Matrix 首页推荐
Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。
文章代表作者个人观点，少数派仅对标题和排版略作修改。
本文是「LLM 吞噬一切」系列的硬件篇。上一篇 我用 AI 长出来的那些工具 聊的是软件层我怎么搭的，这一篇聊底下的硬件基座——怎么搭、为什么这样搭，以及硬件市场的趋势判断。
这篇文章会有点极客。其实我早就想写了，拖了快一个月，结果这一个月硬件的价格又涨了不少。
先上一张全局架构图，看看各设备之间的协作关系：
下面逐一展开。
在之前的文章里，我的 NAS 还承担了不少核心服务。但春节回来的一次 Unraid 异常关机，导致所有服务不可用，给了我很强的紧迫感——必须做好服务隔离和数据灾备。
现在 NAS 的定位已经很纯粹：纯数据存储 + 一些不涉及核心业务数据的 Docker 服务（比如 Home Assistant 这种，挂了就挂了，大部分自动化都在米家上）。关于 All-in-One 踩坑的教训，后面会专门展开讲。
去年国补的时候买的，N305 CPU + 16G + 512G，本来买来随便玩玩，后来发现也没什么用处。刚好趁着硬件架构升级，把它集成到了最新的系统里。
底层装的是 PVE，里面虚拟了一个 Debian 12 的 Linux 容器，专门用来跑 Docker。所有之前在 Unraid 上的自动化工具，现在全部迁移到这里。
这里顺便说一下：我之前对 Linux 一直有点畏惧，因为纯命令行。但 AI 时代到来以后，反倒觉得命令行更方便了——比 Windows 上还方便。而且我的场景是跑 24 小时在线的服务，Linux 就很自然。
Debian vs Ubuntu 怎么选？ 我让 AI 帮我做了调研，结论是：
我的核心目的是保证服务长期稳定运行，所以选了 Debian。
之所以没在物理机上直接装发行版，而是先装 PVE 再装虚拟机，核心还是为了数据安全——方便备份。PVE 的虚拟机镜像可以整个打包备份，出了问题可以快速恢复。
定位没变，还是局域网内的计算中心，ASR 服务和 OCR 服务都在上面跑。
关于 Mac 在 AI 时代的独特优势，后面「硬件市场趋势」章节会重点讲。
这台机器的来历挺有意思——刷小红书的时候，发现一个视频工作室倒闭了，在出高性能剪辑主机。价格非常合适，果断入手。
配置和价格：
| 配件 | 规格 |
|---|---|
| CPU | I5-13600KF |
| 内存 | 64G DDR4 |
| 显卡 | RTX 3060 12G |
| 存储 | 512G SSD + 4T HDD |
| 二手价格 | 5,500 元 |
| 一手同配置 | 8,000-9,000+ 元 |
这个价差后面会提到，核心就是 AI 冲击了视频剪辑行业，工作室裁员，设备流向二手市场。某种意义上是个黑色幽默。底层同样装的是 PVE，用途分成三块：
① 本地模型（Ubuntu + 显卡直通）
跑的是 Qwen3.5 4B 量化模型，用来做本地图片理解。之前这个活是调豆包的 API，但实测 4B 模型的效果完全可以满足日常需要，并发也能拉到 3~4。对于本地这种没有时效敏感性的场景，排队处理完全够用。
12G 显存实测也可以跑Qwen3.5 9B 的量化模型，质量也 OK，原生多模态非常适合在本地处理简单任务。
② 开发机（16G 内存）
除了 APP 端的代码需要在本地写以外，其他的网页端脚本全部放在开发机上。24 小时在线，基于 tmux 做隔离，同时开多个 Claude Code 进程对话。在外面通过 HAPI 远程连接，随时随地写代码，体验非常好。
