# 高密技术突破奖分享 · 内容规划 v7

> **90min 业务分享。**
> **标题**：《"龙虾摊"爆火背后的技术解密——云服务器高密调度技术分享》
> **结构关键词**：倒序解密 · 双弧困境突破 · Cattle vs Pets 主轴

---

# 〇、整场讲述的逻辑（先把骨架交代清楚）

## 0.1 一句话故事

> 一个公司里最"low"的产品，产品形态和目标一直被卡在很有限的范围内。9 年前我们决定换一条路走——**用一条云行业的老规律 Cattle vs Pets 作为地基**，走"高密"的差异化路线。9 年间扛过第一次困境（经营+离用户远），做出了小小的突破（帕鲁）。然后 AI 时代来了——**又一次'云要被淘汰'的怀疑**——我们再一次借这条老规律,想清楚了 AI 与云的关系,并把它做成了 3 月 6 日腾大广场的那一场爆火。

## 0.2 全场逻辑流：倒序开场 + 双弧结构 + CvP 主轴

```
┌──────────────────────────────────────────────────────────────┐
│  开场 · 倒序解密（5min）                                        │
│  两个画面同时呈现:                                              │
│    A. 3 月 6 日龙虾摊爆火                                      │
│    B. "云服务器高密机型技术突破奖"奖牌                         │
│  → 抛结论:这两件事,来自同一个漫长的过程                        │
│  → 定调:CVM 这个产品的形态、目标一直被卡在很有限的范围内       │
│  → 今天 90 分钟,给大家解密这条突围的路                          │
└────────────────────────────┬─────────────────────────────────┘
                             ▼
┌──────────────────────────────────────────────────────────────┐
│  第一段 · CVM 是什么 · 15min                                   │
│  ① 云服务器是什么 = 狭义云计算,但常被冷落                      │
│    "低"的三重含义:形态受限、目标受限、离用户远                  │
│  ② 引入云行业老规律:Cattle vs Pets(首次讲透 5min)              │
│    创新从 pets 起、规模化回归 cattle、双轨规律                  │
│  ③ 三方向延展 = CvP 双轨的产品实践                             │
│    C/H = cattle 主战场,D = pets 入口                          │
└────────────────────────────┬─────────────────────────────────┘
                             ▼
┌──────────────────────────────────────────────────────────────┐
│  第二段 · 高密调度的第一次突围 · 20min(减化技术细节)           │
│  ① 拒绝军备赛的关键决策                                         │
│  ② AMD chiplet 借势 + Graviton 类比                            │
│  ③ 高密调度技术:六层协同的减化版(TODO 待补技术材料)             │
│  ④ 调度四件事(AI 第一次出场)                                   │
│  ⑤ 9 年长跑代价 + 长跑的礼物                                   │
│  ⑥ 弯路①:小红书"独家创新者的不信任"                          │
│  ⑦ 经营成果(TODO 待补数据)                                     │
│  ⑧ 帕鲁:pets 侧的第一次成功——CvP 主轴的第一次落地             │
└────────────────────────────┬─────────────────────────────────┘
                             ▼
┌──────────────────────────────────────────────────────────────┐
│  第三段 · AI 时代的第二次困境降临 · 15min(v7 关键新增)         │
│  ① AI 冲击的三块具体表现:                                      │
│    a. 业界质疑:"云要被 AI 取代""CPU 要被 GPU 取代"             │
│    b. 客户预算调整:AI 挤压传统云支出                           │
│    c. 友商产品重心调整:GPU 一条腿走路                          │
│  ② 我们的双面回应:坚定 + 焦虑                                  │
│    坚定面:AI 与云是充分互补的                                  │
│    焦虑面:担心自己没有准备好去服务新的 AI 形态                 │
│  ③ 团队自救:大量学习论证 + 云上跑 AI 应用 = 一手经验积累       │
│  ④ 重审 CvP × CHD → 得出结论:AI 更需要云(大 callback)         │
│  ⑤ 业界观察 = 我们的差异化机会:友商在让出主战场                │
└────────────────────────────┬─────────────────────────────────┘
                             ▼
┌──────────────────────────────────────────────────────────────┐
│  第四段 · AI 上云 + 龙虾之战 · 18min                           │
│  ① 我们服务好 AI 的实践 + 高密调度带来的差异化优势(TODO)        │
│  ② 龙虾之战复盘(TODO)                                          │
│  ③ 龙虾的真正意义 = 业界普遍错估;真相是 AI 焦虑 + 普惠算力     │
└────────────────────────────┬─────────────────────────────────┘
                             ▼
┌──────────────────────────────────────────────────────────────┐
│  第五段 · OpenClaw→ClawPro + 组织进化 · 12min                  │
│  ① OpenClaw 是 pets, ClawPro 是 cattle 化的必然(CvP 落点)      │
│  ② Moltbot 启示(1min 精简版):通用即妥协                       │
│  ③ ClawPro 的"要做/不做" + B 端两个真问题                     │
│  ④ 组织提效:架构师团队 AI native 转型                          │
│  ⑤ token 治理:帮助大于管理                                    │
└────────────────────────────┬─────────────────────────────────┘
                             ▼
┌──────────────────────────────────────────────────────────────┐
│  收尾 · 5min                                                   │
│  一件没想清楚的事:如何衡量 AI 提效?如何让效果可复制?           │
│  三句大白话                                                    │
│  压轴金句:数字身体 / 创新成本足够低                              │
└──────────────────────────────────────────────────────────────┘
```

## 0.3 听众应该带走的三件事（不显式列，让听众自己合上）

1. **赛道之外有空间**：当所有人都在卷同一个维度，就值得问一句"还有别的维度吗"
2. **回到用户最朴素的需求**：用户从来不买跑分，只买"用合理成本跑住自己的业务"
3. **时间是最被低估的复利**：把一件事做 9 年，会得到当时看不见的礼物

