核心内容摘要
保姆级教程：零基础玩转SDXL 1.0，RTX 4090专属绘图工具快速部署指南
Jay 发自 凹非寺量子位 | 公众号 QbitAIOpenClaw原名Clawdbot爆火「贾维斯」狂潮席卷全球。
刚看了下京东本地Agent甚至已经成了Mac mini的广告语……最近硅谷的一个本地Agent项目也很有关注度而且是软硬件打包好买回来就能直接用的那种。
长这样子卖250美元折合人民币约1700元买来插上电就能当OpenClaw用。
对硬件版的OpenClaw……硬件版OpenClaw名字叫Distiller Alpha一款Linux硬件核心计算模块基于树莓派CM58GB内存64GB存储。
在此基础上还集成了墨水屏、麦克风、扬声器、摄像头……特别小一个手掌一半都不到整体尺寸比手机还小感觉能直接揣裤兜。
所有都提前在这块硬件里部署好了扫下墨水屏上的二维码就能直接进入交互界面和一个叫Pamir的Agent对话。
OpenClaw能干的都能干整理文件、翻阅X、发邮件……理论上只要能通过「点击」解决的事情都没问题。
同样是一个24小时待命的贾维斯可以随地大小Code。
这些都不是重点。
上面这些事情OpenClaw都能做甚至能更夸张。
Pamir最不一样的地方是它竟然还可以给硬件Vibe coding……有人给扫地机器人装了根机械臂现在不仅能扫灰尘了遇到大点的垃圾也能顺手捡起。
有个老哥在家里搭了一套赛车模拟器把Pamir当「副驾驶」用。
每次他跑完一圈后这个「副驾驶」会自动帮他回顾和分析驾驶数据然后把这些数据实时展示在他接上的一堆小显示屏上。
就连这个8×8的LED灯阵都能玩出花来只需要一句话就能搞出各种炫酷的特效。
如果你想甚至能在这上面玩贪吃蛇……各种离谱的demo见得多了能给硬件Vibe coding的Agent倒还是第一次见。
正好最近本地Agent火相信大家心里多少都有不少困惑这条路到底和其他Agent有什么不同类似的创业者如何看OpenClaw用户又该如何更好地打造自己的「贾维斯」带着这些问号量子位找到了这家硬件版OpenClawPamir的两位创始人之一——叶天奇聊了聊他们在本地Agent这条赛道上的想法。
采访原文超
2万字信息密度很高其中有不少有趣的观点。
为了完整呈现叶天奇的思考我们决定不做过多处理直接把全文端上来。
在这场对话里你会看到软硬一体的Agent会有什么不一样OpenClaw到底做对了什么火了之后为什么又迅速暴露出一堆安全问题为什么Mac mini并不是最适合部署Agent的硬件那些提前半年就体验过OpenClaw这种能力的人现在都怎么用本地Agent为什么对初创公司来说硬件是一条更合适的路径AI时代下电脑的最终形态可能会长什么样以下附上访谈全文为提升可读性量子位在不改变原意的前提下对内容进行了适当调整和删减。
请享用。
OpenClaw、本地Agent以及电脑的下一步Pamir是什么QPamir现在做的Distiller Alpha是什么它能干些什么叶天奇Distiller Alpha本质上是一台Linux的mini PC一台非常小的Linux小电脑。
我们把传统电脑里一些最基础的元件单独拎出来配上小屏幕、LED灯、麦克风、扬声器以及各种各样的IO接口把它做成了一个非常紧凑的形态整体尺寸比手机还小。
在系统层面我们给这台设备预装了Agent目前主要用于跑Claude Code。
基本上只要是LinuxDocker能做的事情它都能做。
最典型的场景是Vibe coding。
现在有一批开发者非常痴迷Vibe coding希望随时随地都能写代码他们会通过手机远程操作我们的设备。
除此之外还有一批用户会把我们的设备接到各种各样的硬件上通过Vibe coding的方式来开发和控制这些硬件。
Q「Vibe coding硬件」的组合听起来挺新鲜的可以展开讲讲吗叶天奇这个方向其实并不是我们一开始有意设计的。
从用户角度来看会购买我们设备的人往往本身就很喜欢玩硬件。
很多设计师他们很懂电子产品设计但并不擅长编程。
过去他们使用的往往是比较简单的开发板如果要做原型就需要雇电子工程师帮忙。
