当投资人姜海舟将OpenClaw视为‘数字同事’时，他发现AI并非即插即用的工具，而是一个需要重症监护的数字生命体。文章基于70天的真实‘急诊’经验，犀利指出企业AI化的瓶颈不在模型本身，而在于未被数字化的隐性经营信息。本文将带你透视如何构建分层记忆体系，重塑‘钉耙型’组织，并理解为何在仅剩的3到6个月窗口期内，先让经营过程数字化的人将率先赢得AI时代。

企业AI化的窗口，可能只剩3到6个月。

两个月前，姜海舟接触到了OpenClaw（俗称“龙虾”）。现在，他可能是投资圈“玩虾”经验最丰富的人之一。但是对于普通用户在本地“养虾”，他的态度是“劝退”。

姜海舟是恒海奇点（家办）创始人，他的履历横跨银行、互联网创业、股权投资与量化投资：从广发银行到奇点金服，再到环游世界后的投资转型，他长期在“效率系统”和“资金系统”之间穿梭。

过去70天，他将这种对系统的敏感度，投入到一个更不稳定的对象中——基于OpenClaw构建的AI Agent协作系统，并亲自参与搭建、调试与“抢救”。

在4月3日「甲子光年」举行的一场内部分享活动中，姜海舟进行了一次“非标准意义的技术讲解”：尽管他现场展示了OpenClaw的能力，但更多的时间，他是作为一线实践者在进行“事故复盘”——系统崩溃、记忆失效、流程错乱，而一间被他反复提及的“AI急诊室”，成为理解企业AI化当下阶段的关键隐喻。

在这间“急诊室”里，只有三样东西：一台远程Mac mini，一堆运行中的AI Agent，以及一个随时准备“心肺复苏”的人类操作员。正是在这个极端环境下，他逐步验证了一个核心判断：企业AI化的瓶颈，不在模型能力，而在信息结构与组织方式。

在“养龙虾”热潮之中，“急诊室”这个比喻尤为关键。它揭示了一个常被忽视的事实：AI系统（包括OpenClaw）不是部署完成即生效，而是一个需要持续监控、不断修复、逐渐驯化的生命体系统。人们看到的“智能”，往往是大量“抢救”之后的结果。

也正是在这种不断出错与修复的循环中，一套关于AI记忆体系、组织形态与业务结构的认知逐渐清晰。姜海舟将其总结为四个判断：

• AI不是没能力，AI是没信息；
• “眼高手低”的人赢了；
• AI不是用来裁人的；
• 吓尿点比你想象得近。

他还进一步推导出一个更具紧迫感的结论：企业AI化的窗口期，可能只剩3到6个月。

以下为恒海奇点（家办）创始人姜海舟的分享要点，内容由姜海舟的AI助手整理，经姜海舟授权发布。

大家好，我是姜海舟。

2015年，一个叫Tim Urban的人在Wait But Why上写过一个概念——Die Progress Unit：把一个1750年的人带到2015年，他会被吓死；但带到1780年，他只觉得有点新鲜。差别不在于时间跨度，在于技术进步的速度是否超过了人的适应阈值。

过去，跨越一个“吓尿点”需要几百上千年。现在这个间隔正在急剧缩短。

我不确定下一个临界点到底在什么时候。但过去70天，我在一间急诊室里亲手摸到了加速的手感——这间急诊室只有三样东西：一台放在日本的Mac mini，一堆跑在OpenClaw上的AI Agent，和一个经常深夜远程登录给系统做心肺复苏的人。

以下是我在这间急诊室里确认的四件事。

01 AI不是没能力，AI是没信息

先说一个可能让很多人不舒服的判断：过去十年我们做的那些数字化，放在AI时代来看，是不够的。

CRM记录成交了几单，ERP记录物料和流程，审批系统记录签了哪些字。这些当然重要，但它们记录的是业务SOP的系统化——流程走了什么，结果是什么。

AI Agent需要的是另一层东西。

它需要知道：这家公司最近在讨论什么方向？上周会议谁说了哪句话改变了决策？这个客户和谁的关系好？那个约定俗成但从来没写进文档的规矩到底是什么？这家公司的三观和方法论——碰到争议时怎么判断？

