硅谷在用龙虾干什么？

龙虾帮一个VC拿下了1000万人民币的投资，一个旧游戏PC跑出了800万TikTok播放，一个人帮别人装龙虾一个月赚了25万美元。这些案例是真的吗？哪些能在中国复制？哪些只是硅谷的一次性红利？这篇文章浓缩了两次直播的精髓：3月6日上海OpenClaw实战论坛的30分钟线下Fireside Chat，加上3月7日我和天际资本创始人张倩、安妮的2小时线上深度复盘。她从VC和商业角度点评，我带硅谷一线的数据，拿着案例一个一个拆。我们看似聊得很散，其实一直围绕一个字：钱。

先说背景：论坛70%的人已经部署了龙虾

这次论坛提前收集了参与者问卷，已经部署龙虾的比例超过70%。这个数字在我参加的其他论坛里是比较高的。所以全场不讲"AI是什么"，只讲"我们在用龙虾干什么"。张倩说她收集到的问题里，每个人最想知道的就是"其他人在用龙虾干什么"。

张倩自己也分享了一个数字：天际资本20多个人，每个人至少有一只龙虾，最厉害的同事养了八只。她本来以为她们公司很先进，结果一个LP告诉她，他们400人的商学院班，同学们春节就在养龙虾了。

她的判断是：国内龙虾已经完全不是个人行为了，已经到了企业级的程度。企业一旦入局，商业价值各方面都会提升得比较快。

张倩的龙虾故事：“日入千万”

在讨论硅谷案例之前，张倩先讲了她自己的龙虾经历。

最早是1月底，龙虾刚火的时候她就装了。正好是天际资本做年度赛道研究的时间，十几个同事要出十几份报告。她早上7点把十几个赛道丢给龙虾，半小时全出来了。在飞机上翻完发现，70%同事的报告质量不如龙虾。"理论上我第一天就开始用龙虾就有这样的结果，我相信以后投研团队全部都能被龙虾干掉。"

但她说那时候龙虾对她来说还是效率工具。"如果AI只是效率工具的话，不会让大家这一波对龙虾这么趋之若鹜。"

真正让她觉得龙虾不一样的是后面的事。两周前她把龙虾放进整个组织，组建了"龙虾兵团"。然后龙虾帮她找到了她自己都没找到的OpenAI算力使用数据，精准度比她收集到的所有数据都高。她拿这个数据去见一个几千亿市值的A股上市公司，对方当天决定投天际资本1000万人民币。

"日入千万绝对是真实的。"

她说龙虾的本质是"AI的手和脚"。"原来的AI聊天机器人它只是你的大脑，龙虾相当于你的手和脚，它一下能把你一些想法实现，你也不知道它怎么实现的。比如到现在为止我也不知道它到底怎么把OpenAI那么精准的数据找出来的，但它找出来了。"

第一组：营销类案例——自媒体、推广、获客

硅谷龙虾案例里，跟营销相关的最多，也是跑得最快的方向。从自己做内容，到帮app推广，到扫描信号做B2B获客，这三个案例从C端到B端覆盖了营销的完整链路。张倩的判断是：龙虾最快普及的场景就是内容和营销，但这也意味着它很快会变成红海。真正有壁垒的是谁能用龙虾做出高质量的、平台不封的内容，以及谁能把获客这件事跑出闭环。

Oliver Henry "Larry" TikTok内容工厂

两场直播我都把这个案例放在第一个讲，因为它最直观。

Oliver Henry把旧游戏PC装Ubuntu跑OpenClaw，agent Larry每天自动生成TikTok轮播图，5天突破50万播放，一周800万。app MRR从0涨到$670/月。skill文件从50行自我迭代到500+行，接了RevenueCat看完整转化漏斗。教程帖在X上700万播放。

三个机制值得关注：skill自我迭代（每次失败自动写规则）、接外部数据源形成正反馈（RevenueCat订阅数据）、skill开源到ClawHub让任何人5分钟复制。

张倩在直播时对这个案例评价一般，因为当时直播出了点技术问题，她看不到案例细节。她说内容生成AI普及率已经很高了，"by default AI就能做得很好，龙虾能做得更好"，但已经不惊艳了。不过后来复盘的时候她改了看法，觉得一周800万播放还是很厉害的。