## 0.4 明线暗线（v7 关键调整：CvP 升为主轴，全场 7 次呼应）

| 主线 | 出现节点 | 呼应密度 |
|---|---|---|
| **【主轴】Cattle vs Pets** | 第一段 2.2 首次讲透 → 第一段 2.3 三方向 = CvP 实践 → 第二段 3.4 高密调度是"让 cattle 更 cattle" → 第二段 3.8 帕鲁是 pets 首胜 → 第三段 3.4 大 callback → 第四段 4.2 龙虾摊普通人拿到 pets → 第五段 5.1 OpenClaw→ClawPro = pets→cattle | 7 处 |
| 产品观骨架：C/H/D | 第一段初次 → 第三段大 callback（合并入 CvP 大表）| 2 处 |
| 产品故事线：龙虾摊 ↔ 高密 | 开场倒序埋伏笔 → 第四段揭示 | 2 处 |
| 情感线：长跑的礼物 | 自我介绍"又累又没故事" → 第二段"长跑的礼物" → 收尾"看不见的礼物" | 3 处 |
| **双弧戏剧结构（v7 新）**：困境→突破 × 2 | 第一段第一次困境 → 第二段第一次突破 → 第三段第二次困境 → 第四+五段第二次突破 | 全场 |

## 0.5 时间分配

| 段落 | 时长 | 起止 |
|---|---|---|
| 开场（倒序两个画面）| 5 min | 0:00–0:05 |
| 第一段 CVM 是什么 | 15 min | 0:05–0:20 |
| 第二段 高密调度突围 | 20 min | 0:20–0:40 |
| 第三段 AI 第二次困境 | 15 min | 0:40–0:55 |
| 第四段 AI 上云 + 龙虾 | 18 min | 0:55–1:13 |
| 第五段 ClawPro + 组织 | 12 min | 1:13–1:25 |
| 收尾 | 5 min | 1:25–1:30 |
| **合计** | **90 min** | |

---

# 一、开场 · 倒序解密 · 5 min

## 1.0 双画面钩子（1.5 min）

**视觉**：屏幕左右分屏——
- **左**：3 月 6 日腾大广场龙虾摊爆火照片（保安护场那张）
- ![[Pasted image 20260702131929.png]]
- **右**：《云服务器高密机型技术突破奖》奖牌照片
- ![[Pasted image 20260702132554.png]]


**讲稿**：

> "今天我要给大家讲两件看起来毫不相干的事。
>
> **【指左】第一件事**——2026 年 3 月 6 日，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。腾讯股价拉了 7 个点。48 小时之内，百度、天翼、阿里、火山、京东全部跟进。
>
> **【指右】第二件事**——去年年底，我们团队捧回一块奖。
>
> '**云服务器高密机型技术突破奖**'。
>
> 一个技术性极强、名字听起来特别 nerdy 的奖。
>
> 【停顿】
>
> 说实话，这两件事看起来完全不像来自同一个世界——一个是充满烟火气的普罗大众排队，一个是最'low'的技术团队关起门来的技术突破。"

## 1.1 抛结论：两件事来自同一个漫长过程（1.5 min）

**讲稿**：

> "但今天我想说的第一件事，就是——
>
> > **这两件事，其实来自同一个漫长的过程。**
>
> 一个 9 年前决定的技术路线，在 2026 年 3 月 6 日以你们完全没预料到的方式爆炸了。
>
> 那这个'漫长的过程'是什么？
>
> 云服务器这个产品——我做了 9 年——**它有一个天生的处境：产品形态、产品目标，都很容易被卡在一个很有限的范围里**。
>
> 它不像上层的 SaaS 产品，可以离用户很近，可以做出一个个漂亮的功能演示。它离底层最近、离用户最远。
>
> 所以云服务器最容易面对的挑战是——**怎么让这个'很有限的范围'变得更宽一点**。
>
> 我们过去 9 年做的事情，就是尝试把这个范围推宽。而 3 月 6 日的那张照片，是这个'推宽'的一次意外爆发。
>
> 今天我要花 90 分钟，给大家把这条路，从头到尾解密一遍。"

## 1.2 自我介绍 + 埋伏笔（1.5 min）

**讲稿**：

> "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。
>
> 那年我接手的时候，心里有一句话——'**这活儿又累、又没什么故事好讲**'。
>
> 但今天我在这里，讲一个 90 分钟的故事。
>
> 这个故事的两头，一头是 3 月 6 日的龙虾摊，一头是这块奖牌。
>
> 中间，是 9 年的长跑，一次 AI 时代的重新启动，和一条云行业 10 年前的老规律。"

## 1.3 听众价值预告（30 秒）

**讲稿**：

> "接下来 90 分钟，你会听到——
>
> 一、云服务器这个'不起眼'的产品，是怎么被一条老规律改造的；
>
> 二、9 年高密路线的技术、成果、和长跑的礼物；
>
> 三、AI 时代来临时，我们的第二次困境、第二次突破；
>
> 四、龙虾摊真正的意义，以及我们从这里出发看到的下一步。"

---

# 二、第一段 · CVM 是什么 · 15 min

## 2.1 云服务器 = 狭义的云计算，为什么"low"（4 min）



**讲稿**：

> "先说云服务器这个产品到底是什么。
>
> 简单说——**云服务器 = 狭义的云计算**。
>
> 用户用云的第一个产品是它、经营大盘最大的贡献者之一是它、你所有云上的应用最底下踩着的也是它。
>
> 但客户对它的态度是什么？**普遍是轻视的**。
>
> 因为云服务器有'三个受限'——"

**视觉（三柱图）**：

| 受限维度 | 含义 |
|---|---|
| **形态受限** | 卖的是"资源"（CPU/内存/带宽），不是"体验"，很难做出让人眼前一亮的东西 |
| **目标受限** | 目标客户是运维/开发,决策链短、很少感性,不像 SaaS 有"打动客户"这一说 |
| **离用户远** | 稳定性、成本、性能藏在每个上层产品背后,好或坏都看不见 |

**讲稿（继续）**：

> "客户轻视它、行业冷落它、公司里也没几个人愿意做——**技术上不性感、经营上产出差**。
>
> 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：刚接手的纠结。

**讲稿（军备赛口述版——PPT 不上）**：

> 📌 **PPT 不用出这段，讲师口述即可**：
>
> "在这个'受限'的产品形态之下，行业过去十几年跑的是什么套路？
>
> **军备竞赛。**
>
> AWS 每年扔一个新机型，性能比上代好 10%、价格比上代低 10%。跟随者要么跟、要么死。
>
> 但你跟下去会发现一件事——**巨头每年扔一个 10%，跟随者跟到最后，就是慢性死亡**。
>
> 而更让我打鼓的是，从 2020 年开始，云服务器的经营压力越来越大——毛利率长期承压，是结构性的，不是单点问题。
>
> 客户群体不对、计费模式不对、使用规格不对。
>
> 这个时候，我们必须回答一个问题——**云服务器,到底应该服务谁?**"

