方案｜在 Intel 双 Arc B580 上使用 vLLM v0.19.1 + FP8 驱动 Gemma-4-E4B-it 为 OpenClaw 提供本地 Token 服务实战
近年来，本地大模型部署越来越受到重视，尤其是希望保护隐私、降低延迟并实现真正自主 Agent 的用户。Gemma-4-E4B-it 作为 Google 推出的高效 4B 参数模型，在 tool calling、指令遵循和多轮对话方面表现优秀，非常适合作为 OpenClaw 这类开源 AI Agent 的后端大脑。
博客
方案｜2026 养虾最强平民方案！Dual Arc B580 + vLLM 跑通 Qwen3-14B，OpenClaw 本地部署完整教程
2026 年 3 月，AI 圈最火的黑话不再是“Prompt”，而是“养虾”。
每天打开朋友圈、X（Twitter）、知乎、V2EX，你都会刷到有人在炫耀：“我的虾今天又帮我写完了一周的周报”“我的虾凌晨 3 点自动刷完了行业资讯，还给我整理成 Notion 表格”“养了三只虾同时干活，爽到飞起”……
“养虾”，其实就是用 OpenClaw 这个爆火的开源 AI Agent 框架，在本地或服务器上部署一个（或一群）自主工作的智能体。它能调用工具、读写文件、多轮规划、长期记忆，甚至跨应用帮你完成复杂任务。和单纯聊天的大模型不同，养虾 追求的是真正的“数字劳动力”——24 小时不睡觉、永不摸鱼、零 token 焦虑。
但问题来了：想把虾养得又大又壮，你需要一个足够强、足够便宜、又足够本地的推理后端。
云端 API？动辄几毛钱一次，养几天就心疼；大厂闭源模型？隐私泄露风险高，还随时可能限流。NVIDIA 高端卡？两张能跑 14B 模型的卡轻松上万，普通开发者看了直摇头。
于是，越来越多平民玩家把目光投向了 Intel Arc B580。
单张 B580 仅 12GB GDDR6 显存，双卡组成 Dual Arc B580 就能提供约 24GB 有效 VRAM，总成本通常只需 4000-5500 元左右（视渠道而定）。配合 vLLM 在 Intel XPU 上的优秀支持，以及阿里最新开源的 Qwen3-14B 模型，这套组合突然成了 2026 年最强“平民养虾方案”之一。
我花了整整两周时间，从硬件组装、驱动安装、vLLM XPU 编译部署，到 OpenClaw 完整集成，一步步踩坑、调优，最终让两张 B580 稳定驱动 Qwen3-14B，为 OpenClaw 提供高吞吐的本地推理后端。
这篇文章就是我整个过程的完整复盘：从零开始，到让你的虾真正“活”过来。全程干货、可复现，附带所有关键命令、参数优化建议和真实性能数据。
无论你是想省钱跑 Agent、追求数据隐私，还是单纯想在养虾大军里用性价比方案卷赢别人，这套 Dual Arc B580 + vLLM + Qwen3-14B + OpenClaw 方案，都值得你认真看完。
准备好你的机器，我们一起把龙虾养肥吧！
新闻｜EdgeX Foundry Odesa 4.0.1 发布：夯实 LTS 工业级基石
EdgeX Foundry 社区很高兴宣布 Odesa 4.0.1 正式发布！这是针对 EdgeX 4.0 "Odesa" 长期支持（LTS）版本的首个维护更新。
作为全球领先的开源边缘计算框架，EdgeX Foundry 始终致力于为开发者和企业提供一个中立、灵活且可互操作的边缘平台。Odesa 4.0.1 的发布，标志着我们在兑现 LTS "稳定承诺" 的道路上迈出了重要一步，为工业物联网（IIoT）部署提供了更加坚固的基础。
喜报｜星光璀璨，实力加冕！上海亿琪软件有限公司斩获昇腾AI创新大赛2025上海区域赛企业赛道铜奖
【上海，2025年11月】
备受瞩目的 昇腾 AI 创新大赛 2025 上海区域赛 近日圆满落下帷幕。本次大赛汇聚了华东地区顶尖的 AI 创新力量，经过激烈的角逐和严格评审，上海亿琪软件有限公司（NereidAI） 凭借其出色的技术实力和创新的解决方案，在众多优秀企业中脱颖而出，一举荣获 企业赛道铜奖。
生产运维黑科技：零成本搭建 Devpi 私有 Pypi 镜像服务，PyTorch XPU 加速全攻略
想象一下：团队正在部署一个 PyTorch XPU 项目，兴冲冲地运行 pip install torch --index-url https://download.pytorch.org/whl/xpu，结果却卡在下载，进度条慢得让人抓狂。几小时后，安装终于完成，但第二天另一个同事重复同样流程，又是漫长等待。更糟的是，内网带宽有限，频繁从外网（如 https://download.pytorch.org/whl/xpu）拉取大体积 XPU 包，简直是效率杀手。你是否也遇到过这种“依赖地狱”？这正是我们今天要解决的痛点！