「Amazing。」

這是OpenClaw創始人Peter Steinberger昨天在社交平台留下的一句評論。

讓Steinberger發出這句驚歎的，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，幾十台電腦同時部署OpenClaw，開發者排隊等待工程師幫忙完成「養蝦」。

Steinberger同時表示，願意與百度一同開發OpenClaw生態。

過去幾個月，這隻「龍蝦」已經從一個開源項目，迅速演化為AI社區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：隨着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，越來越多雲廠商開始圍繞「養蝦」構建產品，希望把這個原本屬於開發者社區的工具，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「養蝦」熱中的動作，從年初一直持續至今：年初推出可視化部署方案，通過輕量雲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，百度智能雲發布的DuClaw則進一步取消服務器配置、鏡像選擇和API Key填寫，把原本複雜的部署流程變成訂閱即用的託管服務。

幾乎同時，百度還推出全球首款手機龍蝦應用、移動端形態的紅手指Operator，讓OpenClaw運行在雲端虛擬手機環境中，實現跨App執行任務。

如果把這些動作連在一起看，百度正在把OpenClaw生態改造成一套可持續運行的Agent服務體系。

龍蝦能不能跑起來，要看平台的技術底座；龍蝦好不好用，要看平台的Skill供給能力。

只有二者兼具的企業，才能在這一輪「養蝦潮」中脫穎而出。

01

從DuClaw到紅手指：

Agent正在進入真實執行環境

隨着以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，更需要穩定的運行環境與執行環境。

過去兩年，AI學術界開始系統評估Agent在真實計算機環境中的能力。

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，用完整操作系統作為實驗環境，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節。

這一差距說明，Agent能力的瓶頸並不只在模型推理能力，而在於如何在真實系統中執行任務。

這一問題在後續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布論文《OSWorld-Human》，對16個主流Agent系統進行評測。結果發現，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倍於人類的操作步驟。隨着任務鏈條變長，規劃和工具調用帶來的系統開銷會迅速放大。

該項研究指出：當前AI代理在真實系統中的表現，仍然遠遠落後於人類。問題並不只是模型推理能力，而是如何在複雜環境中持續執行任務。

也正是在這樣的背景下，一批面向開發者的Agent框架開始出現，其中最受關注的就是OpenClaw。該框架把任務規劃、工具調用和模型推理組合成一套可複用系統，使開發者能夠在真實環境中部署和運行AI代理。

但隨着OpenClaw在開發者社區走紅，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通常需要配置雲服務器、部署環境鏡像、接入模型API並維護運行權限。對於開發者來說，這些步驟尚可接受；但對普通用戶而言，複雜的環境配置、權限管理以及安全風險，使得本地部署難以大規模普及。

因此，OpenClaw的擴散很快從開源社區走向雲平台。

今年年初以來，包括百度智能雲、阿里雲、騰訊雲以及火山引擎在內的多家雲廠商，都開始提供雲端部署方案，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複雜環境。

其中，百度智能雲推出的DuClaw與紅手指Operator，直接瞄準的是Agent系統中的兩層關鍵問題。

首先是運行環境。

DuClaw把OpenClaw原本複雜的部署流程封裝成一種託管運行環境。用戶不需要再配置服務器、鏡像或模型接口，只需在網頁端創建實例即可啓動Agent系統。

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託管Agent。這一過程中，任務規劃、模型調用和工具執行都在雲端完成，用戶只需要通過對話觸發任務。

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雲端虛擬手機環境。

紅手指在雲端運行完整的手機操作系統，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網的一大限制：許多互聯網服務並沒有開放API，或者接口能力有限。

在雲手機環境中，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。

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台、社交媒體和物流系統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台賬號。

一些用戶會在雲端運行安卓系統管理多個賬號、自動化運營或長期運行應用，而這些任務通常需要設備24小時在線並持續執行腳本或操作流程。

紅手指+OpenClaw生態的結合，完美契合了這一類用戶需求。

這種架構的出現並非偶然。隨着OpenClaw用戶規模擴大，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，如果缺乏隔離環境，很容易形成新的安全風險。

在這種背景下，把Agent運行環境遷移到雲平台、把執行任務放進隔離系統，正在成為一種更可控的部署方式。

雲部署的核心優勢是穩定可達。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雲端，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、對穩定性和安全性要求高的普通用戶和中小企業。

DuClaw提供託管Agent運行環境，而紅手指的雲手機則把任務執行放進獨立系統中，本質上是為普通用戶提供可以放心使用、輕鬆交互的「養蝦」環境。

事實上，從各家推出的OpenClaw產品矩陣中不難發現，當下的Agent生態競爭重點已經發生變化：僅僅幫助用戶「落地」Agent還遠遠不夠，關鍵在於如何提供穩定、長期的服務。

