方正、广发、中信、东吴、东北、国金、浙商、华创——这八家券商的金融工程团队在同一时间段内，各自独立发布了关于OpenClaw部署与应用的专题研报。内容不讲宏观，不谈估值，就是手把手教人怎么装、怎么配、怎么在金融场景里跑起来。

这种情况在券商研报史上很少见。金工团队写这类内容，不是追热点，是因为他们内部已经在用，并且觉得有必要给整个行业同步一遍使用方法。

背景放在这里：OpenClaw是由海外开源团队ClawAI于2025年12月发布测试版、2026年1月推出正式版的开源AIAgent框架，因项目官方图标为红色波士顿龙虾，国内用户将其个性化训练和部署的过程称为"养龙虾"。

从诞生起仅4个月就登顶GitHub软件类星标榜，成为史上增长最快的开源项目。截至3月8日，OpenClaw在GitHub星标数已达到26万、Fork数接近该里程碑。这个速度超过了React和Linux当年的增长曲线。

但GitHub星标是开发者热情，不是行业应用落地。真正有意思的是：一个工具在金融合规严苛、数据安全敏感的行业里，获得了机构研究团队的系统性背书。这两件事不是同一件事。

来源：trendingtopics

它解决的是"让AI干活"的问题

现在大部分人用大模型的方式，本质还是高级搜索引擎——问一个问题，得到一段回答，然后自己去验证、执行。这个链条里，AI负责出主意，人负责动手。

OpenClaw切的是这个环节。华创证券在报告里做了一个直接的类比：传统云端大模型是一位只给方案的远程顾问；OpenClaw运行在本地或私有云，拥有与用户等同的操作系统权限，能直接操作终端、写代码、管文件。换句话说，它不只有大脑，还有手。

这个差别在金融投研场景里具体表现是什么？国金证券的报告给出了一个典型案例：自动抓取每日A股公告、识别分类、提取关键金额与主体，生成Excel汇总和一句话简报，按时推送到分析师手机上。这是把一整套日常工作流直接外包给了机器。

东吴证券还测试了另一个场景：一句话指令，OpenClaw自主查阅数据，生成包含估值、股息、龙头数据的分析报告，自动保存为Word文件到本地指定目录。方正证券的演示更激进——让OpenClaw访问量价因子库，自主完成小盘价值选股策略的历史回测和最新持仓筛选。

这些场景以前不是不能实现，但需要分析师懂Python、会SQL、清楚WindAPI的调用方式，中间还有一堆工具切换的摩擦成本。OpenClaw的价值不是替代了某一步，是把这些步骤之间的摩擦全部抹掉了。

来源：Pexels

国金证券点出的那句话，才是关键

八家研报里，我觉得最准确：OpenClaw的意义在于帮助投研人员实现"从临时调用到稳定调用的升级"。

这句话说的是什么？就是记忆和积累的问题。

普通大模型每次对话结束就重置，没有上下文延续，没有个人偏好记忆，每次都要重新说明背景。分析师用了半年，模型对他的习惯一无所知，还是那个陌生工具。

OpenClaw通过SOUL.md、MEMORY.md、AGENTS.md这类Markdown文件管理AI的行为逻辑，可以沉淀人格设定、历史记忆、行为规范。用得越久，它越懂你的工作方式。截至2026年3月，官方社区市场ClawHub已收录超过5700个Skills，其中金融投资类超过311个，占总数的9.5%。这些Skills本质上是可复用的工作流组件，团队安装一次，所有人受益。

这才是机构愿意花时间写部署手册的真实原因。一次性工具不值得写报告，能沉淀的系统才值得。

市场层面：资本已经在投票

OpenClaw的爆火正在A股市场形成"养虾"热潮，云部署与生态服务最直接受益；Agent渗透率提升驱动Token消耗激增，本地运行加云端调用的双重算力需求使算力基础设施成为刚性需求。

根据公开披露信息，目前已有10余家公司部署OpenClaw或完成适配对接。以3月5日融资余额与2025年末的变动来看，其中3家公司融资余额增幅超过30%，分别是优刻得-W、北信源、龙芯中科；顺网科技、拓维信息、科大讯飞、青云科技-U的增幅也均超过10%。

政策层面也有新动向。2026年政府工作报告提出，深化拓展"人工智能+"，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用，培育智能原生新业态新模式。

深圳龙岗区已发布"龙虾十条"支持政策，无锡高新区随即跟进了补贴力度更高的"养龙虾12条"，最高补贴500万元。地方政府的动作，通常比市场预期提前6-12个月。

市场规模方面，赛迪顾问预测，2025年中国大模型市场规模约490亿元，预计2026年将超过700亿元，2027年有望达到1000亿元，这一增长主要由MaaS服务、行业专用模型和智能体应用驱动。

三个被低估的结构性问题

第一，算力消耗的结构变了。对话式AI是间歇性算力需求——用户问一句，等一个答复，结束。Agent是持续性算力需求——它在后台自主运行，链式调用，反复迭代。同样的任务量，Agent框架的Token消耗可能是普通对话模式的5到10倍。这对算力基础设施是真实的结构性利好，不是概念。

第二，Skills市场的分化会很快到来。现在ClawHub上5700多个Skills良莠不齐，金融类311个里真正经过机构验证的屈指可数。参考AppStore早期的混乱和后来的分化，接下来一到两年会出现专业化的Skills开发商，以及针对行业的Skills审核与认证体系。这是一个尚未被认真占位的赛道。

第三，数据安全边界没有厘清。OpenClaw拥有操作系统级权限，华创证券在报告里明确提示"强烈建议不要在主力计算机上安装"，方正证券也建议部署在与工作电脑隔离的环境里。券商合规部门对此的态度目前尚不明朗。一旦出现数据泄露事件，监管跟进的速度可能超出市场预期，这个风险不在价格里。

哪些团队适合现在入手，哪些应该等

信息处理量大、重复性高的团队优先。公告爬取、数据汇总、定时推送，这类任务边界清晰，AI幻觉的风险可控，收益立竿见影。这也是目前八家券商研报里实操案例最集中的方向。

量化回测和数据库直连适合有一定技术底子的金工团队。方正证券的演示里需要预先封装接口、配置权限，不是纯自然语言指令就能跑起来的，中间有学习成本。

需要签字确认的决策环节，现在不适合。AI幻觉在金融场景里的代价不是"答案不够好"，而是"可能构成误导性信息"。这条线不能模糊。

来源：Unsplash

最后说一个更大的事

OpenClaw在金融圈的扩散，说到底不只是个效率工具替换的故事。原来由初级分析师承担的信息整理、数据清洗、报告初稿，正在被Skills化、自动化、批量化地接管。

这是行业人力结构调整的前兆，应该算是个技术新闻。

初级岗位的工作量被压缩之后，"有价值的分析师"这个定义会收窄——能设计工作流、判断AI输出的质量、在模糊信息里作出决策的人，溢价会上来；依赖信息处理量堆出来的工作者，压力会越来越大。

我觉得，用不到多久，Openclaw风就会吹遍金融行业。让我们拭目以待吧。

数据来源：方正证券、广发证券、中信证券、东吴证券、东北证券、国金证券、浙商证券、华创证券研报，财联社

本文不构成投资建议，市场有风险，投资需谨慎。