“小龙虾”带火Mac mini后，AI智能体的未来在云端

一款名叫OpenClaw（大家都叫它“龙虾”）的AI工具意外走红，顺带让Mac mini这款小型电脑成了香饽饽。紧接着，AI搜索公司Perplexity也赶了趟热潮，推出了一款叫Personal Computer的产品——其实就是在Mac mini上预装了自家的AI代理Comet，提供24小时在线的本地智能服务，和OpenClaw的用法几乎一模一样。



可能有人还不知道OpenClaw是啥，简单说，它是一个开源的AI智能平台，咱们普通人可以在自己的设备上部署一个“AI小龙虾”，让它接入微信、飞书、钉钉这些常用软件，自动帮你做浏览网页、操作文件、执行命令这些杂活。但要让它一直工作，得有个前提：需要一台24小时不关机、还能给它系统级权限的设备。

而Mac mini刚好适配这个需求。它功耗低、体积小，运行起来安安静静的，随便放在角落就能长期开机。而且苹果的MacOS系统自带日历、备忘录、快捷指令这些功能，“小龙虾”拿到权限后就能直接调用，这一点是Windows和Linux系统很难做到的。

还有一个很实际的原因：大多数人都不敢把一个可能“出错”的AI，装在自己常用的主力电脑上。Mac mini价格不高，刚好能当一个独立的“安全隔离区”，就算AI出问题，也不会影响主力机的文件和数据。

不过要说明的是，Mac mini的走红，只是OpenClaw初期传播的一个现象，不会是它长期的唯一形态。回顾过往的科技发展规律就知道，当一个产品的用户变多、任务变复杂，而且大家对安全和迁移的需求变高时，“云端服务”就会应运而生。现在的OpenClaw，刚好符合这些条件，所以像它这样的AI智能体，未来一定会慢慢转移到“云端虚拟机”或者VPS上。

简单说就是，在云端放一个常驻的控制端，本地只需要一个简单的操作界面，咱们就可以根据自己的需求，随时连接个人设备使用，既不用担心“小龙虾”的数量限制，也不用操心设备安全。

事实上，就在大家疯抢Mac mini的那一周，阿里云、腾讯云、火山引擎、百度智能云这几家国内主流云服务商，几乎同时上线了OpenClaw的云端一键部署方案，最便宜的一年只要68块，就能开通一台预装好了的轻量服务器——云端的这台小虚拟机，同样能当“小龙虾”的宿主。

如果顺着这个趋势发展，那些提供AI智能体托管服务的基础设施，将会迎来大机遇：比如云虚拟机、VPS、内存型服务器、高速状态盘、远程浏览器、安全沙箱、零信任接入，还有背后的模型推理服务等等。

这也再次说明，除了大家熟知的GPU之外，AI智能体这类应用，会对CPU、内存、NVME硬盘、网卡等通用服务器配件和系统，提出更高的数量和性能要求。这才是“小龙虾宿主”背后真正值得关注的产业信号——它不只是带火了Mac mini，更在重新定义智能体时代，数据中心里通用算力组件的需求格局。

从全球供应来看，台积电和英特尔的产能已经拉满，但随着国内先进工艺的不断成熟，国产X86 CPU将会扩大在通用CPU服务器市场的份额，长鑫存储、长江存储也在不断提升产能。中国的半导体企业，已经成为缓解AI发展中“缺芯”瓶颈的新力量。

一、单机Mac mini模式，迟早要向云虚拟机/VPS升级

把OpenClaw一直绑在一台固定的Mac mini上，好处是简单易操作，但也会带来不少麻烦，主要集中在三个方面：

1. 可达性不足

OpenClaw最吸引人的地方，就是它像一个24小时在线的数字助手——大家希望它随时能用，手机上发个指令能响应，电脑上能接着操作，出门在外也能调用。但Mac mini大多放在家里或办公室，这就需要额外解决远程操作、网络连接、身份验证这些问题，而云端虚拟机或VPS，刚好能完美解决这些麻烦。

