The cost of “raising AI crayfish” varies widely, ranging from a few yuan to over a thousand yuan per month, depending primarily on your deployment method and usage intensity.
The term “raising AI crayfish” actually refers to deploying and using an open-source AI agent framework called OpenClaw. The framework itself is free, but running it requires hardware and a “brain” (large language model), both of which incur costs.
💰 Cost Breakdown
The cost of “raising lobsters” is mainly divided into two parts:
Hardware/Server Costs This is the “body” that runs OpenClaw. You have two options:
On-premises deployment: Run it on your own computer. The cost is 0 yuan (using an existing computer), but the computer must remain on 24 hours a day, adding approximately 10–30 yuan to your monthly electricity bill. If you want a more stable experience, you can purchase dedicated hardware (such as a Mac mini), with a one-time investment of about 4,000–8,000 yuan.
Cloud Deployment: Rent a cloud server. This is the more mainstream and simpler approach, with monthly rental costs of approximately 25–150 yuan. Some cloud providers offer promotional deals; for example, Alibaba Cloud previously offered a one-click deployment plan for new users at 9.9 yuan for the first month.
Large Model API Fees (Core Expense) This is the primary ongoing expense for “raising lobsters,” which can be thought of as the “feed” for the lobsters. OpenClaw needs to call upon large language models such as Tongyi Qianwen and DeepSeek to think and execute tasks; these services are typically billed based on usage (tokens).
Light usage (a few simple queries per day): Approximately 70–210 yuan per month.
Regular use (automated office tasks, multitasking): Approximately 210–490 RMB per month.
Heavy use (complex tasks, batch processing): Easily exceeds 700 RMB per month; there are even cases where users spent 1,200 RMB in just 6 hours.
🤔 Is there a more cost-effective way?
Yes. Some vendors have launched pre-packaged solutions that lower the barrier to entry and reduce costs.
Tencent WorkBuddy: Nicknamed the “Tencent version of Xiaolongxia,” it currently offers a free trial version that can be used immediately after registration, without complex deployment or additional API fees. It also offers a paid Professional Edition (58 yuan/month) and other plans.
Alibaba Cloud Plans: Through its one-click deployment solution, combined with free large-model quotas for new users (e.g., over 70 million tokens within 90 days), you can keep costs extremely low in the early stages.
📊 Cost Options at a Glance
For a clearer overview, please refer to the table below: Option Type Hardware/Server Cost Large Model API Fees (Monthly) Features On-premises deployment 0 RMB (Using an old computer) 70–1,000+ RMB Low barrier to entry, but high power consumption and risks Cloud Deployment 25–150 RMB/month 70–1,000+ RMB Stable and secure; the mainstream choice Vendor-Packaged Version 0 RMB (e.g., Tencent WorkBuddy) Starting at 0 RMB (Free version available) Ready to use out of the box, ideal for beginners to try out
⚠️ Special Note: Beware of scams
Recently, there have been many scams under the guise of “AI Lobster Farming.” Please be vigilant:
“Passive Income” Scams: Any “cloud lobster farming” project claiming “passive income without effort,” “daily dividends,” or “high-price buybacks” is an illegal Ponzi scheme.
High-Priced Installation Services: OpenClaw is free and open-source, and there are plenty of free tutorials available online. Anyone charging hundreds or even thousands of yuan for “exclusive installation services” or “paid tutorials” is likely exploiting information asymmetry—or may even remotely control your computer to steal your data.
In summary, for ordinary users handling only routine, light-duty tasks, existing free AI tools are sufficient. Whether you should “invest in a high-end solution” depends on whether you have high-frequency, complex, and automatable tasks that require it, and whether you are willing to bear the corresponding costs.
