「Context 才是新操作系統」：從大疆、云鯨離開后，他要做 Agent Computer

只做對 Context 有價值的事情，打造面向 Agent 時代的「個人計算」底層設備。

作者｜蘇子華

編輯｜鄭玄

「龍蝦」（OpenClaw）的爆發，讓一個趨勢迅速達成共識——Agent 正在「殺死」軟件，GUI 正在過時。而當下的電腦、手機等設備，并不是運行「龍蝦」的最佳選項。

因此，一個更為關鍵的問題是——未來的 Agent，最終要跑在什么設備之上？

Zettlab（吾云創新）創始人郭亞楠正在試圖回答這個問題。

郭亞楠告訴極客公園，他大學時就想站上全球舞臺發布自己的產品，畢業后先后進入大疆、云鯨，把端側 AI、芯片定義、軟硬件協同、供應鏈和產品落地都完整走了一遍。

去年，Zettlab 推出的 AI NAS 產品，成功眾籌破千萬。但他沒有把自己定義為一個單純做 NAS 或硬件的人，AI NAS 并不能夠準確概括他們的目標和野心。

他說，AI NAS 只是最初的切入點，真正要做的是 Agent Computer，這個新產品將在幾個月后推出。

即將推出的 Agent Computer 劇透照｜圖片來源：Zettlab

在他的定義里，Agent Computer 不是一臺更強的電腦，也不是一個更智能的 NAS，而是一種全新的「個人計算」設備：以個人數據為核心資產，以 Context（上下文）為操作系統，以 Agent 為主要使用者。

在這個體系里，設備不再服務人類操作，人類更像是決策者；真正高頻使用設備的，是各種自動運行的 BOT。

據他描述，這將是一個開箱即用的「活龍蝦」，讓小白、專業人士都會希望人手一個的「天選設備」。

「我堅信個人數據擁有無限價值，且數據所有權應由用戶自主掌控。」他認為，未來最有價值的，不只是算力，而是個人私域數據；不只是存儲，而是 Context；不只是 NAS，而是一臺能理解、調用、編排個人數據的 Agent Computer。

對此，Zettlab 的投資人之一、星連資本創始合伙人張鳴晨有另一種更宏觀的解讀，他認為 AI Agent 的出現是地球信息載體進化的第三次重大變革。

前兩次分別是：DNA/RNA 的出現，實現了信息的「可復制、可進化」，誕生了生命；以及語言的出現，實現了知識的「可復制、可進化」，誕生了文明。

從這個維度看，Zettlab 所做的事情，是為這個新時代的信息載體（個人化的、可進化的 Agent）提供一個運行環境，其意義遠大于一個硬件設備或一個操作系統。

前不久，極客公園創始人兼總裁張鵬與郭亞楠、張鳴晨聊了聊，為什么從大疆、云鯨走向創業，為什么先做 AI NAS、后來又重構為 Agent Computer，為什么認為「Context 才是新的 OS」，以及為什么未來人和 BOT 的關系，會重塑設備、平臺和產業鏈的邏輯。

一個很明確的判斷已經浮出水面：個人數據的價值才剛剛開始，下一代「個人計算機」，馬上就要卷起來了。

以下為對話內容，經極客公園編輯整理：

01

從 AI NAS 到 Agent Computer，

押注個人數據價值和處理需求的暴漲

極客公園：2023 年 GPT 剛興起時，你就出來創業了，當時怎么想的？

郭亞楠：我最直觀的感受是，CNN、NPU 等傳統技術方向幾乎不再被提及，行業全面轉向 GPT 相關研發，每天都有新應用、新賽道出現，技術與應用層面都在發生顛覆性革新，我確信其中蘊藏巨大機會。

當時還沒明確創業方向，但我堅定必須全職投入這場浪潮，否則會全面落后。

2022 年底 GPT 問世后，我就立刻提出了離職，公司建議我明確方向后再走，于是又過渡了半年。期間 LangChain 推出，基于 LangChain 的智能體（Agent）也開始落地，生態快速擴張，我意識到這不是概念炒作，而是真正的時代機遇，于是下定決心一個月內離職，放棄現有一切，全身心創業。

