機器人賣出500臺，可能只是賣給了同行｜四位一線操盤手拆透AI硬件的真實生死線

“AI硬件現在還不是一個行業，而是一個方向。它落在工業、教育、醫療等具體場景里，才真正構成行業。”

大模型的狂歡之后，AI的浪潮正不可逆地涌向物理世界。

AI硬件，這個被賦予“下一個入口”想象的賽道，正在同時承載雄心、泡沫與迷思。當“AI Native”成為創業者的標配話術，一個真問題浮現出來：真正的AI硬件，究竟長什么樣？

近期，虎嗅AI硬件閉門會第二期，我們邀請了樂享科技聯席CTO李元慶、臻效智能CEO孫鵬飛、明勢創投董事總經理徐玥晨、Skyris創始人張宇諾，從具身智能、工業AI、投資到消費級陪伴機器人，進行了一場深度對談。

這場討論沒有標準答案，但留下了幾個足夠真實的判斷：

• 真正的AI Native，不是傳統硬件外掛一個模型；

• 消費級AI硬件最大的問題，不只是模型不夠強，而是產品定義常常沒有對；

• 工業AI反而更早落地，因為它只認可可測量的價值；

• 機器人和AI硬件的PMF，遠比Demo和早期銷量重要；

• 端側算力不是越大越好，而是必須用在“比黃金還值錢”的地方。

我們把全場干貨、共識、預判，整理成這篇真話實錄。

一、重估AI Native：體驗為王，而非AI為王

何為“AI Native硬件”？行業沒有標準答案，但共識正在形成：

核心不在于是否搭載了AI，而在于體驗是否由AI帶來，且AI的抽離是否會導致產品價值坍塌。

張宇諾的判斷標準很干脆：“當AI拿掉之后，這個硬件作為本體還成不成立？如果所有為模型設計的傳感器、執行器都不啟用了，那它才是AI Native的硬件。”

他以Plaud為例：沒有AI，它只是普通錄音設備；有了AI，錄音變成可檢索、可沉淀的信息資產，核心價值才被激活。陪伴機器人同理——拿掉模型只剩一個掛件，AI才真正參與了產品成立本身。

但張宇諾也提醒，過分追求這種“純粹”會走向誤區：為了AI而設計產品。

徐玥晨作為投資人，標準更務實：核心體驗是不是AI帶來的？原來的體驗差，是不是由AI彌合的？

她舉了Insta360拇指相機：AI剪輯讓“手苯黨”也能出片。這些體驗的巨大躍遷，才是她判斷AI Native的核心，也是她投資邏輯里“Why Now”的關鍵——為什么今天才出現這個產品？AI帶來的體驗變量是否足夠大？

李元慶則把定義往深推了一層：AI Native不僅要看產品帶不帶AI，更要看研發過程是否被AI重構。

如果一個產品只是最終形態接入了模型，但產品定義、數據收集、研發驗證、迭代流程仍是傳統硬件邏輯，就不算真正的AI Native。標桿是FSD或AI for Science——研發過程本身就被AI自動化滲透。

孫鵬飛從工業視角潑了一盆冷水：“工業領域純AI Native極難實現。”

工業系統有傳感層、驅動層、控制層、邊緣層、云層，底下三層“上百年了”，很難被AI重新定義。工業AI的常見形態不是“AI定義一切”，而是AI進入原有體系，圍繞設備、工藝和控制閉環發揮作用。

一個詞的四種定義，折射出四類需求：消費端要體驗重構，工業端要閉環控制，投資端要Why Now，技術端要研發范式變化。

二、工業AI：不講故事，只算賬

當大家都盯著消費級AI硬件時，孫鵬飛提醒了一個被忽視的事實：

工業場景的AI硬件和系統，其實比消費端更早進入落地。

原因很簡單：工業不靠新鮮感買單，只看結果。

“工業里面非常講ROI，我們不太講情緒價值。如果給客戶帶來的業務價值不可量化、不能算成錢，這個業務堅決不做。”

AI在工業里必須轉化成硬指標：省了多少電、提了多少產量、降了多少缺陷率、減了多少人工、縮短了多少停機時間。

工業體系有兩個理解維度。第一個是縱向的五層架構：

孫鵬飛的核心業務——用離線強化學習做數據中心冷源控制和火電燃燒優化——正是邊緣層實踐。從傳統PLC（可編程邏輯控制器）/DCS（分布式控制系統）毫秒級采數，在邊緣側跑模型，再返回執行，實時性、穩定性、安全性是核心。

