# 高密技术突破奖分享 · 内容规划 v2

> 基于 v1 的反馈定稿，每段细化到二级标题 + 口语化讲稿示意 + 引用素材标注。
>
> **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**》

---

## 核心决策回顾（v1 → v2 锁定）

| #       | 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（四幕）                           |
| 开场      | 龙虾故事 + 自嘲 low 组合                       |
| 主方法论    | **错位三式**（看清赛局 / 找到位势 / 让位势复利）          |
| 压轴金句    | A+B 二联（旷野 + 数字身体）                      |
| 弯路      | ②小红书2年 + ④AI转型早期误判                     |
| 挑战      | ②高密×AI算力路线 + ④架构师团队进化                  |
| 技术深度    | **中等版**（一张全景图 + 3 个细点深讲）               |
| 互动      | 不做（靠故事撑场）                              |
| AI 部分占比 | **30%（约 18min）**                       |
| 共讲      | 自己讲                                    |
| "low"字眼 | 用                                      |
| AMD 名字  | 用                                      |

---

## 三大隐藏主线（贯穿四幕，最后收束）

> 这是这一版相比 v1 最大的不同——v1 是分段叙事，v2 给整场织三条暗线，让"夹叙夹议"有抓手。

| 主线 | 第一次出现 | 强化点 | 收束 |
|---|---|---|---|
| **L1 · 错位三式**（方法论主线） | 第二幕 2.1 拒绝军备赛 | 第二幕全程 | 收尾压轴 |
| **L2 · "hosting" 属性**（产品观主线） | 第一幕 1.3 AI焦虑 | 第三幕 3.4 揭示伏笔 | 第四幕 4.1 重新定义 |
| **L3 · 长跑的礼物**（情感主线） | 第二幕 2.4 提出 | 第二幕 2.4 / 第四幕 4.2 | 收尾 |

**三条暗线的核心金句（贯穿全场）**：
- L1："巨头之外，永远有旷野"
- L2："只有当'身体'是永续的，'大脑'的进化才有意义"——出自[[在腾大广场摆了个龙虾摊，"没有想到会这么火"]]
- L3："长跑的礼物，往往在你看不见的地方"

---

## 时间分配（60 min 预算）

| 段落 | 时长 | 分钟数 | 内容 |
|---|---|---|---|
| 开场 | 4 min | 0:00–0:04 | 龙虾钩子 + 自嘲 + 自我介绍 + 埋伏笔 |
| 第一幕 困境 | 8 min | 0:04–0:12 | "low" / 经营压力 / 延展尝试 / AI 焦虑 |
| 第二幕 突破 | 18 min | 0:12–0:30 | 拒绝军备赛 / 全栈攻坚 / 调度懂业务 / 长跑代价 / 客户硬仗 |
| 第三幕 惊喜 | 12 min | 0:30–0:42 | 副产品 / 帕鲁 / 龙虾 / **揭示伏笔** |
| 第四幕 用 AI | 15 min | 0:42–0:57 | hosting 属性 / 低主频前瞻 / AI native 团队 / 管好 token / 三件事 |
| 收尾 | 3 min | 0:57–1:00 | 反思 + 压轴金句 + 错位三式回顾 |

---

# 一、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（最好是有保安护场或长队的那张）

**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 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'」做转折，自然过渡到自我介绍。

## 1.1 自我介绍 + 埋伏笔（2 分钟）

**讲稿示意**：

> "我是 lili，腾讯云计算产品的负责人。
>
> 今天来分享，是因为去年我们团队拿了公司技术突破奖，奖的内容是'**云服务器高密技术突破**'。听上去是一个很硬核的技术故事。
>
> 但今天我想用一个不太一样的角度讲它——
>
> 这个奖，跟刚才那张龙虾摊的照片，其实是**同一个故事的两面**。
>
> 它的起点，可以追溯到 9 年前的 2017 年。
>
> 那年我们做了一个关键的决策。当时谁都不知道这个决策意味着什么。直到 2025 年，AI Agent 时代真的到来了，我们才意识到——**那个决策让我们歪打正着，给 AI 时代准备好了一具'数字身体'。**
>
> 这就是今天分享的副标题：**OpenClaw 装机背后的产品思考**。"

