[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-context-is-the-new-os-zettlab-agent-computer-zh":3,"tags-context-is-the-new-os-zettlab-agent-computer-zh":33,"related-lang-context-is-the-new-os-zettlab-agent-computer-zh":48,"related-posts-context-is-the-new-os-zettlab-agent-computer-zh":52,"series-tools-a0be9323-00a7-43d8-b06c-340bd4b66cc6":89},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":21,"translated_content":10,"views":22,"is_premium":23,"created_at":24,"updated_at":24,"cover_image":11,"published_at":25,"rewrite_status":26,"rewrite_error":10,"rewritten_from_id":27,"slug":28,"category":29,"related_article_id":30,"status":31,"google_indexed_at":32,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":23},"a0be9323-00a7-43d8-b06c-340bd4b66cc6","Context 才是新 OS：Zettlab Agent …","\u003Cp>2023 年那波 \u003Ca href=\"\u002Fnews\u002Ffeishu-open-source-cli-ai-agent-office-zh\">AI\u003C\u002Fa> 熱潮，真的快到誇張。郭亚楠乾脆離職創業，從 \u003Ca href=\"https:\u002F\u002Fwww.dji.com\" target=\"_blank\" rel=\"noopener\">DJI\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.narwal.com\" target=\"_blank\" rel=\"noopener\">Narwal\u003C\u002Fa> 的硬體經驗，跳進 \u003Ca href=\"https:\u002F\u002Fzettlab.com\" target=\"_blank\" rel=\"noopener\">Zettlab\u003C\u002Fa>。他現在押注的，不是筆電，也不是傳統 NAS，而是一台 \u003Cstrong>\u003Ca href=\"\u002Fnews\u002Fagent-harness-ai-engineering-2026-zh\">Agen\u003C\u002Fa>t Computer\u003C\u002Fstrong>。\u003C\u002Fp>\u003Cp>這個說法一開始像行銷話術。講白了，核心其實很硬。Zettlab 想做的，是把你的私有資料整理成 c\u003Ca href=\"\u002Fnews\u002Famazon-ads-mcp-server-open-beta-zh\">on\u003C\u002Fa>text，讓 AI agent 直接拿來工作。重點不是算力多猛，而是資料能不能真的被用起來。\u003C\u002Fp>\u003Cp>說得更白一點。未來值錢的，不只是硬碟空間。是你的照片、影片、文件、聊天紀錄，能不能變成 AI 可以讀懂的上下文。這就是 Zettlab 現在想卡的位置。\u003C\u002Fp>\u003Ch2>從 AI NAS 走到 Agent Computer\u003C\u002Fh2>\u003Cp>Zettlab 一開始先做 AI NAS。這條路很務實。先把資料索引、搜尋、整理做出來，才能證明本地資料真的能被 AI 用。公司早期產品也拿到群眾募資支持，算是先把市場摸了一輪。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775057899090-hh86.png\" alt=\"Context 才是新 OS：Zettlab Agent …\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>但郭亚楠的想法，明顯不只是在賣儲存設備。傳統 NAS 的任務很單純，就是存檔、備份、分享。Zettlab 想做的更像一個資料中樞。它不是只放檔案，而是讓檔案變成 agent 可用的上下文。\u003C\u002Fp>\u003Cp>這個差別很大。因為一旦你把資料當 context，產品設計就會整個翻過來。你要考慮索引、權限、語意搜尋、影片切片、語音轉文字，還有多模態資料怎麼串起來。這些都不是傳統 NAS 的主戰場。\u003C\u002Fp>\u003Cp>郭亚楠的背景也很有意思。他在 DJI 看過硬體、晶片、製造、軟體怎麼一起影響產品結果。在 Narwal，他更靠近採購、量產、人力和產品規劃。這種經驗很適合做硬體創業，因為你會知道哪裡能省，哪裡不能亂省。\u003C\u002Fp>\u003Cul>\u003Cli>Zettlab 表示，第一代產品可在幾秒內索引與檢索最多 1000 萬支影片。\u003C\u002Fli>\u003Cli>公司方向從重儲存，轉向更重的本地運算。\u003C\u002Fli>\u003Cli>下一代產品預計在幾個月內推出。\u003C\u002Fli>\u003Cli>目標用戶也從創作者，擴大到一般個人資料使用者。