“Amazing。”
这是OpenClaw创始人Peter Steinberger昨天在社交平台留下的一句评论。
让Steinberger发出这句惊叹的，是一张来自北京的照片：在百度科技园举行的“龙虾市集”现场，几十台电脑同时部署OpenClaw，开发者排队等待工程师帮忙完成“养虾”。
Steinberger同时表示，愿意与百度一同开发OpenClaw生态。
过去几个月，这只“龙虾”已经从一个开源项目，迅速演化为AI社区最受关注的实验之一。
Steinberger本人也曾用一句颇具戏剧性的判断来形容这种变化：随着Agent能够直接调用工具和服务，“未来的大多数应用，本质上可能都只是一个慢速API”。
也正因为如此，越来越多云厂商开始围绕“养虾”构建产品，希望把这个原本属于开发者社区的工具，变成普通用户也能使用的AI Agent服务。
在这场竞速中，百度显得尤为积极。
从时间线看，百度在这轮“养虾”热中的动作，从年初一直持续至今：年初推出可视化部署方案，通过轻量云服务器实现几步完成OpenClaw安装；2月，用户在百度App中搜索“OpenClaw”即可直接唤起Agent助手。
近日，百度智能云发布的DuClaw则进一步取消服务器配置、镜像选择和API Key填写，把原本复杂的部署流程变成订阅即用的托管服务。
几乎同时，百度还推出全球首款手机龙虾应用、移动端形态的红手指Operator，让OpenClaw运行在云端虚拟手机环境中，实现跨App执行任务。
如果把这些动作连在一起看，百度正在把OpenClaw生态改造成一套可持续运行的Agent服务体系。
龙虾能不能跑起来，要看平台的技术底座；龙虾好不好用，要看平台的Skill供给能力。
只有二者兼具的企业，才能在这一轮“养虾潮”中脱颖而出。
01
从DuClaw到红手指：
Agent正在进入真实执行环境
随着以OpenClaw为代表的AI Agent框架迅速流行，一个比模型能力更现实的问题开始浮现：Agent不仅需要模型，更需要稳定的运行环境与执行环境。
过去两年，AI学术界开始系统评估Agent在真实计算机环境中的能力。
2024年，来自斯坦福大学、卡内基梅隆大学和微软研究院的研究团队提出OSWorld基准测试，用完整操作系统作为实验环境，构建了369个跨应用任务，覆盖浏览器操作、文件管理、办公软件以及多应用协作等场景。
研究结果显示，人类完成这些任务的成功率达到72.36%，而当时表现最好的多模态AI Agent（GPT-4V + Agent framework）成功率只有12.24%。
该研究指出，主要困难集中在GUI定位、操作顺序理解以及跨应用流程管理等环节。
这一差距说明，Agent能力的瓶颈并不只在模型推理能力，而在于如何在真实系统中执行任务。
这一问题在后续研究中进一步得到验证。
2025年6月，卡内基梅隆大学等机构发布论文《OSWorld-Human》，对16个主流Agent系统进行评测。结果发现，即使在成功完成任务的情况下，AI代理通常仍需要1.4到2.7倍于人类的操作步骤。随着任务链条变长，规划和工具调用带来的系统开销会迅速放大。
该项研究指出：当前AI代理在真实系统中的表现，仍然远远落后于人类。问题并不只是模型推理能力，而是如何在复杂环境中持续执行任务。
也正是在这样的背景下，一批面向开发者的Agent框架开始出现，其中最受关注的就是OpenClaw。该框架把任务规划、工具调用和模型推理组合成一套可复用系统，使开发者能够在真实环境中部署和运行AI代理。
但随着OpenClaw在开发者社区走红，一个现实问题很快出现：本地部署这件事，本身存在一定门槛。
运行OpenClaw通常需要配置云服务器、部署环境镜像、接入模型API并维护运行权限。对于开发者来说，这些步骤尚可接受；但对普通用户而言，复杂的环境配置、权限管理以及安全风险，使得本地部署难以大规模普及。
因此，OpenClaw的扩散很快从开源社区走向云平台。
今年年初以来，包括百度智能云、阿里云、腾讯云以及火山引擎在内的多家云厂商，都开始提供云端部署方案，让用户可以在远程服务器上运行OpenClaw，而不是在个人设备上搭建复杂环境。
其中，百度智能云推出的DuClaw与红手指Operator，直接瞄准的是Agent系统中的两层关键问题。
首先是运行环境。
DuClaw把OpenClaw原本复杂的部署流程封装成一种托管运行环境。用户不需要再配置服务器、镜像或模型接口，只需在网页端创建实例即可启动Agent系统。
也就是说，DuClaw提供了一种“零部署服务”，让普通用户也可以直接使用托管Agent。这一过程中，任务规划、模型调用和工具执行都在云端完成，用户只需要通过对话触发任务。
而红手指Operator对应的，则是另一层更现实的问题——Agent如何更贴近用户。
