作者 | 李水青

編輯 | 漠影

當AI Agent框架OpenClaw（暱稱：龍蝦）熱潮席捲而來，起初被忽視的安全風險在同步放大。

設想一個場景：你剛輸入的一段公司財務數據，可能在毫無感知的情況下被上傳到雲端，泄露商業機密。雲側「養龍蝦」的便利背後，是隱私幾乎「裸奔」的現實。

於是，很多人把目光轉向了端側。把AI裝進一個本地盒子，數據不出家門，總安全了吧？但端側盒子又陷入「瘸腿」的尷尬：算力不夠、能力不足、體驗割裂。

安全與專業，彷彿成為一道無法兼得的選擇題。

就在這樣的背景下，近期，清華系AI基礎設施服務商無問芯穹推出了首個端雲一體全模態安全脫敏的龍蝦盒子——InfiniClaw Box。

這款產品試圖給出一個全新答案：既不讓數據外流，也不犧牲大模型能力。

聽起來像 「既要又要」 的悖論，它究竟如何實現？

一、雲側裸奔，端側瘸腿，養龍蝦陷入「不可能三角」

當前「養龍蝦」的核心矛盾，是一個經典的技術三角問題：安全、能力、成本難以同時滿足。

要理解InfiniClaw Box試圖實現的價值，得先看清當前「養龍蝦」真正的痛點在哪裏。

1、雲側：便利背後，是一個巨大的「數據敞口」

首先看雲側。以 OpenClaw 為代表的雲端智能服務，確實帶來了前所未有的效率提升，但其背後的「數據敞口」問題同樣不容忽視。

用戶輸入的財務數據、醫療記錄、企業機密等高敏信息，往往需要上傳至雲端進行處理。這種模式下，數據的流轉路徑不透明，邊界不清晰，安全責任也被層層稀釋。

對個人用戶來說，這意味着隱私泄露風險；對企業而言，更是合規與信任的雙重挑戰。

2、端側：看似安全，但算力不足+脫敏單一

於是，很多人轉向端側盒子——把AI模型部署在本地硬件上，數據不出家門，看起來完美解決了隱私問題。

但現實很骨感。端側盒子的本地算力有限，難以高效支撐複雜任務。你想讓它處理一段會議錄音，它卡頓半天；你想讓它分析一個視頻，它直接報錯。更麻煩的是，現有的端側脫敏方案大多隻覆蓋文本，遇到語音、圖像、視頻等多模態數據就束手無策。

端側盒子安全是安全了，但專業能力大打折扣。

於是，一個尷尬的局面出現了：真正高價值的應用場景，比如政務處理、金融分析、醫療輔助等，既不敢上雲，也沒法落端。用戶被困在中間，進退兩難。

無問芯穹InfiniClaw Box的產品定位，正是卡住了這個空白帶——既保留雲端強大的模型能力，又確保原始隱私數據絕不離開本地。

聽起來像是既要又要，但技術上，它確實給出了一個可落地的方案。

二、三段式隱私守護，隱私數據絕不上雲

面對上述行業困境，InfiniClaw Box給出的核心解法，是一套端雲協同的三段式安全架構：本地脫敏–雲端處理–本地回填。

這一方案試圖通過端到端的全流程閉環，實現真正意義上的「隱私數據絕不上雲」。

1、本地智能脫敏，原始數據不離開設備

第一步是智能脫敏（本地）。用戶輸入的所有數據，無論是文本、圖像、音頻還是視頻，首先會進入InfiniClaw Box的本地處理單元。這裏部署了一個本地多模態大模型，它會對全模態數據進行語義特徵的理解與提取。

但僅靠大模型還不夠。為了確保脫敏的準確性和全面性，系統還會結合一個預定義的安全信息知識庫與脫敏模板，進行二次校驗。它會自動識別並替換所有敏感信息：姓名、手機號、身份證號、公司機密、財務數據、醫療記錄……凡是需要保護的，一個都不放過。

最終，系統生成一份完全「乾淨」的通用請求。原始隱私數據？根本沒有離開過這個盒子。

2、雲端處理，脫敏數據上雲

第二步是雲端處理。這份完全脫敏後的請求，會通過無問芯穹的大模型服務平台，無縫接入雲端。用戶可以低成本調用GLM-5、Kimi-K2.5、MiniMax-M2.5、Step-3.5等行業頭部智能體大模型，利用雲端最強大的計算能力完成複雜推理、知識檢索、內容生成等任務。

換句話說，雲端獲得的是「能力輸入」，而不是「隱私輸入」。雲端看到的，是一份已經脫敏的通用請求。

這就好比你把一份文件裏的所有人名、地名、數字都替換成了代號，然後交給一個頂級分析師去處理，分析師能給出高質量的結論，但他永遠不會知道那些代號背後真正的祕密。

3、本地回填，精準還原

第三步是本地回填。雲端返回的結果，會在InfiniClaw Box本地進入一個「隱私重構引擎」。這個引擎的作用是：在不泄露任何隱私數據的前提下，將被替換的敏感信息進行精準位置感知的自動回填。