现在他们会直接把Distiller Alpha接到硬件上把自己的想法描述出来系统就可以自动帮他把对应的逻辑和代码生成出来。
还有一些用户会用它去「接管」已经存在的设备比如蓝牙设备。
很多蓝牙设备其实并不需要额外的密码只要发送一串正确的二进制指令就能完成控制。
他可以直接对系统说「帮我扫描一下附近有哪些蓝牙设备」「帮我把这盏灯关掉」。
很多智能家居都是自己独立的一套App非常零散。
用Distiller Alpha就能一个页面里控制家里所有的智能设备。
再比如打印机你不需要安装官方App只要知道它内部使用的是什么芯片就可以让Agent写代码、做简单的逆向工程让这台打印机工作起来。
Q如果不靠Distiller Alpha极客通常是怎么完成这些操作的叶天奇这个问题其实挺有意思的。
我之前也问过一些用户发现主要取决于技术水平。
技术能力强的人一直都是手写。
他们会先去读硬件的说明书搞清楚芯片型号、通信方式和编程方法然后直接写代码、烧录。
但对技术能力没有那么强的人来说过去的主流方式其实是用ChatGPT。
他们会把需求丢给ChatGPT让它生成一段代码然后复制粘贴到硬件的编辑器或烧录工具里点一下烧录再测试。
如果发现不work就把报错信息再反馈给ChatGPT让它改一版代码再复制粘贴、再烧录。
有了我们的硬件之后整个链路被闭环了。
Agent可以自己写代码、自己烧录到硬件上、自己读取报错信息、再根据结果修改代码并重新烧录。
不再需要在中间反复做人肉中转。
Q为什么Distiller Alpha会出现这么多偏硬件的玩法叶天奇核心的原因在于出发点不一样。
OpenClaw是从软件方向起步。
即使你买了一台Mac mini也很少想到把它当成嵌入式设备塞进另一个硬件里。
一方面体积摆在那里另一方面它的IO接口数量有限也不太容易激发用户在硬件层面进行二次开发的欲望。
而且OpenClaw本身更偏向于为知识工作者设计交互。
对开发者来说如果要写软件不太可能通过WhatsApp、Telegram这种聊天气泡式的方式那会非常痛苦。
本质上还是面向的人群不同。
我们早期的定位就是remote——一个让你随时随地都能接触到自己Claude Code的设备。
最早购买我们的基本都是Early adopter型的开发者。
后来随着Vibe coding这个概念被更多人接受有开始有越来越多非开发者、甚至传统意义上的知识工作者购买我们的设备。
有的用户在自己买了之后还会再给父母买一台。
而这些非开发者用户往往会把我们的产品当成一种「智能硬盘」来用。
QDistiller Alpha本身的硬件由哪些组件构成叶天奇我们在设计这款产品时的一个原则是在体积允许的情况下把能装的能力尽量都装上。
比如灯带它的核心作用是显示Agent的工作状态。
比如Agent在思考时会显示黄色灯光当Agent需要用户介入时会闪烁绿色灯光。
我们希望通过这种比较克制的方式把Agent的状态融入到设备本身。
现在很多程序会用消息通知或者声音提醒但我们觉得用一种更偏「环境感」的方式通过视觉氛围来反映Agent状态会更自然一些。
而且通过环境光来传递状态的信息方式本身就很极客。
这点可以类比喜欢装机、玩电脑的人会很热衷RGB灯效。
屏幕的设计思路同样比较极客。
我们用的是一块墨水屏。
一方面墨水屏显示效果很好很多开发者本身就对这种屏幕有偏好另一方面它的功耗非常低。
有些用户会把这块屏幕改造成自己的Personal dashboard比如显示股票信息、未读邮件数量或者当天还有多少任务需要处理。
这类信息不需要频繁刷新墨水屏非常合适。
还内置了麦克风和扬声器。
有的用户会设定每天早上醒来时让设备从自己的音乐列表里挑一首最喜欢的歌来叫醒自己。
另外我们还内置了一个摄像头主要是给开发者使用。
有人会用它来远程看看家里的猫狗或者用来监控另一台电脑的屏幕状态。
这些都属于比较自由的开发用途。
Q算力配置是什么水平叶天奇目前是8GB内存、64GB存储的CPU平台。
这个配置其实不是一开始就想清楚的你需要积累很多真实使用的know-how才能知道跑一个Agent到底需要多大的内存、多少存储。