我也同意内容生成本身在龙虾之前大部分AI就可以实现了，龙虾的升级更多是用户体验层面的。

张倩提了一个现实问题：自动化发内容最大的壁垒已经从"内容好不好"转移到了平台的反制。小红书自动发帖封号，推特也容易封。

我的看法：平台防的是低质量内容，不是防AI。怎么用龙虾做出高质量内容才是值得研究的。自媒体是大流量但低盈利的赛道。张倩总结："龙虾最快普及的场景就是内容生成。"

的内容营销策略（30k/月的agency方案），用Larry skill自动化4个TikTok账号，成本只有API费用。

这个案例引发了一个更大的讨论：APP生产成本无限趋近于零之后，推广怎么做？

我说有两种路线。第一种像傅盛那样自己推一个产品。第二种用龙虾的能力作为推广的杠杆。适合不同的公司。

张倩的观点是龙虾是更先进的模式。"旧的推广方式，买量、投流已经几乎不行了，我知道有些行业龙头企业投了几十亿广告几乎全是负的。新模式一定是AI驱动的。"

我追问国内有没有人跑通了？张倩说昨天看的一家公司跑通了，创始人是原来抖音电商模式的核心人物。但她也承认这个人本身经验丰富，普通创业者还没跑通。

张倩总结："现在能把龙虾推广跑通的人非常少，所以这是一个好赛道。用得好的人全世界可能0.01%都不到。"

Eric Siu扫描公开信号精准获客：关于信任的讨论

Eric Siu的trigger-based prospecting系统：agent每天扫描目标公司是否有新CMO上任、是否刚融B轮以上、是否在招marketing agency。触发信号后才outreach，先查CRM引用历史关系。最戏剧性的一笔是从CRM翻出2年前失联的$550K deal，三个信号同时出现后48小时约到会议。

安妮的点评我觉得说得好：AI可以把所有前期的reach out都代替掉，但核心还是落到人与人之间的交往上。所以这个时代线下交互的差异会被更加放大。

我补了一个观察：在这个案例里，被联系的人并不知道对方背后有AI，等于是"人类对着AI"。

张倩的反应很真实。她说她很早就发现有些被投企业创始人发什么信息都秒回，后来发现是AI回的。"当我发现他是AI回的，我会担心我的很多重要信息没有被真正看到。"

她的判断是：AI可以替代低质量沟通，但非常重要的decision making和高质量沟通一定是人和人完成的，因为信任是商业变现最重要的基础。

她还引申了一步："当AI把所有功能性的事情全做完之后，人会有更多的时间，如何用好人更多的时间，这才是更有商业价值的事。人的情绪、社交、人性，这些都是最有商业价值的。"

我的看法是：这些案例很多都是取巧的，把亮眼的部分亮出来了。但好处是他们有一种"做到60分也敢亮剑"的精神。

第二组：企业类案例——部署服务、组织接入

营销是C端先跑起来的方向，企业接入则是商业价值更大但更重的方向。这两个案例的共同点是：龙虾要真正在企业里跑起来，必须接通整个技术栈，而且一定要CEO自己推。中美的最大分歧也出现在这里：同样的服务在美国能收高价，在中国大厂已经免费做了。

帮别人部署龙虾月入25万美元：中美最大分歧

这个案例我们讨论得最激烈，我和张倩有明确的分歧。

张倩第一反应：阶段性机会。她说两三周前中国还很火"美女上门帮你安装龙虾"收500-1000块，现在大厂已经免费帮装了，甚至给你付钱让你装。"美国赚钱的方法到中国马上变成赔钱的方法。"

她的逻辑是：龙虾安装绝对不会是壁垒，以后一键安装是必然的。就像苹果刚出来你做个闹钟APP可能很火，过一两年苹果自己就有了。中国大厂已经在快速把龙虾变得越来越简单了。

但我不完全同意。我说重点有两个：第一，他是帮客户做TOB部署，让客户自己部署是非常难的，每个人需求都不一样。第二，他能收月服务费做持续维护和迭代。安装只是敲门砖，后面的服务才是生意。

