OpenClaw可以說是AI圈裡最熱門的話題,一丁點風吹草動都能牽動全球所有AI廠商的神經。無數產品經理在OpenClaw上進行創意大比拚。嗅覺靈敏的中國廠商也都紛紛開始行動,他們看到的不只是OpenClaw這個產品本身,而是它背後代表的整個agent市場。這個市場需要雲伺服器、需要模型API、需要本土化的產品、需要更低門檻的部署方案。中國AI想要彎道超車,必須要在Anthropic和Google先後對其進行打壓的時機,緊緊抓住這個機會。騰訊雲、阿里雲上線了一鍵部署服務,他們想要趁著這個機會,成為AI圈那個賣鏟子的人。月之暗面推出了雲端版的Kimi Claw,MiniMax也緊隨其後發佈了MaxClaw,道理很簡單,本土化的OpenClaw仍然是市場的一大空缺。智譜和字節雖然沒有在OpenClaw上面明確表態,但他們其實也沒閒著。OpenClaw的成功讓智譜和字節對agent的產品更有信心。01. 月之暗面的雲端OpenClaw在OpenClaw出現之前,大模型的使用主要是“對話式”的,使用者問一句,模型答一句,單次呼叫的token消耗有限。但OpenClaw創造了全新的“模型消費場景”。一個配置合理的OpenClaw,每天可能向模型發起數百次甚至上千次呼叫,每次呼叫還要攜帶完整的上下文資訊。這意味著,單個OpenClaw使用者產生的token消耗,可能是傳統聊天使用者的幾十倍甚至上百倍。因此,OpenClaw變成了OpenRouter上token消耗最大的應用。那個模型能接入OpenClaw生態,就等於獲得了一個指數級增長的需求管道。當OpenClaw使用者選擇底層模型時,他們實際上選的不是模型性能或者模型知識儲備,使用者選的是一個持續、穩定、高頻的供貨商。誰耐用,誰便宜,誰才是OpenClaw生態下的大贏家。所以月之暗面和MiniMax就在OpenClaw的這場巨浪之中收穫頗豐。先說說前者吧,他們在OpenClaw生態中的角色,經歷了兩個階段的演變。2026年1月,Kimi K2.5因其便宜且agent能力較強,成為OpenRouter平台上OpenClaw呼叫量最高的模型。OpenRouter資料顯示,Kimi K2.5的周token使用量環比增長最高達261%。其呼叫場景主要來自OpenClaw.究其原因,Kimi K2.5支援最多100個子agent平行執行、1500次以上的工具呼叫,這些能力讓它在agent場景下表現出色。於是OpenClaw官方在1.30版本後,將Kimi K2.5設為“首個官方免費主力模型”,使用者安裝OpenClaw時可以選擇MoonshotAI通道,甚至可以留空API Key繼續使用,OpenClaw官方會補貼算力。這種爆發式增長直接帶來了商業回報。受全球付費使用者及API呼叫量大漲的共同推動,Kimi K2.5發佈不到一個月,近20天累計收入已超過2025年全年總收入。正是因為OpenClaw,Kimi的海外付費使用者數快速增長,海外收入首次超過國內。SimilarWeb資料顯示,Kimi上月訪問量達3300萬,中國地區訪問量佔比從去年的77%降低到了今年的60%多。這個階段,月之暗面扮演的是“模型供應商”的角色,被動地提供 API 服務。但Kimi團隊很快意識到,與其被動地提供API,不如主動降低使用者使用門檻。一個月後,Kimi正式推出Kimi Claw。這是一個雲端託管的OpenClaw服務。使用者無需本地部署,直接在瀏覽器中就能使用完整的OpenClaw功能。Kimi Claw把原版OpenClaw的複雜步驟全部省略了,使用者只需擁有Kimi Allegretto及以上會員,就能在網頁端一鍵建立自己的“雲端OpenClaw”,整個過程不超過1分鐘。