我们会从几个维度去看比如一个普通用户通常会同时跑多少个Agent这些Agent的知识资产大概会增长到什么规模一个用户大概用多久设备里的存储就会被填满Agent的运行上限在哪里瓶颈会出现在内存、存储还是IO上。
一个很有意思的发现是我们一开始低估了知识资产的增长速度。
之前没想到会有这么多知识工作者有些用户会长期给设备外接一块SSD把每一次对话、每一次任务执行的记录全部存下来在他们看来这些是非常重要的个人资产。
这类需求很难在产品设计阶段预判。
但一旦接触到用户就会意识到存储本身是Agent产品里一个非常关键的维度。
QPamir的技术原理是怎样的叶天奇我们在产品路径上和很多AI公司不太一样。
我们是先做硬件和系统再在探索过程中不断摸索软件形态。
一开始我们在设备里直接内置了VSCode。
我们的判断是VSCode基本可以覆盖大多数软件开发和交互需求。
后来随着产品迭代我们不断做减法把界面逐渐收敛最终拆掉了传统意义上的「GPT对话界面」。
软件交互主要基于内网直连。
只要这台设备是开机状态无论你在什么地方用电脑也好、手机也好都可以直接访问到它。
有点像一个ChatGPT式的入口不同终端之间是完全同步的。
硬件交互方面设备上有一个小的显示模块会实时显示当前设备的连接状态。
比如我们会展示一个二维码任何人用手机一扫就可以直接进入这台设备向Agent发送指令。
Pamir的差异点在哪QDistiller Alpha和OpenClaw有什么区别叶天奇在我看来OpenClaw更像是一个「软件傻瓜包」。
它本质上像一层胶水把很多已有的能力粘合在一起解决的是可用性和易用性。
这有点像当年大家对原生安卓系统不满意于是会去刷各种第三方ROM比如MIUI。
OpenClaw刻意简化了很多复杂的项目管理流程把所有交互都集中在一个Chat session同时在记忆持久化上做了大量工作让普通用户更容易使用Agent。
其实类似OpenClaw的项目以前也不少没有十个也有五个只是今年OpenClaw跑出来了。
我认为一个重要原因在于它「胶水粘得足够多、足够好」。
我们更关注另一层问题如何让用户快速、安全地访问Agent当Agent出错时如何在系统层面进行回滚围绕这些问题我们把自己正在做的事情统称为Agent runtime。
除此之外我们还把麦克风、扬声器、灯带等硬件能力全部打包成SDK再进一步抽象成Skills原生地放进Agent体系里。
这样一来Agent在运行时就不只是「生成文本」而是可以通过硬件去表达状态、反馈和意图。
Q把硬件能力打包成Skills解决了什么痛点叶天奇一个很直接的痛点是非技术用户如何快速上手硬件。
我们在卖产品时会附赠一个硬件小玩具。
哪怕你完全不懂技术、不懂编程拿到产品之后也可以立刻开始玩。
只需要开机把这个硬件插上就可以直接用不需要理解它的工作原理。
这个过程其实不需要我们在Agent层或者模型层投入特别大的精力。
因为硬件是通过USB和设备通信的只要插上Agent就能立刻识别你连接了什么设备。
比如你插的是一块基于ESP32的LED模块这个信息会直接在系统里被识别出来。
当你再去和Agent交互时Agent会先检查当前的USB端口上连接了什么设备。
它会发现这是一个基于ESP32的、具体型号是什么的硬件然后再去查看当前项目目录里是否已经存在这个硬件对应的说明书。
然后Agent就会知道如果要给这个硬件写程序需要用什么工具、通过什么方式刷进去如果过程中遇到问题它也知道该如何提示用户比如提醒你去按一下设备上的reset按钮进行排错。
QPamir能做OpenClaw能做的事情吗叶天奇可以的。
因为Distiller Alpha本身也是一台完整的电脑和买一台Mac mini来跑是同一种性质。
只要是那种长期、可重复利用知识资产的工作都可以直接放在我们的设备上去运行。
有一位用户是网络安全专家他积累了非常多年的安全经验自己整理了一大批网络安全相关的资料和方法论全都记录在文档里。
他把这些文档交给Agent相当于把自己的经验沉淀成一套可以执行的SOP。
在网络安全领域有一种常见的工作方式叫做漏洞赏金安全研究者会到各个网站上寻找漏洞找到之后网站会支付报酬表示感谢。