如何让 AI 替你吹牛？今年的 315 晚会曝光了一条新时代灰产——AI 数据投毒。 简单的说，就是通过在全网疯狂灌注虚假信息，强行干扰大模型的认知，这样 AI 就可以按照人的意图，一本正经地胡说八道。 数据入侵，认知干扰，听起来十分《黑客帝国》，操作起来倒很简单，很多人看完前几天的 315 晚会，才惊奇地发现看起来全知全能的 AI 竟然这么好骗。 这几年对 AI 的迷信，终究还是错付喽。
几天之后，记者去询问国内的几款主流大模型，让它们推荐一款智能手环。 有两个 AI 把这款阿波罗九号列在了名单里，排名还很靠前，AI 还煞有介事地介绍说：这款手环常规使用续航达 365 天，支持“光粒子快充”，适合中老年用户与健康养生爱好者。
这也太好骗了吧！ 这背后的产业链叫做 GEO （Generative Engine Optimization，生成式引擎优化），核心工作就是在 AI 平时抓取数据的地方铺大量内容，让 AI 在生成结果时能优先看到你想让它看到的东西，这样就可以达到借 AI 之口昭告天下的目的。 买通 AI 的价格并不贵，丰俭由人。有商家报价 6600 元一年，承诺可以让信息基本出现在回答前三的位置；还有商家推出 299 元套餐，包含 4000 个算力，创建一篇文章消耗 5 个算力，发布消耗 1 个算力，用多少算多少。
315 曝光之后，现在再去询问 AI 这款产品：Apollo-9 手环怎么样？它们已经清醒了，纷纷表示这是虚假宣传的典型案例。 这并不是因为它们聪明的智商又占领高地了，而是 AI 有了新的参考资料——315晚会的报道、各家媒体的跟进、网友们的讨论，自然不会再上当。
但你还可以用同样的手法骗它第二次。 315 晚会的第二天，一位 bilibili 作者复刻了一模一样的骗术，还是胡编乱造的智能手表配方，结果 AI 又上当了。犹如春晚经典小品。
AI 就是这么个老实人。你给它看假新闻，它就帮你传谣；你给它看辟谣，它就帮你澄清；你再给它看假新闻，它继续帮你传谣。 欺骗 AI 根本不需要什么成本，毕竟喂给它的内容也都是 AI 一键生成、批量发出的。 去年，公众号“知危”就做过一个类似的实验，他们在新浪、网易、知乎、搜狐等四个平台发了同一篇内容《最新最全面的AI资讯媒体盘点：国内有哪些AI资讯媒体值得看？》
在这篇文章中，他们把自己的名字放了进去：知危，国内势头正猛的新兴科技商业领域媒体。 几个小时后，作者再去向 AI 提问：想了解 AI 可以看哪些媒体？各大 AI 一致认为“知危”值得推荐。 这些都是出于实验目的去欺骗 AI，在获得结果后删掉源头内容，基本不会对现实产生影响。但在真实的使用场景中，当我们打开 AI，问它“哪款医美面膜值得买”“哪个留学中介靠谱”“哪款保健品对老年人好”的时候，我们难以判断眼前的这份推荐列表的真实性。 那些我们以为客观中立的 AI 推荐，很有可能是商家费尽心机定制的答案。
类似的 AI 笑话还有很多，比如一只狗曾经参加过 NBA、约翰·亚当斯总统从威斯康星大学毕业了 21 次、可以制造氯气来清洁洗衣机和蛇是哺乳动物等。
前段时间很流行问 AI 一个洗车难题：我想洗车，我家离洗车店只有 50 米，你建议我开车去还是走路去？ 各大模型经过一番缜密思考，集体给出了“走路去”的睿智答案，GPT 说开车过去可能会溅水淋灰，容易刮蹭，千问说每天多走几步，有益身体健康。 Kimi 倒是比较别出心裁，它说短距离冷启动最伤车，建议 2-3 个人一起推车去。