## 2.2 引入云行业老规律：Cattle vs Pets（首次讲透，5 min）

**讲稿**：

> "回答这个问题之前，我要请出这场分享**最重要的一条主轴**。
>
> 一条云行业 10 年前就已经确立的老规律。
>
> 它叫 **Cattle vs Pets**。
>
> 2012 年，云计算先驱 Randy Bias 提出的一个比喻。翻译过来，就是'**牛群 vs 宠物**'。"

**视觉**：左"宠物"插画（有名字的服务器"阿毛""小强"）+ 右"牛群"插画（一排编号的服务器）+ 中间箭头

**讲稿（第一层展开）**：

> "**旧时代**——每台服务器都是宠物。
>
> 有名字（'阿毛'、'小强'），需要精心照料，谁挂了大家心疼，恨不得给它过生日。
>
> **新时代**——每台服务器都是牛群里的一头牛。
>
> 只有编号，可随时替换，挂了就再开一台，不心疼。
>
> Docker、K8s 之后，'牛群模式'成了云原生的默认——所有的教材、所有的架构师培训，都在说：**当你把服务器当宠物养，你就没有资格谈 cloud native**。"

**讲稿（第二层：藏在里面的真相）**：

> "但这条规律讲到这里，只讲了一半。
>
> 藏在里面的**第一个真相**：
>
> > **所有的牛群，都曾经是某台电脑上的一只宠物。**
>
> 没有例外。所有今天规模化运行、无情替换的云上服务，最初都来自某个工程师电脑里那只'有名字、需要照顾'的脆弱 Demo。
>
> 一个 idea 刚被想到的时候，它是 pets——我们精心呵护、盯着它、给它调参、每天问它今天过得怎么样。
>
> 直到它跑通了、验证了、可复制了，我们才把它容器化、集群化、扔到 K8s 里去。
>
> 从那一刻起，它成了 cattle。"

**讲稿（第三层：真正的规律）**：

> "藏在里面的**第二个真相**：
>
> > **创新一定从 pets 开始；规模化必然回归 cattle；但 pets 永远不会消失——它是创新的入口。**
>
> 这就是我要跟大家讲的**云产品双轨规律**——一家成熟的云厂商，必须**同时做好两件事**：
>
> 一是把 cattle 这个规模化主战场做扎实——降成本、提可靠性、抓住 top 客户；
>
> 二是把 pets 这个创新入口做敞亮——给下一代产品留一个孵化器、给 C 端小客户留一个门。
>
> 只做 cattle,你会失去下一代产品的种子。
>
> 只做 pets,你会失去规模。
>
> 双轨,才有未来。"

**讲稿（升华）**：

> "这条规律，2012 年就在了。
>
> 但我要说——**它一直只是纸面的一条规律**。
>
> 直到 AI Agent 时代真的到来——你会看到这条规律，才真正被放到了台面上。
>
> 这个'放到台面上'的过程，就是我今天要讲的故事。"

## 2.3 三方向延展 = Cattle vs Pets 的实践（3 min）

**讲稿**：

> "回到 2020 年。
>
> 在 CVM 面对'三个受限'和'经营压力'的双重挑战下，我们做了一个判断——
>
> > **CVM 这个产品，不能只做 cattle，也得兼顾 pets。**
>
> 于是从 2020 年开始，我们做了三个方向的延展：computing、hosting、developing。
>
> **这三个方向的本质，就是 Cattle vs Pets 双轨规律的具体产品实践。请大家把它们记住，因为它们后面会再出现好几次。**"

![[Pasted image 20260702133305.png]]

**视觉（三柱图，每柱明确标注 cattle/pets）**：

| 方向 | 含义 | 那时候做的事 | 服务谁 |
|---|---|---|---|
| **Computing** | 算力强度 | 异构计算（与 GPU 结合）| **cattle**：规模化大客户 |
| **Hosting** | 托管能力 | 分布式云（贴近客户机房）| **cattle**：行业大客户 |
| **Developing** | 开发体验 | 轻量云 Lighthouse | **pets**：小客户 / 创新者 |

**讲稿（继续）**：

> "三件事都成功了：
>
> Computing 接住了游戏、AI 训练这一波；
>
> Hosting 接住了金融、政企；
>
> Developing 接住了一批中小开发者。
>
> 但它们都没解决一个根本问题——
>
> **CVM 整体离用户依然很远，客户的轻视依然存在，产品的形态依然受限。**
>
> 三方向延展是我们迈出的第一步。但要真正走出困境，我们需要一个更根本的、能改变产品经营结构的东西——
>
> 那个东西，就是**高密**。"

## 2.4 铺垫：高密决策的登场（1 min）

**讲稿**：

> "'高密'两个字讲起来简单，但它其实是一个**改变了整个 CVM 经营结构**的技术选择。
>
> 而且——它是我 2017 年一上任就定下来的方向。
>
> 从 2017 到 2026，整整 9 年。
>
> 接下来 20 分钟，我要给大家讲这 9 年里我们做了什么、错在哪里、扛过了什么，最终——**高密怎么帮 C/H/D 三个方向都走出了一条前所未有的路**。"

---

# 三、第二段 · 高密调度的第一次突围 · 20 min（v7 减化技术细节）

## 3.1 拒绝军备赛的关键决策（2.5 min）

**讲稿**：

> "回到 2017 年。
>
> 那年我们做了一个关键决定。
>
> 我前面跟大家讲过——'军备竞赛跟到最后是慢性死亡'。
>
> 那我们换了个维度——**不卷单核性能，卷'单位空间的算力'**。
>
> 这就是'高密路线'。
>
> 第一次商业化是 SA1，跟 AMD 合作。"

**讲稿（接 - 平实化的方法论）**：

> "这个决定的逻辑其实很朴素。
>
> 用户买云服务器，本质上要的是什么？
>
> 不是 CPU 主频，不是 SPEC 跑分，不是性能榜单。
>
> 用户要的是——**用合理的成本，跑住自己的业务**。
>
> 从这个最朴素的需求往回推，'密度'就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。
>
> 简单到几乎是常识。但要把它做成产品，要做 9 年。"

> 💡 决策切片：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 + Graviton 类比（2.5 min）

