打開電腦，打開AI，只需看著電腦螢幕， AI Agent就幫你接管待辦事項，包括訂票、購物，也可以幫你看面試者的簡歷，今日工作的日程提醒，預定會議......
這是今年已經發生的場景。9月，Meta發佈Personal AI Agent Muse。與普通聊天機器人不同，Muse能夠在後台持續執行任務：填寫表格、傳送郵件、購物等等。
在中國，千問接入淘寶、支付寶、飛豬和高德後，將訂票、點外賣和支付串成一個任務；豆包手機助手開始讀取螢幕、呼叫本地資料，並跨應用操作手機。
從網際網路巨頭到初創公司，所有人都在爭搶Presonal AI這個新概念。Dealroom統計的49家Personal AI Agent創業公司中，2026年前9個月有21家獲得融資，融資總額達到18億美元。
硬體企業也想挖出一些商機。
今年春天“龍蝦”爆火，催生第一批Agent Computer，有的像Mini PC，有的只是接在電腦上的外設。這一倉促誕生的品類，甚至沒有一個統一的名字：Agent Box、Agent主機、Personal AI Computer都被糅進一個框架。
風潮很快隨著龍蝦過氣而消退。回過頭看，“這種產品像傳統主機的升級和延續，很大機率是過渡形態的產品。”一位投資人告訴硬氪。
但這並不意味著AI Computer本身是個偽命題。
在硬體公司吾雲創新創始人兼CEO郭亞楠看來，很多產品都會給雲端Agent配上一台電腦。只是現在，大家給Agent配電腦，每個人實現的思路不同。他們選擇了Bot這種形式，而有些公司則運用更複雜的後台接管模式。最終的目的，都是讓Agent無障礙地運行在工作環境裡。
在Agent越來越智能和複雜後，需要一個硬體外設似乎順理成章。但人們尚未解答：當雲端服務已經可以給Agent提供虛擬機器，現有電腦也能運行Agent，再增加一台Agent電腦，究竟要解決什麼問題？
當Agent進入工作流
為什麼需要單獨的本地Agent外設硬體？
郭亞楠給出了一個比喻：“本質上像你有兩個員工，一個在北京，一個在矽谷。放在公司裡的那一個，更容易接觸本地的資料和系統。你願意用那一個？”
事實上，工作場景很可能是Personal AI Computer突圍的關鍵。
在消費網際網路裡，Personal AI首先表現為“替人辦事”。千問能夠訂票和點外賣，依賴的是阿里內部服務的打通；豆包手機助手跨應用操作的基礎是中興、字節系及部分已接入的第三方應用。
API是最穩定的路徑，但並非所有軟體都會開放介面；即使有介面，權限、格式和接入方式也可能彼此不同。Agent一旦進入企業，面對的往往不是一個可以直接呼叫的統一系統，而是一組相互割裂的工具和資料。
為瞭解決這個痛點，Agent Computer給出了各自方案。吾雲創新的Zettlab Memo更接近給Agent準備一台獨立裝置。它把檔案和企業資料留在本地，通過飛書等入口接收任務，再讓Agent在後台持續運行。模型可以來自雲端，但Agent的工作環境、上下文和資料入口留在公司內部。
他們Agent的邊界很清楚。它不必先替使用者前往所有網際網路平台，而只是處理一組頻繁重複、結果可以檢查的流程：更新表格、搬運資料、整理檔案、處理庫存、閱讀簡歷或者合同。企業可以決定它能看見什麼，保留操作記錄，並在關鍵步驟由人確認。
而另一家公司Violoop則是接入現有電腦作業。它們的裝置通過HDMI或USB-C獲得螢幕畫面，在本地抓幀和分析，再通過標準鍵鼠介面操作電腦。如果說Ztttlab Memo是個獨立秘書，Violoop的產品更像一個坐在現有工位旁邊的助手，它會復用使用者電腦、軟體和登錄狀態，同時用獨立硬體承擔螢幕感知、記憶和部分計算。
在何佳霖的實際演示中，硬氪看到，當他打開一份簡歷，Violoop隨即詢問是否需要生成候選人分析、準備面試問題，或判斷崗位匹配度；打開合同後，它又給出風險總結、關鍵條款和談判建議。使用者不必先把檔案上傳到對話方塊，也不用描述眼前正在發生什麼。
“我們想做的是‘殺掉提示詞’。不是使用者每天告訴AI該幹什麼，而是AI觀察到有價值的事情，把活送到使用者手邊，使用者只需要說行或不行。”何佳霖表示。
不過，有了硬體，並不意味著可以徹底繞過API限制。亞馬遜2026年更新的Agent政策便要求Agent主動標識身份，不得模仿人類操作節奏，也不能繞過驗證碼或訪問限制。網頁會改變佈局，操作會遇到驗證碼，平台也可以識別並限制自動化訪問。第三方硬體，仍然無法擺脫公司之間的高牆。
