36氪
共 1718 条资讯-
消失的“龙虾”热：OpenClaw 访问量腰斩，QClaw 暴跌99%
<p>今年3 月，OpenClaw 在 AI 圈迅速走红，火到什么程度呢？</p> <p>3 月 3 日，OpenClaw 在 GitHub上总 Star 数突破<strong>25 万</strong>，成功超越React，成为 GitHub 史上<strong>增长最快的开源项目</strong>。要知道，这一数字是React 经历了 10 多年时间积累才达到的，而 OpenClaw 仅用不到<strong>60 天</strong>就完成了超越。据华鑫证券援引OpenRouter 数据显示，截至 3 月 15 日，OpenClaw 当月累计调用量已达到<strong>10.4T Tokens</strong>，成为<strong>全球Token 调用量最高的 AI 应用</strong>。</p> <p>然而，这泼天的流量，来得快，去得也快。据非凡产研统计数据，今年4月，OpenClaw访问量直接腰斩至1420万，<strong>环比跌幅达50.67%</strong>。由OpenClaw衍生出来的一系列的龙虾Agent，月访问量也是大幅跳水，特别是腾讯旗下 QClaw 环比直接<strong>暴跌99.19%</strong>。</p> <p class="image-wrapper"><img data-img-size-val="952,1709" src="https://img.36krcdn.com/hsossms/20260519/v2_0c20de9bc6e7440a8bc60796e8ffd652@5324324_oswg217826oswg952oswg1709_img_jpg?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p class="img-desc">2026 年 4 月全球 claw 类产品访问量，图源：非凡产研</p> <p>三个月，“龙虾”从热了到熟了，如今难道要“凉了”？</p> <h2><strong>01 那些不会用“龙虾”的人，正批量退场</strong></h2> <p>据奇安信3月发布国内首份《OpenClaw 生态威胁分析报告》显示，<strong>部署在中国和美国的OpenClaw，合计占全球总数的 65% 以上</strong>。那时的国内，无数人排着长队去找代安装，各种会议、沙龙接连不断，OpenClaw 的微信指数更是一度飙升至 <strong>1.65 亿</strong>，所有人都在热烈讨论着如何让这只虾帮助人们<strong>提升效率、创造收益</strong>。</p> <p class="image-wrapper"><img data-img-size-val="1080,948" src="https://img.36krcdn.com/hsossms/20260519/v2_1a680b590fc049da976967a6db82957a@5324324_oswg65221oswg1080oswg948_img_jpg?x-oss-process=image/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p class="img-desc">OpenClaw 微信指数变化</p> <p>虽然在这期间也有人泼冷水：“如果连安装都要代劳，那安装好了之后的用处也不会很大。”只不过，当时这句话被淹没在一片狂欢里。</p> <p>而现在，这句话却成了最扎心的真相。随着OpenClaw 热度退潮，连锁反应也迅速传导，其衍生出的 CoPaw、nanoclaw、EasyClaw 等一众<strong>国产龙虾Agent 统统遇冷</strong>，InStree 这类 Agent 社区月访问<strong>跌幅更是高达91.10%</strong>。寒意席卷之下，国内退坑的人越来越多。</p> <p>首批退坑的，就是那些连安装都要找人的跟风者。龙虾刚出现时，“开源免费、自动做任务、躺平办公、轻松赚钱”等声音铺天盖地，不少人的判断被扰乱了，根本没意识到养虾并不是像豆包、DeepSeek 一样直接对话、“开箱即用”，而是<strong>存在实操门槛</strong>，安装之后还有部署、调用API、授权等一系列操作。</p> <p>这批<strong>跟风进来的普通用户</strong>，也是眼下离场规模最大的群体。他们弃坑的主要原因在于<strong>时间成本倒挂——</strong>不仅没省下来时间，反而还花了大量时间去学习如何部署、调试，最后直呼“鸡肋”。此外，还有些人只是把养虾当作一种<strong>社交货币</strong>，赶个潮流，安装上、试过了就觉得跟得上时代、走在AI 前沿了，出门在外跟别人也能聊上两句，但实际上<strong>并没有找到真正的使用场景和需求</strong>。热度褪去，自然也就不再用了。</p> <p>还有一类退坑的，是<strong>部分创业者</strong>。养虾热潮时期，<strong>“一人公司”</strong>概念也被炒得火热，很多创业者想用Agent 打造出多名<strong>数字员工</strong>，帮自己完成大部分工作，实现“一个人干一个团队活”。结果使用后被稳定性和维护成本劝退，龙虾不仅没能成为数字员工，反而变成了“数字祖宗”，<strong>Token供着它、手动修着它</strong>，纯属自讨苦吃。</p> <p>就连OpenClaw 的创始人都亲自发文承认，今年 4 月底由于插件迁移不稳定及核心架构调整，导致<strong>大面积用户体验被中断</strong>的事实。</p> <p>雪上加霜的是，今年4 月初，Anthropic 突然宣布订阅服务不再支持 OpenClaw 等第三方工具，且新
-
高瓴出手了一家AI体育科技公司，曾获李泽湘天使轮融资｜硬氪首发