第二個維度是橫向的智能化演進等級，孫鵬飛將其類比為自動駕駛L1到L5：

目前中國工業整體仍處于早期：L1已較普及，L2和L3共存，真正進入L3閉環控制的場景仍然有限。

針對“AI幻覺”，孫鵬飛的回答很明確：真正的工業控制場景，很少有人直接用大模型做控制。

他們更強調多層兜底：算法層安全邊界、Agent層上下限約束、PLC/DCS傳統系統兜底、通信鏈路和心跳機制監控異常。一旦出問題，必須瞬間切回原控制模式。

“不像ToC，通用大模型出一些不理想的對話也就認了。工業側任何萬一都要被規避掉。”

這也解釋了為什么工業AI不如消費硬件熱鬧，卻更早出現真實落地：它不講故事，只看賬。

三、消費級AI硬件：機器人賣出500臺，不代表找到了PMF

與工業的“結果導向”不同，消費級AI硬件面對的是另一套評價體系。

李元慶用特斯拉Model S的早期路徑類比消費級機器人：

第一批是極客和教授，第二批是企業高管，第三批是工程師和科技愛好者，最后才走向大眾。

真正困難的不是賣出早期樣機，而是跨過行業內循環，進入真實消費者生活。

他很直白：“無論做什么機器人，一定能賣出去500臺，因為有500個競爭對手會買回去研究。1000臺以上，才需要真實的PMF（產品市場契合度）。”

張宇諾也補充，很多AI硬件的前1000臺銷量，本質上仍在行業內部循環。真正的PMF，要看普通用戶是否持續使用、是否復購、是否愿意為服務付費。

但消費級產品比PMF更難的，可能是CMF（Customer-Market-Fit）——李元慶將其延伸為“產品與市場之間的情感契合”。對陪伴、家庭、消費級機器人來說，痛點不總是功能性的，情感價值本身就是產品成立的一部分。

張宇諾提出了一個反常識觀察：“在AI突飛猛進的這兩年，陪伴機器人市場沒有出現任何一款能超越以前的產品。”

Vector、Lovot、Loona這些“前大模型時代”或早期陪伴機器人產品，反而至今未被超越。原因在于，很多新產品沒有理解：“會說話”不等于“會陪伴”。

陪伴的核心不是語言能力，而是生命感、主動性和關系感。用戶需要感受到這個產品“存在”，并且“和我有關系”——動作、表情、主動靠近、回避、等待、注視，可能比一段流暢對話更重要。

“陪伴最重要的是：證明我存在，證明我跟你有關系。這兩件事更多是通過動作、表情、行為完成，而不是說話。”

徐玥晨從投資視角補充：今天AI硬件體驗不夠好，“首先模型側還沒到那個timing”。

真正自然的陪伴，需要設備能實時聽、隨時待命，而不是每次都被機械喚醒。這一點連云端體驗都還在發展，更不用說端側部署后的延遲、功耗和算力分配。

她區分了兩類消費級陪伴需求：OC人群（Original Character，對角色有強情感投射）可以接受“喚醒后對話”的體驗取舍；但大眾市場要的是“無感陪伴”，像貓一樣隨時待命，不是你叫它才過來。

Lovot是整場反復提到的案例。售價約25000元，每月1500元軟件訂閱費，但兩年續訂率97%。

這說明一個關鍵問題：用戶不是不愿意為AI硬件訂閱付費，而是不愿意為不值得的服務付費。

如果產品真正提供了不可替代的情感價值和生活嵌入感，用戶可以接受高訂閱；如果只是多了一個聊天入口，再便宜也很難持續。

四、端側算力：一場比“金子”還貴的博弈

端側模型，是當前AI硬件最痛的地方。

張宇諾給出了最直觀的成本賬：

“帶內存的RK3588模組，從去年的五百多元漲到了今年的一千多元。內存價格漲了三倍。今天的算力是比黃金還貴的。”

整機BOM因此漲了將近一千塊，售價被迫也往上漲。“今年所有消費級機器人都會很難。”

但端側算力又不能完全不用。張宇諾甚至對比了兩種極端：有人已經在ESP32上跑OpenClaw，所有推理走云端，成本幾乎為零；但如果要在端側跑7B模型，僅一塊4GB的英偉達Jetson Nano核心模組就要2000多元。

