# 高密技术突破奖分享 · 内容规划 v3

> 基于 v2 的反馈大幅重构。结构上从"四幕"改为"**五幕**"，新增「展望」幕；骨架上引入「**computing / hosting / developing 三方向**」作为前后呼应的产品观主线；方法论将"位势"重塑为「**第一性原理**」语境。
>
> **本场分享的标题已锁定**：
> 《**从云服务器到AI时代的"数字身体"——OpenClaw装机背后的产品思考**》

---

## 一、核心决策清单（v3 锁定全部）

| #            | 决策                                              |
| ------------ | ----------------------------------------------- |
| 总时长          | **60min**                                       |
| 标题           | 《从云服务器到AI时代的"数字身体"——OpenClaw装机背后的产品思考》          |
| 叙事框架         | **困境—突破—惊喜—展望—收尾（五幕）**                          |
| 开场           | 龙虾照片 + 自嘲 low + "2017 年又累又没故事"                  |
| 主方法论         | **错位三式 ·重塑版**（看清赛局 / 回归本质 / 持续耕耘）               |
| 三大隐藏主线       | L1 错位三式 / L2 hosting / L3 长跑的礼物                 |
| **三方向骨架**    | **computing / hosting / developing**——前后反复出现    |
| 压轴金句         | 数字身体 / 创新成本足够低                                  |
| 弯路           | ① 小红书"全网独家时的不信任，至今未完全解决" / ② OpenClaw 短期热度的预估错误 |
| 挑战           | ② 高密 × AI 算力路线                                  |
| 技术深度         | 中等（一张全景图 + 3 个细点 + **调度专题深讲**）                  |
| 行业故事         | AMD chiplet（必讲）+ AWS Graviton（辅讲）               |
| 互动           | 不做                                              |
| AI 部分占比      | **30%**（约 18min，集中在第五幕展望）                       |
| 共讲           | 自己讲                                             |
| "low"字眼      | 用                                               |
| AMD 名字       | 用                                               |
| 视觉           | 龙虾摊照片 + 主视觉总图                                   |
| 损益数据         | 用相对趋势，不报具体数字                                    |
| 动态关核         | 口头一句话带过，不展开                                     |
| Pony 朋友圈     | 不出现                                             |
| 60 多岁退休工程师细节 | 可讲                                              |

---

## 二、三大隐藏主线 + 三方向骨架（v3 的设计核心）

### 2.1 三大隐藏主线（沿用 v2，但 L1 重塑）

| 主线 | 第一次出现 | 强化点 | 收束 |
|---|---|---|---|
| **L1 · 错位三式 ·重塑版**（方法论） | 第二幕 拒绝军备赛 | 第二幕全程 | 收尾压轴 |
| **L2 · "hosting" 属性**（产品观） | 第一幕 三方向探索 / AI 焦虑 | 第三幕 揭示伏笔 | 第四幕 重新定义 |
| **L3 · 长跑的礼物**（情感） | 第二幕 长跑代价 | 第二幕 / 第四幕 | 收尾 |

**三条暗线的核心金句**：
- L1：「**如果创新的成本足够低，那么创新的可能性就会变得非常大**」
- L2：「**只有当'身体'是永续的，'大脑'的进化才有意义**」
- L3：「**长跑的礼物，往往在你看不见的地方**」

### 2.2 三方向骨架——computing / hosting / developing（v3 新增的核心）

> 这是这一版整场叙事的"地基"。三方向**前后反复出现**——第一幕初探 → 第二幕深耕（hosting）→ 第三幕收获（hosting 破圈）→ 第四幕再定义（三方向在 AI 时代的重新解读）。

| 方向 | 维度定义 | 我们最早的延展尝试（2020 起） | AI 时代的演化 |
|---|---|---|---|
| **Computing** | 算力强度（性能、并发、密度） | 异构计算（GPU 化） | GPU 算力机型 |
| **Hosting** | 托管能力（持续在线、可达、可调度） | 分布式云（贴近客户机房） | **CVM 高密 + 数字身体** |
| **Developing** | 开发体验（易用、可调试、生态） | 轻量云 Lighthouse | OpenClaw + ClawPro + SkillHub |

**关键洞察（v3 的灵魂）**：

> **当 GPU 时代到来，computing 属性大量转移到 GPU 上；这反而让 CPU 的 hosting 属性被进一步加强。基于此，"高密 + 低主频"的 CPU 形态，就完美契合了 AI Agent 时代的 hosting 需求。**

这就是为什么我们的"长跑"得到了"礼物"——不是预言，是逻辑命中。

---

## 三、时间分配（60 min 预算）

| 幕 | 时长 | 起止 | 内容关键词 |
|---|---|---|---|
| 开场 | 4 min | 0:00–0:04 | 龙虾钩子 / 自嘲 low / 2017 年又累又没故事 / 埋伏笔 |
| 第一幕 困境 | 8 min | 0:04–0:12 | "low" / 经营压力 / **三方向延展（首次出现）** / AI 焦虑 + 辩证 |
| 第二幕 突破 | 18 min | 0:12–0:30 | 拒绝军备赛 / 错位三式 / 全栈 / **调度专题（重头戏）** / 长跑代价 / 小红书弯路 |
| 第三幕 惊喜 | 11 min | 0:30–0:41 | 副产品 / 帕鲁 / 龙虾 / 揭示伏笔 |
| **第四幕 展望** | 16 min | 0:41–0:57 | **龙虾热未来 + 弯路②** / **三方向再定义** / **ClawPro 主线** / AI 实践列表 / 架构师转型 / token 治理 |
| 收尾 | 3 min | 0:57–1:00 | 反思 / 错位三式回顾 / 压轴三联金句 |