極客公園：創業的決心，和你在大疆、云鯨的經歷有關嗎？

郭亞楠：肯定有很大關系。我加入大疆和云鯨，本身就是為創業做準備，而非入職后才萌生創業想法。

我本科和研究生都是機械專業，2014 年讀研期間轉向 AI 領域，屬于軟硬件復合型背景，大疆是最契合的平臺。

在大疆，即便我后期轉入機器學習部門，仍會全程跟進工廠生產、供應鏈成本、芯片物料價格等環節，能接觸到手機廠商等大企業無法提供的完整產業經驗，我也不喜歡大公司的條條框框，這種環境非常適合我。

加入云鯨時，公司規模不足 100 人，一切從零開始，從采購議價、生產供應鏈到團隊招聘，以及產品定義、戰略規劃等前端工作，我都全程參與。

極客公園：當時還沒有明確方向，你為什么堅信自己能成功？

郭亞楠：我不是堅信某件事一定成，而是堅信自己一定要創業，這個想法 10 年前就已經確定。

身邊也有成功的榜樣，宇樹科技的王興興曾和我一同在大疆實習，我親眼見證他從兩人團隊起步，克服重重困難把企業做大，他找到并堅持了自己熱愛的事業，這讓我十分羨慕。

我認為只有走出舒適區、全身心專注，才能更快找到方向。創業初期我考察過眼鏡、手表、兒童相機等方向，后來逐漸聚焦自己深耕 10 年的數據、多模態領域。

我判斷新一代 AI 需要全天候在線、長期續航、對功耗不敏感的硬件載體，應用場景主要是家庭或辦公場景，結合 C 端產品方向，最終確定做家用設備，這是很清晰的邏輯推演。

極客公園：最初從 AI NAS 切入，是怎么想的？

郭亞楠：我一開始的目標，其實就是做個人計算設備。

GPT 問世后，我認為有兩大關鍵變化：一是與聊天相關的邏輯推理能力顯著提升，二是多模態技術的突破。

當時很多人還沒注意到，Transformer 架構的重大革新在于將音頻、視頻、圖片、文字全部對齊融合，這是里程碑式的改變，我判斷多模態領域會迎來大規模發展。

因為多模態數據，尤其是人類產生的非結構化數據，在未來會至關重要。

所以，我們想為個人打造一款數據計算設備——存儲技術已經非常成熟，核心要做的是個人專屬的計算設備，只是當時這個方向還不夠清晰。

極客公園：你當時認為，新的計算設備相較于傳統計算設備，需要解決的核心問題是什么？

郭亞楠：未來每個人產生的數據量會迎來爆發式增長。

從人類以文字為主要生產內容，到進入圖片生產時代，中間經歷了漫長過程。

而上一代 AI 修圖技術替代了 Photoshop，成為讓大眾高效生產、分享圖片的關鍵——過去修圖的核心門檻就是 Photoshop，會用的人能吸引大量關注，不會的人則難以參與。AI 普及后，圖片分享變得更高效便捷。

視頻會是這一時代的核心變量。我們判斷，未來個人生產的數據將以視頻為主，且一定是多模態形態，因此布局這個賽道更具價值。

每個人的數據量必然持續增長，但當下沒有一款好用的工具，能解決多模態數據的使用問題，市面上的產品大多只解決存儲問題，NAS 的核心定位就是存儲。

在我們看來，這個邏輯和電話、手機的演進一致：傳統電話僅實現通話功能，就像傳統 NAS 僅實現存儲功能。去年 11 月，我們徹底想清楚這件事，將這類設備定義為Agent Computer（智能體計算機），這是核心定位。

極客公園：你們明確了 Agent Computer 方向，當時的核心契機是什么？

郭亞楠：我們想清楚要用最先進的生產力定義產品，不再局限于端側或云端，而是以用戶價值最大化為核心。

過去我們聚焦端側實現，現在聚焦用戶價值，產品的用戶群體也隨之擴大，產品形態、功能、定價、工業設計都需要重新迭代。

過去 NAS 用戶 99% 為男性，現在要全面重構。但不變的是，我們始終深耕 Context 管理與數據管理，這是核心壁壘。

幸好我們有 NAS 的技術與商業化沉淀，否則無法支撐 Agent Computer 的落地；目前我們在該領域仍處于行業領先，無人超越，且生產、銷售鏈路已完全閉環，轉型 Agent Computer 沒有任何歷史負擔。