**讲稿**：

> "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。"
> 
> **AMD 的服务器优势可以概括为：用台积电先进制程获得晶体管密度和能效，用 Chiplet 降低大芯片制造难度并提高 SKU 灵活性，用 Zen 5c 做高密云计算，用 Zen 5/F 系列做高频与 GPU host 场景，再用充足的内存通道和 PCIe lanes 支撑整机平台价值。** 所以 AMD 赢的不是单颗 CPU 参数，而是 **每插槽、每机架、每瓦、每美元的综合产出**。



**讲稿（Graviton 类比）**：

> "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：**借势 + 长跑 + 错位**。"

## 3.3 高密调度技术：六层协同的减化版（3 min）


**讲稿**：

> "'高密'两个字听起来简单，但它其实是**六层协同**的一个整体工程。任何一层跟不上，密度就上不去、上去了也稳不住。
>
> 【视觉：一张 6 层堆叠图】硬件 → OS → 虚拟化 → 网络 → 存储 → 调度
>
> 时间关系我不逐层展开——我只挑三个'业界第一次'的点讲一下。"

**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（后来到 1-3 秒）**

> "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，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。**它在第四段龙虾摊那里会变成关键。**"

> 💡 龙虾摊"秒级开机"的钩子。

**故事3：故障率 78% 下降**

> "高密机型故障率风险更高。我们做了拦截策略 + 散热升级 + 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。**"

> 📌 **TODO**：其他 5 层（OS、网络、存储等）的重要突破点，等 lili 后续从综合材料中挑几个补充进来

## 3.4 调度四件事：高密的"大脑"（4.5 min）

**讲稿**：

> "六层里，**调度**是这次的奖最核心的部分。
>
> 调度是云服务器的'大脑'。
>
> 当一台服务器从 96 核变成 768 核——**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。
>
> 而且——**这里有一句话我要特别强调**——
>
> > **高密调度技术的本质，就是'让 cattle 更 cattle 的技术'。**
>
> 一台服务器上装几十个业务、每个业务都稳、每个业务都不打扰彼此——这就是 cattle 化的技术底座。
>
> 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——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 KV 表改造成'物理拓扑树'——把'枚举扣减'转化成'树节点遍历'。
>
> 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。
>
> 我们做了'交织装箱'——按 CCD/Corner 交错分配，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）

> "前面两件是工程优化。第三件——我们用上了 AI。
>
> 深度学习双塔模型：
>
> - 时间塔：CPU、内存、网络时序特征 → CNN → 512 维向量
> - 文本塔：实例标签、机型、规格 → BERT → 256 维向量
> - 双向交叉注意力，融合成'**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。一台母机故障影响近 10 台子机——雪崩。
>
> 业务画像跑通后我们做**反亲和打散**——同业务分到不同母机。故障影响降了一个数量级。"

> 💡 决策切片：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——基于时序大模型让调度器**预测未来**。
>
> - 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；
> - 当前腾挪是不是'无效腾挪'。
>
> 第一阶段:挖潜 20 万核、利用率 +2 个点。远期:减少采购 80 万核。"

**讲稿（小结）**：

> "调度从'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，是高密路线得以走通的关键。**"

## 3.5 高密如何帮 C/H/D 三个方向都走出前所未有的路（2 min）

> 📌 **TODO**：这一节需要 lili 补充技术材料——高密调度技术如何具体地强化了 Computing / Hosting / Developing 三个方向的产品发展。以下先给一个**结构占位**，等 lili 补齐后填充。

**讲稿骨架**（占位，等你补）：

> "记得第一段我讲三方向的时候留了一个悬念——
>
> **CVM 三方向延展都成功了，但都没解决离用户远的问题。**
>
> 高密调度技术做出来之后，恰恰就是它，让 C/H/D 三个方向**都跨出了一步**——"

**视觉（三柱图，每柱补一句"高密调度带来的改变"）**：

| 方向 | 之前 | 高密调度带来的改变 |
|---|---|---|
| **Computing** | 异构计算受限于同构主机资源 | **TODO**：高密调度让异构机型的资源利用率、灵活组合、成本 …… |
| **Hosting** | 分布式云成本受制于机柜密度 | **TODO**：高密调度让 hosting 单位机柜承载能力 …… |
| **Developing** | Lighthouse 面临小规格资源紧缺 | **TODO**：高密调度让小规格碎片资源变成 Lighthouse 的富矿 …… |

## 3.6 长跑代价 + 长跑的礼物（1.5 min）

**讲稿**：

> "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。**
>
> 这一句话我先埋下,第三段回来讲。"

## 3.7 弯路①：小红书"独家创新者的不信任"（1.5 min）

**讲稿**：

> "讲一个必须分享的弯路。
>
> 走错位路线最大的代价——**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。
>
> 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？深入客户场景做调优、每周对齐数据陪跑一年。最后对比测试：SA9 vs SA4 业务 RT 相当、QPS +42%。反馈两个字——'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。**
>
> 你成为了第一个，但你也成为了唯一一个解释自己的人。"

## 3.8 经营成果 + 帕鲁：pets 侧的第一次成功（3 min）

> 📌 **TODO**：经营成果的具体数据（成本降幅、毛利改善、规模增长等）需要 lili 从综合材料中挑选可对外披露的部分补入

**讲稿骨架（占位）**：

> "9 年高密路线走下来，**经营成果**是什么？
>
> 【TODO 数据点：单位成本 100%→20%、毛利改善 X%、规模 X 万核……由 lili 补齐】
>
> 但我今天想讲的不只是这些数字。9 年高密走下来，我们收到了一个**意料之外的副产品**——"

**讲稿（帕鲁小胜）**：

> "**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？大客户不要。中小客户也不太够。它们看起来像鸡肋。
>
> 直到 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**'。
>
> 【关键 CvP 呼应】"

**讲稿（关键 CvP 呼应）**：

> "帕鲁那一次的成功，回过头看，其实不是运气。
>
> **它是我们 CvP 双轨里，pets 这条线的第一次真正成功。**
>
> 记得我第一段讲的吗？**Developing 是 pets 入口**。它服务的是那些'当时还不重要、但可能是明天创新种子'的客户。
>
> 帕鲁是这条线的第一次爆发——**pets 不是鸡肋，pets 是明天的入口**。"

> 💡 决策切片：看到帕鲁数据时——"原来 C 端也可能是我们的客户"。

**【第二段小结】**：

> "所以到了 2024 年初，我们的状态是——
>
> 高密路线走通了，SA9 上线了，小红书'真香'了，帕鲁爆了。
>
> 我们心里觉得——**这个'困局'总算是撕开了一条缝。**
>
> **但——就在这个时候，第二次困境降临了。**"