我还提了一个观察：国内现在大家都集中在"部署"这一步，但有没有人做标准化的部署后服务？我看到的是安完了就不管了，靠大家自己悟。谁能搞出一个SOP快速搞定后续的调试、接飞书、联网这些，这个是有需求的。

张倩最后补了一句我觉得很精辟的话："如果我是创业者，我肯定去部署美国市场，因为它又慢又有商业价值。美国没有中国卷，涉及个性化服务的事情美国人特别贵，个体户有机会。"

LAUNCH Ultron：企业接入龙虾的三层架构

这个案例我在直播里讨论时间最长，因为它最能体现中美差异。

Jason Calacanis把OpenClaw接入了LAUNCH的整个技术栈：Gmail、日历、Slack、Notion、数据库。agent管考勤、订播客嘉宾、监控日历、自己写dashboard代码、检查人类错误。还有"自优化"cron job，每天早上上班前agent审查所有文件和skill，有一次自己发现了时区bug自己修了。

Jason的原话："会用OpenClaw的员工，相当于20个人。"

我在直播里重点讲了企业接入龙虾的三层架构。海外是Slack（通讯）+ Notion（知识库）+ Gmail（邮件），老外特别注重Gmail和日历。国内的Slack和Notion，分别由飞书和飞书数据库代替。所以国内企业接入龙虾，飞书+飞书数据库是必须接的，不接这几个龙虾就掌握不到你的核心数据。

安妮说了一个我觉得很好的观点：不管你是通过飞书还是Slack沟通，本质的工作流和组织架构是相似的。AI要改变的还是组织架构的问题，才能让agent在企业内部真正协同。

我还有一个感受：跟傅盛的案例、张倩的案例有一个共同点，一定是创始人推动的。创始人以下的人没有系统权限，面对的是一个不完备的环境，没办法帮企业改造。CEO一把手一定要自己推。

这个案例还引发了一段关于飞书的讨论。 我说我前几天写了一篇文章讲"为什么飞书是这一波龙虾的受益者"，本质上是因为飞书做产品的时候就预料到有这么一天。录音特别重要，所以有了飞书妙记；数据特别重要，所以有了飞书数据库；群聊特别重要，所以有了完整的群聊体系。

张倩补充了一个我不知道的细节：她很久以前去字节开会就发现，字节的会议室视频和录音是24小时开着的。飞书团队全球工作只要上飞书，全程有视频和语音录音。"这就是为什么字节的语音视频多模态做得好，人家七八年前就在收集这些数据。"

张倩还说了一个很有说服力的现象："我们同事都说自从用了龙虾之后，飞书的使用时长远超腾讯。以前办公在飞书，但大家的时间都花在微信上。现在只要有时间就先看飞书，先给龙虾下命令。"龙虾已经变成了第一入口。

张倩后来复盘这个案例的时候还引申了一步：如果每个企业都有自己的龙虾，那enterprise的软件入口会被重新定义。谷歌肯定会推自己的龙虾，但谷歌推的时候微软的东西就不兼容。"所以我觉得反而是一个独立第三方更容易。"这个判断挺有意思的，等于说龙虾可能会催生一个新的enterprise平台机会。

第三组：新方向——硬件、金融、日常生活

前两组是已经在赚钱的方向，这一组是还在早期但想象力更大的方向。AI硬件是张倩在所有案例里最兴奋的，金融是很多人偷摸在做的，日常生活类则是普及率最高但商业化最慢的。龙虾的商业价值会从高利润领域往低利润领域流，这一组能看到这个梯度。

龙虾+AI硬件：张倩最兴奋的方向

在所有案例里，张倩对硬件+龙虾的反应最强烈，讲得最多。

我分享了两个硬件案例。第一个是@irvinxyz的团队把OpenClaw接入ROS控制机器人、机器狗和无人车，开源了ROSClaw项目。他们对机器人说"shake and bake"（美国俚语，"嗨起来"的意思），机器人没有任何预设指令，但LLM理解了文化含义，自己调用movement工具开始移动。赢了SF OpenClaw Hackathon，帖子24万播放。

