养龙虾的人，已经开始重构世界了｜云启 X MiniMax OpenClaw Meetup回顾
Agent 到底在改变什么
过去几个月，OpenClaw 成为 Agent 世界最热的公共话题之一。
它一方面让 Agent 从开发者圈层走向更广泛人群，另一方面，也把安全、权限、记忆、成本与工作流等长期问题一并推到台前。
上周六，我们与天使轮被投 MiniMax，携手上海交大工研院、上海交大人工智能校友会、徐汇资本、徐家汇科创孵化器、上海科创银行、亚马逊云科技等多家生态伙伴在上海联合发起 OpenClaw Meetup，和上百位一线"养虾人"一起，回到更本质的问题：Agent 到底在改变什么？以及，这一波会走向哪里？
OpenClaw ：是热点，更是拐点
活动开场，云启 SVP 梁昊给出一个判断：OpenClaw 的爆发，不只是产品层面的走红，而是一次"软件 2.0"被看见的时刻——从静态代码走向动态编排与反馈闭环，Agent 开始真正进入工作与生活场景。
**但与此同时，权限、安全、成本与组织适配的问题，也在快速浮出水面。而在不确定性之下寻找路径，正是这场 Meetup 想做的事：不是教你"怎么养一只龙虾"，而是一起看清，这一波机会到底会落在哪。
模型、垂类与基础设施
三种理解 Agent 的方式
MiniMax
Agent 正在成为研发方法
小龙虾热席卷全球，底层源自模型的进化。而伴随 Agent 能力的跃迁，"龙虾"们也开始反哺模型，助力生产下一代模型。
**据 **MiniMax 开发者关系负责人李元介绍，MiniMax 内部已经在用 Agent 化的方式加速模型自身的迭代。具体而言，把算法工程师"训练—分析—构造数据—再训练—再评估"的流程封装成可持续运行的系统，让模型开始参与模型的自我优化。这意味着，Agent 不只是产品形态，也正在成为研发方法。
回到 OpenClaw 的"走红"路径，李元给了一个清晰的技术拆解：
一方面在于交互创新，把 Agent 接入用户更熟悉的 IM 入口，让"跟 AI 对话"这件事更自然；另一方面则在于它把自动化从一个被动工具，推进成了一个有心跳、有记忆、有主动性的系统——尤其是 cron job 和 heartbeat 机制，让 Agent 从"等你下命令"变成了会主动检查、主动推送、主动执行。
但一个残酷现实随之而来："大家的龙虾一起心跳，烧掉的不只是 token，也是底层 GPU 和成本曲线。"
因此，OpenClaw 的普及本身也在倒逼模型厂商、平台方和基础设施方重新思考：什么样的模型、编排方式、 skill 和 memory 机制，才可持续的。**
作为全球瞩目的 AI Native 创新企业，MiniMax 组织内部如何用 AI 提效？
"从 HR 招聘、邮件回复、舆情监控，到 SQL 查询、运维排障、日报生成，很多岗位现在讨论的已经不是'会不会用 AI'，而是如何把具体岗位的职责、权限、背景和 SOP 封装成 skill。"
据李元介绍，MiniMax 内部目前已经沉淀了 200+ skill。更有意思的是，其中大部分并非 AI 团队预制，而是不同部门、甚至个人在理解自身工作流之后主动生成的。
这可能也是 AI Native 组织最重要的一个信号：不是每个人都学会一个新工具，而是越来越多团队，开始把自己的工作方法资产化、模块化、可复用化**。**
MiniMax 开发者关系负责人 李元
万得
**在金融世界，Agent **
不是"会聊天"，而是"会投资"
通用领域之外，Agent 如何改变专业性强、容错度低的垂直场景？
知名金融服务平台万得集团副总裁孙骏带来一个更垂直也更现实的问题：当 OpenClaw 进入金融投资领域，会发生什么？
**不久前，万得发布了金融投资场景里第一个类 OpenClaw 的产品——**WindClaw。孙骏在 meetup 上果断分析道：个人炒股一定会发生革命。
"过去个人投资的方式，是刷 App、看股评、听消息、到处翻资料；接下来，更有可能发生的是——训练一只，或者一组，专属于自己的投资龙虾。"