> 💡 这里同时埋两个伏笔：① 2017 年的决策（第二幕揭晓）；② "数字身体"（第四幕展开）。

## 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 时代的产品观和组织观——我们正在做哪些**别人没做、但我们必须做的事**。"

---

# 二、第一幕 · 困境 · 8 min

## 2.1 云服务器的"low"（2 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**。
>
> 公司里的同事，没几个人愿意做云服务器——技术含量低、不性感、出不了 paper。
>
> 你跟客户聊：'我们的云服务器多少多少核'，客户的反应是——'哦'。
>
> 我自己刚接这块业务的时候，也心里打鼓：**这个产品还能救吗？**"

> 💡 决策切片 #1（第一人称）：我刚接手时的纠结。

## 2.2 2020 年的经营压力（3 min）

**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。
>
> 简单说：**毛利率为负**。
>
> 但毛利率为负的背后，不是单点问题，是**结构性**的——三件事都不对：
>
> 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。
>
> 这是一个**典型的'增收不增利'的结构性病**。"

**讲稿示意（继续）**：

> "我们当然做过努力。从 2020 年开始，我们做过三个延展：
>
> - **异构计算**：跟 GPU 结合
> - **分布式云**：让云下沉到客户机房
> - **轻量云 Lighthouse**：给小客户做轻量化体验
>
> 这三件事都成功了。但它们都没有解决一个根本问题——
>
> **云服务器，离用户依然很远。**"

## 2.3 AI 焦虑：核心矛盾的诞生（3 min）

**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。
>
> 摆在我们面前的，是一个看起来天然的悖论：
>
> > **AI 是 GPU 的时代，CPU 云服务器要被边缘化吗？**
>
> 我当时心里很慌。但慌完之后，逼自己想清楚一件事——
>
> 如果我相信 AI 会真正大规模落地，那么除了 GPU 训练大模型，**这些'大脑'最终要在某个'身体'里干活**。
>
> 那个'身体'是什么？
>
> 这就是这个奖、这场分享、这个团队，过去三年试图回答的问题。"

> 💡 这里 L2「hosting 属性」主线第一次浮现，但不展开。

---

# 三、第二幕 · 突破 · 18 min

## 3.1 拒绝军备赛（3 min）—— 引出"错位三式"

**讲稿示意**：

> "回答这个问题之前，我先讲一个更现实的事——**我们必须在云厂商的厮杀里活下来**。
>
> 云厂商怎么厮杀？AWS 引领的模式是——
>
> > **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。
>
> 但你知道这意味着什么吗？意味着**永远在'同质化的军备赛'里**——巨头每年扔一个 10%，所有跟随者都得跟，跟不动就掉队。
>
> 作为追赶者，我们想清楚一件事——
>
> > **跟跑必死。要么不跟，要么换维度。**"

**讲稿示意（继续）**：

> "于是我们做了一个决定：**走'高密路线'**。
>
> 不卷单核性能，卷'**单位空间的算力**'。
>
> 同样一个机柜，别人放 X 核，我们放 2X、3X 核。同样一台服务器，别人卖给一个大客户，我们能服务 N 个中小客户。
>
> 这是 2017 年的决定。第一次商业化是 SA1，跟 AMD 合作。"

> 💡 在这里第一次把"**错位三式**"打出来：
> **① 看清赛局（识别军备赛）→ ② 找到位势（用'密度'重新定义性价比）→ ③ 让位势复利（一个能力服务多场景）**
>
> 决策切片 #2：拍板做高密那一晚——"如果不行，我们就死在这里"。

## 3.2 全栈技术挑战（5 min）—— 中等深度展开

**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：**硬件 → OS → 虚拟化 → 网络 → 存储 → 调度**。每一层都得改。
>
> 时间关系，我只挑三件事讲——这三件事，每一件都是**业界第一次**。"

**【一张技术全景图过 → 然后讲三个故事】**

**故事1：256C 的天花板**

> "传统虚拟化技术里有一个 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**

> "高密服务器有个尴尬的副作用——以前一台 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**。
>
> 这个故事这里听起来很无聊。但请记住这个数字。**它在第三幕会变成关键。**"

> 💡 此处再次埋钩——为第三幕"龙虾摊秒级开机"做铺垫。

**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 + 精细化 RAS。
>
> 故障率从 0.55% 降到 0.12%——下降了 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**。"

