夜雨聆风一张照片，震动了整个本地 AI 社区。
五台灰色的小方盒，整整齐齐叠在工程师的桌面上旁边，一只穿条纹衫的红色龙虾毛绒玩具，笑得无忧无虑
这组设备来自英伟达：五台送给 OpenClaw 工程团队的 DGX Spark官方将其定义为"世界上最小的 AI 超级计算机"，单台售价约 4000 美元
发帖的人是 Vincent Koc，OpenClaw 的首席架构师他在 X 上简短地写了几行感谢，轻描淡写地说"已经投入重活了"，并随口预告"很快会有产品公告"
就这么几句话，点赞、转发数字跳了起来，回复区炸开了锅
▲ Vincent Koc 在 X 上发出的致谢帖：五台 DGX Spark 整齐堆叠，龙虾玩偶安坐其旁
龙虾是谁？它为什么值得英伟达出手？
要读懂这件事，得先认识那只龙虾。
OpenClaw 的 logo 就是一只龙虾（Claw，"爪子"） 这个项目的前身叫 Clawdbot、Moltbot，最终落定 OpenClaw，始终围绕同一个核心理念：让 AI 走出聊天窗口，动手“做事”
官网首页的口号是一行朴素的英文："The AI that really does things."
这话听起来像废话，但在 AI 产品泛滥的今天，它戳中了一个真实的痛点大多数人对大模型的印象，还停留在"打开网页，问问题，关标签页"但 OpenClaw 不一样，你把它装在一台不关机的服务器或电脑上，连上 WhatsApp、Telegram、Discord，然后它就变成了一个全天候待命的 AI 同事：整理邮件、查航班、操作浏览器、执行终端命令，甚至在你睡觉的时候，它还记着你昨天交代的任务
这种"常开型 AI 智能体"，在 GitHub 上迎来了一波增长热潮
问题来了：运行这样一个全天候在线的 agent，你需要什么？
答案是：一台足够强大、内存足够大、而且你舍得让它 24 小时开着的机器
这，正是英伟达 DGX Spark 的登场时机
一台小方盒，装得下多少"大脑"？
DGX Spark 看起来像是路由器和 Mac mini 的混血后代，体积约 150mm 见方，放在桌上毫不起眼但它的内部，跑的是数据中心级别的 Grace Blackwell 超级芯片，搭载 128GB 统一内存，这个数字，是绝大多数消费级显卡显存的四到八倍
▲ 英伟达官网将 DGX Spark 定义为"Desktop Agent Computer"，副标题直接写明：专为构建和运行自主智能体而设计
128GB 意味着什么？ 在大模型推理里，内存是命门。模型权重、多轮对话的上下文缓存、多个子 agent 并发调用，每一项都在吃内存消费级显卡经常在这里触顶，agent 还没做完任务，就先被"撑死"了而 Spark 的统一内存架构，理论上可以在本地跑下 2000 亿参数量级的模型，这是此前桌面设备几乎无法想象的事情
英伟达官方产品页给出的标签是 "Desktop Agent Computer"，意为专门为智能体设计的桌面计算机
这个定位已有长期铺垫。
英伟达早就在下一盘棋
很多人以为这次"送机"是一次突然的公关动作但翻看时间线会发现，英伟达早已在官方资料中多次介绍 OpenClaw
2026 年 3 月，英伟达 AI 开发者账号发布了一个 playbook，手把手教你在 DGX Spark 上运行 OpenClaw，配图里赫然出现了那只标志性的龙虾
2026 年 6 月，官方博客强调 NemoClaw 单命令安装路径，把"从开箱到跑起一个本地 AI agent"的时间压缩到"分钟级"
2026 年 7 月中旬，NVIDIA RTX Spark 账号集中推送本地 agent 操作手册，封面上并排列着 NemoClaw、OpenClaw、Hermes、OpenShell，OpenClaw 在这个生态里，已经是头部玩家
▲ NVIDIA RTX Spark 账号集中推送本地智能体 playbook，OpenClaw 与 Hermes 等并列出现
因此，七月底的这次"送机"说明：合作已从文档和活动，深入到核心工程师的物理工作台
这是一个重要的信号升级。
发令枪下，工程师在想什么？
主帖发出之后，最有意思的，是评论区。
Hugging Face 的工程师 merve 跑来追问：你们现在在用哪些推理引擎？
Vincent Koc 的回答很坦诚，也很有代表性：
"还在试验最优配置。我对 llama.cpp 有不满，但扎实的替代方案也不多。"
