「Context 才是新操作系统」：从大疆、云鲸离开后，他要做 Agent Computer

只做对 Context 有价值的事情，打造面向 Agent 时代的「个人计算」底层设备。

「龙虾」（OpenClaw）的爆发，让一个趋势迅速达成共识——Agent 正在「杀死」软件，GUI 正在过时。而当下的电脑、手机等设备，并不是运行「龙虾」的最佳选项。

因此，一个更为关键的问题是——未来的 Agent，最终要跑在什么设备之上？

Zettlab（吾云创新）创始人郭亚楠正在试图回答这个问题。

郭亚楠告诉极客公园，他大学时就想站上全球舞台发布自己的产品，毕业后先后进入大疆、云鲸，把端侧 AI、芯片定义、软硬件协同、供应链和产品落地都完整走了一遍。

去年，Zettlab 推出的 AI NAS 产品，成功众筹破千万。但他没有把自己定义为一个单纯做 NAS 或硬件的人，AI NAS 并不能够准确概括他们的目标和野心。

他说，AI NAS 只是最初的切入点，真正要做的是 Agent Computer，这个新产品将在几个月后推出。

即将推出的 Agent Computer 剧透照｜图片来源：Zettlab

在他的定义里，Agent Computer 不是一台更强的电脑，也不是一个更智能的 NAS，而是一种全新的「个人计算」设备：以个人数据为核心资产，以 Context（上下文）为操作系统，以 Agent 为主要使用者。

在这个体系里，设备不再服务人类操作，人类更像是决策者；真正高频使用设备的，是各种自动运行的 BOT。

据他描述，这将是一个开箱即用的「活龙虾」，让小白、专业人士都会希望人手一个的「天选设备」。

「我坚信个人数据拥有无限价值，且数据所有权应由用户自主掌控。」他认为，未来最有价值的，不只是算力，而是个人私域数据；不只是存储，而是 Context；不只是 NAS，而是一台能理解、调用、编排个人数据的 Agent Computer。

对此，Zettlab 的投资人之一、星连资本创始合伙人张鸣晨有另一种更宏观的解读，他认为 AI Agent 的出现是地球信息载体进化的第三次重大变革。

前两次分别是：DNA/RNA 的出现，实现了信息的「可复制、可进化」，诞生了生命；以及语言的出现，实现了知识的「可复制、可进化」，诞生了文明。

从这个维度看，Zettlab 所做的事情，是为这个新时代的信息载体（个人化的、可进化的 Agent）提供一个运行环境，其意义远大于一个硬件设备或一个操作系统。

前不久，极客公园创始人兼总裁张鹏与郭亚楠、张鸣晨聊了聊，为什么从大疆、云鲸走向创业，为什么先做 AI NAS、后来又重构为 Agent Computer，为什么认为「Context 才是新的 OS」，以及为什么未来人和 BOT 的关系，会重塑设备、平台和产业链的逻辑。

一个很明确的判断已经浮出水面：个人数据的价值才刚刚开始，下一代「个人计算机」，马上就要卷起来了。

以下为对话内容，经极客公园编辑整理：

从 AI NAS 到 Agent Computer，

押注个人数据价值和处理需求的暴涨

极客公园：2023 年 GPT 刚兴起时，你就出来创业了，当时怎么想的？

郭亚楠：我最直观的感受是，CNN、NPU 等传统技术方向几乎不再被提及，行业全面转向 GPT 相关研发，每天都有新应用、新赛道出现，技术与应用层面都在发生颠覆性革新，我确信其中蕴藏巨大机会。

当时还没明确创业方向，但我坚定必须全职投入这场浪潮，否则会全面落后。

2022 年底 GPT 问世后，我就立刻提出了离职，公司建议我明确方向后再走，于是又过渡了半年。期间 LangChain 推出，基于 LangChain 的智能体（Agent）也开始落地，生态快速扩张，我意识到这不是概念炒作，而是真正的时代机遇，于是下定决心一个月内离职，放弃现有一切，全身心创业。