> 💡 这一句直接呼应 L3「长跑的礼物」主线——为 2.4 节做铺垫。

## 3.3 让调度器"懂业务"（4 min）—— AI 提前进入故事

**讲稿示意**：

> "技术挑战还没完。
>
> 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**。
>
> 一台机器装错业务，影响的不是 1 个客户，是**几十个**。
>
> 我们必须让调度器**懂业务**。
>
> 怎么让它懂？我们用了 AI——一个深度学习的**双塔模型**：
>
> - 时间塔：处理 CPU、内存、网络的时序特征
> - 文本塔：处理实例标签、机型族、规格的文本特征
> - 双向交叉注意力，融合特征，给每个虚拟机做'**业务画像**'。"

**讲稿示意（继续）**：

> "举个例子。Goto，雅加达的一个客户，他们 90% 的虚拟机都集中在某些机型上。
>
> 一台母机故障，会影响**近 10 台子机**——一连串雪崩。
>
> 业务画像跑通之后，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。"

> 💡 这是全场**第一次出现 AI**——但出现得很自然：AI 不是后面才用，AI 在调度里已经为高密兜底了。

> 💡 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"。

## 3.4 长跑的代价 / 长跑的礼物（3 min）—— L3 主线第一次升温

**讲稿示意**：

> "我刚才说，高密的故事起点是 2017 年。
>
> 9 年。CPU 从 SA1 一路做到 SA9。单位成本从 100% 一路降到 20%。
>
> 9 年是什么概念？是一个产品经理的整个职业生涯。
>
> 这 9 年里我们扛了什么？
>
> - 扛了同行的不理解：'你们这种'低主频'的机型，性能不行的'；
> - 扛了客户的不接受：小红书曾经'**坚决不用**'我们的高密机型，**两年**没下单；
> - 扛了内部的质疑：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。**"

> 💡 L3 主线第一次明确升温——但仍不展开，等第四幕收束。

## 3.5 客户从拒绝到真香（3 min）—— 弯路②

**讲稿示意**：

> "刚才说到小红书。这是一个我必须分享的弯路。
>
> 小红书第一次评估我们的高密机型——拒绝。
>
> 第二次——拒绝。
>
> 一直拒绝了**两年**。期间我们差点放弃。
>
> 那两年我经常问自己一个问题——**这条路是不是真的错了？**
>
> 直到我们做了一件事——**深入到客户的业务场景里去**。
>
> 我们做了一个'**动态关核**'方案，针对小红书的真实负载特征调优。
>
> 然后我们一起做了对比测试：SA9 对比小红书原来用的 SA4——
>
> - 业务 RT：相当；
> - 业务 QPS：**+42%**。
>
> 小红书内部的反馈是两个字——'**真香**'。
>
> 2025 年底，我们在小红书的规模**反超阿里云**。"

**讲稿示意（小结）**：

> "这件事教给我两件事：
>
> ① **长跑型业务最难的不是技术，是耐心**。
>
> ② **不要死磕'我们的方案最好'，要回到'客户的场景里去'**——这是产品观的成长。"

---

# 四、第三幕 · 惊喜 · 12 min

## 4.1 副产品的诞生（2 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%**。
>
> 这意味着我们手上多出来的、没人要的'**小规格碎片资源**'，**别人没有**。
>
> 但小规格资源谁要？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（3 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（5 min）—— 重头戏

**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（一气呵成）**：

> "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**。
>
> Pony 在朋友圈写了一句话——'**没有想到会这么火**'。"

**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：龙虾摊 = 高密技术（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**——还记得我刚才说的'20 分钟 → 1 分钟'吗？现在已经到 **1-3 秒**。
>
> ② **小规格富余**——一台服务器能装上千个 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 都有最合适的位置。
>
> **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'。**"

> 💡 L2 主线在这里彻底打开。

---

# 五、第四幕 · 用 AI · 15 min（30%）

## 5.1 重新定义 hosting 属性（3 min）—— L2 主线主菜

**讲稿示意**：

> "什么叫'数字身体'？这个词不是我发明的。
>
> 我们团队的同事在一篇文章里写过这样一句话——
>
> > **'AI 不是我'使用'的工具，而是我'长出'的器官。'**
>
> 这个比喻一开始我没完全 get。直到我看到龙虾摊那天的画面。
>
> 一个 60 多岁的退休工程师在装 OpenClaw，他说：'**我以后睡觉的时候，它在云上替我学习。**'
>
> 那一刻我懂了——**hosting 不只是托管。hosting 是给 AI 一具永远在线的身体。**
>
> > '**只有当'身体'是永续的，'大脑'的进化才有意义。**'"