---

# 四、第一幕开场 · 4 min

## 1.0 钩子（30 秒）

**视觉素材**：腾大广场龙虾摊一张照片（**保安护场或长队**那张）

**讲稿示意**：

> "今年3月6日上午，腾大广场。
>
> 500 张号码牌。第一位排队的同事，早上7点就到了。
>
> 那一天，腾讯云一个叫Lighthouse OpenClaw 的产品，被 4-5 倍的流量打爆。
>
> 那一天，腾讯股价拉了 7 个点。
>
> 那一天，48 小时之内，百度、天翼、阿里、火山、京东，全部跟进了同样的服务。
>
> 那一天，连摆摊的我都没想到——我们做的是公司里最'low'的产品。"

> 💡 用「最'low'」自然过渡到自我介绍。

## 1.1 自我介绍 + 埋伏笔（2 分钟）—— 加入"2017 又累又没故事"

**讲稿示意**：

> "我是 lili，腾讯云计算产品的负责人。
>
> 我从 **2017 年**开始负责 CVM 这个产品线。
>
> 那年我接手这块业务的时候，心里其实有一句话——'**这活儿又累、又没什么故事好讲**'。
>
> 9 年过去了。这 9 年里，我们做了一个看起来毫不起眼的决策——把 CPU 主频降下来，把核心数堆上去，走'**高密**'路线。
>
> 这是一个**经营层面的差异化选择**。当时谁都不知道这个决策意味着什么。
>
> 直到 2025 年，AI Agent 时代真的到来——我们才意识到，这个 9 年前的决策让我们歪打正着，**给 AI 时代准备好了一具'数字身体'**。
>
> 这个奖、这场分享，跟 3 月 6 日龙虾摊那张照片，**是同一个故事的两面**。"

> 💡 这里同时埋三个伏笔：① 2017 的决策（第二幕揭晓）；② "数字身体"（第四幕展开）；③ "又累又没故事"对应 L3 长跑情感线。

## 1.2 听众价值预告（30 秒）

**讲稿示意**：

> "你今天会听到三件事：
>
> 一、一个看起来很'low'的产品，怎么找到它的第二条命；
>
> 二、一支技术团队的长跑——以及长跑给我们的礼物；
>
> 三、AI 时代我们看到的产品观与组织观——以及 ClawPro 这条线为什么是 CVM 离用户最近的一步。"

---

# 五、第一幕 · 困境 · 8 min

## 2.1 云服务器的"low"（1.5 min）

**讲稿示意**：

> "先说云服务器这个产品。
>
> 它有三个'最'：用户**用云的第一个产品**、经营大盘**最大的贡献者之一**、但**离用户最远**。
>
> 公司里没几个人愿意做云服务器——技术上不性感、经营上产出差。
>
> 客户不会因为'云服务器'本身兴奋。CVM 的好坏，藏在每一个上层产品的稳定性背后，但你看不见。
>
> 我自己刚接手的时候，也心里打鼓——**这个产品还能救吗？**"

> 💡 决策切片 #1：刚接手的纠结。

## 2.2 经营压力 + 三方向延展（3 min）—— 三方向首次登场

**讲稿示意**：

> "更让我打鼓的是——从 2020 年开始，云服务器的经营压力越来越大。
>
> 不细讲数字，但用一句话概括：**毛利率长期承压**，且不是单点问题，是**结构性**的——
>
> ① **客户群体不对**：头部大客户拿到了过低的折扣；
>
> ② **计费模式不对**：包年包月占比过低，长尾流失严重；
>
> ③ **使用规格不对**：客户买了大规格但没用满。
>
> 我们当然做过努力。从 2020 年开始，我们做了**三个方向**的延展尝试——
>
> > **这三个方向，是 CVM 这个产品的产品维度地基。今天我希望大家把它们记住。**"

**讲稿示意（三方向首次出现，用一张表/图）**：

| 方向 | 含义 | 那时候我们做的事 |
|---|---|---|
| **Computing** | 算力强度 | **异构计算**（跟 GPU 结合） |
| **Hosting** | 托管能力 | **分布式云**（贴近客户机房） |
| **Developing** | 开发体验 | **轻量云 Lighthouse**（让小客户更易用） |

**讲稿示意（继续）**：

> "这三件事都成功了。但它们都没解决一个根本问题——
>
> **CVM 整个体系离用户依然很远。**"

> 💡 三方向第一次出现，**全程的产品观骨架**就此立起。L2 主线（hosting）也在这里浮现。

## 2.3 AI 焦虑：辩证讨论 + 2025 年探索（3.5 min）—— 加入"懂 AI"

**讲稿示意**：

> "然后 2022 年底，ChatGPT 出来了。
>
> 整个云行业，所有人都在问同一个问题——**AI 时代，CPU 云服务器还有意义吗？**
>
> 友商们立刻转向了 GPU、HPC、智算中心。看上去 AI 的故事都是 GPU 的故事。
>
> 但我和团队认真讨论了一段时间之后，得到了一个**和主流相反**的结论——
>
> > **AI 对云不仅不是打击，反而强化了云的本质优势。**
>
> 三件事：
>
> ① **稳定性**：Agent 7×24 在跑，断线就是事故；
>
> ② **可调度性**：海量 Agent 实例，需要弹性、需要随时起、随时灭；
>
> ③ **可组合性**：云原生产品组合（CVM + 存储 + 网络 + 数据库）的工程价值，在 Agent 时代被进一步放大。
>
> 但'**云有优势**'不等于'**CVM 已经准备好了**'。
>
> 真正的命题是：**CVM 怎么适配好 AI？**"