“你如果只是拿它跑一個7B的問答模型，用一塊20塊錢的ESP32連云端API，能達到幾乎一模一樣的效果。最多慢一些。”

這也引出了他的“暴論”：陪伴機器人的用戶體驗，和它所具有的端側算力成正比。 LeoBot搭載兩塊英偉達Jetson芯片，BOM成本2-3萬，“確實交付了好的體驗，用戶愿意付費”。

端側算力是錢，算法優化直接等于降本。

因此，Skyris的工程策略不是“所有任務都端側化”，而是把算力花在刀刃上：

• 大模型NLP推理放云端；

• ASR、TTS、SLAM、視覺識別等實時性任務放端側；

• 用戶說“hi”時，先用規則反應承接，用這段時間“沖抵”云端延遲。

李元慶從具身智能角度給出了更嚴峻的現實：

7B模型才具備基礎視頻理解能力，14B才具備較強任務推理規劃能力，38B以上才有較強的指令遵從能力。 但如果38B模型跑在端側，“SOC主板成本2-3萬，整機BOM五六萬，售價得20-30萬——那可能不如買輛車。”

行業目前兩條路線：

• 端云協同：端側極致低成本，復雜推理全放云端，靠OTA升級，BOM壓到最低；

• 端側保守：端側保留一定算力，承擔基礎導航、感知、抓取和安全任務，復雜任務仍依賴云端。

孫鵬飛則從工業角度給出了不同答案：工業端側“不太缺算力”。離線強化學習模型是“高性能訓練、低性能推理”，端側跑起來對算力要求不高。但工業對模型有特殊要求：必須按控制節拍輸出、必須在安全邊界內運行、必須有多層兜底。

端側算力的關鍵不是越大越好，而是： 它是否和用戶可感知價值、任務實時性和安全需求相匹配。

五、軟硬一體：國情所迫，還是體驗閉環？

“軟硬一體”是貫穿全場的高頻詞，但落地也諸多挑戰。

孫鵬飛的觀點最直白：

在中國市場，純軟件業務極難售賣，客戶不認可純軟件價值，必須“軟飯硬吃”——把軟件的錢放在硬件里賣。 這不僅是商業邏輯，也是供應鏈壁壘。

但在AI時代，軟硬一體不只是商業包裝，而是體驗閉環。

徐玥晨提出了關鍵判斷：

“不是軟件定義硬件，也不是硬件定義軟件，而是體驗定義硬件，定義軟件，再定義算力。”

過去做硬件，先定形態、價格帶和BOM，再往里面加功能。AI時代要做到原生，必須從用戶體驗倒推：

• 用戶需要什么交互？

• 哪些體驗必須實時發生？

• 哪些任務本地感知？

• 哪些能力可以云端完成？

• 需要哪些傳感器、執行器、芯片和架構？

• 哪些成本用戶愿意持續支付？

她還提出了一個簡單的PMF檢驗方法：看用戶是否持續使用軟件、是否續費。 如果買硬件后不再用AI服務，說明他只是為外觀或新鮮感買單；持續使用和續費，才說明AI核心體驗真正成立。

張宇諾用Lovot進一步說明軟硬一體+訂閱制的可行性。關鍵不在“訂閱模式好不好”，而在軟件是否提供了足夠價值。Lovot不是簡單給毛絨玩具塞一個聊天功能，而是通過識別、互動、視頻、語言再到動作的完整鏈路，構建持續服務。

這也對AI時代的產品經理提出了更高要求。徐玥晨認為，產品經理不僅要理解用戶和產品，還要知道當前模型能力邊界在哪里、端側算力能做到什么程度、哪些模型能部署、部署過程中會遇到哪些成本與延遲問題。 未來的AI硬件產品經理，必須同時理解體驗、技術邊界和商業成本。

因此，AI硬件的護城河不只是模型能力，也不是單一硬件形態，而是：

軟硬件、模型、交互和商業模式，形成一個用戶愿意持續付費的閉環。

六、創業者的機會，在大廠看不見的縫隙里

話題最后回到了“泡沫”。

徐玥晨的態度最開放：“任何行業都有泡沫。完全沒有泡沫的行業，屬于真正沒熱過的行業。” 泡沫的前提是大家看到了可能性。對創業者而言，泡沫期意味著更多資本、更多試錯空間。關鍵是潮水退去后，真正有價值的公司會留下來。

