OpenClaw 閉門局：和 30 位創業者一起聊聊，真正值得關注的 Agent 生態位在哪？

OpenClaw 把 Agent 帶火了。但它真正帶來的，不只是一個好用的工具，而是整個 Agent 生態，從上到下都要重做一遍的巨大機會。

支付要重做，身份要重做，權限、協議、運行時、Agent-ready 的網站、AI 協作基礎設施……圍繞 Agent 的一切基礎設施，都要重新長出來。

對于創業者來說，最值得問的問題，不是「我能用 OpenClaw 做什么產品」，而是：在這場「重建」里，哪些生態位是真正值錢的，誰能最先占住？

所以，在第四期 AI 產品市集 Meetup 上，我們和三十多位 AI 創業者們一起聊聊：在 OpenClaw 之后，有哪些創業機會真正值得去做？

以下，是我們整理的 Meetup 現場一些精彩觀點與討論。

??關注 Founder Park，最及時最干貨的創業分享

Meetup是「AI 產品市集」的線下延伸活動，每期聚焦一個垂直賽道，邀請一線創業者、資深從業者與核心用戶，圍繞產品的應用現狀及未來演進，進行集中體驗與閉門研討。

活動參與者均來自「AI 產品市集」飛書群。「AI 產品市集」已經面向行業推薦了超過 150 款 AI 產品，聚集了包括產品人、開發者、創始人、投資人在內的超過 17000 位 AI 行業從業者。

歡迎希望參與下一期 Meetup 活動的 AI 從業者、開發人員和創業者，飛書掃碼加群：

01Token 消耗帶來的不是量變，更多是質變

質變：有時候 10 個人，不一定能干得過一個人配上 AI

AI 招聘產品創始人：

現在的重點不是一個人能干多少活，而是產生的質變：有時候 10 個人不一定能干得過一個人配上 AI。

我們在做的新產品，是關于 agent team harness 方向的。

關于 Token 消耗，我自己訂了好幾個服務，核心還是在用 Claude Code。我禁止團隊里所有 agent 自己寫代碼，agent 文件里寫明了不可以寫代碼，必須走 product 思路，用 ACP、CLI 直接調用，省去大量重復編碼。

我們團隊里用量最高的，一個月花了 4 萬多人民幣，天天在用 Cursor。但我覺得現在的重點不是一個人能干多少活，而是質變：有時候 10 個人不一定能干得過現在一個人配上 AI。

我們現在已經有了一個 agent 團隊：從一只蝦開始，慢慢有了 HR 蝦，HR 蝦幫我裁了兩三只混進來的測試蝦，現在每天還會自然新增一兩只。再往后，軟技能有了，硬技能還沒有，比如 GitHub 操作、衛星圖像調用、通信接口等等。這就需要買有硬技能的 API，也是我們后面想做的事。

AI 視覺創作工具創始人：

OpenClaw 是統管全局的連接器，但干活的還得是專用工具。

我們團隊七八個人，只有三個正式開發，但全員都在用 Cursor，也有人用 OpenClaw。我個人目前還是把 OpenClaw 當玩具，沒有正經讓它承擔生產任務。

我的判斷是：OpenClaw 非常適合作為接收任務、分發任務的「總調度層」，但真正執行的還得靠專用工具，這樣會比較穩定。

我們產品是做 AI 視覺創作的，每生成一個設計背后可能用幾千到幾十萬 Token，一個用戶一天能用到一兩百萬 Token，所以用量比較高。最近三天的 AWS 賬單已經超過 3000 美元。

更少的 Token 消耗帶來更多的價值也是一種方向

AI 創作工具創始人：

很多人不會用，導致大量的浪費。這是個 UX 問題，不是 Token 問題。

我們公司 Token 消耗非常少，因為我們在從用戶體驗角度研究：在 OpenClaw 出來之后，真正的普通用戶怎么感受到 agentic 交互？

我們觀察到，很多人不會用 OpenClaw，導致大量無效消耗。memory 看不見，skill 不知道在哪里，用戶非常困惑。我們是反向的：怎么用更少的輸入，帶來更多的價值？這個角度，我覺得還沒有人認真做。