这些信息没有一个传统系统在记录。它们活在人的脑子里、饭桌上、走廊里随口说的一句话里。

AI Agent是一支无所不能的机械化智能军团，大模型就是每个机器人的大脑。但这支军团脑子里没有你公司的任何原始信息。你不喂给它，它不知道要干什么，也不知道怎么判断。

为什么AI看起来聪明、做起来很笨？缺少经营过程的数字化信息

我有一个非常具体的验证时刻。

3月底股东会前一天晚上，我把大纲发给AI，让它帮做PPT。初版太薄，我让它补。然后它做了一件我没预料到的事——把我们过去沉淀的所有材料翻了出来：会议纪要、财务数据、活动方案、公众号文章、视频采访。自己识别，自己归类，自己补进对应板块。

几轮之后，文字稿扎实了很多。然后它说了一句：“第二部分内容比其他板块单薄，你还有没有补充材料？”

这不是执行器会说的话。它开始理解目标、理解交付质量、发现结构缺口。那天它表现好，是因为之前的信息沉淀做得还行。换一家什么都没数字化的公司，同样的模型，只能给出空洞的回答。

它不只是在执行，它开始参与判断——这是协作者才会说的话

但反过来也有教训。早期它经常失忆——昨天说好的事今天不知道，上周聊过的结论这周重新问。我本来记性就差，两个人互相等对方记事，最后谁都记不住。有一次它甚至忘了写当天的工作日报。

后来我们硬生生把记忆制度化了：每天必须写日报，新session先读近期记录，犯过的错写成长期规则，重要决策逻辑存进可搜索的结构。三层叠起来，它从金鱼变成了老朋友。

三层记忆体系：日报层→规则层→历史召回层，协作成本越来越低

过去做数字化，是把流程装进系统。现在做AI化，是把经营过程装进AI。

什么叫全面数字化？开会全程AI录音转文字；所有业务规则、方法论、企业三观写成文档；每个重要客户、合伙伴、团队成员的信息建成结构化档案；所有约定俗成但没写下来的事，写下来。AI知道的越多，越强大——这不是抽象的说法，是直接的因果关系。

02 “眼高手低”的人赢了

第二个判断是反直觉的。

以前“眼高手低”是贬义词——思维强、判断好、有方向感，但执行跟不上，在传统组织里往往吃亏。AI Agent彻底改变了这个逻辑。

它最擅长什么？搜集资料、整理信息、跟进进度、写初稿、做调研、结构化输出、监控重复任务——全是“手”的工作。那个脑子好但手不够快的人，突然有了很多只手。

这不是假设，我自己就是活例子。

股东会那次之后，再做给CEO的分享材料，速度快了一个量级。因为AI已经开始知道我怎么看问题，讨厌什么样的废话，什么信息对特定受众有用。就像人和人的合作——新同事刚来你得带很久，但合作久了，他知道你的标准，边际成本越来越低。

我懒得每天自己点咖啡，就让小龙虾做了个瑞幸自动下单的工具。第一次稳定跑通要90秒，后来一轮一轮调，最终压缩到我说“来一杯咖啡到家里”，到收到下单截图，整条链路28秒。这个迭代意义省的不是那每次几十秒——而是它证明的是：一个系统从不能用到能用到好用，是被打磨出来的。你在最不好用的时候放弃，就永远得不到后面的顺滑。

这种反常规的“眼高手低”者能力大幅加强会带来组织形态的变化。过去是金字塔：少数人想，多数人执行。往后会变成一种我叫做“钉耙型组织”的形态——脑袋变大，手脚被Agent承接。真正值钱的，是能想清楚方向、能设计系统、能判断什么时候信AI什么时候不信的人。

