“龙虾”会过气，但“AI替人干活”的硬件生意才刚开始

作者丨薛皓皓

编辑丨巴里

图源丨Midjourney

Mac Mini在国内各个渠道持续卖断货，表面上看是用户对“养龙虾（开源AI智能体框架OpenClaw）”的热情不减，但底层逻辑是，Mac Mini提供了养龙虾的安全感和归属感——为龙虾提供专属运行设备。

更重要的是，Mac Mini也可接入本地部署的大模型，减少调用云端大模型的场景，从而减少“养虾人”的词元（Token）消耗。

龙虾爆火后，第一批被现实教育的是用户的账单。月薪2万养不起龙虾，20分钟消耗3000万Token，HR龙虾2个月烧掉数万元……

Mac Mini点燃了一个创业赛道——本地AI超算，这类产品能为龙虾提供一个独立的运行环境，而且龙虾运行在本地大模型上，不用消耗Token，节省成本。

多名头部机构投资人认为，本地AI超算是一个他们看好的创业赛道，它还被业内命名为“Agent Box”“Agent Computer”等。该赛道的一家明星创业公司在近期透露，它平均每周能获得二三十家投资机构的邀约。

本质上，这条赛道上创业公司的核心竞争力在于瞄准本地AI的刚需，比如在本地部署的AI模型能在节省Token消耗的情况下，其体验多大程度上能接近云端大模型。而且，有投资人认为，这些硬件产品必须瞄准垂直人群（比如极客），避免直接面向大众市场，从而与科技巨头正面竞争。

龙虾的热度或许会退烧，但它催生的核心需求 —— 让 AI 替人高效干活，永远不会降温。

龙虾带火的AI硬件赛道

4月7日，苹果官网显示Mac Mini（64GB内存、M4 Pro芯片）交货周期已延长至4~5个月。此前，有的经销商一个月只能卖一两台新的，而现在，即使是二手的，也卖断货了。

用户之所以首选购买 Mac Mini，核心诉求有两点：一是避免主力电脑内的文件被误删或泄露，二是运行龙虾时无需消耗云端 Token。

同一时期，做Mac Mini相似品类的创业公司开始冒尖：Tiiny AI推出的产品仅充电宝大小，可本地部署 120B 参数大模型，上线一个月即在Kickstarter上众筹300万美元；Violoop内置的自研视觉模型能识别电脑界面，调用龙虾不联网，一个月内完成种子轮和天使轮融资；Zettlab抛弃了GUI用户界面，使用更适配龙虾的命令行交互，最新轮的融资额过亿元。

除此之外，Story Claw、玲珑星核、面壁智能Edgeclaw Box、绿联AI NAS等类似产品也开始出现。

此类产品的出现，主要瞄准了龙虾激发的一种用户需求：7X24小时工作的龙虾，若始终依赖云端大模型处理持续膨胀的skill和memory文件，总要跑在云端大模型上，这会给用户造成每天几十元、数百元甚至上千元的Token账单。可是，如果龙虾可完全跑在本地AI上，便不会产生任何Token费用。

缺点也随之而来，受本地主机的配置限制，参数规模达数千亿的大模型通常无法在本地部署，只能选用百亿级至千亿级参数的 AI 模型，而这意味着AI能力的降级。

以多少硬件价格，还原云端大模型多少程度的体验，甚至创造什么新的用户体验，成为上述公司的主要考量。

2025年8月，首界科技在小米有品进行众筹，众筹金额突破了1000万元，获得当年众筹榜单第一名。产品上线后，首界科技的团队成员基本没有在深夜12点前下过班。

今年年初，随着OpenClaw出现，公司产品的市场热度又进一步点燃。

首界科技推出的Agent Computer玲珑星核，基于AMD 锐龙AI Max+395平台，搭载了128GB内存，可本地部署80B规模的AI大模型，已在小米有品和京东商城开卖。

让首界科技联合创始人颇感意外的，不仅是市场需求激增，还有供应链持续涨价。

伴随小龙虾走红，内存和 SSD 价格一路上涨，供应链压力迅速传导到产品端。众筹阶段，这款产品定价还在 13000 元，如今已经涨到 21000 元。

按常理，价格抬升之后，用户热情往往会回落；但玲珑星核至今仍排在京东工作站热卖榜第一。

这一反常，让郭萌明确定了市场需求的重要变化：“去年，AI对于很多人而言只是对话和搜索工具；今年，用户开始追问任务执行、工作效率和隐私安全，尤其对律师、医生和自媒体人，云端AI的隐私和费用问题被放大，本地AI的需求也随之放大。”

供应链成本还在持续上涨，这给公司带来不小的压力。

“由于供应链涨价，团队不打算进行更快的库存流转，也不做更多的市场营销投放，即使供给已经追不上需求。”目前，他的核心精力聚焦在产品Agent能力的研发上。

大公司入局，创业公司有机会

龙虾的爆火，让创业者开发了许多龙虾的消费硬件项目。不少创业者将Agent能力放入各类消费级硬件，比如台灯、挂件、咖啡机、办公椅等等，从而创造新的用户体验。同时，还有创业者尝试将AI大模型放入盒子、音箱等硬件载体，创造出离线的Agent能力体验。

不过，大公司也或出于偶然、或基于战略考量，纷纷布局这条赛道。

苹果的Mac Mini作为一个通用计算平台，被许多用户部署龙虾，导致持续断货；上市公司绿联科技在今年CES上推出了NAS新品NASync iDX系列，并在Kickstarter众筹，金额已突破6000万元。此外，手机厂商华为、小米等也在推出相关产品。