▲ Hugging Face 工程师 merve 追问推理引擎选型，技术社区对这一细节高度敏感
这两条对话，是整个事件里信息密度最高的一个片段它说明：硬件已经到位，但软件栈还没有"最优解"英伟达官方推荐 vLLM，社区喜欢 Ollama 和 llama.cpp，每条路都有自己的取舍，速度、内存占用、量化格式支持、可运维性，没有一家通吃
这个"摩擦"，恰恰是 Koc 所说"产品公告"最可能落地的地方
与此同时，已经有普通用户在评论区报告战果，用户 base 兴奋地写道：
"Oh this sounds exciting! I'm running Laguna with OpenClaw agents on my DGX Spark…"
▲ 已有用户在自己的 DGX Spark 上跑起了 Poolside Laguna + OpenClaw 的组合
一个工程师，一个工具，一台新机器。本地 AI 的早期用户，已经开始像测试飞行器的飞行员一样，在边境线上试飞了
模型也在变"聪明"：Laguna、Bonsai 与那个越来越窄的差距
Koc 的帖子里，顺手点名了他最近在尝试的本地模型：Bonsai 与 Poolside Laguna
这两款模型都紧扣本地运行的主题。
Poolside 最近发布的 118B/8B 激活参数的 MoE（混合专家）模型 Laguna，在某些编程任务上超过了体积三倍以上的模型，DeepSWE 基准跑出了 40% 以上的分数
▲ 社区成员测试 Poolside Laguna：118B 参数、8B 激活，超越 3 倍体积的模型
这是"本地 AI 够不够聪明"这个问题，正在发生根本性变化的信号
过去，使用本地模型的理由往往只有两个：省钱，或者数据不想出境但如果模型能力本身就跟不上，这两个理由终究是退而求其次的将就
而 MoE 架构、4-bit 量化、统一内存三者叠加，正在把这条鸿沟以肉眼可见的速度填平
第三方实测给出了一个感性的数据锚点：在 DGX Spark 上，本地生成速度可以达到约 45-60 token/s，WhatsApp 端到端延迟在十几秒到数十秒之间速度比云端慢一些，但已经够一个私人 AI 助理正常干活了
一只龙虾背后的生态棋局
让我们退一步，看一个更大的图景。
英伟达送了五台机器，写了官方文档，还把龙虾放进了发布会宣传图；OpenClaw 依旧保持独立和开源
OpenClaw 做了什么？它保持开源，保持多后端，Ollama、vLLM、llama.cpp，你用哪个都行甚至还在同期登陆了 Hugging Face 本地应用，任何人选个 GGUF 模型，复制一条命令，就能本地跑起一个 tool-calling agent
▲ OpenClaw 官方宣布登陆 Hugging Face 本地应用：GGUF/MLX 模型，无需云端，无需密钥
这是一种非常成熟的开源生态逻辑：硬件厂商在最有影响力的开源项目上"盖章"，而开源项目用可移植性维持独立性两者互相背书，谁也不吃掉谁。
但有一件事是确定的：英伟达在"本地 agent 工作站"这个细分品类上，正在下一盘非常认真的棋
从"开箱到 AI agent 只需数分钟"的 NemoClaw 单命令安装，到 playbook 里反复强调的本地运行，再到如今把硬件直接送进核心工程师的书桌，英伟达在做的事情，本质上是：把一个此前只属于科技极客的行为，变成一个普通开发者可以复制的生活方式
NVIDIA AI 官方账号在 Koc 的帖子下，只留下了一个拳头表情 👊
够了。
写在最后：那五台机器，代表的是什么？
一台 DGX Spark，2025 年 10 月才开始发货英伟达新闻稿特意提到，这是继 2016 年 DGX-1 之后，再次把"超级计算机交到开发者手上"的时刻
那一年，DGX-1 的故事是：Jensen Huang 亲手把一台机器送给 OpenAI，当时那家公司还名不见经传
这一年，五台 DGX Spark 送到了 OpenClaw 的桌上
龙虾笑得很开心。它不知道，或者说，它知道，本地 AI 最热闹的一章，刚刚翻开
题外话：OpenClaw 是开源项目，代码全部公开，可在 GitHub 找到。使用其他性能足够的 GPU 机器，也可以按照英伟达发布的 playbook 在本地把它跑起来。安全风险那一段，官方用了好几行加粗来写，agent 能执行 shell、能读文件、能代替你发消息，所以别把 Gateway 直接暴露在公网，也别随便启用陌生的 skill，这项提醒务必当回事。