极客公园：创业的决心，和你在大疆、云鲸的经历有关吗？

郭亚楠：肯定有很大关系。我加入大疆和云鲸，本身就是为创业做准备，而非入职后才萌生创业想法。

我本科和研究生都是机械专业，2014 年读研期间转向 AI 领域，属于软硬件复合型背景，大疆是最契合的平台。

在大疆，即便我后期转入机器学习部门，仍会全程跟进工厂生产、供应链成本、芯片物料价格等环节，能接触到手机厂商等大企业无法提供的完整产业经验，我也不喜欢大公司的条条框框，这种环境非常适合我。

加入云鲸时，公司规模不足 100 人，一切从零开始，从采购议价、生产供应链到团队招聘，以及产品定义、战略规划等前端工作，我都全程参与。

极客公园：当时还没有明确方向，你为什么坚信自己能成功？

郭亚楠：我不是坚信某件事一定成，而是坚信自己一定要创业，这个想法 10 年前就已经确定。

身边也有成功的榜样，宇树科技的王兴兴曾和我一同在大疆实习，我亲眼见证他从两人团队起步，克服重重困难把企业做大，他找到并坚持了自己热爱的事业，这让我十分羡慕。

我认为只有走出舒适区、全身心专注，才能更快找到方向。创业初期我考察过眼镜、手表、儿童相机等方向，后来逐渐聚焦自己深耕 10 年的数据、多模态领域。

我判断新一代 AI 需要全天候在线、长期续航、对功耗不敏感的硬件载体，应用场景主要是家庭或办公场景，结合 C 端产品方向，最终确定做家用设备，这是很清晰的逻辑推演。

极客公园：最初从 AI NAS 切入，是怎么想的？

郭亚楠：我一开始的目标，其实就是做个人计算设备。

GPT 问世后，我认为有两大关键变化：一是与聊天相关的逻辑推理能力显著提升，二是多模态技术的突破。

当时很多人还没注意到，Transformer 架构的重大革新在于将音频、视频、图片、文字全部对齐融合，这是里程碑式的改变，我判断多模态领域会迎来大规模发展。

因为多模态数据，尤其是人类产生的非结构化数据，在未来会至关重要。

所以，我们想为个人打造一款数据计算设备——存储技术已经非常成熟，核心要做的是个人专属的计算设备，只是当时这个方向还不够清晰。

极客公园：你当时认为，新的计算设备相较于传统计算设备，需要解决的核心问题是什么？

郭亚楠：未来每个人产生的数据量会迎来爆发式增长。

从人类以文字为主要生产内容，到进入图片生产时代，中间经历了漫长过程。

而上一代 AI 修图技术替代了 Photoshop，成为让大众高效生产、分享图片的关键——过去修图的核心门槛就是 Photoshop，会用的人能吸引大量关注，不会的人则难以参与。AI 普及后，图片分享变得更高效便捷。

视频会是这一时代的核心变量。我们判断，未来个人生产的数据将以视频为主，且一定是多模态形态，因此布局这个赛道更具价值。

每个人的数据量必然持续增长，但当下没有一款好用的工具，能解决多模态数据的使用问题，市面上的产品大多只解决存储问题，NAS 的核心定位就是存储。

在我们看来，这个逻辑和电话、手机的演进一致：传统电话仅实现通话功能，就像传统 NAS 仅实现存储功能。去年 11 月，我们彻底想清楚这件事，将这类设备定义为Agent Computer（智能体计算机），这是核心定位。

极客公园：你们明确了 Agent Computer 方向，当时的核心契机是什么？

郭亚楠：我们想清楚要用最先进的生产力定义产品，不再局限于端侧或云端，而是以用户价值最大化为核心。

过去我们聚焦端侧实现，现在聚焦用户价值，产品的用户群体也随之扩大，产品形态、功能、定价、工业设计都需要重新迭代。

过去 NAS 用户 99% 为男性，现在要全面重构。但不变的是，我们始终深耕 Context 管理与数据管理，这是核心壁垒。

幸好我们有 NAS 的技术与商业化沉淀，否则无法支撑 Agent Computer 的落地；目前我们在该领域仍处于行业领先，无人超越，且生产、销售链路已完全闭环，转型 Agent Computer 没有任何历史负担。