这个用户就是把自己的经验交给Agent让Agent 24小时不间断地在各类网站上寻找漏洞。
QPamir的自研硬件和Mac mini这种通用电脑有什么区别叶天奇Mac mini有点太奢侈了如果你的需求只是检查一下Gmail、看看Slack消息那其实没必要花这么多钱买一台Mac mini。
更重要的是Mac mini并不是一个原生为Agent设计的系统。
今天不管是电脑厂商还是手机厂商本质上做的还是「给人用的设备」。
他们并没有在系统层面专门为Agent预留一套执行、行动、回滚的机制。
所以Mac mini开箱之后你需要自己做大量setup这也是为什么像OpenClaw这类方案在真实生产环境中会遇到很多问题。
当然从纯性能角度来说Mac mini的硬件上限很高。
但我认为决定一个系统是否能真正投入生产的不是性能上限而是系统层面的下限和鲁棒性。
Mac mini加OpenClaw的方案是没法真正投入生产的原因就在于它的不可控性太强它不是原生的Agent系统。
Q那Pamir为了做一个「原生Agent硬件」相比Mac mini砍掉了哪些功能叶天奇首先我们没有桌面也没有传统意义上的屏幕系统。
如果你从第一性原理去思考Agent的工作时长会越来越长能力也会越来越强最终它更像是你的一个同事。
而你不会和同事共用一台电脑。
这也是为什么我们没有给Distiller Alpha做桌面系统和屏幕。
Agent当然可以在内部使用虚拟桌面、虚拟浏览器但这些并不需要被人看到。
Q围绕这种第一性思考你们增加了什么原生能力叶天奇我们非常重视安全性。
一个很重要的能力是自修复。
如果你把一个OpenClaw交给非技术用户玩一天之后很有可能就把系统搞坏了因为Agent本身是可以修改自己代码的。
进Windows时你可以按F12进入恢复模式我们认为原生的Agent电脑也应该有这样的机制不过是由Agent自己来完成。
我们的设备里有一个watchdog系统。
当系统出现问题时它会先进行自检然后告诉你比如某个关键文件被误删导致系统异常。
你只需要确认一次系统就会在几分钟内完成自修复重启后回到正常状态。
在这种情况下我们甚至不需要提供什么售后支持。
如果你的电脑坏了让它自己修自己就好。
另外硬件本身也是一个物理层面的沙盒。
有些安全问题在软件层面很难彻底解决但通过硬件就轻松很多。
比如你在使用Mac时会用到指纹解锁。
还有一个很重要的点我们的每台设备都有一个独一无二的ID。
在硬件层面我们可以加入专门的加密芯片用来存储这个Agent的ID。
这个ID只能通过物理层面的方式进行暴力破解才能拿到。
Agent所绑定的高敏感个人信息是可以直接和硬件捆绑在一起的这对于防范围绕Agent的攻击非常重要。
QOpenClaw社区最近反馈了很多安全问题比如擅自重构文件夹甚至有用户的钱全被转走了这是怎么回事叶天奇这和OpenClaw的设计取向有关。
它为了追求便捷性和自动化希望创造更多「hands off」的惊喜时刻因此在系统里加入了非常多的自动执行逻辑。
比如它内部有类似「心跳机制」的设计每隔一段时间就会主动去寻找可以做的事情。
但它的下限和系统鲁棒性不足这种过强的主动性和自动性会直接带来不稳定性。
在我看来OpenClaw更像是一种新的软件范式。
如果你去看它生成的代码会发现整体结构非常混乱有不少bug。
这种产品会越来越多而且也会继续有人使用。
但它和我们这种有专业团队、一步一步从系统层和硬件层进行设计、开发的产品在本质上还是不同的。
我们不会像OpenClaw那样为了让Agent能一直跑就不断给它叠加各种Skills。
在权限和安全设计上我们更强调引入人的监管。
Q所以还是OpenClaw的上限更高叶天奇我纠正一个容易被误解的点并不是说OpenClaw本身的软件或架构决定了它的上限更高。
更多是因为外部条件它跑在Mac mini这种性能很强的硬件上同时又调用了当前最好的模型。
Q有人把OpenClaw能做的事情从简单、中等到高难度分了几个级别你能给Pamir做个类似的分级吗叶天奇很多知识工作者买我们的设备做的事情其实非常简单。
他们把它当成一个「聪明的硬盘」。
