中國AI圈最能炒作的那批人，大概就是賣一體機的了

中國 AI 圈，有屬于自己的 “ 保健品 ”：它吃不死人、但也基本沒有太大用、市場規模還不小。

它的名字，是“ 一體機 ”。

OpenClaw（ 龍蝦 ）爆火之后，狂歡的除了各個云服務廠商和各個大廠做的某某Claw，還有一群玩家馬上就聞著味兒上來了。

他們就是“ 一體機 ” 廠商，他們光速推出了產品并且馬上在短視頻平臺進行投放推廣，推出產品的速度甚至比一些大廠推出各種 XX Claw 還快。

從這個上線速度你就能明白，這是一個不簡單的市場。

簡單來講，一體機就是一個配好硬件與軟件的、能跑相關模型的一體化服務器，面向的客戶主要是對數據安全、合規有非常高需求的、只在內網環境下運行設備的單位。

實際上，一體機在中國 AI 行業中是一個有趣的產物，它或許有用，但大概率沒用，賣得不便宜，但你買了也沒有壞處。

而這一整場一體機浪潮，要從去年 DeepSeek 的爆火說起，彼時，圍繞 DeepSeek 大模型的一體機市場經歷了魔幻般的發展曲線。

比如去年二月，有企業當月賣出三千余臺 DeepSeek 一體機，合同價值數億。那三個月內，整個市場情緒樂觀，有分析機構甚至預測，到 2027 年這個市場的規模將超 5000 億。

但隨后市場迅速開啟內卷模式，滿血版（ 671B 參數量、FP8 精度 ）DeepSeek 一體機原本需要百萬級價格，很快在上半年被打到十萬級，甚至比原本 32B、70B 的版本還便宜一半以上。而據雷峰網報道，到七月份，市面上 DeepSeek 一體機招標預算規模從上千萬一路縮減至數十萬。

如今，你還能在一些電商平臺上搜到不少標價數萬的 DeepSeek 一體機，有銷量數據的一般在幾十到一百多萬，有些已經加上了 “ 支持部署 OpenClaw ” 的廣告語。

部署 DeepSeek 底座的 OpenClaw 一體機價格按模型參數量分布在數萬到數十萬之間，也支持 Qwen、Kimi 等模型。

那么，我們能從 DeepSeek 一體機這場熱潮中獲取什么經驗？新一波龍蝦一體機市場會帶來新局面，還是重蹈覆轍？

在曾親身參與 DeepSeek 一體機市場，著有《 知識增強大模型 》、《 知識圖譜：認知智能理論與實戰 》、《 知識增強 LLM 型應用程式實戰 》和《 Reliable Large Models with Knowledge Augmentation 》的大模型專家王文廣看來，DeepSeek 一體機市場在去年完整經歷了從 “ 概念爆發 ” 到 “ 泡沫破裂 ” 的過程，“ 在 2025 年一季度，由于人們普遍的 ‘ 錯失恐懼癥 ’（ FOMO ）情緒，催生了 DeepSeek 一體機的虛假繁榮，結果才到下半年，就因交付災難和實際效果慘淡，整個市場非常迅速地崩塌了。”

“ 由于一體機這種模式主打的就是一站式交付和簡易使用，所以DeepSeek 一體機的主力客戶一般是數字化基礎相對滯后的傳統國企、急于包裝 AI 概念的金融機構、依托算力補貼資源發展的中小企業等。”

“應對信息化考核、在年報中增加 AI 概念、消耗即將到期的 IT 預算等，才是他們的主要目標，而非實際業務價值，投資回報率（ ROI ）在立項之初基本不在考量范圍內，大模型僅作為 ‘ 噱頭 ’，技術能力被邊緣化。”

銷量好壞的決定性因素也不是正常的供需關系，而是客情關系，“ 賣得好的供應商主要是老牌系統集成商（ SI ）和傳統服務器硬件巨頭，他們一直都能穩穩待在采購名單里，供應商還經常將一體機與其他大型信息化項目強行捆綁銷售。”

