字節跳動如何用 ArkClaw 把 OpenClaw 熱潮變成賺錢的 AI Agent 商業模式

平台主要運行在字節跳動自家的 Doubao 大語言模型，同時支援 Kimi、MiniMax、GLM 等中國模型。

這讓字節跳動能在整個 AI 堆疊中同時掌握多個價值層：

• 雲端基礎設施
• 模型推論
• Agent 編排
• 訂閱與計費

成本結構：更便宜的 Token 是關鍵

字節跳動認為 AI agent 能否真正普及，關鍵在於 推論成本。

ArkClaw 團隊指出，下一階段 AI 發展將取決於三個因素：

• 更便宜的 token
• 更高的推論效率
• 更長的 context window

這是因為 agent 在執行任務時會反覆呼叫模型。例如搜尋資料、閱讀文件、生成程式碼、再進行下一步推理，每一步都會消耗 token。

如果 token 價格過高，長時間運作的 agent 就會變得不切實際。降低 token 成本與提升推論效率，才有可能讓 agent 持續運作並處理複雜任務。

為什麼長 Context Window 很重要

另一個關鍵能力是 context 長度。

較長的 context window 讓 AI agent 能在一次任務中保留更多資訊，例如：

• 文件與資料
• 任務指令
• 過去的推理步驟
• 工作流程狀態

這意味著 agent 可以執行 更長、更複雜的流程，而不是只回覆單次問題。

在企業應用場景，例如程式開發、研究分析或流程自動化，這種能力會大幅提升實際價值。

訂閱制：把使用量變成穩定收入

除了 token 收費，字節跳動也在 ArkClaw 上加入訂閱制。

早期 ArkClaw 與 Volcano Engine 的 Coding Plan 開發者方案綁定，提供試用與付費訂閱。

2026 年 5 月，Volcano Engine 進一步推出新的 Agent Plan，官方稱為業界第一個「Agent 套餐包」。

主要特色包括：

• 分級月費訂閱
• 統一資源計費
• 打包模型與 agent 工具

目前共有四個月費等級：

• 40 元人民幣
• 200 元人民幣
• 500 元人民幣
• 1,000 元人民幣

平台同時導入 AFP（Agent Fuel Points） 作為統一資源計量單位，讓開發者更容易理解 agent 消耗的運算資源。

Token 需求正在快速上升

ArkClaw 的商業模式，也建立在整體市場需求上升的背景之上。

分析指出，中國 AI 產業正從 「預期驅動」轉向「需求驅動」 的商業化階段，實際工作流程開始大量使用模型服務。

同時，中國模型在全球開發者市場中的 token 使用比例也持續上升。

AI agents 會不斷呼叫模型執行任務，因此往往比一般聊天式 AI 產生更多 token 使用量。

對雲端服務商而言，這意味著 持續性的運算需求。

企業應用才是最大收入來源

真正能帶來長期收入的，仍然是企業應用。

OpenClaw 類型的 agent 可以自動化許多企業工作，例如：

• 程式開發與除錯
• 研究與資料整理
• 郵件與行程管理
• 多步驟業務流程自動化

對企業而言，直接運行開源 agent 並不容易。託管平台可以提供：

• 穩定運作
• 系統整合
• 清晰的計費
• 技術支援

ArkClaw 的定位，就是把原本偏向實驗性質的 AI agents，轉變為 可在企業環境中長期運行的雲端服務。

ArkClaw 的更大戰略

整體來看，字節跳動的策略可以簡化為一個商業循環：

1. 開源 AI agent 框架帶來爆發式關注。
2. 雲端平台降低部署與運維門檻。
3. 更便宜的 token 與更高效率降低運作成本。
4. 訂閱方案把使用量轉化為穩定收入。
5. 企業工作流程帶來長期需求。

如果這個模式成立，AI agent 可能不只是技術熱潮，而會成為新的雲端基礎設施市場。

而 ArkClaw，正是字節跳動押注的那個入口。