“Amazing?！?/p>
這是OpenClaw創(chuàng)始人Peter Steinberger昨天在社交平臺留下的一句評論。
讓Steinberger發(fā)出這句驚嘆的，是一張來自北京的照片：在百度科技園舉行的“龍蝦市集”現場，幾十臺電腦同時部署OpenClaw，開發(fā)者排隊等待工程師幫忙完成“養(yǎng)蝦”。
Steinberger同時表示，愿意與百度一同開發(fā)OpenClaw生態(tài)。
過去幾個月，這只“龍蝦”已經從一個開源項目，迅速演化為AI社區(qū)最受關注的實驗之一。
Steinberger本人也曾用一句頗具戲劇性的判斷來形容這種變化：隨著Agent能夠直接調用工具和服務，“未來的大多數應用，本質上可能都只是一個慢速API”。
也正因為如此，越來越多云廠商開始圍繞“養(yǎng)蝦”構建產品，希望把這個原本屬于開發(fā)者社區(qū)的工具，變成普通用戶也能使用的AI Agent服務。
在這場競速中，百度顯得尤為積極。
從時間線看，百度在這輪“養(yǎng)蝦”熱中的動作，從年初一直持續(xù)至今：年初推出可視化部署方案，通過輕量云服務器實現幾步完成OpenClaw安裝；2月，用戶在百度App中搜索“OpenClaw”即可直接喚起Agent助手。
近日，百度智能云發(fā)布的DuClaw則進一步取消服務器配置、鏡像選擇和API Key填寫，把原本復雜的部署流程變成訂閱即用的托管服務。
幾乎同時，百度還推出全球首款手機龍蝦應用、移動端形態(tài)的紅手指Operator，讓OpenClaw運行在云端虛擬手機環(huán)境中，實現跨App執(zhí)行任務。
如果把這些動作連在一起看，百度正在把OpenClaw生態(tài)改造成一套可持續(xù)運行的Agent服務體系。
龍蝦能不能跑起來，要看平臺的技術底座；龍蝦好不好用，要看平臺的Skill供給能力。
只有二者兼具的企業(yè)，才能在這一輪“養(yǎng)蝦潮”中脫穎而出。
01
從DuClaw到紅手指：
Agent正在進入真實執(zhí)行環(huán)境
隨著以OpenClaw為代表的AI Agent框架迅速流行，一個比模型能力更現實的問題開始浮現：Agent不僅需要模型，更需要穩(wěn)定的運行環(huán)境與執(zhí)行環(huán)境。
過去兩年，AI學術界開始系統(tǒng)評估Agent在真實計算機環(huán)境中的能力。
2024年，來自斯坦福大學、卡內基梅隆大學和微軟研究院的研究團隊提出OSWorld基準測試，用完整操作系統(tǒng)作為實驗環(huán)境，構建了369個跨應用任務，覆蓋瀏覽器操作、文件管理、辦公軟件以及多應用協(xié)作等場景。
研究結果顯示，人類完成這些任務的成功率達到72.36%，而當時表現最好的多模態(tài)AI Agent（GPT-4V + Agent framework）成功率只有12.24%。
該研究指出，主要困難集中在GUI定位、操作順序理解以及跨應用流程管理等環(huán)節(jié)。
這一差距說明，Agent能力的瓶頸并不只在模型推理能力，而在于如何在真實系統(tǒng)中執(zhí)行任務。
這一問題在后續(xù)研究中進一步得到驗證。
2025年6月，卡內基梅隆大學等機構發(fā)布論文《OSWorld-Human》，對16個主流Agent系統(tǒng)進行評測。結果發(fā)現，即使在成功完成任務的情況下，AI代理通常仍需要1.4到2.7倍于人類的操作步驟。隨著任務鏈條變長，規(guī)劃和工具調用帶來的系統(tǒng)開銷會迅速放大。
該項研究指出：當前AI代理在真實系統(tǒng)中的表現，仍然遠遠落后于人類。問題并不只是模型推理能力，而是如何在復雜環(huán)境中持續(xù)執(zhí)行任務。
也正是在這樣的背景下，一批面向開發(fā)者的Agent框架開始出現，其中最受關注的就是OpenClaw。該框架把任務規(guī)劃、工具調用和模型推理組合成一套可復用系統(tǒng)，使開發(fā)者能夠在真實環(huán)境中部署和運行AI代理。