红手指提供的是一种云端虚拟手机环境。
红手指在云端运行完整的手机操作系统，使Agent可以直接操作真实应用，例如打车、信息查询或跨应用任务。
这种方式绕开了现实互联网的一大限制：许多互联网服务并没有开放API，或者接口能力有限。
在云手机环境中，Agent可以像用户一样点击界面、输入文本、切换应用，从而进入真实应用生态。
另一方面，在真实用户场景中，经常都需要在多个App之间完成操作流程。例如跨境电商卖家需要在电商平台、社交媒体和物流系统之间切换账号进行运营；广告和内容团队则常常同时管理多个社交平台账号。
一些用户会在云端运行安卓系统管理多个账号、自动化运营或长期运行应用，而这些任务通常需要设备24小时在线并持续执行脚本或操作流程。
红手指+OpenClaw生态的结合，完美契合了这一类用户需求。
这种架构的出现并非偶然。随着OpenClaw用户规模扩大，本地部署的安全和运维问题已经开始显现。
微软安全团队在2026年2月的技术分析中指出，像OpenClaw这样的代码型Agent会在运行过程中不断调用外部工具和插件，如果缺乏隔离环境，很容易形成新的安全风险。
在这种背景下，把Agent运行环境迁移到云平台、把执行任务放进隔离系统，正在成为一种更可控的部署方式。
云部署的核心优势是稳定可达。7×24小时在线，不依赖个人设备，适合做自动化任务调度、信息聚合、消息推送等对实时性有要求的场景。
在操作Agent的过程中，可以将主力的PC设备隔离在外，对本地信息进行有效保护，可以按需把需要操控的文件放入云端，避免因为不当操作造成文件损失。
这一模式适合想轻量体验OC基础功能、无需本地文件控制、对稳定性和安全性要求高的普通用户和中小企业。
DuClaw提供托管Agent运行环境，而红手指的云手机则把任务执行放进独立系统中，本质上是为普通用户提供可以放心使用、轻松交互的“养虾”环境。
事实上，从各家推出的OpenClaw产品矩阵中不难发现，当下的Agent生态竞争重点已经发生变化：仅仅帮助用户“落地”Agent还远远不够，关键在于如何提供稳定、长期的服务。
换言之，想要打造全能Agent生态，首先需要的是“全能”AI云厂商。
02
全能Agent，
需要全能AI云厂商
如果说OpenClaw点燃了这一轮“养虾潮”，那么真正决定这场潮水能否持续的，其实并不是框架本身，而是背后的AI基础设施。
在产业研究中，这类能力已经被视为生成式AI产业链中的关键因素。
本月，美国计算机与通信行业协会（CCIA）委托经济咨询机构RBB Economics发布的一份关于亚太生成式AI竞争格局的报告指出，百度千帆、谷歌Vertex AI、亚马逊Bedrock以及阿里云Model Studio都属于同一类AI部署平台。
报告指出，这类平台的作用在于为开发者提供统一接口接入多个基础模型，并配套模型管理、应用部署和开发工具，使企业能够在不同模型之间比较、切换并构建完整AI系统。
随着生成式AI应用从单次调用走向持续运行，越来越多企业倾向于通过这种平台同时接入多个模型供应商，而不是绑定单一模型。这种“多模型接入”的结构，也使平台层逐渐成为连接基础模型与应用开发之间的重要基础设施。
换句话说，Agent时代的第一道门槛，其实是算力和云环境。
只有具备稳定算力、模型接入能力以及持续运行环境的平台，才能把Agent从实验工具变成可以规模化部署的服务。
在这一点上，百度的路径显得更加“平台化”。
一直以来，百度在业内以拥有“完整AI技术栈”而著称：从底层模型到云平台，再到开发者工具和应用入口，百度拥有AI时代较为完整的技术体系。
算力是这条链条的最底层。
2025年4月，在百度Create开发者大会上，百度宣布点亮一个由3万颗第三代昆仑P800芯片组成的计算集群。百度CEO李彦宏表示，该集群既可以训练接近DeepSeek规模的大模型，也能够支持上千个客户同时进行模型微调。
对需要长期运行、频繁调用的AI系统来说，这意味着平台不仅具备模型训练能力，也在为多租户环境和高并发调用提供算力基础。
再往上一层，是模型平台。作为模型与应用开发平台，千帆为开发者提供了全面的开发工具和部署能力。
针对最新推出的DuClaw，百度千帆推出Coding Plan订阅服务，通过模型调度与订阅计费压低Agent成本：Lite版首购仅7.9元/月，每月可提供约1.8万次请求额度，并支持DeepSeek、Kimi、GLM、MiniMax等模型切换。
这种结构对于Agent系统尤为重要。复杂任务往往需要多个模型配合完成，例如推理、代码生成或工具调用等不同阶段。
从Cursor为代表的Vibe Coding工具到今天的OpenClaw，Agent的运作逻辑早已不再是简单的API接入。