极客公园：Agent Computer 其实是一条全新产品线，未来两条产品线会同步推广吗？还是说？

郭亚楠：短期内是两条独立产品线，长期来看会融合为同一产品。

逻辑就像固定电话和手机，现在固定电话仍在使用，但未来会被手机完全替代。只是形态、存储容量和目标客群不同，类似大哥大和小灵通，面向的用户群体不一样。

极客公园：最早的核心目标是做好检索，现在定位到 Agent Computer 后，核心切入点变成了什么？

郭亚楠：传统 NAS 的用户是重度数据使用者，主要分为三类：家庭用户（拍摄大量短视频、户外影像）、程序员、工程师、内容创作者。这类用户购买 NAS 的核心原因是本地存储不足、云端成本高且传输不便。

而 Agent Computer 面向更轻量化的数据用户，我们重新思考了用户需要端侧设备的核心原因：除了数据量庞大，互联网带宽已触及瓶颈，5G、6G 无法带来感知级提升，另外个人对自己数据的掌控欲，这是端侧设备的核心驱动力。

我们的第一代产品侧重大容量存储，实现了 1000 万条视频的秒级检索——导入千万级数据后，2-3 秒内即可定位任意视频的指定帧，技术难度极高。

OpenClaw 问世后证明，即便数据量不大，泛知识工作者、白领精英对文本、PDF 等个人数据的处理需求也非常强烈，因此我们将新产品定义为轻存储、重计算的设备，和早期重存储、轻计算的思路完全相反。

打造「个人计算」的底层设备，

只做对 Context 有价值的事

极客公园：本质上，你是用通讯行业的演进逻辑类比：早期通讯解决的是基础连接能力，载体先是 BB 机文字、再是语音通话；后来带宽提升、数据量暴涨，通讯成为底层能力，上层的应用与服务才是生态繁荣的核心。

所以你判断，计算领域会发生同样的变革，从图片为主转向视频为主，存储是基础前提，没有存储就无法实现计算。

郭亚楠：现在大家说的「存储」，本质已经变成了 Context（上下文）。

核心不再是存了多少数据，而是能不能为大模型提供足够好、足够高效的上下文——这才是存储真正的价值。

过去存储的是人类可直接阅读的内容，现在存储的是供 AI、智能体使用的结构化数据，人类不一定能直接读懂，就像代码一样，只要机器能识别即可，存储的核心价值被重新定义。

极客公园：也就是说，存储的内容和用途都变了。过去的存储，用户需要时手动检索查找，行业大多在优化文件系统、做更智能的检索，这是很多厂商的切入点。

郭亚楠：我们的方向，从一开始就和这类产品完全不同。

截至目前，我们的文件系统与多模态检索能力仍是行业最优、速度最快的。第一代产品只做了一个核心功能——多模态检索，因为存储的技术与供应链已经非常成熟，核心要解决的是数据的查找与使用问题。

极客公园：只做用户体验更好的 NAS、优化交互，无法解决核心问题，也无法通向未来。

郭亚楠：是的。举个简单例子：拍摄一小时球赛视频，用户说一句「找梅西进球的片段」，设备能快速定位到视频的对应帧与时间点，直接提取可用片段。

我们完全基于端侧部署，这个能力当时所有产品都无法实现，而这还只是纯视频场景；如果叠加音频、各类嵌入在图片、表格里的文字，复杂度会大幅提升。目前产品支持 9 种语言，不同地区适配对应的模型。

极客公园：这就需要引入 Memory（记忆）模块，结合用户的个性化需求与使用习惯，提升检索的匹配度，就像训练 AI 助手同步用户偏好一样。现在有没有成熟的方案能嵌入这个能力，实现明显的体验提升？

郭亚楠：有一种是初始化导入用户数据，比如微信聊天记录、Flomo、飞书、Notion 里的知识笔记，让模型快速了解用户的性格、偏好与使用习惯，基于这些维度优化检索效果，比从零开始训练提升显著。

举个例子，Deep Research 功能在 Manus、谷歌、OpenAI 平台都有落地，登录个人账号后的检索效果，比未登录、纯开源框架的效果高 10 个百分点，这个提升在学术与工业界都非常可观。核心原因就是结合了用户的使用习惯与工作方式。