**讲稿示意（继续 + 故事）**：

> "与此同时，我们每个人也都在想，作为一个相关从业人员，我们自己应该何去何从？
> 
> 为了回答这个问题，**从 2025 年 4 月开始**，我带着团队做了一件事——
>
> **每两周一次的 AI 开放探讨与学习。** 不汇报、不打分、不立项，纯粹的探讨。
>
> 一年下来，我们做出了不少东西（这部分留到第四幕展开）。
>
> 前段时间，我们在深圳组织了一场 **Hermes Agent 线下聚会**。会后有朋友跟我说——
>
> '**你们对 AI 机会的反应，太迅速了**。'
>
> 我当时回答她——
>
> > **'我们不是对 AI 反应迅速。我们可能是真的懂 AI。'**"

> 💡 这一段做三件事：
> ① 把"AI 对云的影响"辩证讨论清楚；
> ② 埋下"2025 年 4 月开始探索"的伏笔（第四幕展望兑现）；
> ③ 给出一个全场最有"霸气感"的金句。

---

# 六、第二幕 · 突破 · 18 min

## 3.1 拒绝军备赛 + 错位三式（重塑版）（3 min）

**讲稿示意**：

> "回到 2017 年。
>
> 那年我们做了一个关键决定——**不卷军备赛，走错位路线**。
>
> 云厂商怎么厮杀？AWS 的模式是——
>
> > **每年发布一个新机型，性能比上代好 10%，价格比上代低 10%。**
>
> 这就是云行业的'摩尔定律'。每年都跟。
>
> 但你跟下去会发现一件事——巨头每年扔一个 10%，跟随者要么跟、要么死。**跟跑必死，要么不跟，要么换维度。**
>
> 我们换了个维度——**走'高密路线'**：不卷单核性能，卷'**单位空间的算力**'。
>
> 这是 2017 年的决定。第一次商业化是 SA1，跟 AMD 合作。
>
> 这个决定背后，是我们后来反复用、反复检验的方法论——**错位三式**。"

**【错位三式·重塑版（白板/PPT 大字）】**：

> **错位三式**——
>
> ① **看清赛局**：你在的是军备赛，还是有"差异化空间"的赛道？
>
> ② **回归本质**（**第一性原理**）：你能不能从用户价值的本质出发，找到一条只属于你的路？
>
> ③ **持续耕耘**：发挥团队的洞察力和优势，让能力**复利**。

**讲稿示意（"回归本质"展开）**：

> "重点说说第二式——**回归本质**。
>
> 用户买云服务器，本质上买的是什么？
>
> 不是 CPU 主频。不是 SPEC 跑分。不是性能榜单。
>
> 用户买的是——**用合理的成本，跑住自己的业务**。
>
> 那么从'**合理成本**'这个第一性原理出发，**密度**是一个被严重低估的维度——
>
> 同一个机柜放更多核 = 单位算力的电费、机柜费、运维费摊得更薄 = 用户成本下降。
>
> 这就是'回归本质'给我们的答案。"

> 💡 决策切片 #2：拍板那一晚——"如果不行，我们就死在这里"。

## 3.2 借势的故事：AMD chiplet + 行业候选（3 min）—— 行业故事加强

**讲稿示意**：

> "选了'高密'这条路，能不能走得通，光靠我们自己想是不够的。
>
> 这背后有一个**没人讲的行业故事**——
>
> 2010 年代，**AMD 借助台积电在 iPhone 芯片上磨出来的'先进封装'能力，搞出了 chiplet 架构**——把多个小芯片用先进封装拼成一颗大芯片。
>
> chiplet 的核心红利是什么？**密度**——同样的封装尺寸、同样的良率，能塞进更多核。
>
> 2017 年，AMD 推出 Naples（EPYC 第一代）。绝大多数云厂商当时还在 Intel 的 Xeon 里安心待着。
>
> **腾讯云是第一批用 EPYC 大规模商业化的云厂商**——SA1 就是基于 Naples。
>
> 后来 SA2（Rome）、一直到今天的 SA9（Turin），我们一路用 AMD chiplet 的密度红利。"

**讲稿示意（类比的故事）**：

> "顺便讲一个类似的'借势 + 长跑'故事——**AWS Graviton**。
>
> 2015 年 AWS 收购了一家叫 Annapurna 的以色列芯片公司。3 年后第一代 Graviton 发布——基于 ARM。
>
> 当时业界普遍觉得'小打小闹'。但 AWS 没停。10 年下来——到 2024 年，AWS 新增 CPU 算力的**一半以上**都跑在 Graviton 上。
>
> 这两个故事的共同点是什么？
>
> > **借势 + 长跑 + 错位**——这是 AI 时代之前，半导体和云行业里**真正赚到大钱**的那一类故事。"

> 💡 这一段做三件事：① 给"高密"找历史依据；② 显示我们对行业的洞察力；③ 给"长跑"的情感线再加一笔。

## 3.3 全栈技术挑战 ·一张图过 + 3 个故事（4 min）

**讲稿示意**：

> "高密两个字说起来简单。但它不是单点技术——它是**六层协同**。"