比如有一位律师用户有一个项目涉及两百多份文件。
我一开始也很疑惑他为什么要买我们的设备后来发现他之前一直用ChatGPT但没办法一次性把这么多文件交给它。
我们的设备刚好解决了这个问题。
对他来说它就是一块可以被Agent理解、可以直接操作的移动硬盘。
再比如有些用户会把U盘插到设备上然后直接对Agent说「这个U盘里有个文件你帮我改一下。
」Agent可以自己进入U盘目录找到文件、修改、再告诉用户已经完成。
这一层的本质就是文件系统级能力。
再往上一层就涉及真实的「电脑行为」。
比如让设备去查看Twitter、订餐厅、处理网页上的事务。
这类事情如果放在纯云端环境其实并不好做。
但我们的设备本身就是一台真实的电脑有自己的浏览器、桌面和网络环境。
举个例子我之前想订一家餐厅一直订不到位置。
我就让设备去盯着网页。
银行卡信息是存在设备里的一旦有空位出现它就可以立刻帮我完成预订。
过去类似的事情大家通常是写脚本来做但很容易被网站的「机器人检测」拦下来。
现在你可以让Agent像人一样打开网页、浏览、点击这种行为很难被识别为自动化。
再往上一层往往和你个人的技术能力或知识资产高度相关。
比如有程序员用户白天在公司上班家里放着我们的设备把自己的「第二份工作」相关内容全部交给Agent。
他会在中午休息或者空闲时间通过设备检查第二份工作的进度、下达接下来的任务相当于同时做两份工。
类似的情况也出现在电气工程师、维修技工身上。
他们过去要带着电脑去现场检修设备现在只需要带这台设备把可复用的维修流程和知识资产都交给Agent再连接服务器就行能显著加快检修效率。
再往上走就是偏极客的高级玩法了。
比如之前说的逆向打印机、强行控制硬件。
如果你的技术背景足够扎实只需要把这些知识交给Agent它就可以很快帮你写出一份Linux驱动直接控制设备。
为什么要自研硬件QPamir是在用一台硬件去替代原本的电脑。
另一种是Manus路线让Agent操纵云端的虚拟计算机。
如果看便携性这种方式岂不是连额外硬件都不用带只需要一部手机就可以了叶天奇对从技术上来说这是另一种解法。
我认为这两种形态在未来都会长期存在只是它们适合的任务类型不一样。
云端虚拟计算机更适合做一次性的任务比如调研、科研相关工作。
这类任务往往是one-shot的不太强调长期运行和状态持久化。
但如果你需要的是长期持久化的Agent问题就来了。
这些信息要不要一直放在云端那是不是意味着你要持续付费而且很多高度个人化的信息大家也不太愿意长期放在云上。
这其实和人们买电脑是一样的逻辑。
理论上很多文件都可以放在云端但真正和你每天工作强相关、需要随时访问的东西你还是会更希望它在自己身边、随手可用。
另外一个差别点是硬件更容易通过USB和硬件打交道。
尤其是知识工作者会大量使用U盘、SD卡实体设备在这种场景下更顺手。
Q除了刚刚提到的这些功能性价值之外从你的个人体验来看这种实体硬件在情绪价值上能带来什么叶天奇情绪价值其实非常多。
在早期阶段如果你想用纯软件去「惊艳」开发者其实是很难的一件事。
通过硬件形态反而更容易让他们产生情感连接。
比如Distiller Alpha外壳表面覆了一层特殊的手感漆整体是偏柔软的触感。
很多用户第一次拿到设备时都会觉得这是一个远远超出预期的体验因为他们从没见过一台「软的」的电脑。
这会让他们意识到这不是一个Mac mini的替代品而是一个全新的品类。
产品形态如果不够创新用户第一句话一定会问「这和手机有什么区别」「这和电脑有什么区别」我觉得在做面向未来的产品时很重要的是要主动打破用户已有的认知框架消解他们的疑虑让他们来不及问出这些问题。
此外当你通过硬件设计、材质、触感让用户意识到这是一个从未见过的形态时产品的情绪价值就会被显著放大这对To C产品来说非常重要。
Q这也是为什么你们一开始会选择线下销售的原因吗叶天奇对。
我们会去参加各种黑客松、线下活动。
你问的很多问题在线下也经常被问到比如为什么不直接跑在云上为什么不直接用ChatGPT但现在问这些问题的人越来越少了。
我觉得这和OpenClaw的走红也有关系如果OpenClaw是四个月前发布很多人可能根本不知道它是什么。