极客公园：最终会像训练 AI 助手一样，让模型持续总结学习，形成个性化的指令逻辑，执行任务时自带用户偏好？

郭亚楠：这只是过渡阶段。人类的知识会逐步内化，无需依赖手册就能应答，只有遗忘时才会查阅笔记，大模型的逻辑和人类一致。

但当前大模型部署后，无法针对个人数据做端侧持续学习，尤其是端侧推理芯片不支持训练，这是核心痛点。

目前美国有多个团队重金投入 Memory 研发，这类 Memory 不是文本化的记录，而是专属的轻量化模型。XAI 等机构也在组建团队重金布局，它是可持续进化的个人专属小模型。

极客公园：你们是在等待这类技术成熟后，整合到自身系统中进一步优化体验？

郭亚楠：没错。我们的核心竞争力有两点：

第一，坚信个人数据拥有无限价值，且数据所有权应由用户自主掌控。

第二，我们在端侧高性能计算领域的技术积累足够深厚。云端技术从早期架构迭代到当前的 FileBase，未来可能走向 ModelBase，每一次升级都会带动端侧发展，我们只需聚焦前沿技术预研即可，等待技术水涨船高。

极客公园：所以你要做的，是个人通用计算的底层设备，或是依托个人通用计算的运行环境。

郭亚楠：没错，核心有两点：

第一，我认为数据量越大，价值越高，数据规模带来的未来想象空间极大。当前上线的大模型，本质是公域数据的集合，已经把公共数据基本挖掘完毕。

自动驾驶领域也是同理，核心模型架构已基本稳定，行业主力都在做数据工作：通过多摄像头、激光雷达、毫米波雷达等传感器，调配不同数据源的占比与权重，最终直接影响系统表现，全部聚焦数据优化。

大模型未来也会进入这个阶段：公域数据挖掘殆尽，私域数据的价值会愈发重要。很多标准化作业流程（SOP）是大模型不具备的，只有行业专业人士掌握，因此个人与行业私域数据，未来会产生巨大价值。

第二，当智能体（BOT）数量足够多时，能创造的经济价值会大幅提升。过去抖音、微信等平台，核心是争夺用户注意力，以此实现多元化变现；但现在人与 BOT 的交互是低频次的，平台逻辑不再以用户使用频次、日活为核心，转而看 BOT 的使用频次与日活。

掌控 BOT 的注意力，即决定向 BOT 输入何种上下文（Context），会直接决定 BOT 的决策结果。比如做 PPT 的技能有 1000 个，我只让 BOT 看到前 3 个，这件事本身就具备核心价值。BOT 的规模越大，平台价值就越高——过去是争夺用户，现在核心是争夺机器人与 BOT。

因此我们只做对 Context 有价值、对 BOT规模化有价值的事，其余环节交给生态伙伴完成。

极客公园：未来产品的购买与使用决策者依然是人，但真正的使用者会变成 BOT。

郭亚楠：未来人会更专注于核心决策，重复性工作完全交由 BOT 完成。

Agent Computer 背后，

本质是一种全新的计算架构

极客公园：回到设备层面，从这个角度看，算力的合理边界是多少？当前需要搭载何种算力，才能支撑 Agent Computer 的新架构？

郭亚楠：核心看云端最优的多模态理解模型。

2023 年我们还找不到合适的硬件，现在支持高带宽内存（HBM）的芯片逐步落地，市面上已经能拿到可直接使用、达到当前最优效果（SOTA）的方案。

极客公园：所以你们不需要在本地做模型推理，本质是围绕适配 BOT 与智能体的环境，搭建对应的算力架构？

郭亚楠：有几个核心分工：数据预处理目前只能在端侧完成，受限于各类条件，端侧效果最优；但决策能力——比如让 BOT 选择工具、梳理逻辑、编排任务，端侧表现极差，几乎无法使用。

所以必须做端云协同。

比如视频剪辑，手机拍摄一分钟视频体积可达数 GB，上传云端大概率耗时极久、易中断，体验很差。数据预处理与视频理解在端侧完成最优，我们可将成片效率压缩到 5 分钟内，这是云端短期内难以实现的。