**【一张全景图，硬件→OS→虚拟化→网络→存储→调度】**

**讲稿示意（继续）**：

> "时间关系，我挑三件事讲——这三件事，都是**业界第一次**。"

**故事1：256C 的天花板**

> "传统虚拟化技术里有个 8bit 的中断路由，天然只能支持到 252 核。
>
> 我们突破了这个 8bit。
>
> 现在腾讯云是**业界唯一**支持 768 核虚拟机的云厂商。"

**故事2：20 分钟 → 1 分钟**

> "高密服务器以前有个尴尬副作用——一台 256 核虚拟机，**启动要 20 分钟**。
>
> 我们重构了热迁移框架（DirectTDP），把它压到了 **1 分钟以内**。
>
> 这个数字这里听起来很无聊。**但请记住它。它在第三幕会变成关键。**"

> 💡 第三幕"龙虾摊秒级开机"的钩子。

**故事3：故障率 0.55% → 0.12%**

> "高密机型故障率风险更高。我们做了拦截策略 + 散热升级（1U 加 8 根热管）+ 精细化 RAS。
>
> 故障率下降 78%。
>
> 这背后是跟 AMD **1.5–2 年的提前规划**。**我们必须比 CPU 厂商更早看见两年后的世界。**"

> 💡 呼应 L3「长跑的礼物」主线。

## 3.4 调度能力 · 重头戏（5 min）—— **v3 的核心扩展**

**讲稿示意**：

> "技术上还有最后一块——也是这次的奖最核心的部分——**调度**。
>
> 调度是云服务器的'大脑'。
>
> 当一台服务器从 96 核变成 768 核，意味着**一台高密服务器 = 过去 8 台普通服务器**。装错业务，影响的不是 1 个客户，是几十个。
>
> 调度必须升级。我们做了**四件事**——"

**【调度四件事，PPT 一页布局】**：

#### ① 物理拓扑树：让调度"看得见"硬件

> "AMD chiplet 架构下，CPU 拓扑变得超级复杂——不是过去单一的 NUMA Node，而是 **NUMA → CCD → CCX 三层结构**。
>
> 一个 64 核虚拟机，过去在 96 核母机上**只有 1 种装箱方案**；现在在 512 核母机上**有 3.5 万种**选择。
>
> 我们把过去的 KV 表，改造成了'**物理拓扑树**'数据结构——把'枚举扣减'问题转化成'树节点遍历'问题。
>
> 装箱耗时从 **180ms 降到 20ms**。"

#### ② 交织装箱：让调度"避开"硬件瓶颈

> "AMD 高密架构有个局部性能瓶颈——三个 CCD 共享一个内存 Corner，单 Corner 带宽不够分。
>
> 我们做了'**交织装箱**'——按 CCD/Corner 交错分配，让每个 32 核虚拟机用 2 个 CCD，避开瓶颈。
>
> 32 核机型的性能从'**比上代劣化 16%**'，变成'**比上代提升 25%**'——一来一回 41 个百分点。"

#### ③ 业务画像：让调度"懂"业务（**AI 第一次出场**）

> "前面两件事是工程优化。第三件事——我们用上了 **AI**。
>
> 我们做了一个深度学习的**双塔模型**：
>
> - 时间塔：CPU、内存、网络的时序特征 → 卷积网络 → 512 维向量
> - 文本塔：实例标签、机型族、规格 → BERT → 256 维向量
> - 双向交叉注意力，融合成每个虚拟机的'**业务画像**'。"

> "举个例子。**Goto，雅加达的一个客户**。他们 90% 的虚拟机集中在某些机型上。一台母机故障，会影响**近 10 台子机**——一连串雪崩。
>
> 业务画像跑通后，我们做了**反亲和打散**——同一业务的虚拟机分到不同母机。
>
> 故障影响降了**一个数量级**。"

> 💡 决策切片 #3：业务画像第一次跑通时——"我们的调度终于'懂'我们的客户了"。

#### ④ 时序大模型预测：让调度"会"规划（**AI 升级版**）

> "第四件事，是我们正在做的——基于**时序大模型**（基于 damo 平台），让调度器**预测未来**。
>
> 预测什么？
>
> - 用户什么时候会买、买什么规格；
> - 哪些机型库存会紧张，要提前采购搬迁；
> - 当前的腾挪是不是'无效腾挪'，未来是不是要白费功夫。
>
> 第一阶段目标：挖潜 **20 万核**资源、提升资源利用率 **2 个点**；
>
> 远期目标：减少采购 **80 万核**。"

**讲稿示意（小结）**：

> "调度从过去的'**贪心策略**'，演化到今天的'**懂业务、会规划**'——
>
> > **AI 不是后来才用的'装饰'。AI 在调度的核心战场，就是高密路线得以走通的关键。**"

> 💡 这是 v3 的关键扩展——把"AI 增强调度"展开成 4 件事，让管理干部听众清楚地看到 AI 与基础设施的融合。

## 3.5 长跑的代价 / 长跑的礼物（1.5 min）

**讲稿示意**：

> "高密的故事起点是 2017 年。
>
> 9 年。从 SA1 到 SA9。单位成本从 100% 一路降到 20%。
>
> 这 9 年我们扛了什么？
>
> - 同行的不理解：'你们这种低主频机型，性能不行'；
> - 客户的不接受：小红书曾经'坚决不用'，**两年**没下单；
> - 内部的质疑：每年都要在 KPI 会上解释为什么这条路走得通。
>
> 但 9 年的长跑，给了我们一个**当年不知道、今天才看见**的礼物——
>
> > **当 AI Agent 时代真的到来的时候，'低主频 + 高密'，刚好就是它最需要的算力形态。**"

