小艺 Claw 接入盘古 2.0 Pro，鸿蒙系统级 Agent 提速
华为今天给小艺 Claw 换上了刚开源不久的盘古 2.0 Pro，主打鸿蒙系统级任务的执行效率。505B 总参数、18B 激活、512K 上下文，配合昇腾算力做了深度适配，这一步棋更像是把"系统级 AI"这件事真正落到了端侧 Agent 上。
今天博主 @Adak封狼居胥 爆出来一条消息：华为小艺 Claw 已经接入了开源盘古 openPangu 2.0 Pro，重点提升的是鸿蒙系统级任务执行能力。距离 6 月 12 日 HDC 2026 上余承东正式发布 openPangu 2.0，前后才五天。华为这次的节奏，比想象中快不少。
说实话，"系统级 AI 助手"这个概念喊了快两年了，从 Apple Intelligence 到谷歌 Gemini on Android，再到 OPPO 小布、vivo 蓝心，几乎每家都在卷。但真正让人觉得"这玩意儿确实能干活"的，目前只有少数几家。小艺 Claw 这次换底座，是华为押注系统级 Agent 路线的一次关键升级。
一、先说清楚：盘古 2.0 Pro 到底是什么
回顾下 HDC 2026 上公布的信息。openPangu 2.0 走的是 MoE 路线，两个版本：
- Pro 版：总参数 505B，激活参数 18B
- Flash 版：总参数 92B，激活参数 6B
两个版本都有 512K 上下文窗口。这个数字本身不算特别炸裂——Kimi、MiniMax 早就把上下文卷到了百万级——但放到端侧+系统级 Agent 的场景下，512K 其实非常够用，长上下文真正的瓶颈从来都不是数字本身，而是推理成本和实际有效注意力。
更关键的是参数选择。Pro 版 505B 总参、18B 激活，这个比例（约 3.5%）和 DeepSeek-V3、Kimi K2 那一档开源 MoE 模型的思路接近。激活量压到 18B，意味着在昇腾上跑推理时，单卡显存占用和 KV Cache 都能控制在一个相对友好的范围。华为官方给的说法是"单卡吞吐率可达其他业界主流开源模型的 2 倍"，这话当然有自卖自夸的成分，但考虑到盘古从训练到推理整条链路都跑在昇腾上、做过深度图算融合优化，2 倍这个数量级在特定场景下并非夸张。
二、小艺 Claw 为什么需要换底座
这事得从 Claw 是个什么东西讲起。
小艺 Claw 不是聊天机器人，它是华为在今年初推出的智能体（Agent）形态。从 3 月份首发开始，它就被定位成"鸿蒙版龙虾"——对标的是 Manus、智谱 AutoClaw 这类自主任务执行 Agent。和传统语音助手最大的区别是：它不是回答你问题，而是替你干活。处理文档、写 PPT、回复邮件、整理文件、调度多设备协同，这些活儿都得真正"做完"才算数。
而 Agent 这个形态对底座模型的要求和 Chatbot 完全不一样：
- 长程规划能力：一个稍微复杂点的任务，比如"把这周邮件里所有发票整理到 Excel 然后发给财务"，背后就是十几步甚至几十步的工具调用、状态维护、异常处理。
- 工具使用稳定性：Function calling 不能掉链子。掉一次，整个任务链就崩了。
- 指令遵循的颗粒度：用户说"帮我修一下这张图把背景去掉但保留人物的反光"，模型得能精确拆解。
- 上下文持续追踪：跨 App、跨设备、跨时间窗口的状态都要保持。
之前的小艺，根据爱范儿《AI 器物志》在五月底的实测，问题就出在第四点上——"在 Mate XTs 上，小艺经常会出现丢失上下文的问题，回答也变得不知所云"。这种问题用补丁打不掉，得换底座。
盘古 2.0 Pro 在这几个点上是有针对性优化的。华为官方原话是"更适配鸿蒙，Agent 任务更快更准更省"——这话翻译过来就是：他们大概率在后训练阶段灌了海量的鸿蒙系统调用语料、Agent 轨迹数据。这种端到端的协同优化，是第三方模型给不了的。
三、"系统级"到底意味着什么
这里需要展开讲讲，因为这是小艺 Claw 区别于市面上其他 Agent 的核心。
大部分手机 AI 助手——包括 Gemini in Android 在内——本质上还是"应用级"的。它们通过 Accessibility 服务、屏幕 OCR、模拟点击来操作其他 App。这种方式的问题是：慢、不稳定、还容易被反作弊机制拦截。爱范儿那篇评测里也提到，鸿蒙 6.1 里小艺帮帮忙在原生鸿蒙 App 上已经能"将执行过程隐藏到后台"，这就是系统级权限带来的优势。
小艺 Claw 加上盘古 2.0 Pro 之后，理论上能做几件之前做不利索的事：
- 跨设备状态同步：手机看到一半的文档，在平板上接着改，AI 知道上下文。
- 后台批处理：你说一句"把这个月所有出差报销整理出来"，它能在你刷视频的时候默默把活干完。
- 多 App 链式调用：从邮箱抓附件，到云盘存档，到日历建提醒，到飞书发通知，一条龙。
- 个人化记忆：基于本地数据持续学习用户偏好，这个之前在鸿蒙智家发布会上华为也强调过——小艺 Claw 可以"记忆用户生活/场景习惯"。
这套打法的核心逻辑是：模型层、系统层、硬件层是同一家公司做的。这种垂直整合在 PC、手机历史上反复证明过其威力——苹果就是靠这个赢的。华为现在试图在 AI Agent 这条新赛道上复刻这个剧本。
四、和竞品对比，华为的位置在哪