---

# 四、第三段 · AI 时代的第二次困境降临 · 15 min（v7 关键新增）

## 4.1 AI 冲击的三块具体表现（3.5 min）

**讲稿**：

> "2022 年底，ChatGPT 出来了。
>
> 一年之后，整个云行业出现了一种**普遍的怀疑**——
>
> > **'云是不是要被 AI 取代了？CPU 是不是要被 GPU 取代了？'**
>
> 这个怀疑，具体表现在三个地方。"

**视觉（三柱图）**：

#### 冲击一：业界的普遍质疑

> "所有的科技媒体、行业分析师、大 V，突然都开始讲同一件事——
>
> '智算中心才是未来'
> 'CPU 云正在被淘汰'
> '通用云计算已经是过时的架构'
>
> 这个声音在 2023 年下半年到 2024 年，**大到没办法忽略**。"

#### 冲击二：客户预算的调整

> "更让我们感到冲击的是**客户预算的调整**。
>
> 大量的头部客户开始把 AI 相关的预算拉高，把'传统云支出'的预算相应压缩。
>
> 我们能感受到——CVM 这个我们花了 9 年攻下来的品类，正在被客户的钱包**主动降权**。
>
> **一年前你还在为经营结构改善欢呼，一年后你发现整个行业的钱都在往另一个方向跑。**"

#### 冲击三：友商的产品重心调整

> "第三个冲击，是**友商产品重心的整体调整**。
>
> 我们眼睁睁看着——头部友商几乎把 80% 的产品研发资源全压到了 GPU 一条腿上。
>
> CPU 机型不更新了、调度器不演进了、Lighthouse 类的轻量产品基本停滞了。
>
> **整个行业的产品团队，都在朝一个方向跑：GPU、GPU、GPU。**
>
> 那个时候在行业里 hold 住 CPU 一条线的产品经理们，不夸张地说，**每天都要在心里跟自己打好几架**。"

## 4.2 我们的双面回应：坚定 + 焦虑（3 min）

**讲稿**：

> "这个'第二次困境'，我们团队怎么回应的？
>
> 说实话——**是双面的**。
>
> 一面是**坚定的**。另一面是**焦虑的**。"

**视觉（左右分栏）**：

**左侧 · 坚定面**

> "我们从一开始就坚信——
>
> > **AI 与云是充分互补的关系，不是取代关系。**
>
> 为什么这么坚信？
>
> 因为一个 AI Agent 要真正跑起来，需要的不只是 GPU 那几秒推理。它还需要——
>
> - 稳定：Agent 7×24 在跑，断线就是事故；
> - 可调度：海量 Agent 实例，需要弹性、需要随时起、随时灭；
> - 可组合：CVM + 存储 + 网络 + 数据库，这套云原生组合不是 GPU 能替代的。
>
> AI 大脑越强,它越需要一个稳定、可靠、可编排的**身体**——而这个身体,恰恰是云。
>
> 这个判断我们当时就有，而且**充满信心**。"

**右侧 · 焦虑面**

> "但坚定不代表不焦虑。
>
> 我们的焦虑不在'云会不会被淘汰'——
>
> 我们的焦虑在——
>
> > **我们现有的云，真的准备好去服务 AI 这种新形态了吗？**
>
> Agent 是随时起、随时灭的短生命周期实例；Agent 是海量、并发、无人值守的；Agent 需要新的调度方式、新的存储方式、新的网络方式……
>
> 这些新东西，我们真的准备好了吗？
>
> 说实话——**当时我们不知道**。
>
> 这个'不知道'，比业界的质疑、客户的预算调整、友商的转身，加起来还要让我难受。"

## 4.3 团队自救：学习 + 论证 + 云上跑 AI（2.5 min）

**讲稿**：

> "面对这个焦虑，我们做了一件事——**自救**。
>
> **从 2025 年 4 月开始**，我带着团队做了三件事——"

**视觉（三柱）**：

| 事项 | 具体做法 |
|---|---|
| **① 大量学习** | 每两周一次的 AI 开放探讨。不汇报、不打分、不立项，纯粹的探讨——大家把这一周看到的、试过的、想通的、没想通的东西端出来 |
| **② 深入论证** | 结合我们自己的业务场景，把"AI 到底怎么和云结合"这件事翻来覆去论证——从调度、从虚拟化、从网络、从存储、从产品形态 |
| **③ 自己上手跑** | 我们自己在云上跑 AI 应用——从 Agent 编排到 RAG，我们不做旁观者，我们做用户 |

**讲稿（关键点）**：

> "这三件事，一年下来，让我们收获了两个东西——
>
> 第一，**认知**——AI 与云到底怎么互补，这件事我们从道听途说变成了亲身验证；
>
> 第二，**一手经验**——包括后来做 OpenClaw、做 ClawPro 的所有产品判断，都不是从 PPT 里抄来的，而是我们自己在云上试过 AI 之后想清楚的。
>
> 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。'**
>
> 因为我们**每周都在自己的云上跑 AI**，而不是每周都在 PPT 上讨论 AI。"

## 4.4 重审 CvP × CHD → 得出结论：AI 更需要云（大 callback，4 min）

**讲稿（铺垫）**：

> "把学习、论证、上手实践三件事做过一年之后，我们回过头，把分享一开始建立的两个'地基'搬出来重新审视。
>
> 一个是云行业 10 年前的老规律——**Cattle vs Pets**。
>
> 一个是 CVM 的三方向骨架——**computing / hosting / developing**。
>
> 这两个东西，2020 年我们用它们指导做产品。
>
> 2026 年，AI Agent 时代真的到来——**这两个东西的每一条，都被进一步放大了**。"

**视觉（v7 灵魂页：一张 5 行 × 4 列的大表）**：

| 维度 | 2020 年（前 AI 时代）| 2026 年（AI 时代）| AI 时代是变弱还是变强？|
|---|---|---|---|
| **Cattle**（规模化）| 大客户业务集群 | AI Agent 集群 7×24 永远在线 | **大幅强化** |
| **Pets**（创新入口）| 个人开发者 | 个人 Agent 服务器 + 企业试验场 | **大幅强化**（普通人都开始养 pets）|
| **Computing** | 异构计算 | GPU 算力机型 | 强化（计算密度需求爆炸）|
| **Hosting** | 分布式云 | **高密 + 数字身体** | **大幅强化**（cattle 时代的承载主战场）|
| **Developing** | Lighthouse | **OpenClaw → ClawPro → SkillHub** | **大幅强化**（每家企业都需要 AI 开发体验）|