配合 Skill 做好自动化，基本上纯语音输入就可以完成从想法到编码、推送部署、debug 的全流程。里面还装了 OpenClaw，有时候会指挥它调用 Claude Code 和 Codex 帮我写代码。
③ 公用 OpenClaw 实例
单独划了一个虚拟机，养一个公用的 OpenClaw，不放任何隐私数据，相对安全。
同样，所有东西都按 GFS（Grandfather-Father-Son）模型进行数据备份。两边的 PVE 镜像可以互通，保证数据始终丢不了。
所有设备的网关都指向它，全局统一管理不同网站的分流。Claude Code、OpenAI 这些网站的访问完全无感，每台设备无需安装额外的软件。
这是整个架构里最不起眼但最重要的一环。 网络是所有其他设备的最基础依赖，后面讲 All-in-One 踩坑的时候会再说。
买来主要觉得它很有纪念意义——它展示了 Agent 在手机上的应用能力。尽管现在因为利益问题谈不拢，但我还是很欣赏这款产品。
不过说实话，如果你用它玩国内应用，基本上就是纯废物。淘宝、小红书动不动就被强制下线，因为风控太简单了——直接按手机类型统一处理。除了字节系应用比较通畅以外，其他应用用起来真的很麻烦，也没办法让豆包助手去操控非字节系的应用了。
但用它操纵海外应用还是比较顺畅的——YouTube 这些，因为豆包手机的影响力还到不了那个层级。但也不是没有问题，就是它本身没有过谷歌的这个认证，所以就会导致有些应用，比如说 Reddit 的原生客户端可能装不上。
我的主力机。我自己的习惯就是：如果安卓手机不能 Root，我就不如买 iPhone 了。
上一台 Root 过的手机是小米 14，本来以为是最后一台 Root 过的小米手机了——小米已经明确禁止解锁 BL。结果 3 月 8 号小米漏洞大公开，可以直接通过漏洞解锁手机获取 Root 权限。我连忙买了一台新手机，把资料迁移过来。
我现在拿淘汰下来的小米 14 专门做这些敏感操作——上面不放任何个人敏感信息，纯粹当工具机用。
AI 时代为什么值得买一台 Root 过的手机？四个理由：
① 门槛降为零
以前玩机只能看网上教程，一步步跟着操作。现在我给红米 K90 获取 Root 权限的过程是：网上下载脚本 → 让 Claude Code 先做安全审查 → 一键执行。隐藏 Root 环境、安装插件，我只提需求，Claude Code 去查方案、执行验证。整个过程又安全又方便。
以前很多插件依靠开源作者维护，随着 Root 变成越来越小众的行为，很多东西已经停更了。但现在借助 Claude Code 可以定制任意插件，不需要自己懂太多底层的东西。
② 逆向 APP 数据库
我买了那个 Libre Live 无线吉他，它的乐谱太少了，在手机上创建乐谱又来回点来点去非常麻烦。我就让 Claude Code 利用 Root 权限去逆向底层 APP 的数据库——来回配合，确实跑通了。
之前写一个乐谱得十多分钟来回调试，现在直接跳过 UI 界面往底层数据库写创建好的曲谱，再搭一个 AI 生成乐谱，整个流程就通了。这种体验在之前的人力时代完全不可能。
③ 手机端数据获取的性价比
我之前文章提过：没有门槛的爬虫工具，带来的信息增量大概率是 0。AI 时代数据是核心壁垒，有数据的厂商会非常重视自己的数据源。
网页端逆向比手机端轻松一个数量级，所以大量人基于网页端开发逆向工具，导致网页端风控不断升级。比如小红书网页端登录有效期就 12~24 小时，经常要重新扫码，本质上就是网页端自动化太容易了。
换个思路，通过 Root 手机在 APP 端去逆向拿数据，性价比反而非常高。因为所谓的代码混淆，更多只是对人类进行混淆——在 AI 看来，混淆过的代码和没混淆的代码没有本质区别，AI 甚至可以直接读二进制。为人类设计的对抗手段，对 AI 来说很多是没有意义的。