極客公園：Agent Computer 其實是一條全新產品線，未來兩條產品線會同步推廣嗎？還是說？

郭亞楠：短期內是兩條獨立產品線，長期來看會融合為同一產品。

邏輯就像固定電話和手機，現在固定電話仍在使用，但未來會被手機完全替代。只是形態、存儲容量和目標客群不同，類似大哥大和小靈通，面向的用戶群體不一樣。

極客公園：最早的核心目標是做好檢索，現在定位到 Agent Computer 后，核心切入點變成了什么？

郭亞楠：傳統 NAS 的用戶是重度數據使用者，主要分為三類：家庭用戶（拍攝大量短視頻、戶外影像）、程序員、工程師、內容創作者。這類用戶購買 NAS 的核心原因是本地存儲不足、云端成本高且傳輸不便。

而 Agent Computer 面向更輕量化的數據用戶，我們重新思考了用戶需要端側設備的核心原因：除了數據量龐大，互聯網帶寬已觸及瓶頸，5G、6G 無法帶來感知級提升，另外個人對自己數據的掌控欲，這是端側設備的核心驅動力。

我們的第一代產品側重大容量存儲，實現了 1000 萬條視頻的秒級檢索——導入千萬級數據后，2-3 秒內即可定位任意視頻的指定幀，技術難度極高。

OpenClaw 問世后證明，即便數據量不大，泛知識工作者、白領精英對文本、PDF 等個人數據的處理需求也非常強烈，因此我們將新產品定義為輕存儲、重計算的設備，和早期重存儲、輕計算的思路完全相反。

02

打造「個人計算」的底層設備，

只做對 Context 有價值的事

極客公園：本質上，你是用通訊行業的演進邏輯類比：早期通訊解決的是基礎連接能力，載體先是 BB 機文字、再是語音通話；后來帶寬提升、數據量暴漲，通訊成為底層能力，上層的應用與服務才是生態繁榮的核心。

所以你判斷，計算領域會發生同樣的變革，從圖片為主轉向視頻為主，存儲是基礎前提，沒有存儲就無法實現計算。

郭亞楠：現在大家說的「存儲」，本質已經變成了 Context（上下文）。

核心不再是存了多少數據，而是能不能為大模型提供足夠好、足夠高效的上下文——這才是存儲真正的價值。

過去存儲的是人類可直接閱讀的內容，現在存儲的是供 AI、智能體使用的結構化數據，人類不一定能直接讀懂，就像代碼一樣，只要機器能識別即可，存儲的核心價值被重新定義。

極客公園：也就是說，存儲的內容和用途都變了。過去的存儲，用戶需要時手動檢索查找，行業大多在優化文件系統、做更智能的檢索，這是很多廠商的切入點。

郭亞楠：我們的方向，從一開始就和這類產品完全不同。

截至目前，我們的文件系統與多模態檢索能力仍是行業最優、速度最快的。第一代產品只做了一個核心功能——多模態檢索，因為存儲的技術與供應鏈已經非常成熟，核心要解決的是數據的查找與使用問題。

極客公園：只做用戶體驗更好的 NAS、優化交互，無法解決核心問題，也無法通向未來。

郭亞楠：是的。舉個簡單例子：拍攝一小時球賽視頻，用戶說一句「找梅西進球的片段」，設備能快速定位到視頻的對應幀與時間點，直接提取可用片段。

我們完全基于端側部署，這個能力當時所有產品都無法實現，而這還只是純視頻場景；如果疊加音頻、各類嵌入在圖片、表格里的文字，復雜度會大幅提升。目前產品支持 9 種語言，不同地區適配對應的模型。

極客公園：這就需要引入 Memory（記憶）模塊，結合用戶的個性化需求與使用習慣，提升檢索的匹配度，就像訓練 AI 助手同步用戶偏好一樣。現在有沒有成熟的方案能嵌入這個能力，實現明顯的體驗提升？

郭亞楠：有一種是初始化導入用戶數據，比如微信聊天記錄、Flomo、飛書、Notion 里的知識筆記，讓模型快速了解用戶的性格、偏好與使用習慣，基于這些維度優化檢索效果，比從零開始訓練提升顯著。

舉個例子，Deep Research 功能在 Manus、谷歌、OpenAI 平臺都有落地，登錄個人賬號后的檢索效果，比未登錄、純開源框架的效果高 10 個百分點，這個提升在學術與工業界都非?？捎^。核心原因就是結合了用戶的使用習慣與工作方式。