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這裡還有一個背景很重要。人類產生資料的方式，正在改變。以前是文字為主，後來是圖片，現在影片變成日常內容的主力。接下來呢？更混合的多模態資料會越來越多，文件、語音、照片、影片全都混在一起。\u003C\u002Fp>\u003Cp>所以 Zettlab 才會把產品從「AI NAS」改叫「Agent Computer」。前者像一台更聰明的儲存箱。後者比較像一個新的個人運算單元。主角不再只是人，還有幫你做事的 bot。\u003C\u002Fp>\u003Ch2>為什麼 context 比儲存更重要\u003C\u002Fh2>\u003Cp>我覺得 Zettlab 最有說服力的地方，不是它講了多酷的名詞，而是它抓到一個老問題。只有儲存，不夠。你有檔案，但 AI 看不懂，還是沒用。資料如果不能變成 context，就只是躺在那裡而已。\u003C\u002Fp>\u003Cp>郭亚楠的說法很直接。真正有價值的，不是把資料放好而已，而是把資料準備好，讓 AI 可以拿來用。這裡面包含檢索、結構化、記憶、權限管理。換句話說，儲存層正在變成 context 層。\u003C\u002Fp>\u003Cp>這也是為什麼本地處理變重要。影片、圖片、音訊、文件，這些資料常常很私密，也很肥。你不可能每次都丟雲端。尤其是幾 GB 的影片，光上傳就很煩。先在本地做整理，再把需要的內容送出去，效率高很多。\u003C\u002Fp>\u003Cblockquote>“I firmly believe personal data has infinite value, and data ownership should be controlled by users themselves.” — 郭亚楠\u003C\u002Fblockquote>\u003Cp>這句話很直白，也很符合現在的 AI 焦慮。大家不是不想用 AI，是怕資料被拿走。尤其是個人照片、家庭影片、工作文件，這些東西一旦進雲端，控制權就沒那麼單純了。\u003C\u002Fp>\u003Cp>另外，像 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Flangchain\" target=\"_blank\" rel=\"noopener\">LangChain\u003C\u002Fa> 這類工具的流行，也把問題講得更清楚。agent 好不好用，常常不是看模型有多聰明，而是看它拿到的 context 有沒有夠準、夠新、夠完整。資料一亂，模型再強也會翻車。\u003C\u002Fp>\u003Cul>\u003Cli>Zettlab 表示，影片庫中的畫面可在 2 到 3 秒內找到目標片段。\u003C\u002Fli>\u003Cli>系統支援 9 種語言的檢索流程。\u003C\u002Fli>\u003Cli>它的設計方向偏向輕儲存、重運算。\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-deep-research\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI Deep Research\u003C\u002Fa> 這類工具，也證明 context 是 agent 表現的核心。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>和現在的 AI 硬體比一比\u003C\u002Fh2>\u003Cp>Zettlab 的想法，要放進現在的 AI 硬體市場看，才會比較清楚。現在很多產品都想把模型塞進本地裝置。聽起來很猛，但實際上不一定是對的分工。郭亚楠的路線是，本地裝置負責資料前處理、整理、保護，重推理和任務規劃可以跟雲端合作。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775057917041-oe6s.png\" alt=\"Context 才是新 OS：Zettlab Agent …\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種分工其實很務實。手機拍完影片，很多人第一反應是丟雲端。可是一部 4K 影片動輒幾 GB，傳輸本身就很慢。若本地設備先做索引、摘要、切片，後面要給模型用的資訊就會少很多。\u003C\u002Fp>\u003Cp>這也讓 Zettlab 跟一般 AI PC 或 AI NAS 拉開差距。AI PC 常常主打跑 demo，NAS 則只強調容量。Zettlab 想做的是中間那塊：把私有資料變成 agent memory，讓它能被反覆使用。\u003C\u002Fp>\u003Cul>\u003Cli>傳統 NAS 重點是容量與檔案存取。\u003C\u002Fli>\u003Cli>多數 AI PC 重點是本地模型展示。\u003C\u002Fli>\u003Cli>Zettlab 重點是私有資料處理與 agent 記憶。\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Fchatgpt\" target=\"_blank\" rel=\"noopener\">ChatGPT\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fclaude.ai\" target=\"_blank\" rel=\"noopener\">Claude\u003C\u002Fa> 這類雲端工具，仍然很吃外部 context。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你把商業模式也一起看，這條路更有意思。