横向看一下，目前国内手机 AI Agent 这个细分赛道，主要玩家有几个：
- OPPO 小布：底座用的是自家 AndesGPT 加上接入的多个大模型，路线偏稳。
- vivo 蓝心：自研蓝心大模型，端侧推理体验不错，但 Agent 化进度一般。
- 小米超级小爱：今年发布会重点项目，但实际可用性还在追赶。
- 荣耀 YOYO：玩 Agent 比较早，意图理解强，但底座模型规模偏小。
- 三星 Galaxy AI：高度依赖 Google Gemini，国内不能用。
华为这套组合拳的差异化在于：它是唯一一个把开源大模型 + 自研系统 + 自研芯片三件套全部攥在手里的玩家。盘古开源出来之后，社区还能反过来贡献改进，这是其他几家短期内做不到的。
不过坦白说，盘古 2.0 在通用能力的榜单上，目前还没看到能压过 Qwen3、DeepSeek-V3.5、Kimi K2.5 这一档的硬数据。华为这次明显是策略性地放弃了"打榜竞争"，转而押注"系统场景胜出"。这是聪明的选择——通用基座那张牌，阿里、月之暗面、DeepSeek 已经打得太狠了。
五、开源策略：6 月 30 日陆续放出 7 大组件
值得单独说一下开源这件事。
华为官方公告里讲了，openPangu 2.0 计划从 6 月 30 日起陆续开源 7 大组件，包括：
- 预训练代码（新增开源）
- 后训练代码（新增开源）
- 训练算子（新增开源）
- 模型权重
- 推理框架适配
- ……
后两个"新增开源"很有意思——把预训练和后训练的完整代码、训练算子放出来，这个开放程度对标的是 Llama 早期，比现在大部分国内开源模型只放权重的做法激进得多。算子层级的开放尤其重要，意味着外部开发者可以理解昇腾上的真实优化逻辑，对昇腾生态建设是真金白银的投入。
这一手其实和 HDC 2026 上王怀民院士提的"群智范式"是呼应的——既要"群智激发"，也要"群智汇聚"。把训练代码开出来就是激发，把模型用到小艺 Claw、鸿蒙智家上就是汇聚。
六、对开发者意味着什么
讲点实际的。如果你是鸿蒙生态开发者，这次更新有几件事值得关注：
- Agent 能力下放：小艺开放平台之前提供了 LLM 模式、工作流模式、A2A 模式三种开发方式。盘古 2.0 Pro 接入后，A2A（Agent to Agent）模式下，三方智能体能蹭到的底座能力会强不少，对接外部 Agent 的稳定性应该有明显改善。
- 长上下文场景可以放手做：512K 上下文意味着可以把整个 App 的状态、用户的几天历史塞进去做决策。之前受限于 32K/128K，很多设计被迫切片。
- 昇腾部署成本可能下降：如果你已经在用昇腾跑推理服务，单卡吞吐 2 倍的提升直接转化成成本优势。
- 本地部署机会：92B 的 Flash 版（6B 激活）有可能塞进高端鸿蒙 PC 做本地推理，类似苹果 M 系芯片跑 LLM 的逻辑。
如果你不在鸿蒙生态里，但想体验一下盘古 2.0 系列、横向对比和其他主流模型的差距，OpenAI Hub 已经在跟进盘古开源模型的适配，可以用一个 Key 在同一界面上拉 GPT、Claude、Gemini、DeepSeek、盘古一起对比——做模型选型评估的时候这种工具确实省事。
七、还有哪些问号
这事不能完全乐观地讲，有几个问题还要观察：
一、端侧能跑什么版本？ Pro 版 505B 总参数显然只能云端跑，小艺 Claw 在手机上调用的应该是云端 API+端侧小模型的混合方案。Flash 版的端侧落地路径，华为还没明确说。
二、Agent 任务的成功率到底多少？ 这是 Agent 类产品最难的指标。Manus 当年也是因为 demo 惊艳但实际成功率不稳定被诟病。小艺 Claw 接入新模型后，需要时间和大规模真实数据来验证。
三、隐私和安全。 系统级 Agent 权限太大，一旦出问题就是大事。之前小艺 Claw 拿了信通院首个终端厂商权威安全认证，这块是有准备的，但实战考验在后面。
四、生态扩张速度。 鸿蒙原生 App 数量虽然在长，但相比 Android/iOS 还是少一大截。Agent 能操作的 App 越多，价值才越大。
八、写在最后
小艺 Claw 接入盘古 2.0 Pro 这件事，单独看不算大新闻——一个产品换了模型底座而已。但放到华为整个 AI 战略图谱里看，信号挺清晰的：自研芯片（昇腾）+ 自研系统（鸿蒙）+ 自研开源大模型（盘古）+ 端侧 Agent（小艺 Claw）+ 智能家居（鸿蒙智家），这条全栈链路已经基本闭环。
2026 年的上半年，国内 AI 行业从"卷模型参数"明显转向了"卷场景落地"。能像华为这样把模型直接灌进操作系统、做到 Agent 级控制的玩家，本来就不多。这一步走得快不快、稳不稳，下半年应该就能看出来。
如果鸿蒙的装机量继续增长，盘古的开源策略持续推进——这套组合，搞不好真能在系统级 AI 这条赛道上跑出点不一样的东西来。
参考来源
- 华为小艺 Claw 接入开源盘古 2.0 Pro 模型，可重点提升鸿蒙系统级任务执行能力 - IT之家：本次小艺 Claw 接入盘古 2.0 Pro 的原始报道
- 新一代华为鸿蒙智家发布：升级"1+3+N"解决方案，AI 管家小艺 Claw 还能养猫 - IT之家：小艺 Claw 在鸿蒙智家场景的落地情况