Kimi Claw內建了Kimi K2.5模型,自動關聯使用者的Kimi Code會員權益額度。使用者無需額外配置API Key,也不用擔心突然燒掉大量token導致帳單爆炸。在功能層面,Kimi Claw直接整合了ClawHub社區的5000多個技能庫,使用者可以在網頁介面中一鍵啟用,包括天氣查詢、網頁搜尋、瀏覽器操作、郵件處理等高頻場景。原版OpenClaw的Skills需要使用者通過命令列手動搜尋、安裝、配置,這個過程對普通使用者來說又是一道門檻。Kimi Claw則是把這些技能都整合到了介面裡,使用者只需要點選就能啟用,降低了使用者使用難度。原版OpenClaw的核心理念是“本地優先”,所有對話記憶和檔案都儲存在使用者自己的裝置上。這種設計保護了隱私,但也帶來了不便,使用者換了裝置就得重新配置,AI助手的記憶也無法延續。Kimi Claw則提供了40GB的雲端儲存空間,使用者可以在辦公室電腦、家裡電腦、手機上無縫切換,AI助手的記憶始終保持一致。這種體驗對於需要在多個裝置間切換的使用者來說,是個很實用的功能。02. MiniMax也這麼幹了2月25日,MiniMax也推出了自己的MaxClaw,走的是與Kimi Claw類似但更激進的路線。MaxClaw基於MiniMax M2.5模型,雖然這是一個模型總參數量約2300億,單次推理僅啟動約100億的大模型,但它的API價格非常便宜。M2.5在OpenRouter上的表現也很亮眼。發佈後12小時內登頂OpenRouter熱度榜,一周內登頂呼叫量榜首,周呼叫量暴漲至3.07兆token,超過Kimi K2.5、GLM-5與DeepSeek V3.2三家的總和。發佈7天內token使用量突破3兆,2月單月token使用量達4.55兆,空降榜首。為什麼M2.5能在短時間內實現如此驚人的增長?答案同樣是OpenClaw。MiniMax M2.5的定價策略是“極端性價比”。在每秒輸出100token的情況下,連續工作一小時只需花費1美金;而在每秒輸出50個token的情況下,只需要0.3美金。這意味著,同樣是運行一個7×24小時這樣的OpenClaw實例中,M2.5的成本可能只有Claude Sonnet的1/10到1/20。對於需要高頻呼叫工具的agent場景來說,這種成本差異是決定性的。OpenClaw社區的開發者很快發現了這一點。在外網論壇上,大量關於“如何在OpenClaw中配置 M2.5”的教學湧現,甚至有開發者專門編寫了“從Claude遷移到M2.5”的遷移指南。這種開源社區中的傳播,比任何廣告投放都更有效,要知道OpenClaw能走到今天,也是被開源社區帶火的。MiniMax還將MaxClaw整合到自家的MiniMax Agent生態中,與Expert 2.0同步升級,形成了“對話式AI + agent 工作流”的完整產品矩陣。資本市場的反應更為直接。2月20日,也就是馬年港股開市首個交易日,MiniMax的股價單日暴漲14.52%,市值一度衝破3042億港元,創下公司上市新高。自上市以來,MiniMax股價累計漲幅最高超過480%,2026年初至今股價最高漲幅超450%,成功躋身港股AI核心標的行列。摩根大通給予MiniMax “增持”評級,目標價700港元。3月2日,MiniMax發佈財報,2025財年收入為7900萬美元,同比增長158.9%。OpenClaw帶來的流量紅利,讓月之暗面和MiniMax轉化為了自家的使用者資產。想想看,當一個使用者通過OpenClaw使用Kimi K2.5一個月後,他已經習慣了這個模型的輸出風格、響應速度和能力邊界。