但隨著OpenClaw在開發(fā)者社區(qū)走紅，一個現實問題很快出現：本地部署這件事，本身存在一定門檻。
運行OpenClaw通常需要配置云服務器、部署環(huán)境鏡像、接入模型API并維護運行權限。對于開發(fā)者來說，這些步驟尚可接受；但對普通用戶而言，復雜的環(huán)境配置、權限管理以及安全風險，使得本地部署難以大規(guī)模普及。
因此，OpenClaw的擴散很快從開源社區(qū)走向云平臺。
今年年初以來，包括百度智能云、阿里云、騰訊云以及火山引擎在內的多家云廠商，都開始提供云端部署方案，讓用戶可以在遠程服務器上運行OpenClaw，而不是在個人設備上搭建復雜環(huán)境。
其中，百度智能云推出的DuClaw與紅手指Operator，直接瞄準的是Agent系統(tǒng)中的兩層關鍵問題。
首先是運行環(huán)境。
DuClaw把OpenClaw原本復雜的部署流程封裝成一種托管運行環(huán)境。用戶不需要再配置服務器、鏡像或模型接口，只需在網頁端創(chuàng)建實例即可啟動Agent系統(tǒng)。
也就是說，DuClaw提供了一種“零部署服務”，讓普通用戶也可以直接使用托管Agent。這一過程中，任務規(guī)劃、模型調用和工具執(zhí)行都在云端完成，用戶只需要通過對話觸發(fā)任務。
而紅手指Operator對應的，則是另一層更現實的問題——Agent如何更貼近用戶。
紅手指提供的是一種云端虛擬手機環(huán)境。
紅手指在云端運行完整的手機操作系統(tǒng)，使Agent可以直接操作真實應用，例如打車、信息查詢或跨應用任務。
這種方式繞開了現實互聯(lián)網的一大限制：許多互聯(lián)網服務并沒有開放API，或者接口能力有限。
在云手機環(huán)境中，Agent可以像用戶一樣點擊界面、輸入文本、切換應用，從而進入真實應用生態(tài)。
另一方面，在真實用戶場景中，經常都需要在多個App之間完成操作流程。例如跨境電商賣家需要在電商平臺、社交媒體和物流系統(tǒng)之間切換賬號進行運營；廣告和內容團隊則常常同時管理多個社交平臺賬號。
一些用戶會在云端運行安卓系統(tǒng)管理多個賬號、自動化運營或長期運行應用，而這些任務通常需要設備24小時在線并持續(xù)執(zhí)行腳本或操作流程。
紅手指+OpenClaw生態(tài)的結合，完美契合了這一類用戶需求。
這種架構的出現并非偶然。隨著OpenClaw用戶規(guī)模擴大，本地部署的安全和運維問題已經開始顯現。
微軟安全團隊在2026年2月的技術分析中指出，像OpenClaw這樣的代碼型Agent會在運行過程中不斷調用外部工具和插件，如果缺乏隔離環(huán)境，很容易形成新的安全風險。
在這種背景下，把Agent運行環(huán)境遷移到云平臺、把執(zhí)行任務放進隔離系統(tǒng)，正在成為一種更可控的部署方式。
云部署的核心優(yōu)勢是穩(wěn)定可達。7×24小時在線，不依賴個人設備，適合做自動化任務調度、信息聚合、消息推送等對實時性有要求的場景。
在操作Agent的過程中，可以將主力的PC設備隔離在外，對本地信息進行有效保護，可以按需把需要操控的文件放入云端，避免因為不當操作造成文件損失。
這一模式適合想輕量體驗OC基礎功能、無需本地文件控制、對穩(wěn)定性和安全性要求高的普通用戶和中小企業(yè)。
DuClaw提供托管Agent運行環(huán)境，而紅手指的云手機則把任務執(zhí)行放進獨立系統(tǒng)中，本質上是為普通用戶提供可以放心使用、輕松交互的“養(yǎng)蝦”環(huán)境。
事實上，從各家推出的OpenClaw產品矩陣中不難發(fā)現，當下的Agent生態(tài)競爭重點已經發(fā)生變化：僅僅幫助用戶“落地”Agent還遠遠不夠，關鍵在于如何提供穩(wěn)定、長期的服務。
換言之，想要打造全能Agent生態(tài)，首先需要的是“全能”AI云廠商。
02
全能Agent，
需要全能AI云廠商
如果說OpenClaw點燃了這一輪“養(yǎng)蝦潮”，那么真正決定這場潮水能否持續(xù)的，其實并不是框架本身，而是背后的AI基礎設施。