其实OpenClaw的设计者，从一开始就没打算把它局限在单机上，也提供了安装到远程VPS的模式。这也很好理解，当一个产品从“极客玩物”变成大众工具，操作界面和执行环境分离是必然趋势——手机、电脑这些随身携带的设备，只需要当一个入口就好。

2. 安全隐患突出

一旦你把主力Mac或者一台长期在线的Mac mini交给OpenClaw，就意味着它能接触到你的设备、文件、屏幕，还能执行命令。但AI智能体和传统程序不一样，它不是按固定指令做事，很容易出错。现在社交媒体上，已经有不少OpenClaw误操作的案例了。

除此之外，围绕OpenClaw的假安装包、恶意代码也开始出现，有些不良分子会在GitHub上伪造仓库，传播病毒。把OpenClaw直接装在个人设备上，还让它拥有高系统权限，很多人都会担心：隐私会不会泄露？账号密码会不会有风险？万一安装包被动手脚怎么办？

而把它放在云端托管的VPS上，就能避开很多这样的安全问题，相当于给个人设备加了一层保护。

3. 迁移和扩展不方便

OpenClaw的使用场景，不会一直停留在“一个人随便玩玩”的阶段。比如有人把自己调试好的“小龙虾”分享给别人，或者想迁移到另一台设备上，就会遇到迁移困难的问题。

一旦任务变多，或者养了多个AI智能体，设备的压力就会变大：一方面，浏览器、工具、日志这些东西会拖慢设备速度；另一方面，会需要多节点、多实例，分开管理环境、权限和用途，这就需要资源能灵活扩展——这本来就是云计算要解决的问题。

把“小龙虾”养在云端VPS上，有这么几个明显的好处：

- 云端更适合承担“24小时在线”的控制角色，不用操心设备关机问题；

- 能把高风险操作从个人主力设备上剥离，更安全；

- 迁移、备份、扩展都更方便，资源能根据需求灵活调整；

- 操作界面会更简洁，适配手机、电脑等各种设备；

- 随时可以打包镜像，迁移或备份到本地，不怕数据丢失。

二、AI智能体时代，基础设施的衡量标准变了

随着OpenClaw这类AI智能体的普及，数据中心基础设施的发展方向，会出现三个明显的变化：

第一，未来数据中心的竞争重点，会从“模型能力强弱”（也就是GPU的性能），慢慢转向“同等投资下，能支撑多少个长期在线的AI智能体”——简单说就是GPU和CPU协同发力。在AI智能体场景里，商业回报不只是看单次回答的质量，更要看全天候运行的调用成本、稳定性和资源利用率。

第二，数据中心的优化目标也会调整。过去大家更关注GPU的峰值性能，接下来会更看重整个系统的实际表现：比如推理速度、任务调度效率，还有AI智能体具备执行能力后，带来的权限控制、隔离和安全问题。

第三，产业价值会从模型本身，扩散到更多相关领域。模型固然重要，但AI智能体能不能落地，还取决于云平台、工具链、连接器、安全体系、终端形态，以及和企业软件系统的适配能力。未来的竞争，不只是比模型好不好用，更比谁能把AI智能体真正接入生产环境，并且长期稳定运行。

三、基础设施升级，哪些领域会受益？

如果OpenClaw全面上云，那些原本分散在用户家里、办公室的AI智能体，会慢慢回流到数据中心和托管平台。如果未来像“小龙虾”这样的AI智能体，成为大家必备的工具，数据中心的需求将会大幅增加——除了模型推理需要的GPU、HBM等传统算力组件，CPU、内存、NVME硬盘的需求，会比前者更大。

1. CPU：需求会大幅提升

OpenClaw不是纯靠AI推理的应用，它本质上是一个以CPU为主的控制和调度系统，只是外接了GPU作为推理后端。传统的大模型应用，比如AI对话，主要消耗的是GPU的推理算力，一次推理结束就完事了。但AI智能体不一样，它是一个循环过程：推理、调用工具、再推理、再调用工具、保存状态，反复循环后才给用户反馈。