当大公司开始入局，许多创业公司能够占据市场的几率有多大？

从短期而言，大公司入局能够起到教育市场的作用，让用户更能接受此类产品，但从长期看，创业公司若无法修筑抵御外部竞争的护城河，将难以生存。

但是，这仍然是一个被不少投资人看好的创业赛道。创业公司有机会获得差异化的优势。

苹果对Mac Mini的定位是一个通用计算平台，并未对龙虾的使用场景进行特殊优化。对于16GB内存Mac Mini（价格5000元-6000元）仅能部署几十万参数的本地AI，用户想获得更好的AI能力，仍需调用云端AI的Token。对于64GB内存或者更好配置的Mac Mini，它们能部署大几百亿参数的本地AI，但是价格昂贵，往往超过20000元。

更重要的是，苹果在未来也不一定做得好Agent Computer类的产品。有投资人认为，一向主张软件闭源的苹果，无法接受自己推出的硬件产品搭载其他大厂的AI大模型。同时，苹果本身并未推出强大的AI大模型，这让苹果在短期内很难做好此类产品。

对于绿联推出的AI NAS品类，有业内人士分析，AI NAS主打的是大存储和本地数据安全，并不具备较强的本地算力，这种产品可与具备较强算力的其它产品形成互补。

此类AI NAS品类的更严重缺点在于核心软件需要借助第三方的供应。如果此类产品的核心软件（例如本地AI和AgentOS）依赖外部大模型厂商，那么竞争将沦为单纯的硬件比拼，极易陷入成本、渠道和分发效率的同质化竞争，难以修筑更宽的护城河。

“手机或者电脑这种复杂级别的本地AI超算，那么这涉及供应链管理、软硬件适配、芯片选型及大量依赖经验的工程问题，这会有很强的壁垒。“一位产业投资人对创业邦表示：“但从需求来说，是否需要专门的本地AI超算硬件，还有待市场验证。”

“长期而言，各类Agent都工作在云端，我认为用户内心并不感到隐私得到足够保护，他们很可能需要一个家庭级、本地化、长期在线的本地AI超算，来承接这些任务。”该产业投资人说。

赛道内的产品，目前可以分成两类：第一类是入口型，将新Agent技术塞入各类硬件载体，接入云端API；第二类是本地算力型，试图解决云端Token依赖、离线环境使用等问题。第二类产品更接近真实需求，因此更值得关注。

创业者需要回答的核心问题是，用户为什么要买这一产品？若用户仅仅为了体验Agent，他们本可以使用电脑或者Mac Mini，为何还需购买另一个消费级硬件？

即使都是第二类产品，其中也有优劣。

有投资人认为，第二类产品的关键竞争力，是让产品和用户形成强绑定的关系，而非推销一个性能更强的本地AI。如何形成强绑定的关系？一种方式是将自己的Skill文件喂给本地AI训练，同时结合本地留存的Memory文件，让Agent越来越懂用户。“那么即使出现一个性能更强的本地AI，用户也会考虑到既有的强绑定关系而放弃使用。”

Violoop是另一个本地AI超算产品，创始人何佳霖曾对创业邦表示，未来产品的护城河在于如何大量积累用户本地的数据，在保证用户隐私的情况下，将数据写入本地AI，实现本地AI的自我进化。

极鲸创投创始人沈韶锐表示，对于第二类产品，“比拼的是创业者审美、产品设计、细节打磨、聚焦的垂类场景和品牌沉淀”。他建议这类产品应面对海外极客和开发者市场，重视众筹后的量产和口碑。先在海外打出名声，再回流国内。

目前，该赛道还处于发展的初步阶段，头部AI大模型公司和AI应用创业公司仍处于同一起跑线，谁能做得好更快、更好，尚无定论。

龙虾热会消退，

给人干活的趋势不会消退

去年第一季度，DeepSeek R1火爆全网，也引爆了DeepSeek一体机的市场需求。不过，这类一体机的火爆，也只是一阵风，很快消散。这次龙虾的火爆，也再次点燃了相关硬件的市场需求。

两类产品最明显的区分在于，DeepSeek一体机聚焦于企业知识库的问答场景，而此次龙虾带动的硬件产品，使用场景被拓宽，包括了内容创作、远程办公、文件管理等。

近期，龙虾的风头在一定程度上被同类开源软件Hermes抢去了一部分：Hermes的架构更注重Agent的自我学习迭代和长期使用体验，并且它在GitHub上热度增长十分快，两个月内就获得近5万颗星。

技术变化很快，更底层的趋势，是被激发的市场需求。

第一，用户不愿意在愈发依赖AI干活的趋势下，支付更巨额的Token账单。如何让AI帮自己干更多活的同时，省下更多的钱，将成为更多人使用AI的核心诉求。

第二，出于法律、规定和隐私考虑，许多人无法将本地数据上传云端，无法调用云端AI。对此，如何让本地AI安全地处理敏感数据，是另一大痛点。

第三，随着使用本地AI的频率、时长、应用场景数量的增长，积累下来的本地数据如何被高效地利用，让本地AI能够更懂用户，结果更让用户持续满意，是第三大痛点。

当更多人开始意识到自己需要的不是一个可以搜索和聊天的AI，而是一个能帮自己干活的AI之时，本地AI超算产品的价值将会陡然凸显。

换句话说，龙虾会不会一直火，未必重要；更重要的是，AI 开始替人干活这件事，已经很难再退回去了。