「龙虾」从屏幕里爬出来了！现场复刻老板发言，连语调都一模一样

新智元报道

编辑：好困 桃子

【新智元导读】40克AI眼镜变身Agent之眼，数字分身定制分身。当Agent爬出屏幕走进物理世界，这场关于生产力的降维打击，真的不只是说说而已。

这几个月，硅谷和中文AI圈都在流传一个心照不宣的暗号，「养龙虾」。

一个Agent，7x24小时不睡觉，自主开浏览器、写代码、抓数据、交付成果……

这些「龙虾」一度被视为未来的生产力神话，然而，它们所有的演进路径，都指向同一个终点：

怎么在一块屏幕里，把活干得更猛一点。

所谓的「AI员工」，本质上是一个被钉死在屏幕背后的同事。下一代Agent，究竟该如何突破玻璃的束缚？

4月15日，广交会开幕当天，有人试着把这道坎跨过去。

一副40克的眼镜；一颗装进机器人脑袋里的「超脑」；一个能跨设备接力干活的桌面搭子；再加上底层重新升级的AstronClaw平台，整套「Claw全家桶」一次性砸了下来。

佩戴讯飞AI眼镜的多模交互场景

干这件事的是讯飞。

所有这些硬件、软件、模型、平台的更新，都指向了同一件事——

把Agent从屏幕里拽出来，让AI真正触手可及！

这一次，「龙虾」冲出了屏幕

要做到这一点，第一步，是先给「龙虾」一副能够看见世界的身体。

硬件，才是Agent走出屏幕的第一道门。

讯飞AI眼镜：Agent有了眼睛

讯飞翻译硬件家族里最轻的那一块，是一副眼镜。

讯飞AI眼镜整机，仅40克。

作为全球最轻的双目单色显示多模态眼镜，它比市面主流产品（50克以上）减重约20%。

重量只是入场券。讯飞AI眼镜搭载的GlassClaw，才真正改变了Agent的输入方式。

你看到什么，它就能识别和理解；你听到什么语言，它就实时翻译。

跨语言方面，中英首响快至2秒，AR翻译目光锁定2秒就能自动出译，加上18个离线语种，基本覆盖了广交会这种跨国采购场景的刚需。

更硬的技术活，藏在降噪方案里。讯飞AI眼镜首创了「唇动识别」多模态降噪方案，靠5+1麦克风阵列加骨传导，最远拾音距离8米。把声源定位从「听哪个方向」变成「看谁的嘴在动」。