**讲稿（关键升华）**：

> "这张表，让我们把'第二次困境'彻底翻篇了。
>
> 它想说的就一件事——
>
> > **云计算不是 AI 时代的旧基建。云计算是 AI 时代的本体。**
>
> 当所有人都在赞美 AI 大脑、追逐 AI 算力的时候——
>
> **支撑这一切的底层身体，反而比过去任何一个时代都更重要。**
>
> **AI 的发展，会更需要云——不是更少需要,是更多需要。**"

## 4.5 业界观察 = 我们的差异化机会（2 min）

**讲稿**：

> "把这张表推到极致，会有一个反直觉但很关键的结论——
>
> 前面第一个冲击我讲过——'友商几乎停掉了 GPU 以外的产品投入'。
>
> 那个时候，这是让我们焦虑的信号。
>
> **但当我们把 CvP × CHD 那张表重新审过一遍之后，这个信号的含义反过来了——**
>
> > **整个业界正在主动让出'cattle 时代的 hosting 主战场'。**
>
> 这恰恰是**我们未来几年最大的差异化机会**。
>
> 当所有人都在抢一条赛道的时候——**默默把另一条赛道的 9 年功课做扎实，会在某个时刻一次性兑现。**
>
> 这剧本我们已经在 SA1→SA9 上体验过一次。
>
> 我们相信——**下一个剧本，已经开演了。**"

**【第三段小结】**：

> "所以第二次困境，走到这里，其实已经翻篇了。
>
> 我们从'AI 会不会淘汰云'的怀疑，走到了'AI 更需要云'的坚定。
>
> 那接下来的事就是——
>
> **拿 9 年高密攒下来的家底，去实实在在地服务 AI。**
>
> 那具体怎么做？下面这一段来讲。"

---

# 五、第四段 · AI 上云的实践 + 龙虾之战 · 18 min

## 5.1 我们服务 AI 的实践 + 高密调度带来的差异化优势（5 min）

> 📌 **TODO**：这一节需要 lili 补充——AI 时代高密调度技术具体给客户带来了什么独特价值？例如：
> - Agent 冷启动秒级？
> - 大模型推理场景的高密承载？
> - 海量小规格 Agent 实例的调度效率？
> - 弹性伸缩速度？
> - 与 GPU 混合部署？
> 请把最有代表性的 2-3 个差异化优势告诉我，我再展开写讲稿。

**讲稿骨架（占位）**：

> "AI 上云听起来虚，我讲三件我们过去一年真的在做、并且 **9 年高密攒下的家底真的派上大用场**的事——"

**【差异化优势 1】**：TODO

**【差异化优势 2】**：TODO

**【差异化优势 3】**：TODO

**讲稿（占位小结）**：

> "这三件事的共同点是什么？
>
> **它们都不是'临时抱佛脚'的能力。它们全都是我们 9 年高密攒下来的家底，在 AI 时代自然生长出来的用武之地。**
>
> 这就是长跑的礼物。"

## 5.2 龙虾之战复盘（8 min）

> 📌 **TODO**：龙虾之战复盘的层次需要 lili 补充素材。以下先给一个**结构占位**，请你从这几个维度补：
> - **决策过程**：为什么想做这场活动？谁最先提议？内部有没有反对？
> - **筹备过程**：4 个工作日筹备,具体分工?风险预案?
> - **当天时间线**：从 7 点排队到 17 点结束的关键节点
> - **意外之处**：有没有超出预期的、让你突然感悟到什么的瞬间？
> - **爆火的技术底牌**：99.9% 创建成功率背后,高密的哪些能力被激活了?
> - **后续跟进**：ClawPro 一周近百 KA 测试申请后,我们做了什么?

**讲稿骨架（保留 v6 的现有内容 + 留 TODO 供你补齐）**：

### 5.2.1 起因（TODO）

> "帕鲁之后，我们一直在想——
>
> **'普惠 AI 算力'这件事，能不能更进一步？**
>
> 【TODO：这一段需要 lili 补充——OpenClaw 是怎么想到的？龙虾摊活动是怎么起念的？谁最先提议？内部争论？】"

### 5.2.2 筹备（TODO）

> "4 个工作日的筹备，纯公益的'装机互助'活动。
>
> 【TODO：具体筹备的关键决策、分工、我们最担心的风险……】"

### 5.2.3 当天时间线（可用现有数据）

**讲稿（数据齐发）**：

> "3 月 6 日当天：
>
> 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 岁小朋友、推婴儿车的父母、60 多岁退休工程师。
>
> 当日 OpenClaw 规模环比 +50%，单日净增是活动前的 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。"

### 5.2.4 意外的瞬间（TODO + 现有素材）

**讲稿（现有素材）**：

> "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。**'
>
> 【TODO：这里可以再补 1-2 个更有你个人视角、决策心理的意外瞬间】"

### 5.2.5 爆火的技术底牌（呼应第二段）

**讲稿**：

> "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 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。**"

### 5.2.6 CvP 主轴的第二次落地

**讲稿**：

> "还记得帕鲁那一次我说过——'pets 是明天的入口'吗？
>
> **龙虾摊那天，pets 这条线，第一次落到了普罗大众头上——每个人拥有了一台属于自己的、刚刚出生的'AI Agent 宠物'。**
>
> 这是 CvP 主轴的第二次爆发。
>
> 而且——它比帕鲁那一次，走得远得多。"

## 5.3 龙虾的真正意义：业界普遍错估（5 min）

**讲稿**：

> "龙虾摊一炸开，业界出现了两种判断——
>
> 第一种是**乐观派**：装机热会延续，普惠 AI 算力的春天来了，我们要再多搞几场活动、抢占心智。
>
> 第二种是**悲观派**：这就是营销爆款，昙花一现、流量回落，没什么持续价值。
>
> 几个月数据回来之后我们才看清——**两种判断都错了**。
>
> 乐观派错在把'装机热'当成了'产品热'。流量在回落。继续按'打爆款'投入，越投越亏。
>
> 悲观派错在把'流量回落'当成了'故事结束'。流量会过去，但流量背后真正在涌动的东西，没过去。"