## 3.6 弯路①：小红书"全网独家时的不信任"（2 min）

> ⚠️ v3 的弯路①重写——重点不是"真香的胜利"，而是"独家创新者面对的不信任，至今未完全解决"

**讲稿示意**：

> "讲一个我必须分享的弯路。
>
> 走错位路线最大的代价，不是技术做不出来——是**当你做出来的时候，全网只有你做了，用户不知道怎么相信你**。
>
> 小红书第一次评估我们的高密机型——拒绝。
>
> 第二次——拒绝。
>
> 拒绝了**两年**。期间我们差点放弃。
>
> 那两年我经常问自己——**这条路是不是真的错了？**
>
> 我们做了什么？
>
> 一是**深入到客户场景**：做了一个'动态关核'方案（细节口头一句话带过），针对小红书的真实负载调优；
>
> 二是**陪跑**：每周对齐数据，每月一起复盘，整整一年。
>
> 最后做对比测试：SA9 vs SA4 业务 RT 相当、QPS **+42%**。
>
> 反馈是两个字——'真香'。2025 年底，我们在小红书的规模**反超阿里云**。
>
> **但我必须诚实地说——'独家创新者的不信任'这个问题，我们到今天也没完全解决。**
>
> 还有大量客户停在'高密机型 = 性能差'的旧认知里。
>
> 我们的产品同事每天的工作，有相当一部分是在做'**用户教育**'。
>
> 这是错位路线的代价——**你成为了第一个，但你也成为了唯一一个解释自己的人。**"

> 💡 v3 这里的反思更"诚实"——不再是"两年攻坚最终真香"的成功故事，而是承认**用户教育这件事至今未解决**。

---

# 七、第三幕 · 惊喜 · 11 min

## 4.1 副产品的诞生（1.5 min）

**讲稿示意**：

> "高密做出来之后，我们发现一件意料之外的事——
>
> **超强的调度能力，给我们留下了大量几乎免费的小规格资源。**
>
> 业界资源利用率：AWS 大约 80%、阿里云 70%、火山 80%，**我们超过 90%**。
>
> 我们手上多出来的'小规格碎片资源'，**别人没有**。
>
> 但小规格谁要？大客户都不要。中小客户也不太够。
>
> 它们看起来像**鸡肋**。"

## 4.2 帕鲁战役（2.5 min）

**讲稿示意**：

> "2024 年初，**幻兽帕鲁**来了。
>
> 一个游戏服务器，2-4 核就够。
>
> 当所有云厂商都在冲大客户大订单的时候，**我们用 Lighthouse 接住了帕鲁**——一键开服、5 分钟拉起、价格亲民。
>
> 我们成了那一年的'**良心云**'。
>
> > 决策切片 #4：看到帕鲁数据时——'**原来 C 端也可能是我们的客户**'。"

## 4.3 龙虾战役 · 重头戏（5 min）

**讲稿示意**：

> "帕鲁之后，我们一直在想——'数字身体'这件事，能不能再往前走一步？
>
> 然后是 2026 年 3 月 6 日。腾大广场。**OpenClaw 装机摊**。
>
> 我们没想搞这么大。本来只是 4 个工作日筹备的、一场纯公益的'装机互助'活动。
>
> 但当天发生了什么？"

**讲稿示意（数据齐发）**：

> "300 个司内体验福利——**15 秒抢空**。
>
> 9 点排队，11 点开始，原定 14 点结束——硬延到 **17 点**。
>
> 来的人横跨 2 岁到 60 岁——8 岁的小朋友、推婴儿车的父母、**60 多岁的退休工程师**。
>
> 当日 OpenClaw 规模环比 **+50%**，单日净增是活动前的 **5 倍**。
>
> 日销量峰值，是活动前的 **4-5 倍**。
>
> 腾讯股价那一周拉了 **7 个点**。
>
> ClawPro 一周收到**近百家 KA 测试申请**。
>
> **48 小时之内，百度、天翼、阿里、火山、京东全部跟进。**"

**讲稿示意（彩蛋 + 升华）**：

> "我最喜欢的细节是——
>
> 当天人太多，我们一开始没安排保安，是腾大物业的保安自己冲过来护场的。
>
> 一个人发了一条朋友圈——'**没有号码牌？没关系，我可以等。**'
>
> 那一刻我突然意识到——**云服务器，第一次真正破圈到了普罗大众。**"

> 💡 决策切片 #5：龙虾摊那天——"我没想过它会是这种样子的"。

## 4.4 揭示伏笔（2 min）—— L2 主线收紧

**讲稿示意**：

> "回到分享一开头我留的伏笔——
>
> > 这个奖，跟龙虾摊那张照片，是同一个故事的两面。
>
> 现在我可以揭晓答案了。
>
> 龙虾摊那天，OpenClaw 能扛住 5 倍流量、99.9% 创建成功率，靠的是什么？
>
> 靠的是高密技术留下的**三大底牌**：
>
> ① **秒级创建**（还记得我说过的'20 分钟 → 1 分钟'吗？现在已经到 **1-3 秒**）
>
> ② **小规格富余**（一台高密服务器装上千个 OpenClaw 实例，因为我们有 90% 的资源利用率）
>
> ③ **极致调度**（业务画像让每个 OpenClaw 都在最合适的位置）
>
> **没有 9 年的高密长跑，就没有 3 月 6 日的龙虾摊。**
>
> 但更重要的是——**也没有 AI Agent 时代每个普通人触手可及的'数字身体'。**"

