PicoClaw：用 Go 把 AI Agent 塞進 10 美元邊緣硬體的輕量助手，背後是深圳 Sipeed

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

要在嵌入式開發板或閒置舊硬體上跑一個 AI Agent,最常撞到的牆是資源。主流的 AI 框架動輒吃掉幾 GB 記憶體,還要拖著一套 Python 或 Node.js 執行環境,這對幾十塊人民幣就能買到的 Linux 開發板來說,根本吃不消。PicoClaw 想解的就是這個尷尬:它用 Go 語言把整套 AI 助手壓縮到一個二進位檔,目標是在十美元級別的低配硬體上長期常駐。

PicoClaw 的原始碼公開在 GitHub(sipeed/picoclaw),以 Go 寫成,採 MIT 授權。到 2026 年 7 月中為止,它累積了將近三萬個 star、四千多個 fork,而且最近一次推送程式碼落在 2026 年 7 月中,屬於相當活躍的大型專案。它的核心賣點寫得很直白:十美元硬體、十 MB 記憶體、毫秒級啟動,讓 AI 助手能在 LicheeRV Nano、NanoKVM 甚至路由器這類資源受限的設備上跑起來。背後的營運方是 Sipeed,一家位於深圳、專做 AIoT 開源硬體的廠商。

這篇評測要把 PicoClaw 真正值得看的設計,和它要你先看清楚的幾個前提分開講。它最需要先認清的,是它的價值與限制都來自同一組特質:把核心常駐記憶體壓在 10MB 以內、讓 0.6GHz 單核也能在 1 秒啟動,換來能在邊緣設備常駐,但也意味著它的能力範圍受硬體框住。再加上它的 LLM 後端要你自己挑,對話內容會送往你設定的模型供應商,以及它跑在路由器、開發板這類設備上時的資安考量,這幾點綜合起來,才是判斷它適不適合你部署的真正依據。

Pin

十美元硬體加十 MB 記憶體,它怎麼把 AI agent 塞進去

PicoClaw 的核心工程選擇,是用 Go 編譯成單一二進位檔(single binary)。這代表你不用先裝 Python 虛擬環境、不用跑 npm 裝一堆 node_modules,下載下來就能執行,這對運維來說省掉一大片依賴地獄。官方給出的數字是:在 0.6GHz 單核 CPU 上,大約一秒就能完成啟動,核心常駐記憶體通常壓在十 MB 以內(視實際負載而定)。

把資源占用壓到這個程度,換來的是它能跑在過去根本進不去的設備上:幾十塊錢的 RISC-V 開發板、舊款路由器、閒置的單板電腦。這也是它跟一般 AI Agent 工具最不一樣的地方，多數 AI 助手預設你有一台像樣的桌機或伺服器,PicoClaw 預設你只有一片開發板。當然,這個取捨有代價:能跑起來不等於跑得快或跑得全,模型的推論還是得交給後端的 LLM 供應商,PicoClaw 自己只負責調度與訊息流,不負責吃重的推論運算。換個角度看,它等於把「AI Agent 的大腦」拆成兩半:調度與訊息這層留在邊緣設備上低功耗常駐,真正耗運算的推論交給雲端或本地另一台夠力的機器,這種分工讓低配硬體也能參與 AI 工作流,而不必把整套重裝框架塞進來。

Pin

背後是深圳硬體廠 Sipeed

判斷一個要常駐在你設備上的 AI 工具,營運方是誰很關鍵。PicoClaw 的 GitHub 組織頁資訊相對完整:營運方叫 Sipeed,登記所在地位於深圳,對外網站是 sipeed.com,從 2018 年就開始活動,公開倉庫超過一百個,自我定位是 AIoT 開源硬體平台。它的社群管道同時涵蓋國際通用的 Discord 與 X,以及主要在中國圈使用的 WeChat(微信)群。

