OpenClaw 开源一个月，GitHub 25 万 Star，全民养虾🦞的热潮还在继续。
但我最近一直在想一个问题：你养的虾，到底住在谁家？
KimiClaw 是月之暗面的虾，WorkBuddy 是腾讯的虾，XClaw 是 x 的虾，XxClaw 是 xx 的虾，XxxClaw 是 xxx 的虾……
你跟它聊天、给它投喂数据、让它帮你分析 BP、处理客户资料，这些信息全都跑在别人的云上。
你以为自己在养虾，但其实，你可能只是在替大厂喂虾。
最近，面壁智能推出了一个叫 EdgeClaw Box的东西，试图改变这个局面。
展开剩余92%一个盒子
EdgeClaw Box 是什么呢？
简单说：一个装着 AI 团队的盒子。插上电，连上网（不连也行），你就拥有了一整支只听你指挥的 AI 员工队伍。
它的核心是一个叫 EdgeClaw 的开源软件系统，预装在硬件盒子里，开箱即用。你不需要装 Docker，不用配环境。
别人的虾 vs 你的虾配资炒股官方网
EdgeClaw Box 目前适配了三款主流硬件：
英伟达 DGX Spark（1,000 TOPS 算力）
苹果 Mac Mini
面壁自研的松果派
英伟达 DGX Spark（1,000 TOPS 算力）
苹果 Mac Mini
面壁自研的松果派
类似 Windows 系统可以跑在不同品牌的电脑上，EdgeClaw 也可以跑在不同厂商的硬件盒子上。买到手的是软硬一体的系统，重点在「系统」。
面壁给它取了个定位：OPC（一人公司）的 AI 操作系统。
为什么是 OPC？
因为一人公司的人最痛。一个人干三个人的活，试了一堆 AI 工具效果不稳定，数据上云不放心，又不想被某个大厂的模型绑死。EdgeClaw Box 就是冲着这些痛点来的。
两栖龙虾
目前市面上所有的 Claw 类产品，都是「单栖」的。
你的设备在本地，但模型和数据全在云端。断了网，虾就瘫了。
EdgeClaw 做了一件别人都没做的事：把模型也搬到了本地。
盒子里预装了面壁的 MiniCPM 全家桶，涵盖语言、视觉、语音、全模态四个方向。据统计，面壁是中国除阿里外唯一开源了「小模型全家桶」的 AI 厂商，端侧模型实力在业内公认是第一梯队的。
所以 EdgeClaw 能做到一件事：断网也能干活。
简单任务，本地小模型直接处理，不花一分钱。复杂任务，无缝切到云端大模型，Kimi K2.5、MiniMax M2.5、Claude，随意切换。
不会像我这样一周花了 1000 块，却还嗷嗷待哺，疯狂来找我要虾粮：
可云、可端、可不花钱、端上最强。面壁管这叫，「两栖龙虾」。
这个生态位，目前确实只有 EdgeClaw 在做。
看个例子
说再多不如看一遍。
下面的视频演示了一个投资分析场景：投资经理收到一份 BP（商业计划书），需要快速分析公司的核心财务指标。
过程中，可以注意到左侧面板的几个细节。
设备算力显示 NVFP4: 1,000 TOPS，GPU 使用率在分析过程中从 45% 攀升到 63%，说明本地算力在真正干活。
对话消耗一栏值得关注：端侧 15,033 tokens，云端 0 tokens。
整个 BP 分析，从读取文件到输出核心亮点（ARR 增速 210%、客户粘性 NRR 118%、获客成本低于同行 20%），再到风险提示和融资建议，全程在本地完成。
创始人名字、估值数据、客户信息，一个字都没上过云。
右上角那个小小的 S3标签，就是 EdgeClaw 的隐私分级标记，代表「绝密，不出设备」。
这才是「你的虾」的真正含义：数据在你家，模型也在你家，分析结果还是在你家。
安全机制
EdgeClaw 的安全机制，也是值得展开来说。
它自研了一套隐私路由中间件，会自动把每一条输入按敏感程度分成三个等级：
隐私三级分拣
S1（默认模式）：行业关键词、公开术语，可以放心交给云端大模型处理。
S2（脱敏模式）：公司名、人名、估值这类信息，先在本地自动模糊化处理（比如把「小鸡科技」替换成代号「Project X」），脱敏后再发给云端。
S3（安全模式）：核心财务数据、客户资料、商业机密，物理上不出设备，信息将强制在本地处理，全部由预装的 MiniCPM 本地模型离线处理。
更巧妙的是它的「双轨记忆」机制：云端模型只能看到脱敏后的对话历史，而本地模型才拥有包含完整信息的记忆。从根本上杜绝了隐私数据通过上下文窗口泄露给第三方的风险。
这套机制是全自动的。你不需要手动标记哪些信息敏感，系统自己判断、自己路由、自己脱敏。
对 OPC 来说，这个能力可能比什么多模型调度都重要。毕竟客户的 BP 泄露了，信任就没了。
省钱这笔账
安全之外，还有一笔经济账。