不过这里需要泼一盆冷水：上面说的主要针对非大厂的 APP。 大厂对 Root 环境的检测其实相当全面，对抗也更激烈，普通人操作难度不小。这里更多是提供一种思路，不太推荐没有相关经验的人直接上手操作。
有一篇关于全自动逆向软件工具的文章值得分享，甚至连某著名国产支付巨头应用都可以挖出来很多漏洞，这在人力时代完全不可想象。
https://innora.ai/zfb/
④ 给 Agent 接入最底层的手机操控能力
豆包手机的惨痛教训说明，大厂对 AI 操控自己 APP 这件事非常敏感。如果你有 Root 权限，相当于给你的 OpenClaw（小龙虾）接入了最底层的手机操控能力。虽然比如让小龙虾点外卖这种事情噱头大于实际意义，但它确实展示了一种可能性。
说实话现在用得越来越少了。出门基本上就是用 HAPI 连回去和 Claude Code 聊，手机上就能操作。手机唯一的问题就是屏幕太小。不过安卓手机不需要像 iOS 上面每次使用豆包输入法还得有一个恶心的跳转，所以体验还行。
本质上 iPad mini 的定位，未来可能会被折叠屏手机取代——折叠屏 + HAPI 远程写代码，屏幕大了，基本上就解决了最后的痛点。
我现在脖子上会挂一个飞书录音豆，最近的几篇文章都是通过它来写的。我非常喜欢这个产品形态。
选它经过了几经权衡。Plaud 那种贴在手机背后的形态不适合我——一方面我不是 iPhone 用户没有磁吸需求，另一方面我不喜欢体积大的东西。最终核心看重的是：文件自动无感同步到飞书妙记的能力。
现在的工作流是这样的：
这个体验比语音输入法更好。一方面你不需要一直待在电脑面前，可以想到哪说到哪；另一方面，语音输入法单次的上下文理解有限，而飞书妙记会结合全局内容对音频转录做校对，有效性更高。
特别是现在飞书全面 CLI 化，可以直接通过命令行获取妙记、和 Claude Code 继续聊，整个过程都自动化掉。这种体验是之前的产品完全替代不了的。
硬件 899 元，送六个月会员（智能纪要额度和语音转写时长）。续费每月 69 元，不贵。但我真正看重的不是这些——因为我本地有完全的自动化能力处理音视频转文字、调用大模型总结。我这个时代欠缺的能力恰恰是硬件能力：做不到一个这么小的随身硬件，还能自动把录完的音同步到服务器上。这才是我最看重飞书录音豆的核心卖点。
小小的体积，戴在脖子上当项链，出门必带。
我现在身上的录音设备挺多的。小米智能眼镜也可以兜底录音，但它所有东西都必须走 APP 操作，没有相关 API，所以反倒没那么常用。更多时候就是临时拍拍照、听听歌，玩具属性大一点。
1,000 多的一手价格偏贵，但前不久看科技捡漏，有一批官方退货的二手产品，七天无理由只要八九百，这个价格倒是可以买来玩一玩。
我其实一直在等豆包的智能眼镜。 之前看范冰老师分享，他现在基于豆包耳机，借助豆包网页版的全平台能力，在电脑上写了个脚本去监测豆包从耳机同步过来的指令，实现自动化——对耳机发命令，电脑上的脚本就能监测到，然后执行后续的自动化工作流。
这基本上就是贾维斯式的体验：通过耳机或眼镜发指令，控制电脑执行后处理的自动化工作流。但我现在的问题是器官不够用了——有录音豆、有眼镜，有 airpods、真没空间再单独带一个耳机。所以比较期待豆包的智能眼镜产品，那就完美了。
因为 AI 时代语音输入基本上是必须选项，工作时用大疆麦克风收音，配合豆包电脑版输入法，体验非常好。
但我有那种想随时记录碎碎念的需求。目前试过的方案都不够理想：
所以这个事暂时搁置了。如果有好方案，完全可以跟我的 Memo 系统打通，自动化地自然流转。
这是个智能吉他，傻瓜式的——你只需要跟着手机屏幕里乐谱的按键，哪个灯亮就按哪个，使用起来没什么门槛。