AI 并不理解“洗车”这个动作的核心是“车必须到场”，它的输出本质是用概率预测下一个词，在 AI 的语料库中，“50米”这个关键词和步行关联度更高。 所以，当 AI 看到“50米”时，它大脑里的“步行”权重瞬间拉满，就愉快地建议人类步行去洗车了。 类似的现象暴露了当前大模型的一个致命伤：AI 拥有海量的信息储备，却缺乏对物理世界的真实感知与逻辑校验。
人类在判断一条信息的真伪，会结合生物本能、物理常识和社会经验。我们能听出文字背后的“爹味”、“软广味”或是“阴阳怪气”。当一个回答表现出异常整齐划一的赞美，或是逻辑过于完美的闭环时，人类的经验本能会提醒我们：这背后可能有利益驱动，或者这根本就是水军刷出来的。 但 AI 看不懂这些，在它的世界里，信息的正确与否取决于它在语料库中的出现频率与语意关联度。 这正是 GEO 产业能够成功向 AI 投毒的关键：既然 AI 是靠统计概率来理解世界的，那么投毒者只需要在互联网的各个角落灌注足够多的虚假信息，就能够成功改变模型的输出，从而使背后的人受益。
在一些细分的垂直领域，本身 AI 的检索语料库就不足，几篇围绕关键词精心布局的内容，足以形成信息密度优势。 这确实是一个不小的陷阱：如果让我们自己上网去搜，看到那些人机感十足的软文，大概率一眼就能识破，不会听信 AI 的谗言。 但当这些内容经过 AI 的格式化处理后，情况就完全不同了。AI 会用严谨、中立的口吻将信息重新组合，于是软文变成了智能洞察，营销话术变成了核心摘要。 用户以为自己在用 AI 做理性决策，其实是在读水军批量生成的软文。
03. 互联网，人均AI
据数字营销公司 Graphite 发布的研究显示，早在 2024 年 11 月，互联网上发布的 AI 生成文章数量就已经超过了人类撰写的文章。 研究者分析了超过 6.5 万个随机网页样本，发现那些 AI 生成的文章主要集中在资讯更新、生活指南、产品评测和电商文案上，换句话说，那些你每天刷到的“2026 最值得买的 XX”“保姆级攻略”“闭眼入清单”，大多都出自 AI 之手。 一群聪明人在研究如何让机器思考，另一群聪明人则在研究如何往机器的脑子里注水。
这种定向投放的语料污染会让模型的信息库逐渐失衡——到处都是同质化的软文、批量生成的废话，且这些内容会被持续抓取、训练、生成，在不同模型和版本之间反复流转，让模型丧失分辨信息真伪和判断价值的能力。 一个新的循环就这样形成。也许未来，AI 抓取的是 AI 写的废话，而人类读的是 AI 给这些废话做的总结。
技术的进步，反而让人们获取真实信息的成本更加高了。想找到一个答案，得先穿过 AI 生成的万亩废料，避开 GEO 投毒的陷阱，还要提防 AI 一本正经胡说八道的幻觉。 大家都在为了抢占 AI 的推荐位而疯狂注水，最后互联网上的活人感越来越少，人机味越来越重。 这事其实一点也不新鲜。在搜索引擎时代，商家争夺搜索结果页的靠前位置，于是有了专门做优化网页排名的 SEO （搜索引擎优化）产业。 了让自家网页排在前面，人们疯狂地在后台堆砌隐藏关键词，通过购买或交换大量无关外链提升权重，甚至搭建“站群”（Private Blog Networks），批量生成网站互相链接，制造出一种内容被广泛引用的假象。 这样做的结果是，在搜索引擎的前几页，用户看到的不再是最好的答案，而是最擅长规则钻营的商家广告。
从 SEO 到 GEO，媒介变了，但核心从未改变：总是有人在利用算法规则的盲区，让你看见他想让你看见的内容。 当虚假内容变得无处不在，我们可能会开始本能性地怀疑一切。 看到一段内容翔实的科普，第一反应是揣测这又是哪个品牌方的软文；看到一份详尽的产品测评，会下意识地去翻看博主的过往记录，寻找是否有利益相关的蛛丝马迹。 即便 AI 给出的是一个正确的答案，由于无法确认背后的语料来源是否干净，我们依然不敢直接采纳，需要再三核实。