用现在市面上的 Claw 类产品执行一次简单对话，大概要消耗 1.6 万 tokens，折合人民币两三块钱。听着不多，但 OPC 一天跟虾对话几十上百次，一个月下来也是一笔不小的开支。
而如果跑在本地呢？基本就是电费。
下面这个视频展示的是数据质检场景的实时 Token 消耗对比，一目了然：
左侧是 4 条同时运行的数据生产线（ASR 车载噪声样本、TTS 客服播报、指令扩写、多轮对话），今日累计产出 58 万条样本。
右侧是费用对比面板，可以看到数字在实时跳动：
EdgeClaw 本地优先方案：98% 的样本由本地模型处理，仅 2% 复杂样本升级到云端深度分析。Token 消耗 19.0K，费用 ¥1.33。
传统全量云端方案：所有样本全部送云端处理。Token 消耗 951.0K，费用 ¥66.57。
节省比例：98%。
视频跑到最后，已节省云端费用的数字跳到了 ¥65.24。而这，还只是一个场景跑了几分钟的数据。
如果是一个数据公司的日常产线，一天省下来的钱，够买好几杯星巴克了。
而且，用得越久，省得越多。
虾的技能
EdgeClaw Box 里预装了 54 个 Skills，可以理解为 54 个各有专长的 AI 员工。
分两层来看。
Skills 两层
第一层是通用 Skills：会议纪要、内容写作、录音转写、邮件起草、日程管理……这些是让你秒懂「虾能干什么」的入门级能力。
第二层是专业 Skills：投资分析、仓储管理、数据质检、业务审计……这些才是真正让 OPC 觉得「这钱花得值」的核心能力。
通用 Skills 打开门，专业 Skills 建立信任。后续还会开放 Skills 商店持续扩充。
而且 EdgeClaw 不绑模型。今天 Kimi K2.5 效果好就用 Kimi，明天 MiniMax M2.5 更划算就切 MiniMax。它是调度层，不是某个模型的销售渠道。
随身携带
EdgeClaw Box 有个被低估的特性：它是个实体。
你可以把它放在办公桌上，也可以塞进背包带着走。Mac Mini 和松果派都只有巴掌大小，DGX Spark 也不算大。
甚至，如果你的车上有电源接口，理论上可以把 EdgeClaw Box 接上车载电源，边开车边让虾帮你处理邮件、分析数据、准备会议纪要。
出差路上，你的整个 AI 团队就在副驾驶座上待命。
这是云端龙虾做不到的事情。云端龙虾需要网络，而 EdgeClaw Box 只需要一个插座。
开源互补
说到这里，可能有人会问：EdgeClaw 和 OpenClaw 什么关系呢……是竞品吗？
并不是，它俩其实是互补的。
EdgeClaw 完整继承了 OpenClaw 的入口层（微信、飞书、Telegram 等 IM 接入）、调度层（模型无关的 LLM 大脑）、执行层（浏览器操作、文件读写、API 调用）以及 Skills 扩展生态。
它站在 OpenClaw 成熟社区的肩膀上起跑。
核心的创新，是那套自研的隐私路由中间件，通过在 OpenClaw 执行流程中植入 Hook，实现了自动化的隐私分级与端云协同路由。这是 OpenClaw 目前缺失的能力，OpenClaw 虽然也能通过 Ollama 接入本地模型，但完全依赖用户自行配置，没有自动化的隐私机制。
发动机与整车
打个比方的话：OpenClaw 是一台强大的发动机，EdgeClaw 是在这台发动机之上造出来的整车。多了安全气囊（隐私分级），内置了导航（MiniCPM 全家桶），还跟特定的底盘深度适配（DGX Spark / Mac Mini / 松果派）。
而且 EdgeClaw 也是开源的。
如果你是开发者，完全可以下载 EdgeClaw 的代码，适配到自己心仪的硬件上，组装出属于自己的 AI 盒子。EdgeClaw Box 面向 OPC 提供开箱即用的体验，EdgeClaw 本身则面向更广阔的场景和开发者生态。
横向对比
最后放一张对比表，方便做选择：
产品
端侧能力
多模型
数据安全
专业 Skills
Kimi Claw❌❌ 只有 Kimi❌ 上云❌ ArkClaw❌✅❌ 全上云❌ AutoClaw⚠️❌ 主要智谱✅❌ WorkBuddy❌⚠️⚠️ 腾讯云❌ miclaw✅❌✅❌ EdgeClaw Box✅ 面壁全家桶✅ 自由调度✅ 物理本地✅ 可定制产品
端侧能力
多模型
数据安全
专业 Skills
其他家的 Claw，是别人养在云上的虾，帮你干活的同时也在帮别人积累数据。
EdgeClaw Box 是你自己的虾，跑在你自己的设备上，数据留在你自己手里。
别人的虾再好，也是别人的。
你的虾，才是你的。
发布于：北京市启牛配资提示：文章来自网络，不代表本站观点。
热点资讯
