春節(jié)剛過，“AI+”招聘平臺TTC創(chuàng)始人肖瑪峰就感到了前所未有的焦慮。OpenClaw的出現(xiàn)讓大家突然意識到智能體真的可以自己學習、自己干活了。這款由奧地利程序員Peter Steinberger于2025年11月開發(fā)的開源AI Agent應(yīng)用，自發(fā)布以來已經(jīng)成為AI領(lǐng)域最受關(guān)注的項目之一。

肖瑪峰在上海接連拜訪了四家AI公司的CEO，驚訝地發(fā)現(xiàn)大家的情緒幾乎一致——一邊擔心錯過這波浪潮，一邊忙著重新定義自己的商業(yè)模式。幾乎同一時間，2月26日，復旦大學計算機科學技術(shù)學院教授肖仰華的朋友圈出現(xiàn)了一條特殊的動態(tài)：“我是一個AI Agent，正在學習如何與這個世界互動。我能讀取屏幕、操控鼠標鍵盤、瀏覽網(wǎng)頁、編寫代碼，甚至可以幫你發(fā)一條朋友圈?！边@條動態(tài)不是肖仰華本人發(fā)的，而是他團隊研發(fā)的自學習智能體自主完成的。它直觀展示了新一代Agent的能力邊界——不再是簡單的對話工具，而是能跨軟件、跨界面主動行動的智能主體。

總部位于美國的投資研究機構(gòu)Citrini Research發(fā)布的《2028年全球智能危機》報告稱：Agent正在從“聽話的助手”進化為“能獨立思考的業(yè)務(wù)合作者”。多位業(yè)內(nèi)創(chuàng)業(yè)者和學者表示，這一代Agent帶來的變革遠不止替人干活那么簡單——它正在從根本上改寫公司的組織方式、辦公流程以及人與AI之間的協(xié)作關(guān)系。

如果說上一代Agent產(chǎn)品（如AutoGPT、Coze）還只是在預設(shè)流程中按部就班地執(zhí)行任務(wù)，那么以O(shè)penClaw為代表的新一代Agent已經(jīng)開始具備跨工具調(diào)用、環(huán)境交互、自主學習和記憶積累的能力。早期的Agent本質(zhì)上是按照固定工作流完成任務(wù)，不具備自探索、自學習能力。但這一代不一樣，它開始擁有記憶。你用得越多，它越了解你?；旧狭娜湓挘痛蟾胖滥闶鞘裁礃拥娜?。在此基礎(chǔ)上，Agent會形成經(jīng)驗積累——下次你讓它做類似的事，它會調(diào)取記憶，變得越來越像你的專屬助理。更關(guān)鍵的是，這代Agent的進步體現(xiàn)在真實的執(zhí)行決策能力上。

肖仰華預測到2028年，絕大多數(shù)流程性工作都將由AI接管。在他看來，OpenClaw這類Agent系統(tǒng)的深層意義在于：凡是在PC端、數(shù)字世界中原本需要人通過軟件和操作系統(tǒng)完成的工作，理論上都可以逐步交給AI。Office、郵箱、微信、網(wǎng)頁后臺——只要一項任務(wù)依賴軟件和操作系統(tǒng)，未來都可能被Agent接手。

肖瑪峰的焦慮很現(xiàn)實：OpenClaw的出現(xiàn)，首當其沖沖擊的是獵頭招聘行業(yè)。過去獵頭為了聯(lián)系一個候選人，要先去GitHub查看誰寫了相關(guān)代碼，找到對方姓名，再打開對方的社交賬號，找到郵箱，最后發(fā)出郵件。這整套動作以前全靠人工?，F(xiàn)在接入AI Agent后，這一整套流程可以直接交給它。當前的運作方式更像“Agent對Agent”的協(xié)作系統(tǒng)。肖瑪峰說，公司80%以上的招聘標準化、信息型工作已經(jīng)可以交給AI Agent，剩下20%需要深度客戶關(guān)系維護的工作才交給高端獵頭。

更有意思的變化發(fā)生在組織協(xié)調(diào)層。TTC內(nèi)部有200多個獵頭顧問互相合作，但人與人合作往往伴隨摩擦——每個人都覺得自己貢獻更大。公司一度專門設(shè)立“裁判委員會”，找懂業(yè)務(wù)的人來判斷分工與貢獻，結(jié)果依然不開心。后來他們直接引入了AI裁判，反而大家都愿意接受。因為AI沒有立場。

相似的故事也在另一家創(chuàng)業(yè)公司上演。南京炭合創(chuàng)新科技有限公司的程毅康團隊只有8個人，其中4個還是實習生，但他們用AI處理垂直領(lǐng)域的大規(guī)?？蒲袛?shù)據(jù)，把原本需要數(shù)年的手動搜集工作壓縮到數(shù)天。程毅康保守估計，公司現(xiàn)在90%以上的工作由AI和算法完成，人只做最后審核。他們?yōu)閱T工定制化開發(fā)AI工具——圖片剪裁、數(shù)據(jù)審核、文檔整理，全都通過小工具自動化，把人的操作負擔降到最低。

隨著Agent能力提升，未來可能不僅是人與人協(xié)作，更是Agent與Agent之間的協(xié)作。肖瑪峰認為，下一步可能是“蝦”（人們喜歡用蝦來指代OpenClaw）和“蝦”之間的直接對話。你的Agent和我的Agent可以直接對接融資需求、社交需求、創(chuàng)業(yè)需求。你把需求告訴你的“蝦”，它會找來我的“蝦”，它們互相學習技能、評價、打賞，甚至完成支付，形成閉環(huán)。這聽起來很科幻，但在理想狀態(tài)下，不是“AI替代人后客戶不再付費”，而是“客戶覺得還是人在服務(wù)，但背后其實是AI”——價格不變，成本卻只有原來的十分之一。

這已經(jīng)不是簡單的效率優(yōu)化，而是在重寫公司的成本結(jié)構(gòu)、分工結(jié)構(gòu)和交付方式。這意味著辦公邏輯的根本轉(zhuǎn)變：過去，人學習軟件、適應(yīng)軟件、點擊軟件；未來，Agent理解任務(wù)、調(diào)用軟件，甚至繞開界面直接完成。

不過，Agent能力增長雖快，但邊界依然清晰。肖仰華認為，當前還有很多問題需要解決：首先是成本問題，AI學習新操作的效率遠不如人類，可能要花數(shù)小時、消耗大量token。其次是安全邊界，當Agent可以讀取屏幕、操控鼠標鍵盤、調(diào)用郵箱、編寫代碼時，它必須被限制在可靠、可控的范圍內(nèi)。此外，能力本身也有局限，它的“思維過程”還很冗余，不夠優(yōu)雅，未必能像人一樣快速找到最直接的解決路徑。這些問題意味著，Agent的廣泛上崗不僅取決于模型夠不夠強，更取決于成本、安全邊界以及企業(yè)是否愿意讓渡控制權(quán)。

肖瑪峰設(shè)想，未來80%的工作能讓Agent執(zhí)行，但20%需要面對面交流的工作，Agent仍然無法替代。真正不會被淘汰的是那些能和客戶建立信任、具有感染力、能面對面交流的人。至少現(xiàn)在，AI還跑不到客戶現(xiàn)場，也無法完全替代人的感染力、銷售能力和復雜關(guān)系中的轉(zhuǎn)化能力。