“龍蝦”會過氣，但“AI替人干活”的硬件生意才剛開始

作者丨薛皓皓

編輯丨巴里

圖源丨Midjourney

Mac Mini在國內各個渠道持續賣斷貨，表面上看是用戶對“養龍蝦（開源AI智能體框架OpenClaw）”的熱情不減，但底層邏輯是，Mac Mini提供了養龍蝦的安全感和歸屬感——為龍蝦提供專屬運行設備。

更重要的是，Mac Mini也可接入本地部署的大模型，減少調用云端大模型的場景，從而減少“養蝦人”的詞元（Token）消耗。

龍蝦爆火后，第一批被現實教育的是用戶的賬單。月薪2萬養不起龍蝦，20分鐘消耗3000萬Token，HR龍蝦2個月燒掉數萬元……

Mac Mini點燃了一個創業賽道——本地AI超算，這類產品能為龍蝦提供一個獨立的運行環境，而且龍蝦運行在本地大模型上，不用消耗Token，節省成本。

多名頭部機構投資人認為，本地AI超算是一個他們看好的創業賽道，它還被業內命名為“Agent Box”“Agent Computer”等。該賽道的一家明星創業公司在近期透露，它平均每周能獲得二三十家投資機構的邀約。

本質上，這條賽道上創業公司的核心競爭力在于瞄準本地AI的剛需，比如在本地部署的AI模型能在節省Token消耗的情況下，其體驗多大程度上能接近云端大模型。而且，有投資人認為，這些硬件產品必須瞄準垂直人群（比如極客），避免直接面向大眾市場，從而與科技巨頭正面競爭。

龍蝦的熱度或許會退燒，但它催生的核心需求 —— 讓 AI 替人高效干活，永遠不會降溫。

龍蝦帶火的AI硬件賽道

4月7日，蘋果官網顯示Mac Mini（64GB內存、M4 Pro芯片）交貨周期已延長至4~5個月。此前，有的經銷商一個月只能賣一兩臺新的，而現在，即使是二手的，也賣斷貨了。

用戶之所以首選購買 Mac Mini，核心訴求有兩點：一是避免主力電腦內的文件被誤刪或泄露，二是運行龍蝦時無需消耗云端 Token。

同一時期，做Mac Mini相似品類的創業公司開始冒尖：Tiiny AI推出的產品僅充電寶大小，可本地部署 120B 參數大模型，上線一個月即在Kickstarter上眾籌300萬美元；Violoop內置的自研視覺模型能識別電腦界面，調用龍蝦不聯網，一個月內完成種子輪和天使輪融資；Zettlab拋棄了GUI用戶界面，使用更適配龍蝦的命令行交互，最新輪的融資額過億元。

除此之外，Story Claw、玲瓏星核、面壁智能Edgeclaw Box、綠聯AI NAS等類似產品也開始出現。

此類產品的出現，主要瞄準了龍蝦激發的一種用戶需求：7X24小時工作的龍蝦，若始終依賴云端大模型處理持續膨脹的skill和memory文件，總要跑在云端大模型上，這會給用戶造成每天幾十元、數百元甚至上千元的Token賬單。可是，如果龍蝦可完全跑在本地AI上，便不會產生任何Token費用。

缺點也隨之而來，受本地主機的配置限制，參數規模達數千億的大模型通常無法在本地部署，只能選用百億級至千億級參數的 AI 模型，而這意味著AI能力的降級。

以多少硬件價格，還原云端大模型多少程度的體驗，甚至創造什么新的用戶體驗，成為上述公司的主要考量。

2025年8月，首界科技在小米有品進行眾籌，眾籌金額突破了1000萬元，獲得當年眾籌榜單第一名。產品上線后，首界科技的團隊成員基本沒有在深夜12點前下過班。

今年年初，隨著OpenClaw出現，公司產品的市場熱度又進一步點燃。

首界科技推出的Agent Computer玲瓏星核，基于AMD 銳龍AI Max+395平臺，搭載了128GB內存，可本地部署80B規模的AI大模型，已在小米有品和京東商城開賣。

讓首界科技聯合創始人頗感意外的，不僅是市場需求激增，還有供應鏈持續漲價。

伴隨小龍蝦走紅，內存和 SSD 價格一路上漲，供應鏈壓力迅速傳導到產品端。眾籌階段，這款產品定價還在 13000 元，如今已經漲到 21000 元。

按常理，價格抬升之后，用戶熱情往往會回落；但玲瓏星核至今仍排在京東工作站熱賣榜第一。

這一反常，讓郭萌明確定了市場需求的重要變化：“去年，AI對于很多人而言只是對話和搜索工具；今年，用戶開始追問任務執行、工作效率和隱私安全，尤其對律師、醫生和自媒體人，云端AI的隱私和費用問題被放大，本地AI的需求也隨之放大。”

供應鏈成本還在持續上漲，這給公司帶來不小的壓力。

“由于供應鏈漲價，團隊不打算進行更快的庫存流轉，也不做更多的市場營銷投放，即使供給已經追不上需求。”目前，他的核心精力聚焦在產品Agent能力的研發上。

大公司入局，創業公司有機會

龍蝦的爆火，讓創業者開發了許多龍蝦的消費硬件項目。不少創業者將Agent能力放入各類消費級硬件，比如臺燈、掛件、咖啡機、辦公椅等等，從而創造新的用戶體驗。同時，還有創業者嘗試將AI大模型放入盒子、音箱等硬件載體，創造出離線的Agent能力體驗。

不過，大公司也或出于偶然、或基于戰略考量，紛紛布局這條賽道。

蘋果的Mac Mini作為一個通用計算平臺，被許多用戶部署龍蝦，導致持續斷貨；上市公司綠聯科技在今年CES上推出了NAS新品NASync iDX系列，并在Kickstarter眾籌，金額已突破6000萬元。此外，手機廠商華為、小米等也在推出相關產品。