在 AI 时代，每天很大一部分时间都在跟 AI 聊天。AI 又耐心、懂得又多、还会提供情绪价值。除了缺一个物理的身体，其他东西真的是人类很难相比。但你聊久了又会觉得有点孤独——那种物理的身体、真实的拥抱触摸感还是不一样的。
有情绪来的时候，如果身边没人，拿起吉他弹一段，是一个挺能舒缓情绪的方法。 零门槛，我非常喜欢。我也会拿来买了送给朋友们。
当然它也不是没有问题。热门歌曲的乐谱没问题，但小众歌曲官方谱库里往往没有，其他用户上传的质量也参差不齐，你就得自己扒谱。扒谱本身就挺难的，还得一个个填到 APP 的 UI 里面，整个流程挺挫败的——这也是我前面提到要逆向它 APP 数据库、再搭 AI 生成乐谱的原因。
市面上也有一些竞品主打「导入网易云/QQ 音乐歌曲一键生成乐谱」的功能，思路确实不错。不过我了解了一下算法，AI 生成乐谱在弦位准确度上还是有局限的，具体效果自己斟酌。
我选 Libre Live 更多还是因为它是这个品类的开创者，市场保有量足够大。这类产品是软硬件协同的，你不能只看硬件本身——如果厂家倒闭了，这个硬件可能就变成废物了。所以市场保有量和厂商的存续能力也是选购时需要考虑的因素。其他品牌的话，自行斟酌。
核心一句话：心境不复来。
它捕捉了我非常多难以再复现的心境。我每次出去看演唱会、聚会，都会带上 Action 5 Pro 拍下来。尽管这些东西短期内我不会第二次回看，也不会剪辑，但留下了就是留下了——至少给未来留了一个入口。
说实话，我甚至后悔买得太晚了。去年我的生活出了比较大的变故，整个生活态度发生了很大的转折，后续的经历、外在形象都有非常大的改变。一年前的我和一年后的我可能判若两人。这个过程中有很多非常难熬的时刻，时间会抚平很多东西，但客观来说这是一件痛苦的事情。
可站在更高层次来讲，我并不排斥这种体验——某种程度上它会让我的整个人生体验更加完整。
我很感谢自己记录下来了某些难熬的时光。因为现在再去回想那段日子，很多时候只剩一些琐碎的片段了，再也回不到当初那种心境了。这些东西我只是丢到云盘里，不会往外面发，但这种体验记录下来是非常好的。
多去记录，多去分享。 不论是语音、文字还是影像，这些都是 AI 时代非常核心的资产。虽然存储成本很高，但相对于这些记录的价值，存储的成本就是零。
我在之前的文章里写过：上下文是 AI 时代最重要的东西。 要尽可能累积关于自己更丰富的上下文。
所以我现在选软件的思路就是看它有没有 API、有没有 CLI，方便跟 Agent 沟通或者导出数据做后续自动化处理。如果是一个特别封闭的软件，我已经不会再选择它了。
我本地维护了这么多自动化工具，我能接受它短暂宕机不可用，但不能接受它数据丢失——因为丢了就是真丢了。
虽然说现在硬盘价格很高，但客观来看，相对于数据的价值，硬盘的成本几乎可以看作是零。
我的实践，整体数据流是这样的：本地产生 → NAS 汇聚 → 云端同步 → 重要数据冷备。
| 数据类型 | 本地（产生） | NAS（汇聚） | 云端（同步） | 冷备（重要数据） |
|---|---|---|---|---|
| PVE 虚拟机 | 每天自动打包镜像 | 镜像同步到 NAS | 115 网盘 | 独立断网硬盘 |
| 代码仓库 | 本地 Git | — | GitHub | — |
| 文件 | 本地 | NAS 存储 | 坚果云 / OneDrive | — |
| 视频 / 大文件 | 本地 | NAS 存储 | 115 网盘 | 大容量硬盘冷备 |
几个要点：
115 网盘有个 8 年 40TB 的空间方案，800 元，折合年均 100 元，性价比非常高。
每年网上都有人说它要跑路，但我做了一些调研（参考分析），觉得它的商业逻辑是说得通的：
