openclaw之后，大廠也推出了各類國產(chǎn)版本，其中最近最火的就是騰訊的Qclaw,目前僅支持蘋果生態(tài)，可以通過微信對話就完成自動化操作電腦，同時還有自己的SKILLS生態(tài)。

　　現(xiàn)在一個邀請碼難求，甚至有朋友找到我問邀請碼，不過比較遺憾的是專注做腦機接口與空間計算應用之后，就導致也沒有獲得邀請碼了。

　　這里做一個問卷調(diào)研，你下載了小龍蝦嗎？

　　騰訊的Qclaw:對標telegram與Openclaw

　　在openclaw依托于國外的Telegram，我作為產(chǎn)品經(jīng)理一直判斷國內(nèi)微信做這件事就性價比很高了，并且是必然的。

　　因為國內(nèi)的用戶社交通道還是在微信上，使用飛書、企業(yè)微信或釘釘，就注定了市場過小。

　　作為AIagent的會話消息入口，微信或QQ是最合適的場景。

　　微信的文件傳輸助手，每個人的幫手

　　最恰當?shù)膱鼍熬褪俏⑿诺奈募鬏斨?，幾乎每個白領都會用其來辦公做跨端文件傳輸，畢竟誰也不想拿一個好友來發(fā)送資料消息。

　　甚至有人專門把名字頭像改為微信文件傳輸助手，也可以讓不少用戶誤傳了。

　　“我一直在等大廠做這件事，結(jié)果過了幾個月還是沒有反應，所以就自己做了?！边@是創(chuàng)始人是彼得·斯坦伯格（Peter Steinberger），以為這類場景需求是有人發(fā)現(xiàn)的，但是卻沒有，就自己做了。

　　可以看見，以用戶需求出發(fā)的痛點做產(chǎn)品，這件事即使是AI時代，也是非常有必要的，行動力加用戶需求洞察。

　　騰訊Qclaw支持微信賬戶體系：不封微信賬戶了

　　相比之前有開發(fā)者用openclaw操作微信發(fā)送消息或者豆包類手機幫助用戶管理社交消息，微信官方會直接封殺賬戶。

　　而現(xiàn)在有官方下場，用戶也就不用擔心微信賬戶被封了。允許你正常使用自動化回復消息以及操作桌面，這其實是非常方便的

　　Qclaw：支持自動化小紅書與學術文件整理

　　目前騰訊這款Qclaw支持自動化遠程桌面文件以及處理工作，但是有點遺憾的現(xiàn)在還不能夠支持打自家的游戲，估計這不僅和模型底座有關系，還可能和接下來游戲生態(tài)、外掛系統(tǒng)監(jiān)控有關系。

　　但支持自動化發(fā)布小紅書，不過其官方已經(jīng)禁止自動化操作發(fā)布小紅書了，判斷是否是機器人來進行賬戶降權重與推流了。

　　所以你可以看到有用戶發(fā)布自動化幾乎沒有閱讀量或者很少也是這個原因。

　　Qclaw：騰訊電腦管家出品

　　目前出品產(chǎn)品的團隊還是來自騰訊電腦管家團隊，可以判斷接下來的產(chǎn)品迭代是幾乎是往自動化桌面電腦走了，但是最后用戶還是要付費購買算力了，幾乎都是騰訊云算力的入口點，一個小龍蝦。

　　對標小龍蝦的新產(chǎn)品：perplexity

　　相比小龍蝦，現(xiàn)在還有一個針對自動化電腦的工具，也是近期爆火，支持自動化24小時運行部署在Macmini上，甚至是官方宣傳片上就以Macmini為默認部署機器。

　　支持SaaS云端操作的個人機器賈維斯

　　computing model支持任何的白領辦公工作內(nèi)容輸出，能夠記住你的工作以及支持任意內(nèi)容源關聯(lián)，覆蓋了海外市場的主流工具、社交應用，你可用進行關聯(lián)匹配之后就可以完成agent自動化操作。

　　同時支持任務排隊，可以繼續(xù)創(chuàng)建你的任務指令，她可以并行排隊等待完成，你還能夠查看中間過程的任務

　　支持多個廠商的大模型集成，你可以任意挑選，總之官方會給積分作為新手用戶，注冊之后目前付費達到了1個月高達1000人民幣。

　　隨著各種個人 AI 助手工具的出現(xiàn)，算力需求正在迅速爆炸，但 GPU 私有化算力的供給卻遠遠跟不上。各大硬件廠商幾乎都在拼命生產(chǎn) GPU 和 AI 計算設備，而真正關鍵的基礎部件——高容量內(nèi)存條，反而沒有同步擴產(chǎn)。

　　結(jié)果就是一個非常現(xiàn)實的現(xiàn)象：AI 服務器和高端內(nèi)存條價格一路上漲，甚至出現(xiàn)了“幾臺機器比黃金還值錢”的局面。