发布会现场，新华社记者徐弘毅戴上讯飞AI眼镜，在科大讯飞展台跑了一段相当能打的实操。

展台老师在讲解讯飞AI翻译耳机时，讯飞AI眼镜同时捕获语音和图像。多模态数据传到AstronClaw，然后给徐弘毅补上了一段背景——

这款耳机是全球首款骨导加气导的开放式专业翻译耳机。

去年在上海和迪拜两地同步发布，当时还做了一场跨国翻译电话演示。

最关键的环节在最后。徐弘毅扶了一下眼镜，说了一句话——

「根据我刚刚逛展的过程，生成相关素材发送到微信」。

GlassClaw把展区一路看到、听到的内容整理成图文素材，发到了展台工作人员的微信里。从看到、认知、理解、思考到输出，一口气搞定全流程。

当Agent的输入从屏幕里的文字，变成眼前的真实世界，人机交互的范式就被重写了。

Agent不再需要你一字一句地把世界描述给它听，它自己就能看。

Claw直控机器人，送咖啡热舞震撼

如果GlassClaw是Agent的眼睛，Claw就是Agent的神经中枢。

主持人直接在AstronClaw下达一句指令：Guide 01，给我送杯咖啡。

然后，AstronClaw操控讯飞Guide 01机器人，提着咖啡慢慢走向台前，递给了主持人。

更惊艳的还在后头。Guide 01把舞台交给了它的「WallEX」和「小弟Nova」。

其中，WallEX是升级了Claw能力的智慧家居中控屏。Nova是配套氛围灯，会根据场景自动调色，主打家居里的浪漫氛围。

现场，机器人用一支舞，把这一组合的感染力瞬间拉满。

这次Claw接入Guide 01，瞄准的是机器人行业一个老大难：语音交互和动作执行严重割裂。

过去机器人听懂一句话和做成一件事之间，隔着一层厚厚的代码。

一句简单指令往往要被拆成一连串动作，稍微复杂一点开发成本就指数级往上窜。

Claw打通了这一层。

它把AstronClaw的任务编排能力、讯飞机器人超脑平台、星火大模型、多模态交互技术深度融合，跑出的是一条完整链路：

自然交互理解 → 多传感器融合 → 自主任务规划 → 物理端执行

通过「软硬一体」模组的形式，任何机器人厂商都可以快速集成。

这等于给整个行业交了一份标准答案。机器人厂商不用再自己啃Agent这块骨头，Claw就是一个即插即用的Agent大脑模块。

家居场景的智能终端怎么接进Agent生态，讯飞给的答案和机器人是同一个，都接进同一套任务编排和上下文里。

「眼睛」和「手脚」都有了，Agent已经能看、能动。

但真正要把活干完、干好，还得有一套能把任务串起来、记得住上下文的软件中枢。

它叫AstronClaw。

聊天框装不下的活，AstronClaw接住了

过去的AstronClaw更像一个能干的网页助手，在浏览器里派活，云端把活干完。

这套「养龙虾」模式3月上线之后迅速跑通。订阅从16.8元/月起步，企业级Agent的门槛被压到了一杯咖啡钱。

这里顺带说一件事。开篇提到的那个OpenClaw，中国信通院4月刚出了一份《OpenClaw类智能体部署风险管理指南》。行业开始给「养龙虾」这件事划安全底线了。

最重要的是，科大讯飞成为首批通过自检的厂商之一。

这在一定程度上证明了AstronClaw在安全架构、任务执行隔离、数据处理规范等方面，已经具备了进入企业核心场景的能力。

不过，聊天框有聊天框的天花板。

一个任务从手机切到电脑再切到会议室，Agent就断片，每次交互都是一次重新开始。这是所有对话界面智能体绕不开的坎。

这一次，AstronClaw的升级，直接动了底层架构。

第一刀砍在端云协同。

复杂任务不再绑在单一设备上，云端负责思考和规划，终端负责现场执行。

一个任务从办公本发起，可以在手机上继续推进，再推到电脑收尾，换设备不断片。

第二刀砍在跨端记忆同步。

Agent记得自己走到了哪一步，也记得你上次提过什么要求。

用讯飞自己的话说，这是「像接力赛一样持续推进」。Agent从一次性聊天，变成了一条不会断的任务流。

还有一刀砍在生态接口。

