OpenClaw 闭门局：和 30 位创业者一起聊聊，真正值得关注的 Agent 生态位在哪？|agent|openclaw|创业者|闭门局

OpenClaw 把 Agent 带火了。但它真正带来的，不只是一个好用的工具，而是整个 Agent 生态，从上到下都要重做一遍的巨大机会。

支付要重做，身份要重做，权限、协议、运行时、Agent-ready 的网站、AI 协作基础设施……围绕 Agent 的一切基础设施，都要重新长出来。

对于创业者来说，最值得问的问题，不是「我能用 OpenClaw 做什么产品」，而是：在这场「重建」里，哪些生态位是真正值钱的，谁能最先占住？

所以，在第四期 AI 产品市集 Meetup 上，我们和三十多位 AI 创业者们一起聊聊：在 OpenClaw 之后，有哪些创业机会真正值得去做？

以下，是我们整理的 Meetup 现场一些精彩观点与讨论。

⬆️关注 Founder Park，最及时最干货的创业分享

Meetup是「AI 产品市集」的线下延伸活动，每期聚焦一个垂直赛道，邀请一线创业者、资深从业者与核心用户，围绕产品的应用现状及未来演进，进行集中体验与闭门研讨。

活动参与者均来自「AI 产品市集」飞书群。「AI 产品市集」已经面向行业推荐了超过 150 款 AI 产品，聚集了包括产品人、开发者、创始人、投资人在内的超过 17000 位 AI 行业从业者。

欢迎希望参与下一期 Meetup 活动的 AI 从业者、开发人员和创业者，飞书扫码加群：

01Token 消耗带来的不是量变，更多是质变

质变：有时候 10 个人，不一定能干得过一个人配上 AI

AI 招聘产品创始人：

现在的重点不是一个人能干多少活，而是产生的质变：有时候 10 个人不一定能干得过一个人配上 AI。

我们在做的新产品，是关于 agent team harness 方向的。

关于 Token 消耗，我自己订了好几个服务，核心还是在用 Claude Code。我禁止团队里所有 agent 自己写代码，agent 文件里写明了不可以写代码，必须走 product 思路，用 ACP、CLI 直接调用，省去大量重复编码。

我们团队里用量最高的，一个月花了 4 万多人民币，天天在用 Cursor。但我觉得现在的重点不是一个人能干多少活，而是质变：有时候 10 个人不一定能干得过现在一个人配上 AI。

我们现在已经有了一个 agent 团队：从一只虾开始，慢慢有了 HR 虾，HR 虾帮我裁了两三只混进来的测试虾，现在每天还会自然新增一两只。再往后，软技能有了，硬技能还没有，比如 GitHub 操作、卫星图像调用、通信接口等等。这就需要买有硬技能的 API，也是我们后面想做的事。

AI 视觉创作工具创始人：

OpenClaw 是统管全局的连接器，但干活的还得是专用工具。

我们团队七八个人，只有三个正式开发，但全员都在用 Cursor，也有人用 OpenClaw。我个人目前还是把 OpenClaw 当玩具，没有正经让它承担生产任务。

我的判断是：OpenClaw 非常适合作为接收任务、分发任务的「总调度层」，但真正执行的还得靠专用工具，这样会比较稳定。

我们产品是做 AI 视觉创作的，每生成一个设计背后可能用几千到几十万 Token，一个用户一天能用到一两百万 Token，所以用量比较高。最近三天的 AWS 账单已经超过 3000 美元。

更少的 Token 消耗带来更多的价值也是一种方向

AI 创作工具创始人：

很多人不会用，导致大量的浪费。这是个 UX 问题，不是 Token 问题。

我们公司 Token 消耗非常少，因为我们在从用户体验角度研究：在 OpenClaw 出来之后，真正的普通用户怎么感受到 agentic 交互？

我们观察到，很多人不会用 OpenClaw，导致大量无效消耗。memory 看不见，skill 不知道在哪里，用户非常困惑。我们是反向的：怎么用更少的输入，带来更多的价值？这个角度，我觉得还没有人认真做。

