去年，Manus 已经在云端给 Agent 提供执行环境；今年二月 OpenClaw 爆火时，云厂商也在帮用户把它部署到云端。到了最近一两周，云端 Agent 又成了新终局。
AI 行业很擅长重新发现已经存在的东西。
麻烦在于，这一次它可能真的发现对了。
本地那一波为什么更吸引我
OpenClaw 那一波，本地部署看起来更极客，也更牛逼。
一个 Agent 长期运行在自己的机器上，持续积累记忆和知识库。用户掌握机器，也更容易掌握 Agent 留下来的东西。这才是本地方案真正打动我的地方。
OpenClaw 目前仍然把状态保存在用户自己的机器上，也允许用户把它安装到云服务器或 VPS。本地和云端原本就是两种可选部署方式。
所以，如果今天只是把一个长期运行的 Agent 装进 VPS，再把它叫作云端 Agent，这件事确实不新。
把 OpenClaw 装进 VPS，只是给服务器换了一个更贵的名字。
变化发生在调度层
我后来重新考虑这个问题，是因为 OpenAI、Manus、Cloudflare 都在往同一个方向做。
最近这次讨论的直接触发点，是 OpenAI 的 Codex 负责人 Thibault Tibo Sottiaux 在 X 上发布 ChatGPT Work 配图。他提到，手机上已经有一个能替用户做事、按需持续工作一整天的产品。这个表述可以在 Tibo 的 X 原帖 中看到。
Cloudflare 也已经进入实际产品阶段。它在 Long-running agents 中提供长期运行和持久状态，Sandboxes 则提供隔离的云端执行环境。Manus 从一开始就给任务提供云端 Sandbox，后来又推出持续在线的 Cloud Computer。
几家公司都在投入，这个方向很可能就是对的。它们掌握的使用数据、工程约束和用户需求比公开讨论更多，背后肯定有更有力的判断。
我现在认可的方向，可以说得更准确一点：Agent 成为一个独立的 control plane，按任务动态调度本地和云端 execution environments，同时可以横向扩展 worker。
任务需要本地文件和软件时，control plane 调用本地机器。任务需要持续运行、隔离环境或更多并行单元时，它调用云端 Sandbox，并继续增加 worker。执行环境完成任务后可以停止，Agent 保留任务和调度关系。
旧的云端部署更像一对一替换：Agent 从本地机器搬到云服务器，仍然跟某一台机器绑在一起。独立 control plane 先接收任务，再决定需要什么环境。它的规模不再等于一台机器的规模。
Tibo 那张手机配图也因此更容易理解。用户在手机上发出任务和查看结果，实际工作由 control plane 分配给后面的执行环境。用户离开当前设备，任务仍然可以继续。
这个方向已经受到认可，也更接近现在几家公司正在做的事情。
云端拿走规模，掌控问题还在
这样看，我最初的割裂感来自两个问题混在了一起。
OpenClaw 本地常驻那一波，解决的是用户对长期 Agent 的掌控感。现在这一波云端 Agent，推进的是执行环境的调度和 worker 的规模。它们可以同时成立。
Agent 可以成为独立控制平面，从本地和云端调用执行环境。云端算力可以扩展，worker 可以增加，任务可以持续运行。同时，Agent 长期积累的记忆、知识库和数字资产，需要给用户更好的掌控权。
执行环境可以增加，也可以被替换。长期积累不该在调度过程中变得更难掌控。Agent 用得越久，这个问题就越重要。
所以本地那一波没有走错。它让大家看见，一个长期存在的 Agent 会积累属于用户的东西。现在的云端方向也没有回到去年的原点。它继续解决调度、并行和规模。
云端拿走计算规模，本地留下的掌控问题还在。
Agent 可以调用任何机器。长期记忆、知识库和数字资产，仍然要给用户更好的掌控权。