在產業(yè)研究中，這類能力已經被視為生成式AI產業(yè)鏈中的關鍵因素。
本月，美國計算機與通信行業(yè)協(xié)會（CCIA）委托經濟咨詢機構RBB Economics發(fā)布的一份關于亞太生成式AI競爭格局的報告指出，百度千帆、谷歌Vertex AI、亞馬遜Bedrock以及阿里云Model Studio都屬于同一類AI部署平臺。
報告指出，這類平臺的作用在于為開發(fā)者提供統(tǒng)一接口接入多個基礎模型，并配套模型管理、應用部署和開發(fā)工具，使企業(yè)能夠在不同模型之間比較、切換并構建完整AI系統(tǒng)。
隨著生成式AI應用從單次調用走向持續(xù)運行，越來越多企業(yè)傾向于通過這種平臺同時接入多個模型供應商，而不是綁定單一模型。這種“多模型接入”的結構，也使平臺層逐漸成為連接基礎模型與應用開發(fā)之間的重要基礎設施。
換句話說，Agent時代的第一道門檻，其實是算力和云環(huán)境。
只有具備穩(wěn)定算力、模型接入能力以及持續(xù)運行環(huán)境的平臺，才能把Agent從實驗工具變成可以規(guī)模化部署的服務。
在這一點上，百度的路徑顯得更加“平臺化”。
一直以來，百度在業(yè)內以擁有“完整AI技術棧”而著稱：從底層模型到云平臺，再到開發(fā)者工具和應用入口，百度擁有AI時代較為完整的技術體系。
算力是這條鏈條的最底層。
2025年4月，在百度Create開發(fā)者大會上，百度宣布點亮一個由3萬顆第三代昆侖P800芯片組成的計算集群。百度CEO李彥宏表示，該集群既可以訓練接近DeepSeek規(guī)模的大模型，也能夠支持上千個客戶同時進行模型微調。
對需要長期運行、頻繁調用的AI系統(tǒng)來說，這意味著平臺不僅具備模型訓練能力，也在為多租戶環(huán)境和高并發(fā)調用提供算力基礎。
再往上一層，是模型平臺。作為模型與應用開發(fā)平臺，千帆為開發(fā)者提供了全面的開發(fā)工具和部署能力。
針對最新推出的DuClaw，百度千帆推出Coding Plan訂閱服務，通過模型調度與訂閱計費壓低Agent成本：Lite版首購僅7.9元/月，每月可提供約1.8萬次請求額度，并支持DeepSeek、Kimi、GLM、MiniMax等模型切換。
這種結構對于Agent系統(tǒng)尤為重要。復雜任務往往需要多個模型配合完成，例如推理、代碼生成或工具調用等不同階段。
從Cursor為代表的Vibe Coding工具到今天的OpenClaw，Agent的運作邏輯早已不再是簡單的API接入。
百度千帆平臺已累計支持企業(yè)構建超130萬個Agents，工具日均調用次數達到數千萬級，支撐智能硬件、制造、交通、能源等主流行業(yè)創(chuàng)新，并沉淀出包含獲客營銷、錯題批改等在內的100多個高頻場景。
從模型訓練、開發(fā)接入到應用部署，百度已經形成了一套較為完整的技術體系，整個流程都可以在同一平臺內完成。
財報數據也在一定程度上反映了這套結構的運行情況。
上月，百度發(fā)布最新財報顯示，其AI相關業(yè)務在2025年第四季度收入已超過110億元，占公司核心業(yè)務收入的約43%。與此同時，AI云業(yè)務仍保持較快增長，成為百度當前最重要的增長來源之一。
也就是說，百度的AI云能力已經開始在企業(yè)市場形成規(guī)?；枨?，“全棧AI云”正在逐漸成為企業(yè)運行AI系統(tǒng)的基礎設施，也成為支撐DuClaw和紅手指穩(wěn)定運作的技術底座。
換言之，有能力同時提供算力、模型、平臺和應用入口的云廠商，才能在這一輪Agent浪潮中占據主動。
03
知識就是Skill：
為什么說百度更適合養(yǎng)“龍蝦”
如果說算力和模型構成了Agent生態(tài)的“硬實力”，那么真正決定Agent能力上限的，往往是另一層更隱性的能力。
2025年，美國東北大學、香港科技大學等機構的研究者在綜述論文《Large Language Model Agents: A Survey》中指出，在復雜任務中，大模型往往缺乏完整、實時且可驗證的外部知識。更可行的路徑，是把模型與檢索系統(tǒng)、數據庫、瀏覽器以及各類外部工具結合起來使用。