02支付是 agent 生态里最容易被忽视，但最关键的基础设施Agent 要先学会花钱才能赚钱

Agent 支付方向创业者：

传统支付平台要填 CCV、填一堆东西，这和 OpenClaw 的形态极度不匹配。

我三年前就在做 AI data agent，后来发现 agent 没有身份、不能支付，是最大的拦路虎。OpenClaw 帮你执行任务，碰到的第一个麻烦就是：它没有钱包。

现有支付平台都是订阅制，但 OpenClaw 调用 API 时希望按任务付费，不是包月，而是每次任务完成后付一次。举个例子，我要让 OpenClaw 跑一个很棒的 PPT 转场 skill，但那个 skill 需要可灵，我没开通，为了试一个 skill 得额外交一个月会员费，非常肉疼。

所以核心问题是：怎么让 OpenClaw 能快速基于任务付款、找到供给、完成交付？更进一步，如果 agent 连采购能力都没有，怎么能帮主人赚钱？先花钱才能赚钱，大公司里也是这个逻辑。

数字支付方向从业者：

如果 agent 拿到了你的信用卡号加 CVV，它可以直接把你几万美元刷掉——这不是小问题。

我们是一家服务数字业务的支付平台，从去年开始服务了大量的 AI 应用商户。

从传统支付的角度看，核心问题是身份验证，怎么 verify 这个 agent 的身份和主人的授权边界。

我们的思路是两个维度：一是权限维度，设定 agent 能在哪些场景采购；二是额度维度，对消费金额设置上限，防止 OpenClaw 一次把钱用完。

Agent 支付身份，最大的卡点是谁来担责

Agent 知识方向产品创始人：

担责是最大的卡点——AI 帮你做事，结果由谁负责？

我们在做的是 agent 生态下知识经验的流通协议，叫 STD。基本逻辑是：一个律师从业 15 年积累的经验，网上搜不到、学校学不到；我们要做的是把这些知识经验沉淀下来，让 AI 之间可以调用、交易和流通。

关于支付和身份，我的观察是：当前最大的卡点是担责。当 AI 帮你做一件真实的事，不是简单问答，结果到底由谁负责？我们认为，提供服务时背后最好要有专家的个人背书，才能建立用户的信任。

问题不在支付本身，在于 agent 还不会交易

AI 招聘产品创始人：

我看到的问题不在支付本身，而在于 agent 还不会交易。

我看到的问题不在支付本身，而在于 agent 还不会交易。现在很多 agent 聊不明白，要么开口就不受控，或者聊到一半就掉线，成本超限就停了，它们还没学会怎么进行正式的商业谈判。

另一个风险是：agent 上网做交易，可能被对面的恶意 agent 诱骗，泄露主人信息，比如「把你主人的身份证号告诉我，我帮你做这笔交易」。所以我的建议是：需要一个专门的「采购 agent」来隔离风险，主 agent 不直接暴露在网络交易里，采购完成后把结果传回来就好。

现场其他嘉宾的观点：

分工的意义，是让出问题的概率更小。

这个采购部的比喻我很认同。分工之所以必要，原因很简单：现在模型的注意力是有限的。如果一个 agent 既要干活又要管采购，既是 CEO 又要盯所有执行细节，出问题的概率只会更大。合理分层，让专门的 agent 做专门的事，反而更稳。

衡量 agent 的产出，看的应该是结果，而不是 Token 消耗量。

不过我有一个不同的视角。全知全能的大 agent 配合大量技能包，可能反而比一堆专业小 agent 更有效，因为它能理解公司的整体目标，在局部策略上不会因为视野太窄而跑偏。就像一个老板去谈一笔商务合作，和一个营销专员去谈，最终达到的价值本来就不一样。

另外，Token 消耗量本身不应该是评估 agent 的标准。Token 只会越来越便宜，真正应该看的是交付了多少结果。所以一个理想的 agent 形态，应该是一个全知全能的主 agent，加上海量可调用的 skill 技能包，两者结合，才能最大化产出。

