OpenClaw可以说是AI圈里最热门的话题，一丁点风吹草动都能牵动全球所有AI厂商的神经。无数产品经理在OpenClaw上进行创意大比拼。

　　嗅觉灵敏的中国厂商也都纷纷开始行动，他们看到的不只是OpenClaw这个产品本身，而是它背后代表的整个agent市场。

　　中国AI想要弯道超车，必须要在Anthropic和谷歌先后对其进行打压的时机，紧紧抓住这个机会。

　　月之暗面推出了云端版的Kimi Claw，MiniMax也紧随其后发布了MaxClaw，道理很简单，本土化的OpenClaw仍然是市场的一大空缺。

　　智谱和字节虽然没有在OpenClaw上面明确表态，但他们其实也没闲着。OpenClaw的成功让智谱和字节对agent的产品更有信心。

　　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。

　　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变成了OpenRouter上token消耗最大的应用。哪个模型能接入OpenClaw生态，就等于获得了一个指数级增长的需求管道。

　　当OpenClaw用户选择底层模型时，他们实际上选的不是模型性能或者模型知识储备，用户选的是一个持续、稳定、高频的供货商。

　　究其原因，Kimi K2.5支持最多100个子agent并行执行、1500次以上的工具调用，这些能力让它在agent场景下表现出色。

　　于是OpenClaw官方在1.30版本后，将Kimi K2.5设为“首个官方免费主力模型”，用户安装OpenClaw时可以选择MoonshotAI通道，甚至可以留空API Key继续使用，OpenClaw官方会补贴算力。

　　受全球付费用户及API调用量大涨的共同推动，Kimi K2.5发布不到一个月，近20天累计收入已超过2025年全年总收入。

　　正是因为OpenClaw，Kimi的海外付费用户数快速增长，海外收入首次超过国内。SimilarWeb数据显示，Kimi上月访问量达3300万，中国地区访问量占比从去年的77%降低到了今年的60%多。

　　但Kimi团队很快意识到，与其被动地提供API，不如主动降低用户使用门槛。一个月后，Kimi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把原版OpenClaw的复杂步骤全部省略了，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。

　　Kimi Claw内置了Kimi K2.5模型，自动关联用户的Kimi Code会员权益额度。用户无需额外配置API Key，也不用担心突然烧掉大量token导致账单爆炸。

　　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，包括天气查询、网页搜索、浏览器操作、邮件处理等高频场景。

　　原版OpenClaw的Skills需要用户通过命令行手动搜索、安装、配置，这个过程对普通用户来说又是一道门槛。Kimi Claw则是把这些技能都整合到了界面里，用户只需要点击就能启用，降低了用户使用难度。

　　原版OpenClaw的核心理念是“本地优先”，所有对话记忆和文件都存储在用户自己的设备上。这种设计保护了隐私，但也带来了不便，用户换了设备就得重新配置，AI助手的记忆也无法延续。

　　Kimi Claw则提供了40GB的云存储空间，用户可以在办公室电脑、家里电脑、手机上无缝切换，AI助手的记忆始终保持一致。

　　MaxClaw基于MiniMax M2.5模型，虽然这是一个模型总参数量约2300亿，单次推理仅激活约100亿的大模型，但它的API价格非常便宜。

　　M2.5在OpenRouter上的表现也很亮眼。发布后12小时内登顶OpenRouter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，超过Kimi K2.5、GLM-5与DeepSeek V3.2三家的总和。发布7天内token使用量突破3万亿clash加速器苹果能用吗，2月单月token使用量达4.55万亿，空降榜首。

　　MiniMax M2.5的定价策略是“极端性价比”。在每秒输出100token的情况下，连续工作一小时只需花费1美金；而在每秒输出50个token的情况下，只需要0.3美金。

　　这意味着，同样是运行一个7×24小时这样的OpenClaw实例中，M2.5的成本可能只有Claude Sonnet的1/10到1/20。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。

　　在外网论坛上，大量关于“如何在OpenClaw中配置 M2.5”的教程涌现，甚至有开发者专门编写了“从Claude迁移到M2.5”的迁移指南。这种开源社区中的传播，比任何广告投放都更有效，要知道OpenClaw能走到今天，也是被开源社区带火的。

　　资本市场的反应更为直接。2月20日，也就是马年港股开市首个交易日，MiniMax的股价单日暴涨14.52%，市值一度冲破3042亿港元，创下公司上市新高。

　　自上市以来，MiniMax股价累计涨幅最高超过480%，2026年初至今股价最高涨幅超450%，成功跻身港股AI核心标的行列。摩根大通给予MiniMax “增持”评级，目标价700港元。3月2日，MiniMax发布财报，2025财年收入为7900万美元，同比增长158.9%。

　　想想看，当一个用户通过OpenClaw使用Kimi K2.5一个月后，他已经习惯了这个模型的输出风格、响应速度和能力边界。这时候搬出Kimi Claw给他，然后说：“你不用自己维护服务器了，不用配置API Key了，直接在我们的平台上用，还能多端同步。”

　　这两家公司的云端OpenClaw产品，本质上是在用SaaS的方式去做agent服务，你给我钱，那我给你一个低门槛的产品。虽然没有原版OpenClaw那么能扩展，但是胜在便宜好用。

