2026 年 2 月，AI 行业上演戏剧性连环事件：15 日，OpenClaw 创始人 Peter Steinberger 宣布加入 OpenAI；26 日，Anthropic 紧接着官宣收购 Agent 创业公司 Vercept。这两笔看似独立的动作，实则指向同一个核心趋势 ——AI 战场已从「比拼模型聪明度」，全面转向「争夺电脑控制权」。而 Anthropic 的被动追赶姿态，很大程度上源于此前一系列决策失误，让原本握在手中的流量红利白白流失。
缘起：一场因封号引发的「蝴蝶效应」
故事的起点，是一个无心插柳的开源项目。2025 年底，奥地利开发者 Peter Steinberger 用一小时写出 Agent 工具 Clawdbot，因名称与 Claude 近似遭 Anthropic 律师函警告，被迫先后改名 Moltbot、OpenClaw。未曾想，这个被迫改名的项目竟引爆开源社区 ——GitHub 星标狂飙至 17 万，单周访问量破 200 万，成为史上增长最快的开源 Agent 项目之一。
更关键的是，OpenClaw 默认推荐使用 Claude 模型跑任务，相当于为 Anthropic 打造了一个免费且高效的流量入口。但 Anthropic 随后的操作堪称「自断臂膀」：以「违规自动化」为由，封禁了大量将 Claude API 接入 OpenClaw 的用户账号。「花自己的钱买 API 做自动化，却遭封号」的操作，瞬间点燃社区怒火，也让 Peter 彻底对 Anthropic 失望。
2026 年 2 月 15 日，Sam Altman 高调宣布 Peter 加入 OpenAI，负责下一代个人 Agent。这一决策直击 Anthropic 软肋 ——OpenClaw 的核心价值并非模型本身，而是其打通「消息平台 + 电脑控制」的场景能力，而这正是 Agent 落地的关键入口。
核心战场转移：从「对话」到「控制」，屏幕是最后一公里
过去几年，AI 的竞争集中在对话框内的「智商比拼」—— 谁的回答更精准、更流畅。但无论模型多聪明，用户仍需手动打开软件、点击按钮、复制粘贴，AI 始终无法触及「实际干活」的最后一环。而 Agent 的终极使命，就是让 AI 跳过人类，直接控制电脑完成全流程任务：打开 Excel 填数据、切换邮件客户端发文件、关闭冗余窗口，全程只需一句自然语言指令。
要实现这一目标，AI 必须先攻克「看懂屏幕」的难关 —— 识别按钮、输入框、菜单等所有 UI 元素，再模拟人类操作。这看似简单的需求，实则是代差级的技术鸿沟：
-
在 OSWorld（模拟真实电脑操作的基准测试）中，OpenAI Operator 得分 38.1%，Anthropic 的 Computer Use 仅 22%，而人类平均水平高达 72.4%；
-
明略科技 Mano 模型虽在 2025 年 11 月拿下 OSWorld 专用模型全球第一，但仍未突破 40% 大关，可见该领域技术难度之高。
在 AI 写代码、做分析等领域差距逐渐缩小的当下，「屏幕感知与电脑控制」已成为新的竞争分水岭，谁能率先攻克这一难关，谁就能掌握 Agent 时代的核心话语权。
Anthropic 的补救：收购 Vercept，补上屏幕感知短板
在与 OpenAI 的入口争夺中落于下风后，Anthropic 选择通过收购 Vercept 紧急补位。这家来自 Allen 人工智能研究所（Ai2）的创业公司，恰好手握 Anthropic 最稀缺的技术 ——「看像素」的屏幕感知能力，其产品 Vy 与 OpenAI Operator 的技术路线截然不同，形成了系统性优势：
表格
| 技术路线 | 核心逻辑 | 优势 | 短板 |
|---|---|---|---|
| OpenAI Operator（读代码） | 解析网页 DOM 结构，识别可交互元素 | 速度快、稳定性高 | 仅支持有结构的 Web 界面，对本地软件、老系统无效 |
| Vercept Vy（看像素） | 实时截图 + 视觉模型识别，模拟鼠标键盘操作 | 覆盖所有带屏幕的软件，包括 Excel、本地 ERP、老旧内网系统 | 相对「读代码」路线，速度略慢 |
Vercept 的技术实力有硬数据支撑：在 UI 元素识别基准测试 ScreenSpot v1 中，自研 VyUI 模型准确率达 92%，而 OpenAI 同类模型仅 18.3%；ScreenSpot v2 测试中，两者差距虽缩小至 94.7% 对 87.9%，但 Vercept 仍保持领先。
对 Anthropic 而言，收购 Vercept 是最直接的「补课」——Claude 的 Computer Use 功能一直表现平平，吸收 Vercept 的模型与团队，能快速补齐「屏幕感知」这一关键短板，让 AI 具备控制全场景软件的能力。
OpenAI 的布局：收编 OpenClaw，抢占指令入口
如果说 Anthropic 收购 Vercept 是在补「基础设施」，OpenAI 收编 Peter 则是在抢「用户入口」。OpenClaw 的核心价值，并非控制电脑的技术本身，而是其打通「消息平台」的场景创新 —— 将 Agent 指令入口嵌入 WhatsApp、Telegram 等高频消息工具，用户无需专门打开 Agent 应用，在手机上发一条消息，就能让电脑自动完成任务。
这一设计精准击中用户习惯：大多数人不会为了操作电脑特意下载新应用，但每天都会频繁使用消息软件。将 Agent 指令入口融入日常工具，是让技术落地的关键一步。OpenAI 看中的，正是 Peter 在场景设计与用户体验上的直觉，以及 OpenClaw 积累的生态资源，这能帮助其快速抢占个人 Agent 的用户心智。
终局之战：巨头收割，创业公司难撑大局
Anthropic 与 OpenAI 的连环动作，也揭示了 Agent 赛道的残酷现实：这是一场需要海量资金与资源支撑的持久战，仅凭技术优势的创业公司难以走到最后。
Vercept 联合创始人 Oren Etzioni 的表态直言不讳：「我们基本上认输了」。并非技术不及对手，而是 20 人的小团队，根本扛不住巨头级的资金消耗与生态围剿。无独有偶，Anthropic 收购 Vercept 的消息一出，专注 RPA（机器人流程自动化）的 UiPath 股价应声下跌 3.6%—— 市场早已嗅到威胁，传统自动化玩家的生存空间正被 AI 巨头挤压。
如今，Google、Microsoft 等玩家也早已在 Agent 领域布局，一场围绕「电脑控制权」的军备竞赛已然打响。这场战争的核心，是基础设施与用户入口的双重争夺：谁能先让 AI 流畅控制电脑，谁能让用户更便捷地发出指令，谁就能在未来的企业与个人市场中手握胜券。
结语：AI 的下一个十年，始于「控制」
从对话式 AI 到 Agent，从「能说」到「能做」，AI 的进化逻辑正在本质性改变。Anthropic 与 OpenAI 的连环动作，标志着行业竞争正式进入深水区 —— 模型智商的比拼已不再是唯一焦点，「控制物理世界（电脑）+ 占据用户入口」的复合能力，才是决定终局的关键。
对于用户而言，这意味着 AI 将真正走出屏幕，成为渗透到工作生活的「隐形助手」；对于行业而言，巨头收割的序幕已经拉开，创业公司的机会正从「全栈创新」转向「细分技术突破」。而 Anthropic 因封号错失的先机，也为行业敲响警钟：在技术快速迭代的时代，开放与生态共赢，远比短期的规则控制更重要。AI 战场的终局之战，才刚刚开始。