她區分了兩類機會：成熟硬件廠商做“硬件+AI”，是體驗升級；初創公司的機會在于“AI定義硬件”，成為新品類定義者。

孫鵬飛則更審慎。他2013-2014年做人形機器人創業，與優必選同期，“沒找到PMF，資金鏈斷裂”。他認為人形機器人和具身智能存在明顯周期性，“火到2027、2028年，如果一直找不到商業化落地，可能會冷兩年，技術突破后再起來。”對個體創業者來說，風險并不低。

李元慶的表達更理想主義，但也更系統。他提到了奇點——當AI能自己做AI、機器人能自己做機器人時，才是真正的拐點。在此之前，創業公司必須做到兩件事：商業化落地，以及構建AI Native的研發組織體系。

他還引用了一句話：

“In others’ views you are working, but in your views you are playing.”

做一件對時代有用、自己又真正熱愛的事。

他用“因緣際會”形容創業者的處境：“因”是自己喜歡且擅長，“緣”是大勢所趨。 技術路徑尚未收斂，才給創業者留下大片空白。

李元慶還觀察到一個有趣現象：CTO做CEO與CMO做CEO，往往呈現出截然不同的公司氣質。

CTO出身的創始人，公司通常帶有很強的科研屬性和融資屬性；CMO或銷售背景出身的創始人，更有產品直覺和市場嗅覺，能把市場機會快速轉化為可量產的產品，但需要一個強大的CTO和COO團隊來支撐。他個人更傾向于“綜合性創始人”——既懂技術邊界，又愿意彎下腰去賣貨。

張宇諾給出了最務實的建議：

“在大家不要的‘屎’里面找金子。”

大廠不愿意做、不屑于做、組織慣性難以快速響應的小需求，可能正是創業公司的機會。過去被認為市場很小的領域，比如錄音筆，AI重構后可能激活全新需求。

他也直言，陪伴機器人至今沒有一家出貨量超過20萬的公司，也沒有大廠重倉入局。

“我做的行業，是大廠看不上的行業。”

這說明市場還早，也意味著存在定義新品類的空間。

結語：四個賽道，一種共識

兩個小時，四個截然不同的賽道，嘉賓們在一點上達成了默契：

AI硬件的Native之爭，本質是對“體驗定義權”的爭奪。

• 工業端要的是可量化價值、可閉環控制、可兜底系統；

• 消費端要的是無感陪伴、情緒價值、持續訂閱；

• 投資端要的是Why Now的變量、深度思考的產品經理、長期愿景；

• 技術端要的是端側算力、模型蒸餾和系統協同。

當Agent真正進入物理世界，硬件不再只是被動工具，而開始成為AI的“身體”。但這個身體該長什么樣，不同場景給出了不同答案。

最終，AI硬件需要回答的仍然是幾個樸素問題：

• 你的AI能力是否真正改善了核心體驗？

• 用戶是否愿意為這種體驗持續付費？

• 端側算力的成本，是否配得上用戶感知價值？

• 工業場景里的ROI，是否真的可測量、可復核？

• 你是在解決真實問題，還是追逐一個新概念？

褪去“AI Native”的光環，成功的路徑最終指向對用戶價值的精準洞察、對技術成本的理性控制，以及對產品體驗的極致追求。

也就是說，AI硬件最終仍要回到第一性原理，誠實回答那個最樸素的問題：

你的產品，究竟能讓誰的生活，變好哪怕那么一點點？

嘉賓介紹（按姓名排序）：

• 李元慶：樂享科技聯席CTO、穹明智能總經理，前華為天才少年。

• 孫鵬飛：臻效智能CEO，清華AIRIC工業智能專家。

• 徐玥晨：明勢創投董事總經理，曾投中LiblibAI、Viture、沐刻智能等項目。

• 張宇諾：Skyris創始人，正在探索會飛的AI陪伴機器人。

主持人：宋思杭，虎嗅科技組編輯，關注AI與具身智能。

本文基于2026年5月28日虎嗅AI硬件閉門會直播實錄整理，觀點均來自嘉賓現場發言。

注：本場直播特別感謝穹明智能品牌與開發者生態負責人郁蔥蔥先生的傳播與招募支持，特別感謝INNO 100及其聯合發起人吳云飛先生對春季直播的傳播與招募的全力支持。

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4863481.html?f=wyxwapp