但现在市场对Agent、以及「Agent需要自己一台电脑」这个概念的接受度提高得很快。
Q你们在黑客松遇到消费者会怎么说服他购买叶天奇我一般会先问一个很简单的问题「你平时用不用Claude Code」如果对方说用那其实已经基本落在我们的目标用户范围里了。
接下来我会继续问他「你现在有没有在写代码」通常他说没有。
我就会接着说「你其实应该在写代码现在写不了是因为你把你的电脑合上了。
」这时候他往往会愣一下然后觉得你说得有点道理。
然后我会直接掏出手机给他看我正在用手机远程Vibe coding。
这一刻通常就已经完成了认知转变。
还有一些不是当场发生的。
有一个极客平时用机械键盘晚上敲代码声音很大女朋友嫌他太吵不让他继续敲。
但那天晚上他的灵感还没断。
他回到床上突然想起了我们的设备于是直接给设备发消息继续推进他的项目。
那一刻他觉得特别爽。
后来他在社交平台上发了很多帖子主动推荐大家买我们的产品。
我觉得本质上我们打动的是那些不希望被打断心流的人。
Q那假设我已经被说服了也花了250美元买了这个设备我拿到设备后要做些什么叶天奇首先你需要有一个Claude账号。
大部分购买我们设备的人其实已经有了。
拿到设备之后你只需要插上电它会先显示一个二维码。
扫这个二维码之后会进入Wi-Fi连接页面设备连上网之后会再生成一个新二维码。
你再扫一次这个二维码就可以进入设备页面登录你的Claude账号然后就可以开始对话了。
在最开始的阶段我们会给用户准备一些「玩具级」示例。
比如我们会引导你创建一个个人主页这个主页直接跑在这台小电脑上。
它可以每天帮你抓取你感兴趣的论文、新闻或信息更新。
硬件这块我们会附赠一个硬币大小的8×8的LED灯阵。
拿到这个小玩具后有些顾客会描述自己喜欢的游戏角色说「你帮我把这个角色展示出来。
」然后设备会自己去网上查这个角色的形象下载需要的依赖生成对应的程序。
两分钟左右这个LED灯阵上就会开始播放他喜欢的角色动画。
整个过程用户什么都不用做。
Q在部署成本这件事上Pamir的优势主要体现在哪里叶天奇我们其实准备了两套使用方式。
对技术人员来说你可以直接在电脑上打开用的就是VSCode这一套熟悉的IDE体系。
这一类用户几乎是零门槛他们本来就在用这些工具。
对非技术人员来说他们完全不需要碰电脑可以直接用手机。
手机端是一个和ChatGPT很像的网页界面通过对话的方式来使用。
当然非技术用户也不是完全不需要学习只是学习成本会低很多。
我也承认OpenClaw在这一点上做得很好它通过集成到用户已经熟悉的聊天工具里对非技术用户来说几乎是「天然可用」的。
所以两者最大的差别其实是在交互路径上。
Q刚才聊了很多新用户的体验但你应该算最老的用户用了这么久本地Agent它对你个人的生活和工作习惯带来了哪些变化叶天奇变化其实非常大。
我们是深度用户现在大家对OpenClaw的体验我们在半年前就已经经历过了。
到现在我们公司内部已经开始出现一种现象——传统电脑的存在感越来越低很多工作用设备手机iPad甚至再加一个AR眼镜就已经足够了。
现在我们在打开电脑之前都会先问自己一个问题我现在要做的这件事能不能交给设备如果答案是肯定的那这件事可能已经不需要人去做了。
所有人的角色几乎都被迫「往上提了一级」。
以前你可能还是一个主要负责写代码的角色现在你更像是一个架构师需要决定方向、拆解问题、设计系统。
Q当Pamir帮把很多工作自动化后你把时间花在了什么地方叶天奇学习读书。
当然作为CEO我更多的时间会放在判断接下来几个月可能发生什么以及应该围绕这些变化去设计怎样的软件架构。
真正花时间的地方已经从「执行」转移到了Review和思考上。
过去行动比想法更有价值。
公司之间的差距主要来自工程能力和工程时间的堆积。
但现在行动本身的价值在下降因为Agent可能十分钟就把事情做完了。
反而是你的思考、你的判断、你的愿景变得越来越重要。
所以我们现在会花大量时间去复盘、讨论、对齐方向。
Q这种转变会对公司的组织形式和工作范式带来什么影响叶天奇我觉得这种变化带来的冲击会非常大很多公司可能还没真正意识到这一点。