---

# 八、第四幕 · 展望 · 16 min（v3 全新一幕）

## 5.1 龙虾热的未来 + 弯路②（3 min）

**讲稿示意**：

> "龙虾摊之后，我们其实做错了一件事。
>
> 当时数据冲上来，我们以为'**热度会延续**'——继续投人、继续办活动、继续等下一个爆点。
>
> 然后这几个月的数据告诉我们——**热度急剧降低了。**
>
> 复盘下来，我们的判断错在哪里？
>
> 错在我们一开始把'**装机热**'当成了'**产品热**'。
>
> 但等流量回落、等客户不再排队，我们才看清楚——
>
> > **龙虾热的本质，是 AI 焦虑。**
>
> 老百姓排队装 OpenClaw，不是因为爱上了这个产品——是因为他们普遍**害怕被 AI 时代抛下**。
>
> 装一台 OpenClaw，是他们能找到的、**最低成本的'我已经在 AI 时代有了一席之地'的证明**。
>
> 这个判断让我们冷静下来。"

> 💡 弯路②：OpenClaw 短期热度的预估错误。

**讲稿示意（升华）**：

> "但这个'冷静'反而让我们看清楚了一件更重要的事——
>
> 龙虾热可以散，AI 焦虑不会散。
>
> 一个全民焦虑背后，**是 AI 应用无限可能正在被探索**——大家都在试、都在赌、都在找。
>
> 我们认为——
>
> > **在'真实的工作流'当中使用 AI，是目前最容易切入、并且最快有收获的场景。**
>
> 这就是 ClawPro 这条线，**真正应该做的事**。"

## 5.2 三方向再定义（3 min）—— 三方向骨架第二次出现

**讲稿示意**：

> "在讲 ClawPro 之前，先回到我们一开始讲的三个方向——**computing / hosting / developing**。
>
> 还记得 2020 年我们的延展尝试吗？
>
> | 方向 | 2020 年 | 2026 年（AI 时代） |
> |---|---|---|
> | **Computing** | 异构计算 | GPU 算力机型（向 GPU 转移） |
> | **Hosting** | 分布式云 | **CVM 高密 + 数字身体** |
> | **Developing** | Lighthouse | **OpenClaw + ClawPro + SkillHub** |
>
> 我想强调一个**反直觉的判断**——
>
> 当 GPU 时代到来，computing 属性大量从 CPU 转移到 GPU 上。
>
> 很多人因此说'**CPU 没有未来**'。
>
> 但我们看到的恰恰相反——
>
> > **当 GPU 接走了'重计算'的活儿，CPU 的 hosting 属性反而被进一步加强了——它要给海量的 Agent 提供永远在线的身体。**
>
> 这就是为什么'**高密 + 低主频**'的 CPU 形态，恰好就是 Agent 时代的'天选'。
>
> 我们 2017 年走错位路线的时候，没人想到 AI Agent。
>
> 我们只是认认真真把追赶者该走的路走了 9 年。
>
> 但 9 年后回头看——**长跑的礼物，往往在你看不见的地方。**"

> 💡 这是 L2 主线（hosting）和 L3 主线（长跑的礼物）双双收束的高潮段。

## 5.3 ClawPro：标准化交付 + 统一管控（4 min）

**讲稿示意**：

> "回到 ClawPro。
>
> 我必须先澄清一件事——很多人以为 ClawPro 是'另一个 OpenClaw 的企业版'。
>
> 不是。
>
> > **ClawPro 的核心任务，不是去造新的 Agent。**
>
> > **ClawPro 要解决的，是企业级 AI 能力的'标准化交付'与'统一管控'问题。**"

**【ClawPro 解决什么 - 一张图】**：

| 痛点 | ClawPro 怎么做 |
|---|---|
| 各部门 Agent 五花八门，难以统一管理 | 标准化交付——每位员工一个安全隔离的"AI 数字助手" |
| 数据安全 / 合规 / 成本无法管控 | 统一管控——管理员有 cockpit，可以看 token、看权限、看日志 |
| 工具/技能层互相冲突，知识无法沉淀 | 通过 SkillHub 统一沉淀团队 know-how |

**讲稿示意（升华）**：

> "我想说一句，可能有点拗口的话——
>
> > **ClawPro 这件事，本质上和 CVM 的主线，是同一件事。**
>
> CVM 的主线，是'让计算资源对客户更有用'。
>
> ClawPro 的主线，是'让 AI 能力对企业员工更有用'。
>
> 两件事的共性都是——**让基础设施离用户更近**。
>
> > **CVM 一开始是离用户最远的产品。今天，通过 ClawPro，CVM 离用户又更近了一些。**"

## 5.4 团队的 AI 实践列表（2 min）—— 留待用户增改

**讲稿示意**：

> "讲到这里，让我快速过一下我们团队从 2025 年 4 月到现在的 AI 实践——
>
> 这是一个**还在生长的列表**，今天先讲我能想到的部分——"