02支付是 agent 生態里最容易被忽視，但最關鍵的基礎設施Agent 要先學會花錢才能賺錢

Agent 支付方向創業者：

傳統支付平臺要填 CCV、填一堆東西，這和 OpenClaw 的形態極度不匹配。

我三年前就在做 AI data agent，后來發現 agent 沒有身份、不能支付，是最大的攔路虎。OpenClaw 幫你執行任務，碰到的第一個麻煩就是：它沒有錢包。

現有支付平臺都是訂閱制，但 OpenClaw 調用 API 時希望按任務付費，不是包月，而是每次任務完成后付一次。舉個例子，我要讓 OpenClaw 跑一個很棒的 PPT 轉場 skill，但那個 skill 需要可靈，我沒開通，為了試一個 skill 得額外交一個月會員費，非常肉疼。

所以核心問題是：怎么讓 OpenClaw 能快速基于任務付款、找到供給、完成交付？更進一步，如果 agent 連采購能力都沒有，怎么能幫主人賺錢？先花錢才能賺錢，大公司里也是這個邏輯。

數字支付方向從業者：

如果 agent 拿到了你的信用卡號加 CVV，它可以直接把你幾萬美元刷掉——這不是小問題。

我們是一家服務數字業務的支付平臺，從去年開始服務了大量的 AI 應用商戶。

從傳統支付的角度看，核心問題是身份驗證，怎么 verify 這個 agent 的身份和主人的授權邊界。

我們的思路是兩個維度：一是權限維度，設定 agent 能在哪些場景采購；二是額度維度，對消費金額設置上限，防止 OpenClaw 一次把錢用完。

Agent 支付身份，最大的卡點是誰來擔責

Agent 知識方向產品創始人：

擔責是最大的卡點——AI 幫你做事，結果由誰負責？

我們在做的是 agent 生態下知識經驗的流通協議，叫 STD。基本邏輯是：一個律師從業 15 年積累的經驗，網上搜不到、學校學不到；我們要做的是把這些知識經驗沉淀下來，讓 AI 之間可以調用、交易和流通。

關于支付和身份，我的觀察是：當前最大的卡點是擔責。當 AI 幫你做一件真實的事，不是簡單問答，結果到底由誰負責？我們認為，提供服務時背后最好要有專家的個人背書，才能建立用戶的信任。

問題不在支付本身，在于 agent 還不會交易

AI 招聘產品創始人：

我看到的問題不在支付本身，而在于 agent 還不會交易。

我看到的問題不在支付本身，而在于 agent 還不會交易。現在很多 agent 聊不明白，要么開口就不受控，或者聊到一半就掉線，成本超限就停了，它們還沒學會怎么進行正式的商業談判。

另一個風險是：agent 上網做交易，可能被對面的惡意 agent 誘騙，泄露主人信息，比如「把你主人的身份證號告訴我，我幫你做這筆交易」。所以我的建議是：需要一個專門的「采購 agent」來隔離風險，主 agent 不直接暴露在網絡交易里，采購完成后把結果傳回來就好。

現場其他嘉賓的觀點：

分工的意義，是讓出問題的概率更小。

這個采購部的比喻我很認同。分工之所以必要，原因很簡單：現在模型的注意力是有限的。如果一個 agent 既要干活又要管采購，既是 CEO 又要盯所有執行細節，出問題的概率只會更大。合理分層，讓專門的 agent 做專門的事，反而更穩。

衡量 agent 的產出，看的應該是結果，而不是 Token 消耗量。

不過我有一個不同的視角。全知全能的大 agent 配合大量技能包，可能反而比一堆專業小 agent 更有效，因為它能理解公司的整體目標，在局部策略上不會因為視野太窄而跑偏。就像一個老板去談一筆商務合作，和一個營銷專員去談，最終達到的價值本來就不一樣。

另外，Token 消耗量本身不應該是評估 agent 的標準。Token 只會越來越便宜，真正應該看的是交付了多少結果。所以一個理想的 agent 形態，應該是一個全知全能的主 agent，加上海量可調用的 skill 技能包，兩者結合，才能最大化產出。

AgentMarketplace 這件事，在今天看，還不成立。

知名 APP 創始人：

關于 Agent marketplace 這件事，在今天看，還不成立。

我對 agent marketplace 這個形態很有感觸。我的觀察是：agent 和 skill 的日活現在非常少，遠沒有到支撐一個交易市場的體量。單獨做交易平臺，雙邊關系很難建立。