如果把今天的大厂尤其是一些Frontier Lab和普通创业公司放在一起看会发现差距非常明显。
原因在于模型厂商掌握着模型本身的控制权。
用户在使用过程中遇到的所有问题都可以被他们捕捉到。
这些问题会直接进入下一轮后训练模型的下限会不断被抬高鲁棒性会越来越强。
这意味着他们是可以形成闭环的模型和Agent可以一起成长产品会越用越好内部效率也会越来越高。
这也是为什么Claude产品会越用越好。
相比之下如果你只做Agent layer就算你把Agent写得再好它也没法把反馈「喂」回模型。
你只能不断用人力去维护规则、修补边界。
我觉得今天的创业要想清楚一件事自己的真正优势和差异化到底在哪里一定要做那些别人暂时做不了的事情主动避开不公平竞争。
Q如果Claude下场做类似的事情你们的护城河在哪叶天奇对我们来说就是系统层和硬件层。
硬件意味着供应链、生产、真实用户交互、物理世界里的反馈这些并不在模型到Agent的闭环之中系统层的沙盒、安全、回滚机制同样是在模型和Agent之上的一层。
说实话今天软件层面的护城河已经非常薄了而且只会越来越薄。
就算你做出来一个新功能别人可能花两天就能把复现出来。
真正的护城河更多集中在硬件本身以及软硬件的深度集成上。
能耗、芯片选型、内存和存储的配比、Agent能跑到什么边界、供应链周期这些都需要大量经验和时间去一点一点堆出来。
核心还是两点。
第一是你对Agent的认知深度。
这个领域变化太快了几乎每天醒来都会出现新的东西。
如果你对Agent的理解没有至少几个月的前瞻优势很容易就会陷入被动追赶。
第二是你能不能做出10倍、20倍级别的用户体验差异。
如果只是
2倍、
5倍的改进在今天的软件竞争环境里很快就会被淹没。
你看现在Claude产品确实已经很好用了但真正的非技术用户有多少人在用Claude Code在我看来这个体验距离「我爸妈也能用」之间依然存在明显的gap。
而这个gap恰恰是本地Agent和软硬件结合还有机会去填补的地方。
Q有没有一些关于使用Agent的小tips能让普通用户用得更高效一些叶天奇我觉得可以先假设一个前提。
如果大家用的都是顶尖模型、顶尖Agent layer那么最终效果的差异很大程度上并不来自「模型聪不聪明」而是你如何和它沟通。
一个很常见的问题是很多人一上来就把一个很大的任务一次性交给Agent。
这种情况下Agent做不好是非常常见的。
我自己的习惯是先和Agent一起做计划。
但我也不会让它一次性把所有事情规划完然后直接Kick off全流程。
那样在执行过程中几乎一定会出错。
我倾向于把任务切割成足够小、足够清晰的步骤再告诉Agent把这套计划存下来。
这样一来它在后续执行时可以不断回访「自己该做什么」整个过程会更有条理执行的鲁棒性也会更高。
还有一个很多人容易忽略的点如何把一次对话转化成可复用的知识资产。
很多人Vibe coding完了就结束了这个过程中产生的大量经验并没有被保存下来。
比如你在调一个蓝牙模块怎么都连不上最后发现是因为某种芯片只接受特定格式的消息。
这本身就是一个非常有价值的知识点在之后的项目里很可能会反复用到。
所以我会建议用户在使用过程中有意识地引导Agent把这些错误、踩坑、解决路径
总结成可复用的Skills或规则。
不要用完就结束记得持续积累属于你自己的知识资产。
本地Agent的创业感悟Q能跟我们讲讲你的创业故事吗最开始做这个项目的时候起心动念是怎样的叶天奇说实话这个项目里运气的成分挺大的。
我们一年半以前就开始做Pamir。
那个时候很多人连Agent是什么都不知道。
当时Pamir也不是现在这个形态我们最开始做的是端侧AITo B业务。
我和联创张城铭毕业后大概在大厂工作了两年。
那段时间我们白天上班晚上和周末就尝试各种各样的项目但一直没有真正做出什么特别大的东西。
Pamir对我们来说算是一次孤注一掷。
在这之前我们一直都是边上班、边做项目。
但做Pamir的时候我直接搬到联创家里睡在他家的沙发上。
那段时间其实挺糟的全职工作也做不好项目也做不出来。
想着「要么成、要么就算了」。
当时做Pamir的判断是如果你要做嵌入式系统就一定需要一个端侧的硬件板子。