**【AI 实践列表 ·初稿，待 lili 增改】**：

| 类别 | 实践 |
|---|---|
| 🔧 **产品级 AI 化** | 双塔模型业务画像（调度懂业务）、AI Multi-Agent 故障诊断、时序大模型规格预测 |
| 🛠️ **开发体验** | TAT 遥控器、OrcaTerm 监视器、AI 助手、Skill 商店 |
| 🌐 **个人/企业 AI 基础设施** | OpenClaw（个人）、ClawPro（企业）、SkillHub（技能沉淀） |
| 👥 **组织 AI 化** | 架构师 Agent 公约（S0/S1/S2，58 子任务、19 规则）、四组 AI 同事军团 |
| 📚 **学习共建** | 每两周 AI 开放探讨、内部 AI 技能大赛、Hermes Agent 线下聚会 |
| 💰 **token 治理** | 双额度体系（探索 + 生产）、Claude vs Codex 测算、模型选型规则 |
| 🧠 **方法论沉淀** | Vibe Coding、SOP→指令集 改造、知识库双层结构（原始层+二级结构化层） |

> 💡 **空位待 lili 后续手工增改**——我把骨架先列出来。

## 5.5 架构师团队转型（2.5 min）—— 基于 ClawPro

**讲稿示意**：

> "三件事里，最深入的就是**架构师团队的 AI native 转型**。
>
> 也是我们走过弯路的地方——
>
> 一开始我以为，给每个人配 Cursor、配 Claude，团队效率就上去了。
>
> **错。**
>
> 三个月后我意识到——
>
> > **个人提效 ≠ 组织提效；组织提效 ≠ AI native。**
>
> 转型分三阶段——
>
> **L1 个人提效** → **L2 组织提效** → **L3 AI 主导**
>
> 我们卡在 L2，卡在两件硬事——
>
> ① **数据治理**：商机失真、知识散落、过程数据散落。'**你之所见即 AI 之所见**'。
>
> ② **SOP 重写**：把架构师工作拆成 6 阶段、58 子任务、19 规则。
>
> > **'SOP 不只是写给人看的流程图，更是写给 AI 看的指令集。'**
>
> 现在每个 +1/+2 管理者都配了一个 AI Agent。
>
> > **'工具不需要公约，同事才需要。'**
>
> 现在的状态是——
>
> > **'人下班了，AI 还在干活。'**"

> 💡 决策切片 #6：第一次让 Agent 写周报后的恍惚——"它写得比我还顺"。

## 5.6 Token 治理 · 在 ClawPro 框架内（1.5 min）

**讲稿示意**：

> "最后一件事——**钱**。
>
> AI 不便宜。我们做过一个测算：Claude 17.2M tokens 花 ¥111；同样的活，Codex 3M tokens 花 $1.55。**差 5.78 倍**。
>
> 在 ClawPro 框架内，我们做了三件事——
>
> ① **token 使用不是目标，业务产出才是关键**；
>
> ② **先 Chatbot 后工具；工具默认国产，复杂规划用国外**；
>
> ③ **双额度体系**：个人探索额度 + 项目生产额度。
>
> > **'Token 是新时代的电——管好它，用好它，敬畏它。'**"

---

# 九、收尾 · 3 min

## 6.1 反思 + 挑战（90 秒）

**讲稿示意**：

> "最后留一件我自己也没想清楚的事——
>
> > **高密路线和 AI 算力机型，是同一个故事，还是两条路？**
>
> 高密讲的是 CPU 普惠；AI 算力讲的是 GPU 极致。它们在产品形态、客户结构、商业模式上都不一样。
>
> 我们到底是统一叙事，还是分头作战？我也在想。
>
> 这是留给在座管理干部的开放问题——也是留给我自己的功课。"

## 6.2 错位三式回顾（30 秒）

**讲稿示意**：

> "三式带走——
>
> **错位三式**：
>
> ① **看清赛局**：你在的是军备赛，还是有差异化空间的赛道？
>
> ② **回归本质**（第一性原理）：你能不能从用户价值的本质出发，找到只属于你的路？
>
> ③ **持续耕耘**：让你的能力**复利**。"

## 6.3 压轴金句 · 三联（60 秒）

**讲稿示意**：

> "最后三句话送给大家。
>
> 第一句——
>
> > **'在巨头划定的赛道之外，永远有更广阔的旷野。'**
>
> 第二句——
>
> > **'云服务器不是 low，它是 AI 时代每个人的数字身体。'**
>
> 第三句——这是我对'**长跑的礼物**'最近的理解——
>
> > **'如果创新的成本足够低，那么创新的可能性就会变得非常大。'**
>
> 当你的基础设施厚度足够、能力复利足够、调度足够智能——你的团队、你的客户、所有跟你协作的人，**做新东西的成本会变得非常低**。
>
> 这才是高密这件事，留给我们最大的礼物。
>
> 谢谢大家。"

