企业养虾时代开启?Anthropic连夜更新架构,中国大厂已经跑通
![]()
新智元报道

![]()

【新智元导读】代码成本趋近于零,产品护城河正在消失。养虾夜更AI下半场,时代真正决定胜负的开启,是新架那套让上万只虾同时稳稳干活的「养虾厂」。

OpenClaw,构中国37万星标。厂已Hermes Agent,经跑三个月14万星标。企业
2026年上半年,养虾夜更全球开发者最大的时代共识就是一件事,养虾。开启
但在公司里,新架几乎每个最早用上OpenClaw的构中国人都经历过「打脸一幕」。
你把自己的厂已虾调教得飞起,帮你写周报、整理邮件、自动跑数据,同事围过来看了一眼,说这东西好用。
消息传到老板耳朵里,老板一拍桌子,全公司都用上。
然后,你发现,真正的麻烦才开始。
![]()
一个跑飞了的任务烧掉整个月的Token预算,没人知道是哪只虾干的;1000个人各自养的虾,经验互不相通,每个人都在从零开始教。
阿里云智能集团副总裁张献涛跟企业客户聊了一圈,听到最多的六个字,「能用,但不好用」。
光环之下,Agent落地面临重重困境。
![]()
老黄也看到了同一个问题。
GTC 2026上,英伟达联合OpenClaw创始人推出了NemoClaw企业版,主打一键部署和沙箱隔离。
老黄在演讲里的原话是,每一家企业、每一家软件公司都需要一个Agent战略。
![]()
80%的累活,平台包了
不过,现实比口号骨感。
不少企业兴冲冲地拿OpenClaw自建,玩了一个半月,灰头土脸地回来了。故事大同小异。
某科技厂商,自己技术团队相当能打,拉了一帮人直接干,选的就是自建。
结果,等Skill全开发完了,才发现一个要命的事实:OpenClaw这套架构要求容器7×24小时在线,一旦下线,龙虾就离线、就失联。
也就是说,每一个用户都得长期独占一个容器。
可用户动辄几千万,给每个人都挂一个永不关机的容器,这笔账,谁算谁头皮发麻。
更刺激的还在后头。
几千万只龙虾各自为政地跑着,只要有用户改改prompt、动动网关,分分钟把虾跑坏。
单看一只概率极低,可基数一上去,故障率立刻变成噩梦。
![]()
再赶上3月底OpenClaw大更新突然不向前兼容,之前辛辛苦苦攒的活儿全打水漂,用户一天能有好几个小时用不了。
![]()
还有一家科技公司,路子更「专业」:买了阿里云的云电脑,再配上某知名安全公司的智能体管理软件,自己攒平台。
4月初,他们还挺兴奋,觉得这套组合拳真能打。
结果某天,一次升级,所有智能体集体下线,大量记忆直接丢失。
损失惨重。
这,就是横亘在企业面前那堵实实在在的「南墙」:安全性、稳定性、工程复杂度,三座大山压顶。
![]()
OpenClaw解决了「Agent能不能用」,却完全没回答「企业敢不敢用、用不用得起、好不好用」。
2026阿里云峰会上,阿里云亮出了JVS智能体套件的完整阵容,面向个人的JVS Claw、面向企业的JVS Crew、面向移动端的JVS Mobile。
![]()
其中JVS Crew,就是那个企业级的「龙虾量产工厂」。一个全托管、易集成、可管可控的企业级Agent构建平台。
它的本质,不是又一个Agent,而是一套Agent时代的操作系统。
企业搞Agent时候那些最头疼的活儿,多租户隔离、安全合规、成本核算、渠道对接,JVS Crew全包了。你只管养虾,别的不用操心。
![]()
至于接入方式,JVS Crew走的是「被集成」路线。
也就是说,你不用扔掉现有系统重来一套。
JVS Crew更像一个底座,直接塞进你现有的App、业务系统、甚至硬件里,让你的产品「长出」虾的能力。
钉钉、飞书、企业微信、QQ这些主流渠道,开箱就能接,一次搭好,全渠道都能用。
定价也有意思。没有席位费,纯按用量算,用多少付多少,月底结账。
用张献涛的话说,让每一个企业、每一个用户都敢用、用得起。
![]()
手脑分离
为什么要把虾「拆开」
支撑JVS Crew的底层架构,叫「手脑分离」。
OpenClaw的问题就在这,大脑、双手、记忆全绑在一起,跑在同一个进程里。
个人用无所谓,但企业里一旦某个环节出了问题,整只虾就得重启。
想换个模型,执行环境也得跟着动。想多开几只虾,所有层都得一起扩。牵一发动全身。
JVS Crew基于Harness工程理念,把这三样东西彻底拆开了。
![]()
大脑(Agent层),只管想。模型和提示词随时换,今天用通义,明天换GPT,干活的那部分不用动。
双手(Environment层),只管干。每个任务跑在独立的云端沙箱里,互不干扰。
最厉害的一点是,JVS Crew用了快照技术做状态保存,虾跑到一半断了,工作区文件不会丢,能从断点接着跑,不用从头再来。
这个「断点续跑」听着简单,背后是一套完整的存算分离和快照恢复机制。当企业同时跑几千只虾的时候,每一只虾的工作状态都要被可靠地保存和恢复,这是分布式系统里的经典硬骨头。
