OpenClaw无疑是近期AI圈最热门的话题，任何细微的动向都能牵动全球AI厂商的神经。无数产品经理围绕着它比拼创意，整个行业都弥漫着一种兴奋与紧迫交织的气息。
嗅觉灵敏的中国厂商自然没有落后，他们看到的远不止OpenClaw这个产品本身，而是其背后所代表的、潜力巨大的AI Agent（智能体）市场。这个新兴市场对云服务器、模型API、本土化产品以及更低门槛的部署方案有着强烈需求。对于中国AI产业而言，在OpenClaw遭遇外部打压的时机，紧紧抓住这个机会，或许正是实现“弯道超车”的关键一步。
于是我们看到，腾讯云、阿里云迅速上线了一键部署服务，试图在AI淘金热中成为那个“卖铲子”的角色。月之暗面推出了云端版的Kimi Claw，MiniMax紧随其后发布MaxClaw，目的很明确：填补本土化、易用性更高的OpenClaw市场空缺。而智谱和字节虽然表面上没有激烈跟进，但实际上也在各自的Agent赛道上加速布局。OpenClaw的成功，无疑给了所有AI公司对Agent产品更强的信心。
01 从API供应商到SaaS服务商：月之暗面的云端OpenClaw
在OpenClaw出现之前，大模型的使用主要是“对话式”的，用户问一句，模型答一句，单次调用的Token消耗有限。但OpenClaw创造了全新的“模型消费场景”。
一个配置合理的OpenClaw，每天可能向模型发起数百次甚至上千次调用，每次调用还要携带完整的上下文信息。这意味着，单个OpenClaw用户产生的Token消耗，可能是传统聊天用户的几十倍甚至上百倍。
因此，OpenClaw迅速变成了OpenRouter等平台上的Token消耗大户。哪个模型能成功接入OpenClaw生态，就等于获得了一个需求呈指数级增长的管道。当OpenClaw用户选择底层模型时，他们看重的往往不再是模型的单项性能或知识储备，而是一个能否提供持续、稳定、高频服务的“供货商”。谁更耐用、谁更便宜，谁就更有可能在这场竞争中胜出。
月之暗面和MiniMax正是在OpenClaw掀起的浪潮中收获颇丰的代表。
先看月之暗面。2026年1月，其Kimi K2.5模型因其高性价比和强大的Agent能力，成为OpenRouter平台上OpenClaw调用量最高的模型。数据显示，Kimi K2.5的周Token使用量环比增长最高达261%，这些调用主要就来自OpenClaw。这得益于K2.5支持最多100个子Agent并行执行、1500次以上的工具调用，使其在Agent场景下表现突出。
于是，OpenClaw官方在后续版本中将Kimi K2.5设为“首个官方免费主力模型”，用户安装时可以直接选择MoonshotAI通道，甚至留空API Key继续使用。这种爆发式增长直接带来了商业回报。据报道，Kimi K2.5发布不到一个月，其近20天的累计收入已超过2025年全年总收入。这一阶段，月之暗面扮演的是“模型供应商”的角色，被动地提供API服务。
但Kimi团队很快转变了思路：与其被动提供API，不如主动降低用户使用门槛。一个月后，他们正式推出Kimi Claw。这是一个云端托管的OpenClaw服务。用户无需本地部署，直接在浏览器中就能使用完整的OpenClaw功能。
Kimi Claw大幅简化了流程。用户只需拥有Kimi Allegretto及以上会员，就能在网页端一键创建自己的“云端OpenClaw”，整个过程不超过1分钟。它内置了Kimi K2.5模型，自动关联用户的会员权益额度，用户无需配置API Key，也无需担心Token消耗导致账单失控。
在功能层面，Kimi Claw直接集成了ClawHub社区的5000多个技能库，用户可以在网页界面中一键启用天气查询、网页搜索等高频技能。这解决了原版OpenClaw需要命令行手动安装配置的痛点。此外，Kimi Claw提供了40GB的云存储空间，实现了多设备间的无缝切换和记忆同步，对于需要在不同场景工作的用户来说非常实用。这正是开源社区活力与产品化结合的典型案例。