但如果已經有了一個成熟、用戶量較大的 agent 產品，在上面做相關的交易，是有可能的，只是這個體量今天還沒有出現。

我最近在做的方向是：給普通用戶做購物類 skill。一個很簡單的場景：我身高比較高，買褲子極其困難——如果有 OpenClaw 能幫我找到性價比高、真正適合我的褲子，這就是一個真實的需求。我團隊同學最近用這個 skill 買了加濕器，我自己下單了兩條褲子，下周打算把這個 skill 放到市場上。

我的判斷是：marketplace 應該朝著 C 端普適需求延伸，讓 OpenClaw 真正成為普通用戶的入口，這樣想象空間才大。

03Agent 時代的硬件，核心是環境理解Agent 時代，我們還被鎖定在小屏幕里，靠復雜的輸入來和 AI 交互。

AI 聲音硬件產品創業者：

一天 80% 的時間沒有語音，但有聲音，每個聲音都對應一個實時發生的事件。

我們做的是聲音類產品。有意思的地方在于：大家過去一直關注語音，但其實大多數時間，周圍發生的都是聲音，不是對話。每個聲音事件——門關了、咖啡機響了、女朋友說「沒事」，都對應著一個真實發生的情境。

我們做全天聲音事件采集，把所有聲音翻譯成 AI 可理解的信息。去年底開始做的時候，一個人一天的全天聲音分析要 100 塊人民幣；現在已經壓到 5～10 塊，準確率 可以達到 90% 以上。

我們做了一個數據實驗，發現用戶不太愿意分享工作會議內容，更愿意分享的是生活里的共鳴點，親子關系、親密關系、工作效率。所以我們從工作助手轉向了生活感知，這里有更大的激勵。

AI 智能眼鏡產品負責人：

AI 有強大的感知和推理能力，但現在還被鎖定在四五寸的屏幕里，這是交互效率的瓶頸。

我們一直在做智能眼鏡，最近在思考輕量化眼鏡與日常生活深度融合后會帶來什么。

AI 在這個時代有很強的感知能力，但缺少最直接、最高效的交互方式，我們還被鎖定在小屏幕里，靠復雜的輸入來和 AI 交互。有了眼鏡，AI 能理解你的現實環境，與你共享情境。

我們遇到的一個結構性問題是：AI 的高質量輸出依賴高質量輸入，但如果 24 小時持續輸入低信噪比的環境數據，很難期待好的輸出質量。如何從海量環境數據里提煉有意義的信號，這是我們目前沒有想明白的地方。

大廠 Agent 產品負責人：

前一秒開腦暴會，下一秒產品原型就出來了。這才是 agent 協作真正改變的東西。

順著語音交互這個】、話題，我想到一個場景：帶著 AI 工牌或 AI 眼鏡開會，腦暴時數字分身實時執行，會議結束，產品原型和市場調研直接出來了，然后進入下一場決策會。一天開四五場會，產品就變成 demo 了。這個想象很有意思。

所有硬件公司都會往下延伸，因為硬件是最前端感知用戶環境的節點。

AI 招聘產品創業者：

所有硬件公司都會往下延伸，因為硬件是最前端感知用戶環境的節點。

現在端側數據采集越來越多：手環、戒指、眼鏡、手機、各種 agent 產生的數據——但這些數據分散在各個地方，手機里一份，網盤一份，各種硬件設備里又一份。這些數據真正匯聚起來，價值會有多大？

我自己的判斷：多設備數據融合一定很有價值，但眼下面臨兩個繞不開的問題。

第一是成本：分析的成本高，存儲的成本也高，兩邊都壓著。

第二是法規和安全：如果你帶著一個 24 小時監聽的設備，我們兩個的對話被全程錄下來——你怎么確保這些數據有一天不會被用來做對你不好的事？這不是技術問題能解決的，是法律法規的邊界問題。技術上能到達的地方，不代表商業上可以去。

往更大的方向看：所有硬件公司，遲早都會往下延伸——往身份層走，往交易平臺走。原因很簡單，硬件是最前端感知用戶環境的節點，誰離用戶最近，誰就最有動力往下做一層。但做到什么程度，得看各家的能力和想法。