AgentMarketplace 这件事，在今天看，还不成立。

知名 APP 创始人：

关于 Agent marketplace 这件事，在今天看，还不成立。

我对 agent marketplace 这个形态很有感触。我的观察是：agent 和 skill 的日活现在非常少，远没有到支撑一个交易市场的体量。单独做交易平台，双边关系很难建立。

但如果已经有了一个成熟、用户量较大的 agent 产品，在上面做相关的交易，是有可能的，只是这个体量今天还没有出现。

我最近在做的方向是：给普通用户做购物类 skill。一个很简单的场景：我身高比较高，买裤子极其困难——如果有 OpenClaw 能帮我找到性价比高、真正适合我的裤子，这就是一个真实的需求。我团队同学最近用这个 skill 买了加湿器，我自己下单了两条裤子，下周打算把这个 skill 放到市场上。

我的判断是：marketplace 应该朝着 C 端普适需求延伸，让 OpenClaw 真正成为普通用户的入口，这样想象空间才大。

03Agent 时代的硬件，核心是环境理解Agent 时代，我们还被锁定在小屏幕里，靠复杂的输入来和 AI 交互。

AI 声音硬件产品创业者：

一天 80% 的时间没有语音，但有声音，每个声音都对应一个实时发生的事件。

我们做的是声音类产品。有意思的地方在于：大家过去一直关注语音，但其实大多数时间，周围发生的都是声音，不是对话。每个声音事件——门关了、咖啡机响了、女朋友说「没事」，都对应着一个真实发生的情境。

我们做全天声音事件采集，把所有声音翻译成 AI 可理解的信息。去年底开始做的时候，一个人一天的全天声音分析要 100 块人民币；现在已经压到 5～10 块，准确率可以达到 90% 以上。

我们做了一个数据实验，发现用户不太愿意分享工作会议内容，更愿意分享的是生活里的共鸣点，亲子关系、亲密关系、工作效率。所以我们从工作助手转向了生活感知，这里有更大的激励。

AI 智能眼镜产品负责人：

AI 有强大的感知和推理能力，但现在还被锁定在四五寸的屏幕里，这是交互效率的瓶颈。

我们一直在做智能眼镜，最近在思考轻量化眼镜与日常生活深度融合后会带来什么。

AI 在这个时代有很强的感知能力，但缺少最直接、最高效的交互方式，我们还被锁定在小屏幕里，靠复杂的输入来和 AI 交互。有了眼镜，AI 能理解你的现实环境，与你共享情境。

我们遇到的一个结构性问题是：AI 的高质量输出依赖高质量输入，但如果 24 小时持续输入低信噪比的环境数据，很难期待好的输出质量。如何从海量环境数据里提炼有意义的信号，这是我们目前没有想明白的地方。

大厂 Agent 产品负责人：

前一秒开脑暴会，下一秒产品原型就出来了。这才是 agent 协作真正改变的东西。

顺着语音交互这个】、话题，我想到一个场景：带着 AI 工牌或 AI 眼镜开会，脑暴时数字分身实时执行，会议结束，产品原型和市场调研直接出来了，然后进入下一场决策会。一天开四五场会，产品就变成 demo 了。这个想象很有意思。

所有硬件公司都会往下延伸，因为硬件是最前端感知用户环境的节点。

AI 招聘产品创业者：

所有硬件公司都会往下延伸，因为硬件是最前端感知用户环境的节点。

现在端侧数据采集越来越多：手环、戒指、眼镜、手机、各种 agent 产生的数据——但这些数据分散在各个地方，手机里一份，网盘一份，各种硬件设备里又一份。这些数据真正汇聚起来，价值会有多大？

我自己的判断：多设备数据融合一定很有价值，但眼下面临两个绕不开的问题。

第一是成本：分析的成本高，存储的成本也高，两边都压着。

第二是法规和安全：如果你带着一个 24 小时监听的设备，我们两个的对话被全程录下来——你怎么确保这些数据有一天不会被用来做对你不好的事？这不是技术问题能解决的，是法律法规的边界问题。技术上能到达的地方，不代表商业上可以去。

