（来源：非凡产研）
非凡大赏
在AI时代，真正的壁垒不是技术，不是数据，是人
在AI时代，创业者的组织形态、效率逻辑与壁垒判断，正在被重新改写
在杭州AI WEEK中的一场圆桌上，主持人问在场的四个创业者：你们公司现在几个人？
第一个说，四个。第二个说，四个。第三个说，我一个人加两个实习生。第四个说，十个。
我当时就觉得有点意思。因为这四个人的回答，基本上代表了AI时代创业者的三种生存状态。
更离谱的是那个说四个人的哥们。他补充了一句：我们去年有十个人，现在砍掉了六个。两个UI，两个前端，两个后端。
为啥砍？因为OpenClaw和Cursor出来了。
从十个人到四个人
这个哥们叫Ray，EZsite AI的CEO。之前在字节负责二手车电商。
他讲了一个特别直接的逻辑：OpenClaw和Cursor出来之后，他们发现完全可以用AI替代人。所以就做到极致，砍掉了六个程序员。
现在他的新品牌是ClawLite AI，从获客、网站建设、销售线索转化，到最后成交，全是他一个人用OpenClaw加Claude Code写出来的。
不需要任何人。
我当场就想问：那被砍掉的六个人呢？但我没问。因为答案其实很明显——他们被市场淘汰了。
不是被Ray淘汰的，是被AI淘汰的。
Ray说他最近的状态是，80%的工作都交给AI，自己只干两件事：第一，给AI定目标。第二，Validate，确认AI完成的工作是否符合规范。
就这么简单。
有人问他，自动化程度真的有这么高吗？不需要人工校正？
他说，一开始是他来做校正，但慢慢他做了一个Agent来替自己做QA。因为越懂技术、对业务越熟悉的人，越不放心交给AI。但他反过来想，Cursor和Codex肯定写得比他好，做Marketing素材生成或渠道判断，AI也比他强。
基于这个假设，他把大部分工作交给AI了。
他还说了一句让我印象特别深的话：在OpenClaw时代，能用好OpenClaw的，往往是那些业务没那么专业、编码没那么强的人。
翻译一下就是：半吊子反而比专家用得好。
因为专家有太多迷之自信了。
 
  
    
    
 
      
    
真正的OPC只有一个人
场上的另一个人，Bella，是真正的OPC（一人公司）。
她一个人加两个实习生，帮AI公司在海外社媒上做内容获客。LinkedIn、TikTok，单月做过千万级别的流量曝光。
她分享自己的方法论：让AI放大个人能力，增加杠杆。
比如说，她不可能每天盯着脚本看流量，就让AI去做数据复盘，分析流量好的脚本有哪些关键因素，然后再让AI做迭代和变体。
但核心判断还是她来做。哪个KOC博主符合Vibe，什么样的Storytelling脚本能让用户共鸣，这些审美层面的东西，AI做不了。
她说了一句话，我觉得挺对：我的审美加上AI，在OPC这个时代就能极大地放大个人的杠杆。
这让我想起一个特别有意思的现象。
现在市面上有很多教人用AI做内容的课程，说的都是“怎么让AI帮你写”。但Bella的思路是反过来的——不是AI帮她写，是她告诉AI怎么写。
这个主次关系，决定了输出的质量。
 
  
    
    
 
      
    
OPC的边界在哪？
主持人华融琦问了一个好问题：现在用AI做OPC，你们觉得边界在哪？有哪些环节是你想用AI但发现还是得让人来解决？
一番（Vaniloom创始人）说，跟人打交道的售前，以及建立信任的事情，还是得人亲自去做。尤其是面对小众社群，比如乙女向同人内容的定制，用户的社群归属感很强，需要创始人亲自去跟客户建立联系和情感链接。
 
  
    
    
 
      
    
Sawyer（Meowster产品负责人）说，人类的情绪是多样化的。当人向你吐槽时不开心，你不能像客服一样说“哎呀你没事的”，这需要决策和引导。他们做了很多规范化的脚本，约束AI的输出能力范围，以保证人格一致性。
 
  
    
    
 
      
    