什麼叫「精準位置感知」？就是系統知道原始數據中哪個位置原本是什麼敏感信息，它會把雲端返回的結果中對應的佔位符，精準地替換回原來的真實數據。整個過程確保數據在「脫敏-推理-回填」全鏈路中實現隱私數據零出域、結果語義無損恢復。

最終輸出的結果，在表達完整性、上下文一致性上，與純雲端處理完全一致。用戶看到的是一個完整的、自然的答案，但背後所有的隱私保護動作都悄無聲息地完成了。

總的來說，這套機制在技術上實現了隱私安全與大模型能力的解耦融合，並達到「數據不出盒、能力不打折」的最終效果。」

通過這三段式架構，InfiniClaw Box真正兌現了它的承諾：安全養蝦不裸奔，雲端智能本地享。

三、全模態+芯片優化，端側龍蝦真正「能聽會看擅思考」

安全只是底線。一款產品能不能真正用起來，最終取決於它的能力邊界。InfiniClaw Box在能力側做了兩層突破：全模態適配和芯片級優化。

1、全模態適配：解鎖更多安全場景

大多數端側盒子只能讀取文本知識庫，就像一個只會看書的呆子。但InfiniClaw Box憑藉其獨特的全模態脫敏能力，突破了這一侷限。

它支持多種硬件設備的靈活組合，能夠廣泛接入並融合多元信源。舉個例子：你可以把家庭攝像頭、智能門鎖等設備連接到盒子上，它就能實時獲取視頻畫面，並對畫面中的敏感信息，比如人臉、車牌，進行脫敏處理。你也可以通過外接麥克風精準接收語音指令，把會議錄音交給它處理，語音中的敏感人名、公司機密，同樣會被自動識別和替換。

未來，InfiniClaw Box將可無縫接入個人電腦、智能眼鏡、手機、平板等移動生產力工具。這意味着，你可以在更多場景中使用它：開會時讓它實時轉錄和脫敏，出差時用手機連接它處理敏感文件，甚至戴着智能眼鏡讓它幫你識別眼前的人臉信息並做隱私保護。

標準化開放接口的提供，進一步拓展了它的應用邊界。政務處理、投資研報、智慧辦公……產品內置了80餘個面向這些垂類場景的專業Skills，讓端側智能從「能用」走向「好用」。

2、釋放國產端側芯片潛能，性能飆升10%-40%

全模態能力再強，如果跑不動，也是白搭。InfiniClaw Box在性能優化上下了真功夫。

在主流端側芯片上部署多模態大模型相關的算子時，InfiniClaw Box通過主控智能體主導的深度NPU、GPU算子融合、張量佈局尋優，以及極致的顯存複用策略，讓Attention和GEMM等核心算子實現了10%到40%的加速。

這是什麼概念？原本需要3秒鐘處理的任務，現在可能只需要2秒甚至1.8秒。對於端側設備來說，這是非常可觀的性能提升。而且，這種優化不是針對某一款特定芯片的「特調」，而是一套可以快速適配多樣化終端硬件配置的方案。

據悉，無問芯穹已與愛芯元智等夥伴在端側芯片優化與龍蝦盒子等方面展開深度合作。未來，InfiniClaw Box將進一步打通適配更多端側芯片，持續探索本地龍蝦在國產端側芯片應用上的更多可能性。

單打獨鬥做不成端側智能，InfiniClaw Box構建了一個開放協同的生態體系。

其深度合作伙伴包括愛芯元智、AMD、此芯科技、M5stack、財搭子、萬象智維、酷愛科技、躍向等，涵蓋芯片企業、智能終端設備企業、應用企業等多個維度。通過從芯片到應用的縱向打通，InfiniClaw Box試圖打造一個可擴展的端側智能平台。

結語：安全與專業兼顧，端側龍蝦進入可用階段

安全和專業，一度被認為是端側智能難以兼得的兩個方向。無問芯穹InfiniClaw Box提供了一個新的可能——通過端雲一體的三段式安全脫敏架構，讓隱私數據不出盒，同時讓大模型能力不打折。

全模態適配、芯片級優化、80餘個垂類Skills、開放的生態協同……這些能力加在一起，讓InfiniClaw Box不僅僅是一個安全的盒子，更是一個能用的工具。

政務處理、投資研報、智慧辦公、家庭安防……那些曾經因為數據敏感而不敢上雲、因為算力不足而無法落端的場景，現在有了第三種選擇。安全養蝦不裸奔，雲端智能本地享。這句話，正在變成現實。