所以我对它的商业可持续性相对放心。但不代表我为它做信用背书。 所有这种云服务我都不做背书，只是提供一种可能性。最终决策权完全在你个人，不要往我身上赖。
我目前的存储规模大概是：NAS 约 20T + 冷备约 40T + 云端约 40T + GitHub + 坚果云 + OneDrive。
之前我的 Unraid 是 All-in-One 的模式：网络、计算、存储全放一台机器。前期确实省事——一台机器解决一切，All-in-One 跑了挺长一段时间。
但春节回来那次 Unraid 异常关机，所有服务都不可用了。这件事让我意识到：必须做服务隔离。
拆分之后的原则：
All-in-One 不是不行，风险各有、各取所需。但长期来看不推荐。至少把网络和其他设备拆开——这是底线。
这一章是我想重点聊的，特别是对企业和中小团队的读者。
我当时看到那台 X86 主机 5,500 元觉得很实惠。但说实话放在一两年前，这个价格并不算便宜——只是因为现在内存、硬盘甚至 CPU 的价格都在涨，才显得格外实惠。
具体有多夸张？
这轮价格上涨完全是由 AI 带来的。
AI 把所有半导体产能都抢走了——对内存有需求（HBM），对存储有需求，对 GPU、CPU 也有需求。很多厂商已经砍掉消费级内存生产线，全力供应 HBM，因为 AI 大厂舍得砸钱，利润又高。结果就是所有消费级产品价格上涨。
网上有一种论调，觉得这可能就两三年的事，价格一定会回落——比如 AI 泡沫破裂。
我的判断是：基本不可逆。
逻辑链：
本质上这是一个供需问题：半导体厂商加产线的速度，能不能赶上 Agent 对半导体的需求？如果产能有富余，消费级产品当然还是可以等到降价的那一天。但如果比特世界的需求是百倍、千倍地增长——我觉得物理世界的扩产速度是赶不上的。
有人可能会说：算法在进步啊，比如前几天 Google 发布了新的算法，可以大幅降低大语言模型运行过程中的 KV Cache 内存占用，消息一出甚至打崩了一些内存相关的股票。看起来好像需求会下降？
但这里面有一个经典的杰文斯悖论（Jevons Paradox）：技术进步降低了单位成本，反而会刺激需求暴涨，最终总消耗量不降反升。 蒸汽机效率提升没有减少煤炭消耗，反而让煤炭用量翻了几番。AI 领域同理——KV Cache 压缩意味着同样的硬件能跑更大的上下文、更多的并发，那企业一定会把省出来的空间塞满更多的 Agent 任务，而不是买更少的内存。
所以我的判断是：短期内不要指望消费级硬件会降价。
现在看起来价格可能很高，但明年可能更高。因为现在 Agent 还没有特别广泛的普及，随着 Agent 进一步普及，这种算力需求的恐怖增长是很难弥补的。
等到硬件真正降价的那一天？那大概率意味着大部分人已经没有本地高性能硬件的需求了——或者干脆失业了。又是一个黑色幽默。
一手市场产能被 AI 吸走了，但有意思的是——二手市场反而有机会。
AI 进入企业的速度越快，造成的失业越多，之前老的工作室机器就会出闲置。我那台 5,500 元的 X86 主机就是这么来的：AI 影像的进展冲击了视频剪辑工作室，导致裁员失业，电脑就流出来了。
我之前跟 Gemini 聊过这个话题，它给了一个很有洞察的分析：
二手供给爆发属于「产业转型期的一次性资产释放」，是阶段性的。一旦传统中小企业完成出清，二手市场的高质量供给就会迅速断档。
二手市场将呈现「哑铃型」分化：高端极其坚挺，低端价值缩水。
我基本认可这个分化趋势，但有两点补充：
高端方面，16G+ 显存显卡、64G+ 内存主机价格坚挺，这个没问题——因为它能直接转换成一线生产力。而且不只是 AI 极客和独立开发者在扫货，对中小团队来讲，这种二手高性能主机同样非常值得。毕竟省下来的预算差价，又可以多买一些机器给 Agent 来工作了。