**讲稿示意（接论点）**：

> "所以云服务器在 AI 时代，定位变了——
>
> | 旧 | 新 |
> |---|---|
> | 租赁计算资源 | 提供 AI 的执行环境 |
> | 卖给 IT 部门 | 卖给每一个有 AI 需求的个体和团队 |
> | 按规格收费 | 按'**身体的能力**'收费 |
>
> 这不是修辞。这是**云服务器的产品定义在 AI 时代被改写了**。"

## 5.2 为什么"低主频+高密"是 Agent 时代的天选（3 min）—— L3 主线收束

**讲稿示意**：

> "2017 年我们选择'低主频 + 高密'的时候，没人想到 AI Agent。
>
> 当时的逻辑很朴素——**腾讯云作为追赶者，必须找一条单位成本更低的路**。
>
> 但 9 年后回看，这条路恰好命中了 AI Agent 的所有特征——
>
> | Agent 的需求 | 我们的技术形态 |
> |---|---|
> | 大量并行（一个人 N 个 Agent） | 多核多实例 |
> | 单任务不重 | 不需要单核极致 |
> | 24 小时在线（hosting） | 高密 + 资源富余 |
> | 弹性极致（秒级起、秒级毁） | 秒级创建 + 极致调度 |
> | 成本敏感（每人多个 Agent） | 单位成本下降 80% |
>
> 我必须诚实地说——**我们不是预言家**。
>
> 我们没有在 2017 年预见 Agent 时代。我们只是**把追赶者该走的路认认真真走了 9 年**。
>
> 但这就是长跑的礼物——
>
> > **你不知道你的坚持会被未来怎么回报。**"

> 💡 L3 主线（长跑的礼物）在这里收束。这一段也是全场最重要的"前瞻性论证"——但用诚实代替吹嘘。

## 5.3 我们团队的 AI native 转型（5 min）—— L1（错位三式）的对内应用

**讲稿示意**：

> "刚才讲的是产品。
>
> 现在讲组织——**我们自己的团队是怎么用 AI 的**。
>
> 2025 年 4 月，我们团队正式启动 AI native 转型。
>
> 转型的第一步，**我们也走过一段弯路**——
>
> 一开始我以为：**给每个人配 Cursor、配 Claude，团队效率就上去了。**
>
> 错。
>
> 三个月后我意识到一件事——
>
> > **个人提效 ≠ 组织提效；组织提效 ≠ AI native。**"

**讲稿示意（三阶段）**：

> "我们花了半年想清楚，组织 AI 化分三个阶段——
>
> **L1 · 个人提效**：让每个人手上有 AI 工具。
>
> **L2 · 组织提效**：让团队的 SOP、数据、知识被 AI 看见。
>
> **L3 · AI 主导**：让 AI 成为团队的'同事'，能独立干活。
>
> 我们现在卡在 L2。
>
> 卡在哪？卡在两件硬事——"

**讲稿示意（两件硬事）**：

> "**第一件硬事：数据治理。**
>
> 我们团队最痛的三件事是：
>
> ① 商机靠手工录入，**'失真比模型幻觉更难治'**；
>
> ② 知识散落在硬盘和脑子里——**等于不存在**；
>
> ③ 过程数据散落，**AI 看到的只是子集**。
>
> 一句话：'**你之所见即 AI 之所见**'——你给它什么，它就长成什么。
>
> **第二件硬事：SOP 重写。**
>
> 我们把架构师的工作拆成 6 个阶段、58 个子任务、19 条规则。
>
> 然后我们意识到一件事——
>
> > **'SOP 不只是写给人看的流程图，更是写给 AI 看的指令集。'**"

**讲稿示意（同事 vs 工具）**：

> "我们现在的工作模式变了——
>
> 每个 +1/+2 管理者都配了一个 AI Agent。
>
> 这个 Agent 不再是'工具'。它是'**同事**'。
>
> > '**工具不需要公约，同事才需要。**'
>
> 我们给 Agent 写了三层公约：S0 公司级、S1 团队级、S2 任务级。
>
> 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"。

## 5.4 管好 token、用好 token（2 min）

**讲稿示意**：

> "讲到这里，绕不开一个问题——**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**。
>
> 不同的 token 用在不同地方，性价比天差地别。
>
> 我们团队的原则三句话——
>
> 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。**'"