02 极致性价比路线：MiniMax的MaxClaw
2026年2月25日，MiniMax推出了自己的MaxClaw，走的是与Kimi Claw类似但更激进的路线。
MaxClaw基于MiniMax M2.5模型。虽然这是一个总参数量约2300亿的大模型，但通过技术优化，其单次推理仅激活约100亿参数，这使得其API价格极具竞争力。M2.5在OpenRouter上的表现堪称“现象级”：发布后12小时内登顶热度榜，一周内登顶调用量榜首，周调用量暴涨至3.07万亿Token，一度超过了Kimi K2.5、GLM-5与DeepSeek V3.2三家的总和。
为什么M2.5能在短时间内实现如此惊人的增长？答案同样是OpenClaw。
MiniMax M2.5的核心策略是“极端性价比”。其定价低至：在每秒输出100个Token的情况下，连续工作一小时仅需1美元；每秒输出50个Token时，更是只需0.3美元。这意味着，运行一个7×24小时的OpenClaw实例，使用M2.5的成本可能只有使用Claude Sonnet等模型的十分之一到二十分之一。对于需要高频调用工具的Agent场景来说，这种成本差异是决定性的。
很快，外网论坛上涌现出大量关于“如何在OpenClaw中配置M2.5”的教程，甚至有开发者编写了“从Claude迁移到M2.5”的指南。这种在开发者社区中的自发传播，效果远超任何广告。MiniMax还将MaxClaw深度集成到自家的MiniMax Agent生态中，形成了完整的产品矩阵。
资本市场的反应更为直接。在马年港股开市首个交易日，MiniMax股价单日暴涨14.52%，市值一度突破3040亿港元，创下上市新高。自上市以来，其股价累计最高涨幅超过480%。摩根大通等机构给予了积极评级。3月初发布的财报显示，MiniMax 2025财年收入同比增长158.9%。
OpenClaw带来的巨大流量红利，正在被月之暗面和MiniMax有效地转化为自家的用户资产和商业价值。 试想，当一个用户通过OpenClaw习惯了某家模型的风格后，再向他推荐无需运维、开箱即用的云端服务，转化率自然可观。
这两家公司的云端OpenClaw产品，本质上是将Agent服务SaaS化，用低门槛和易用性换取大规模用户。它们敏锐地捕捉到，绝大多数用户的需求并非极客式的深度定制，而是稳定、好用的自动化助手，用来处理查邮件、整理文档、定时提醒等日常任务。它们恰好填补了这一市场空白。
03 云厂商的“卖铲子”生意：腾讯与阿里的基础设施之战
然而，原版OpenClaw对普通用户的门槛并不低。你需要有自己的服务器、会配置Node.js环境、懂得申请各家模型的API Key、还得知道如何设置消息通道。整个过程技术性较强，劝退了不少潜在用户。
腾讯和阿里云厂商看到的，恰恰是这个痛点。与其让用户自己折腾，不如直接提供一套开箱即用的解决方案。 于是，在OpenClaw爆火后，腾讯云和阿里云几乎同时上线了OpenClaw的一键部署服务。
它们提供的不仅仅是云服务器，而是一个打包好的完整运行环境：预配置的镜像、自动化部署脚本、调试好的依赖包，甚至现成的模型API接入方案。用户只需点几下鼠标，选择配置并支付，几分钟后一个完整的OpenClaw实例就能运行起来。
- 腾讯云的方案相对简洁直接。他们在轻量应用服务器上通过“云应用”功能，实现三步完成OpenClaw部署。系统默认配置DeepSeek API，但用户可在控制台中自由切换到Kimi、MiniMax等其他国产模型。腾讯云明确表示“OpenClaw来自开源社区，云应用不收费”，但“云服务器和API按照实际消耗计费”。其商业模式清晰：不赚软件的钱，而是赚取基础设施租赁费、流量费和模型API调用产生的费用。
