没技术含量的项目，凭什么被巨头争抢

2026年2月，一个让开发者困惑的消息：OpenAI 收编了 OpenClaw。

困惑的点在于——这项目看起来没技术含量：调用 LLM API、连 WhatsApp、操作文件，哪一项不是现成的技术？凭什么 Meta、xAI 都要抢，扎克伯格亲自下场？

更让人不解的是，Peter Steinberger 本人也说：这只是一个周末业余项目，用 Codex 几个月就写出来了。

如果技术不是重点，那巨头到底在抢什么？

一、一个反直觉的开场

在回答这个问题之前，让我们先看一个有趣的平行案例。

Sam Altman 在回顾 OpenAI 十年历程时说过一句话：

“我觉得站在创新前沿的代价就是你会犯很多蠢错误，因为你深陷战争迷雾之中。”

这句话看似在解释失败，实则揭示了创新的本质——真正有价值的发现，往往来自"在黑暗中摸索直到找到光"。

OpenAI 的成功产品 ChatGPT，按 Altman 自己的说法，“确实是个意外”。他们原本计划用 GPT-4 发布聊天产品，但担心"同时推出会像是通过了图灵测试"，才先用 GPT-3.5 试水。

这个"意外"改变了世界。

这个故事和 OpenClaw 有什么关系？

关系在于：两者都揭示了一个被忽视的真相——在 AI 时代，技术正在快速商品化，真正稀缺的是对场景的洞察力。

二、Peter 的选择：一个清醒的判断

2026年2月14日，情人节。Peter Steinberger 在博客上宣布加入 OpenAI。

很多人困惑：OpenClaw 不是正火吗？GitHub 19.6 万颗星，三个月。三大云争相上线一键部署，网易直接推出国产版。整条产业链两周内形成。

这么火，为什么要走？

Peter 的解释是：他想让他妈妈也能用上 Agent，加入 OpenAI 是最快的路。

这个解释很坦诚，但它掩盖了一个更深的逻辑：OpenClaw 所在的那一层，正在被吸收。

不是 OpenClaw 不好。恰恰相反，正因为 OpenClaw 太好了，它证明了"个人 Agent 编排"这件事是可行的，于是 OpenAI、Anthropic、Google 都开始亲自下场做同样的事。

当最顶级的玩家开始认真做一件事，独立创业者就没有空间了。

Peter 选择加入 OpenAI，某种程度上是一个清醒的判断：与其在一个正在被吸收的层里继续建造，不如去更高的地方。

三、竞争的三层结构：哪层是机会，哪层是陷阱

大多数人没有意识到，他们在哪一层竞争，决定了他们的命运。

Sequoia Capital 对 Agent 价值链做了一个清晰的三层分析：

第一层：基础层

这一层正在快速商品化。OpenAI、Anthropic、Google、Meta 在这里竞争，开源模型不断拉低价格上限。两年内，百万 token 的成本下降了 90% 以上。

这一层不是创业机会。 不是因为它不重要，而是因为它的竞争逻辑是规模竞争，需要的资源量级不是创业公司能匹配的。

第二层：编排层

这是现在最热闹的一层，也是最危险的一层。

LangChain、LlamaIndex、各种 Agent 框架都在这里竞争。OpenClaw 也在这里。这一层解决的问题是：如何让 Agent 更好地规划任务、调用工具、保持记忆、协调多个子 Agent。

问题是：这一层正在被基础层吸收。

Agent 的进化史，就是脚手架不断被内化回模型的历史：

• 推理模型出来，催生了第一批 Agent 产品
• 这些产品跑出了数据，数据训练了更强的模型
• 更强的模型把之前需要脚手架才能做到的事情内化了进去
• 然后又催生了新的脚手架需求，循环往复

The Information 的分析直接点出了这个问题：

“编排层是一个陷阱。所有人都在抢编排层，但这一层会在 18 到 24 个月内被模型厂商吸收。”