　　原因其實很簡單。AI 服務器使用的內(nèi)存不僅頻率高，而且容量極大。普通電腦可能只有幾十 GB 內(nèi)存，而 AI 推理或訓練服務器往往需要幾百 GB，甚至數(shù) TB 的內(nèi)存配置。面對這種需求結(jié)構(gòu)，廠商自然優(yōu)先生產(chǎn)利潤更高的大容量服務器內(nèi)存，導致整個內(nèi)存產(chǎn)業(yè)結(jié)構(gòu)開始失衡。一個明顯的結(jié)果就是：連手機內(nèi)存的價格都被帶著上漲。

　　最近我?guī)F隊在做腦機接口和空間計算相關的項目，對私有化模型部署和模型微調(diào)的需求非常高。隨著“大模型養(yǎng)小龍蝦”的概念突然爆火，現(xiàn)在在某二手平臺上，無論是顯卡、顯存還是服務器內(nèi)存，價格都被炒得非常高。不管是做推理還是模型訓練，這些資源都變成了稀缺品。

　　目前個人開發(fā)者和小型科研團隊常見的幾種主力機器，大概包括：

　　Mac mini M4（16GB）

　　Mac Studio Ultra M3（256GB / 512GB 統(tǒng)一內(nèi)存）

　　NVIDIA DGX Spark（120GB 統(tǒng)一內(nèi)存）

　　這些設備既可以用于模型部署，也可以用于訓練或微調(diào)大模型，可以說是現(xiàn)在“養(yǎng)小龍蝦”的主力工具。

　　但很多人忽略了一點：
所謂的一個“小龍蝦”，本質(zhì)上只是一套軟件模型。而為了運行它，背后往往需要幾萬元的 GPU 硬件，或者持續(xù)不斷地支付 API tokens 費用。

　　這就形成了一種非常諷刺的現(xiàn)實：
很多人連幾十塊錢的音樂會員都不愿意開，仍然在用免費版聽歌；
也不愿意為視頻平臺付費，天天找資源看劇。

　　但一旦進入 AI 時代，卻又幻想可以免費獲得強大的算力和模型能力。

　　所以，當你看到那張“養(yǎng)小龍蝦”的圖時，其實也就能理解為什么很多普通人的心態(tài)會是那樣——他們看到的是 AI 的表面熱鬧，卻看不到背后真正昂貴的算力成本。

　　普通算力，現(xiàn)在連大廠的云算力都不夠了

　　更夸張的是，現(xiàn)在連最基礎的云算力都開始變得緊張。

　　過去大家覺得，只要不用自己買 GPU，上云就能解決問題。但現(xiàn)實是，現(xiàn)在連大廠的云算力資源都開始出現(xiàn)明顯的供給不足。

　　最近我和團隊在搭建一套 AI 自動化排版系統(tǒng)，需要持續(xù)調(diào)用模型進行文本分析和生成。原本計劃直接使用按月付費的云算力資源，但實際操作時卻發(fā)現(xiàn)——連普通等級的算力套餐都很難訂到。

　　打開阿里云的百煉平臺就能看到一個非常直觀的現(xiàn)象：
目前很多算力資源已經(jīng)不再對普通用戶開放，基本只保留給高等級或高額度充值的客戶。普通開發(fā)者如果想使用算力資源，甚至需要每天早上9:30 準時去搶配額，而且還是限量供應。

　　這在幾年前幾乎是不可想象的事情。過去大家擔心的是“算力太貴”，而現(xiàn)在很多時候變成了“有錢都未必能買到”。

　　至于這種情況到底是平臺刻意控制配額，還是算力資源本身已經(jīng)非常緊張，其實外界很難判斷。但無論原因是什么，一個趨勢已經(jīng)非常明顯：算力正在變成真正的稀缺資源。

　　不只是硬件在漲價，云算力的價格也在持續(xù)上升。

　　最近一個非常典型的例子就是Mac Studio Ultra M3（512GB 統(tǒng)一內(nèi)存）。在二手市場上，這臺機器的價格已經(jīng)被炒到15 萬一臺。而如果是正常渠道購買，疊加員工優(yōu)惠或者教育優(yōu)惠，新機的價格大概在8–9 萬左右。

　　也就是說，現(xiàn)在出現(xiàn)了一種非常反常的現(xiàn)象：
二手設備的價格反而比全新的機器還貴。

　　這背后其實反映的就是一個問題——真正需要算力的人已經(jīng)開始囤設備了，市場供給跟不上需求。

　　類似的情況還發(fā)生在很多 AI 相關資源上。比如最近火爆的國產(chǎn)“大模型龍蝦”生態(tài)版本，很多平臺甚至需要邀請碼才能進入，而且邀請碼本身也變得一“碼難求”。

　　從 GPU、服務器內(nèi)存，到云算力額度，再到各種 AI 平臺的使用資格，整個產(chǎn)業(yè)鏈都在傳遞同一個信號：

　　2026年AI 時代真正稀缺的，不再是模型，而是算力，馬上就是電力

　　今天的分享就到這里。