作者 | 四月

“這么多版本的龍蝦，我到底該用哪個(gè)？”

這是 InfoQ 在落地的近 20 場(chǎng)“龍蝦”（OpenClaw) 主題線下活動(dòng)中，從數(shù)千名開發(fā)者口中聽到的最多困惑。

OpenClaw 的 GitHub 星標(biāo)已破 34 萬，登頂全球開源榜。伴隨它出圈的，是過去一個(gè)多月里涌現(xiàn)的二十余套部署方案。云廠商表示，“放我服務(wù)器上更穩(wěn)”；模型廠商則喊出，“用我的，不用搭基建”；互聯(lián)網(wǎng)公司跟著強(qiáng)調(diào)，“我?guī)湍惴庋b好了，直接用”。

聽著似乎都挺有道理，可當(dāng)各執(zhí)一詞的方案同時(shí)涌入視野，產(chǎn)品的定義趨向模糊，概念的混用讓人眼花繚亂。

要知道，同一個(gè)"龍蝦"需求的背后，可能是完全不同的技術(shù)架構(gòu)和用戶期待。一個(gè)想讓 AI 整理素材的創(chuàng)作者，和一個(gè)要在企業(yè)內(nèi)網(wǎng)跑多 Agent 流程的 IT 總監(jiān)，要解決的也根本不是同一套問題。

如何在一片喧囂狂歡中，獲得一份相對(duì)客觀理性的「養(yǎng)蝦」指南，讓不同規(guī)模、不同技術(shù)背景的用戶，找到真正匹配自己處境的方案，這便是本文的目的。

二十一套方案，本質(zhì)是三大陣營(yíng)

理解當(dāng)前市場(chǎng)的混亂，要從 OpenClaw 最原始的形態(tài)講起。

OpenClaw 本質(zhì)上是一個(gè)開源框架，設(shè)計(jì)哲學(xué)"本地優(yōu)先"：裝在自己的設(shè)備上，自己運(yùn)行，自己管理。這套方案在自主性和隱私控制上幾乎無可挑剔，但有兩個(gè)結(jié)構(gòu)性問題卻難以回避。

門檻高，依賴管理、環(huán)境配置、端口設(shè)置缺一不可；隱患多，AI 與操作系統(tǒng)共享權(quán)限邊界，工信部 NVDB 已收錄相關(guān)漏洞 82 個(gè)，其中超危級(jí)別 12 個(gè)，暴露公網(wǎng)的本地實(shí)例攻擊面極大。

正是這兩個(gè)痛點(diǎn)，撕開了供給端的口子。

各路廠商基于不同的產(chǎn)品哲學(xué)給出了自己的答案，產(chǎn)品形態(tài)順勢(shì)由此沿著兩個(gè)核心維度分化：模型從哪來、數(shù)據(jù)在哪跑。

前者決定部署門檻和成本結(jié)構(gòu)：自備 API 意味著自行管理 Token 消耗，廠商內(nèi)置則開箱即用但生態(tài)隨之鎖定。后者則決定了穩(wěn)定性和安全邊界：跑在本地關(guān)機(jī)即斷，跑在云端持續(xù)在線且物理隔離。

兩個(gè)維度一疊，三條產(chǎn)品路線浮出水面。

云端部署型：蝦跑在云服務(wù)器上，用戶租用獨(dú)立實(shí)例，擁有完整的運(yùn)行環(huán)境控制權(quán)。7×24 在線，物理隔離，安全邊界清晰，可按需擴(kuò)展。代表方案包括阿里云輕量應(yīng)用服務(wù)器、騰訊云 Lighthouse、火山引擎、百度智能云、華為云 Flexus、京東云等。

桌面端·API 調(diào)用型：應(yīng)用運(yùn)行在本地，模型推理通過調(diào)用云端 API 完成。部署門檻低，本地文件直連，操作界面友好，但仍受設(shè)備在線狀態(tài)制約。同時(shí)，這也是這類產(chǎn)品用戶普遍反映"Token 消耗太快"的結(jié)構(gòu)性原因，每一次本地調(diào)度背后，都在實(shí)時(shí)消耗云端 API 額度。代表產(chǎn)品包括智譜的 AutoClaw、騰訊云的 WorkBuddy、獵豹移動(dòng)的 EasyClaw。

桌面端·模型內(nèi)置型：廠商將模型或基礎(chǔ)設(shè)施直接打包進(jìn)產(chǎn)品，用戶無需自備 API Key，登錄即用。門檻最低，但模型生態(tài)與廠商綁定，且由于運(yùn)行環(huán)境在云端，對(duì)用戶本地環(huán)境的觸達(dá)能力有限。代表產(chǎn)品包括月之暗面的 KimiClaw、MiniMax 的 MaxClaw、字節(jié)跳動(dòng)的 Coze、騰訊電腦管家的 QClaw、阿里云無影的 JVS Claw。