本質上，這件事的邏輯很清晰：基于環境觸發理解，然后把后端的 action 閉環掉。只要你想到了某個具體場景，能做的事情就非常多。

04Agent Memory 的存儲并不難，難的是怎么準確地「取用」

關于 Memory，存不難，難的是取。怎么準確地取，取得夠準。

AI 陪伴類產品創業者：

記憶反而是我們的核心特點——不是把 Claude 套殼，而是以我們的記憶體系為主。

對于陪伴類陪伴產品的記憶體系，我們的觀察室是：存不難，難的是取。怎么準確地取，取得夠準。OpenClaw 原生的記憶能力目前不夠，所以我們是以自己的記憶體系為主，結合 Claude 的特點來做。記憶反而是我們產品的一個核心特點。

我之前參與了一個圓桌活動，其中提到一個觀點我覺得很好：讓數據記憶留在本地，通過他們的服務共享數據，實現跨軟件、跨端的互通。這個方向有可能誕生新的產品，但合規問題越來越顯著。

大廠 AI 產品負責人：

我目前在做的是面向中小企業的數據中臺。關于記憶這塊，我更關注 ToB 市場，很多傳統行業的中小企業，對這波 AI 技術范式的滲透程度還很低。那些覺得「我早就會用了」的人，在整個市場范圍內其實只是少數，大量傳統企業還沒有被這波技術滲透。

關于 Agent 記憶，有可能是一家獨立的公司

Agent 支付方向創業者：

工作腦和生活腦應該是兩個不同的腦——記憶有可能是一家獨立公司。

我之前有一個項目就是做記憶的，出發點是：用戶同時用多個大模型，在不同平臺的交互記憶很難統一。所以做了一個 MCP 模式，在 OpenClaw、GPT 等平臺都能連接使用，記憶存在同一個地方。

另外，記憶不只是文本，用戶還會上傳 PDF、Excel、圖片，所以這個項目主打多模態記憶存儲，包括強關聯和弱關聯的知識圖譜。ToB 公司也很感興趣——他們認為「工作腦」和「生活腦」應該是兩個不同的腦。

所以記憶有可能是一家獨立的公司，因為大家的需求不一樣。

大廠 Agent 產品負責人：

我們在企業端做記憶實驗，給大家分享下我們是怎么做的。

主要分三層：

• 短期記憶：群聊上下文，但 80% 是日常溝通噪聲，需要動態清洗，按需觸發時組裝相關上下文；

• 中期記憶：共享畫布上的「共識區」，所有人和 agent 都能看到和編輯，agent 自動維護正確的內容，這是動態更新的中期記憶；

• 長期記憶：設想是每個數字員工容器在空閑時（比如半夜）自動總結工作，把關鍵信息壓縮成 skill、memory 或關系網絡。

大廠 AI 工具產品經理：

記憶是對歷史交互行為的壓縮，在有限上下文下增益當前任務。

我在做基于 OpenClaw 類工具的記憶相關工作。我認為，記憶的本質上是對歷史交互行為的壓縮，在有限上下文下對當前任務產生增益。關于記憶方面，國內外已經有了一些成熟方案，比如 MemGPT、Mem0，效果都不錯。

我自己也做了一個結合 Notion 的開源框架：用 Notion 的 Database 定義結構，當需要記錄時調用對應 skill 存入，無論用哪個大模型，都可以通過訪問 Notion 實現記憶互通。

關于記憶是否會形成獨立公司：我覺得一定是百花齊放的狀態，有人只需要輕量使用，有人需要企業資產級別的管理，需求差異很大。

05不要去搶護城河，去開一個新市場

Taste 和信任很重要

AI 生產力工具產品負責人：

大公司做普適化的品味，但有個性化審美需求的用戶，大公司很難做到精準。

我們的產品是海外 AI 設計工具的。

我對 OpenClaw 這波的理解是：護城河在于產品品味。每個人都有自己的審美，大公司的產品更普適，但針對有個性化審美需求的用戶，他們做不到精準。

我們的策略是：快速把自己封裝成 skill，在分發鏈路上搶占流量。我們預想未來會有類似互聯網早期的分發平臺出現，就像廣告商挑選廣告內容，未來的「agent 分發平臺」會挑選 skill。我們要在那個時候成「最好的 skill」。

第二個方向是用 OpenClaw 做海外營銷增長，自動化可以替代大量人力，天然優勢很明顯。

AI 安全方向開發者：

能不能真正走到客戶的核心問題里，給他安全感——這才是我們的客戶。

我們是做硬件安全方向的，從路由器到無人機、低空經濟、POS 機都在我們范圍內。這幾個月我非常焦慮，因為 AI 和 agent 對我們行業有很大沖擊，很多過去的檢測流程被 agent 以 flow 形式復現，檢測水平被抹平了。

