蝨孨槑黽前阵子我把 OpenClaw 跑在自己的笔记本上，白天在公司远程逗它两句，晚上合上屏幕，这个“数字生命”就当场断气。后来我痛定思痛，把 OpenClaw 迁到了云服务器上，才第一次体会到什么叫真正 24 小时在线——凌晨两点想到一个任务丢给它，第二天早上醒来，它已经把结果整理好放在对话记录里等我了。这篇不是官方文档的复述版，而是我自己踩完坑之后的完整迁移记录：为什么要上云、服务器怎么选、部署流程怎么做、模型怎么接、微信和钉钉怎么挂，以及那些一搜一大把却没人讲清楚根因的启动报错。不管你刚听说 OpenClaw，还是已经本地跑通想迁到云上的老手，这篇都能给你一份可以直接照着抄的落地方案。
1. 为什么要把 OpenClaw 迁到云上：本地部署的三个死穴
1.1 死穴一：你的“数字生命”会跟着电脑关机一起断气
OpenClaw 这类智能体架构，核心价值是常驻运行和长期记忆。它应该像一个小伙伴一样，随时在线等你交代事情，而不是像某个只在上班时间开机的客服系统。
本地跑最大的问题就是不可控。笔记本合盖休眠了，它断；Windows 深夜自动更新重启了，它断；你出差前忘了把电脑电源选项改成“从不睡眠”，它照样断。而且断了之后不是重开就行，很多启动任务、定时巡检、消息通道的长连接，都得手动重新拉起。我那时候最崩溃的一次，是出门三天回来发现 OpenClaw 在第一天晚上就下线了，三天里所有定时任务全部静默失败，连个提醒都没有。
如果你只是偶尔打开命令行玩一玩，本地部署完全够。但一旦你想让它承担天气预报推送、每日总结、群消息响应这类定时 + 被动触发的活，本地的物理开关就是你最大的敌人。
1.2 死穴二：网络到不了，人在外面就“失联”
就算你狠下心让电脑七天七夜不关机，还有一个更现实的问题：你在外面连不上它。
大部分家庭宽带没有公网 IP，你想在公司访问家里的 OpenClaw，要么搞内网穿透，要么折腾动态域名加端口映射。内网穿透本身不算难，但稳定性就随缘了——你永远不知道穿透服务明天还活不活，也不知道家里路由器半夜会不会自己重启。就算都稳定，你手机在 5G 网络下访问家里那点上行带宽，传个文件能急死人。
我当时的心理预期很朴素：它是我部署的智能体，不是我供起来的大爷。它应该随时随地能响应，而不是“等回家连上 WiFi 再说”。迁到云服务器之后，公网 IP 是标配，安全组放行端口，走到哪儿都能直接访问，这个体验差距是质变。
1.3 死穴三：资源是抢来的，不是它自己的
OpenClaw 本身不算吃资源，但加上你日常的 Chrome、IDE、微信、视频会议，你的电脑内存早就见底了。我本地 16G 内存的机器，跑起 OpenClaw 再开几个服务，风扇直接起飞，模型推理慢到像拨号上网。
更麻烦的是，你没法给它设置资源上限。它想用多少内存取决于对话上下文和技能调用，一次大模型请求就可能把你正在写代码的 IDE 卡到崩溃。云服务器解决的是“资源独占”的问题——你不用跟别的应用抢 CPU、抢内存、抢网络。真觉得配置不够了，服务器升级配置也就是点两下鼠标的事，不动本地任何环境。
1.4 哪些场景其实不适合上云
客观说一句，不是所有人都非得上云。如果你满足下面任一条件，本地继续跑完全没问题：
- 重度依赖本地私有数据，模型必须完全本地推理，数据一步都不想出内网；
- 纯粹是想学习研究，每天跑半小时，不想为云资源额外花钱；
- 所在的网络环境对访问海外 API 有稳定且合规的通道（这个我不展开，你自己评估）。
但只要你想让 OpenClaw 变成“真·7x24 数字生命”，云服务器就是性价比最高的方案。一台低配云服务器每个月几十块，换来的是全年无休、公网可达、资源独立，这笔账怎么算都划算。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 云服务器选型：够用不浪费的配置参考
2.1 先定路线再说配置：纯 API 版还是本地模型版
OpenClaw 跑起来只是一个 Node.js 进程，它真正的算力开销来自模型推理。所以选配置之前，先想清楚一个问题：对话和任务的大模型，你是打算调用云端 API，还是要在服务器本地跑开源模型？
这两条路线对服务器的要求完全不同：
- 纯 API 版：OpenClaw 进程只负责编排、记忆、工具调用，推理全部交给 DeepSeek、OpenAI、Claude 这类远端大模型。服务器只需要稳定、内存够用，不需要 GPU。
- 本地模型版：你要在服务器上跑 Ollama、vLLM 或 NVIDIA NIM 这类推理服务，模型权重全在本地，推理也在本地。这种情况下，GPU 显存比什么都重要，CPU 反而不是瓶颈。
从热词的搜索量来看，问“OpenClaw 配置 NVIDIA NIM”和“OpenClaw companion 本地模型”的人特别多，说明本地模型版确实是需求大头。但我的建议很直接：第一次部署先走纯 API 版。先把 OpenClaw 的架构、配置、运行逻辑摸透，再考虑要不要上本地模型。一上来就搞 GPU 加本地模型，报错叠加报错，你根本分不清是 OpenClaw 的问题还是推理服务的问题。
2.2 两张可以直接抄的配置参考表
纯 API 版，我推荐从下面这个配置起步：
| 配置项 | 推荐参数 | 备注 |
|---|---|---|
| CPU | 2 核 | OpenClaw 本身不重，2 核足够 |
| 内存 | 4 GB | 如果同时跑多个技能或浏览器工具，建议 8G |
| 系统盘 | 40 GB SSD | 记忆库和技能包会持续占空间 |
| 带宽 | 2~5 Mbps | 文本消息场景足够 |
| GPU | 不需要 | 推理走远端大模型 |
| 参考成本 | 几十到一百多元/月 | 以主流云厂商轻量服务器价格估算 |
本地模型版，配置重心转移到 GPU 和显存：
| 配置项 | 推荐参数 | 备注 |
|---|---|---|
| CPU | 4 核以上 | 数据预处理和函数调用需要 |
| 内存 | 16 GB 起步 | 上下文越长越吃内存 |
| 系统盘 | 100 GB SSD 起步 | 模型权重动辄十几 GB |
| GPU | NVIDIA 显卡，显存至少 12 GB | 7B~14B 模型建议 16G 以上显存 |
| 带宽 | 5 Mbps 以上 | 上传下载文件能力 |
| 参考成本 | 几百到几千元/月 | GPU 实例单价高，弹性抢占便宜 |
2.3 系统、地域、带宽那些容易忽略的细节
操作系统别纠结，Ubuntu 22.04 LTS 是社区兼容性最好的选择。OpenClaw 相关的安装脚本、Node.js 版本、NIM 镜像，绝大多数都是优先保证 Linux 生态，Ubuntu LTS 的坑最少。腾讯云、阿里云、AWS 的 LightSail 这类轻量服务器都支持一键选 Ubuntu 镜像，没什么上手成本。
地域的选择，核心原则是“**离你和你的模型