为什么这件事没有在大模型出现时就发生？孙骏提认为，金融行业早就幻想过"训一个懂炒股的大模型"，但这个方向的问题也非常明显：投入太高、产出不稳、很快又被通用模型迭代抹平。更关键的是，大模型更像一个黑箱——给出结论，却难以追溯结论背后的信息、方法论、隐含假设。
而投资 Agent 截然不同，它本质是一套可拆解系统：模型、memory、skill 与方法论，都可以被追溯、复用与演化。需要调用全量金融数据、吸收研究方法、沉淀投资经验、执行跟踪流程，甚至在未来形成不同个股、行业、市场条件下的多 Agent 组织。
对资管机构来说，这意味着投研流程可能天然适合 Agent 化，未来投研机构竞争的更多是skill的来源与演化，以及组织架构如何围绕 Agent 重构。对个人投资者来说，也在自学投研和基金经理之外出现了第三条路——训练一套属于自己的投资 Agent 体系。
万得集团副总裁 孙骏
亚马逊云科技
创业机会正在
"系统问题"上萌生
如何让 Agent 真正进入一个可以长期运转的系统？这个问题的答案或许正是Agent 时代的创业机会所在。
毋庸置疑，OpenClaw 这波热度直接利好云和 token 的消耗。但亚马逊云科技的 AI 技术社区负责人张文举博士提到一个容易被忽略的现实：当 Agent 开始长时间运行，系统瓶颈会迅速从"能不能做"，转向"能不能稳定运行"。
在张文举看来，OpenClaw 这波真正改变的，不只是给 AI 增加了主动性和心跳，也把记忆连续性、领域知识 skills 模块化、安全和 agentic commerce 等问题提上议程。同时，有些东西并没有改变：人仍是决策主体，信任仍然稀缺。
**在这组判断下，张文举抽象出了几类潜在的基础设施窗口，**供创业者参考，包括：
- Agent 之间的语义通信
- 面向 Agent 的原生执行环境
- 记忆系统
- evaluation / observability / FinOps
- 身份、支付、信用与经济人格
亚马逊云科技 AI 技术社区负责人 张文举
OpenClaw in Action：
三种真实实践VS三类核心问题
一线产品团队到底在怎么用 OpenClaw？他们遇到的问题，和外界想象的一样吗？OpenClaw in Action 环节，三位来自云启被投家族的实践者分享了来自产品一线的观察：
从左到右：Shawn、Jarod、刘松
NoonWake
OpenClaw 是 AI Agent OS 的
"Windows 98 时刻"
「NoonWake 」创始人吴尚 Shawn 把 OpenClaw 看作是一个 "Windows 98 时刻"：不是因为它在技术上第一次发明了什么，而是因为 Agent 的软件供应链——从 memory 到 tools 到模型底座——在这个时间点刚好成熟到足以撑起一次爆发。
NoonWake 本身做的是全球化、偏情绪疏导和内容体验的 AI Native 产品方向——国内产品为「万象有灵」、海外则是面向欧美年轻用户的 「Starot」。OpenClaw 近乎完美地适配 NoonWake 的运营工作。据 Shawn 介绍，他们不仅尝试让"小龙虾"操作全域社媒运营、私域触达和过年期间的营销策划，甚至让龙虾直接调用阿里云短信接口，给十多万用户发活动短信。那次动作当天带来了接近 5000 名新增用户和 800–900 单付费。
当然，代价也很"瞩目"：五个人的团队，每人每天 token 消耗一亿到 1.5 亿，折算下来大约是 1000 美元量级。
所以，OpenClaw 带来的不是"免费生产力"，而是一种新的杠杆。只不过你必须非常明确地知道，自己在拿这个杠杆撬什么。