低端方面，「电子垃圾」倒也不至于。市场是阶梯式的：一手价格整体上涨，原来买 12G 显卡的人预算不够了就往下降到 8G，原来 8G 的再往下降——需求是逐级下沉的，所以低端二手说实话最近也在涨价。只是说你买来确实没有太多实际价值，跑不了什么像样的本地模型。
所以捡漏的机会遇到了就不要错过，但也别太乐观。
之前会觉得 Mac 内存贵，但现在情况变了——Mac 的性价比在 AI 时代非常高。
核心原因是 Mac 的统一内存架构（UMA）。
打个比方：传统电脑的 CPU 和 GPU 各有自己的「仓库」，数据要在两个仓库之间来回搬运。而 Mac 的统一内存就是一个大仓库，谁都能直接拿——跑大模型时不用搬来搬去，效率高很多。
这不只是理论上的优势。推荐一篇技术文章深入了解背后的原理：
从 KV Cache 到 AI 记忆系统 —— 这篇文章解释了为什么 AI 推理的瓶颈已经不是计算能力（FLOPS），而是内存带宽和容量。Mac 的 UMA 架构从物理层面消除了 CPU 内存和 GPU 显存的界限，在内存受限场景中优势巨大。
统一内存在大语言模型时代就已经非常有优势了，但放到 Agent 时代来看，优势只会更大。价格趋势更是说明问题：
| 设备 | 之前价格 | 现在价格 |
|---|---|---|
| 美版 Mac Studio 64G M1 Max | 8,000 元 | 10,000 元 |
| 512G M3 Ultra Mac Studio | 6 万出头（含国补） | 苹果已下架，二手炒到 15 万 |
跑大模型的话，推荐用 **OMLX 框架**——比较新，底层对 Apple Silicon 的支持做得比较到位，性能调度效率更高。而且随着更多人意识到 Mac 在 Agent 时代的优势，为它生态做适配的人会越来越多，体验只会越来越好。
当然不构成投资建议，只是说如果你有需求，可以优先考虑 Mac。
对个人来讲，除非你有安全或金融方面的诉求，折腾本地模型意义不大。哪怕我本地部署了 Qwen3.5，也只是用来做图片理解——Coding 和深度思考我肯定不会交给本地模型。顶级模型带来的思考深度，体验过就回不去了。
但对企业来讲，本地大语言模型是刚需。
逻辑很简单：你不用 AI，就没办法借助 AI 的杠杆提高效率。但你用 AI，又不希望企业的数据、流程化经验被拿来训练，变成一两年后所有人都公开知道的技能——相当于你燃烧了自己，帮 AI 变强，你的技能不再稀缺。
所以核心数据不能出网，本地大语言模型就是自然的选择。
我的策略是：顶级模型定思路，本地模型降成本执行。
但坦白说，这里面有一个囚徒困境，我也没完全想明白。
这个矛盾的结构是这样的：你不用顶级模型，就很难发挥最好的效果，效率上直接落后于竞争对手；但你用了顶级模型，数据就可能被拿去训练，你辛苦积累的经验和流程就不再是护城河了。而你的竞争对手也面临一模一样的困境。
本质上这就是我在「闲言几则」里提过的暗知识悖论的企业版——不用 AI 就失去杠杆，用了 AI 就自我蒸馏掉了。
而且这个差距是结构性的、永久的。本地模型再怎么进步，受限于硬件参数量的物理约束，你撑死部署几百 B 的模型，也不一定比得上云端多卡集群跑的顶级模型。更关键的是，本地模型在进步的同时，云端模型也在进步，而且资源不对等，进步得更快。所以不要指望「等本地模型够好了再说」——那一天不会来。
这个矛盾没有完美的解法。 我能想到的思路是按数据敏感度分层：
核心不是「用不用顶级模型」，而是「哪些数据绝对不能出网」。想清楚这条线，剩下的都是工程问题。
另外还有一点容易被忽略：Skill 本身就是核心资产。 你把企业的工作流编排成 Skill，这个 Skill 的 prompt 里就已经包含了大量流程化经验——即使数据不出网，如果 Skill 的定义文件管理不善，一样会泄露。所以 Skill 的权限管控，某种程度上比数据本身还重要。
