共计 2779 个字符，预计需要花费 7 分钟才能阅读完成。
在智能代理的较量中，谁也没有时间等待。
作者|桦林舞王
编辑|靖宇
2025 年底，来自奥地利的开发者彼得·施泰因伯格（Peter Steinberger），在短短一小时内创作了一个名为 Clawdbot 的代理工具，取名灵感源自 Claude。然而，Anthropic 对此发出律师函，威胁采取法律行动，施泰因伯格被迫将其更名为 Moltbot，随后又改为 OpenClaw。
原本这只是小事一桩。
然而，OpenClaw 迅速走红。在 GitHub 上，它的星标激增至 17 万，单周访问量突破 200 万，成为历史上增长速度最快的开源代理项目之一。更重要的是，它默认推荐使用 Claude 模型来完成任务，这在某种程度上成为了 Anthropic 最大的免费流量来源之一。
紧接着，Anthropic 做出了一项愚蠢的决定：开始封禁那些将 Claude API 接入 OpenClaw 的用户账号。
社区瞬间沸腾。
Vercept 的产品使 AI 能够控制电脑|图片
「使用自己支付的 API 进行自动化，却遭到封号」，这样的举动令 AI 社区对 Anthropic 的看法一夜之间发生了翻天覆地的变化，施泰因伯格本人也对 Anthropic 彻底失去了信心。
2026 年 2 月 15 日，山姆·阿尔特曼（Sam Altman）宣布彼得·施泰因伯格加入 OpenAI，负责下一代个人代理。
11 天后，Anthropic 宣布收购 Vercept。
媒体对此的第一反应多是：「又一家初创公司被大企业收购了。」
但是，当将这两件事结合起来看，所传达的信息是：AI 战场正在经历一次显著的转变——从「谁的模型更智能」到「谁能真正让 AI 控制电脑」。
在这一转变中，Anthropic 目前处于被动追赶的状态，而这部分是其自我造成的。
01
屏幕，真正的「最后一公里」
过去几年，AI 能力的提升大多发生在对话框中——你输入文字，它便给出回应，越来越精准流畅且快速。然而，有一点始终未变：你仍需亲自打开软件、点击按钮、复制粘贴，然后再询问 AI 接下来该如何行动。
这正是 Agent 所要解决的难题。
Agent 的目标并非让 AI 更聪明地回答你的问题，而是让 AI 直接为你执行任务：例如，帮你打开 Excel、填写表格、切换到邮件客户端、发送数据，最后关闭窗口。整个过程中，你只需说出一句话。
然而，关键在于，要实现这一点，AI 必须首先「理解」你的屏幕——识别出每一个按钮、输入框和菜单，并像人类一样进行点击。
尽管这听起来简单，实际上却极其复杂。
有趣的是，在 AI 编写代码、进行分析和生成报告等领域，各家之间的差距正在缩小。但在「看屏幕、控制电脑」这一点上，差距依然显著。
OpenAI 的 Operator 在 OSWorld（模拟真实计算机操作的基准测试）中的得分为 38.1%。而Anthropic 的 Computer Use 仅为 22%。人类的平均水平则是 72.4%——没错，目前 AI 在这方面远不如普通人来得得心应手。
02
Vercept 的独特之处何在？
这正是 Vercept 受到关注的原因。
Vercept 的创始团队来自艾伦人工智能研究所（Ai2），他们在机器人感知、计算机视觉和强化学习等领域都有着深厚的技术积累。
Vercept 团队开发的 Vy，采用了与 OpenAI 截然不同的技术路径。
Operator 的思路是「解读代码」：通过解析网页的底层 DOM 结构（文档对象模型），理解界面中可交互的元素。这种方式速度快、稳定性高，但有一个缺陷——它仅适用于结构化的网络界面。面对本地软件、老旧系统或没有 API 的企业应用，它就完全无能为力。
Vy 的思路则是「分析像素」：通过不断截图，利用视觉模型理解屏幕上的所有内容，再模拟鼠标和键盘操作。其覆盖范围包括任何有屏幕的软件——无论是 Excel、本地 ERP，还是 20 年前开发的企业内网系统。
Vercept 介绍视频|视频
Vercept 曾公布一组数据：在 UI 元素识别基准测试 ScreenSpot v1 中，他们自研的 VyUI 模型准确率为 92%，而 OpenAI 的同类模型仅为 18.3%。在 ScreenSpot v2 上则为 94.7% 对 87.9%。
这样的差距并非因为「我们优化得更好」，而是 底层技术路径带来的系统性优势。
正是这一因素，弥补了 Anthropic 的短板。
虽然 Claude 的 Computer Use 可行，但始终没有给人惊艳的感觉。吸收 Vercept 的模型及团队，成为 Anthropic 在「看屏幕」这方面快速提升的最佳途径。
03
OpenAI 所争夺的，
是另一个入口
OpenAI 所合并的 OpenClaw 是另一重要项目，但同样具有关键性。
彼得·施泰因伯格开发的 OpenClaw，并非传统的桌面代理，而是将 AI 操控能力接入 WhatsApp、Telegram 等消息平台——当你在手机上发送一条消息时，它能够在电脑上完成某项任务。
这条路径所解决的并非「AI 如何看屏幕」，而是「用户如何发出指令」。
这一细节至关重要。绝大多数用户并不会专门打开代理界面来进行电脑操作，但每天都在使用消息应用程序。将指令入口嵌入消息应用，是使代理真正融入用户日常习惯的关键。
OpenAI 所吸引的是人才，而非公司本身，重点在于获取相关的工程能力和产品直觉。
因此，这两笔「收购」针对的是代理领域的不同层面：Anthropic 正致力于填补「屏幕感知」的技术缺口，而 OpenAI 则在布局「指令入口」的场景。
一方面是基础设施的建设，另一方面则是用户习惯的培养，缺一不可。
更大的背景是，这场竞争刻不容缓。
谷歌和微软早已在布局，而 UiPath 等 RPA（机器人流程自动化）公司的股价在 Anthropic 收购 Vercept 的消息披露后，暴跌了 3.6%——市场已然感受到威胁。
在代理时代的竞争中，根本上是一场对基础设施的争夺。谁能率先将「AI 控制电脑」的功能做到极致，谁就将在未来数年的企业及个人市场中拥有真正的竞争优势。
Vercept 的联合创始人及早期投资者 Oren Etzioni 坦言：“我们基本上已经认输了。”
然而，认输的原因并非技术不足——他们在某些方面的技术甚至处于领先地位。真正的原因在于，这场战争所需的资金和资源，远非一家 20 人的初创公司能够承受。
这或许也是 AI 代理领域最残酷的现实：
优秀的技术是不够的，还有必要有足够大的平台来承载它。
* 头图
本文为极客公园原创，转载请联系极客君微信 geekparkGO
极客提问
你觉得 Vercept 的技术与豆包手机有何不同？
苹果宣布 Mac mini，首次实现美国本土生产。
点赞并关注极客公园的视频号，
看到施泰因伯格的经历，我觉得这反映了创业者与大企业之间的复杂关系，真的很有趣。