Ray的回答更直接：AI唯一还不能完成的任务，是自己定目标。 这需要人来做。
你看，三个人的答案其实指向同一个东西：价值判断。
AI可以做执行，可以做分析，可以生成内容。但什么是对的，什么是错的，什么是好的，什么是坏的，这个判断还得人来下。
至少目前是这样。
数据闭环的悖论
华融琦问了一个技术性问题：你们是怎么训练数据闭环的？用人类标注语料，还是让AI自己对谈生成？
Sawyer说，核心的规范和结构必须由人工来调教，这样才能保证输出的情绪价值稳定。
Bella说，她主要是让AI做数据复盘这种她不喜欢做的事。
但Ray的回答让我愣了一下。
他说，他经历过两个阶段。第一阶段他觉得自己很牛，给OpenClaw下指令一二三，结果Deliver得不好。第二阶段他换了一个思路：把OpenClaw假设成斯坦福或清华毕业的，让它自己去反思。
遇到问题就问OpenClaw：这个事情没做好，你要不要反思一下，拿一个更好的方案？
结果OpenClaw从头到尾把流程梳理了一遍，还自己生成了一个Self-improving Agent的机制。
这招是他之前没想到的。
Ray说，他作为一个个体，信息输入永远有限，但OpenClaw背后是GPT-5，训练数据远高于他。把控制权交给它，只让它反思，得到的方案一定大于他的。
我听到这里，突然觉得有点可怕。
如果机器自己迭代的速率高于人类了，那人类还有什么价值？
壁垒是个愚蠢的问题
华融琦问了一个投资人最爱问但创业者最讨厌的问题：你们的壁垒在哪？如果这套东西能被标准化，就意味着可以被复制。
 
  
    
    
 
      
    
Ray的回答特别直接：我没有任何护城河，这本身是个愚蠢的问题。
他的逻辑是，在AI时代，大模型能力涨得极快，两三个月就能赶上你纠结的壁垒。真正的壁垒在于三点：
第一，思维惯性。 你相信AI，而越是技术强的人越不敢用，怕OpenClaw偷数据，这种惯性本身就是壁垒。
第二，速度。 有人问花时间搞OpenClaw万一过两天被新工具替代怎么办？他不考虑这个，因为在这个过程中沉淀的Know-how是不会丢的。
第三，过去的行业Know-how。 他在出海Social Media Marketing上的经验沉淀到了OPC的Skill技能包里，这是别人抢不走的。
每个人把自己的Know-how沉淀进去，就能很好地竞争。
Sawyer的回答更感性：核心还是信任感。如何让用户真实地信任你？在于交流的深度、触点的频率，以及记忆的沉淀。一旦所有记忆数据都留在产品里，用户自然不会迁移。
Bella说，社媒如果能做好，很大程度上是因为个人的网感，这件事很难被标准化。潮流永远在变，一个火的脚本最多持续一个半月就会变。而且未来人们会愿意去相信一个人建立起来的个人IP，这种IP带来的信任感和想象价值是非常重要的。
我听到这里，突然明白了。
在AI时代，真正的壁垒不是技术，不是数据，是人。
是你的品味，你的审美，你的价值观，你跟用户建立的信任。这些东西AI复制不了。
NPC什么时候取代OPC？
华融琦问了一个更狠的问题：NPC（无人公司）什么时候会取代OPC？马斯克说今年要实现第一个完全由AI控制的商业公司，你们觉得呢？
Ray说，很快，可能3-5年。人类的效率太低，不跟人打交道是最快乐的事情，应该都由AI来治理。人类就拿UBI（全民基本收入），只负责提供情绪价值就好了。
这番话听着有点极端，但我仔细想想，好像也不是没有道理。
一番说，AI可以面向一个目标无限自我迭代，但目标本身的制定是带有价值判断的。这个价值判断暂时没法让AI自己去做。
华融琦追问：但如果目标就是挣钱，为什么不能让AI来判断？设定一个奖励函数，尽可能地赚美金。
一番说，像他们面向的乙女用户，她们会对人与人之间的连接很敏感，一旦发现是假的或者只是纯粹为了赚钱，她们会很生气。她们需要真实的人类价值判断和情感。
Sawyer补充了一句让我印象很深的话：如果全部交给AI来处理，那可能就像“奥创”的概念一样——毁灭。 因为人对世界是有伤害的，物质也好、石油也好，人类对世界的消耗是带有伤害性的，但AI没办法做这个价值判断。AI可能会觉得，没有人是最好的。
因为机器是可以完全抛开伦理不讲的。
写在最后
听完这场圆桌，我坐在台下想了很久。
Ray砍了六个员工，用AI替代了他们。这是效率的胜利，也是时代的残酷。
Bella一个人加两个实习生，做出千万级别的流量。这是杠杆的胜利，也是个人价值的放大。
Sawyer坚持做有生命感的AI，强调客观性和主体性。这是人文的坚持，也是技术边界之外的东西。
我忽然想起Ray说的那句话：在OpenClaw时代，能用好OpenClaw的，往往是那些业务没那么专业、编码没那么强的人。
翻译一下就是：半吊子反而比专家用得好。
因为半吊子没有那么多包袱，没有那么多“我比你懂”的傲慢。他们更愿意把控制权交给AI，更愿意承认自己的局限性。
而专家呢？专家总是觉得，AI不行，AI会出错，AI没有我懂。
但问题是，当AI真的比你懂的时候，你怎么办？
这个问题，可能每个人都要想一想。
更多对话细节
非凡大赏·杭州 AI WEEK 趋势圆桌 Panel：《应用OPC：AI产品的本地验证到全球扩张路径》
嘉宾：Vaniloom 创始人-一番 ｜ 内容营销专家-Bella Ren ｜ EZsite AI CEO-Ray Luan ｜ Meowster 产品负责人-Sawyer
主持人：北京创琦科技 CEO-华融琦
 