**讲稿（真相）**：

> "龙虾摊那天，500 个号码牌、8 岁小朋友、60 岁工程师……他们排队装的，**真的是 OpenClaw 这个产品吗？**
>
> 不是。
>
> 他们排队装的，**是他们能找到的、最低门槛的、'我已经在 AI 时代有了一席之地'的证明。**
>
> 龙虾热的本质，是**全民 AI 焦虑 + 普惠 AI 算力的渴求**。
>
> > **流量会回落，但 AI 焦虑不会回落。底下涌动的普惠 AI 算力需求，才是我们真正要接的东西。**
>
> 这个判断重要在哪？
>
> 它告诉我们——**做一场又一场龙虾摊不是终局**。终局是承接住这股焦虑底下的'普惠 AI 算力'需求，把它变成产品、变成长期价值。
>
> 那承接的形态是什么？我们回到 CvP——
>
> > **个人 OpenClaw 是 pets。企业的 cattle 形态，必然到来。**
>
> 这就是我们下一段要讲的——**从 OpenClaw 到 ClawPro**。"

---

# 六、第五段 · OpenClaw→ClawPro + 组织进化 · 12 min

## 6.1 OpenClaw → ClawPro：pets → cattle 的必然演化（3 min）

> 📌 **TODO**：ClawPro 具体的产品故事线（关键决策节点、内部争论、客户反馈）需要 lili 补充素材。以下是**结构骨架**。

**讲稿**：

> "从 OpenClaw 到 ClawPro，本质上是 CvP 主轴的最鲜明落点——
>
> **pets → cattle 的必然演化。**
>
> 【TODO：这里需要 lili 补充——】
>
> - ClawPro 是什么时候起念的？
> - 它跟 OpenClaw 的关系是怎么理清的？
> - 有没有一个'啊,想通了'的关键节点？
> - 早期 KA 客户的哪些反馈让你确信这个方向？"

### 6.1.1 但 cattle 化 ≠ 把 OpenClaw 装到云上：Moltbot 启示（1 min 精简版）

**讲稿**：

> "cattle 化没那么简单——不是把 OpenClaw 复制十份装到云上就行。
>
> 我快速讲一个产品——**Moltbot（也叫 ClawdBot）**。它的思路是'把 Skill 变成对整个电脑的操作权限——AI 大脑指挥本地 Shell 身体'。方向对了，但**过度承诺让它撞墙了**——什么都能干的承诺让它出圈，也让它沉寂。
>
> > **'懂它的人会自己造一个更好的，不懂它的人永远用不明白。'**
>
> Moltbot 给我们的两条铁律——
>
> ① 方向对：**AI 大脑 + 云端身体**是未来产品架构基底；
>
> ② 通用必死：**在确定性场景里、围绕真实工作流和真实数据，做专业的 AI 化**。"

## 6.2 ClawPro 的"要做/不做" + B 端两个真问题（3 min）

**视觉**：

| ClawPro "要做" | ClawPro "不做" |
|---|---|
| 在**真实工作流**和**真实数据**中引入 AI | 不做"什么都能干"的全权 Agent |
| 标准化交付：每员工一个安全隔离 AI 数字助手 | 不做直接授权 Shell 的风险敞口 |
| 统一管控：管理员 cockpit 看 token/权限/日志 | 不做无法衡量、无法复制的炫技 Demo |
| SkillHub 沉淀团队 know-how | 不做"通用妥协"，只做"专业精确" |

**讲稿**：

> "ClawPro 具体解决什么？CIO 这两年最常问我们的两个问题——
>
> **第一个问题——'我怎么跟我的 CEO 解释 AI 与云的关系？'**
>
> 我们的答案：**云是 AI 的承载，但承载不止是算力。云是 Agent 的'数字身体'**——算力是肌肉、存储是记忆、网络是神经、调度是呼吸。
>
> ClawPro 把这套话术变成能演示、能体验、能买的产品——CIO 带回去给 CEO 看一眼，AI 与云的关系就讲清楚了。
>
> **第二个问题——'我们企业的 AI 创新，下一步该往哪走？'**
>
> 我们的答案：**不是再买几个工具，而是把工作流和数据治理做好。**
>
> ClawPro 提供的正是'工作流 + 数据'两件基础设施。在这之上长出来的 Agent，才有沉淀价值、复制价值、可衡量的 ROI。
>
> **CVM 一开始是离用户最远的产品。今天，通过 ClawPro，CVM 离用户又近了一大步。**"

## 6.3 组织提效：架构师团队 AI native 转型（3 min）

**讲稿**：

> "讲完产品，最后 6 分钟给团队本身。
>
> 我们团队最深入的一件事，是**架构师团队的 AI native 转型**。
>
> 走过弯路——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**：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：
>
> > **'人下班了，AI 还在干活。'**"

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

## 6.4 Token 治理：帮助大于管理（3 min）

**讲稿**：

> "最后一件事——**钱**，准确地说，是**token**。
>
> 但今天我讲的**不是怎么管控 token**。
>
> 我们做 token 治理时很快发现——
>
> > **管控不是目的，帮助才是。**
>
> 一个员工天天担心 token 花超额、担心 KPI 扣分、担心被审计——他不会去用 AI，更不会去探索 AI。
>
> 而我们这一年最大的收获，恰恰来自那些**敢于'敞开了试'的同事**。
>
> ClawPro 里的整套 Harness 体系，定位变了——
>
> > **它的目标不是约束员工，是让员工更满意地用上 AI。**
>
> 三件事：
>
> ① **双额度体系**：探索额度（鼓励试错）+ 生产额度（保障业务）。分开计量。
>
> ② **不卷 token，看产出**：token 用得多不是问题，业务产出小才是问题。考核'用 AI 多产出了什么',不考核'用了多少 token'。
>
> ③ **降阻力**：比起'管 token'，更重要的是'帮员工选模型、帮员工设场景'。ClawPro 内置模型选型规则——什么任务用 Codex，什么任务用 Claude，员工不需要懂，ClawPro 自动帮他选。
>
> > **'Token 是新时代的电——但电不是用来管的，电是用来发动机器的。'**"