硬件连接协议这次一起开放，不同类型的智能设备都能快速接入AstronClaw。前面那只机器人和那副眼镜，背后跑的就是这套协议。

目前，讯飞把第一台跨设备接力的Agent装在自家办公本X5上。

发布会上，主持人对办公本说一句话，刚才在AstronClaw云端生成的逛展攻略和个人行程就同步了过来。

Loomy：上传一张照片，造一个数字分身

AstronClaw是云端那只龙虾，Loomy是钻进你电脑里的那只。

3月发布的Loomy已经跑通了基本能力。目录级隔离让AI不越雷池半步。

QQ、飞书、钉钉、微信四大IM接入，手机就是远程控制台，首发期赠送积分，新用户无门槛就能上手。

这一次的升级，Loomy要从桌面工具变成长期协作伙伴。

会议中自动整理纪要、安排日程、跟进任务进度这些事，从「你得打开软件操作」变成了「你开口它去做」。

更有趣的，是这次新加的Buddy。

只需上传一张照片，加一段极具个人性格特色、工作风格的文本描述，就能量身定制一个外貌、风格相似的数字分身。

它可以成为你的「工作搭子」，更懂你自己，并处理一系列工作任务。

这不，现场主持人万里怼脸演示「万里Loomy」全程搭建过程，她把自己平时一些特点扔给Loomy：

喜欢回复111、不喜欢拖拉、做事责任感强、容易焦虑愤怒

它会调用soul-creator技能，把万里的说话风格、特点、价值观写入soul档案中，最终生成一个万里Loomy。

接下来万里现场出了个考题：「领导开会三四十分钟还没进入正题，怎么打断？」万里Loomy一口气给了五个高情商方法，最后一条是「实在不行就忍」。另一位主持人马高听完插了一句「咱俩共用一个老板」，全场笑场。

这就是Buddy「懂你」的真实样子，它给你的不是一个标准答案，是一个像你自己会写的答案。

而且，在Loomy中可以创建多个Buddy，处理各种各样的工作任务。

比如，讯飞刘庆峰董事长没来现场，让已创建好的刘总Buddy，以其风格生成一段40s发言，给现场打打气。

这种真实感，只能用「震撼」形容。不仅声音像素级还原，竟连演讲中标志性语调、鼓舞风格都与刘庆峰本人如出一辙。

合成语音里那句「用人工智能建设美好世界的使命」，全场静了几秒。

有了Loomy数字分身，真正的需求还是让它去完成手里的案头工作，比如PPT、视频、宣传文案。

现场，万里Loomy一口气调用了三个原生Skill，把广交会的案头活全清了——

• 智文Skill写了一份广交会复盘PPT。据现场介绍，智文Skill的原生应用已经突破1000万用户。

• 智作Skill做了一条围绕讯飞AI眼镜的宣传视频，用的是万里自己的数字分身做出镜。

• 绘文Skill写了一篇广交会的报道文章，并在两个第三方自媒体平台预发布等待审核。

可以看到，以上这些都是「通用型」案头任务。在广交会上，最典型的还是采买任务。

招采Claw抓出围串标，陪练AI赛博实战

别急，这里就轮到企业级智能体出场了。

最重要的「招采Claw」，深度融合了AstronClaw、SkillHub和招采知识库的招采助手。

发布会上，主持人把整套招采文件一口气全部上传，招采Claw自动调用文件解析Skill。

它先把复杂标书规整化处理，方便后面定位每一处细节。然后像专家一样，开始检测围串标风险。很快抓出两家公司的标书里用了同一张图片，判定为围串标，取消两家资格。

接下来是资质评审。招采Claw发现一家公司的工程资质是乙级，但招标文件明确要求甲级，排除。

最后两步，是初评和复审。招采Claw这里没有派单个Agent上场，而是拉起了一个Agent Team。

每家入围企业分配一个子Agent专门跟进，主Agent负责统筹。复审环节再细分。

业绩评审、施工组织、项目团队、环境保护各派一个专精Agent，互不干扰、并行推进，最后由主Agent合稿出报告。

可不要小瞧这一过程。发现相似图表、资质不合格等细节，以往要耗费多位专家时间和精力。招采Claw把专家从繁琐活里解放出来，时间花在决策、谈判、把控风险上，效率成倍提升。