关于 OpenClaw 的价值空间，Shawn 认为，短期内最适合进入的是那些"重复、繁琐、但又不能完全 SOP 化"的工作；而长期来看，它真正的终局更可能是 AI Native 硬件和更优雅的 context 获取方式。"上下文是下一阶段最重要的变量。"这件事放在今天听，也许比"点奶茶""自动发消息"更值得创业者认真想一想。
HappyCapy
不是又一只龙虾，
而是一台 agent-native computer
Happycapy 被业内视作最早火起来的"类龙虾"产品之一。但创始人徐明 （Jarod Xu）并不把 HappyCapy 定义成"龙虾同类"，而是一个 agent-native computer——一台不需要安装、开箱即用、运行在云端、由 Agent 接管计算机能力的系统。
在他看来，这一波真正的转折点不只是 OpenClaw 本身，而是 Claude / Claude Code 让行业第一次看到了一个更接近正确范式的方向：并非不断给 Agent 添加更多预设工具，而是让它直接拥有计算机底层控制权。
关于 Agent 的价值潜能，Jarod 也有一个不一样的答案。"HappyCapy 看重的不只是 agent runtime，而是 Agent 的可分享性。"
在 Jarod 看来，现在的 OpenClaw 和 HappyCapy 更像是"养龙虾的地方"；真正有价值的，是接下来那些被养出来的 Agent 能否脱离运行环境，被复制、被分享、被复用。
**例如，Happycapy 团队内部已经开始尝试让 Agent 做美股交易员，在模拟盘上做回测、做复盘、做每小时的信息搜集和判断，这本质上是在探索一件事：Agent 产生的"智能资产"能否开始流动。
PingCAP
Agent 时代最容易被低估的，
是记忆和数据库
当龙虾不止一只，而是一个人 100 只、一个企业 100 万只时，记忆和数据到底要怎么承接？
PingCAP 副总裁刘松在现场介绍，公司联合创始人黄东旭在年初就明确把" Agent 的记忆问题"和"Agent 时代的数据库"提上了优先级。这个判断来自两个变化：Agent 的调用模式正在重塑数据库使用方式，数据库今天的对象不是人而是 Agent ，同时，"金鱼记忆"已经成为最明显的产品短板之一。
为了解决这个问题，PingCAP 很快做了两件事：
一是面向龙虾的记忆层增强，尝试让记忆更持久、更可共享、更适合组织协作。因此发布了 mem9.ai。
二是面向 Agent 原生需求，发布了面向多租户、百万级 Agent、serverless 计费和持久记忆的融合型数据体系——db9.ai。刘松分享时甚至提到，这样一个新数据库方向，4–5 人团队用 vibe coding 两个月就做出来了。
当大家还在谈龙虾怎么用时，PingCAP 已经在问"龙虾社会怎么活下去"。如果一个企业未来有上百万只 Agent，那么一虾一库、记忆共享、安全隔离、数据持久化，就不再是附属功能，而是系统存在的前提。
某种意义上，这也解释了为什么 memory 今年会变成一个如此拥挤但又没有定论的赛道——因为这并非"外挂模块"的问题，而是 Agent 真正规模化之前必须先穿过去的窄门。
圆桌碰撞
从"个人养虾"到"团队养虾"，
生态开始往哪里变
到了圆桌环节，讨论的重心从"怎么用"进一步转向"会怎么变"。
云启副总裁桑煜与Jina 创始人、Elastic VP of AI 肖涵、飞书华东区域总监吴玉青，以及上海交通大学副教授叶南阳，从 memory、协作系统与具身智能等不同维度，勾勒出几条仍在分叉中的演进路径。**
一个共识是：
memory 仍然是
今年最不确定、但最关键的变量。
肖涵 Jina 创始人 & Elastic VP of AI
肖涵认为，无论是向量检索、文件存储，还是图数据库、关系数据库乃至 hybrid 方案，都还远达到最佳范式。真正的难点不在"存什么"，而在"怎么取"。记忆如何具备时间结构？如何不过度扁平化？如何避免被旧 context 绑架？这些问题，本质上仍未被解答。