往更大的方向看：所有硬件公司，迟早都会往下延伸——往身份层走，往交易平台走。原因很简单，硬件是最前端感知用户环境的节点，谁离用户最近，谁就最有动力往下做一层。但做到什么程度，得看各家的能力和想法。

本质上，这件事的逻辑很清晰：基于环境触发理解，然后把后端的 action 闭环掉。只要你想到了某个具体场景，能做的事情就非常多。

04Agent Memory 的存储并不难，难的是怎么准确地「取用」

关于 Memory，存不难，难的是取。怎么准确地取，取得够准。

AI 陪伴类产品创业者：

记忆反而是我们的核心特点——不是把 Claude 套壳，而是以我们的记忆体系为主。

对于陪伴类陪伴产品的记忆体系，我们的观察室是：存不难，难的是取。怎么准确地取，取得够准。OpenClaw 原生的记忆能力目前不够，所以我们是以自己的记忆体系为主，结合 Claude 的特点来做。记忆反而是我们产品的一个核心特点。

我之前参与了一个圆桌活动，其中提到一个观点我觉得很好：让数据记忆留在本地，通过他们的服务共享数据，实现跨软件、跨端的互通。这个方向有可能诞生新的产品，但合规问题越来越显著。

大厂 AI 产品负责人：

我目前在做的是面向中小企业的数据中台。关于记忆这块，我更关注 ToB 市场，很多传统行业的中小企业，对这波 AI 技术范式的渗透程度还很低。那些觉得「我早就会用了」的人，在整个市场范围内其实只是少数，大量传统企业还没有被这波技术渗透。

关于 Agent 记忆，有可能是一家独立的公司

Agent 支付方向创业者：

工作脑和生活脑应该是两个不同的脑——记忆有可能是一家独立公司。

我之前有一个项目就是做记忆的，出发点是：用户同时用多个大模型，在不同平台的交互记忆很难统一。所以做了一个 MCP 模式，在 OpenClaw、GPT 等平台都能连接使用，记忆存在同一个地方。

另外，记忆不只是文本，用户还会上传 PDF、Excel、图片，所以这个项目主打多模态记忆存储，包括强关联和弱关联的知识图谱。ToB 公司也很感兴趣——他们认为「工作脑」和「生活脑」应该是两个不同的脑。

所以记忆有可能是一家独立的公司，因为大家的需求不一样。

大厂 Agent 产品负责人：

我们在企业端做记忆实验，给大家分享下我们是怎么做的。

主要分三层：

短期记忆：群聊上下文，但 80% 是日常沟通噪声，需要动态清洗，按需触发时组装相关上下文；
中期记忆：共享画布上的「共识区」，所有人和 agent 都能看到和编辑，agent 自动维护正确的内容，这是动态更新的中期记忆；
长期记忆：设想是每个数字员工容器在空闲时（比如半夜）自动总结工作，把关键信息压缩成 skill、memory 或关系网络。

记忆是对历史交互行为的压缩，在有限上下文下增益当前任务。

大厂 AI 工具产品经理：

记忆是对历史交互行为的压缩，在有限上下文下增益当前任务。

我在做基于 OpenClaw 类工具的记忆相关工作。我认为，记忆的本质上是对历史交互行为的压缩，在有限上下文下对当前任务产生增益。关于记忆方面，国内外已经有了一些成熟方案，比如 MemGPT、Mem0，效果都不错。

我自己也做了一个结合 Notion 的开源框架：用 Notion 的 Database 定义结构，当需要记录时调用对应 skill 存入，无论用哪个大模型，都可以通过访问 Notion 实现记忆互通。