百度千帆平台已累计支持企业构建超130万个Agents，工具日均调用次数达到数千万级，支撑智能硬件、制造、交通、能源等主流行业创新，并沉淀出包含获客营销、错题批改等在内的100多个高频场景。
从模型训练、开发接入到应用部署，百度已经形成了一套较为完整的技术体系，整个流程都可以在同一平台内完成。
财报数据也在一定程度上反映了这套结构的运行情况。
上月，百度发布最新财报显示，其AI相关业务在2025年第四季度收入已超过110亿元，占公司核心业务收入的约43%。与此同时，AI云业务仍保持较快增长，成为百度当前最重要的增长来源之一。
也就是说，百度的AI云能力已经开始在企业市场形成规模化需求，“全栈AI云”正在逐渐成为企业运行AI系统的基础设施，也成为支撑DuClaw和红手指稳定运作的技术底座。
换言之，有能力同时提供算力、模型、平台和应用入口的云厂商，才能在这一轮Agent浪潮中占据主动。
03
知识就是Skill：
为什么说百度更适合养“龙虾”
如果说算力和模型构成了Agent生态的“硬实力”，那么真正决定Agent能力上限的，往往是另一层更隐性的能力。
2025年，美国东北大学、香港科技大学等机构的研究者在综述论文《Large Language Model Agents: A Survey》中指出，在复杂任务中，大模型往往缺乏完整、实时且可验证的外部知识。更可行的路径，是把模型与检索系统、数据库、浏览器以及各类外部工具结合起来使用。
换句话说，Agent能力的边界，往往取决于它能够接入哪些工具和数据源，而不仅仅是模型本身的参数规模。
这也解释了为什么Skill生态正在成为OpenClaw竞争的核心。
近期，瑞士AI安全公司Lakera在一份针对OpenClaw生态的安全分析报告中，对4310个公开Skill进行了审计，并对其中221个进行了深入研究。报告发现，这些Skill并不是简单插件，而是能够执行真实代码、申请OAuth权限、访问本地资源的“可执行能力包”。
这意味着，Skill的稳定性和可信度直接关系到Agent系统的安全与可靠，也决定了谁能把Agent从演示推进到真正的生产环境。
把这个逻辑拉回到百度身上，真正的生态优势由此浮现出来。
作为搜索业务起家的互联网公司，百度本就拥有一整套适合被Skill化的信息基础设施。
搜索、百科、学术、地图等能力过去面对的是用户，现在被重新封装后，面对的则是Agent。
对很多云厂商来说，Skill生态需要从零搭建；而对百度而言，许多底层能力是多年业务积累形成的。
在传统互联网时代，搜索解决的是“用户如何找到信息”；而在Agent系统中，搜索更像是系统获取信息、比较信息并继续执行任务的起点。
开源RAG框架RAGFlow团队在2025年底的一篇技术回顾中提出，RAG正在从“检索增强生成”演化为一种“上下文服务层”：它不仅负责检索，还要完成意图理解、多源数据协调、去重、排序和结构化输出，再把结果送入模型推理流程。
从这个角度看，百度的搜索业务在Agent时代反而更具现实落地价值。
公开报道显示，百度AI助手在今年初月活已突破2亿，而且已经连接京东、美团、百度地图、百度健康等服务，用户还可以在不同模型之间切换，包括文心和DeepSeek。
也就是说，百度一直在尝试把搜索入口、模型入口和服务入口整合为统一的AI入口。
很多真实任务本来就起于搜索、成于服务，这种路径天然更适合落地Agent场景。这也构成了百度与许多只提供算力或模型的平台之间的重要差别。
百度长期积累的搜索、百科和学术产品，在结构上提供了三层信息底盘：搜索负责广覆盖和实时信息，百科提供结构化的实体与概念关系，学术检索则对应更高权威度的专业内容。
对于复杂任务来说，高质量的信息渠道和知识库，对真实工作流中的Agent能力尤为重要。
而对于C端用户而言，搜索门户正在成为AI能力分发的重要入口。用户在搜索中表达需求，往往不是为了聊天，而是为了“查、选、比、办”，解决生活中的真实问题。
这也正是百度在自身业务体系中的天然优势：把海量信息整理为可查询、可调用的结构化资源。当这些能力被封装为Skill接口后，Agent就可以像调用工具一样调用搜索和知识服务。
而在当前的ClawHub生态中，百度已经上线了一系列官方能力，包括百度搜索、百度百科、小度、百度一见等skills。其中，百度搜索Skill以超36300次的下载量，成为该平台全球下载量第一的搜索引擎官方技能插件。这些Skill不仅为开发者提供稳定的数据来源，也让Agent在执行复杂任务时能够直接调用权威信息。
所以，百度在Agent生态中的独特之处，恰恰在于它同时具备两项能力：一边是全栈AI云平台、模型调度和托管能力，另一边是已经成体系的信息基础设施和高频入口。
如果说“让龙虾跑起来”，是各家云厂商或多或少都具备的能力，那么更进一步，在“让龙虾真正学会做事”的命题上，百度已经占据先机。
长胜配资提示：文章来自网络，不代表本站观点。