- 阿里云的打法则更注重生态构建。用户部署OpenClaw后，系统会引导前往“阿里云百炼大模型控制台”创建API Key，默认调用的就是自家的通义千问系列模型。阿里云还推出了兼容OpenClaw的“Coding Plan”套餐。显然，阿里希望通过代部署服务，推广自家的AI编程工具和模型API。
阿里和腾讯想要的，是占领Agent时代的“水电煤”。 OpenClaw的爆火证明了一个趋势：未来的AI应用将不再是简单的聊天机器人，而是需要7x24小时在线、能执行复杂任务、依赖稳定算力支持的智能体。当个人和企业开始广泛部署Agent时，他们需要的是一整套基础设施，包括云计算、存储、网络、消息集成（如钉钉、企业微信）、安全环境以及具体的执行工具。
因此，腾讯云和阿里云提供“一键部署”，实质上是抢占这个新兴市场的入口。他们的逻辑是：今天用户因OpenClaw而来，明天可能因其他Agent产品而来。只要用户习惯了在他们的平台上部署和管理Agent，就成了长期客户。当Agent成为企业标配时，谁提供了最便捷、最稳定、最本土化的基础设施，谁就占据了市场的底层，这门“卖铲子”的生意，往往比“挖金子”更稳定、更赚钱。
04 差异化竞争：智谱与字节的另辟蹊径
在这场围绕OpenClaw的竞逐中，智谱AI和字节跳动的态度显得更为谨慎和差异化。但这并非意味着它们在Agent赛道上落后，相反，它们可能选择了更符合自身优势的路径。
智谱对OpenClaw的态度可概括为“技术上支持，战略上不主推”。 智谱GLM-5的官方文档提供了OpenClaw接入指南，其套餐也支持OpenClaw配置。智谱甚至推出了支持与飞书一体化配置的“AutoGLM版本OpenClaw”。然而，智谱的战略重心显然放在了AutoGLM上。
这是一个具备“Phone Use”能力的Agent，于2025年12月开源。它能完成外卖点单、机票预订等数十步复杂操作，并支持微信、淘宝、抖音等超过50个高频中文应用。AutoGLM的核心技术是视觉语言模型（VLM），它不依赖传统API，而是通过“看”手机屏幕，理解UI元素的语义来直接预测并执行操作。这种方式优势明显：只要能看见界面，就能进行操作，无需应用开放API。
智谱的思考在于：OpenClaw的核心场景是桌面端，且重度依赖海外消息平台，这些在中国市场渗透率有限。相比之下，一个能直接操作微信、淘宝、抖音的Agent，显然更符合中国用户的使用习惯。既然OpenClaw证明了Agent的市场需求，那么适合中国用户的解决方案，或许应是AutoGLM这样的产品。
字节跳动的态度则更加微妙。除了火山引擎提供一键部署服务外，字节并未高调推出自己的“Claw”产品。这是因为字节将Agent的注意力集中在了移动端。
去年，字节与中兴努比亚合作推出的测试手机中，内置了“豆包手机助手技术预览版”。其核心技术是UI-TARS，一个纯视觉驱动的GUI Agent模型。
与OpenClaw相比，豆包手机助手在移动端展现了不同维度的优势。 它被深度集成到Android系统层，可以不打开应用就直接从底层进行操作，权限更高且不影响用户当前使用。同时，它能实现跨应用的复杂操作（如在三个外卖平台比价并下单），这是OpenClaw目前难以做到的。
字节跳动的理念是，Agent应是集成到操作系统、能直接操作所有应用的系统级能力，而非一个需要用户手动配置的独立服务器程序。这种根本理念的差异，决定了字节不会在OpenClaw形态上投入过多资源，因为它正致力于打造一个更高维度的解决方案。
当然，智谱和字节的这种战略选择，也意味着它们在OpenClaw最热的时期，相对错过了一波直接的流量红利。但从长远来看，Agent赛道刚刚开启，哪种路径更能赢得市场，最终仍需时间和用户来检验。无论是聚焦云化与性价比，还是深耕基础设施，或是探索移动端与视觉交互，中国AI厂商在人工智能的这次浪潮中，正展现出前所未有的多样性和活力。对于技术从业者而言，这些实践与探索都是宝贵的经验，也欢迎大家在 云栈社区 继续交流讨论。
发表于 15 小时前
|
查看: 5|
回复: 0