## 5.5 三件事的整合（2 min）—— 升华

**讲稿示意**：

> "把整场分享收一下。
>
> 这个奖背后，我们团队过去三年其实在做**三件事**——
>
> ① **对外**：打造最贴合 Agent 的执行环境（hosting）；
>
> ② **对内**：打造 AI 最优效率的组织形态（AI native team）；
>
> ③ **横切**：管好 token、用好 token（成本与产出）。
>
> 这三件事的本质，是同一件事——
>
> > **从'卖资源'到'卖身体'，从'用工具'到'管同事'。**
>
> 这就是这一代云服务器产品经理的命题。"

---

# 六、收尾 · 3 min

## 6.1 坦诚的反思（90 秒）—— 挑战②④

**讲稿示意**：

> "最后留两件我自己也没想清楚的事——
>
> **第一件**：高密路线和 AI 算力机型，**是同一个故事，还是两条路？**
>
> 当下高密讲的是 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。
>
> **第二件**：产品架构师团队，**怎么从'工具人'进化成 AI 时代的'总指挥'？**
>
> 让 AI 替我们写需求、写文档、写代码——这是 L2。但 L3 是什么？是让 AI 替我们做决策吗？我们还远远没准备好。"

## 6.2 错位三式回顾（30 秒）

**讲稿示意**：

> "三件事带走——
>
> **错位三式**：
>
> ① **看清赛局**：你在的是军备赛，还是差异化赛道？
>
> ② **找到位势**：你能不能用一个**新维度**重新定义这个赛道？
>
> ③ **让位势复利**：你的能力能不能服务**多个场景**？"

## 6.3 压轴金句（60 秒）

**讲稿示意**：

> "最后两句话送给大家。
>
> 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。'**
>
> 谢谢大家。"

---

# 七、v2 vs v1 主要变化清单

| # | 变化 | 原因 |
|---|---|---|
| 1 | 时长 75 → **60 min** | 用户决策 |
| 2 | AI 部分 25% → **30%** | 用户决策 |
| 3 | 技术深度 浅讲 → **中等**（一张全景图 + 3 个深讲故事） | 用户决策 |
| 4 | 现场互动取消 | 用户决策 |
| 5 | 标题锁定为《数字身体——OpenClaw 装机背后的产品思考》 | 用户决策 |
| 6 | **新增三大隐藏主线**（错位三式 / hosting / 长跑的礼物） | 强化故事性、夹叙夹议 |
| 7 | **新增第二幕 3.4「长跑的礼物」段落** | 用户建议3"前瞻性优势" |
| 8 | **新增第四幕 5.1「重新定义 hosting」段落** | 用户建议3 |
| 9 | **新增第四幕 5.2「Agent 时代的天选」对比表** | 用户建议3 |
| 10 | 第三幕末尾「揭示伏笔」段落更明确 | 强化故事闭环 |
| 11 | 引用大量金句（数字器官、永续身体、Pony 朋友圈、AI 同事公约、token 是电等） | 用户建议2"找更多 AI 素材" |
| 12 | 6 个决策切片（第一人称视角）分布到每一幕 | 强化夹叙夹议 |
| 13 | 把"AI 用在调度"提前到第二幕 3.3 出现 | AI 与高密的"匹配"提早登场（用户建议1） |
| 14 | 弯路②（小红书）独立成 3.5 节 | 让"长跑+耐心"的反思独立 |

---

# 八、有待确认的细节（请你拍板）

| # | 细节 | 候选 |
|---|---|---|
| **a** | 开场龙虾摊用**视频**还是**照片**？ | 视频画面冲击大；照片更克制 |
| **b** | 损益数据（毛利率为负）能讲到什么颗粒度？ | 不讲百分比 / 用相对趋势 / 完整披露 |
| **c** | "动态关核"方案讲不讲细节？ | 讲（增加技术含量）/ 不讲（节省时间） |
| **d** | Pony 朋友圈引用要不要直接打出来？ | 引用 / 仅口头讲 / 不出现 |
| **e** | 第四幕 5.1 那个"60 多岁退休工程师装 OpenClaw"的画面，是真实事件还是合成场景？是否合规？ | 真实事件——是龙虾摊那天有的 |
| **f** | 第二幕 3.2 三个故事的"业界第一次"措辞是否有合规问题？ | 需要法务/合规过一遍 |
| **g** | 决策切片 #6"它写得比我还顺"——这句私人感悟可以讲吗？ | 讲（共鸣）/ 改更含蓄的措辞 |
| **h** | 是否需要做一个**主视觉总图**（一张图把"高密技术 → 数字身体 → AI Agent"的故事串起来）？ | 强烈建议做（后面 PPT 用） |