因此我们需要自主完成不同任务在端侧与云端的分配。

极客公园：这本质是一种全新的计算架构。

郭亚楠：对，这也是我们称之为 Agent Computer 的原因。

传统计算机核心是计算，算力架构以 CPU+GPU 为主：GPU 负责图形界面渲染，支撑人机交互的视觉界面；CPU 负责通用计算，支撑不同应用的逻辑处理，这套架构长期被英特尔+英伟达垄断，再搭配操作系统（OS）。

OS 核心服务两类群体：一是用户，打造流畅、美观的图形界面，苹果一直聚焦于此；二是开发者，提供 IDE、模拟器、加速引擎等工具，降低开发门槛、提升变现效率。

但现在这些逻辑已不成立了：

第一，开发者开发应用的成本趋近于零，仅需支付少量 Token 费用，未来会更低；第二，用户不再依赖图形界面（GUI）。

这两大变化会推动底层芯片变革，AI 芯片需要的是专用计算，端到端完成多模态输入到输出，无需传统通用计算逻辑，本质是 AI 专用芯片。

国内在 AI 芯片工程化落地能力上优势显著，这是一次重大的产业机会，和新能源行业的机遇逻辑相似。

「Context 才是新的 OS」

极客公园：要站在个人计算的视角看待新架构。过去我们讲「云、管、端」，现在这三层结构没有根本变化，但主体变了：云变成核心模型，像电力一样成为基础设施；端是用户入口，比如家庭群里的智能管家。中间的「管」，不再是单纯的传输信道，而是上下文层（Context Layer），也就是运行环境。这个环境最合适的形态是软硬一体的。

郭亚楠：我一直认为 Context 就是 OS。

传统 OS 连接用户与开发者，缺一不可：没有开发者，无法为用户提供价值；没有用户，开发者也不愿入驻。

当开发成本大幅降低，核心就变成环境问题，其中安全问题至今仍未完善解决。

过去人类是最后一道权限关卡，拥有最高自主权限，比如自动驾驶中人工操作优先级最高，手机也可手动删除数据；但交给机器后，自主决策权限可能出现偏差，人机之间的权限边界尚未有成熟解决方案。

极客公园：长期看是权限问题，短期最现实的问题是机器运行速度极快，人无法实时接管。

郭亚楠：我们在数据管理上的思路和行业不同：当下行业为了安全，普遍限制大模型的能力，增加诸多约束，让模型在沙盒中运行，和真实场景脱节。

我们的逻辑是：不限制大模型的原生能力，保留人最终的恢复权限——删除、修改数据后，人可在存储层完成数据复原，而非在 OS 层操作。

设备存储具备硬件级隔离，硬盘拆卸后无法在其他设备读取，这也是阶段性方案，未来仍会迭代。

此外，支付、BOT 之间的通信逻辑也会发生巨大变化。传统互联网的 HTTPS 握手机制，未来可能不再适用，新的通信方式仍在探索中。

但核心始终是 Context，所有能力都依托 Context 存在。Context 只服务两类主体：用户与 BOT，完成人与 BOT 的对齐即可。

用户规模、BOT 规模、Context 体量足够大，它就成为新一代 OS。未来或许不再叫 OS，因为它不再是传统意义上的系统，形态会更简洁直接。

极客公园：OS 这个词就像 NAS，代表上一代的功能定义，如今使命已经改变。新一代 OS 的核心使命变了，再叫 OS 或许不再合适，「环境」是更通用的定义。

郭亚楠：我们当时对这件事的判断是，一定要做一款个人数据设备，本质是把数据主权交还给用户。 道理很简单：我今天用 OpenAI 的模型，哪天 Claude 表现更好，我就可以直接替换掉 OpenAI。但如果我的所有数据与使用习惯都绑定在 OpenAI 上，就无法自由迁移，平台体验好坏对我而言都是迁移成本。

