先主动与其沟通。

事情到这虽然结束了,但如果只把这件事理解为“OpenClaw 创始人情绪化开炮”或者“大厂正常做本地化被误解”,那实在就把问题看浅了。

问题不是镜像,而是大厂的“霸道”

如果只看技术动作,这事其实并不稀奇。

在中国的开发者生态里,镜像开源项目是常规操作,npm、PyPI、Docker Hub 这些国际开源基础设施,均有大量中国本地镜像。也正因如此,腾讯否定自己创建的 Skillhub 是抄袭,而是本地化 Skills 平台,它解释自己不是在薅羊毛和抽空官方,而是在做分发、加速和适配,帮 OpenClaw 在中国落地。

从某种意义上来说,腾讯的做法确实切中了中国“养虾户”们最现实的需求。OpenClaw 在中国热到失真,但不是每个人都愿意或者都能稳定访问原始社区,更不用说很多 Skill 的安装、发现、检索体验本身就还很原始。

Skillhub

但问题是,镜像站就天然无罪吗?答案是未必。

因为开源协议允许什么、社区伦理接受什么、商业现实最终会发生什么,往往是三套不同的账。

在协议层面,只要遵循许可、标明来源,很多镜像与再分发行为是成立的;在社区伦理层面,腾讯的 SkillHub 标注了 OpenClaw 的官方源身份,并且还主动降低了源站的带宽成本,似乎也承担了责任。

但腾讯忘了,OpenClaw 不是一个小的、需要大厂刻意注入资源的开源项目,其是一个在 GitHub 上热度第一、获星最多的项目,这时腾讯不打招呼的行为就变成了“霸道”。因为它不再只是单纯的镜像问题,而是会迅速牵扯到三个更敏感的问题:谁在代表官方生态,谁在拿走用户入口,谁又在定义下载、分发和统计口径。

这才是让 Peter 真正不舒服的地方,其表示腾讯这种行为会直接影响到下载统计数据。Peter 不是不支持腾讯做 OpenClaw 的中国本地化,而是认为最好能事先沟通,而不是腾讯先把平台搭起来、把用户接过去,再在舆论压力下解释说自己其实是来帮忙的。

并且,从商业现实的角度来说,一旦 SkillHub 这种平台壳形成规模,那 OpenClaw 社区原本掌握的官方性和统计权,也就很容易被边缘化。今天是本地化 Skills 平台,明天可能就是“默认 Skills 分发市场”,再往后,就可能是“谁决定什么 Skills 被看到、被安装、被商业化”。

这才是这场争议背后真正的危险信号,也是过去十多年中国互联网最熟悉的一幕:圈地运动。

大厂不是在“养龙虾”,是在借龙虾圈地 AI

过去一段时间,“养龙虾”成了中国 AI 圈最热的梗,OpenClaw 也被迅速推成了一个近乎情绪化的行业符号。大家都在说龙虾代表 Agent 时代的新想象,代表个人 AI 助手的未来,听起来很热血。

但大厂看龙虾,看的从来不是理想主义,看到的是入口、流量、分发权和下一代操作系统外壳。

3 月 11 日凌晨,马化腾在朋友圈为腾讯全系“龙虾”产品宣传,腾讯的“龙虾全家桶”为普通用户、开发者和企业级用户都量身定制了一只“小龙虾”,支持用户无门槛一键安装。 SkillHub 也是在此时同步推出的,其内置了 1.3 万个本土化 Skill 一键调用,小红书运营、百度搜索等场景都可直接调用。

当然不止腾讯一家在“闻风而动”,一旦把时间线拉开就会发现,国内大厂几乎是集体下场帮用户解决“养龙虾”难题,动作整齐得像按下了同一个开关,只不过目前腾讯做的最全面。

表面上看,大家都是好心,但实际这里面藏着中国互联网公司们最熟悉的一套商业路径依赖,面对一个已经被市场验证、被舆论抬高热度的新生态,第一个动作不是赚钱和商业模式,而是先抢入口,先做平台,先把用户接过来。