從硬體廠的角度看,Sipeed 做 PicoClaw 其實順理成章:它本來就賣 LicheeRV Nano 這類低價 RISC-V 開發板,一個能常駐在自家硬體上的輕量 AI 助手,等於幫它的開發板多了一個賣點。對台灣使用者來說,這層「中國硬體廠出品」的背景要放進評估:一方面 Sipeed 是有實體公司、有公開據點的正規廠商,透明度優於一些只掛個人信箱的同類工具;另一方面,當一個 AI Agent 會在你設備上常駐、處理你的對話與排程,營運方所在地的法規環境,會影響你對資料流向與合規的判斷,這點與評估任何中國團隊的 AI 工具時的考量一致。

多架構撐起國產與邊緣:RISC-V 與 LoongArch

PicoClaw 支援的 CPU 架構清單,透露了它鎖定的場景。除了常見的 x86_64 與 ARM64,它還列了 MIPS、RISC-V,以及 LoongArch。後面這幾個,正好是邊緣設備與中國國產化路線最常出現的架構:RISC-V 是開源指令集,在低價開發板與物聯網裝置上很常見;LoongArch 則是龍芯的中國國產架構,主要用在中國推動的自主可控運算環境。

把這幾個架構一起支援,說明 PicoClaw 的目標客群確實涵蓋中國國產化與邊緣運算這兩條線。對純粹想在樹莓派或 x86 小主機上跑 AI 助手的人,ARM64 與 x86_64 就夠用;但如果你是在中國的國產化專案裡,或者手上的邊緣設備就是 RISC-V 開發板,PicoClaw 的多架構支援就填上了一個多數 AI 工具沒顧到的空缺。這也是它與一般只編 x86/ARM 的桌機 AI 工具拉開差距的地方。

LLM 後端自己挑,資料流向也自己扛

PicoClaw 本身不做模型推論,它負責的是調度、訊息閘道與任務編排,真正「想答案」的是你接上去的 LLM 後端。它支援多種 LLM 後端切換,你可以接 OpenAI,可以接其他雲端模型供應商,也可以接本地自架的模型。這個設計讓它很有彈性,但也把一個關鍵責任交到你手上:你跟 PicoClaw 的對話、你交給它處理的檔案、它排程執行的任務內容,最終都會送往你設定的那個模型供應商。

這在邊緣場景特別值得想清楚。邊緣設備常常是放在家裡路由器、工廠控制器或現場閘道器上,你丟給 PicoClaw 的訊息,很可能帶著你所在網路的情境、你正在處理的工作內容。如果你接的是雲端模型,這些內容就會出網、送往那家供應商的伺服器;如果你對資料落地有要求,就得自己接本地模型,並接受本地推論在資源受限設備上的速度限制。PicoClaw 給你選擇的自由,同時也把資料流向的責任留給你。

跑在路由器與開發板上,資安要想清楚

把一個會自動執行任務、會對外聯絡模型供應商的 AI Agent,常駐在路由器或開發板這類設備上,資安面要事先想清楚。PicoClaw 內建了定時任務(Cron)與子進程產生(Spawn)能力,這代表它可以排程去做事、也可以產生子程序執行工作;它還有多通道訊息閘道,能當作訊息中繼。這些能力對自動化很實用,但也意味著,一旦這台設備被未授權的人接觸,或 PicoClaw 接上了來路不明的後端,它的自動化能力就會變成攻擊面。

所以部署時的幾個基本功不能省:設備本身的登入與網路存取要鎖好,別讓 PicoClaw 跑在一台誰都能連進來的開放路由器上。LLM 後端最好挑你已經信任的供應商,免費但不明的端點寧可不接。排程與子進程的權限也照實際需要收著給,別全開。邊緣設備的防護力通常不如伺服器,把 AI Agent 放上去之前多想一層資安,比事後補救省事得多。

跟 Coworker、Osaurus 比起來,它站在哪

AI Agent 這個分類,TechMoon 已經寫過幾篇可以對照的工具,把它們擺在一起看,PicoClaw 的位置會更清楚。Coworker 與 Osaurus 走的是桌面路線:它們預設你有一台 Mac 或桌機,模型可以留在本機、任務在你的主機上跑。PicoClaw 走的是邊緣路線:它預設你只有一片開發板或一台路由器,把調度做輕、推論交給後端。