極客公園：最終會像訓練 AI 助手一樣，讓模型持續總結學習，形成個性化的指令邏輯，執行任務時自帶用戶偏好？

郭亞楠：這只是過渡階段。人類的知識會逐步內化，無需依賴手冊就能應答，只有遺忘時才會查閱筆記，大模型的邏輯和人類一致。

但當前大模型部署后，無法針對個人數據做端側持續學習，尤其是端側推理芯片不支持訓練，這是核心痛點。

目前美國有多個團隊重金投入 Memory 研發，這類 Memory 不是文本化的記錄，而是專屬的輕量化模型。XAI 等機構也在組建團隊重金布局，它是可持續進化的個人專屬小模型。

極客公園：你們是在等待這類技術成熟后，整合到自身系統中進一步優化體驗？

郭亞楠：沒錯。我們的核心競爭力有兩點：

第一，堅信個人數據擁有無限價值，且數據所有權應由用戶自主掌控。

第二，我們在端側高性能計算領域的技術積累足夠深厚。云端技術從早期架構迭代到當前的 FileBase，未來可能走向 ModelBase，每一次升級都會帶動端側發展，我們只需聚焦前沿技術預研即可，等待技術水漲船高。

極客公園：所以你要做的，是個人通用計算的底層設備，或是依托個人通用計算的運行環境。

郭亞楠：沒錯，核心有兩點：

第一，我認為數據量越大，價值越高，數據規模帶來的未來想象空間極大。當前上線的大模型，本質是公域數據的集合，已經把公共數據基本挖掘完畢。

自動駕駛領域也是同理，核心模型架構已基本穩定，行業主力都在做數據工作：通過多攝像頭、激光雷達、毫米波雷達等傳感器，調配不同數據源的占比與權重，最終直接影響系統表現，全部聚焦數據優化。

大模型未來也會進入這個階段：公域數據挖掘殆盡，私域數據的價值會愈發重要。很多標準化作業流程（SOP）是大模型不具備的，只有行業專業人士掌握，因此個人與行業私域數據，未來會產生巨大價值。

第二，當智能體（BOT）數量足夠多時，能創造的經濟價值會大幅提升。過去抖音、微信等平臺，核心是爭奪用戶注意力，以此實現多元化變現；但現在人與 BOT 的交互是低頻次的，平臺邏輯不再以用戶使用頻次、日活為核心，轉而看 BOT 的使用頻次與日活。

掌控 BOT 的注意力，即決定向 BOT 輸入何種上下文（Context），會直接決定 BOT 的決策結果。比如做 PPT 的技能有 1000 個，我只讓 BOT 看到前 3 個，這件事本身就具備核心價值。BOT 的規模越大，平臺價值就越高——過去是爭奪用戶，現在核心是爭奪機器人與 BOT。

因此我們只做對 Context 有價值、對 BOT規模化有價值的事，其余環節交給生態伙伴完成。

極客公園：未來產品的購買與使用決策者依然是人，但真正的使用者會變成 BOT。

郭亞楠：未來人會更專注于核心決策，重復性工作完全交由 BOT 完成。

03

Agent Computer 背后，

本質是一種全新的計算架構

極客公園：回到設備層面，從這個角度看，算力的合理邊界是多少？當前需要搭載何種算力，才能支撐 Agent Computer 的新架構？

郭亞楠：核心看云端最優的多模態理解模型。

2023 年我們還找不到合適的硬件，現在支持高帶寬內存（HBM）的芯片逐步落地，市面上已經能拿到可直接使用、達到當前最優效果（SOTA）的方案。

極客公園：所以你們不需要在本地做模型推理，本質是圍繞適配 BOT 與智能體的環境，搭建對應的算力架構？

郭亞楠：有幾個核心分工：數據預處理目前只能在端側完成，受限于各類條件，端側效果最優；但決策能力——比如讓 BOT 選擇工具、梳理邏輯、編排任務，端側表現極差，幾乎無法使用。

所以必須做端云協同。

比如視頻剪輯，手機拍攝一分鐘視頻體積可達數 GB，上傳云端大概率耗時極久、易中斷，體驗很差。數據預處理與視頻理解在端側完成最優，我們可將成片效率壓縮到 5 分鐘內，這是云端短期內難以實現的。

