阿里云“對壘”火山引擎，云服務迎來WaaS終局

上月末，一款名為 OpenClaw（原 Clawdbot）的開源 AI 助手在開發者社區橫空出世。短短幾天，這款能夠在聊天軟件中無縫處理郵件、日程的 Agent在 GitHub 上收獲了超 120k Star，并在一周內吸引了 200 萬訪客。

當這種復雜的生產力需求落地到具體的部署場景時，云大廠們給出了兩套截然不同的解題思路。騰訊云和阿里云幾乎在第一時間上線了 “輕量應用服務器” 的一鍵部署鏡像，試圖讓用戶以最低門檻擁有自己的 “數字員工”；火山引擎則緊隨其后，但它選擇扮演模型供應商的角色——不直接提供服務器舞臺，而是作為 OpenClaw 可調用的模型源，提供多種 AI 模型 API。

打一個比方，火山引擎的方案是為用戶提供舞臺上演技精湛的演員，而阿里云和騰訊云則是把舞臺、燈光、道具全部搭好。這場關于 “舞臺” 與 “演員” 的不同選擇，像極了去年巨頭間那場關于 “ AI云市場第一定義權” 的暗戰。

過去一年，阿里云和火山引擎兩家云服務商在宣發上針鋒相對，火山引擎憑借豆包在 C 端爆發式的流量，拿下了 MaaS 市場近半數的 Token 份額；然而，Omdia 的財報數據出爐時，阿里云依然以 35.8% 的營收份額穩居第一，超過了第 2 至第 4 名的總和。

一邊是流量第一，一邊是賺錢第一。這種 “雙第一” 的格局背后，是中國AI云服務的游戲規則變了。從 2023 年的 “搶卡大戰”，到 2024 年的 “MaaS 試水”，再到 2026 年，AI Infra 與 Workflow（工作流）的全面接管。

在這個路口，“Token 崇拜”開始退潮，“全棧工程”逐漸回歸。勝負手在于誰能提供全棧式、可運營、甚至即使在極端供應鏈環境下依然穩健的 AI 基礎設施。OpenClaw 代表的理念——Skill-based（基于技能）、主動式 Agent、多渠道接入，或許正成為企業級 AI 的未來方向。

Token仍是基石，但已不是全部

Token 調用量，這個曾經只屬于 NLP 工程師的技術參數，如今被強行推向了商業舞臺的中央。

這種壓力直接傳導到了每一位云銷售的 KPI 里。據雷峰網報道，2026 年，火山引擎的銷售考核發生了劇烈變化：去年還能用 GPU 算力沖業績，今年必須賣大模型及 AI 工具。每個銷售的大模型業績任務至少 1000 萬打底，有的甚至高達 3000 萬。阿里云同樣如此，銷售線正在經歷一輪嚴酷的調整，只為備戰這場 “MaaS 強攻”。

但在具體的商業戰略中，不同位置的人對 Token 卻有著截然不同的定義。

在火山引擎總裁譚待看來，Token 調用量是 AI 時代的 DAU，是新時代的流水。他的邏輯非常直接，“模型只有被調用才能發揮價值，越有價值的模型，調用量就越多。” 通過極致的性價比和 C 端應用（豆包）的協同，火山成功拿下了 MaaS 市場的半壁江山。

從信息論的角度來看，智能的本質是數據的壓縮與解壓縮。而在 Multi-Agent（多智能體）時代，Token 代表勞動力。限制 Token 的使用，等于限制生產力。而工作流推理（如 OpenClaw）注定會消耗大量 Token，因此降低 Token 推理成本，確是 2026 年云計算的一大方向。在這一點上，火山引擎無疑抓住了 AI 進化的加速度。

不過在熱鬧喧囂之中，也需要一些冷思考。MaaS 確實增長迅速，但如果把目光僅局限在這個細分市場，顯然有失偏頗。國家統計局數據顯示，2025 年中國日均 Token 消耗量已飆升至 30 萬億，但 Omdia 的統計揭示了另一面：按 Token 計費的 MaaS 服務收入僅占整個 AI 云市場規模的不到 1%。

騰訊和阿里的判斷在于，真正高價值的 “生產級 Token”——如金融風控、自動駕駛仿真、政務數據治理，往往并不走公有云 API。這些場景對數據安全、延時、合規有著極高的要求，企業更傾向于私有化部署或本地推理。

更不用說以后 MaaS 更大的應用場景在于讓 AI 走下云端，走進移動端，將小模型塞進手機、汽車、機器人，進行離線運行。這部分巨大的算力消耗，被 Token 榜單無視了，但卻支撐起了阿里云和騰訊云的營收底座。

正如騰訊云副總裁楊晨所說，單純賣 Token 是一門 “粘性極差” 的生意?！翱粗亢艽螅蛻裟玫?Key 隨時會跑。AI 真正好的生意還是要去拼場景。”