极客公园：所以不如自己拥有一个完全忠于用户的载体，这一点很重要。

郭亚楠：去年还有很多人问，为什么要做端侧而非纯云端？今年这类疑问已经很少了。在我看来，端侧与云端并不冲突，二者解决的是不同问题。

公共信息放在云端，个人信息则需要专属载体，实现可复制、可进化。

张鸣晨：为什么说不是 OS，也不是 NAS，需要一个新名词？因为这件事比 OS 和 NAS 都要大。

你看，它叫 operating system，「operating」意味着它是线性的，线性意味着可复制，但无法进化。但真正有意义的事，是整个地球进化史上「可复制且可进化」的信息载体，这经历了三次。

第一次是 DNA 和 RNA 的出现，有了生命，可复制、可进化，进化论由此展开。

第二次是语言的出现。三千年前人类有了语言，相当于把全世界的信息做了一次编码，语言可以复制——我们把信息通过语言简述给下一代，他可以基于自己的经验再往上加新东西，文明由此进入 2.0。

第三次就是现在。我们让机器上的信息不仅可以复制，而且能够进化。Agent 可以越来越聪明，大模型可以持续学习，这就是第三次信息载体的变化，其影响可能比语言还要大十倍。放在几十亿年的维度里看，这是第三次重大迭代。

所以一定要有一个新的 term、新的定义，把你这件事定义好。名正则言顺，定义好了你就知道该怎么做。去年聊了很多 Agent Computer 什么的，就是这个逻辑。

就像 Google 给自己的定义是「你的第二大脑」，我觉得有一定道理。信息载体到了今天，公共信息在云端，而个人信息——可复制、可进化的——就需要 Agent Computer 这样的东西来承载。

极客公园：新的个人计算架构，从来不是非端即云，而是端云协同。

郭亚楠：没错，很多时候选择端云并非单纯看功能差异，更多是出于人性层面的考量。

极客公园：未来个人计算的核心是智能体，设备是个人专属，但使用者是智能体，需要为其搭建合理的新架构。它最终不会完全替代手机，手机会被矮化为终端设备，真正的个人计算中心会迁移到家庭端侧设备。

郭亚楠：我们的产品核心是开箱即用，让用户第一眼就明白用途，无需复杂学习，只需要考虑价格即可。

开箱即用的「活龙虾」，

让小白、专业人士都觉得是「天选设备」

极客公园：你应该已经确定了核心卖点，能让用户眼前一亮、直接下单的关键点是什么？

郭亚楠：很简单，现在很多用户装了二三十台 NAS，抢不到 Mac mini，买到也不会配置，API 密钥、环境部署等操作门槛极高，希望有打包好的成品，不用操心技术细节，直接付费使用。

我们的产品就是解决这个痛点：云端龙虾做不到的事它能实现，替代 Mac mini 与 NAS，无需排队、无需复杂配置，开箱就能用。

极客公园：对普通用户，卖点很明确：开箱就是「活龙虾」，可自由选择模型，预置 Skills，降低使用门槛；对于专业用户，有没有生态合作的规划？这部分用户有很强的创造力与影响力，如何让他们参与共创？

郭亚楠：我们的核心是做运行时（Runtime）。

大模型具备公域数据能力，而专业技能（Skill）潜力巨大——人类发展中，工厂作业需要标准作业流程（SOP），节省能源、资源与 Token，这类垂直领域的经验沉淀，就是未来的专业技能。

我们只做基础通用能力，专业技能需要生态伙伴共建，比如网站搭建、深度研究、视频剪辑等场景化功能，都需要第三方团队参与。我们非常欢迎技能开发、应用开发团队合作。

争取让专业用户觉得这是「天选设备」，而非仅面向小白，让两类用户都能找到适配的使用方式。

张鸣晨： 需要思考怎么把 ClawHub 上面这些 popular skill 更好地撬动起来。龙虾有一半的价值就在 skill 上，用户已经把最好的场景、最好的选项都选出来了。端侧应该做一个无缝的迁移。 除了公域 skill，端侧平台还会有一些私域独特的场景，对应独特的 skill，所以其实你有机会做出自己的 skill 品牌。

另外，一些头部玩家、大牛，他们在用你的产品时自己贡献 skill，你就可以把他们融入到平台上，再传播给其他用户。

文章来自于微信公众号 "极客公园"，作者 "极客公园"