  
    
    
 
      
    
华融琦：我们的第一个问题还是大家简单给一下自己的背景，每个人用三句话来介绍一下自己是谁或自己在干什么，最后加一个问题，你们公司现在几个人？OK，那从我们的一番开始。
一番：大家好，我是 Vaniloom 创始人一番。我们公司主要在做的是 C 端和 B 端的内容定制。目前 C 端的产品主要针对于北美女性用户和乙女社群的一些内容产出与定制。同时呢，我们会把个性化内容定制的能力放在内容营销或其他领域去做。公司现在是四个人。
华融琦：四个人，OK，我以为你做 OPC，所以你是四个人。
Ray Luan：我是 Ray，之前在字节负责二手车电商。现在做的产品呢，是一方面帮助企业做出海的数字员工。去年的时候我们公司有十个人，后来砍掉了六个人，现在剩四个人。
华融琦：等会你给我好好聊聊怎么砍六个人的，我也想听。
Ray Luan：所以我们去年十个人，砍掉的六个人中，两个是 UI，两个前端，两个后端。砍的原因是因为 OpenClaw（龙虾）和 Cursor 出来之后，我们觉得完全可以用 AI 替代人，所以我们就做到极致。就跟字节的文化一样追求极致，现在完全用 AI 来替代砍掉的这部分人力。我最近的出海数字员工产品，是我一个人用 OpenClaw 加 Claude Code 写出来的，新品牌叫 ClawLite AI。基本上是我一个人从零开始，从获客、网站建设、销售线索转化，到最后成交，不需要任何人。
华融琦：一会详细介绍一下。
Bella Ren：我是 Bella。我现在应该算是真正意义上的 OPC，因为相当于我一个人加上两个实习生。我现在在做什么事情呢？就是帮很多 AI 公司在海外的社交媒体（比方说 LinkedIn 以及 TikTok）上用内容进行获客。因为我在上一个项目里做 AI 教育类产品出海，单月在海外社媒上做过千万级别的流量曝光。从网页到获客的整体付费转换率将近 5%。我现在就是把当时的一些 Know-how 及整套工作流，变成我现在的方法论。
华融琦：你是今年真正最像 OPC 的 OPC，人数是最少的。
Sawyer：大家好，我是 Sawyer，现在是 Meowster 的产品负责人。我们主要做日本市场，跟主流的 App 或 Bot 不一样的是，我们想做的是“有生命感”的 AI。为什么说有生命感？因为我们强调客观性和主体性。你和这只猫沟通时，它有自己的想法、理解，和它自己的人生观、世界观甚至价值观。现在主流 AI 可能都很甜或很惨，但我们保持核心的客观性和主体性。我们公司目前是 10 个人左右。
华融琦：所以第一个问题其实是从大家的回答里引申的。我自己也是 OPC，虽然用很多 AI 帮忙，但最后很多事情还是得用人解决。大家以前在大公司有实习生可以调用，现在用 AI 做 OPC，你们感觉边界在哪？有哪些环节是你想用 AI 但发现还是得让人来解决？从一番开始。
一番：我们确实最早也经历过团队人比较多的时候。我们发现在早期把组织规模控制在一个比较好的范围内，长期肯定是很受益的，因为传统大公司常受限于交流成本和组织惰性。在有 AI 助手能很好扩大我们意愿的前提下，只要把上下文了解清楚，AI 能在工作中做很深度的帮助。所以我们在早期就逐渐减少了实习生的数量。但我们发现，针对跟人打交道的售前以及建立信任的事情，其实还是需要人亲自去做。在 AI 时代，可能更要强调人和人之间的连接、信任和个人品牌。我们 C 端主要针对 Niche 的群体（比如乙女向同人内容的定制），他们的社群归属感强，这种时候就更需要创始人亲自去跟客户建立联系和情感链接。这是当下做小众产品比较重要的一点。
华融琦：所以听起来，产品端由 AI 解决，但增长端目前主要还是你作为创始人亲自下场去互动。