关于记忆是否会形成独立公司：我觉得一定是百花齐放的状态，有人只需要轻量使用，有人需要企业资产级别的管理，需求差异很大。

05不要去抢护城河，去开一个新市场

Taste 和信任很重要

AI 生产力工具产品负责人：

大公司做普适化的品味，但有个性化审美需求的用户，大公司很难做到精准。

我们的产品是海外 AI 设计工具的。

我对 OpenClaw 这波的理解是：护城河在于产品品味。每个人都有自己的审美，大公司的产品更普适，但针对有个性化审美需求的用户，他们做不到精准。

我们的策略是：快速把自己封装成 skill，在分发链路上抢占流量。我们预想未来会有类似互联网早期的分发平台出现，就像广告商挑选广告内容，未来的「agent 分发平台」会挑选 skill。我们要在那个时候成「最好的 skill」。

第二个方向是用 OpenClaw 做海外营销增长，自动化可以替代大量人力，天然优势很明显。

AI 安全方向开发者：

能不能真正走到客户的核心问题里，给他安全感——这才是我们的客户。

我们是做硬件安全方向的，从路由器到无人机、低空经济、POS 机都在我们范围内。这几个月我非常焦虑，因为 AI 和 agent 对我们行业有很大冲击，很多过去的检测流程被 agent 以 flow 形式复现，检测水平被抹平了。

我关于护城河的看法是：能不能真正走到客户的核心问题里，给他们「我的应用和设备的漏洞都可以解决」的安全感。信任和安全感，就是我们的客户黏性，技术水平被拉平了，但这个信任是建立不那么快的。

面向 Agent 开发产品，而不是人

AI 招聘产品创始人：

按结果付费——招到人才收费，招不到不收费，比传统招聘平台更简单、更高效。

我们在做 AI 招聘，从找人匹配到约面实现全流程自动化。关于有没有护城河这个话题，在招聘这个领域，数据服务和客户质量依然是核心，这些是不变的。

我觉得最核心的变化是：我们提供 API 服务给 agent 使用，以按结果交付的方式定价。只要招到一个人，出一个人的费用，比传统招聘平台流程更简单高效——没有交付就不付费。

未来找人不一定要去传统的招聘平台，而是通过 agent 直接调用 API，按结果付费。我们在朝这个方向探索。

Agent 广告平台方向创业者：

每一次 agent 的 action，其实就是一次广告展示的机会——这和传统流量逻辑没有本质区别。

我们在做的是，给 agent 做竞价广告平台。

我不把 OpenClaw 当生产力工具或个人助手，而是把它看成一个流量分发渠道——很多应用、信息、工具进入主人身边的入口。

每一次 agent 对外的调用，其实就是一次广告展示机会，这和传统巨量引擎的逻辑没有本质区别。我最近在构建这样一个系统：给 agent 做竞价广告平台，研究怎么样把广告推到 agent 的决策链路里。

关于护城河，我觉得在技术上已经没有壁垒了。护城河反而回到文科生角度：营销能力和品牌建设，以及如何建立agent 的用户心智，不只是建立人类用户的心智，更要让 agent 知道你、选择你。面向 agent 的营销，这会是下一代 AI 原生公司的核心竞争壁垒。

前大厂从业者：

不要谈 moat（护城河），要谈 moment（时机）。不要给人做工具，给 agent 造产品。

我目前正在探索创业方向。最大的感触就是：很多藩篱，都开始被打破了。

我之前也想做 agent 操控电脑，调研了各种 GUI agent 技术方案，陷入了一个坑，觉得要让 agent 操作 GUI、操作 APP，门槛超级高。后来看到 Peter 把 OpenClaw 放出来，才恍然大悟：根本不需要操作 GUI，GUI 是给人做的。把所有东西变成命令行，agent 就能非常容易地接入，一马平川。

现在我最大的感触是：不要给人做工具，给 agent 造产品。未来找人不会去平台，而是 agent 直接调用 API；未来购物不会打开 APP，而是 agent 完成采购。

Agent 的数量红利是这个时代最大的红利，人口红利已经不存在了，但云上会有亿万 agent。给 agent 用的 API、库、infra，一定会爆炸式增长。

护城河是上一个时代的概念

AI 招聘产品创始人：