对个人开发者而言，近期爆火的OpenClaw部署门槛低，能快速打通本地环境，满足了通用自动化需求。然而，当AI Agent从个人辅助走向企业级生产环境，核心诉求变成了：能否在安全、稳定、可控的前提下，持续运行于组织级体系中？
为了解决这一难题，MiniMax与阿里（BABA）云展开深度合作。MiniMax依托于阿里（BABA）云容器服务Kubernetes版(ACK)和容器计算服务(ACS)提供的ACS Agent Sandbox，为其最新发布的企业级平台MaxClaw构建了一套端到端的云原生Agent基础设施。
01
OpenClaw企业级落地面临的挑战
挑战1：难以满足企业级安全隔离与治理要求
当前，OpenClaw直接运行于宿主机操作系统层，具备Shell执行、文件读写、浏览器控制等高权限能力；同时，部分实例长期暴露于公网环境，进一步放大了远程利用与权限失控风险，使其受攻击面显著高于传统对话式应用。
对于企业级场景而言，仅具备本地执行能力远远不够，还必须围绕高权限操作建立完善的隔离、控制与治理机制。
挑战2：长任务与跨会话执行能力不足
当 AI从“对话式”演进到“行动式”，其运行模型也从短时交互转向长任务、多阶段和跨会话执行。这要求系统能够持续维护上下文记忆、任务状态和执行进度，并在中断、故障或重启后实现恢复与续接。
OpenClaw的设计重心偏向单体运行与即时执行逻辑，在持久化状态管理、长任务恢复和跨会话一致性方面能力有限。对于需要长期运行、稳定闭环的企业任务而言，这一短板尤为关键。
挑战3：缺乏面向大规模集群的统一运维能力
OpenClaw在企业环境中的真正挑战，往往不在于单个实例是否可用，而在于海量实例能否被统一管理。
OpenClaw的架构设计更适合单机自治或小规模部署，但当企业需要同时运行数万乃至数十万级Agent时，问题会迅速从“实例可用性”升级为“平台治理能力”。企业需要的是覆盖弹性调度、版本升级、故障自愈、策略变更和运行观测的全生命周期（883436）管理能力。
挑战4：低谷空转、高峰抢占、整体利用率低
OpenClaw具有明显特征：首先是“低谷空转”，即为了保持Long-Running常驻运行，维持会话状态、心跳检测和任务响应能力，即使在空闲阶段，实例仍会持续占用计算与存储资源，形成较高的基础成本。
同时，Agent在任务执行过程中具有明显的突发性，即“高峰抢占”：在复杂任务触发后，模型推理、工具调用和多步执行的资源消耗会在短时间内迅速拉升。由于实例规格通常只能按峰值能力预留，企业不得不在高峰保障与日常成本之间做出权衡。
02
MaxClaw：企业级AI Agent
的云原生重构
基于阿里（BABA）云云原生架构，MaxClaw将AI Agent从单体运行时升级为具备统一治理、弹性调度、持久化状态和规模化运维能力的企业级执行平台。
图｜MiniMax MaxClaw技术架构图
//安全隔离：受控执行边界让Agent真正可控可用
针对高权限执行场景，MaxClaw基于阿里（BABA）云云原生隔离基础设施，将Agent的执行过程从“宿主机直接运行”重构为“沙箱内受控执行”，为每个运行实例建立独立、安全、可治理的执行边界。
在具体实现上，阿里（BABA）云与MiniMax共同构筑面向企业场景的安全隔离能力：
(1)计算层
基于MicroVM(轻量级虚拟机)，阿里（BABA）云ACS Agent Sandbox为每个MaxClaw实例提供独立的虚拟机级隔离环境，使每个沙箱运行在独立内核中。相较于传统容器方案，ACS Agent Sandbox的安全边界更接近完整虚拟机，能够显著降低沙箱内越权执行风险。
(2)存储层
MaxClaw为每个Agent实例分配基于ESSD云盘的专属可加密存储空间，作为私有工作空间承载配置文件、会话与运行状态，并支持BYOK等加密机制，确保数据在实例之间彻底隔离、在存储介质上全程受保护。在Agent实例销毁后，存储介质可被彻底擦除，有效避免敏感数据残留。
同时，系统在会话启动时通过CSI安全动态挂载NAS子目录，使实例仅能访问授权范围内的数据目录，从操作系统层面进一步收敛数据可见边界。
(3)网络层
MaxClaw采用ACK轻量级容器网络访问控制策略TrafficPolicy，对实例间互访实行默认拒绝，并结合企业安全组实现出入站流量的精细化管控，避免单点风险扩散为集群级影响。通过这一机制，每个沙箱不仅在计算和存储层具备独立边界，也在网络层面形成最小可达的封闭执行域。
//状态连续：持久化存储让Agent具备长程执行能力
针对长任务与跨会话场景下的状态连续性挑战，MaxClaw基于阿里（BABA）云不同存储介质将Agent状态从短生命周期（883436）运行环境中解耦出来，通过分层持久化存储架构，为长程执行提供稳定、可恢复、可追踪的数据底座。无论是Memory、Cache，还是会话历史与工具调用记录，都可以实时落盘并持续保存在持久化介质中。这样一来，即便遭遇节点故障、实例迁移或弹性调度，Agent仍能够基于历史状态快速恢复上下文，实现任务的续接执行。
从具体数据分层来看，MaxClaw通过以下存储形态实现状态托管：
(1)基于沙箱内置ESSD云盘的私有工作空间
用于承载实例级、强隔离、需高性能读写的核心状态数据，主要包括：