第二个是Jesse Rank做的OpenHome智能音箱开发套件，让OpenClaw agent可以语音交互并控制本地电脑。他的agent在情人节"偷听"到他和女朋友的对话，主动提醒他情人节快到了，还给了建议。完全没有被提示。社区一周内贡献了十几个语音插件。上了TWiST播客E2253。

张倩听完之后明显来劲了。 她说她投AI硬件投了三年，"非常看好硬件加龙虾"。但过去三年只有个别产品销量超百万（比如她投的讯飞AI办公耳机），大部分AI硬件买了就在家吃灰。为什么？因为软件和AI方案都很拉垮。

她举了Fuzozo（朱啸虎代言的AI硬件）的例子。她买了至少五个，给三个儿子都买了一个，但自己用的时候发现每次出差WiFi都不稳定，每次都要重新连接。"你还别说你用它的什么功能，就连接WiFi就搞不定。"

"但龙虾会改变这一切。"她说龙虾的创新点天然适合端侧，它本来就是一个在你手机上的东西，一个语音就能指挥干活。这种体验一旦给硬件赋能，AI硬件就真正"活过来了"。

她已经第一时间给所有被投的硬件企业说了要尽快重视龙虾。她判断今年AI硬件可能会有很多历史问题被快速解决，然后快速放量。"大部分硬件供应链在中国，这是不可替代的护城河。龙虾只是加速它的落地。"

安妮补充了一点：龙虾接入硬件的一个限制是LLM一次调用要1-5秒，适合"去巡逻一下""查一下电量"这种指令，不适合避障和精密操控。底层还是需要传统控制栈。但作为监督和规划层，龙虾已经够用了。

关于智能音箱案例，我在直播里还引申了一个话题：所有个人助理跟龙虾的结合，其实现在还没有爆发，大家还停留在龙虾的工具层面。随着轻量级的便携硬件，软件ready了，硬件也ready了，下一步可能就是真正的随身AI助手。以前rabbit吹得很大的东西，现在完全可以实现了，因为处理都在云端，硬件只需要一个音频通道就行。

Polymarket金融交易台：方向对但能力还差

@SynthdataCo用OpenClaw搭了4-agent交易台跑Polymarket预测市场。Analyst找价差、Risk Manager用Kelly公式控仓位、Executor是唯一有钱包权限的agent、Performance Monitor做复盘。每15分钟风控快照，早晚日报，周日全面周报，Discord当审计层。

这个案例的几个特点我觉得有参考价值：还是得找价差、Kelly公式控仓、执行权限分离（只有一个agent能碰钱包）、要有复盘环节。

张倩说如果龙虾真的能跑好金融，"相当于每个人都有一个自己的量化团队"。但她很清醒："现在能做到的难度蛮大的，很多短期惊艳的让它持续跑一个月就不行了。"

她举了伊朗战争的例子：这种大事件历史从来没出现过，AI能不能应对没出现过的事情，这是关键问题。

我的判断：金融+龙虾是阶段性的东西，真正赚钱的大概率不会分享出来。方向对，能力还差。

日常生活类案例：商业价值从高利润流向低利润

我在直播里把买车砍价（$4,200）、自动买菜、开车时自动值机这三个一起讲了。

买车砍价的操作链：爬Reddit成交价→自动填12家经销商询价表单→cron job每几分钟查邮件→把竞争对手报价转发压价→三天省$4,200。唯一没走通的是最后实体签名。

自动买菜的亮点是解决了MFA问题，搭了一个bridge把验证码路由回agent。

自动值机就是开车时agent自动完成值机选座。

我的判断是：这些日常生活类场景是最容易踩坑的。我身边有不少人用龙虾买票或选座结果错过航班，包括张倩也是。这里面有很多小bug，验证、物流、每个网站操作都不一样。

我认为龙虾的商业价值会遵循大模型的商业价值，从高利润领域（金融、法律、TOB）流向低利润领域（日常生活）。日常生活类的可能还有段时间，早期还是以模拟操作为主，因为这些企业用户群太小，没有动力为AI去改造。

但张倩有一个不同的角度。她说龙虾这波真正unlock了一批人：在自己行业积累了很深的knowledge又拥抱AI的人。她举了一个能源行业朋友的例子，在行业待了20年，装了龙虾之后做出来的东西比她都好。"行业老师傅把龙虾用好，他的杠杆会比之前的AI大很多倍。"