這時候搬出Kimi Claw給他,然後說:“你不用自己維護伺服器了,不用配置API Key了,直接在我們的平台上用,還能多端同步。”這轉化率能低得了嗎?這兩家公司的雲端OpenClaw產品,本質上是在用SaaS的方式去做agent服務,你給我錢,那我給你一個低門檻的產品。雖然沒有原版OpenClaw那麼能擴展,但是勝在便宜好用。事實上絕大多數 人其實都沒有那麼尖端的需求。他們可能只是想讓AI幫忙檢查郵件、整理文件、定時提醒、查詢資訊。回到段落開頭,Kimi和MiniMax也都明白這個道理,agent的價值不在於單次對話的質量,而在於長期、持續、穩定的任務執行能力。所以他們剛好填補了市場的一片空白。03. 騰訊、阿里的“賣鏟子”生意OpenClaw對普通使用者來說門檻不低。你得有自己的伺服器,得會配置 Node.js 環境,得懂怎麼申請各家模型的 API Key,還得知道怎麼設定消息通道。整個過程下來,沒有半小時到一小時搞不定,技術小白基本上看到教學就放棄了。這種極客屬性很強的產品,註定只能在開發者圈子裡流行,很難真正普及到大眾市場。騰訊和阿里看到的,恰恰就是這個痛點。與其讓使用者自己折騰,不如直接提供一套開箱即用的解決方案。於是在OpenClaw爆火後,騰訊雲和阿里雲幾乎同時推出了OpenClaw的一鍵部署服務。這些雲廠商提供的,不僅僅是一台伺服器那麼簡單。他們把整個OpenClaw的運行環境都打包好了,包括預配置的鏡像、自動化的部署指令碼、已經偵錯好的依賴包,甚至還有現成的模型 API 接入方案。使用者只需要點幾下滑鼠,選擇配置,付款,然後等幾分鐘,一個完整的OpenClaw實例就跑起來了。騰訊雲的方案相對簡潔直接。他們在輕量應用伺服器上推出了“雲應用”功能,使用者通過這個功能可以三步完成OpenClaw部署。系統默認配置的是 DeepSeek API 作為模型供應商,但使用者可以在 Dashboard 中自由切換到 Kimi、MiniMax 或者其他國產模型。騰訊雲的官方文件裡寫得很明白:“OpenClaw來自開源社區,雲應用不收費”,但緊接著又補充了一句,“雲伺服器和 API 按照實際消耗計費”。騰訊賺的不是OpenClaw的錢,而是雲伺服器租賃費、流量費、還有模型 API 呼叫產生的費用。他們不強制繫結自家模型,給使用者留了選擇空間,但基礎設施這一層,你跑不掉。阿里雲的打法則更加“生態化”。使用者在輕量應用伺服器上部署OpenClaw後,系統會引導使用者前往“阿里雲百煉大模型控制台”建立 API Key,默認呼叫的就是通義千問系列模型。阿里雲還推出了一個叫“Coding Plan”,這是阿里雲百煉面向全品類 AI 編碼工具推出的通用訂閱套餐,相容OpenClaw接入。換句話說,阿里就是想通過OpenClaw的代安裝服務,推廣自己家的 AI 程式設計以及模型API。阿里和騰訊想要的,是要佔領agent時代的“水電煤”。OpenClaw的爆火證明了一個趨勢,未來的 AI 應用不是簡單的“聊天機器人”,而是一個 24 小時線上、能執行複雜任務、需要穩定算力支援的 agent。當個人使用者和中小企業開始部署 agent 時,他們需要的不僅是模型的 API,還需要雲伺服器、儲存空間、網路頻寬,以及飛書、釘釘、企業微信這樣的消息整合,還有安全沙箱環境等一整套基礎設施,最後更不能少了像是 AI 程式設計這樣具體的執行工具。所以騰訊雲和阿里雲才提供了“一鍵部署OpenClaw”這個服務,以此搶佔這個新興市場的入口。他們的邏輯很清楚,今天使用者因為OpenClaw來了,明天可能因為其他 agent 產品來,但只要使用者習慣了在他們的雲平台上部署 agent,那麼這些使用者就成了長期客戶。