配置类数据：如系统镜像依赖、openclaw.json配置文件、.env环境变量、API密钥、通道凭证等私有化信息。这类数据存放在高可靠存储中，可在实例恢复时快速重建运行状态;
Memory数据：包括如/workspace/memory/MEMORY.md等记忆文件，以及~/claw/agents/sessions/.jsonl等会话状态文件，用于保证每个用户记忆空间独立隔离，避免上下文混淆。
(2)基于CSI动态挂载NAS的共享协同空间
用于承载跨实例共享、容量可扩展的协同数据，主要包括：
Skills与工作流资产：如自定义脚本、插件、工作流定义等，可实现“一次开发、多实例复用”，使多个MaxClaw实例能够实时访问最新版本的数据与逻辑。
长期Memory与备份数据：企业需要保存更大规模的长期数据时，可将相关文件扩展至NAS存储，同时支持对重要状态数据进行备份归档。
(3)基于PolarDB与Tair的业务结果数据与缓存存储空间
用于承载结构化业务数据、高频缓存数据以及状态索引信息，主要包括：
业务结果数据：Agent生成的结果经业务层完成协议转换与展示适配后，可通过MySQL Plugin持久化写入PolarDB，作为前端展示、结果查询及业务系统集成的数据来源。
缓存与状态索引数据：通过Tair提供高性能缓存与状态索引能力，加速高频访问场景下的状态读取，并支撑任务续接、上下文恢复和执行链路快速重建。
//规模化运维：统一控制面让海量Agent真正可管可运维
MaxClaw不再沿用单机工具式运行模式，而是基于阿里（BABA）云云原生架构构建统一控制面，将Agent架构重构为具备统一接入、统一编排、统一治理能力的企业级Agent平台，进而推动Agent从试点验证走向生产级规模化落地。
(1)基于ACK的统一控制面
ACK 负责承载统一接入层与业务控制层，集中处理消息分发、任务编排、策略下发、状态管理和运行观测等核心能力。通过这种方式，MaxClaw将原本分散在单实例中的运行逻辑上收为平台能力，使企业能够从“管理单个Agent进程”升级为“管理一套可编排的Agent平台”。
(2)基于ACS Agent Sandbox的执行面调度
在执行侧，ACS Agent Sandbox负责根据任务请求动态拉起、分配和回收沙箱实例，使Agent的运行不再绑定于固定节点或固定环境，而是能够通过统一调度实现弹性承载。这样一来，无论是单个实例的故障恢复，还是大规模实例的批量部署与回收，都可以在平台层完成，而无需人工逐点维护。
//资源治理：弹性调度让Agent跑得稳也跑得省
针对“低谷空转、高峰抢占、整体利用率低”问题，MaxClaw基于阿里（BABA）云云原生架构搭建起一整套面向AI Agent工作负载特征的资源治理机制，构筑起兼具性能、弹性与可靠性的Agent运行底座。
(1)性能：容器启动时间从数十秒降至毫秒级
为满足产品快速响应的要求，ACS Agent Sandbox通过自定义模板预热机制，将OpenClaw运行环境所需的镜像、依赖和配置预加载至缓存，并结合MicroVM轻量虚拟化能力，实现20-40ms的极速实例供给。相较于传统容器数秒至数十秒的冷启动，这种方式显著降低了实例拉起时延，减少用户感知等待时间。
(2)弹性：最高15,000沙箱/分钟的大规模弹性供给
面对海量并发和波峰波谷问题，ACS Agent Sandbox支持最高15,000沙箱/分钟的大规模弹性供给。任务发起时按需创建、任务结束后自动释放，使资源能够围绕任务密度动态伸缩。
(3)可靠性：在弹性调度中保障任务连续性
ACS Agent Sandbox通过独占MicroVM沙箱、独立ESSD云盘、独立弹性网卡以及运行时Checkpoint能力，构建起面向任务连续性的运行保障机制。即使在扩缩容、网络波动或实例迁移过程中，任务状态仍可恢复、执行链路仍能保持连续，避免了因底层资源变化导致的用户体验中断。
03
展望未来：从架构共建到生态共赢
解决了“企业级Agent落地”的架构问题，下一阶段阿里（BABA）云将与MiniMax共同围绕MaxClaw系统能力优化方向持续探索：
全栈资源调度能力持续演进：面向波动负载优化资源效率
面向AI Agent“长驻留、强波动、突发执行”的特点，未来阿里（BABA）云Agent Infra将持续增强计算、存储、网络与安全的一体化资源调度能力。通过休眠唤醒、秒级升降配和预测式弹性供给，实现资源按任务阶段精准分配，在保障体验与稳定性的同时，进一步降低大规模运行下的资源空耗与持有成本。
AI原生数据存储底座持续演进：面向海量状态增强弹性能力
未来双方将持续推进数据分层与存储解耦，通过块存储EBS的快照预热、快速克隆等能力，提升大规模并发场景下的启动与唤醒效率；同时结合云端记忆检索与知识存储能（885921）力，突破本地文件检索瓶颈，构建面向AI Agent的弹性扩展、低时延、低成本的数据存储体系。
全生命周期运维能力持续演进：面向生产环境提升稳定性与可控性
围绕企业生产环境对稳定性和可运维性的要求，未来ACS Agent Sandbox将持续完善备份恢复、原地重启和渐进式升级等能力，实现关键数据可回溯、异常进程可秒级自愈、版本演进可灰度可回滚。稳定性也将不再只是“系统不宕机”，而是进一步演进为“状态不丢失、服务不中断、升级可控制”的全生命周期（883436）保障能力。
