AI硬件大爆發，阿里云卡什么位？

不知道你是否注意到了，在過去一個季度里，一級市場上跑出了兩個明顯的趨勢。

一個趨勢來自于資金端，在募資端經歷了長達10個季度的冷淡行情后，突然迎來了小陽春。以紅杉高瓴IDG為代表的老牌美元基金紛紛開啟了金額動輒高達數十億美金以上的募資行動，而其他市面上諸如Monolith、源碼、黑蟻等相對年輕的廠牌基金也都不斷傳來募資成功的好消息。整個一級市場，從資金層面一下子就活絡起來了。

另一個則是投資端。一方面，在最近一個月內曾經重倉的芯片和大模型賽道，接連創造了一個又一個市值規模超數百億甚至千億的IPO或者并購退出交易，一級市場的投資信心又一次被激活了。

另一方面，在過去一個季度里市場上成功交割的項目數量相較于以往指數級成倍增長，各種夸張說法在市場上瘋狂傳播，例如某頭部美元基金在12月被傳交割了30多個項目，平均下來每天都不止一個。

而分析這些新獲得融資的項目所處的賽道類別來看，你會發現一個驚人的事實，那就是70%以上的項目都是硬件項目。也就是說，一級市場的資金都在瘋狂地砸向硬件，這個原本被認為是命中率極低賽道突然之間就支棱了起來。

AI硬件潮來臨

1月8日，阿里云在被譽為深圳源起之地的蛇口海上世界，舉辦了一場智能硬件展。

從天上飛的Evote到地上跑的新能源汽車，從帶有攝像頭的AI耳機到陪伴兒童的AI萌寵，從席卷全球的激光雕刻機到創意無限的消費級3D打印機，從能歌善舞的人形機器人到風格迥異的AI眼鏡們，市面上熾手可熱的AI硬件賽道各個垂類的產品都在這個展中被呈現了出來，這些新物種都接入了同一個“大腦”，就是阿里千問模型。

可以說，阿里云的這個展某種程度上就是整個中國AI硬件產業發展現狀的縮影。這種繁榮現象的背后，其實暗藏了影響硬件產業的4條關鍵發展脈絡的交匯與耦合共振。

最直觀的是，AI大模型能力的快速提升，使得硬件的多樣性和想象力被極大的豐富。這個層面會存在兩種完全不同的情況。第一種，AI能力使得原本很多硬件的體驗被改變，場景價值被深化，值得用AI來重新做一遍。用阿里云通義大模型業務總經理徐棟將其比喻為“（場景價值）體驗的一個延長線”。例如錄音筆和攝像頭等都是很具象的例子，原本的功能就是將捕捉音視頻并將其結構化數據存儲起來，以便以后查詢使用，而有了AI后這個基礎上可以主動去挖掘這些數據的價值，可以幫使用者轉譯、整理、甚至生成腦圖和標注重點。AI硬件賽道的熱門項目Plaud就屬于這種情況。

另一種則是伴隨AI大模型而產生的原本并不存在的硬件產品品類，一般將其稱之為AI native硬件或者原生AI硬件。從最早的AI pin和Rabbit，到現在AI萌寵或陪伴機器人等，隨著模型能力的提升和場景的收斂聚焦，這類型的產品應用價值也開始慢慢顯現出來。

第二條線則是伴隨著關鍵性技術或者產業鏈發展，使得原本不太可能造得出來，而現在卻可以突破的硬件產品。例如智能戒指的出現，離不開一種叫做弧形電池的關鍵元器件。比如Rokid或者阿里的夸克眼鏡這種帶透明顯示AI眼鏡產品，離不開芯片成熟工藝對表面浮雕衍射光波導和MicroLED顯示芯片這兩個最關鍵半導體元器件的加持。

另一個關鍵要素則是來自于人，隨著中國過往硬件產品和產業鏈的發展，以深圳為典型代表的城市中，沉淀發展出了一批在硬件產品工程領域頗為優秀的年輕人才。其中以大疆的人，在一級市場中頗受追捧，去年四季度有新聞報道說，投資機構以2000萬天使輪為條件在大疆樓下擺攤撈人創業。盡管個人認為有夸張成分，但足以說明大疆人才的受歡迎程度。另外數據也在佐證這一點，在這個階段硬件被投項目中，創始人背景出自大疆等大廠的比例很高。