> 💡 第三句金句直接对应"复利之后的游刃有余"。

---

# 十、v3 vs v2 主要变化清单

| # | 变化 | 原因（用户反馈） |
|---|---|---|
| 1 | **结构从 4 幕变 5 幕**，新增「展望」幕 | 反馈 1：架构师转型/token 是展望内容 |
| 2 | **引入 computing/hosting/developing 三方向骨架**，前后呼应 | 反馈 6 |
| 3 | **方法论"位势"重塑为"本质（第一性原理）"** | 反馈 2 |
| 4 | **第一幕加入"AI 对云的影响"辩证讨论 + 2025/4 探索故事 + "真的懂 AI"金句** | 反馈 7 |
| 5 | **第二幕调度专题大幅扩展为 4 件事**（拓扑树/交织装箱/业务画像/时序大模型） | 反馈 9 |
| 6 | **第二幕加入 AMD chiplet + 台积电 借势故事 + AWS Graviton 类比** | 反馈 5 |
| 7 | **删除 v2 的"AI 转型误判"弯路**（移到展望段落自然出现） | 反馈 3 |
| 8 | **小红书弯路重写**：重点是"独家创新者的不信任，至今未完全解决" | 反馈 3 |
| 9 | **新增弯路②：OpenClaw 短期热度的预估错误**（开启第四幕） | 反馈 3 |
| 10 | **第四幕主线锁定为 ClawPro**：标准化交付 + 统一管控 | 反馈 1 |
| 11 | **明确 ClawPro = "让 CVM 离用户更近的一步"** | 反馈 1 |
| 12 | **新增团队 AI 实践列表骨架**，留待 lili 增改 | 反馈 10 |
| 13 | **压轴金句加第三联**："如果创新的成本足够低..." | 反馈 4 |
| 14 | **自我介绍加入"2017 年又累又没故事好讲"** | 反馈 8 |
| 15 | **细节决策**：照片不视频、相对趋势不数据、Pony 朋友圈不出现、动态关核口头一句 | 用户反馈 a-h |

---

# 十一、PPT / 视觉设计建议（给 PPT 同学的 brief）

| 关键页 | 建议视觉 |
|---|---|
| 封面 | 龙虾摊照片背景 + 标题 + 副标题 |
| 自我介绍页 | "2017—2026" 时间线 + "9 年 / 又累又没故事" |
| 三方向骨架页（关键复用） | computing / hosting / developing 三柱图，**全场出现 3 次**（第一幕 / 第四幕 / 收尾） |
| 错位三式页（关键） | 看清赛局 → 回归本质 → 持续耕耘 三段 |
| 全栈技术全景图 | 6 层堆叠图 + 3 个高亮故事点 |
| 调度四件事 | 4 宫格（拓扑树 / 交织装箱 / 业务画像 / 时序预测） |
| 龙虾数据 | 数字爆炸式排版（+50%、5 倍、7 个点、48 小时...） |
| 揭示伏笔页 | 龙虾摊 ←→ 高密技术 双向连接图 |
| ClawPro 核心 | "标准化交付 + 统一管控" 文字大图 |
| AI 实践列表 | 6 类 + 多条目，可视化为生态图 |
| 压轴三联金句 | 三页/或三段式排版 |
| **主视觉总图** | 一张图把"2017 决策 → 高密 → 龙虾 → AI 数字身体"串成一条线（建议委托设计师专门做） |

---

# 十二、下一步流程

1. **本周内**：你 review v3，特别看：
   - 三方向骨架是否符合你的产品观（Section 二.2）
   - 错位三式重塑是否到位（Section 六.3.1）
   - 调度四件事的展开深度是否合适（Section 六.3.4）
   - ClawPro 主线的措辞（Section 八.5.3）
   - AI 实践列表（Section 八.5.4）需要你手工增改
2. **review 通过**：基于 v3 出**完整 PPT 初稿**
3. **PPT 出来后**：18 项自查清单走一遍
4. **分享前 7 天**：录一遍演练 + 团队回看
5. **分享前 1-2 天**：最后打磨开场和收尾

---

# 十三、素材引用对照表（v3 全量）

| 引用 | 出处 |
|---|---|
| "AI 不是我'使用'的工具，而是我'长出'的器官" | [[One Month of Vibe Coding, Now I'm Cyber Loading]] |
| "只有当'身体'是永续的，'大脑'的进化才有意义" | [[在腾大广场摆了个龙虾摊，"没有想到会这么火"]] |
| "没有号码牌？没关系，我可以等" | [[在腾大广场摆了个龙虾摊，"没有想到会这么火"]] |
| 60 多岁退休工程师 / 8 岁小朋友 | [[在腾大广场摆了个龙虾摊，"没有想到会这么火"]] |
| 48 小时全行业跟进 | [[2026-05-12 深圳市委社工部龙虾交流]] |
| Hermes Agent 线下聚会 + "我们是真的懂 AI" | 用户口述（本次反馈） |
| 2025 年 4 月每两周 AI 开放探讨 | 用户口述（本次反馈） |
| "个人提效 ≠ 组织提效" / L1/L2/L3 / S0-S1-S2 公约 | [[AI 时代的组织管理：一个关于产品架构师团队的AI native转型实践]] |
| "SOP 不只是写给人看的流程图，更是写给 AI 看的指令集" | 同上 |
| "工具不需要公约，同事才需要" | 同上 |
| "你之所见即 AI 之所见" | 同上 |
| "人下班了，AI 还在干活" | 同上 |
| "token 使用不是目标，业务产出才是关键" / Claude vs Codex 数据 / 双额度体系 | [[2026-06-10 token提效思考]] |
| 龙虾摊全数据 | [[在腾大广场摆了个龙虾摊，"没有想到会这么火"]] |
| 高密技术 / 调度全部数据 | [[云服务器高密度技术突破综合材料]] |
| AMD chiplet 故事 | 行业公开（用户反馈 5） |
| AWS Graviton 故事 | 行业公开（v3 调研） |
| 帕鲁产品观 | [[Article/幻兽帕鲁云服务器背后的产品观\|幻兽帕鲁云服务器背后的产品观]] |

---

> 整理人：lili / 2026-06-15
> 下一版：v4（PPT 初稿配套讲稿，按需）