财联社4月22日讯（记者 付静）“3月开始‘龙虾’爆火，4月很快就回归了一种理性，热度有所下降，不过产品的演化速度其实一点都没有降低。我们的初步结论就是，‘龙虾’所带来的智能体的技术革命是不可逆转的。”英特尔中国区技术部总经理高宇对财联社记者表示。

“龙虾”OpenClaw成为现象级产品后，又一个开源智能体“爱马仕”Hermes Agent近日在科技圈走红。财联社记者最新从业内多方获悉，“龙虾”、“爱马仕”们的爆火加速了数字员工进程，2026年被称为是数字员工元年。数字员工可7X24小时自助完成某项职责，进一步促进OPC（One Person Company，一人公司）模式发展。

软件层面，厂商不仅积极适配部署热门开源智能体，也推出自研的智能体解决方案。上周，腾讯云轻量应用服务器Lighthouse前脚作为行业首家实现对“爱马仕”的云端一键快速部署，MiniMax后脚上线基于Hermes Agent构建的云端自我进化AI助手MaxHermes，号称用户10秒内即可在云端拥有一个“越用越懂自己”的智能体。与此同时，澜舟科技发布了澜舟可信AI全栈技术体系，覆盖企业智能体OS（LangClaw）、企业数字员工、企业大脑、底层可信能力。

硬件端也紧抓智能体机遇，近期市面上多款强调“安全养虾”、破解用户Token焦虑的“龙虾”盒子、一体机密集推出。4月21日，曾于2023年9月率先提出AI PC概念的芯片大厂英特尔首次提出智能体PC概念，针对智能体暴露出的安全隐患、成本高、脆弱性等问题提出对策。

智能体爆火加速“超级个体”诞生

“龙虾”们的爆火，正在加速“超级个体”的诞生。

“中国的AI产业迎来了黄金发展期。”澜舟科技创始人周明博士告诉财联社记者。他回顾并展望人工智能发展历程：2023年是对话式AI元年、2024年是推理式AI元年、2025年是智能体AI元年，2026年则是数字员工元年。

4月21日，国务院印发的《关于推进服务业扩能提质的意见》，指出深入实施“人工智能+”行动，加快智能编程工具研发使用，支持采购大模型、智能体服务。此前《关于深入实施“人工智能+”行动的意见》还明确了到2027年智能体在内的应用普及率超70%的目标。

智能体正处于快速规模落地阶段。周明认为，其技术路径遵循从大模型增强，到智能体工程成熟，再到数字员工落地的演进路线。其中，智能体工程就是利用外部数据通过微调和RAG增强智能体的能力，利用skills、MCP、A2A协议调用工作或其他智能体完成更复杂的任务，提示词工程、上下文工程、驾驭工程等可以强化任务理解、补充决策信息、优化记忆等。

基于智能体工程的方法论，AI原生软件新架构形成的趋势明确。

财联社记者了解到，传统AI+仅为软件附加能力，与业务系统是“两层皮”，难以深度融合甚至内部竞争互阻；而AI原生以LLM+智能体为底层架构，从设计、开发到运营全流程围绕AI重构，实现自主决策、流程自动化与业务深度协同。

周明认为，AI原生理念与智能体工程的实践，正是支撑当下受到政策扶持的OPC模式的技术基石。

此前有媒体统计，目前全国已有超20个城市出台OPC相关支持政策。不过财联社记者注意到，首批OPC创业公司被曝已倒闭，并非人人皆可借AI之力成为“超级个体”。近期有行业媒体报道，北上苏杭四座城市的OPC创业社区，原本热闹的工位区已有近三成空置，主要问题出在变现上，通常产品没有核心壁垒、大多同质化严重，用户量持续下滑。

对此，周明告诉财联社记者，创业成功率低是常态，OPC时代创业门槛会降低，但并不代表成功率就会提高，公司希望通过提供销售、营销、招聘等数字员工Skill，解决OPC创业者面临的获客、招聘等痛点。

据悉，LangClaw作为数字员工统一运行底座，支持自然语言转任务、跨系统操作、多数字员工协同、安全沙箱执行、全链路审计等核心能力。澜舟科技方面表示，未来将持续深耕AI原生与可信AI技术，聚焦金融、运营商、央国企等核心领域，以LangClaw为核心底座推动智能体从单点试点走向全业务覆盖。

“智能体PC”概念问世

4月21日，英特尔正式提出了针对个人使用场景的“智能体PC”概念，与适用于企业私有化部署的AI推理系统、服务器容器化部署的智能体Farm共同形成其智能体平台全栈方案。

财联社记者获悉，智能体PC是为智能体使用而优化的AI PC，具备本地智能体实现任务闭环能力、端云结合的混合AI推理能力、记忆和自主进化能力、本地安全保护能力。产品形态涉及笔记本、Mini PC、一体机、AI Box、AI NAS、边缘网关等，采用“本地辅脑+云端主脑”混合架构，支持敏感任务留在本地，高能力任务按需调用云端。其中，“辅脑”能力由PC端的本地AI和中小模型构成，“主脑”则协作远端AI和大模型。