在這個問題上，阿里云看得更深一步。它沒有陷入 “唯 Token 論” 的虛無，也沒有走向 “反 Token” 的極端。相反，過去一年阿里多次發起 “降價潮”，推動 Token 調用量實現 “成千上萬倍的增長”。

Token 是燃料，但阿里想要引擎。因此它選擇了一條務實的中間路線：強調長期 IaaS 與系統工程積累，向以 GPU 為核心的統一 AI 云演進。在 C 端通過通義千問的開源維持熱度，在 B 端深水區則通過 “全棧云設施”抓住無法用 Token 計算的生意。

據報道，在阿里云上，使用 API 調用服務的客戶和使用 GPU 算力的客戶，重合度高達 70%。這意味著深度使用 AI 的企業，大多數都不是只選一種方式，而是根據場景選擇不同的服務層級：有些調 API 就夠了，有些需要自己訓模型。

這解釋了為什么阿里在 Token 份額上看似被追趕，卻在營收上保持著絕對的統治力：火山贏在了 “輕”，而阿里贏在了 “重”。

近期AWS和谷歌云相繼宣布漲價，也說明在需求驅動下，底層資源的價值依然穩固甚至凸顯。這背后是一條清晰的“AI 通脹”傳導鏈，從存儲芯片到 CPU，通脹壓力正自上而下傳導至云端。持續二十年的“云服務價格只降不升”鐵律，被徹底打破了。

對于云巨頭而言，這同時是一場久違的“利潤翻身仗”。短期靠 AI 算力漲價“回血”，長期靠公有云產品模式徹底“新生”——AI 正在將高價值工作負載不可逆地鎖定在公有云上，終結了過去那種“墊資、駐場、做總包”的苦活累活。

誰在為云鋪設“暗線”？

OpenClaw 的爆火，不僅僅是因為好用，更因為它代表了一種趨勢：Skill-based Agent（基于技能的智能體）正在取代單純的 Chatbot。這種進化的本質，是 AI 從 “對話框” 走進了 “業務流”，用戶迫切需要能夠直接交付結果的生產力工具。

正如互聯網的本質是連接，計算機的本質是效率。直接呈現結果，永遠比提供工具要更有效率。OpenClaw 恰恰扮演了這樣一個角色——一個能執行復雜任務的數字員工。這顯然已經超越了 MaaS 的范疇，進入了 WaaS（工作流即服務）的深水區。

這種超越背后，是一場席卷全球軟件行業的恐慌。就在 OpenClaw 席卷 GitHub 的同一個月，大洋彼岸的資本市場用腳投出了反對票。1 月 29 日，SaaS 巨頭 SAP 與 ServiceNow 的股價分別重挫 15% 和 13%，過去一年，美國上市企業軟件公司的市值整體蒸發了 10%。《經濟學人》也在一篇分析中敏銳地發問：SaaS（軟件即服務）是否正在衰落，而 AaaS（代理即服務）是否正在興起？

過去，企業購買軟件是為了適應既定的功能和規則；而現在，借助 Vibe 編碼和智能 MCP，任何人都可以構建真正適合自己工作流程的內部工具。商業軟件投資增速已從前兩年的 12% 放緩至 8%，因為當業務邏輯從“購買軟件”轉移到“雇傭 Agent”時，舊有的 SaaS 護城河便顯得岌岌可危。

高盛在一份最新的研究中斷言，軟件行業的利潤池正在發生轉移：到 2030 年，超過 60% 的軟件經濟價值將由 AI Agent 貢獻，而非傳統的 SaaS 席位。

在高盛的定義中，真正的 Agent 不是那種只會陪聊的機器人，而是具備自主性、能適應變化、擁有上下文記憶并能調用 API 完成多步工作的系統。一旦廠商能用 Agent 封裝工作流，它們就掌握了新的知識工作交互界面，從而捕獲生產力增益的大頭。

不過眼下理想與現實之間仍有一道鴻溝。目前的部署大多仍是連接了 LLM 的聊天機器人，那些更強大的 Agent 模式仍停留在概念驗證（PoC）或內部試點階段。高盛警告稱，真正的標準化至少還需要 12 個月，因為這一層技術棧極其脆弱，它需要穩定的平臺層，以及針對身份、安全和數據完整性的嚴格圍欄（Guardrails）。

而這道“脆弱的鴻溝”，正是云巨頭們的機會，OpenClaw 的出現，正是這種“去 SaaS 化”浪潮中的一朵浪花。行業內的兩家老大哥 AWS 和 Google，幾乎在同一時間朝著兩個方向用力：一個方向是向下，把芯片、網絡、調度一層層打磨到極致，讓推理負載像工業設備一樣；另一個方向是向上，直接下場把零散的工具封裝成完整的應用生產線。

