1. 首頁 > 生活百科 > >

EdgeClaw Box：面壁智能給AI時代的“兩棲蝦”

傳感器vivo x

EdgeClaw Box：面壁智能給AI時代的“兩棲蝦”

文章圖片

EdgeClaw Box：面壁智能給AI時代的“兩棲蝦”

文章圖片

EdgeClaw Box：面壁智能給AI時代的“兩棲蝦”

文章圖片

EdgeClaw Box：面壁智能給AI時代的“兩棲蝦”

文章圖片

EdgeClaw Box：面壁智能給AI時代的“兩棲蝦”

文章圖片



2026年的春天 ， AI圈最火的詞叫龍蝦 。
不是海鮮市場的甲殼生物 ， 而是一個名字——OpenClaw 。 這款開源的AI智能體框架 ， 像病毒一樣在GitHub上蔓延 ， 被媒體稱為“GitHub歷史上增長最快的AI Agent框架” 。 一時間 ， 從硅谷到中關村 ， 人人都想養一只屬于自己的“龍蝦” 。
但吃龍蝦的人很快發現了問題 。 3月11日 ， 工業和信息化部網絡安全威脅和漏洞信息共享平臺聯合國家互聯網應急中心 ， 發布了關于防范OpenClaw安全風險的專項提示 。 中國信息通信研究院副院長魏亮在接受采訪時直言 ， 龍蝦很強的執行能力給用戶帶來了嚴峻的安全挑戰 。 全球超23萬個OpenClaw實例被發現在互聯網上“裸奔” ， 默認配置無認證 ， 監聽端口暴露 ， 攻擊者一找一個準 。

不安全、不聽話……這就是2026年春天許多人想吃蝦卻又不敢下嘴的真實痛點 。
這場由“龍蝦”引爆的AI智能體危機讓人們開始重新思考一個根本問題：智能體怎么做才能又安全又省事？有沒有一種蝦 ， 能讓人用得放心？
面壁智能的EdgeClaw Box ， 給出了自己的答案 。
這只叫EdgeClaw Box的“兩棲蝦”游在云端、棲于本地、開箱即用 。 當別人還在為“龍蝦”的安全噩夢頭疼時 ， EdgeClaw Box已經把隱私和安全裝進了盒子里 。

最近AI圈掀起了一股“養蝦熱” 。
能調用工具、能處理事務的Claw類智能體火了之后 ， 從開發者到小團隊 ， 人人都在跟風部署 。 3月初 ， 從深圳騰訊大樓到北京百度科技園 ， 千人排隊部署OpenClaw ， 甚至有人做起了“龍蝦市集安裝代排隊 ， 66.66元一次”的生意 。
一時間 ， 社交媒體上充斥著“我養的蝦今天幫我訂了機票”“我的蝦替我開了場視頻會議”之類的炫耀帖 。 能自己干活、能調用工具、能處理事務 ， 聽起來不就是夢寐以求的AI員工嗎？
所有人都把期待寄存在云端 ， 等著那只蝦替自己沖鋒陷陣 。
但養了幾天 ， 問題開始浮出水面 。
首先 ， 這只蝦很貴 。 與大模型問答不同 ， 拆解任務、調用工具、判斷結果的每一環都在消耗Token 。 市面上的Claw類產品執行一次簡單對話任務就要消耗1.6萬tokens ， 按當前價格折算 ， 兩三塊錢就沒了 。 如果你讓它每天幫你處理幾十個任務 ， 一個月下來 ， 賬單能頂一頓真龍蝦大餐 。 一家科技公司的產品經理原本想用OpenClaw做自動化運營 ， 結果“一周不到 ， API賬單就跳了3000多塊 ， 比雇個實習生還貴” ， 只能緊急叫停 。

其次 ， 這只蝦很不安全 。 它把數據全帶到云端 ， 密碼、私鑰、投資報告、醫療記錄……全在別人的服務器上“旅游”了一圈 。 360的安全專家警告 ， 攻擊者可以通過“提示詞注入”方式 ， 誘導智能體泄露系統密鑰 。 你的蝦可能正在給黑客遞刀子 。 截至3月9日 ， 國家信息安全漏洞庫共采集OpenClaw相關漏洞82個 ， 其中超危漏洞12個、高危漏洞21個 。
最后 ， 這只蝦還不聽話 。 它像個“需要精心調試的初級實習生” ， 能高效完成任務 ， 但也常出現理解偏差或誤操作 。 誤刪一封郵件、錯發一份文件 ， 這些“實習生”犯的錯 ， 最后擔責的卻是自己 。
貴、不安全、不聽話……這些問題的根源 ， 不在蝦本身 ， 而在它賴以生存的水域——云端 。 你把蝦養在別人的池子里 ， 那么池子怎么收費、池水是否干凈、池主會不會暗中打量你的蝦 ， 都由不得你說了算 。
【EdgeClaw Box：面壁智能給AI時代的“兩棲蝦”】這就引出了一個樸素的需求：我們需要一種蝦 ， 既能游在云端調用強大算力 ， 又能棲在本地守護核心隱私 。 它不是純粹的“海蝦” ， 也不是純粹的“河蝦” ， 而是能在兩棲環境中自由切換的那一種 。
云是它的獵場 ， 本地才是它的家 。