三類形態(tài)各有所長(zhǎng)，核心差異如下表：

個(gè)人開發(fā)者與一人公司：

兩種需求，兩套方案

聊“怎么選”之前，得先承認(rèn)一個(gè)事實(shí)："個(gè)人用戶"四個(gè)字，裝不下同一類需求。

在多場(chǎng)線下交流中，我們會(huì)清晰地發(fā)現(xiàn)有兩類畫像，涇渭分明。如果混為一談，很難定位到真正需要的產(chǎn)品。

1）嘗鮮體驗(yàn)型

這類用戶的核心特征很明顯，想試試 AI Agent 能幫自己做什么，電腦常開，對(duì)隱私要求不高，不介意偶爾斷線重啟，暫時(shí)不想在基礎(chǔ)設(shè)施上投入太多。

這個(gè)場(chǎng)景下，桌面端的兩類產(chǎn)品都是合理選擇，決策只需考慮兩個(gè)變量：主用哪個(gè)即時(shí)通訊平臺(tái)、愿不愿意自備模型 Key。其他無需要過度糾結(jié)，先跑起來驗(yàn)證需求最務(wù)實(shí)。

2）深度調(diào)用型

這類人有明確的業(yè)務(wù)目標(biāo)，希望 AI 持續(xù)干活，7×24 不斷線，開始在意數(shù)據(jù)安全，并愿意為穩(wěn)定付費(fèi)。

到了這個(gè)階段，桌面端的兩類產(chǎn)品，都撞上了自己的“天花板”。

API 調(diào)用型的問題是穩(wěn)定性：關(guān)機(jī)即停業(yè)，Agent 與操作系統(tǒng)共享權(quán)限，安全隱患始終存在。

二是模型內(nèi)置型看似永遠(yuǎn)在線，但暗藏一個(gè)更致命的體驗(yàn)縮水。

模型內(nèi)置型倒是解決了穩(wěn)定性，卻引入了更根本的能力限制。

OpenClaw 的核心價(jià)值在于能觸達(dá)你的本地環(huán)境，也就是翻文件、操控瀏覽器、調(diào)用本地應(yīng)用。但當(dāng)蝦住在第三方的服務(wù)器上，很多時(shí)候它能接觸的只有廠商的基礎(chǔ)設(shè)施，至于你的本地權(quán)限，它一概碰不到。

你得到的還是一個(gè)在線聊天機(jī)器人，而不是能在你工作流里動(dòng)手干活的 Agent。這個(gè)落差，不是版本迭代能夠填平的。

對(duì)比而言，云端部署（VPS）走的是另一條路。

把蝦養(yǎng)在你專屬的云服務(wù)器上。它碰不到你的本地桌面，但能作為獨(dú)立節(jié)點(diǎn) 7×24 小時(shí)待命，包攬所有不需要本地圖形界面的臟活累活：定時(shí)抓數(shù)據(jù)、處理文檔、自動(dòng)發(fā)消息。

對(duì)于有明確業(yè)務(wù)目標(biāo)的用戶，這才是真正能干活的形態(tài)。

那么面對(duì)目前主流的云廠商鏡像方案，怎么選？

面對(duì)六家主流云廠商，拋開各家“首月 9.9”的營(yíng)銷噱頭，評(píng)價(jià)權(quán)重必須重新排序：安全 > 穩(wěn)定 > 擴(kuò)展 > 便捷。也就是說，愿意花錢買穩(wěn)定的人，并不會(huì)因?yàn)槎嗯鋬刹蕉艞壐踩倪x項(xiàng)。

在這個(gè)權(quán)重框架下，各平臺(tái)的方案呈現(xiàn)出不同的場(chǎng)景適配度：

第一層：鏡像版本的生命力

OpenClaw 迭代極快，鏡像版本直接決定了功能代差。如果鏡像停留在早期的命名階段，即對(duì)應(yīng)早期的插件架構(gòu)，當(dāng)前官方主推的插件化 IM 集成、隨機(jī)端口安全機(jī)制等新特性均不原生支持。如果用戶未來需要跟進(jìn)最新插件生態(tài)，這兩套方案需要手動(dòng)升級(jí)，會(huì)喪失一鍵部署的省心優(yōu)勢(shì)。