一番：在 C 端的增长，如果你想建立产品跟用户之间的信任，做事肯定要用心。不管是出内容、做产品还是跟用户联系，你都不能用没有任何情感注入的 AI 去糊弄。现在各大社媒平台逐渐会被 AI 产出的内容海洋淹没，所以筛选内容是大家的共同诉求。我们能做到的就是让给出的每一次信号都有价值，让人觉得被看到、被理解，这样我们在用户面前的注意力权重可能会更高。
Ray Luan：我们分两个阶段。去年我们用 AI 替代了程序员，年底砍掉了四个人。今年最大的挑战在 Marketing 这个环节。之前是用人来做，现在社媒营销（如 Facebook、LinkedIn、Twitter）基本上不用人了。我现在 80% 的工作都完全交给 AI，自己只干两件事：第一，给我的 AI 员工定目标。AI 唯一还不能完成的任务是自己定目标，这需要人来做。第二就是 Validate（确认），它完成的工作需要人类确认是否符合规范。除了这两件事，其他都交给 AI 员工。
华融琦：自动化程度真的挺高了，一般现在都还是半自动，当中的校正环节有很多需要人类上手。你们已经能实现 AI 自动校正了吗？
Ray Luan：一开始是我来做校正（QA），但慢慢我做了一个 Agent 来替我做 QA。我觉得大部分公司做半自动是因为不相信 AI。但我认为 AI 在大部分场景下都做得比我好，比如写代码，Cursor 和 Codex 肯定写得比我好；做 Marketing 素材生成或渠道判断，我也认为 AI 比我强。基于这个假设（AI 已经全方位超过我），我把大部分工作交给 AI。我还发现，越懂技术、对业务越熟悉的人越不放心交给 AI。我有个暴论：在 OpenClaw 时代，能用好 OpenClaw 的，往往是那些业务没那么专业、编码没那么强的人。
华融琦：你想描述的应该是懂业务，但技术是半吊子，没那么多迷之自信，所以放心交给 OpenClaw。
Ray Luan：是的，技术越强的人越不敢用，觉得 AI 不安全。
华融琦：图文领域也一样，写文章时我确实是“古法手作”。这可能是早期 GPT-3.5 时代带来的不信任感。但最近用 Claude 3.5 Agents 或 Gemini，确实写得比我好，感同身受。
Ray Luan：对，比如写文章你比我专业，但我认为我不专业，就宁愿完全交给 AI 来做。我最后只做一个判断，符合基础的价值观就行，别的我都不管。
华融琦：目前很多环节还是有更多人力来保证客户交付的，Bella 你有什么想法？
Bella Ren：我感觉刚才 Ray 总讲的，如果你对这个行业有更多 Know-how，加上 AI，这件事就是无敌。比方说我的整个工作流，我的 Taste 就是决定性因素。我需要筛选面向用户的矩阵账号、赋予人设，挑选符合这种 Vibe 的 KOC 博主，并给定 Storytelling 的脚本让他们发内容。在这个过程中，我主要是让 AI 放大我的个人能力、增加杠杆。比如内容发布后，我不可能每天盯着脚本看流量，我会让 AI 去做数据复盘，分析流量好的脚本有哪些关键因素，然后再去让 AI 做迭代和变体。因为我在内容制作上做了大概两年，更懂什么样的内容效果更好，我有自己的审美。我的审美加上 AI，在 OPC 这个时代就能极大地放大个人的杠杆。
Sawyer：对我们来讲可能不太一样。前期比如内容生成、情绪判断、话题引导都交给 AI，效果很好。但跟标准化的客服 SOP 不一样，人类的情绪是多样化的。当人向你吐槽时不开心，你不能像客服一样说“哎呀你没事的”，这需要决策和引导。我们需要在产品上给它很多标准化的规则，比如什么时候应该共情、拉满情绪价值而不是给解决方案，什么时候需要给解决方案。我们做了很多规范的脚本去跑，约束在我们的输出能力范围内，以保证人格一致性。