<p>作者｜黄楠</p> <p>编辑｜袁斯来</p> <p>硬氪获悉，AI体育科技公司SportVision近日已完成天使+轮融资，高瓴创投（GL Ventures）领投，谦恒资本担任独家财务顾问。本轮资金将重点用于核心技术研发、产品量产落地及市场的拓展推广。其新款AI网球训练相机产品计划发售中。</p> <p>SportVision隶属于深圳思博威视体育科技有限公司，长期专注运动算法研发与硬件产品应用、构建AI智能教练体系，此前已获得李泽湘教授旗下清水湾基金的天使轮投资。</p> <p>过去几年，运动科技赛道几乎被硬件厂商重新定义了一遍。发球机让“一个人练球”成为可能，运动相机令“训练过程的记录”不再需要专人跟拍，智能手表/手环把心率、步频、消耗卡路里等量化成精确的长期数据记录。</p> <p>尽管每一类产品都跑出了规模不小的公司，但它们各自停留在陪练、记录、监测的单点功能上——数据相互独立、能力无法贯通，难以为用户提供连贯、整体的个性化支持。</p> <p>运动人群的深层渴望远不止于被记录，还有被指导、被陪伴、被看见进步。一场更底层的变革正在发生：从“记录工具” 到 “AI运动Copilot”的跨越，运动科技赛道正在重写。</p> <p>工具只需完成指令，而Copilot则可以像教练一样理解状态、识别动作、纠正习惯，甚至在运动热情消退时成为那个督促陪伴的人。</p> <p>要补上这道体验鸿沟，用户需要的不只是更强性能的硬件，更是一个能把整合所有信息、真正理解运动者的“大脑”。这也正是SportVision精准切入的核心位置。</p> <p class="image-wrapper"><img data-img-size-val="4096,3072" src="https://img.36krcdn.com/hsossms/20260515/v2_37caeed72e0f40a383144bc0682f1dc6@6022551_oswg3843123oswg4096oswg3072_img_jpg?x-oss-process=image/quality,q_80/format,jpg/interlace,1" referrerpolicy="no-referrer"></p> <p class="img-desc">全运会现场所使用的SportVision设备（图源/企业）</p> <p>SportVision创始人陈楷夫本科毕业于吉林大学物理学院严济慈班、哥伦比亚大学机器人学硕士，曾在MMLab从事姿态识别与目标检测算法研究；身为一名前游泳运动员，他对运动学习、动作纠正与训练效率的痛点有切身感知，正是这段经历，让他决心用AI技术破解非结构化运动数据难题，构建一个可规模化、可复制的个性化运动产品和训练体系。</p> <p>联合创始人杨晨旭是资深网球爱好者，曾在腾讯、字节负责AI产品开发。多位团队核心成员来自商汤、字节、阿里、腾讯等头部科技企业，具备AI算法、软硬件一体化研发与全球化品牌运营能力，已形成了从技术研发到产品落地的完整闭环。</p> <p>公司起步初期，SportVision选择从羽毛球场景切入进行关键产品验证，首款产品“好球哇”是一套羽毛球AI运动相机方案。设备可实时采集球场画面，通过视觉算法自动识别并捕捉用户的运动高光时刻，为普通运动爱好者、专业运动员及赛事场景，提供高光集锦、赛事直播、运动数据分析等一体化服务。</p> <p>这套系统落地了全国数十家头部羽毛球馆，并获得林丹、王睁茗、龚睿那等世界冠军在内的多位种子用户支持。在赛事侧，该系统也服务了全运会残特奥会、粤港澳大湾区羽毛球比赛、深圳杯等多场关键赛事。</p> <p>但它真正的价值，远非硬件本身，而是持续运行中沉淀的海量运动数据。</p> <p>在拍摄过程中，SportVision自研算法能实时分析并智能预测运动轨迹，根据比赛进程自动调整摄像角度，对复杂的多人运动场景进行针对性学习优化。从世界冠军到刚入门的爱好者，从专业教练的指导语料到普通用户的练习习惯，场馆设备每天运行十几个小时，能收集到各类各样的泛化数据。每一场球、每一次挥拍、每一个得分瞬间，都在被系统记录、拆解、分析。</p> <p>这是一座难以被发球机或运动相机采集到的数据矿。</p> <p>运动学习的基本机制分为三个阶段：认知阶段（通过视觉掌握动作要领）、联想阶段（在反复练习中形成神经通路）、自主阶段（动作固化成为肌肉记忆）。其中联想阶段的及时反馈最为关键：动作做对还是做错需要在几秒内被确认，否则错误动作就会被“练熟”。</p> <p>陈楷夫向硬氪指出，“此前，多数运动AI解决方案仍停留在‘事后分析’阶段，用户完成运动后上传视频、系统给出复盘报告。但这种模式错过了最佳纠正窗口。”</p> <p>因此，SportVision想搭建的，是一套基于实时交互的预判式AI。</p> <p>“好的运动员不一定是好教练，好教练的价值在于知道怎么教。”陈楷夫说，“我们要做的，是把教练的教法萃取出来，让AI学会怎么教。”</p> <p>随着网球、羽毛球、匹克球等拍类运动在全球范围内持续升温，用户对运动提升的需求愈发迫切。传统的请教练模式面临成本高、频次低的矛盾，一周请一两次教练，用户练习时无法得到反馈，对于向网球这样的运动，可能需要一年才能从入门到实现“对打社交”。正反馈周期长，也使得很多人停留在了入门阶段。</p> <p>这正是SportVision的核心壁垒所在：那些在球场上日夜运转的设备，收集到的海量数据。从骨骼点识别到动作模式分析，从专业运动员的动作库到普通用户的练习轨迹，这些数据构成了可迁移的技术底座，能够在各类拍类运动中得以技术复用和迁移。</p> <p class="image-wrapper"><img data-img-size-val="1080,1440" src="https://img.36krcdn.com/hsossms/20260515/v2_e83ef8
-
15家车企齐涨价，新能源车卷不动了？
车市物语