所以一开始我们是在卖开发板面向的是硅谷一小撮在做对话式AI和硬件结合的极客。
不过联创和我都是技术出身对融资一无所知也不知道应该怎么讲故事基本就是硬着头皮做。
花了几周时间把原型做出来之后就直接拿到硅谷去卖。
Q最开始卖给硅谷顺利吗叶天奇比我想象中要顺利。
当时正好有两个非常有名的AI硬件项目一个是Rabbit另一个是Humane带起了一波AI硬件创业的热潮。
那个时间点市场是被充分教育过的我们本身的产品也很有优势。
当时很多做语音交互的AI公司都非常「笨重」用树莓派加USB麦克风再加USB扬声器拼成一个很大的盒子。
我们给他们展示的是一个非常小的板子却能完成他们现有方案里大部分的功能。
这对他们来说吸引力非常大。
Q当时和你们在同一批起跑的竞争对手现在都是什么状态叶天奇很多都选择All-in端侧模型甚至是Double down在端侧这条路上但基本都转去做To B业务了。
从市场上看To B这几年是有增长的。
端侧模型越做越小、越做越轻在一些明确的落地场景里是成立的比如车机系统、企业内部的私有化部署都会有需求。
只不过这条线的增长速度明显赶不上Agent相关的公司。
我们也不太适合做To B生意坦白说我们不太喜欢和B端客户打交道。
一是交期要求非常严格二是很难发挥想象力。
好不容易从大公司出来创业结果折腾一趟后发现自己又在给别人打工。
有一次我在给产品写代码让Agent跑任务。
我盯着屏幕看了大概两分钟什么都没做只是在发呆。
突然一个念头闪过——为什么我的Agent在工作而我却要盯着它看从这个体验出发我们推导出一个结论未来一定需要一种Agent自己的、独立的计算设备。
想清楚这一点之后我们几乎是立刻决定把所有端侧相关的方案全部删掉全面接入当时最新的大模型彻底转向To C。
之后的事情就比较顺了。
我们开始正式卖产品开始大量做线下展示。
后来Vibe coding开始流行然后Claude Code火起来我们又继续往这个方向演进。
Q你觉得现在更幸福还是之前在公司上班的时候更幸福叶天奇这是个好问题。
其实我之前也被朋友问过类似的问题问我理想的生活状态是什么样的。
我想了很久发现现在的生活基本就是我理想中的状态。
每天都有新的挑战还能和志同道合的人一起解决问题。
你可能听说过「传教士」和「雇佣兵」的说法。
我们更像传教士是在为一件高于自我的事情工作即使短期没有物质回报也愿意坚持。
一开始做Agent电脑很多人根本理解不了觉得不可理喻。
但我们自己是信的甚至觉得这件事情的意义高于我们个人本身。
我们现在创业在做的就是把它带到这个世界上。
我很享受这个过程。
Q你有没有更宏大的愿景AI电脑这件事最终会走向哪里叶天奇我们希望替代现在意义上的电脑更准确地说是替代笔记本电脑。
今天人的大量时间还浪费在极低价值的操作上比如在不同系统、不同表格之间手动搬运数据。
我们希望把这些工作彻底自动化让人把精力用在真正需要思考、判断和创造的事情上。
也有一点很个人的动机。
我其实非常想挑战苹果。
我现在对苹果的态度是复杂的。
一方面我很依赖它的生态另一方面我对它当前定义「个人计算」的方式感到不满意。
公司里很多人也有类似的感受。
手机厂商当然知道自动化、智能体是趋势他们也会往这个方向走。
但路径有根本差异。
他们做的是前台所有能力最终都要回到屏幕、交互界面和注意力占用上我们做的是后台很多任务不需要屏幕也不需要人持续盯着。
我们认为这是一次非常难得的机会终于可以不再需要围绕「屏幕」去设计产品。
Q最近OpenClaw把Mac mini又带火了一波你什么感受叶天奇这确实是我们很难在短期内追平的一点。
苹果在处理器、硬件整合上的能力几乎没有对手。
这也是我们后面考虑逐步引入高通芯片、一点点缩短硬件差距的原因。
但从另一个角度看在Agent成为主导范式之后硬件参数的重要性在相对下降。
苹果依然可以继续做极其强大的通用计算设备这件事不会消失。
但它是否一定是Agent的入口这件事并不确定。
历史上类似的情况其实反复出现过。
早期个人计算时代也有像IBM这样的巨头存在但形态、入口和主导权依然发生过转移。
我觉得今天是又一次轮回只是这一次的核心变量变成了Agent。