说到底，真正的护城河可能已经不在「知识」了，而在执行速度和迭代密度上——反正知识迟早被拉平，但谁先用 Agent 跑通、谁先把流程工程化落地，谁就在窗口期内吃到红利。
企业级硬件当前的价格，我判断翻个倍在未来两年内还是可能出现的。如果有这块需求，晚买不如早买。
按当前 Coding Agent 的发展速度，我大概率不会再买高性能笔记本了。所有预算会迁移到高性能主机——无论是 Mac 还是 X86。
某种程度上极端的情况下，IDE 都是可以省掉的。出门的话，可能就带一个折叠屏手机 + 语音输入法 + 网络，整个工作环境就已经完全满足了。
笔记本出门唯一的需求就是更大的屏幕看得更舒服，但这是从编程角度来说。设计开发另说，那涉及图片编辑确实没办法。
至少从编程领域看，后续我只会买 MacBook Air 这种便携续航型的产品——这种定位才更符合 AI 时代编程的需求。
前面聊的都是「现在怎么搭」，最后聊聊「接下来会往哪走」。
AI 在比特世界无往不利，但到了物理世界，瓶颈就明显了——Agent 能帮你写代码、做决策、处理信息，但它依赖的输入输出终究要经过物理世界的硬件。现在大家集思广益在解决的，本质上就是一个问题：怎么让 Agent 的工作环境更好？
我观察到几个方向：
目前和 Agent 交互最自然的方式还是语音。语音输入法、飞书录音豆、豆包耳机，这些产品本质上都在解决同一个问题。
极端一点想，网上不是有个梗图嘛——键盘上就三个键：一个语音输入，一个删除，一个你再想想，其实差不多就是这个趋势。以前编程的瓶颈是细节调试，但现在瓶颈是你能不能把需求和测试说清楚。硬件层面围绕这个方向的创新，我觉得还会继续爆发。
现在的 Agent 虽然可以操控电脑，但它缺乏对物理屏幕的全局理解——它知道自己执行了什么命令，但不知道屏幕上实际发生了什么。
我看到有人在做相关项目，思路是给 Agent 搭一个虚拟屏幕，让它直接读屏幕上的信息流。相当于 Agent 有了自己的「眼睛」，可以看到当前做了什么、界面状态是什么，再结合它自身的多模态能力做出反应。这个方向一旦成熟，Agent 的自主性会上一个大台阶。
前面提到的豆包耳机 → 电脑脚本监测 → 自动化工作流，其实就是这个方向的雏形。核心诉求是：随时随地跟自己的 Agent 对话，让它帮你执行后处理任务。 不需要掏出手机，不需要坐在电脑前，耳机或眼镜说一句就行。
我之前期待豆包智能眼镜能实现这个体验，但说实话，仔细想想它也做不到——因为它本质上是单向的，只能从眼镜往外发指令，没办法做回传。你没办法让 Agent 把结果推回到眼镜上来跟你确认或展示。
比如小智 AI + 华强北开发板，直接搭模型框架做 AI 助手，几十块钱的成本，门槛已经很低了。以前我主要玩软件，但现在有了 AI，什么东西都想玩、什么都想试。所有的瓶颈都是我自己的问题。
但这里面也很尴尬：大厂有能力做好硬件（续航、性能、工艺），但不够开放；个人开发者和小团队有想法、有需求，但做出来的硬件产品在续航和性能上又没办法跟大厂比。 这个矛盾目前无解。
只能说期待有创业团队在这个方向上既有硬件能力、又愿意做开放生态。趋势很明确：AI 正在从比特世界向物理世界渗透，硬件是下一个战场。 谁先把这个闭环跑通，谁就能吃到一波红利。
如果你看完这篇文章想知道自己该买什么硬件——我的建议是把这篇文章丢给 AI，描述好你的需求，让 AI 帮你判断。 但不要让 AI 给你判断价格，因为 AI 没有实时的市场价格数据，价格请自己查。
或者用千问似乎也行，毕竟打通了淘宝。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。