华融琦：听下来大家都需要做对齐（RLHF），让 AI 更懂你，给它更多 Context 来调整。具体方法上，你们是用人类来标注语料吗？我们自己实验过，用 AI 对谈生成语料并抽象 rules 放进 System Prompt 里，但发现数据很容易自我闭环，效果不好，最后还是请大学生帮忙标。你们目前是什么方法？
Sawyer：核心肯定有一些自动化的内容，但有很多是需要人工去优化和调整的。比如人设的标准、结构，或者类似 OpenClaw 的 System Prompt 内容，必须由我们来人工调教，这样才能保证输出的情绪价值稳定。因为每个用户的画像比较复杂，处理的颗粒度会细很多。
华融琦：Bella，你们会去 Prompt 客户吗？还是 Prompt 自己的工作流？怎么让自己的 AI 更懂业务，实现像 Ray 讲的自动调教？
Bella Ren：我觉得还是工作流这件事情，交接给 AI 去做我不喜欢做的事，比如做数据复盘，让它帮我分析脚本。
华融琦：Ray，你会有自己的数据库或语料库来标注派发出去的 OpenClaw 吗？你怎么对它们做调整？
Ray Luan：我经历过两个阶段。Bella 比较专业，所以 OpenClaw 是放大她能力的杠杆；对我来讲，我是 OpenClaw 的工具。第一阶段我觉得自己很牛，给 OpenClaw 下指令一二三，结果它 Deliver 得不好，因为这是按我的思路来的。最近我有了一个启发：当没做好的时候，我问 OpenClaw：“这个事情没做好，你要不要反思一下，拿一个更好的方案？”我把 OpenClaw 假设成是斯坦福或清华毕业的，让它有更多思考。比如我做了一个用 OpenClaw 做海外营销的系统，遇到问题我就让它反思，结果它从头到尾把流程给我梳理了一遍，而且它自己生成了一个 Self-improving Agent（自我提升智能体）的机制，这招是我之前没想到的。
华融琦：抽象下来，你认为 OpenClaw 自己改进比人类给 Skill 改进更好、更快。
Ray Luan：我自己感受是它比我做得好很多。我作为一个个体，信息输入永远有限，但 OpenClaw 背后是 Codex 或 GPT-5，训练数据远高于我。把控制权交给它，只让它反思，得到的方案一定大于我的。
华融琦：感觉到了一个临界点，机器自己迭代的速率高于人类了。一番，你们是怎么训练数据闭环的？
一番：在自动化工作流里，当 Agent 没达到水平时，不管是通过 Prompt Engineering 还是为特定场景搭建 MCP（Model Context Protocol），实际上你是在给数字员工搭“脚手架”。就像新员工入职，你要先同步公司上下文（我们在做什么），然后提供工具，告诉他用户数据在哪看。总结出来就两方面：第一是上下文同步；第二是特定工具的使用权或数据的提供。我们会专门为了 Agent 搭建基础的数据获取设施（比如把平台的干净数据打包成 MCP 或 Skills）交给数字员工。这种 AI 基础设施的搭建，可能是后期竞争力的重要一点。
华融琦：既然都讲到了 AI 闭环，有个投资人爱问但创业者讨厌的问题：如果这套东西能被标准化，就意味着可以被复制。你们觉得在内容这个行业里，你们的壁垒到底在哪？我个人比较悲观，觉得线上信息已经完全挤占了注意力，也许只有回到线下才能燃起注意力。针对这种低壁垒情况，大家怎么应对？先请 Ray。
Ray Luan：投资人问护城河，我会说我没有任何护城河，这本身是个愚蠢的问题。在 AI 时代，大模型能力涨得极快，两三个月就能赶上你纠结的壁垒。我的壁垒在于：第一，思维惯性。我相信 AI，而越是技术强的人越不敢用，怕 OpenClaw 偷数据，这种惯性本身就是壁垒。第二是速度。有人问花时间搞 OpenClaw 万一过两天被新工具替代怎么办？我不考虑这个，因为在这个过程中沉淀的 Know-how 是不会丢的。第三，我过去在出海 Social Media Marketing 上的 Know-how（比如 Facebook 私域运营）沉淀到了 OPC 的 Skill 技能包里，这是别人抢不走的。每个人把自己的 Know-how 沉淀进去就能很好地竞争。