相比之下，阿里云、騰訊云等方案跟進(jìn)主線更快，更適合追求最新特性的長(zhǎng)期主義者。并且，阿里云在鏡像的顆粒度上做了進(jìn)一步細(xì)分。以阿里云輕量應(yīng)用服務(wù)器為例，它直接提供了三款細(xì)分鏡像。

原版 OpenClaw 綜合能力最強(qiáng)，適合硬核玩家；CoPaw 做了深度本土化改造，更契合國(guó)內(nèi)用戶的使用習(xí)慣；ZeroClaw 則將配置要求壓到最低，專為幾塊錢的廉價(jià)云服務(wù)器準(zhǔn)備。對(duì)于追求最新特性的長(zhǎng)期主義者，這種分層供給明顯更實(shí)用。

第二層：安全機(jī)制的默認(rèn)防線

公網(wǎng)暴露和權(quán)限失控是當(dāng)前 OpenClaw 的核心風(fēng)險(xiǎn)。在安全配置上，阿里云鏡像給出了相對(duì)系統(tǒng)的默認(rèn)應(yīng)對(duì)：初始化默認(rèn)生成隨機(jī)端口替代固定暴露、支持一鍵關(guān)閉公網(wǎng)訪問、重啟后安全配置持久化。

對(duì)于沒有精力深入研究防火墻規(guī)則的個(gè)人開發(fā)者，這種“開箱即安全”的機(jī)制更契合深度調(diào)用場(chǎng)景的底線需求。

第三層：模型生態(tài)與成本管控機(jī)制

長(zhǎng)期跑 Agent，核心成本在 Token。各家都能接入主流模型，但在“成本失控”的預(yù)防上，阿里云與百煉平臺(tái)的深度集成提供了一個(gè)差異化解法：Coding Plan 固定月費(fèi)訂閱機(jī)制。

超出額度只報(bào)錯(cuò)不扣費(fèi)，把不可控的變動(dòng)成本轉(zhuǎn)變?yōu)楣潭ㄖС?。?duì)于有穩(wěn)定高頻調(diào)用需求、擔(dān)心賬單突變的用戶，這種機(jī)制極具吸引力。

同時(shí)，對(duì)于有出?；蚩缇硺I(yè)務(wù)需求的用戶，阿里云全球 24 個(gè)地域的覆蓋也是一項(xiàng)核心的擴(kuò)展優(yōu)勢(shì)。

綜合以上維度，主流云端鏡像方案的場(chǎng)景適配如下：

在鏡像版本、安全機(jī)制、模型生態(tài)三個(gè)關(guān)鍵分層上，阿里云輕量應(yīng)用服務(wù)器均處于第一梯隊(duì)，且三者形成了閉環(huán)：版本最新意味著安全補(bǔ)丁跟得上，百煉集成意味著 Token 成本可控，全球 24 地域覆蓋意味著有跨境業(yè)務(wù)時(shí)不用換方案。

其次按 IM 生態(tài)做備選：飛書重度用戶優(yōu)先火山引擎，企業(yè)微信用戶可選騰訊云，兩者在對(duì)應(yīng) IM 的原生對(duì)接上有明顯優(yōu)勢(shì)。

中小團(tuán)隊(duì)：規(guī)模升級(jí)，需求裂變

當(dāng)個(gè)人用戶的需求擴(kuò)展到團(tuán)隊(duì)協(xié)作場(chǎng)景，核心問題發(fā)生了質(zhì)變：不再是"怎么讓蝦跑起來"，而是"怎么管理一批蝦同時(shí)為不同的人服務(wù)"。

權(quán)限分層、數(shù)據(jù)安全、多人并發(fā)，這三個(gè)維度在個(gè)人場(chǎng)景下可以忽略，在團(tuán)隊(duì)場(chǎng)景下都是硬指標(biāo)。

和個(gè)人開發(fā)者類似，中小團(tuán)隊(duì)也并非均質(zhì)群體。技術(shù)能力的差異，決定了最優(yōu)解的分叉方向。

1）有技術(shù)能力的團(tuán)隊(duì)

開發(fā)團(tuán)隊(duì)、技術(shù)公司需要的是環(huán)境可控、數(shù)據(jù)自主、可擴(kuò)展的方案。

使用阿里云 ECS 云服務(wù)器結(jié)合 OpenClaw 自建是這類團(tuán)隊(duì)的優(yōu)先選項(xiàng)之一。ECS 支持自定義鏡像和運(yùn)行環(huán)境，VPC 私有網(wǎng)絡(luò)隔離確保數(shù)據(jù)不出內(nèi)網(wǎng)，業(yè)務(wù)擴(kuò)大后可平滑升級(jí)至企業(yè)級(jí)架構(gòu)，不用推倒重來。在 ECS 選型上，u2a 通用算力型實(shí)例性價(jià)比突出。