神经系统(Session层),负责协调。大脑和双手之间谁先谁后、做到哪一步了、下一步该干什么,全靠它串。
三层各管各的,各自升级,互不影响。换模型不影响执行环境,加机器不需要动推理逻辑。从1只虾扩到10000只虾,架构不用重新设计。
![]()
有趣的是,大洋彼岸也走到了同一个路口。
Anthropic在4月推出了Claude Managed Agents(CMA),最初把Agent逻辑和执行环境全部托管在自己的云上。
![]()
但就在5月19日,Anthropic给CMA加上了self-hosted sandboxes,把执行层拆到了企业自己的基础设施里,编排留在云端。
跟JVS Crew从第一天就采用的「手脑分离」几乎是同一张设计图。
![]()
三道安全墙:放手让虾干,但别让虾跑偏
虾最酷的能力就是「自主执行」,自己规划、自己调工具、自己把活干完。
但换个角度想,自主执行就意味着不可预测。在企业里,不可预测是要命的。
JVS Crew的做法是给虾装三道「墙」。
![]()
第一道,身份墙。
基于RBAC做角色权限管控,谁能用什么工具、看什么数据,全部跟角色绑定。
销售的虾能查客户信息,但看不到财务数据。管理员在后台统一配,不用一个个去设。
第二道,内容墙。
进来的信息、处理中的数据、出去的结果,三个环节各有一道安全关卡。
输入层防Prompt注入,有人想用恶意指令劫持虾的行为,进门就拦住。
处理层自动识别PII敏感信息,虾处理数据的时候碰到身份证号、手机号,直接打码。
输出层做合规审查,虾输出的内容不合规,最后一道关卡兜底。
第三道,执行墙。
VM加安全容器的双重隔离,虾跑在沙箱里,出不去。
碰到转账、删数据这类高危操作,虾做完判断之后不会自动执行,而是停下来等人点头。放手让它干,但关键时刻人说了算。
别觉得这是杞人忧天。
今年2月,SecurityScorecard发现超过4万个暴露在公网上的OpenClaw实例,三分之一有已知漏洞。
![]()
Token Security的报告同样指出,22%的员工在公司电脑上自己偷偷装了OpenClaw,IT部门压根不知道。
![]()
要是这些虾跑在三道墙里面,大部分安全事故根本不会发生。
让虾在企业里真正「能打」
安全是底线,但光有底线还不够。
JVS Crew还在三个地方下了功夫,让虾从「能跑」变成「能打」。
![]()
首先,是记忆。
OpenClaw原生的记忆方案是一个MEMORY.md文件,本质上是纯文本存储,能力有限。
Mem0等第三方插件可以增强,但离企业级的跨会话记忆管理还有距离。
JVS Crew把记忆做成了平台级的能力,分两层:
本地记忆,轻量快速;
增强记忆走云端向量数据库,能在海量历史里精准召回需要的上下文,省Token还快。
更关键的是,记忆可以在团队里共享。销售A积累的客户沟通经验,销售B的虾也能用上。个人经验变成了组织资产。
其次,是成本。
企业用Agent最怕什么?
月底看账单。一个复杂任务跑起来,Token烧得飞快,而且很难提前估。
JVS Crew搞了一套从公司到部门到个人到单只虾的四级预算,花到80%自动提醒,花到100%自动停。
配一个实时看板,钱花在哪、谁花的,一目了然。
最后,是排障。
虾出了问题,最怕不知道问题出在哪。
JVS Crew建了一套端到端的Trace链路,虾干活的每一步都记下来了,从接到任务、开始干活、调了什么工具、返回了什么结果,全链路可追溯。出了bug秒级定位,不用翻日志碰运气。
已经有人跑起来了
JVS Crew商业化不到两个月,已经有好几个行业的企业用上了。
大智慧拿它做了AI投研助理,接进自己的APP,2周上线。用户粘性翻了一倍,云成本砍了一半。
义乌小商品城把它接进「世界义乌」App,让虾自动生成爆款内容策略、优化多语种投放文案。同样2周上线,运营效率提升5倍。
中远海运科技用它搭了一个叫Hi-Dolphin的Agent矩阵,覆盖全球航运业务的信息分发。Agent上线效率提升10倍。
上海医米围绕医学文献、药品说明、医学翻译、医疗档案四个场景做了智能助手,2周集成完毕,支撑100多个复杂任务同时跑,审核时间省了一半。
四个行业,四种打法。落地周期都以「周」计算。
AI的下半场
现在,Agent的瓶颈已经换了。
去年这个时候,所有人讨论的还是模型够不够聪明。
今年,行业共识悄悄转向了另一个问题,工程底座怎么搭。
模型已经聪明到了值得认真对待的地步。而认真对待一只虾,意味着给它配上水电气、门禁、消防和物业管理。
一间平房和一栋摩天大楼,用的是完全不同的地基和管线系统。你不能把一千间平房堆在一起就叫摩天大楼。
更远一步看,当代码成本趋近于零,产品本身的护城河就在消融。
SaaS在往Agent蔓延,Agent在往基础设施下沉。
最聪明的那只虾会被记住。但最终留下来的,是最稳的那座工厂。