| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

温哥华资讯

温哥华地产

温哥华教育

温哥华财税

新移民/招聘

黄页/二手

旅游

小米: 华为小米下场"养虾":手机圈的"操作系统之战"


请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!



图源:视觉中国

就在OpenClaw凭借“养虾”的狂热与“杀虾”的争议成为AI领域的顶流时,一直在端侧AI深耕的头部手机厂商们也按捺不住,纷纷下场部署和“驯化”属于自己的Claw。


3月6日,小米移动端Agent——Xiaomi miclaw通过邀请码方式,正式开启小范围封测,成为国内首个内测“龙虾”的手机厂商。在这之后,华为、荣耀、OPPO等都宣布了内测Claw的信息。

其中,华为官宣小艺新增OpenClaw模式之后又推出了小艺ClawBeta版;荣耀宣布推出“荣耀龙虾宇宙”,支持PC一键养虾、平板养虾,未来还能兼容其他生态设备的龙虾接入;OPPO的ColorOS设计总监陈希则在社交平台展示了小布Claw的部分功能,并声明“小布Claw还有安全等问题需要解决”。

换句话说,手机厂商下场“养虾”目前主要处于内测阶段,何时大规模推出还未有明确的时间点。

比如小米的miclaw目前仅面向小米17系列、小米15S Pro、红米K90系列进行小范围封闭内测,收到邀请码,更新系统即可使用Xiaomi miclaw的APP。 “封测期间,暂时没有收费计划。”小米集团合伙人、总裁卢伟冰表示。

对于手机厂商部署手机版“龙虾”,有从业人士透露,“OpenClaw相当于一个开源框架,其内部包含第三方Skills与插件生态,也可以调用各类大模型。对于普通用户来说,部署OpenClaw门槛很高,但对于手机厂商来说没有技术难度,难的还是权限获取、用户信息安全保障及法律法规合规等问题。”

“主流手机厂商面对的是数亿普通用户,任何AI功能上线都必须经过充分验证,确保体验成熟、安全、稳定后才能推送。”有手机厂商员工透露。


手机厂商扎堆“养虾”

大模型厂商热衷于部署“龙虾”,可以简单地理解为“算力变现”的生意,即让智能体(Agent)更频繁地调用模型、执行复杂任务,从而消耗更多的Token,直接拉动API营收。

然而,这套逻辑在手机行业却难以跑通。用户在花费数千元甚至上万元购机后,极少愿意再为每一个具体任务额外付费。既然无法直接通过“售卖任务”获利,头部手机厂商为何仍愿自担算力与Token 成本,内测专属的手机版“Claw”?


原因之一是, 在传统手机AI助手向“个人智能体”进化的路上,OpenClaw 正无限逼近 “超级助理”的理想形态。

与过往只能被动应答的语音助手不同,OpenClaw 更像一位全天候在线的“数字员工”,首次让普通用户真切感受到AI替代人力的现实可能。

从OpenClaw的底层逻辑来看,其核心价值在于强大的“自主性”。它突破了聊天框的边界,只要为其配置相应的 Skills(技能包),并授权足够的Token,OpenClaw就可以记住用户的习惯和任务,自主规划步骤、调用工具并操作软件,直到反馈最终结果。

不过,要将这种飘在云端的“自主性”真正驯化到方寸之间的手机上,单纯靠App层面的叠加显然不够,它需要手机厂商对操作系统进行自下而上的深度重构。

在具体落地路径上,无论是华为小艺Claw还是小米miclaw,都不约而同地选择了以“系统级应用”身份切入。这种方式本质上是将原本离散的软件功能、系统权限甚至是跨设备能力,统一封装成Agent可调用的Skills(技能包),再通过一套自研的推理-执行引擎将其有机串联。

小米 miclaw 为例,它将50多个系统工具与生态服务整合,构建起一套“感知-推理-执行”的闭环引擎。面对用户指令,引擎会自主拆解步骤、匹配工具、确定参数,并根据执行结果不断循环修正,直到任务彻底交付。
点个赞吧!您的鼓励让我们进步     这条新闻还没有人评论喔,等着您的高见呢
上一页123下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0330 秒 and 3 DB Queries in 0.0014 秒