換句話說，Agent能力的邊界，往往取決于它能夠接入哪些工具和數據源，而不僅僅是模型本身的參數規(guī)模。
這也解釋了為什么Skill生態(tài)正在成為OpenClaw競爭的核心。
近期，瑞士AI安全公司Lakera在一份針對OpenClaw生態(tài)的安全分析報告中，對4310個公開Skill進行了審計，并對其中221個進行了深入研究。報告發(fā)現，這些Skill并不是簡單插件，而是能夠執(zhí)行真實代碼、申請OAuth權限、訪問本地資源的“可執(zhí)行能力包”。
這意味著，Skill的穩(wěn)定性和可信度直接關系到Agent系統(tǒng)的安全與可靠，也決定了誰能把Agent從演示推進到真正的生產環(huán)境。
把這個邏輯拉回到百度身上，真正的生態(tài)優(yōu)勢由此浮現出來。
作為搜索業(yè)務起家的互聯(lián)網公司，百度本就擁有一整套適合被Skill化的信息基礎設施。
搜索、百科、學術、地圖等能力過去面對的是用戶，現在被重新封裝后，面對的則是Agent。
對很多云廠商來說，Skill生態(tài)需要從零搭建；而對百度而言，許多底層能力是多年業(yè)務積累形成的。
在傳統(tǒng)互聯(lián)網時代，搜索解決的是“用戶如何找到信息”；而在Agent系統(tǒng)中，搜索更像是系統(tǒng)獲取信息、比較信息并繼續(xù)執(zhí)行任務的起點。
開源RAG框架RAGFlow團隊在2025年底的一篇技術回顧中提出，RAG正在從“檢索增強生成”演化為一種“上下文服務層”：它不僅負責檢索，還要完成意圖理解、多源數據協(xié)調、去重、排序和結構化輸出，再把結果送入模型推理流程。
從這個角度看，百度的搜索業(yè)務在Agent時代反而更具現實落地價值。
公開報道顯示，百度AI助手在今年初月活已突破2億，而且已經連接京東、美團、百度地圖、百度健康等服務，用戶還可以在不同模型之間切換，包括文心和DeepSeek。
也就是說，百度一直在嘗試把搜索入口、模型入口和服務入口整合為統(tǒng)一的AI入口。
很多真實任務本來就起于搜索、成于服務，這種路徑天然更適合落地Agent場景。這也構成了百度與許多只提供算力或模型的平臺之間的重要差別。
百度長期積累的搜索、百科和學術產品，在結構上提供了三層信息底盤：搜索負責廣覆蓋和實時信息，百科提供結構化的實體與概念關系，學術檢索則對應更高權威度的專業(yè)內容。
對于復雜任務來說，高質量的信息渠道和知識庫，對真實工作流中的Agent能力尤為重要。
而對于C端用戶而言，搜索門戶正在成為AI能力分發(fā)的重要入口。用戶在搜索中表達需求，往往不是為了聊天，而是為了“查、選、比、辦”，解決生活中的真實問題。
這也正是百度在自身業(yè)務體系中的天然優(yōu)勢：把海量信息整理為可查詢、可調用的結構化資源。當這些能力被封裝為Skill接口后，Agent就可以像調用工具一樣調用搜索和知識服務。
而在當前的ClawHub生態(tài)中，百度已經上線了一系列官方能力，包括百度搜索、百度百科、小度、百度一見等skills。其中，百度搜索Skill以超36300次的下載量，成為該平臺全球下載量第一的搜索引擎官方技能插件。這些Skill不僅為開發(fā)者提供穩(wěn)定的數據來源，也讓Agent在執(zhí)行復雜任務時能夠直接調用權威信息。
所以，百度在Agent生態(tài)中的獨特之處，恰恰在于它同時具備兩項能力：一邊是全棧AI云平臺、模型調度和托管能力，另一邊是已經成體系的信息基礎設施和高頻入口。
如果說“讓龍蝦跑起來”，是各家云廠商或多或少都具備的能力，那么更進一步，在“讓龍蝦真正學會做事”的命題上，百度已經占據先機。
特別聲明：本文為合作媒體授權DoNews專欄轉載，文章版權歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉載請聯(lián)系原作者及原出處獲取授權。(有任何疑問都請聯(lián)系idonews@donews.com)