OpenClaw 的故事是最好的证明。它在编排层做到了极致，然后创始人被 OpenAI 收编，项目转入基金会。这不是失败，但也不是独立的胜利——这是编排层玩家的典型命运。

第三层：应用层

这才是真正的机会区！

a16z 在分析历次平台转型时发现，每次人们都预测基础设施会捕获所有价值，但每次都错了。

• PC 时代：微软赢了操作系统层，但 Oracle、SAP、Salesforce 在应用层捕获了巨大价值
• 移动时代：苹果和 Google 赢了平台层，但 Uber、Airbnb、Instagram 在应用层捕获了巨大价值

a16z 的预测：应用层将产生比基础设施层更多的百亿美元公司。

但应用层的竞争不是"做一个 AI 版的 XX"，而是深度嵌入特定场景，建立只有在那个场景里才能积累的东西。

四、被忽视的真相：场景洞察力

回到开头的问题：Peter Steinberger 看到了什么，你没看到？

洞察一：入口选择

2024 年底，AI 圈在讨论什么？

• 模型参数规模
• 推理能力上限
• AGI 什么时候到来

所有人都在盯着"AI 能做什么"。

但 Peter 问了一个不一样的问题：“普通人想要用 AI，门槛在哪里？”

答案看起来简单：普通人不会为了用 AI 去下载一个新 App。

他们生活在 WhatsApp、Telegram、微信里。

所以 OpenClaw 的第一件事就是：不做一个新的聊天 App，而是让 AI 长在用户已有的聊天工具里。

这不是技术问题，是对用户行为的深度理解。

洞察二：从"能回答问题"到"能干活"

用户真正想要的不是 AI 帮他"回答问题"，而是"把事情做了"。

Sam Altman 也意识到了同样的趋势：

“我更兴奋的是弄清楚如何为一个非常棒的自动化软件工程师向人们收取高价。”

AI 的价值不在于聊天，而在于行动。

洞察三：信任的建立方式

让 AI 帮你"干活"，需要信任。

信任从哪里来？不是从技术白皮书，不是从安全认证——是从日常相处。

OpenClaw 让 AI 以"一个联系人"的身份出现在你的 WhatsApp 里。你跟它聊天，它帮你做小事。慢慢地，你开始让它做更大的事。

这不是刻意设计的安全机制，而是顺应人类建立信任的自然方式。

五、意图层：新的竞争焦点

理解了三层结构，还需要理解一个更深的竞争逻辑。

Ben Thompson 在 Stratechery 上提出了一个关键洞察：Agent 时代的竞争，本质上是对"意图层"的争夺。

• 搜索时代：Google 控制了"查询"——你搜什么，Google 就知道你想要什么
• 推荐时代：抖音控制了"推荐"——你喜欢什么，抖音比你还清楚
• Agent 时代：谁控制了"意图"——你想要什么，在你把它转化成具体任务之前的那个原始需求

Thompson 的原话是：

“最接近用户原始意图的 Agent，对它下面整个技术栈都有最大的杠杆。”