這兩個方向指向同一個判斷，也即云已經不再把 AI 當成一種普通負載，而是把它當成正在重塑云自身形態的主業務。

因此，OpenClaw 成為了觀測國內云廠商戰略分歧的最佳切片。巨頭們都不想錯過窗口期，但切入的角度折射出了截然不同的底色?；鹕揭娌惶峁┓掌?，而是確保 Agent 在 “思考” 時調用性價比最高的模型；而阿里云和騰訊云，則選擇極速上線輕量應用服務器的 “一鍵部署鏡像”。

這看似是兩種產品形態的選擇，實則是中國 AI 云市場分裂為兩條路線的縮影：一條路通向 “極致的智力供給”，另一條路通向 “全棧的應用托管”。

但如果細看阿里云的方案，會發現它又不僅是 “賣服務器” 那么簡單。在 OpenClaw 的部署方案中，阿里云雖然也提供了服務器鏡像，但它更進一步——在鏡像中深度集成了自家的 “百煉” 平臺和通義千問模型，甚至可以直接跟釘釘集成。這種“全棧式”的打法，源于阿里云對自己特殊的戰略定位。

從全球范圍看，阿里云是一個比較特殊的存在，它是少數同時押注云計算基礎設施和開源模型生態的大型云服務商。Qwen 系列模型開源后，全球下載量已超過 8 億次。這 8 億次下載中，許多轉化為了本地部署或私有集群推理，雖然不直接產生 Token 收入，但都在消耗底層的算力、存儲和網絡。

《新立場》認為，OpenClaw 的火爆也標志著 AI 云的競爭高點，正從 “資源層（IaaS）” 和 “模型層（MaaS）” 向 “工作流層”（Workflow as a Service）遷移。

誰能接管企業的 Business Workflow（業務流），誰就擁有了最高的轉換成本。單純的模型 API 改幾行代碼就能從 DeepSeek 換成 GPT-4，但一旦企業的業務流邏輯（Agent Chain）跑在某一方的編排引擎上，遷移難度會瞬間上漲。這就像當年的操作系統之爭，工具類產品容易被替代，但平臺級產品一旦形成生態，壁壘極高。

而云服務的競爭從來不是孤立的。過去云計算的競爭，IaaS、PaaS、SaaS 相對獨立，客戶可以分層采購。但 AI 改變了這個邏輯。模型訓練需要海量算力，推理需要低延遲網絡，數據需要在安全合規的前提下流動，這些環節高度耦合，很難拆開。

一個企業客戶調用 API 的背后，是數據治理（PaaS）、芯片調度（IaaS）、網絡延遲優化等一系列復雜的工程問題。工作流層的繁榮，又會反過來驅動對底層模型API（MaaS）和算力資源（IaaS）更大量、更穩定的需求。任何一層出了短板，整體體驗就會打折扣。

這恰恰是阿里云最擅長的領域。當 AI 從 “聊天玩具” 變成 “生產工具”，企業客戶會發現，他們需要的不僅僅是一個便宜的 API 接口，還包括一套算力集群管理、數據安全合規、模型微調工具以及應用編排引擎在內的 “重型 Infra”。

這正是阿里云未來三年投入3800億砸基建的緣由，也是阿里云的戰略目標：為AI時代的“工作流操作系統”鋪設地基。承接那些因開源生態聚集而來、因工作流復雜而沉淀下來的長周期需求。

過去一年，火山引擎都是那個最喧鬧的“流量入口”，但阿里云正在通過掌控 Infra 和工作流，悄然拿走屬于“操作系統”的那份最高溢價。在云端戰事的下半場，確定性，才是最昂貴的商品。

正如譚待所言：當下的市場不是存量競爭，也不是零和博弈，而是大家一起把這個市場做大。劉偉光也在一場溝通會中表達了類似的觀點——AI 時代的關鍵是打贏增量，未來很可能每年增量市場都遠大于過去一年的存量市場。

而正如谷歌云和 AWS 近期的漲價所暗示的，底層資源的價值依然穩固。在需求驅動下，那些能夠提供 “確定性” 的云廠商——芯片、網絡、調度系統被一層層打磨到極致，將獲得最大的議價權。

云計算行業沒有討巧的事。每一個數據庫產品，每一層服務能力，都是臟活累活苦活堆出來的?；A設施的穩定性、安全性，都不是靠講故事講出來的，而是靠無數次故障復盤、性能調優磨出來的。

當廠商已經不滿足于把算力賣出去，而是越來越執著于把底層的控制權握在自己手里，讓推理負載變得穩定、可控，更多企業會從 “嘗鮮” 走向 “深度使用”。當 AI 從消費端走向生產端，競爭一定會回歸到全棧。而誰的基礎設施更扎實，誰的全棧能力更完整，誰就能走得更遠。

*題圖及文中配圖來源于網絡。