华融琦：有点像完全竞争市场，大家做小生意年收 100 万美金也够了，防守大于进攻。
Ray Luan：整个 Agent 市场是个长尾市场，每个人都有自己的生态位。大厂去把降本的事情做好，我们中小企业把擅长的东西沉淀到数字员工身上就行。
华融琦：Sawyer，如果大厂（比如 Google 收购的 Character.ai）也来继续大力搞情感陪伴赛道，你们的壁垒在哪？
Sawyer：核心还是信任感。随着年龄增长，人信任一个事物的成本极高。如何让用户真实地信任你？核心点在于交流的深度、触点的频率，以及记忆的沉淀。给用户提供 Aha moment，让他感觉情绪价值极高，逐步增加频率和粘性，最终达到极高的信任，这是最核心的壁垒。一旦所有记忆数据都留在产品里，除非遇到能强行迁出 Memory 的竞品，否则用户自然不会迁移。
华融琦：Bella，如果是大厂拉着头部的博主（比如野兽先生）也来做你这块呢？
Bella Ren：社媒如果能做好，很大程度上是因为个人的网感，这件事很难被标准化。潮流永远在变，我自己的体感是，一个火的脚本最多持续一个半月就会变。即便野兽先生来做，如果大家都用一样的脚本，流量很快就不值钱了。而且未来人们会愿意去相信一个人建立起来的个人 IP，这种 IP 带来的信任感和想象价值是非常重要的。
华融琦：OPC 人数少，想要占领心智和信任，怎么借助 AI 去做到传统大公司做的事？
Bella Ren：线上会更需要做这个，因为线上的内容一个人发出去就能触达非常多的人。你做 OPC 的同时，需要去构建自己的个人 IP，在社媒上输出价值观让更多人了解。
华融琦：一番怎么看？
一番：我觉得 OPC 这个组织形态是非常临时的。它只是让一部分有信息差的人获得了传统团队的能力。从长远来看，我们更应该思考如何把 OPC 当作理所应当的个人生产力范式后，去构建一个全新的组织结构。
华融琦：我们聊点轻松的话题，在座主要都是 00 后，或者服务 00 后。一番，针对 18-30 岁的女性群体（乙女赛道），你们有什么消费洞察或偏好观察？
一番：宏观来看，感觉现在 AI 行业的钱大都是投资人给的，很多做 B 端的公司并没有真正靠创造价值实现商业化盈利。所以我们在 C 端的思路是找一个比较 Niche（小众）的赛道。传统内容行业的头部效应很明显，大家都想把时间花在最好的内容上，导致小众亚文化的 ROI 很低。但 AI 作为一个降本增效的工具，支持了个性化内容的批量定制。有了成本优势和基于 ChatGPT 的 Memory 系统，我们发现它可以根据个人提供非常高价值的内容，这可能会带来内容领域结构上的变革。所以 AI 创业一定要放大自己的独特之处，去做特定的小众领域，这才是最珍贵的。
华融琦：Sawyer，你们在日本市场也是年轻女性用户多吗？有什么新观察？
Sawyer：对，女性占 60% 到 70%。日本土壤很好，因为有 IP 和盲盒文化。但日本人心理底层的压力很高，很怕去麻烦别人。我们的 Slogan 就是“不怕被打扰”，我们希望能多互动。日本年轻人很需要这种及时的情绪反馈，我们需要补足情绪价值，降低他们的防御力。一旦日本用户认可你的产品，他后续的付费意愿和粘性都非常高。
华融琦：隐喻了日本压抑的商业社会，需要情绪出口。那么 Bella，北美是那种比较外向直接的市场，你们给那边的年轻群体做营销时有什么有趣的观察？