換言之，想要打造全能Agent生態，首先需要的是「全能」AI雲廠商。

02

全能Agent，

需要全能AI雲廠商

如果說OpenClaw點燃了這一輪「養蝦潮」，那麼真正決定這場潮水能否持續的，其實並不是框架本身，而是背後的AI基礎設施。

在產業研究中，這類能力已經被視為生成式AI產業鏈中的關鍵因素。

本月，美國計算機與通信行業協會（CCIA）委託經濟諮詢機構RBB Economics發布的一份關於亞太生成式AI競爭格局的報告指出，百度千帆、谷歌Vertex AI、亞馬遜Bedrock以及阿里雲Model Studio都屬於同一類AI部署平台。

報告指出，這類平台的作用在於為開發者提供統一接口接入多個基礎模型，並配套模型管理、應用部署和開發工具，使企業能夠在不同模型之間比較、切換並構建完整AI系統。

隨着生成式AI應用從單次調用走向持續運行，越來越多企業傾向於通過這種平台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，也使平台層逐漸成為連接基礎模型與應用開發之間的重要基礎設施。

換句話說，Agent時代的第一道門檻，其實是算力和雲環境。

只有具備穩定算力、模型接入能力以及持續運行環境的平台，才能把Agent從實驗工具變成可以規模化部署的服務。

在這一點上，百度的路徑顯得更加「平台化」。

一直以來，百度在業內以擁有「完整AI技術棧」而著稱：從底層模型到雲平台，再到開發者工具和應用入口，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開發者大會上，百度宣佈點亮一個由3萬顆第三代崑崙P800芯片組成的計算集羣。百度CEO李彥宏表示，該集羣既可以訓練接近DeepSeek規模的大模型，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系統來說，這意味着平台不僅具備模型訓練能力，也在為多租戶環境和高併發調用提供算力基礎。

再往上一層，是模型平台。作為模型與應用開發平台，千帆為開發者提供了全面的開發工具和部署能力。

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，並支持DeepSeek、Kimi、GLM、MiniMax等模型切換。

這種結構對於Agent系統尤為重要。複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。

百度千帆平台已累計支持企業構建超130萬個Agents，工具日均調用次數達到數千萬級，支撐智能硬件、製造、交通、能源等主流行業創新，並沉澱出包含獲客營銷、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台內完成。

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，百度發布最新財報顯示，其AI相關業務在2025年第四季度收入已超過110億元，佔公司核心業務收入的約43%。與此同時，AI雲業務仍保持較快增長，成為百度當前最重要的增長來源之一。

也就是說，百度的AI雲能力已經開始在企業市場形成規模化需求，「全棧AI雲」正在逐漸成為企業運行AI系統的基礎設施，也成為支撐DuClaw和紅手指穩定運作的技術底座。

換言之，有能力同時提供算力、模型、平台和應用入口的雲廠商，才能在這一輪Agent浪潮中佔據主動。

03

知識就是Skill：

為什麼說百度更適合養「龍蝦」

如果說算力和模型構成了Agent生態的「硬實力」，那麼真正決定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，在複雜任務中，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、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，往往取決於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模。

這也解釋了為什麼Skill生態正在成為OpenClaw競爭的核心。

近期，瑞士AI安全公司Lakera在一份針對OpenClaw生態的安全分析報告中，對4310個公開Skill進行了審計，並對其中221個進行了深入研究。報告發現，這些Skill並不是簡單插件，而是能夠執行真實代碼、申請OAuth權限、訪問本地資源的「可執行能力包」。

這意味着，Skill的穩定性和可信度直接關係到Agent系統的安全與可靠，也決定了誰能把Agent從演示推進到真正的生產環境。

把這個邏輯拉回到百度身上，真正的生態優勢由此浮現出來。

作為搜索業務起家的互聯網公司，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，現在被重新封裝後，面對的則是Agent。

對很多雲廠商來說，Skill生態需要從零搭建；而對百度而言，許多底層能力是多年業務積累形成的。

在傳統互聯網時代，搜索解決的是「用戶如何找到信息」；而在Agent系統中，搜索更像是系統獲取信息、比較信息並繼續執行任務的起點。

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一的AI入口。

很多真實任務本來就起於搜索、成於服務，這種路徑天然更適合落地Agent場景。這也構成了百度與許多隻提供算力或模型的平台之間的重要差別。

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係，學術檢索則對應更高權威度的專業內容。

對於複雜任務來說，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。

而對於C端用戶而言，搜索門戶正在成為AI能力分發的重要入口。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務體系中的天然優勢：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接口後，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，成為該平台全球下載量第一的搜索引擎官方技能插件。這些Skill不僅為開發者提供穩定的數據來源，也讓Agent在執行復雜任務時能夠直接調用權威信息。

所以，百度在Agent生態中的獨特之處，恰恰在於它同時具備兩項能力：一邊是全棧AI雲平台、模型調度和託管能力，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」，是各家雲廠商或多或少都具備的能力，那麼更進一步，在「讓龍蝦真正學會做事」的命題上，百度已經佔據先機。