和 ClawX 那種把 AI 框架包成桌面圖形介面的工具相比,PicoClaw 同樣是 AI Agent 軟體,但場景完全不同:ClawX 服務坐在桌機前的使用者,PicoClaw 服務想讓設備本身具備 AI 能力的開發者。三者各有各的位置，你要的是桌面自動化、本機模型、還是邊緣常駐,決定了該挑哪一個。PicoClaw 補的是「設備端輕量 AI」這一塊,這個位置目前同類工具還不多。

適合誰部署,誰先觀望

PicoClaw 適合的讀者輪廓其實很具體:你是會碰嵌入式設備、物聯網閘道器或舊硬體的開發者,想在這些資源受限的設備上常駐一個能排程、能接模型、能做訊息中繼的 AI 助手,而且你有能力自己架 LLM 後端、也願意顧好設備資安。如果你本來就在碰 RISC-V 開發板、或在規劃邊緣運算專案,PicoClaw 填的正好是這個缺口。

反過來說,如果你只是想在桌機上有個 AI 助手幫你整理檔案、自動做事,那 Coworker 或 Osaurus 這類桌面工具會順手得多,不必為了輕量去碰嵌入式硬體。如果你對中國團隊出品的常駐型 AI 工具有合規或資安上的顧慮,那麼先觀望、或挑一個營運方背景更貼近你要求路線,會更穩當。PicoClaw 的吸引力,建立在「你剛好有邊緣設備、又願意自己扛資料流向與資安」這組條件上。

把它放回它經得起檢驗的用途

PicoClaw 走的是一條定位很窄、但需求很實在的路:用 Go 把 AI 助手壓成一個能跑在十美元硬體上的單一二進位,讓邊緣設備也能擁有排程、訊息中繼與模型調度能力。它將近三萬個 star與持續的更新,說明它在開源圈確實打到了開發者在邊緣場景遇到的真實痛點。

綜合來看,PicoClaw 的甜蜜點很窄:你必須同時有邊緣設備、能自架後端、又願意顧資安,缺任何一環,它的輕量化反而變成包袱。核心常駐記憶體壓在 10MB 以內換來的邊緣常駐,代價是能力範圍受硬體框住、對話流向與資安幾乎完全交給使用者自負;而這些責任在營運方位於深圳的前提下,還要再多一層合規評估。如果你有邊緣設備、能架後端、也願意顧資安,它會是一個少見的實用選項;如果你的場景在桌機、或你對上述任何一點有顧慮,先觀望會更實在。

關於 PicoClaw 的常見問題

PicoClaw 是免費的嗎? 它在 GitHub 上以 MIT 授權開源,免費使用、可商用。下載單一二進位檔不需要付費。Sipeed 本業是賣開發板等硬體,PicoClaw 等於是搭配硬體的軟體附加價值,本身不收費。

它需要多大的硬體才能跑? 官方設計目標是十美元級別的低配硬體,核心常駐記憶體壓在十 MB 以內,0.6GHz 單核 CPU 約一秒啟動。它能跑在 LicheeRV Nano、NanoKVM、樹莓派、舊路由器等資源受限設備上,支援 x86_64、ARM64、MIPS、RISC-V、LoongArch 等架構。

PicoClaw 跟一般桌機 AI Agent 有什麼不一樣? 它預設你只有低配邊緣設備,用 Go 單一二進位做到極輕量;桌機 AI Agent(如 Coworker、Osaurus)預設你有像樣的桌機,可以把模型留在本機、任務在主機上跑。PicoClaw 補的是「設備端輕量 AI」這個位置,推論交給後端 LLM 供應商。

它會不會把我的對話送往中國伺服器? PicoClaw 本身不做推論,對話送往哪裡取決於你接的 LLM 後端。你接 OpenAI 就走 OpenAI,接本地模型就不出網。所以資料流向的邊界由你決定,不會自動送往特定伺服器;但營運方 Sipeed 位於深圳,這點在合規評估時要一併考量。

它適合部署在生產環境的路由器上嗎? 要審慎評估。它具備定時任務與子進程產生能力,自動化程度高,放在生產網路的路由器上,一旦設備防護沒做好或接了不明後端,就會成為攻擊面。建議先在測試環境跑熟、鎖好設備存取、挑信任的後端,再考慮放上生產。