---

# 九、下一步

1. **本周内**：跟培训负责人对齐 v2 + 上面 a-h 的细节
2. **决策后 3-5 天**：基于 v2 出**完整 PPT 初稿**（含主视觉总图、6 个决策切片插画、三大隐藏主线视觉化）
3. **PPT 出来后**：按模板 18 项自查清单做一轮自查
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、素材引用对照表

| 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"]] |
| "Pony 朋友圈：没有想到会这么火" | [[在腾大广场摆了个龙虾摊，"没有想到会这么火"]] / [[2026-05-12 深圳市委社工部龙虾交流]] |
| "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]] |
| "我以后睡觉的时候，它在云上替我学习" | [[在腾大广场摆了个龙虾摊，"没有想到会这么火"]]（改写） |
| 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"]] |
| 高密技术全部数据 | [[云服务器高密度技术突破综合材料]] |
| 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：v3（PPT 初稿配套讲稿）

————————

反馈如下：

确认的细节：
a. 照片
b. 相对趋势
c. 口头快速讲完
d. 不出现
e. 可以讲
f. 没问题
g. 可以
h. 需要


其他反馈：

1. 叙事框架最后还要加个“展望”，架构师团队的组织转型、token的使用治理，都是“展望”部分，与前面的内容关联性不大，只是作为拓展。在这两部分之前，还要加上一部分“龙虾热的未来是什么”，讲明白龙虾热的本质更多还是“AI焦虑”，热度会很快急剧降低（这几个月的数据也证明了这一点），但是龙虾热也意味着AI应用的无限可能是大家都在持续探索的，我们认为，在真实的工作流当中使用AI，就是目前最容易切入的、并且有最快收获的场景，所以我们做了ClawPro产品，ClawPro 的核心任务，不是去造新的 Agent，而是解决企业级 AI 能力的“标准化交付”与“统一管控”问题。这本身也是CVM（云服务器）的主要目标，通过ClawPro让CVM离用户又更近了一些。讲完这部分，可以提一下架构师转型也是基于ClawPro；token管控也是在ClawPro框架中探索。
2. 主方法论，“位势”这个词看不懂，看看是不是能与“第一性原理”相关联，回归到用户价值的本质，以及发挥我们自身的洞察力及优势，然后持续耕耘。
3. 弯路，AI转型误判不应该写，因为这是“展望”的内容。小红书这里主要体现的是全网独家的时候，用户的不信任如何解决（现在都没有完全解决）。另外一个弯路可以提一下OpenClaw装机大获成功之后的短期错误预估。
4. 压轴金句加上一句，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。用来阐述当我们获得了复利之后去做探索的游刃有余。不能为了创新而创新，而是要先让产品逻辑清晰落地。
5. 多讲一些行业发生的故事。比如AMD当时借助台积电在iphone芯片的先进封装上获得的能力，通过chiplet来大幅提高了密度，而腾讯也是率先与之匹配上。类似的故事看看还有没有做一些候选
6. computing/hosting/developing的三个方向非常重要，也要提出最早的产品延展就是在这三个角度分别做的。而从hosting的角度来看，当GPU的computing属性变得更重之后，CPU本身的hosting属性也进一步加强，基于此，使用高密低主频的cpu就非常符合逻辑了。这三个方向是整个产品发展的基石，需要前后对应，反复强调。
7. 要在适当的时候强调一个矛盾，“AI的发展对云的影响是什么？”，AI发展对云不仅不是打击，反而是强化了云的优势（稳定性、可调度性、云原生产品的可组合性），但是云计算/云服务器/CVM如何适配好AI是个非常值得深究的话题，我带领团队从2025年4月开始，每两周做一次开放性的探讨和学习，取得了不少成绩（也埋下后面ai组织转型的伏笔），这也是OpenClaw装机的原因（大家都有AI实践，对AI的理解深刻）。这里也可以有一个故事和金句，我们也组织了深圳的Hermes Agent的线下聚会活动，有朋友高度赞扬我们对于AI机会的反应极其迅速，我回复她：我们不是对AI反应迅速，我们是真的懂AI。
8. 2017年开始负责CVM的技术团队，当时就觉得又累又没啥故事好讲
9. 调度能力是技术的核心，一定要展开来好好讲讲，尤其是要讲到如何通过ai的方式增强调度能力
10. 在展望之前还要列一下团队的ai实践列表（先写你知道的，我后续在新版本里手工增改）