更重要的是,當每個企業都需要部署自己的 agent 時,誰能提供最便捷、最穩定、最本土化的基礎設施,誰就能佔據這個兆級市場的底層。雲廠商們看得很明白,賣鏟子的生意,往往比挖金子的人更穩定,也更賺錢。不僅是這樣,OpenClaw它代表的是一個訊號,未來的agent產品只多不少。雲廠商們現在做的,就是提前佔位,建立使用者習慣,建構生態壁壘。當agent成為企業和個人的標配時,誰能提供更多配套的服務,誰就掌握了話語權。04. 智譜和豆包為何不激進在這場圍繞OpenClaw的競爭中,智譜和字節的態度顯得有些微妙。不過這不代表他們在agent這個賽道上落後了,恰恰相反,他們選擇了一條更獨特的路。智譜對OpenClaw的態度可以概括為“技術上支援,戰略上不主推”。智譜GLM-5在官方文件中明確提供了OpenClaw接入指南,GLM的Coding Plan套餐也支援OpenClaw配置。智譜甚至還推出了“AutoGLM版本的OpenClaw”,支援OpenClaw與飛書的一體化配置。從這些動作來看,智譜並沒有忽視OpenClaw,提供了作為一家中國AI廠商該有的一些基本支援。智譜更看重的是AutoGLM,這是一個具備“Phone Use”能力的agent。AutoGLM在2025年12月開源,能夠完成外賣點單、機票預訂等數十步複雜操作,還支援微信、淘寶、抖音等超50個高頻中文應用。AutoGLM的核心技術是視覺語言模型,它不依賴傳統的API,而是像人眼一樣“看”螢幕,通過理解UI元素的語義直接預測下一步動作。這種方式的優勢在於,它只要能看到介面,就能進行操作。這意味著AutoGLM可以操作任何應用,包括那些沒有開放API的應用。OpenClaw 的核心場景是桌面端,需要配置海外消息平台,這些平台在中國的使用率並不高。相比之下,AutoGLM 直接在使用者最常用的中文應用中執行任務,不需要依賴海外消息平台,更符合中國使用者的使用習慣。智譜的想法是,既然OpenClaw證明了agent的市場需求,那真正適合中國使用者的agent,更應該是能操作微信、淘寶、抖音的AutoGLM。字節跳動對OpenClaw的態度更加微妙。表面上看,只有前文提到的,火山引擎提供的一鍵部署OpenClaw。這是因為字節對agent的注意力集中在移動端。去年字節跳動與中興努比亞合作推出nubia M153測試手機,內建了“豆包手機助手技術預覽版”。其核心技術是UI-TARS,一個純視覺驅動的GUI agent模型。與OpenClaw相比,豆包手機助手更有優勢。豆包是直接整合到Android系統層,可以不打開應用就從底層進行操作,完全不會影響使用者當下使用。OpenClaw需要通過瀏覽器控制或API呼叫來操作應用,權限和穩定性都受限。同時,豆包手機助手能夠實現跨應用的複雜操作,比如“幫我在三個外賣平台比價,然後下單最便宜的”。OpenClaw的跨應用能力有限,很多任務不能跨應用完成,而且在不同應用之間切換的速度很慢。字節跳動官方始終強調,agent應該是整合到作業系統中、能直接操作所有應用的系統級能力,而不是一個需要使用者手動配置、運行在伺服器上的獨立程序。這種理念上的差異,決定了字節不會在OpenClaw上投入太多資源。字節對OpenClaw保持距離,是因為它正在打造一個更高維度的解決方案。當然,智譜和字節的這種戰略選擇也有代價。在OpenClaw熱度最高的這段時間,錯過了一波流量紅利。不過從長期來看,誰的選擇更正確,還需要時間來驗證。agent這個賽道才剛剛開始,現在下結論還為時過早。 (字母AI)