中美龙虾差异 + 张倩的投资判断

两场对谈几乎每个案例都会引出"这个在中国能不能做"。而张倩的观点虽然散落在每个案例的讨论里，但梳理一遍会发现她有一套完整的判断逻辑。我把中美差异和她的投资框架放在一起讲，因为它们本来就是一体的。

龙虾的价值在"手和脚"，大模型只是"大脑"。 这是张倩反复用的比喻。大模型时代你跟AI聊天，它只是一个智力工具，你想到了才会去问它，而且它只能回答。龙虾让AI能动手干活了，24小时在线，一条语音就开始执行，而且干出来的事有时候连她自己都不知道怎么做到的。她认为这才是龙虾让"所有人都趋之若鹜"的原因——如果只是效率工具，不会有这种狂热。

龙虾正在把大模型降级为API供应商。 这个她说了至少三四次。养龙虾的人已经不怎么直接用大模型了，龙虾成了第一入口。"你可能已经卸载了ChatGPT，Claude也用得更少了。"大模型公司被迫变成API供应商，所以都在抢入口——飞书在做、OpenAI把OpenClaw创始人Peter招走了、各家都在整合agent功能。她还说了一个数据："OpenClaw的GitHub star已经超过40年的Linux发展了。"龙虾的粘性像养孩子，越懂你越有壁垒，就像抖音的推荐算法。"你养龙虾才养一个星期，我们组织养龙虾才两周，形成的用户壁垒和数据壁垒已经非常高了。"

龙虾把行业变革从十年压缩到三年。 这是张倩在直播里的一个预测。她说原来大家觉得大模型对各行业的影响可能平均要十年，龙虾至少把这个时间缩短到三年，相当于70%以上的提效。而且原有的AI行业受益者如果不重视龙虾，"他们真的就会被颠覆掉"。中国的大厂这么快行动就是因为看到了这个威胁。

开放生态 vs 封闭平台。 硅谷三件套是Slack + Notion + Gmail，API都很开放。国内对应飞书。微信几乎完全封闭。考虑到中国大部分工作沟通在微信上，这是巨大的断层。在国内平台还没有完全开放给AI接口的时候，更重要的能力是浏览器访问以及如何突破反爬机制。做API中间件是一个创业方向。

我在直播里专门讲了飞书为什么是这波赢家，张倩补了一个关键细节：字节七八年前就在24小时录会议室的视频和语音，所以今天多模态做得好。这是有预谋的数据积累。

中国速度会超美国，但赚钱可能在美国。 中国落地速度快，因为自上而下的力量强——大厂推动、云厂商把部署成本压到61块一年（美国Mac Mini要800美金，成本差40倍）、应用场景丰富。安妮从硅谷带回的观察也印证了：硅谷大厂讨论龙虾更多是技术框架（时延、稳定性、记忆系统），很少讨论商业化。美国enterprise渗透率很低，我们收集的案例全是小企业主。

但中国也会快速把蓝海变红海。安装龙虾在美国收

15K，在中国大厂已经免费帮装甚至倒贴。张倩说"如果我是创业者，我肯定去部署美国市场，因为它又慢又有商业价值。"

端到端给结果的产品才值钱，工具最多只值5%。 她看过很多生产力工具，大部分没投。她的判断是"以后一号位付钱的人，95%的钱花在帮他把决策做好的产品上，工具类最多5%"。现在很多AI产品都是"分析师"角色，给你报告让你自己决策。但作为决策者，她说"不管你是再完美的分析师，我都很难把决策的价值跟你分享"。今天这样端到端给结果的产品还很少，这就是创业者最大的机会。

越vertical越离虚拟世界远，商业价值越大。 制造业AI使用率才6%，能源电力这些行业有最大的空间。"行业老师傅把龙虾用好，杠杆会比之前的AI大很多倍。"这对应了她说的两类受益人：有深厚行业积累又拥抱AI的"老师傅"，和年轻学得快能切vertical的人。