这就意味着，大量的计算都发生在系统调度和外部执行上。从实际应用来看，CPU在AI智能体系统里，主要负责四件事：

一是控制和路由：消息从哪里来、交给哪个AI智能体、调用哪个工具、走什么审批流程，都靠CPU来控制；

二是工具执行和I/O操作：比如浏览网页、调用API、操作文件、执行命令行，这些任务大多需要频繁的I/O交互或系统调用，主要靠CPU完成；

三是状态管理：会话记录、工作区、日志、权限、审计、隔离边界，这些都是AI智能体进入企业应用前，必须完善的部分，也需要CPU来支撑；

四是推理辅助服务：比如请求整理、检索、缓存、上下文管理、任务队列、重试、监控等。

OpenClaw的控制端是长期常驻的，这会让数据中心新增大量典型负载——很多24小时在线的中小型服务器实例。就算假设云端虚拟机的资源（CPU、内存、硬盘）只有Mac mini的一半，但作为面向普通用户的应用，用户量会达到天量级，加起来会形成巨大且稳定的资源需求。

所以，AI智能体越流行，对CPU的总需求就越高——不仅需要更多的CPU核心，还需要更多的CPU芯片。其实作者在1月份就专门写过文章，分析过AI智能体对CPU需求的巨大推动作用。

2. 内存与硬盘：压力持续增大

OpenClaw是一个有状态的系统。按照它的运行逻辑，本地的会话记录会存在硬盘里；如果养了多个AI智能体，每个智能体都有自己的工作区、状态目录和会话存储。也就是说，它不是一次请求结束就完事，而是要长期维护会话、工具上下文、工作区文件和各种状态。

除此之外，OpenClaw还自带浏览器、多个沙箱实例、画布、节点、定时任务等工具，这些都是AI智能体常用的功能；一旦频繁使用这些工具，或者设置成自动运行，对内存和硬盘的压力会明显增加。

而且，这些状态和工作区都会存在VPS里，这就需要用到状态盘、快照和备份服务，这些都会消耗大量的硬盘空间。如果是企业级的部署，还要考虑迁移、回滚、灾备和合规审计，这些都会额外增加块存储、快照、备份和日志归档的开销。

四、从缺芯到补链，中国AI基础设施正在补齐短板

现在数据中心的芯片缺货问题很严重，从之前的GPU，到后来的内存、硬盘，再到CPU，都处于供不应求的状态。其中，除了内存颗粒之外，GPU和CPU都需要高端制程和先进封装技术，全球大部分芯片厂商都要依赖台积电及其合作伙伴，所以英特尔、AMD的CPU早就被预定一空。AI应用的“卡脖子”问题，本质上还是高端芯片的设计和产能不足。

不过值得庆幸的是，国内的芯片产能正在快速追赶，中芯国际、华虹的先进工艺在不断迭代。更关键的是，海光生产的就是X86架构的CPU，能够轻松填补英特尔和AMD产能不足留下的市场空白，而不只是局限于传统的信创项目。

更重要的是，随着AI应用的不断发展，智算中心的计算模式会逐渐形成“CPU池+GPU池”的框架，再加上越来越多的CPU与GPU紧密耦合的高端节点。在这种情况下，具备CPU和GPU协同能力的企业，会更适应未来的产业需求。

作为近几年保障供应链安全的成果，中国在AI基础设施领域，已经形成了三个具备核心竞争力的组合，具备了底线保障能力：

1. 海光：X86+AI芯片组合，依托三星和国产晶圆厂的产能保障；

2. 华为：ARM+AI芯片组合，依托国产晶圆厂和灵活的产能保障；

3. 阿里：CPU+AI芯片组合，依托国际领先的晶圆厂资源。

这三家企业，从计算芯片到服务器，再到基础设施云，已经具备了承接AI应用所需的全部关键基础设施要素。

我们有理由相信，随着国产产能的稳步扩大，限制AI发展的芯片供应瓶颈，会慢慢得到缓解。如果未来地缘政治环境改善，像海光这样的X86 CPU产能，甚至有可能对外输出，反哺国际市场，融入全球算力体系。

“小龙虾”不应该只养在自家的鱼缸里，更应该回归广阔的“池塘和湖泊”；而中国的芯片产业，正在为这些AI智能体，建设一个更广阔、更安全的“家园”。