模型可以換，今天用 GPT，明天用 Claude，後天換別家。可是資料層、權限層、工作流記憶，沒那麼容易搬。也就是說，真正難複製的，可能不是模型，而是資料環境。\u003C\u002Fp>\u003Cp>這點很像軟體世界常見的老問題。大家都在比功能，但最後黏住使用者的，常常是資料和流程。Zettlab 如果真能把這層做穩，它就不是在賣硬體而已，而是在賣一個個人資料運算環境。\u003C\u002Fp>\u003Ch2>這個產業脈絡，現在剛好對上\u003C\u002Fh2>\u003Cp>為什麼這個題目最近會冒出來？因為大家已經開始感受到，單靠雲端 AI 會卡。你有模型，但沒有資料權限。你有 API，但沒有本地 context。你有聊天機器人，但它不懂你那堆私人影片和文件。\u003C\u002Fp>\u003Cp>這也是為什麼很多人現在開始談本地 AI、私有化部署、資料主權。不是大家突然變保守，而是成本、隱私、延遲這三件事，真的會逼人重新想架構。尤其是個人資料，很多東西根本不適合一直上傳。\u003C\u002Fp>\u003Cp>從產業角度看，這條路也有點像手機演進。早期大家比的是硬體規格。後來比的是 App 生態。現在 AI 時代，可能會比誰能把 context 管好。這不是口號，是很現實的產品問題。\u003C\u002Fp>\u003Cp>如果你看整個市場，還沒有一個大家都認可的「個人 AI 資料層」標準。這代表空間還在。也代表很多產品現在都還在亂試。Zettlab 只是比較早把方向講清楚而已。\u003C\u002Fp>\u003Cp>而且這件事不只跟創作者有關。工程師、研究員、影音工作者、家庭使用者，都會碰到同樣問題。資料越多，越需要一台懂 context 的設備。這就是 Agent Computer 的切入點。\u003C\u002Fp>\u003Ch2>結尾：這個類別能不能站住腳\u003C\u002Fh2>\u003Cp>我覺得接下來 12 到 18 個月很重要。Zettlab 如果真的能把本地資料整理、agent 記憶、權限控制做順，這個類別就有機會被市場記住。反過來說，如果體驗還是很卡，大家大概還是只會把它叫 NAS。\u003C\u002Fp>\u003Cp>真正的問題不是「AI 能不能跑在本地」。而是「你的資料，能不能變成 AI 真正會用的 context」。這題如果解得夠好，硬體就不只是硬體了。它會變成你個人資料工作的底層。\u003C\u002Fp>\u003Cp>所以，與其問 AI 還能多聰明，不如先問：你的資料準備好了嗎？如果答案還沒有，那 Zettlab 這種產品，可能就不是在賣盒子，而是在賣一種新的工作方式。\u003C\u002Fp>","Zettlab 把重點放在個人資料與 context。它想做的不是傳統 NAS，而是一台讓 AI agent 直接用你私有資料工作的 Agent Computer。","zhuanlan.zhihu.com","https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F2020904010652066971",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775057899090-hh86.png",[13,14,15,16,17,18,19,20],"Zettlab","Agent Computer","AI NAS","context","個人資料","本地 AI","NAS","AI 硬體","zh",1,false,"2026-04-01T10:18:37.520669+00:00","2026-04-01T10:18:37.379+00:00","done","40876f53-2aa1-457d-9f6b-4ded91f1452a","context-is-the-new-os-zettlab-agent-computer-zh","tools","101dbcf7-9cf0-42a0-bc44-c3c520245703","published","2026-04-09T09:00:53.917+00:00",[34,35,37,39,41,43,45,47],{"name":16,"slug":16},{"name":19,"slug":36},"nas",{"name":13,"slug":38},"zettlab",{"name":15,"slug":40},"ai-nas",{"name":20,"slug":42},"ai-硬體",{"name":14,"slug":44},"agent-computer",{"name":18,"slug":46},"本地-ai",{"name":17,"slug":17},{"id":30,"slug":49,"title":50,"language":51},"context-is-the-new-os-zettlab-agent-computer-en","Context Is the New OS: Zettlab's Agent Computer","en",[53,59,65,71,77,83],{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":29},"68e4be16-dc38-4524-a6ea-5ebe22a6c4fb","why-vidhub-huiyuan-hutong-bushi-quan-shebei-tongyong-zh","為什麼 VidHub 會員互通不是「買一次全設備通用」","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778789450987-advz.png","2026-05-14T20:10:24.048988+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":29},"7a1e174f-746b-4e82-a0e3-b2475ab39747","why-buns-zig-to-rust-experiment-is-right-zh","為什麼 