自然界里 ， 真正活得好的生物 ， 往往不止一種活法 。 兩棲動物既能游在水里 ， 又能爬上岸 ， 智能體也該如此 。 高頻、輕量、強隱私的任務就應該在本地完成；重推理、長生成、高算力的任務再上云處理 。
2026年3月 ， “智能經濟”首次寫入《政府工作報告》 ， 明確提出“促進新一代智能終端和智能體加快推廣” ， 要讓安全、方便的智能體大規模普及 ， 端云協同 。
但問題是 ， 誰來做出真正的兩棲蝦？
市面上的智能體產品看似繁多 ， 卻各有各的瓶頸 。 有的完全依賴云端 ， 所有數據都要上傳到遠程服務器處理 ， 用戶不僅要承擔高昂的Token消耗費用 ， 還要將密碼、私鑰、商業機密等核心數據交由他人保管；有的則固守本地 ， 數據安全是有保障了 ， 可一旦遇到需要聯網檢索、深度推理的復雜任務就立刻卡殼 ， 能力邊界止步于本地算力的天花板 。 用戶夾在中間 ， 無論選擇哪一邊 ， 都意味著妥協 。
這一背景下 ， 面壁智能研發的EdgeClaw Box給出了自己的答案 。

EdgeClaw Box集成了開箱即用的硬件、適配硬件的軟件系統EdgeClaw和行業專屬 Skills ， 大大降低了一人公司的部署、使用難度 。
這只“龍蝦盒子”的底層是面壁智能與清華大學自然語言處理實驗室、中國人民大學、AI9Stars、OpenBMB聯合開發的EdgeClaw 。 作為一套開源的端云協同框架 ， EdgeClaw允許開發者自行下載、部署 ， 甚至將其嵌入自有硬件 ， 構建定制化的“EdgeClaw Box” 。
而作為市面上為數不多的龍蝦、模型和數據都在本地的Claw類智能體 ， EdgeClaw Box的特殊性要從幾個維度來看 。
1.安全 ， 從架構開始 。
EdgeClaw Box內置的 EdgeClaw把數據分成了三個等級 。 S1是公開信息 ， 可以直接上云處理；S2是可脫敏的敏感信息 ， 系統會自動識別并替換掉具體的人名、地名、公司名 ， 脫敏后再上云；S3是深度隱私數據 ， 密碼、私鑰、醫療記錄、銀行卡號等涉及個人隱私和財產安全的信息被系統直接鎖死在本地 ， 任何情況下都不允許離開你的設備 。 與此同時 ， EdgeClaw還維護了一套“雙軌記憶”機制 ， 云端模型只能看到脫敏后的對話歷史 ， 只有本地模型才能訪問包含完整信息的記憶內容 。
2.省錢 ， 從本地算力來 。
數據駐留本地的架構設計也降低了使用成本 。 市面上的Claw產品執行一次簡單對話消耗1.6萬tokens ， 約合2-3元 ， 每天用十次 ， 一個月就是600-900元 。 EdgeClaw大部分日常任務直接在本地運行 ， 邊際成本趨近于零 。

只有遇到本地算力無法承載的復雜任務 ， 例如需要大模型深度推理或聯網檢索最新信息 ， 它才會審慎地調用云端資源 。 這一能力的背后是面壁智能在端側AI領域的長期積累 。 MiniCPM系列早已證明 ， 消費級設備足以承載相當程度的智能運算 ， 將一切上傳云端并非唯一路徑 。 據統計 ， 在國內AGI廠商中 ， 面壁是除阿里之外唯一一家開源了10B以下“小模型全家桶”的團隊 ， 文本、視覺、多模態、語音、全模態 ， 一個都沒落下 。
3.不綁定模型 ， 進一步保障用戶利益 。
當下的AI模型市場格局變幻莫測 ， 今天Kimi領先 ， 明天MiniMax追上 ， 后天可能又有新選手異軍突起 。 倘若智能體與單一模型深度綁定 ， 用戶便只能被動接受該模型的能力上限 ， 同時承受其定價策略、政策調整帶來的不確定性 。 EdgeClaw的選擇是讓多模型協同工作 。 它像一個中立的調度中樞 ， 當Kimi K2.5表現最優時調用Kimi ， 當MiniMax M2.5性價比更高時切換至MiniMax ， 當DeepSeek推出新版本時也能無縫接入 。 用戶既可在配置中手動指定偏好 ， 也可由系統智能推薦最合適的選項 ， 無需被任何單一廠商鎖定 ， 也不必擔憂某天醒來發現自己的智能體突然“降智” 。