---

# 七、收尾 · 5 min

## 7.1 一件没想清楚的事（2 min）

**讲稿**：

> "最后留一件我自己也没想清楚的事——
>
> > **AI 提效，到底怎么衡量？怎么让有效的提效，可以复制？**
>
> 这一年我们尝试过很多 AI 提效，有些有效、有些无效、有些当时觉得有效后来发现是错觉。
>
> 但坦白说——直到今天，**我们仍然没有一套足够好的衡量框架**。
>
> 业内的尝试也都不太成熟：DAU/token 量这些指标只看输入；交付速度这些指标受太多干扰；员工自评又不可靠。
>
> 更难的是'**复制**'——A 团队 Agent 用得风生水起，B 团队怎么也学不会，差异在哪？SOP？数据？文化？管理者注意力？我们都还在摸。
>
> **如何衡量 AI 提效，如何让有效的实践可以复制——这是我留给自己的功课，也是留给在座管理干部的开放问题。**
>
> 如果今天分享之后有人能给我一个答案，那我就赚到了。"

## 7.2 三句大白话（1.5 min）

**讲稿**（不显式提"方法论"，让听众自己悟）：

> "如果今天的分享能留下点什么，我希望是这三件大白话——
>
> **第一句**：当所有人都在卷同一个维度的时候，记得问一句——还有别的维度吗。
>
> **第二句**：用户从来不买跑分。他们要的是用合理的成本，跑住自己的业务。回到这个最朴素的需求，常常能找到出路。
>
> **第三句**：把一件事做 9 年。**时间会给你你看不见的礼物。**"

## 7.3 压轴金句（1.5 min）

**讲稿**：

> "最后两句话送给大家。
>
> 第一句——
>
> > **'云服务器不是 low，它是 AI 时代每个人、每家企业的数字身体。'**
>
> 第二句——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。"

---

# 八、PPT / 视觉设计建议

| 关键页 | 建议视觉 |
|---|---|
| **封面** | 龙虾摊照片背景 + 标题 + 副标题 |
| **开场倒序页**（v7 灵魂之一）| 左右分屏：龙虾摊照片 + 技术奖奖牌 + 中间"这两件事,来自同一个漫长的过程" |
| 自我介绍页 | "2017—2026" 时间线 + "9 年 / 又累又没故事" |
| CVM 三受限 | 三柱图：形态受限 / 目标受限 / 离用户远 |
| **Cattle vs Pets 一图**（v7 主轴,全场 7 处呼应）| 左"宠物"插画 / 右"牛群"插画 / 中间"所有牛群都曾经是某台电脑上的一只宠物" |
| **三方向骨架页**（v7 关键复用）| C/H/D 三柱,每柱标 cattle/pets |
| 全栈技术全景图（简化版）| 6 层堆叠图 + 3 个高亮故事点 |
| 调度四件事 | 4 宫格 |
| **高密如何强化 C/H/D**（v7 新增,TODO 待补）| 三柱前后对比图 |
| 帕鲁小胜页 | "pets 侧的第一次成功" |
| **AI 冲击三块**（v7 新增）| 三柱：业界质疑 / 客户预算 / 友商重心 |
| **坚定 vs 焦虑双面**（v7 新增）| 左右分栏 |
| 团队自救三件事 | 学习 / 论证 / 上手 三柱 |
| **CvP × CHD 大 callback 主视觉**（v7 灵魂之二）| 5 行 × 4 列大表 → 一句"云计算不是 AI 时代的旧基建,云计算是 AI 时代的本体" |
| 业界观察 | 友商 vs 我们 对照图 |
| AI 上云差异化优势（TODO）| 待补 |
| **龙虾摊数据爆炸页** | 数字爆炸式排版 |
| **龙虾摊技术底牌页**（呼应第二段）| 三大底牌图 |
| 业界两种错估 | 双柱 |
| 龙虾真相 | "AI 焦虑 + 普惠算力" |
| Moltbot 启示 | 大脑+身体解耦图 + "通用即妥协"警告 |
| ClawPro 要做/不做 | 双栏对照表 |
| B 端两个真问题 | CIO 视角引述卡片 |
| 架构师转型三阶段 | L1/L2/L3 三阶段图 |
| Token 治理三件事 | 双额度 / 不卷 token / 降阻力 三柱 |
| 收尾三句话 | 三页朴素排版,每页一句 |
| 压轴金句 | 两页,大字 |
| **主视觉总图** | 一张图把"2017 决策 → 高密 → 帕鲁 → AI 第二次困境 → 龙虾 → ClawPro"串成一条线 |

---

# 九、待你补充的 TODO 清单（写 PPT/讲稿之前请逐一确认）

按分享顺序列出。为方便你逐项 review,每个 TODO 标了序号。

| # | 位置 | 需要你补充的内容 |
|---|---|---|
| **T1** | 1.0 双画面钩子 | "云服务器高密机型技术突破奖"奖牌照片素材（或替代画面）|
| **T2** | 3.3 高密调度技术六层协同 | 从技术材料中挑几个各层的重要突破点（OS、网络、存储层）|
| **T3** | 3.5 高密如何帮 C/H/D 三方向 | 高密调度技术具体如何强化了 C / H / D 三个方向的产品发展?（这一节是 v7 关键新增,原来 v6 里没有,需要你把这条串接线告诉我）|
| **T4** | 3.8 经营成果数据 | 从综合材料挑选可对外披露的经营数据（成本、毛利、规模等）|
| **T5** | 5.1 AI 上云差异化优势 | AI 时代高密调度带给客户什么独特价值？（Agent 冷启动/大模型推理承载/海量小实例调度/GPU 混部……请挑最有代表性的 2-3 个）|
| **T6** | 5.2 龙虾之战复盘 | 起因、筹备、当天时间线、意外瞬间、后续跟进（详见 5.2 节 TODO 清单）|
| **T7** | 6.1 ClawPro 具体故事线 | ClawPro 起念时点、与 OpenClaw 关系厘清过程、想通的关键节点、早期 KA 反馈 |
| **T8** | 5.9.1 AI 实践列表 | 团队 AI 实践列表(v6 已有骨架,你可能需要更新增改) |

---

# 十、下一步流程

1. **先补 T1-T8** 这 8 个 TODO——你可以一次全补,也可以分批发给我
2. **补齐后我出 v8 完整规划**（应该也是最终规划稿）
3. **v8 通过后进入 PPT 初稿制作**
4. PPT 出来后按模板 18 项自查清单走一遍
5. 分享前 7 天：录一遍演练 + 团队回看
6. 分享前 1-2 天：最后打磨开场和收尾

---

> 整理人：lili / 2026-06-15