為什么一級市場的錢在這個節點點火，比較公允的說法是，從AI大模型的投資節奏來看，前年投基礎模型，去年投應用，今年就輪轉到AI硬件了，從資金來源來看，這批基金的募集時期大多在2020、2021年前后，受疫情影響延緩了投資節奏，積壓到現在出手會比較迫切。但硬件創業者們更偏向于一個更現實的說法，那就是諸如Plaud等火熱的項目，已經證明了AI硬件的商業價值，結果已經擺在那里了，投資人怎么都擠不進去，誰也不想再錯過第二個Plaud。

人、關鍵產業鏈、AI大模型，這三條線就或明或暗的相遇在了這同一個歷史階段碰撞耦合，再碰上一級市場的錢如火星般地涌入，使得硬件市場這一原本長周期、低成功率的賽道被突然點燃，AI硬件的浪潮就這么襲來了。

硬件和AI的鴻溝

隨著AI硬件的爆發，硬件產業擁有了全新的想象空間和市場空間，但是同時也給硬件產業和從業者帶來了全新的挑戰。

一面是AI硬件從硬件的產品定義和形態設計上會呈現出更多的多樣性，尤其是很多都屬于創新品類的產品。硬件產業鏈從芯片、工藝制造到整機組裝等各個環節，都得花足夠的時間和精力去探索全新品類的全新要求，例如在AI眼鏡的整機組裝上，即使到現在，一些消費電子產業擁有領先組裝口碑上組裝廠所拿出的產品，也依舊難逃廉價的塑料感。

硬件的工藝，總歸是可以通過時間來不斷試錯進步的。但是在軟件層面，單單大模型在軟件端的簡單應用，就已經是很多硬件從業者不得不面對的門檻，更不用提一些復雜深層次的應用了。

軟硬件能力的疊加要求，使得AI硬件的門檻水漲船高。從前年開始，硬件市場快速造富了一批專門從事幫助硬件中小品牌接入AI大模型的業務團隊。例如，有軟件團隊自己開發一個接入大模型能力的app，實現對話、翻譯、備忘、識別等常見AI功能。然后，將這個app通過license的方式兜售給硬件品牌，硬件通過這個app，從而實現變成名義上的“AI硬件”。

這種方式顯然存在明顯的弊病，最直觀的是功能難用，這種app并不為某一單獨設備或者場景做細節優化，通過一款app就要適配耳機、眼鏡、音箱等等非常多類型的設備，功能充其量就是能通，實在難言有用。其次是用戶和數據的歸屬存疑，軟件開發者往往希望將硬件的使用者變成app的用戶，從而在這種業態模式下增加其app的競爭力與議價權。

當然，最難接受的還是成本考量，這種app的license單臺報價通常在5元，最貴的甚至能到20元。也就是說，對于硬件廠商而言，在這種模式下，不僅要付出高額的成本，還得幫別人做用戶與數據，最終收獲卻是一個功能實在是雞肋的所謂AI app。

不合理的方式能夠長時間的存在，對很多人來說顯然這是不得已的選擇。

多模態交互開發套件的破局

顯然，如火如荼的AI硬件產業鏈，需要一套低開發門檻，功能場景豐富，高質量效果輸出的AI接入方式。

1月8日，在阿里云通義智能硬件展上，阿里云發布了多模態交互開發套件。這是一套集成了千問、萬相、百聆三種模態通義基礎大模型的開發套件，將十多款生活休閑、工作效率等領域的Agent和MCP工具預置其中。一舉切中AI硬件賽道的痛點，在市場引起了很大的討論熱度。

這背后主要有這么幾點原因。首先是功能場景的豐富。隨著AI硬件的發展，攝像頭、麥克風、揚聲器等多種傳感設備，在不同產品類別的排列組合有極大的差別，不同的硬件對模型的能力要求也千差萬別，對于平臺而言，套件中既需要能滿足單一模態的交互需求，又要求能提供橫跨視頻、語音、文字的多模態交互體驗。

阿里云的多模態開發套件的能力體現，不僅在能聽、會看，還能思考并且與物理世界交互，而且能垂到不同硬件類別中都有很好應用體驗，諸如AI眼鏡、學習機、陪伴玩具、智能機器人等。

其次是高質量的輸出效果。以在展會現場與阿里云達成戰略合作的聽力熊為例，它所做的AI硬件產品是一個能理解兒童獨特表達方式、有情感共鳴的AI成長伙伴。這個兒童交互的產品定位決定了其對AI的要求很高，不僅要聽得清，聽得懂，還有回得快，回得準，能理解情緒，能共鳴感情。高粘性和高使用時長的結果實證，足以證明基于阿里云多模態交互開發套件的的高質量輸出效果。