端雲協同，供應鏈是新門檻
Agent Computer看起來是一門硬體生意，但是，Violoop和吾雲創新更在意的都是其軟體能力。
吾雲創新最初做AI NAS時，端側AI是產品賣點。記憶體價格上漲後，團隊重新計算這件事的投入產出比：如果一台3000元的裝置需要漲到數萬元，而云模型每月只需要支付幾十元或上百元，使用者很難再為“完全本地”買單。
在Memo當前的設計裡，大語言模型主要放在雲端，檔案處理、搜尋和部分資料能力由本地小模型完成。硬體不再承擔所有推理，而是保管資料、運行Bot，並負責把不同模型和工具接到一起。
Violoop也在調整端雲分工。早期原型的本地算力較弱，隨著產品迭代，團隊在v4中加入更強的本地計算，希望把約七成基礎任務留在裝置上，另外三成交給雲端複雜模型。
可以看到，雙方在產品設計整體思維上趨同：端側負責感知、資料、記憶、權限和一部分高頻任務；雲端負責更複雜、變化更快的推理。真正決定使用者使用體驗不是模型放在那裡，而是系統能否判斷何時呼叫本地、何時呼叫雲端，以及如何把結果送回工作流。
何佳霖認為：“如果只是用一顆GPU裝一個Harness，跟去華強北裝一台主機沒有太大區別。差異化還是來自軟體與自研模型的能力，因為軟體與模型的創新和迭代的速度遠遠快於硬體。”
在這個時代，單單賣硬體，已經沒有任何競爭力。“這個時代最大的變數是AI，不是硬體” 。郭亞楠告訴硬氪。
更殘酷的是，AI軍備競賽後的虹吸效應，會反向影響硬體產品。IDC預計，受持續的記憶體短缺影響，2026年全球PC出貨量將下降11.3%，平均售價上升18.3%，明顯緩解可能要等到2027年底以後。
2026年記憶體價格大漲，一方面，Agent需要更多上下文和本地資料，硬體就需要更多記憶體和記憶體；另一方面，AI資料中心對高端記憶體的爭奪，又不斷推高消費電子公司的成本。
吾雲創新買記憶體條最艱難的時候，供應商在電話裡報出價格後，他們必須當場討論，讓財務立即轉帳，才能暫時鎖住一批貨。
記憶體漲價不只改變採購，也在反向塑造Agent Computer的產品架構。
端側模型越大，對記憶體容量和頻寬的要求越高；硬體成本快速抬升後，在裝置裡塞入大模型的性價比也隨之下降。吾雲創新現如今選擇把大語言模型轉向雲端，裝置上只保留處理檔案、搜尋和資料的小模型，也是為了降低記憶體壓力，代價則是持續支付Token費用。
事實上，記憶體漲價由此把產品推向端雲協同，單純堆疊參數已經無法應對當下原材料普漲的困局。
但將大模型放上雲端，並不等於將所有的工作都交給雲廠商。使用者的一項任務可能同時涉及文字、圖片、視訊和音訊，任何單一模型都很難全部覆蓋；某個模型出現波動時，系統還要及時切換。模型越多，Agent就越需要理解力，它要選擇模型、呼叫工具，再把結果送回原來的工作流。硬體則負責保管本地資料、權限和記憶，提供持續運行的環境。
對初創公司而言，他們正在忍受雙重夾擊。軟體還沒有完成驗證，硬體成本已經可能打垮一家創業公司。一款定義正確的產品，也可能根本無法交付。
這或許也成為傳統Mini PC公司的優勢。創盈芯、極摩客、Android微等一批Mini PC企業。過去他們是因跨境電商和電子製造成長起來的“小電腦”產業，如今卻先後都把產品轉向桌面AI超算、智能體電腦和端側工作站。
這批Mini PC企業積累多年的採購規模、供應商關係、主機板設計、散熱、認證、量產和售後能力。當行業缺貨時，它們更容易拿到物料；當產品進入大規模交付時，它們也更知道如何壓低BOM和控制良率。
因此，Mini PC企業與創業公司的差異，並不在於能不能造出一隻盒子，而在於思路的不同。傳統廠商先有供應鏈，再尋找適合裝進硬體的軟體；Agent Computer創業公司先定義工作流和Personal AI體驗，再補硬體交付能力。
“如果純做硬體，怎麼可能比Mac mini、比蘋果更有供應鏈優勢？”何佳霖告訴硬氪。他承認，自己對於Mini PC廠商並無太多瞭解，也不認為兩者屬於同一類公司。
當然，硬體不一定Personal Computer最終的解法。
每個做Personal Computer的團隊或許都在內心問過自己：它和Codex有什麼區別？它和Codex加一台Mac mini又有什麼區別？
這是個難以回答的問題。
Agent Computer很可能是一種過渡產品，而對於這群創業者，他們需要在變化中迅速尋找新方向。(硬氪)