騰訊的Qclaw，值得每個AI產品經理抄一遍

　　openclaw之后，大廠也推出了各類國產版本，其中最近最火的就是騰訊的Qclaw,目前僅支持蘋果生態，可以通過微信對話就完成自動化操作電腦，同時還有自己的SKILLS生態。

　　現在一個邀請碼難求，甚至有朋友找到我問邀請碼，不過比較遺憾的是專注做腦機接口與空間計算應用之后，就導致也沒有獲得邀請碼了。

　　這里做一個問卷調研，你下載了小龍蝦嗎？

　　騰訊的Qclaw:對標telegram與Openclaw

　　在openclaw依托于國外的Telegram，我作為產品經理一直判斷國內微信做這件事就性價比很高了，并且是必然的。

　　因為國內的用戶社交通道還是在微信上，使用飛書、企業微信或釘釘，就注定了市場過小。

　　作為AIagent的會話消息入口，微信或QQ是最合適的場景。

　　微信的文件傳輸助手，每個人的幫手

　　最恰當的場景就是微信的文件傳輸助手，幾乎每個白領都會用其來辦公做跨端文件傳輸，畢竟誰也不想拿一個好友來發送資料消息。

　　甚至有人專門把名字頭像改為微信文件傳輸助手，也可以讓不少用戶誤傳了。

　　“我一直在等大廠做這件事，結果過了幾個月還是沒有反應，所以就自己做了。”這是創始人是彼得·斯坦伯格（Peter Steinberger），以為這類場景需求是有人發現的，但是卻沒有，就自己做了。

　　可以看見，以用戶需求出發的痛點做產品，這件事即使是AI時代，也是非常有必要的，行動力加用戶需求洞察。

　　騰訊Qclaw支持微信賬戶體系：不封微信賬戶了

　　相比之前有開發者用openclaw操作微信發送消息或者豆包類手機幫助用戶管理社交消息，微信官方會直接封殺賬戶。

　　而現在有官方下場，用戶也就不用擔心微信賬戶被封了。允許你正常使用自動化回復消息以及操作桌面，這其實是非常方便的

　　Qclaw：支持自動化小紅書與學術文件整理

　　目前騰訊這款Qclaw支持自動化遠程桌面文件以及處理工作，但是有點遺憾的現在還不能夠支持打自家的游戲，估計這不僅和模型底座有關系，還可能和接下來游戲生態、外掛系統監控有關系。

　　但支持自動化發布小紅書，不過其官方已經禁止自動化操作發布小紅書了，判斷是否是機器人來進行賬戶降權重與推流了。

　　所以你可以看到有用戶發布自動化幾乎沒有閱讀量或者很少也是這個原因。

　　Qclaw：騰訊電腦管家出品

　　目前出品產品的團隊還是來自騰訊電腦管家團隊，可以判斷接下來的產品迭代是幾乎是往自動化桌面電腦走了，但是最后用戶還是要付費購買算力了，幾乎都是騰訊云算力的入口點，一個小龍蝦。

　　對標小龍蝦的新產品：perplexity

　　相比小龍蝦，現在還有一個針對自動化電腦的工具，也是近期爆火，支持自動化24小時運行部署在Macmini上，甚至是官方宣傳片上就以Macmini為默認部署機器。

　　支持SaaS云端操作的個人機器賈維斯

　　computing model支持任何的白領辦公工作內容輸出，能夠記住你的工作以及支持任意內容源關聯，覆蓋了海外市場的主流工具、社交應用，你可用進行關聯匹配之后就可以完成agent自動化操作。

　　同時支持任務排隊，可以繼續創建你的任務指令，她可以并行排隊等待完成，你還能夠查看中間過程的任務

　　支持多個廠商的大模型集成，你可以任意挑選，總之官方會給積分作為新手用戶，注冊之后目前付費達到了1個月高達1000人民幣。

　　隨著各種個人 AI 助手工具的出現，算力需求正在迅速爆炸，但 GPU 私有化算力的供給卻遠遠跟不上。各大硬件廠商幾乎都在拼命生產 GPU 和 AI 計算設備，而真正關鍵的基礎部件——高容量內存條，反而沒有同步擴產。