此外，華為云 ECS VPC 私有化方案同樣適合有嚴(yán)格信息安全合規(guī)要求的團(tuán)隊(duì)，在金融、醫(yī)療等監(jiān)管敏感行業(yè)尤為適用。

2）缺少技術(shù)支撐的業(yè)務(wù)團(tuán)隊(duì)

運(yùn)營(yíng)、市場(chǎng)、客服等部門的需求則完全不同：快速上線、多人可用、不需要自己維護(hù)。

這個(gè)時(shí)候，再把“云端自建是中小團(tuán)隊(duì)性價(jià)比最優(yōu)解”當(dāng)通用結(jié)論講是危險(xiǎn)的。對(duì)沒有技術(shù)人員的團(tuán)隊(duì)，自建的隱性運(yùn)維成本往往才是最貴的那一項(xiàng)。

這類團(tuán)隊(duì)更適合騰訊云 ADP 輕量版或 Coze 企業(yè)版，零運(yùn)維、權(quán)限分層開箱即用，適合在投入正式基礎(chǔ)設(shè)施之前快速驗(yàn)證 AI Agent 在業(yè)務(wù)場(chǎng)景中的價(jià)值。

總結(jié)下來，中小團(tuán)隊(duì)在選型上不存在“一刀切”的最優(yōu)解。技術(shù)底色決定了團(tuán)隊(duì)能否駕馭底層基礎(chǔ)設(shè)施，而業(yè)務(wù)節(jié)奏又往往倒逼決策向省心妥協(xié)。

認(rèn)清自身團(tuán)隊(duì)的“長(zhǎng)板”與“短板”，在自建可控與托管省心之間找到平衡點(diǎn)，才是最務(wù)實(shí)的策略?；谏鲜龇制纾煌刭|(zhì)團(tuán)隊(duì)的適配路徑如下：

規(guī)?；渴穑?/strong>

從能用到可控，是道坎

當(dāng) AI Agent 從個(gè)人效率工具演變?yōu)槠髽I(yè)級(jí)生產(chǎn)系統(tǒng)，選型標(biāo)準(zhǔn)發(fā)生了根本性遷移。

此時(shí)，企業(yè)要回答的不再是“能不能跑”，而是三個(gè)更硬核的問題：Agent 出了問題會(huì)不會(huì)影響核心業(yè)務(wù)？大規(guī)模并發(fā)時(shí)算力能不能跟上？操作有沒有審計(jì)日志、出了事能不能溯源？

在實(shí)際調(diào)研中，阿里云 ACS Agent Sandbox、騰訊云 ADP、百度千帆 AppBuilder、私有化自建（ECS/ECS VPC）是常被提及的方案。

企業(yè)訴求拆成兩層看更清楚：算力與隔離，也就是 Agent 跑在什么環(huán)境里、出了問題影響多大、高峰期能否彈性擴(kuò)，以及應(yīng)用與管理，智能體怎么搭、多部門怎么協(xié)作、版本怎么迭代。

前者是基礎(chǔ)設(shè)施層的問題，后者是應(yīng)用平臺(tái)層的問題，分開看才能選對(duì)。

基礎(chǔ)設(shè)施層的核心風(fēng)險(xiǎn)是爆炸半徑。傳統(tǒng) ECS 自建可以解決數(shù)據(jù)不出內(nèi)網(wǎng)的合規(guī)問題，但無法在 Agent 級(jí)別做到真正隔離：多個(gè) Agent 跑在同一實(shí)例上，一個(gè)崩潰可能拖垮所有人。

這正是底層基礎(chǔ)設(shè)施必須進(jìn)化的原因。阿里云 ACS Agent Sandbox 給出的解法很直接：給每個(gè) Agent 建“獨(dú)立單間”。它依托底層 MicroVM 沙箱技術(shù)實(shí)現(xiàn)強(qiáng)安全隔離，每個(gè) Agent 都在專屬空間里獨(dú)立運(yùn)行、互不干擾，保障核心生產(chǎn)系統(tǒng)平穩(wěn)可靠。

而在算力調(diào)度上，它則切中了企業(yè)級(jí)場(chǎng)景最痛的“呼吸感”問題，沙箱系統(tǒng)的冷啟動(dòng)時(shí)延與并發(fā)吞吐能力，直接影響 Agent 的任務(wù)執(zhí)行效率和最終用戶體驗(yàn)：業(yè)務(wù)高峰期，最高支持每分鐘拉起 1.5 萬個(gè)沙箱頂上去；業(yè)務(wù)低谷時(shí)，沙箱可以直接“休眠”，不產(chǎn)生閑置浪費(fèi)。