反倒是很多試圖通過深度優化和高質量模型贏得市場的技術型初創 AI 企業，他們的一體機賣不出去，“ 政企客戶一般沒有評估模型真實能力的專業團隊，招標更看重 ‘ 注冊資本 ’、‘ 過往同等規模硬件交付案例 ’ 這些非技術指標，技術型企業在這些維度上是吃虧的。”

而從商業底層邏輯上看，沒有任何供應商能賺取健康、可持續的商業利潤，“ 傳統硬件巨頭看似賣得多，但實際上虧損得厲害。”

“ 因為他們只懂硬件，缺乏模型底層能力。所以為了給客戶 ‘ 跑通業務場景 ’，需招聘高薪外包或投入大量人力進行定制化開發，結果這些高昂的人力成本反過來把硬件的利潤都吃掉了。”

AI 初創企業同樣深陷虧損，“ 因為他們兩頭受壓，在上游拿不到最便宜的芯片，下游又要和傳統巨頭打價格戰。”

“技術早就不是護城河了，實際比的是誰更有錢墊項目，誰更能熬回款，誰的 PPT 更會講故事。”

許多 DeepSeek 一體機在運抵客戶機房后，要么無法通過驗收、交付，要么演示幾次后被閑置浪費。

“ DeepSeek 模型采用復雜的混合專家（ MoE ）架構，而大多數一體機供應商的底層推理框架存在嚴重路徑依賴，無法實現高效并行和專家路由調度，導致吞吐量極低、延遲極高、機器卡死、顯存溢出、輸出亂碼等問題頻發，最后項目無限期延期或爛尾。”

“ 大部分客戶的數字化是非常不足的，企業內部缺乏結構化、高質量的數據作為檢索增強生成（ RAG ）或微調（ SFT ）的語料。”

“甚至很多業務人員也沒有提示詞工程的能力，經常出現面對空白的對話框無從下手的尷尬局面，嘗試幾次后就喪失了耐心。最后，這些設備基本都是有視察時才啟動，平時是閑置的。”

DeepSeek 一體機的實際落地，被局限在了企業內部政策問答庫（ RAG ）、公文草擬輔助、簡單會議紀要生成等場景，“ 這些基本都是比較邊緣的場景，出點問題也沒那么要緊，容錯率極高。”

除了模型本身，要讓 DeepSeek 一體機在實踐中真正發揮作用，還需要滿足大量條件，“ 首先，數據這塊得打好基礎，數據要實時、準確，還得統一到一個數據湖或者數據倉庫里，不能各搞各的；其次，數字化程度高，流程要跑得通，AI 的輸出得能直接進下游系統自動流轉，而不是還要打印出來簽字、靠人手傳來傳去；然后，團隊也要跟得上，既要懂核心業務，也要會用 AI，掌握高階提示詞技術，甚至能寫點 Python、做數據分析；最后，模型要持續維護，不是上線就完事了，還得一直盯著，比如控制幻覺、定期微調、持續優化，也就是 LLMOps 這套東西。”

但 DeepSeek 技術維護的門檻高，相關人才動輒上百萬年薪，并且過去一年大模型能力排序的更新頻率極高，年初還是封神級別的 GPT-4o、o3 等，到現在甚至再無人提起，DeepSeek 一體機也就在這個技術背景下迅速貶值，“ 一體機是軟硬件高度耦合、參數鎖死的物理形態，其顯存帶寬、算力、互聯架構在出廠時已被固定。短短半年后，開源社區可能發布參數量翻倍、需要全新并行策略的新模型。”

“ 所以，一體機不僅無法持續帶來價值，反而成為最惡劣的 ‘ 技術負債 ’。”

在 OpenClaw 爆火，龍蝦一體機快速衍生的 2026 年，王文廣認為，DeepSeek 一體機市場經歷的歷史主線，在龍蝦一體機市場也會重演，“ 炒作、跟風、交付翻車、最后大量閑置，這一套還會原封不動再來一遍。客戶還是會因為焦慮盲目下單，最后落不了地。”