　　結果就是一個非常現實的現象：AI 服務器和高端內存條價格一路上漲，甚至出現了“幾臺機器比黃金還值錢”的局面。

　　原因其實很簡單。AI 服務器使用的內存不僅頻率高，而且容量極大。普通電腦可能只有幾十 GB 內存，而 AI 推理或訓練服務器往往需要幾百 GB，甚至數 TB 的內存配置。面對這種需求結構，廠商自然優先生產利潤更高的大容量服務器內存，導致整個內存產業結構開始失衡。一個明顯的結果就是：連手機內存的價格都被帶著上漲。

　　最近我帶團隊在做腦機接口和空間計算相關的項目，對私有化模型部署和模型微調的需求非常高。隨著“大模型養小龍蝦”的概念突然爆火，現在在某二手平臺上，無論是顯卡、顯存還是服務器內存，價格都被炒得非常高。不管是做推理還是模型訓練，這些資源都變成了稀缺品。

　　目前個人開發者和小型科研團隊常見的幾種主力機器，大概包括：

　　Mac mini M4（16GB）

　　Mac Studio Ultra M3（256GB / 512GB 統一內存）

　　NVIDIA DGX Spark（120GB 統一內存）

　　這些設備既可以用于模型部署，也可以用于訓練或微調大模型，可以說是現在“養小龍蝦”的主力工具。

　　但很多人忽略了一點：
所謂的一個“小龍蝦”，本質上只是一套軟件模型。而為了運行它，背后往往需要幾萬元的 GPU 硬件，或者持續不斷地支付 API tokens 費用。

　　這就形成了一種非常諷刺的現實：
很多人連幾十塊錢的音樂會員都不愿意開，仍然在用免費版聽歌；
也不愿意為視頻平臺付費，天天找資源看劇。

　　但一旦進入 AI 時代，卻又幻想可以免費獲得強大的算力和模型能力。

　　所以，當你看到那張“養小龍蝦”的圖時，其實也就能理解為什么很多普通人的心態會是那樣——他們看到的是 AI 的表面熱鬧，卻看不到背后真正昂貴的算力成本。

　　普通算力，現在連大廠的云算力都不夠了

　　更夸張的是，現在連最基礎的云算力都開始變得緊張。

　　過去大家覺得，只要不用自己買 GPU，上云就能解決問題。但現實是，現在連大廠的云算力資源都開始出現明顯的供給不足。

　　最近我和團隊在搭建一套 AI 自動化排版系統，需要持續調用模型進行文本分析和生成。原本計劃直接使用按月付費的云算力資源，但實際操作時卻發現——連普通等級的算力套餐都很難訂到。

　　打開阿里云的百煉平臺就能看到一個非常直觀的現象：
目前很多算力資源已經不再對普通用戶開放，基本只保留給高等級或高額度充值的客戶。普通開發者如果想使用算力資源，甚至需要每天早上9:30 準時去搶配額，而且還是限量供應。

　　這在幾年前幾乎是不可想象的事情。過去大家擔心的是“算力太貴”，而現在很多時候變成了“有錢都未必能買到”。

　　至于這種情況到底是平臺刻意控制配額，還是算力資源本身已經非常緊張，其實外界很難判斷。但無論原因是什么，一個趨勢已經非常明顯：算力正在變成真正的稀缺資源。

　　不只是硬件在漲價，云算力的價格也在持續上升。

　　最近一個非常典型的例子就是Mac Studio Ultra M3（512GB 統一內存）。在二手市場上，這臺機器的價格已經被炒到15 萬一臺。而如果是正常渠道購買，疊加員工優惠或者教育優惠，新機的價格大概在8–9 萬左右。

　　也就是說，現在出現了一種非常反常的現象：
二手設備的價格反而比全新的機器還貴。

　　這背后其實反映的就是一個問題——真正需要算力的人已經開始囤設備了，市場供給跟不上需求。

　　類似的情況還發生在很多 AI 相關資源上。比如最近火爆的國產“大模型龍蝦”生態版本，很多平臺甚至需要邀請碼才能進入，而且邀請碼本身也變得一“碼難求”。

　　從 GPU、服務器內存，到云算力額度，再到各種 AI 平臺的使用資格，整個產業鏈都在傳遞同一個信號：

　　2026年AI 時代真正稀缺的，不再是模型，而是算力，馬上就是電力

　　今天的分享就到這里。