當大公司開始入局，許多創業公司能夠占據市場的幾率有多大？

從短期而言，大公司入局能夠起到教育市場的作用，讓用戶更能接受此類產品，但從長期看，創業公司若無法修筑抵御外部競爭的護城河，將難以生存。

但是，這仍然是一個被不少投資人看好的創業賽道。創業公司有機會獲得差異化的優勢。

蘋果對Mac Mini的定位是一個通用計算平臺，并未對龍蝦的使用場景進行特殊優化。對于16GB內存Mac Mini（價格5000元-6000元）僅能部署幾十萬參數的本地AI，用戶想獲得更好的AI能力，仍需調用云端AI的Token。對于64GB內存或者更好配置的Mac Mini，它們能部署大幾百億參數的本地AI，但是價格昂貴，往往超過20000元。

更重要的是，蘋果在未來也不一定做得好Agent Computer類的產品。有投資人認為，一向主張軟件閉源的蘋果，無法接受自己推出的硬件產品搭載其他大廠的AI大模型。同時，蘋果本身并未推出強大的AI大模型，這讓蘋果在短期內很難做好此類產品。

對于綠聯推出的AI NAS品類，有業內人士分析，AI NAS主打的是大存儲和本地數據安全，并不具備較強的本地算力，這種產品可與具備較強算力的其它產品形成互補。

此類AI NAS品類的更嚴重缺點在于核心軟件需要借助第三方的供應。如果此類產品的核心軟件（例如本地AI和AgentOS）依賴外部大模型廠商，那么競爭將淪為單純的硬件比拼，極易陷入成本、渠道和分發效率的同質化競爭，難以修筑更寬的護城河。

“手機或者電腦這種復雜級別的本地AI超算，那么這涉及供應鏈管理、軟硬件適配、芯片選型及大量依賴經驗的工程問題，這會有很強的壁壘。“一位產業投資人對創業邦表示：“但從需求來說，是否需要專門的本地AI超算硬件，還有待市場驗證。”

“長期而言，各類Agent都工作在云端，我認為用戶內心并不感到隱私得到足夠保護，他們很可能需要一個家庭級、本地化、長期在線的本地AI超算，來承接這些任務。”該產業投資人說。

賽道內的產品，目前可以分成兩類：第一類是入口型，將新Agent技術塞入各類硬件載體，接入云端API；第二類是本地算力型，試圖解決云端Token依賴、離線環境使用等問題。第二類產品更接近真實需求，因此更值得關注。

創業者需要回答的核心問題是，用戶為什么要買這一產品？若用戶僅僅為了體驗Agent，他們本可以使用電腦或者Mac Mini，為何還需購買另一個消費級硬件？

即使都是第二類產品，其中也有優劣。

有投資人認為，第二類產品的關鍵競爭力，是讓產品和用戶形成強綁定的關系，而非推銷一個性能更強的本地AI。如何形成強綁定的關系？一種方式是將自己的Skill文件喂給本地AI訓練，同時結合本地留存的Memory文件，讓Agent越來越懂用戶。“那么即使出現一個性能更強的本地AI，用戶也會考慮到既有的強綁定關系而放棄使用。”

Violoop是另一個本地AI超算產品，創始人何佳霖曾對創業邦表示，未來產品的護城河在于如何大量積累用戶本地的數據，在保證用戶隱私的情況下，將數據寫入本地AI，實現本地AI的自我進化。

極鯨創投創始人沈韶銳表示，對于第二類產品，“比拼的是創業者審美、產品設計、細節打磨、聚焦的垂類場景和品牌沉淀”。他建議這類產品應面對海外極客和開發者市場，重視眾籌后的量產和口碑。先在海外打出名聲，再回流國內。

目前，該賽道還處于發展的初步階段，頭部AI大模型公司和AI應用創業公司仍處于同一起跑線，誰能做得好更快、更好，尚無定論。

龍蝦熱會消退，

給人干活的趨勢不會消退

去年第一季度，DeepSeek R1火爆全網，也引爆了DeepSeek一體機的市場需求。不過，這類一體機的火爆，也只是一陣風，很快消散。這次龍蝦的火爆，也再次點燃了相關硬件的市場需求。

兩類產品最明顯的區分在于，DeepSeek一體機聚焦于企業知識庫的問答場景，而此次龍蝦帶動的硬件產品，使用場景被拓寬，包括了內容創作、遠程辦公、文件管理等。

近期，龍蝦的風頭在一定程度上被同類開源軟件Hermes搶去了一部分：Hermes的架構更注重Agent的自我學習迭代和長期使用體驗，并且它在GitHub上熱度增長十分快，兩個月內就獲得近5萬顆星。

技術變化很快，更底層的趨勢，是被激發的市場需求。

第一，用戶不愿意在愈發依賴AI干活的趨勢下，支付更巨額的Token賬單。如何讓AI幫自己干更多活的同時，省下更多的錢，將成為更多人使用AI的核心訴求。

第二，出于法律、規定和隱私考慮，許多人無法將本地數據上傳云端，無法調用云端AI。對此，如何讓本地AI安全地處理敏感數據，是另一大痛點。

第三，隨著使用本地AI的頻率、時長、應用場景數量的增長，積累下來的本地數據如何被高效地利用，讓本地AI能夠更懂用戶，結果更讓用戶持續滿意，是第三大痛點。

當更多人開始意識到自己需要的不是一個可以搜索和聊天的AI，而是一個能幫自己干活的AI之時，本地AI超算產品的價值將會陡然凸顯。

換句話說，龍蝦會不會一直火，未必重要；更重要的是，AI 開始替人干活這件事，已經很難再退回去了。