一边是OpenAI和Anthropic争相给开源维护者送$200/月的订阅；另一边是每个Claude Code用户实际消耗$5000/月的算力——AI Coding正在经历互联网历史上最激烈的补贴大战之一。

为什么烧这么多钱？因为开发者是AI生态的"终极杠杆点"。一个开发者被锁定到某个AI编程工具后，他写的所有代码、建立的所有工作流、形成的所有肌肉记忆，都成了该平台的"护城河"。这和打车大战的逻辑一样，但壁垒更高——换一个打车App只需1秒，换一个AI编程工具需要重建整个开发习惯。

Claude Code的/loop定时任务是一个精心设计的"粘性飞轮"：当AI每天自动帮你巡检日志、创建PR、生成摘要，你的工作流就深度嵌入了这个工具。一旦停用，不是"少了一个助手"，而是"一堆自动化流程全部中断"。

但补贴终有尽头。Anthropic年化收入近$200亿，但Cursor估计每个重度用户月耗$5000——规模越大亏损越多。预计12-18个月内会出现价格调整或用量限制。

小米选择3月6日（雷军两会发言同日）启动miclaw封测，绝非巧合。当雷军在人大说"未来几年会有更多人形机器人进厂"的时候，小米内部已经在用另一种形态的"机器人"入侵手机。

miclaw最值得关注的不是"养龙虾"的玩法，而是"系统级权限+50个系统工具+米家生态"这个组合。之前所有AI Agent（包括OpenClaw）都运行在云端或浏览器里，能做的事情受限于沙箱。miclaw直接运行在手机系统级别，可以调用系统工具、控制智能家居、管理健康日程——它不是"App里的AI"，而是"操作系统里的AI"。

这个差异很关键：系统级AI的数据优势是App级AI永远无法复制的。它看到你所有App的通知、你的作息规律、你家里所有设备的状态。一旦用户习惯了"小米帮我关灯、查日程、订外卖"这个工作流，切换到其他手机的成本极高。

但风险也很明显：系统级智能体的隐私边界在哪里？它能读多少数据？用户授权机制怎么设计？如果处理不好，可能成为中国版Meta智能眼镜的隐私争议（同日英国监管机构刚批评了Meta眼镜的隐私问题）。

把三条新闻放在一起看，一个清晰的故事浮现：OpenClaw爆发 → 推理算力需求激增1000倍 → 现有基础设施扛不住 → Stargate扩建受阻。

黄仁勋说OpenClaw"3周超过Linux 30年"——这不是夸张。Linux改变了服务器和开发者的世界，而OpenClaw正在改变每一个消费者的日常生活。当数亿人每天让AI Agent帮他们完成任务时，推理侧的算力消耗比训练侧高出几个数量级。

但物理世界追不上AI的速度：Stargate规划了40万块Blackwell芯片的超级数据中心，电力延迟至少1年。OpenAI已经开始跳过当前代、直接采购下一代Vera Rubin芯片——这是"算力饥渴"到了什么程度的信号。

对中国来说，这是机遇也是挑战：算力需求暴增意味着芯片禁令的影响更大，但也意味着在推理优化（而非训练）方向上可能有弯道超车的机会——DeepSeek已经证明了这一点。

同一天，中美两个最大的AI经济体同时出手，但方向完全不同。

美国：用"合规"收紧AI公司的自由度。Trump政府的"all lawful use"条款本质是：你不能拒绝政府的任何合法使用。这意味着AI公司对"我的模型不能用于X"的安全主张，在政府面前可能不再成立。对Anthropic、OpenAI这类公司来说，选择很简单也很残酷——要么接受，要么放弃政府市场。

中国：用"国策"推动AI经济的全面加速。"智能经济"写入政府工作报告，加上数据要素新基建、工信部AI攻关表态、雷军两会发言——这不是一个孤立信号，而是一套完整的政策组合拳。中国的路径是"国家推动+企业落地"，类似10年前对新能源汽车的扶持。

有趣的是：美国的政策焦点在"谁能控制AI"，中国的政策焦点在"如何加速AI落地"——一个在重新划定AI的边界，一个在拓展AI的应用。