吴玉青 飞书华东区域总监
吴玉青分享了飞书下场做"官方龙虾"的逻辑：当 Agent 从个人工具进入团队协作，核心瓶颈已经转向 context 的获取与流转。企业内部的聊天、会议、审批、邮件以及各类结构化数据，如何优雅、合规地进入 Agent 的工作流，成为新的基础设施问题。飞书的选择不是取代生态伙伴，而是构建一个更适合"养虾"的养虾池（系统环境）。
叶南阳 上海交通大学副教授
而在更长远的技术视角下，叶南阳则从具身智能角度提醒，这一代基于 skill 组合的 Agent 架构，仍然只是具身场景的中间态。更长远的问题，依然是让 skill 与 backbone 能够端到端地自我进化。换句话说，OpenClaw 给了机器人一个更快落地的"捷径"，但可能还不是终局。
这些开放性的探索也让我们思考，Agent 时代的创业窗口，不会只长在一个地方。真正的问题是，你要在哪一层下场。
开放麦
当 Skill、交易、影视
与"全民养虾"开始连起来
在报名阶段，我们征集了一个问题：是否愿意分享自己的 OpenClaw 实践？ 从反馈来看，两个方向最为集中—— AI+理财与 AI+创作。
这也恰好对应了当下 Agent 最容易切入的两类工作流：一类是以信息处理与判断为核心的"理性决策"，另一类是以表达与生成驱动的"内容生产"。
所以在开放麦环节，我们邀请了分别代表这两个方向的分享者。
来自约旦阿拉伯银行的交易员 Alston，把传奇交易员 Stanley Druckenmiller 的工作流，拆解成可运行的 investment skill：从晨报整理、盘中监控、收盘复盘，到周度重置与交易前咨询，每一个环节都被模块化，交由 Agent 执行。OpenClaw 先回答"今天市场最可能忽略的是什么"，再建立判断、监控证伪条件。
这也和前述 WindClaw 的逻辑有所呼应：
Agent 不是替你拍板，
而是先把 90% 的重复监控和整理工作扛走。
无限创作科技创始人黄天伦从龙虾中获得启发：如果 Agent 能自主完成通用任务，那一个懂影视的 Agent 就能自主驱动整个创作流程。他们的产品 InfiClaw 不只是通用自动化的影视版，而是通过独家叙事算法赋予 Agent 真正的导演能力：主动控节奏、埋伏笔、推情绪，让 AI 互动影视平台和 AI 导演软件拥有了完全不同于通用 Agent 和传统视频工具的产品结构。**
**除了小龙虾的工作流实践案例，Kimi 开发者关系负责人唐飞虎提供了另一个很有代表性的观察：在一场深圳线下活动中，7 位志愿者为用户现场部署了约 2800 只"龙虾"。这个数字指向的趋势愈加明显：OpenClaw 正在从极客的小众实验，变成一场更广泛的"全民养虾"运动。
从 AI+理财，到 AI+创作，再到更大范围的人群开始真正上手，OpenClaw 不再只是少数人的实验品，而是在不同场景、不同人群和不同层次的工作流里，慢慢长成一个正在扩散的生态。
从左至右： Alston、黄天伦、唐飞虎
龙虾先聊到这
这周五我们继续吃火锅
回头看这场 OpenClaw Meetup，“养龙虾”不是重点，最有意思的话题是 Agent 如何进入工作流、进入团队，进入更真实的产品和组织场景。
从模型、金融、Infra，到 runtime、memory、协作和具身，很多问题都还远没有标准答案。但也正因为还没有标准答案，才更值得大家继续见面、继续聊、继续做。
本周五晚上（3 月 27 日），我们会和中关村科学城、原点社区、原点学堂、硅星人一起在北京继续办一场更轻松的小范围活动——「Y Transformers AI火锅局」，把正在关注 OpenClaw、Agent 和 AI Native 的年轻 builder、founder 再聚到一起.一边吃火锅，一边聊聊最近在做什么、踩了什么坑、接下来又想往哪走。**
如果你正在创业、准备创业，或者正在认真寻找自己的方向，欢迎来火锅局见。