　　事实上绝大多数 人其实都没有那么尖端的需求。他们可能只是想让AI帮忙检查邮件、整理文档、定时提醒、查询信息。

　　回到段落开头，Kimi和MiniMax也都明白这个道理，agent的价值不在于单次对话的质量，而在于长期、持续、稳定的任务执行能力。

　　OpenClaw对普通用户来说门槛不低。你得有自己的服务器，得会配置 Node.js 环境，得懂怎么申请各家模型的 API Key，还得知道怎么设置消息通道。

　　整个过程下来，没有半小时到一小时搞不定，技术小白基本上看到教程就放弃了。这种极客属性很强的产品，注定只能在开发者圈子里流行，很难真正普及到大众市场。

　　腾讯和阿里看到的，恰恰就是这个痛点。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。

　　这些云厂商提供的，不仅仅是一台服务器那么简单。他们把整个OpenClaw的运行环境都打包好了，包括预配置的镜像、自动化的部署脚本、已经调试好的依赖包，甚至还有现成的模型 API 接入方案。

　　用户只需要点几下鼠标，选择配置，付款，然后等几分钟，一个完整的OpenClaw实例就跑起来了。

　　他们在轻量应用服务器上推出了“云应用”功能，用户通过这个功能可以三步完成OpenClaw部署。系统默认配置的是 DeepSeek API 作为模型供应商，但用户可以在 Dashboard 中自由切换到 Kimi、MiniMax 或者其他国产模型。

　　腾讯云的官方文档里写得很明白：“OpenClaw来自开源社区，云应用不收费”，但紧接着又补充了一句，“云服务器和 API 按照实际消耗计费”。

　　腾讯赚的不是OpenClaw的钱，而是云服务器租赁费、流量费、还有模型 API 调用产生的费用。他们不强制绑定自家模型，给用户留了选择空间，但基础设施这一层，你跑不掉。

　　用户在轻量应用服务器上部署OpenClaw后，系统会引导用户前往“阿里云百炼大模型控制台”创建 API Key，默认调用的就是通义千问系列模型。

　　阿里云还推出了一个叫“Coding Plan”，这是阿里云百炼面向全品类 AI 编码工具推出的通用订阅套餐，兼容OpenClaw接入。

　　换句话说，阿里就是想通过OpenClaw的代安装服务，推广自己家的 AI 编程以及模型API。

　　OpenClaw的爆火证明了一个趋势，未来的 AI 应用不是简单的“聊天机器人”，而是一个 24 小时在线、能执行复杂任务、需要稳定算力支持的 agent。

　　当个人用户和中小企业开始部署 agent 时，他们需要的不仅是模型的 API，还需要云服务器、存储空间、网络带宽，以及飞书、钉钉、企业微信这样的消息集成，还有安全沙箱环境等一整套基础设施，最后更不能少了像是 AI 编程这样具体的执行工具。

　　所以腾讯云和阿里云才提供了“一键部署OpenClaw”这个服务，以此抢占这个新兴市场的入口。

　　他们的逻辑很清楚，今天用户因为OpenClaw来了，明天可能因为其他 agent 产品来，但只要用户习惯了在他们的云平台上部署 agent，那么这些用户就成了长期客户。

　　更重要的是，当每个企业都需要部署自己的 agent 时，谁能提供最便捷、最稳定、最本土化的基础设施，谁就能占据这个万亿级市场的底层。

　　云厂商们现在做的，就是提前占位，建立用户习惯，构建生态壁垒。当agent成为企业和个人的标配时，谁能提供更多配套的服务，谁就掌握了话语权。

　　智谱甚至还推出了“AutoGLM版本的OpenClaw”，支持OpenClaw与飞书的一体化配置。从这些动作来看，智谱并没有忽视OpenClaw，提供了作为一家中国AI厂商该有的一些基本支持。

　　智谱更看重的是AutoGLM，这是一个具备“Phone Use”能力的agent。AutoGLM在2025年12月开源，能够完成外卖点单、机票预订等数十步复杂操作，还支持微信、淘宝、抖音等超50个高频中文应用。

　　AutoGLM的核心技术是视觉语言模型，它不依赖传统的API，而是像人眼一样“看”屏幕，通过理解UI元素的语义直接预测下一步动作。

　　这种方式的优势在于，它只要能看到界面，就能进行操作。这意味着AutoGLM可以操作任何应用，包括那些没有开放API的应用。

　　OpenClaw 的核心场景是桌面端，需要配置海外消息平台，这些平台在中国的使用率并不高。相比之下，AutoGLM 直接在用户最常用的中文应用中执行任务，不需要依赖海外消息平台，更符合中国用户的使用习惯。

　　智谱的想法是，既然OpenClaw证明了agent的市场需求，那真正适合中国用户的agent，更应该是能操作微信、淘宝、抖音的AutoGLM。

　　字节跳动对OpenClaw的态度更加微妙。表面上看，只有前文提到的，火山引擎提供的一键部署OpenClaw。

　　去年字节跳动与中兴努比亚合作推出nubia M153测试手机，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。

　　豆包是直接集成到Android系统层，可以不打开应用就从底层进行操作，完全不会影响用户当下使用。

　　同时，豆包手机助手能够实现跨应用的复杂操作，比如“帮我在三个外卖平台比价，然后下单最便宜的”。OpenClaw的跨应用能力有限，很多任务不能跨应用完成，而且在不同应用之间切换的速度很慢。

　　字节跳动官方始终强调，agent应该是集成到操作系统中、能直接操作所有应用的系统级能力，而不是一个需要用户手动配置、运行在服务器上的独立程序。

　　这种理念上的差异，决定了字节不会在OpenClaw上投入太多资源。字节对OpenClaw保持距离，是因为它正在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有代价。在OpenClaw热度最高的这段时间，错过了一波流量红利。

　　不过从长期来看，谁的选择更正确，还需要时间来验证。agent这个赛道才刚刚开始，现在下结论还为时过早。