所以一人公司不是噱头——一个人真的可以做到以前需要一个团队才能完成的量。

组织从金字塔走向钉耙型：脑袋变大，手脚由Agent补强

03 AI不是用来裁人的

讲完上面那段，很多人第一反应可能是：那就把执行层裁掉，换AI。

我们的真实经验，方向完全不是这个。

我们有家被投企业有个痛点：客户很多，服务同事有限，消息都沉在个人微信里，几分钟不回就掉体验。后来我们搭了一条完整链路——微信消息监听→AI理解意图→生成回复→桌面端发出→确认送达。先是能回，再是能稳，然后往业务深处走：接库存、接订单、接价格变动提醒、接财务对账、接群聊多线程识别。它从“微信客服”慢慢变成了整个业务的神经中枢。

AI成为业务系统的神经中枢，但人的信任和责任感无法替代

但我们没有裁掉任何一个真正懂客户关系和深刻业务理解的人。

因为他们做的是托付——客户信任这个人，是因为这个人出了问题会站出来，愿意为结果负责，懂这个生意里只有做了很多年才知道的细节。这件事没有办法被写成代码，也没有办法被一个新来的“AI指挥官”在两个月内学会。

AI替代的是动作，不是托付

AI替代的是动作，不是托付。替代的是执行，不是信任和责任。

所以我们的策略是两条腿同时走：引进和培养具备AI原生思维的人——能用AI放大判断力，成为真正的AI指挥官；同时识别出拥有不可替代品质的团队成员——信任、责任感、深度业务理解——给他们补上AI技能，让他们如虎添翼。

这两类人都是接下来最值钱的。缺任何一类，企业AI化都会跑偏。

04 吓尿点比你想象得近

最后说时间。

过去70天，我亲眼看着这套系统每周发生跳变。不是渐进改善，是断层式变化。

• 最开始答应我“明天九点自动下单瑞幸”，第二天什么都没发生——不是崩了，是承诺只存在会话记忆里，session一关就消失了。于是我们搭了整套基础设施：模拟器保活、LaunchAgent KeepAlive、watchdog探活、真正写入cron。一周之后它从“会一次”变成了“能反复”。
• 最开始所有定时推送晚了8小时，没有任何报错——因为设备在海外小龙虾默认用本地时区，但我写任务时想的是北京时间。完全沉默的失败，没人发现。
• 最开始上下文监控程序静默挂了好几个小时——因为OpenClaw升级后状态显示多了一个emoji， Context： 75k/200k，正则没匹配上，监护仪直接变摆设。
• 日报被误发到另一个用户那里——同一台机器跑着两个Agent，脚本查“当前用户”时查串了。多Agent共存，系统根本不知道自己在替谁说话。
• 但到昨天为止，我和产品负责人分别在两个城市的Mac mini第一次通过内网互相发任务——AI和AI开始握手了。AI之间开始交换经验教训和迭代升级，我们的AI中枢开始形成并应用于工作流。

技术变化不是线性的，是断层式的

变化不是线性的，是断层式的。

Tim Urban描述的DPU间隔正在急剧缩短。我不知道“吓尿点”具体是哪天，但我感受到的节奏是这样的：等你想清楚了，局面已经变了。等你选好了工具，工具已经迭代了。等你做完了培训，培训的内容已经过时了。

我给这个窗口设置了一个期限：3到6个月。在窗口关闭之前，你必须积累好四样东西：

1.能驾驭AI的思维方式 —— 不只是会用工具，是理解AI的能力边界和信息边界

2.适配AI时代的商业模式 —— 业务设计本身要能承载AI参与，不只是在旧业务上贴AI功能

3.扎实的业务积累 —— AI放大的是你已有的判断和信息，你自己空洞，AI也帮不了你

4.对的团队 —— AI指挥官和拥有不可替代品质的业务骨干，这两类人都不能少

四个核心判断——企业AI化必须积累的四样东西

等“吓尿点”真的到来，不是AI把你吓到。是你发现身边那个之前和你差不多的竞争对手，已经用AI把经营方式重写了一遍——而你还在研究该选哪个工具。

先干的人先长手感。先把经营过程数字化的人，先获得AI的真实能力。先让团队从执行者升级为AI指挥官的组织，先赢。

窗口就这么宽。

碳基做碳基的事，硅基做硅基的事——分工而非替代

*本文部分文字内容由AI生成

（文中PPT来源：姜海舟）