高宇称，“我们在2023年提AI PC时，大语言模型诞生只有一年不到的时间，端侧运行能力还相对粗浅。但我们现在回头看，大方向其实没有错，这几年产业都认可AI PC，我们抓了至少两年的提前量。智能体PC也是如此，目前它面临的问题还在收敛过程中，问题没有解决就不可能实现真正普及，但是大方向是对的。在‘龙虾’的火热退却，大家冷静地思考何去何从的时候，我们再喊这样一个概念，可能是最佳时机。我们是想从算力层先把概念抛出来，然后拉动行业一起去解决问题。”

配置方面，英特尔方面推出了一系列普适的智能体PC硬件方案：旗舰配置为搭载第三代酷睿Ultra X系列处理器、32GB以上内存，运行Qwen3.5/3.6（35B）、Gemma4（26B）等大型语言模型及Qwen3-VL、MiniCPM-O-4.5等复杂多模态模型；主流配置为采用第三代酷睿Ultra 8核/16核处理器、16GB以上内存，运行Qwen3.5（9B/4B）等中量级语言模型，并支持Qwen3-TTS、Z-Image-Turbo等文生音、文生图应用；入门配置为采用第三代酷睿处理器，在内存配置更低的情况下（如12GB），运行Qwen3.5（4B）级别的轻量化语言模型，用于完成PaddleOCR、CosyVoice等多模态任务。

另外高宇谈到，上述配置在配备AI SSD后将有更好的性能表现，尤其适合内存容量有限的情况。以搭载群联aiDAPTIV技术的解决方案为例，仅配备16GB内存的轻薄本也能运行Qwen-35B级别的大模型。

值得一提的是，高宇进一步透露，3月“龙虾”的爆火导致x86 PC紧俏。

“x86是真正的AI原生架构，所有的AI模型，包括智能体的开发和最早部署的一刹那都是在云上，全都是x86架构。”他也进一步提到。

（受访者供图）

此外，为使智能体PC实现开机即用，英特尔与Cherry Studio、樱桃AI助手、DuMate、Flowy、具芯科技、Molili、QClaw、QoderWork、QwenPAW、阶跃星辰、腾讯应用宝、TRAE、Workbuddy等厂商共同打造了AI Skill生态。目前，英特尔围绕高频核心场景已打造智能搜索、视频快剪、游戏辅助、安全护栏等“甄选Skill”，面向开发者开源了“参考Skill”，通过魔搭社区AI PC专区与人工智能创新大赛持续激励社区贡献Skill。

养不起“龙虾”的Token焦虑

智能体的蓬勃生态带来Token消耗成倍增长。财联社记者与业内多位人士交流时也注意到，Token成本的话题备受关注。一家港股公司相关负责人还告诉财联社记者，中国AI的竞争，正从“百模大战”转向“Token生态大战”。

3月，国家数据局局长刘烈宏在中国发展高层论坛2026年会上透露，2024年初，中国日均Token调用量为1000亿，到2025年底，跃升至100万亿，今年3月已突破140万亿，两年增长超千倍。

财联社记者此前报道，有分析人士称今年推动Token使用量大幅增长的，一方面主要是用户基于Seedance、Nano Banana等产品大规模生成的图像和视频；另一方面是包括“龙虾”在内要执行多步工作流的智能体，它们通常高并发运行，且需持续迭代。

针对“龙虾”类产品造成的Token成本，周明介绍，“原来AIGC单轮问答其实也已经很消耗Token了，可是智能体使得Token耗费量增长了10倍都不止。因为它可以派生出很多个智能体并行、可以昼夜工作，又‘自作主张’去搜集很多资料再汇总，其实有的时候可能（Token消耗）就不可控了。所以Token节省的问题是一个现在特别热门的话题，也是我们在做智能体OS的时候必须要考虑的问题。”

周明认为，通过大小模型混合编排及云边端配合，Token成本可以得到节省。

与此同时，英特尔提出的智能体PC，采用混合AI部署方式，也是出于Token成本的考量，解决“云上太贵，端侧有点傻”的问题。

据了解，站在成本角度，单一云架构的局限在于，高频调用持续消耗云资源带来成本压力；而单一端侧架构的局限则在于能力上限有限，难以覆盖高复杂任务，新场景和新能力扩展速度较慢，复杂协同与重负载任务承载能力不足。

考虑到智能体的总体拥有成本（TCO），高宇还明确表示，“我们目前认为在端侧，模型可运行的最优解应该是在35B上下，再往上走成本高，再往下走容易受限。”

近期，一家A股科技公司发布了可支持“龙虾”的一体机产品。该公司相关负责人告诉财联社记者，在经济维度，针对目前大家怕养不起龙虾的痛点，一体机可以让用户减少Token焦虑，由于采用本地化部署模式，模型及Claw应用部署在企业本地，因而仅需一次性硬件投入，长期使用成本趋近于零。相比持续烧钱的云端模式，综合使用成本最高可降低60% 。

财联社记者还从英特尔方面了解到，“龙虾”并非是一款适合普通消费者的产品，但是推动了智能体的普及。

在展望智能体何时能被大众真正接受时，高宇也坦言，Token消耗要减少、使用门槛要降低，这是必要条件，但还有充分条件尚待满足。“不管是北美大型IT公司，还是国内的产业，我个人感受是事实上全行业对智能体如此快速的发展都没做好准备。其他挑战能不能解决，需要时间验证。”