“ 但也會有很大的不同，主要是風險方面。DeepSeek 一體機失敗時只是 ‘ 胡言亂語 ’（ 輸出亂碼 ），而龍蝦一體機因被賦予執行能力（ 如操作代碼庫、控制物理設備 ），失敗時將導致 ‘ 胡作非為 ’，比如誤刪數據庫、將機密郵件錯發給競爭對手。”

“ 所以，它可能不會 ‘ 安靜地 ’ 吃灰，而更可能在造成重大業務災難和安全事故后，被強行清退索賠。”

也就是說，同樣是使用開源大模型，龍蝦一體機不僅任務難度更大，出錯后果也嚴重得多，“ 現在的開源大模型在復雜推理、多步驟任務拆解還有工具調用（ Tool Use ）這塊，準確率其實還不夠支撐大規模工業化應用。經常做到第三四步就開始繞圈子，甚至死循環，或者一調用 API 就格式崩掉。說白了，很難滿足企業那種 ‘ 必須穩定、100% 不能出錯 ’ 的硬要求。”

從知危當前交流的結果來看，即便是接入云端大模型的 OpenClaw 也還是更適合企業辦公場景，而不擅長涉及復雜工作流編排的場景，這恰恰是傳統 SaaS 軟件的主要復雜性所在。

除此之外，這些應用往往還存在復雜的權限體系和 API 限制，王文廣認為，龍蝦一體機不可能真正地深度接入這些應用的生態，“非標的企業 IT 系統，同時運行著不同年代的 ERP、OA、各類 SaaS，大多沒有標準 RESTful API，權限控制要求高。這會使得智能體陷入定制化泥潭，要‘深度介入工作流’，供應商必須派出大量開發人員逆向破解舊系統，手寫無數不穩定腳本。客戶舊系統哪怕更新一個字段，執行流就會瞬間崩潰。這種沒完沒了的定制化，最后肯定會把那些想推廣龍蝦一體機的公司拖垮。”

有不少人認為，很多自動化任務其實可以通過類似 Claude Code 這樣的工具完成，OpenClaw 的最大優勢其實是通過聊天界面發送指令，這也是 Peter Steinberger 最初開發 OpenClaw 的動機。

“ Claude Code 是嵌在終端或專業代碼編輯器里的，主要面向專業開發者，擅長處理那種邏輯嚴密、結構化很強的代碼任務，而且是在可控環境里執行，更像一個真正能進生產環境的效率工具。”

“但對于企業級應用，用模糊、充滿歧義、效率低下的自然語言控制復雜業務，執行風險極高。例如 ‘ 幫我把昨天的銷售數據整理一下發給老板 ’，Agent 需猜測時區、數據表、郵箱地址，任何歧義都可能導致不可挽回的錯誤。此外，OpenClaw 與企業級要求的‘集中管控、權限分離、行為留痕可審計、責任邊界清晰’的 IT 治理邏輯并不相容。”

從 DeepSeek 一體機到龍蝦一體機，現象背后的核心要素不是技術而是認知。AI 不會因為被封裝進一體機就自動創造價值，是否有價值取決于企業能否把不確定的智能嵌入確定的系統。

進一步看，這種周期性泡沫的根源，還在于國內市場長期以來對軟件價值的低估，以及對硬件形態的路徑依賴。廠商費盡心思完善軟件服務無人感興趣，但降低芯片配置就能立馬使利潤翻倍。但真要拼硬件，中小企業不可能有優勢。AI 技術的每一次風口，不管是大模型、Agent 還是機器人，基本只能通過硬件作為載體或催化劑才能在國內引起足夠的注意，DeepSeek、龍蝦以及各種人形機器人已經示范了無數遍，但每一次人們都忽視了，真正的價值其實在軟件層。