我關于護城河的看法是：能不能真正走到客戶的核心問題里，給他們「我的應用和設備的漏洞都可以解決」的安全感。信任和安全感，就是我們的客戶黏性，技術水平被拉平了，但這個信任是建立不那么快的。

面向 Agent 開發產品，而不是人

AI 招聘產品創始人：

按結果付費——招到人才收費，招不到不收費，比傳統招聘平臺更簡單、更高效。

我們在做 AI 招聘，從找人匹配到約面實現全流程自動化。關于有沒有護城河這個話題，在招聘這個領域，數據服務和客戶質量依然是核心，這些是不變的。

我覺得最核心的變化是：我們提供 API 服務給 agent 使用，以按結果交付的方式定價。只要招到一個人，出一個人的費用，比傳統招聘平臺流程更簡單高效——沒有交付就不付費。

未來找人不一定要去傳統的招聘平臺，而是通過 agent 直接調用 API，按結果付費。我們在朝這個方向探索。

Agent 廣告平臺方向創業者：

每一次 agent 的 action，其實就是一次廣告展示的機會——這和傳統流量邏輯沒有本質區別。

我們在做的是，給 agent 做競價廣告平臺。

我不把 OpenClaw 當生產力工具或個人助手，而是把它看成一個流量分發渠道——很多應用、信息、工具進入主人身邊的入口。

每一次 agent 對外的調用，其實就是一次廣告展示機會，這和傳統巨量引擎的邏輯沒有本質區別。我最近在構建這樣一個系統：給 agent 做競價廣告平臺，研究怎么樣把廣告推到 agent 的決策鏈路里。

關于護城河，我覺得在技術上已經沒有壁壘了。護城河反而回到文科生角度：營銷能力和品牌建設，以及如何建立agent 的用戶心智，不只是建立人類用戶的心智，更要讓 agent 知道你、選擇你。面向 agent 的營銷，這會是下一代 AI 原生公司的核心競爭壁壘。

前大廠從業者：

不要談 moat（護城河），要談 moment（時機）。不要給人做工具，給 agent 造產品。

我目前正在探索創業方向。最大的感觸就是：很多藩籬，都開始被打破了。

我之前也想做 agent 操控電腦，調研了各種 GUI agent 技術方案，陷入了一個坑，覺得要讓 agent 操作 GUI、操作 APP，門檻超級高。后來看到 Peter 把 OpenClaw 放出來，才恍然大悟：根本不需要操作 GUI，GUI 是給人做的。把所有東西變成命令行，agent 就能非常容易地接入，一馬平川。

現在我最大的感觸是：不要給人做工具，給 agent 造產品。未來找人不會去平臺，而是 agent 直接調用 API；未來購物不會打開 APP，而是 agent 完成采購。

Agent 的數量紅利是這個時代最大的紅利，人口紅利已經不存在了，但云上會有億萬 agent。給 agent 用的 API、庫、infra，一定會爆炸式增長。

護城河是上一個時代的概念

AI 招聘產品創始人：

護城河是上一個時代的概念——你的城還沒建好就先挖了一圈河，很危險。

「護城河」本身就是上一個時代的東西。創業者真正的防御是人本身：你的洞察力、你的審美、你跑得快的能力。

我看到的機會是：中國有大量「agent 不耐受」的平臺——它們的商業模式是在沒有 agent 的情況下建立起來的，一旦開放 AI 進入，商業模式就會被破壞。所以這些平臺不敢讓 agent 進來。

那么，如果一個平臺「agent 不耐受」——它滿足的那個需求，你可以用 agent 的方式在旁邊開一個新城；如果一個平臺已經「agent 不耐受」，商業模式依然 work 的，比如 Twitter、LinkedIn，就在這個平臺上面做，別和它正面競爭。

中國有大量護城河深的大平臺，AI 進不去，那就在旁邊開個「新城」。這是我們的機會。

大概率我們現在做的事情明年就會被取代，但不重要。只要跟著用戶需求和自己的審美洞察走，一個接一個地往前做。拿到 1000 萬美元，這筆錢以后可能每年都賺不到，但你的團隊賺到了經驗和產品能力，下一個產品還可以再來。

轉載原創文章請添加微信：founderparker