架構層面的問題解決之后 ， 還有一個更樸素的疑問需要回答：它好用嗎？畢竟 ， 再安全、再經濟的產品 ， 如果交互生澀、使用門檻高 ， 終究難以走進普通用戶的日常 。
EdgeClaw Box的目標人群是OPC ， 即一人公司（One Person Company） 。 創業者、自由職業者和小微團隊無力負擔專門的IT部門、無需采購昂貴的服務器、更不能承受數據泄漏帶來的法律風險與信譽損失 。 他們需要的是一個聰明、可靠、經濟的AI協作者 ， 在高效工作的同時不添亂、不挖坑、不擅自外傳信息 。
為了讓這一群體能夠零門檻上手 ， EdgeClaw Box將能力拆解為兩個層次 。 其一是通用Skills ， 負責秒懂 ， 當用戶說“幫我整理一下上周的會議記錄” ， 它能即刻理解意圖 ， 定位相關文件 ， 準備執行 ， 無需用戶撰寫冗長的提示詞來引導 。

其二是專業Skills ， 負責可信執行 。 在具體操作過程中 ， 系統會將每一個步驟實時呈現：找到了哪些文件 ， 提取了什么內容 ， 即將執行什么操作 。 用戶可隨時干預、修改、撤回 。 這種操作透明度 ， 在當前AI智能體產品中并不多見 。
與此同時 ， EdgeClaw開源的屬性讓這個需求得以落地 。 用戶可以將其部署在手機、電腦、平板等各類終端上 ， 實現跨設備的協同工作 。 每一個能力模塊 ， 都在替用戶處理那些原本需要親力親為、耗時費力的瑣碎事務 。
那么 ， EdgeClaw到底改變了什么？與OpenClaw是相互競爭的關系嗎？

2026年 ， AI智能體的故事正在從概念變成現實 。
軟件交付周期從幾個月縮短到幾天 ， 客服團隊開始重新計算人力成本 ， 數據分析師終于不用親自熬夜跑SQL……那些曾經需要人親力親為的瑣碎事務 ， 正在被一只只“龍蝦”接管 。 它們在云端忙碌 ， 替你訂機票、寫郵件、整理會議紀要 ， 看起來聰明又高效 。
但在這一切背后 ， 有一個問題始終繞不開：AI到底屬于誰？
市面上的Claw產品聰明、強大、功能豐富 ， 但用戶和服務之間始終隔著一層關系 。 用戶使用 ， 廠商收集；用戶付費 ， 廠商進化 。 隱私、數據、控制權都在這個過程中慢慢流向另一邊 。
EdgeClaw提供了另一種可能 。 它是開源的 ， 用戶可以在代碼層面審視它的每一個動作 ， 可以在本地部署它的每一個模塊 ， 可以隨時修改、定制、切斷它與外界的聯系 。

為了讓這種“擁有”更加徹底 ， EdgeClaw Box提供了開箱即用的硬件方案 ， 出廠時已經搭載了完整的Claw類軟件系統 。 不需要配置環境和調試依賴 ， 只要插上電源 ， 連上網絡 ， 一只屬于你自己的龍蝦就活過來了 。
換句話說 ， EdgeClaw提供了一個可以生長的底座 。 它不僅部署了一只蝦 ， 更提供了一片可以養蝦的水域 。 用戶可以在這片水域里搭建自己的AI系統 ， 決定哪些任務交給本地 ， 哪些任務放行云端 ， 哪些數據永遠留在家里 。
對于需要處理敏感數據的企業來說 ， 本地龍蝦意味著合規與效率不再兩難 ， 金融分析師可以把涉密的季報數據直接丟給本地龍蝦整理摘要 ， 不用擔心敏感信息被云端模型留存訓練 。 對于注重隱私的個人用戶來說 ， 本地龍蝦成了真正的私人助理 ， 你可以讓它讀取本地相冊 ， 幫你整理過去五年的旅行照片 。 對于追求穩定和低延遲的場景來說 ， 本地龍蝦更是不可或缺 。 偏遠地區的工地上 ， 工程師可以用龍蝦實時處理傳感器數據、分析設備運行狀態 。

順著這個視角往下看 ， EdgeClaw與OpenClaw之間的關系是接力而非替代 。 OpenClaw讓智能體從概念落地為代碼 ， 讓無數開發者能夠站在同一起跑線上 。 EdgeClaw接過這根接力棒 ， 為它補上了隱私和安全這塊拼圖 ， 讓智能體不僅聰明 ， 而且可信 。
工信部專家提醒“審慎使用龍蝦”時 ， 指向的是那些裸奔在公網上的OpenClaw實例 。 EdgeClaw Box給出的解決方案 ， 是把龍蝦領回本地 ， 數據在自己手里 ， 算力在自己手里 ， 控制權也在自己手里 。

它不會把密鑰送給黑客 ， 因為密鑰根本沒離開過本地 。 它不會誤刪重要文件 ， 因為用戶隨時可以查看本地日志 。 它不會讓用戶月底收到天價賬單 ， 因為大部分任務根本不走云端 。
當AI從云端游回本地 ， 它才真正成為用戶可以依賴的工具 。 而面壁智能所做的 ， 就是讓EdgeClaw這只兩棲龍蝦 ， 游進每一個人的設備里 。
（想體驗EdgeClaw Box更多能力 ， 可移步面壁智能官網 。 ）

    推薦閱讀