Bun 的 Zig-to-Rust 實驗是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778767879127-5dna.png","2026-05-14T14:10:26.886397+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":29},"e742fc73-5a65-4db3-ad17-88c99262ceb7","why-openai-api-pricing-is-product-strategy-zh","為什麼 OpenAI API 定價是產品策略，不是註腳","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778749859485-chvz.png","2026-05-14T09:10:26.003818+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":29},"c757c5d8-eda9-45dc-9020-4b002f4d6237","why-claude-code-prompt-design-beats-ide-copilots-zh","為什麼 Claude Code 的提示設計贏過 IDE Copilot","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778742645084-dao9.png","2026-05-14T07:10:29.371901+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":29},"4adef3ab-9f07-4970-91cf-77b8b581b348","why-databricks-model-serving-is-right-default-zh","為什麼 Databricks Model Serving 是生產推論的正確預設","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778692245329-a2wt.png","2026-05-13T17:10:30.659153+00:00",{"id":84,"slug":85,"title":86,"cover_image":87,"image_url":87,"created_at":88,"category":29},"b3305057-451d-48e4-9fb9-69215f7effad","why-ibm-bob-right-kind-ai-coding-assistant-zh","為什麼 IBM 的 Bob 才是對的 AI 寫碼助手","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778664653510-64hc.png","2026-05-13T09:30:21.881547+00:00",[90,95,100,105,110,115,120,125,130,135],{"id":91,"slug":92,"title":93,"created_at":94},"de769291-4574-4c46-a76d-772bd99e6ec9","googles-biggest-gemini-launches-in-2026-zh","Google 2026 最大 Gemini 盤點","2026-03-26T07:26:39.21072+00:00",{"id":96,"slug":97,"title":98,"created_at":99},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":101,"slug":102,"title":103,"created_at":104},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":106,"slug":107,"title":108,"created_at":109},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":111,"slug":112,"title":113,"created_at":114},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":116,"slug":117,"title":118,"created_at":119},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":121,"slug":122,"title":123,"created_at":124},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":126,"slug":127,"title":128,"created_at":129},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":131,"slug":132,"title":133,"created_at":134},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":136,"slug":137,"title":138,"created_at":139},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00"]