因此我們需要自主完成不同任務在端側與云端的分配。

極客公園：這本質是一種全新的計算架構。

郭亞楠：對，這也是我們稱之為 Agent Computer 的原因。

傳統計算機核心是計算，算力架構以 CPU+GPU 為主：GPU 負責圖形界面渲染，支撐人機交互的視覺界面；CPU 負責通用計算，支撐不同應用的邏輯處理，這套架構長期被英特爾+英偉達壟斷，再搭配操作系統（OS）。

OS 核心服務兩類群體：一是用戶，打造流暢、美觀的圖形界面，蘋果一直聚焦于此；二是開發者，提供 IDE、模擬器、加速引擎等工具，降低開發門檻、提升變現效率。

但現在這些邏輯已不成立了：

第一，開發者開發應用的成本趨近于零，僅需支付少量 Token 費用，未來會更低；第二，用戶不再依賴圖形界面（GUI）。

這兩大變化會推動底層芯片變革，AI 芯片需要的是專用計算，端到端完成多模態輸入到輸出，無需傳統通用計算邏輯，本質是 AI 專用芯片。

國內在 AI 芯片工程化落地能力上優勢顯著，這是一次重大的產業機會，和新能源行業的機遇邏輯相似。

04

「Context 才是新的 OS」

極客公園：要站在個人計算的視角看待新架構。過去我們講「云、管、端」，現在這三層結構沒有根本變化，但主體變了：云變成核心模型，像電力一樣成為基礎設施；端是用戶入口，比如家庭群里的智能管家。中間的「管」，不再是單純的傳輸信道，而是上下文層（Context Layer），也就是運行環境。這個環境最合適的形態是軟硬一體的。

郭亞楠：我一直認為 Context 就是 OS。

傳統 OS 連接用戶與開發者，缺一不可：沒有開發者，無法為用戶提供價值；沒有用戶，開發者也不愿入駐。

當開發成本大幅降低，核心就變成環境問題，其中安全問題至今仍未完善解決。

過去人類是最后一道權限關卡，擁有最高自主權限，比如自動駕駛中人工操作優先級最高，手機也可手動刪除數據；但交給機器后，自主決策權限可能出現偏差，人機之間的權限邊界尚未有成熟解決方案。

極客公園：長期看是權限問題，短期最現實的問題是機器運行速度極快，人無法實時接管。

郭亞楠：我們在數據管理上的思路和行業不同：當下行業為了安全，普遍限制大模型的能力，增加諸多約束，讓模型在沙盒中運行，和真實場景脫節。

我們的邏輯是：不限制大模型的原生能力，保留人最終的恢復權限——刪除、修改數據后，人可在存儲層完成數據復原，而非在 OS 層操作。

設備存儲具備硬件級隔離，硬盤拆卸后無法在其他設備讀取，這也是階段性方案，未來仍會迭代。

此外，支付、BOT 之間的通信邏輯也會發生巨大變化。傳統互聯網的 HTTPS 握手機制，未來可能不再適用，新的通信方式仍在探索中。

但核心始終是 Context，所有能力都依托 Context 存在。Context 只服務兩類主體：用戶與 BOT，完成人與 BOT 的對齊即可。

用戶規模、BOT 規模、Context 體量足夠大，它就成為新一代 OS。未來或許不再叫 OS，因為它不再是傳統意義上的系統，形態會更簡潔直接。

極客公園：OS 這個詞就像 NAS，代表上一代的功能定義，如今使命已經改變。新一代 OS 的核心使命變了，再叫 OS 或許不再合適，「環境」是更通用的定義。

郭亞楠：我們當時對這件事的判斷是，一定要做一款個人數據設備，本質是把數據主權交還給用戶。 道理很簡單：我今天用 OpenAI 的模型，哪天 Claude 表現更好，我就可以直接替換掉 OpenAI。但如果我的所有數據與使用習慣都綁定在 OpenAI 上，就無法自由遷移，平臺體驗好壞對我而言都是遷移成本。