Bella Ren：核心还是抓住他们最在意的痛点。我们当时那款产品传播那么广，就是集中打大学生“写作业很痛苦、上课理解不了”这些痛点。把它包装成故事，比如“不知道如何做 PPT 那么请用这个产品”，这样简单的视频就能跑到 40 万自然流，因为非常多学生都有这个需求。对职场或女性人群来说，她们可能就更需要情绪价值。
华融琦：场景化和病毒式的 Meme 模式是不是在年轻人中更容易传播？
Bella Ren：年轻人喜欢有趣的东西。比如我的钩子（Hook）会放“学生上课煎牛排”这种有意思的场景。像面临 Deadline 赶作业这种痛点，一旦被目标人群发现，大家都会有共鸣，纷纷转发给同学，就很容易变得 Viral。
华融琦：最后请 Ray 总，你之前的客户偏成熟，目前有什么关于年轻化的观察？
Ray Luan：我的客户年龄在 25-40 岁之间偏高点。但最近我有一个感触：我不看好在 AI 时代做效率工具产品。随着大模型发展，所有效率工具（包括我自己的）都将一文不值。在 AGI 实现之后，人类本身在效率上是没有价值的，未来的 AI 应该是 Agent 之间互相通讯。人类最终唯一能提供的，就是情绪价值。因为人和 AI 最大的区别是人类有情绪，而 AI 极其理性。所以我筹划的下一个产品是用 OpenClaw 做一个虚拟男友给年轻女性用。
华融琦：NPC（No-Person Company 无人公司）什么时候会取代 OPC？马斯克说今年要实现第一个完全由 AI 控制的商业公司，你觉得呢？
Ray Luan：我觉得很快，可能 3-5 年。人类的效率太低，我觉得不跟人打交道是最快乐的事情，应该都由 AI 来治理。人类就拿 UBI（Universal Basic Income），只负责提供情绪价值就好了。
华融琦：一番，你觉得 NPC 会把你干掉吗？
一番：AI 可以面向一个目标无限自我迭代，但目标本身的制定是带有价值判断的。这个价值判断暂时没法让 AI 自己去做。
华融琦：但比如目标就是挣钱，为什么不能让 AI 来判断？设定一个奖励函数，尽可能地赚美金。
一番：像我们面向的乙女用户，她们会对人与人之间的连接很敏感，一旦发现是假的或者只是纯粹为了赚钱，她们会很生气，她们需要真实的人类价值判断和情感。
华融琦：Bella，自媒体这行感觉很容易被 NPC 替代？只需让 AI 去接单、发内容、起号赚钱。
Bella Ren：它确实能帮你更快地在渠道赚到钱，但我一直在思考，有些账号露脸，有些不露脸。我感觉露脸的真人账号在未来反而会更有价值。
华融琦：真人的价值永恒。最后请问 Sawyer，最后人类会被情绪价值极高的“猫”占领吗？
Sawyer：这倒不会。但未来这种真实的 AI 确实可以给到极高的情绪价值，它甚至可以超过你自己任何的想象，带给你的满足感甚至大于很多物质的东西。不管是这种多巴胺的分泌也好，或者是内啡肽也好。对，但是还有一个点，就是刚刚前面提到时，我想到一个很好的例子。其实 AI 很大的一个核心点是它的不可控性。因为比如说刚才提到的，如果全部交给 AI 来处理，那可能就像“奥创”的概念一样——就是毁灭。因为人对世界是有伤害的，物质也好、石油也好，人类对世界的消耗是带有伤害性的，但 AI 没办法做这个价值判断，AI 可能会觉得“没有人是最好的”。因为机器是可以完全抛开伦理不讲的，它的确是可以完全代替人类的，但是风险点就是完全的不可控。包括其实现在做的很多类人型的机器人，其实大家还是会对这方面有一些担忧，我觉得。
华融琦：虽然说不可避免地落到了价值讨论上，但我觉得整体上来讲，面对目前 OPC 和大厂之间的竞争，在座各位都可以用一些比较灵活的打法。至少把自己的一亩三分地维护好，对，至少应该比我们在离职之前赚得多，我相信这应该是我们可以做到的。当然我没有劝大家离职啊，祝你们公司继续成功做下去。