腾讯想要的,不只是让中国用户“养龙虾”更容易,而是当中国用户第一次真正开始“用 Agent 办事”时,第一反应是在腾讯的产品壳里完成。

这才是 SkillHub 这种动作最值得玩味的地方,它表面上是一个镜像站,实质上却可能是一个更大闭环的起点。今天用户看到的是 Skills 的本地检索和下载,明天可能就是默认接入某个云、某套账号、某个企业工作台。 再往后,开发者会慢慢发现,自己虽然还在 OpenClaw 生态里开发,但真正决定曝光、推荐、审核、商业化路径的,已经变成平台了。

这套剧本中国互联网演过太多遍了。从打车到外卖、从短视频平台到云市场,几乎每一次“生态繁荣”的背后,都伴随着同一种结构性结局——平台先用免费、开放等招揽用户,然后再建立围墙,利用流量、广告等手段将生态重新变成自己的附属层。

大厂们都知道,如今搜索、社交、内容、电商这些旧入口已经卷到极限,而 Agent 可能是下一轮最值得下注的新入口。既然如此,与其等 OpenClaw 自己野蛮生长,不如趁它还处在爆发初期,就先接过来、先封装、先让用户养成在自己体系里“使唤龙虾”的习惯。

因此,所有人都太熟悉大厂们争相帮用户解决 OpenClaw 安装难题后,接下来会发生什么了。而不懂中国互联网的 Peter 自然理解不了为什么腾讯不事先与其沟通,为什么不与之同步数据。

OpenClaw 原本代表的是另一种 AI 未来:本地运行、个人掌控、社区扩展、开放连接,它最有想象力的地方是让 Agent 真正成为用户自己的执行层。可一旦这套生态被大厂用“本地化镜像”、“国产适配”、“统一分发”、“安全审核”重新包装,味道就变了。在大厂的产品逻辑里,入口归我、分发归我、那么最后的支付和商业化也最好都归我。

说得再直白一点,大厂们不是在“拥抱龙虾”,而是在“借龙虾圈 AI 时代的地盘”。

而这,才是这场小争议背后最让人不安的地方。围墙从来不是一下子立起来的,它总是以“更方便”“更稳定”的名义慢慢长出来。等开发者、用户和流量都被装进同一个壳里,所谓开放自主,最后也可能只是大厂生态里的一个组件罢了。

OpenClaw 眼下在国内面临着最吊诡的命运:龙虾还没长大,大厂已经开始围网了。

相关问答

QOpenClaw创始人Peter Steinberger对腾讯的SkillHub提出了哪些主要质疑?

APeter Steinberger质疑腾讯创建的SkillHub通过使官方速率下降导致无法快速抓取数据,并称腾讯抄袭OpenClaw却不以任何方式支持该项目。他还强调腾讯应事先主动沟通,而非事后解释,并指出SkillHub会影响OpenClaw的下载统计数据。

Q腾讯如何回应OpenClaw创始人的质疑?

A腾讯回应称SkillHub是基于OpenClaw生态系统打造的本地化Skills平台,作为本地镜像站点,始终注明ClawHub为数据来源,并强调上线首周为用户处理了180GB流量(87万次下载),仅从官方源拉取1GB非并发请求,降低了源站带宽消耗。腾讯还表示愿意成为OpenClaw的赞助者。

Q文章中提到开源项目的镜像站可能涉及哪些潜在问题?

A镜像站可能涉及协议合规、社区伦理和商业现实三方面问题。尽管协议允许镜像并注明来源,但大厂行为可能影响官方生态的代表性、用户入口控制权以及下载分发统计口径,最终导致开源社区边缘化,甚至引发圈地运动,形成商业闭环。

Q腾讯等大厂争相推出OpenClaw相关产品的深层动机是什么?

A大厂的深层动机是抢占AI时代的新入口和流量分发权,通过本地化镜像和平台化封装,将用户接入自身生态体系,培养用户习惯,最终控制Agent服务的曝光、推荐、审核和商业化路径,形成类似过去互联网时代的围墙花园模式。

Q文章认为OpenClaw在中国面临的最大风险是什么?

AOpenClaw在中国面临的最大风险是大厂以‘本地化适配’和‘便捷分发’名义进行圈地,逐步掌控用户入口和生态控制权,导致原本开放、个人掌控的Agent生态被封装进大厂商业闭环,失去自主性,沦为平台附属组件。

你可能也喜欢

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit11分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit11分钟前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit1小时前

年薪百万抢电工,Meta急到自己办技校

marsbit1小时前

交易

现货
活动图片