这是Agent Team多智能体协同第一次跑在一个真实的企业级场景里，也是这次发布会最炸的卖点之一。

职场中，通常对打工提出了更高的要求：深谙行业各种know-how，成为多技能人才。

这不，陪练skill，企业员工专业培训的「赛博老师」能救你。

它调用了「星火陪练」的技能，与Claw一起生成一个真实的模拟场景。

主持人在「招采讨价还价」的模拟里挑了个独家供应商「何总」，十几年经验，一上来就咄咄逼人。

两轮交锋下来，最终以8%让价、60天账期、合同写最低采购量收尾，AI给的成绩是90分。

评审报告还按节奏掌控力、风格控制力等维度给出了详细分析。

招采陪练做的是新人训练。AI模拟供应商和采购员对话，把几个月实战压缩成几十轮对话。

SkillHub：企业技能的「军火库」

以上提到的陪练Skill，这么多讯飞Skill可以在哪里用得上？

它们全部都放在了技能仓库—— Astron SkillHub中。它是管理AI技能的「企业版NPM」，国内首个企业级自托管的开源技能平台。

技能、数据、日志都留在企业自有环境里，数据主权完全在自己手里。

企业里真正值钱的东西，往往是资深员工踩过坑沉淀下来的prompt、脚本文件以及工作流。

这些东西过去散落在聊天记录、笔记和模板文件里，人一走，流程也跟着走。

SkillHub做的就是把这类工作流打包成版本化、权限化、可审计的技能，存进公司的私有仓库。

新员工一个命令就能调用。

到现在，SkillHub上的开源Skill已经超过3000个，由海内外开发者共同维护。

生态兼容性上，SkillHub完全兼容ClawHub CLI协议。一次发布，AstronClaw、OpenClaw、Loomy都能一键下载、安装和调用。

到这里，「Claw全家桶」的全貌已经摆出来了——

GlassClaw在物理世界负责感知和执行，WallEX覆盖家居场景； AstronClaw在云端调度任务，Loomy在桌面当协作伙伴和数字分身，SkillHub把企业的技能资产沉淀下来。

市面上，几乎所有厂商都在说自己软硬一体，但真能做到的没几家。

原因很简单，「堆料」不难，难的是往下打得穿。

讯飞的差异化不是「做得全」，是「每一层都是自己的」。

从自研大模型、自建平台、自造硬件、自养开发者生态，这四件事但凡缺一件，这根主干就断了。

眼睛看到的、手脚执行的、桌面协作的、企业沉淀的，最后都要汇到同一个大脑里。

而能不能汇得通，答案全在底座。

标王连庄，靠的是十六年家底

说了这么多，最终所有的线索都指向了一个必须回答的问题：凭什么是讯飞？

先上数据。2025年全年，讯飞拿到了210个中标项目，23.16亿中标金额。数量和金额两项都是第一，蝉联2025年大模型「标王」。

也就是说，讯飞一家的中标金额，大幅超过了榜单上后面几家披露金额的总和。

更关键的是分布。教育、医疗、金融、通信、能源、政务六大行业全线覆盖，80%以上是应用类项目，真正落地到了企业业务流。

数字背后是具体的项目。

讯飞拿下了安徽省人工智能应用中试基地，深耕医学垂类模型，承担全省试点的那一环。

国家能源集团用「OCR+星火大模型」打造智能无人评审系统，率先在非招采购全类别、全方式的业务跑通。

西安铁路通过星火知识库与讯飞智文，将大模型能力平替进大基建基层的日常办公流。

尤其要拎出来说的是美团。基于星火大模型的AI文案和AI脚本，已经在旗下多个产品上线。这一条的分量不在于单子大小，在于客户是谁。一线C端互联网大厂接入讯飞的大模型底层，是客户光谱里的新面孔。

而所有这些项目背后，是一个从2010年长起来的开放平台。

截至2026年3月31日，讯飞开放平台已经沉淀1074万开发者团队、931项AI产品、403万应用、43.1亿台终端设备。十六年家底。光星火发布以来就新增664万开发者，大模型相关开发者253万。

能做Agent生态整合的公司不止一家。但能把生态、模型、硬件、落地经验全部凑齐的，没几家。

当龙虾走出聊天框

当Agent有了眼睛、耳朵和手，它要解决的问题就变了。不再是「如何回答得更聪明」。是「如何把事情真的做完」。

一年前，AI圈刚开始流行养龙虾的时候，没人说过龙虾有一天会爬出鱼缸。

现在它爬出来了。

下一个问题不再是它能不能替人干活。是它走到哪家工厂、哪个会议室、哪个展台，就会先改变哪里。