較低的開發門檻是當前硬件從業者們最現實考慮的因素。阿里云還在這一套件中預置十多款MCP工具和Agent，覆蓋生活、工作、娛樂、教育等多個場景，例如，基于預置的出行規劃Agent，用戶可直接調用路線規劃、旅行攻略、吃喝玩樂探索等能力。

此外，該套件還接入了阿里云百煉平臺生態，用戶不僅可以添加其他開發者提供的MCP和Agent模板，還能通過A2A協議兼容三方Agent。對于開發者而言，只需要簡單的“拖拉拽”就能實現復雜AI場景應用的開發，極大程度地擴展了應用的能力邊界，靈活搭建業務場景。

當然，最重要的還是成本的考量。以往大模型廠商對AI應用的計價方式以token為單位來衡量的，類似于水電燃氣的按用量計價。但是這種計價方式對于AI硬件廠商來說是極不友好的，因為要達成他們對于硬件用戶這種計量付費方式幾乎是不可能實現的。所以要么其預估其硬件生命周期內的token消耗量將其折價進硬件成本中，要么其實現對用戶的長尾運營，進而通過訂閱費的方式將成本收回。這些顯然對于硬件從業者來說都是麻煩了，最好的就是以往他們就熟悉的商業模式來進行。阿里云這次邁出了關鍵的一步，直接把門檻“砸”穿了，將計費模式從不可控的To-k-en改為更符合硬件銷售邏輯的“按設備Li-c-e-n-se”計費或低成本套餐。

更低的成本、更好的效果、更低的開發門檻，構成了阿里云多模態交互開發套件在硬件圈掀起不小聲浪的關鍵要素。

千問怎么就變成了AI時代的“Android”？

字節曾經推出過一款名為ola friend的AI耳機，而所謂AI耳機和普通耳機最大的區別就是其與豆包app更好的交互體驗。

具體的體現主要有兩點，其一是交互的低時延，其二是鎖屏狀態下豆包的喚醒與通信。

而不管是出于哪一點目的，都促使字節跳動在其首款AI硬件上做出了一個非常大膽且違背行業常識的嘗試：用越級的手表芯片恒玄2700去做一款耳機。對，你沒聽錯，就是用手表旗艦MCU去做耳機。

這說明了，要想在AI硬件上獲得很好的交互體驗，專門針對底層芯片的優化工作是必不可少的。

千問、萬相和百聆三款阿里通義家族模型都已是各個模態領域最強的模型之一，但阿里在模型商業化的探索上也走在了前列。例如，針對硬件場景，阿里云做了更深度和更廣泛的優化，這次發布多模態交互開發套件適配了30多款主流ARM、RISC-V和MIPS架構終端芯片平臺，滿足市面上絕大多數硬件設備的快速接入需求。下一步，更是計劃從更底層的芯片IP層面深度融合，與玄鐵RISC-V實現軟硬全鏈路的協同優化，實現通義大模型家族在RISC-V架構上的極致高效部署和推理性能。

此外，在模型優化層面，除通義模型家族外，阿里云還針對大量多模態交互場景進行分析，推出適合AI硬件交互的專有模型，全面支持全雙工語音、視頻、圖文等交互方式，端到端語音交互時延低至1秒，視頻交互時延低至1.5秒。

同時，阿里云還走向了垂類場景的實踐。同時推出了面向智能穿戴設備、陪伴機器人、具身智能等領域的解決方案。

在AI眼鏡領域，基于千問VL、百聆CosyVoice等模型，阿里云打造了感知層、規劃層、執行層以及長期記憶的完整交互鏈路，可一站式實現同聲傳譯、拍照翻譯、多模態備忘錄、錄音轉寫功能，有效解決交互不自然、回答準確率低的難題。

面向家庭陪伴機器人場景，基于千問模型和多模態交互套件，阿里云推出的解決方案不僅可實時監測異常狀況，并及時告警信息推送，用戶還能基于關鍵詞查找、定位視頻，與機器人進行對話交互和控制設備等。

某種程度上，千問已經成功進化為“AI時代的Android”。就像Android適配了各種屏幕尺寸的手機和平板，千問也在向“無處不在”演進。無論是手機、眼鏡、PC還是汽車，千問都能提供一致的、適配終端特性的交互體驗。

它不再局限于回答問題，而是通過強大的模型能力（大腦）、阿里豐富的商業生態（手腳）以及多元的硬件載體（身體），構建了一個能夠感知環境、理解意圖并主動提供服務的智能體生態。對于用戶而言，這意味著AI真正從“炫技”走向了“實用”，成為了生活中不可或缺的智能伙伴。