这就是为什么 YC 的 Gary Tan 说，YC 的 slogan 或许该从"做人们想要的东西"改成"做 Agent 会选的东西"。

Agent 选什么，背后是意图层的竞争。

但 Agent 时代的意图竞争和搜索时代有一个根本区别：意图需要持续的关系和上下文，不是一次性的查询。

这意味着意图竞争不是赢者通吃，而是每个场景里赢者通吃。你的工作 Agent、你的健康 Agent、你的财务 Agent——不同的玩家可以在不同的场景里获胜。

六、真正的护城河：什么是模型永远吸收不了的

大多数人以为的护城河，其实不是。

• 技术领先不是护城河——模型会追上来
• UI 体验不是护城河——容易复制
• 先发优势不是护城河——没有数据飞轮的先发，只是先死

真正的护城河，是模型永远吸收不了的东西：

1. 专有的真实世界数据

不是公开数据，是你在业务运转过程中自然积累的、别人拿不到的数据。关键不是"有数据"，而是"有一个越转越快的飞轮"。

2. 已建立的用户信任

Gartner 调查了 500 个企业 CIO，第一大障碍不是技术，是信任。信任是时间的函数，不是算力的函数。

3. 监管关系和制度性壁垒

金融牌照、医疗准入不会因为 AI 消失。当所有人都"能做"的时候，“被允许做"反而成了真正的筛选机制。

4. 物理世界的嵌入

AI 的能力在数字世界里几乎无限，但一旦涉及物理世界，它就需要"身体”。你在某个城市铺设的服务网络不能被复制。

5. 组织上下文和记忆积累

这是最被低估的一个。

一个运行了 6 个月的 Agent，积累了三种记忆：情节记忆、语义记忆、程序记忆。竞争对手无法通过提供更好的模型来复制这些。

这五样东西，有一个共同的底色：它们都需要"时间 × 真实性"才能长出来。

AI 可以把生产压缩到零，但它压缩不了生长。

七、时间线：窗口比你想象得短

把所有分析整合成一条时间线：

2026年：工具混战期（现在）

特征是所有人都在做 Agent，门槛极低，同质化严重。

死亡模式很清晰：功能堆砌、没有场景深度、被模型原生能力覆盖。

这一年，大多数 Agent 创业公司会死。 因为位置错——站在了编排层，或者站在了模型和用户之间当搬运工。

2027年：场景卡位期

混战结束，垂直场景开始出现领导者。数据飞轮开始转动。

Bessemer 的警告：

“垂直 Agent 市场将快速整合。在大多数垂直领域，只会有 1 到 2 个赢家。建立领导地位的窗口是从现在起的 12 到 18 个月。”

2028年：生态整合期

场景领导者开始横向扩张，Agent 之间开始互相调用。孤岛型 Agent 会面临生存危机。

2029年：成熟市场

3 到 5 个主导平台，加上众多垂直专家。

八、定价革命：你在和谁竞争

还有一个维度，大多数分析都忽略了。

大多数人以为 Agent 公司在和其他软件竞争。这是错的。

Agent 时代，定价逻辑从"按座位收费"转向"按结果收费"。

• Harvey 按文件收费
• Cognition 按任务收费
• Artisan 按预约到的会议收费

这意味着 Agent 公司不是在和软件竞争，是在和人力成本竞争。

Goldman Sachs 的分析：AI Agent 的总可寻址市场是 4.1 万亿美元——相当于当前全球知识工作者的劳动力市场。

竞争框架因此发生了根本性的转变：不是"哪个软件功能更好"，而是"谁能更好更便宜地完成这项工作"。

九、写在最后

OpenAI 买 OpenClaw，买的不是一个技术项目。

买的是一个人对场景的洞察力。

这种洞察力看起来"没技术含量"，因为它确实不需要写很多代码。

但它需要：

• 放下对技术的痴迷，去观察真实的人
• 做看起来"不够酷"的选择，因为那是对的选择
• 在所有人往一个方向跑时，敢于往另一个方向看

未来十年，AI 技术会越来越容易获得。

模型会更便宜、API 会更强大、工具会更丰富。

真正稀缺的，是发现场景的眼睛。

而对创业者来说，最关键的问题是：

你在建造的东西，18 个月后会不会被模型升级覆盖？

如果答案是"会"，你在建造的不是一个公司，是一个功能。

如果答案是"不会"——恭喜你，你可能找到了那个需要"时间 × 真实性"才能长出来的东西。

那才是真正的护城河。

P.S. Peter Steinberger 说他"从没想过这个玩票项目会掀起这么大的波澜"。Sam Altman 说 ChatGPT “确实是个意外”。这两个"意外"背后，是同一个道理：

最好的产品，往往不是为了成为产品而做的。

它是为了解决自己的问题而做的，只是恰好，别人也有同样的问题。

但选择什么时候加入大厂、什么时候继续独立——这需要的不是运气，是清醒的判断。Peter 做出了他的选择。你呢？