更重要的是，它原生兼容企業(yè)現(xiàn)有的 Kubernetes 生態(tài)，不需要為了養(yǎng)蝦推倒重來另建一套基建，同時(shí)也原生兼容 E2B，面向 Agent 新應(yīng)用構(gòu)建場(chǎng)景，企業(yè)也可以基于 E2B 生態(tài)快速開發(fā)并完成接入。

相比之下，騰訊云 ADP、百度千帆這類應(yīng)用平臺(tái)，解決的是另一道題：智能體怎么低代碼搭建、多部門權(quán)限怎么分層管控。

兩類方案的關(guān)系不是競(jìng)爭(zhēng)而是分層，企業(yè)真要上規(guī)模，底下沒有強(qiáng)隔離底座，跑多了遲早遭遇崩潰失控；上面沒有應(yīng)用管理平臺(tái)，運(yùn)維人員會(huì)被繁瑣的配置工作直接淹死。兩層對(duì)齊，才是企業(yè)跨越“能用”到“可控”這道坎的正解。

終局與選型：別在“蝦塘”里

錯(cuò)配了你的基建

回到文章開頭那個(gè)問題：“這么多版本的龍蝦，我到底該用哪個(gè)？”

答案其實(shí)已經(jīng)浮出水面。真正的分水嶺，從來不在于“哪只蝦更聰明”，而在于“你為這只蝦準(zhǔn)備了什么級(jí)別的基建”。

當(dāng)前“養(yǎng)蝦圈”最大的浪費(fèi)，不是花了幾十塊錢買了個(gè)云服務(wù)器，而是“規(guī)模錯(cuò)配”。

用企業(yè)級(jí)平臺(tái)去解決個(gè)人體驗(yàn)問題，是成本上的暴殄天物；用個(gè)人桌面版去承接團(tuán)隊(duì)的核心業(yè)務(wù)流，是在拿數(shù)據(jù)安全裸奔。供給端的繁榮，恰恰掩蓋了這種錯(cuò)配的風(fēng)險(xiǎn)。

透過二十余套方案的體驗(yàn)分析，我們可以得出三個(gè)行業(yè)級(jí)的確定性判斷：

第一，OpenClaw 不是終局，它只是 AI 心智教育的“探路者”。

全員“養(yǎng)蝦”的背后，是國(guó)產(chǎn)大模型廠商在借此打開商業(yè)化的缺口。但當(dāng)嘗鮮期結(jié)束，用戶真正需要的是權(quán)限、安全、記憶、工作流這些重度基礎(chǔ)設(shè)施。誰能把這些基礎(chǔ)設(shè)施做透，誰才能把前期圈來的“流量”轉(zhuǎn)化為長(zhǎng)期的“留量”。

第二，成本的重心正在發(fā)生轉(zhuǎn)移。

從“硬件成本”轉(zhuǎn)向“Token 吞噬成本”，再轉(zhuǎn)向“運(yùn)維與安全合規(guī)成本”。這也是為什么在個(gè)人場(chǎng)景下，阿里云輕量服務(wù)器的“百煉可視化切換與 Coding Plan 防透支機(jī)制”能勝出；在企業(yè)場(chǎng)景下，ACS 的“內(nèi)存級(jí)休眠喚醒”能成為殺手锏：因?yàn)樗鼈兙珳?zhǔn)打擊了下一階段最痛的成本黑洞。

第三，部署形態(tài)正在經(jīng)歷從“散養(yǎng)”到“圈養(yǎng)”的不可逆演進(jìn)。

從本地桌面的“完全放養(yǎng)”，到云端鏡像的“獨(dú)立單間”，再到 ACS 沙箱的“高強(qiáng)度隔離工廠”，這背后是 AI Agent 從“個(gè)人玩具”向“企業(yè)數(shù)字員工”演進(jìn)的必然路徑。越往后走，底層算力的調(diào)度能力，越比上層的界面交互重要。

三個(gè)判斷指向同一個(gè)結(jié)論：選“養(yǎng)蝦”方案的本質(zhì)，是選你當(dāng)前所處的需求階段。以下為不同階段的“養(yǎng)蝦”選型邏輯，從個(gè)人嘗鮮到企業(yè)級(jí)基建，標(biāo)定了每一級(jí)的方案適配與能力邊界，為大家參考。

會(huì)議推薦

今日薦文

你也「在看」嗎？