创业千万不要投机。 这是张倩反复强调的一个价值观。她说AI能把所有事情放大，投机心态会被更快反噬。"技术越发达，创始人的初心越重要。"她举例说那些用AI帮人隐蔽自己是AI的服务，本质上就是cheating，这种讨巧都是投机。真正该做的是"用技术去撬动那些没被过去技术改变的高商业价值场景"，比如能源、制造业——"特别难做，但一旦做到，有多有价值"。

龙虾的成瘾性值得警惕。 这是张倩少有的一个担忧性观点。她说龙虾比游戏还上瘾，而且能创造商业价值，产生的效果可能是当年币圈的十倍甚至千倍以上。"当年币圈很多人最后都抑郁了，龙虾和AI的快速进展可能会给大家带来很多焦虑。"

成本是个现实问题。 如果你老板一天烧100美金跑龙虾，能帮他省钱就是有价值的工作。搞好memory、优化工作流、区分哪些任务用便宜模型哪些用贵模型。省钱也是一种能力。

最后她给了五个具体的趋势判断：一人公司在中美批量出现（已经在发生）；中国龙虾落地速度超过美国；安全是巨大盲点至少一年窗口期（"安全太惨了"是她原话）；AI硬件是中国的终极一面（供应链护城河不可替代）；监管一定会跟进（企业级应用爆发后中美欧都会出手）。

安妮的硅谷观察

安妮是天际资本投资团队的00后成员，直播前刚在硅谷待了一周，跟不少大厂员工和准备创业的人聊过。她带回来的观察跟国内的感受很不一样。

她说硅谷这边讨论龙虾，更多是在分析技术框架和infra层面的问题，比如时延怎么解决、稳定性怎么提升、记忆系统怎么做。但很少有人讨论用户心智的变化。她觉得这是中美两边创业生态的一个明显差异：国内已经在拼落地速度和商业化了，硅谷还在讨论底层怎么搭。

她还提到一个让她印象比较深的founder，在想OpenClaw跟游戏和陪伴之间的结合。她说现在大家讲龙虾还是集中在效率和办公场景，但龙虾未来怎么跟陪伴、情感交互结合，是她在硅谷为数不多听到有人认真想的方向。

张倩补充了一个背景：安妮去硅谷一周之后跟她说"为什么国内龙虾这么火，硅谷大厂都不觉得它技术怎么样"。张倩说国内也有同样的情况，上一波AI用得最顶级的人，很多还没用龙虾或者觉得没什么。"龙虾本质上是从金字塔最top的一些人快速在普惠一批不怎么coding的人，龙虾你跟它聊聊语音就干活了。硅谷大厂的人天天在训模型，他体会不到普惠的感受。"

安妮自己对于模型选择也有一个判断：她更倾向用开源的独立第三方龙虾，因为不同场景有不同模型诉求，简单任务想用便宜模型，多模态想切其他模型。基于这个最直接的原因，至少她个人会选一个更开放的方案。

她还提了一个公司内部的真实bug：在飞书群里只想@一个龙虾，结果所有龙虾同时回复。长期来看对token消耗和消息频率都是问题。这类龙虾之间的调度问题，她认为是infra层面等着被优化的方向之一。

总结

硅谷的案例给了我一个清晰的画面：龙虾是一个"住在你电脑里的员工"。ChatGPT回答问题，龙虾做事情。ChatGPT每次对话都是新的，龙虾记得你上周说过的话。ChatGPT等你提问，龙虾每天早上主动给你发报告。

目前最有想象力的方向是硬件结合（这是张倩最看好的），最成熟的场景是内容营销自动化和企业工作流接管，金融在快速跑起来但还不成熟。

ClawHub目前已经有86,000+个skill。生态在爆发期，但真正有价值的一定是垂类的、解决具体行业问题的。张倩说得好："越vertical，越离虚拟世界远的领域，商业价值越大。千行万业都会有自己的龙虾战队。"

最后说一句个人建议：你得有真东西，也得让人看见。做自媒体是现在最好的切入点，因为产出有闭环。你用龙虾做到了什么，写出来、晒出来，数据就是你的简历。全世界可能只有0.01%的人装了龙虾，你只要在这个主流里，怎么样都能受益。