極客公園：所以不如自己擁有一個完全忠于用戶的載體，這一點很重要。

郭亞楠：去年還有很多人問，為什么要做端側而非純云端？今年這類疑問已經很少了。在我看來，端側與云端并不沖突，二者解決的是不同問題。

公共信息放在云端，個人信息則需要專屬載體，實現可復制、可進化。

張鳴晨：為什么說不是 OS，也不是 NAS，需要一個新名詞？因為這件事比 OS 和 NAS 都要大。

你看，它叫 operating system，「operating」意味著它是線性的，線性意味著可復制，但無法進化。但真正有意義的事，是整個地球進化史上「可復制且可進化」的信息載體，這經歷了三次。

第一次是 DNA 和 RNA 的出現，有了生命，可復制、可進化，進化論由此展開。

第二次是語言的出現。三千年前人類有了語言，相當于把全世界的信息做了一次編碼，語言可以復制——我們把信息通過語言簡述給下一代，他可以基于自己的經驗再往上加新東西，文明由此進入 2.0。

第三次就是現在。我們讓機器上的信息不僅可以復制，而且能夠進化。Agent 可以越來越聰明，大模型可以持續學習，這就是第三次信息載體的變化，其影響可能比語言還要大十倍。放在幾十億年的維度里看，這是第三次重大迭代。

所以一定要有一個新的 term、新的定義，把你這件事定義好。名正則言順，定義好了你就知道該怎么做。去年聊了很多 Agent Computer 什么的，就是這個邏輯。

就像 Google 給自己的定義是「你的第二大腦」，我覺得有一定道理。信息載體到了今天，公共信息在云端，而個人信息——可復制、可進化的——就需要 Agent Computer 這樣的東西來承載。

極客公園：新的個人計算架構，從來不是非端即云，而是端云協同。

郭亞楠：沒錯，很多時候選擇端云并非單純看功能差異，更多是出于人性層面的考量。

極客公園：未來個人計算的核心是智能體，設備是個人專屬，但使用者是智能體，需要為其搭建合理的新架構。它最終不會完全替代手機，手機會被矮化為終端設備，真正的個人計算中心會遷移到家庭端側設備。

郭亞楠：我們的產品核心是開箱即用，讓用戶第一眼就明白用途，無需復雜學習，只需要考慮價格即可。

05

開箱即用的「活龍蝦」，

讓小白、專業人士都覺得是「天選設備」

極客公園：你應該已經確定了核心賣點，能讓用戶眼前一亮、直接下單的關鍵點是什么？

郭亞楠：很簡單，現在很多用戶裝了二三十臺 NAS，搶不到 Mac mini，買到也不會配置，API 密鑰、環境部署等操作門檻極高，希望有打包好的成品，不用操心技術細節，直接付費使用。

我們的產品就是解決這個痛點：云端龍蝦做不到的事它能實現，替代 Mac mini 與 NAS，無需排隊、無需復雜配置，開箱就能用。

極客公園：對普通用戶，賣點很明確：開箱就是「活龍蝦」，可自由選擇模型，預置 Skills，降低使用門檻；對于專業用戶，有沒有生態合作的規劃？這部分用戶有很強的創造力與影響力，如何讓他們參與共創？

郭亞楠：我們的核心是做運行時（Runtime）。

大模型具備公域數據能力，而專業技能（Skill）潛力巨大——人類發展中，工廠作業需要標準作業流程（SOP），節省能源、資源與 Token，這類垂直領域的經驗沉淀，就是未來的專業技能。

我們只做基礎通用能力，專業技能需要生態伙伴共建，比如網站搭建、深度研究、視頻剪輯等場景化功能，都需要第三方團隊參與。我們非常歡迎技能開發、應用開發團隊合作。

爭取讓專業用戶覺得這是「天選設備」，而非僅面向小白，讓兩類用戶都能找到適配的使用方式。

張鳴晨：需要思考怎么把 ClawHub 上面這些 popular skill 更好地撬動起來。龍蝦有一半的價值就在 skill 上，用戶已經把最好的場景、最好的選項都選出來了。端側應該做一個無縫的遷移。 除了公域 skill，端側平臺還會有一些私域獨特的場景，對應獨特的 skill，所以其實你有機會做出自己的 skill 品牌。

另外，一些頭部玩家、大牛，他們在用你的產品時自己貢獻 skill，你就可以把他們融入到平臺上，再傳播給其他用戶。

*頭圖來源：Zettlab

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你期待怎樣的「龍蝦」專屬設備？