AI的競爭，已從參數的軍備競賽，轉向場景的對決。當技術突破的狂喜退去，唯有那些真正紮根於真實痛點的項目，才能穿越周期，兌現價值。因為只有當AI嵌入業務的血肉，解決一個具體的令人頭疼的問題，並交付清晰可感知的回報時，它才能從“燒錢的概念”蛻變為“造血的產業”。得場景者，不僅得天下，更得未來。得場景者，得AI發展主動權。在經歷了技術突破的狂喜，對通用智能的憧憬後，人工智慧正從“技術驅動”向“場景牽引”轉移。那些場景是資本下注的焦點？企業如何在多維博弈中定位？資本或許有著更為敏銳的洞察。範式轉移：場景為何成為關鍵？中關村天使投資聯盟秘書長徐勇認為，場景之所以躍升為AI時代的核心議題，是技術、商業與生態三重邏輯共同演進的結果。首先，技術本身已跨越可商業化的臨界點。以大語言模型為代表的生成式AI，實現了從“分析理解”到“創造生成”的能力飛躍，能夠直接響應並融入多樣化任務的通用型“工具”。這為技術紮根於具體場景掃清了根本性障礙。其次，商業邏輯在熱潮中回歸冷靜與本質。正如徐勇所言：“普通人很難為夢想買單，但我們會為需求買單。”一個AI項目能否獲得持續支援，越來越取決於它是否精準錨定具有真實痛點的場景，並交付清晰可感知的價值增量。最終，一場圍繞場景的生態共識正在加速形成。從政府政策將“人工智慧+”置於高位，到平台企業開放接口與真實環境，再到投資機構將“落地場景”列為評估項目的首要指標，多方力量正協同推動AI技術步入產業應用的深水區。核心矛盾：場景抉擇中的多維博弈然而，通向場景的道路並非一片坦途，需要智慧與勇氣的戰略抉擇。徐勇指出，行業參與者們正站在核心矛盾的交叉點上，每一次選擇都可能定義未來的格局。一是廣度與深度的選擇，是鋪開面還是紮下根？將AI技術廣泛賦能於千百個行業（廣度）能快速形成市場規模效應，但真正的壁壘和顛覆性價值，往往來源於在單一賽道中將技術與業務細節“打穿打透”（深度），這要求超凡的耐心與專注。二是近期與遠期的權衡，是懸在大型企業頭上的戰略難題。是進行溫和的“+AI”改良，在既有產品上增添智能模塊；還是開啟激進的“AI+”革命，冒著顛覆自身核心業務的風險，用原生AI產品重塑賽道？許多企業陷入“談愛已老，談死太早”的躊躇。三是原生與提升的路徑，劃分出創業者的兩種命運。選擇“AI原生”，意味著投身於如通用具身智能這般從零建構的全新世界，前途遠大但道阻且長；選擇“AI提升”，是用技術改造現有流程（如行銷、客服），能更快觸及現金流，但也可能錯失定義下一個時代的船票。四是共識與反共識較量，考驗著投資者的遠見。是追隨市場熱點與明星團隊，在擁擠的賽道中尋求均值回報；還是基於獨立洞察，下注於當下非主流卻可能代表未來方向的技術路徑？歷史表明，最偉大的創新常常萌芽於共識的邊界之外。資本看好的AI場景有那些？在紛繁複雜的可能性面前，資本以其敏銳的嗅覺，為我們勾勒出當前最具共識與潛力的AI場景投資版圖。AI for Science：科學研發新範式革新。AI不再僅是輔助工具，而是成為科研的“第五範式”。水木清華校友種子基金管理合夥人王學輝表示，近期該領域熱度飆升，除了傳統的生化環材等應用領域外，其機構近期立項的AI+可控核聚變、AI+量子計算項目，也是這一賽道的典型代表。他提到，AI在可控核聚變中的應用突破了傳統認知，通過“黑盒子對黑盒子”的模式，實現了等離子體的高效控制，這種類似大語言模型湧現效應的技術突破，正成為當下真實發生的產業變化。海光資訊政府與公眾行業方案部總經理姜永凱認為，AIforScience正在推動科研範式從傳統“試錯煉金”向“衛星導航式”轉變，成為繼實驗、理論、計算、資料之後的“第五範式”。從資本邏輯來看，這一賽道的核心價值在於大幅縮短研發周期、降低研發成本，比如新藥研發從靶點發現到確定臨床前候選藥物，周期可從54個月壓縮至12~18個月，效率提升3~4倍。具身智能：無巨頭壟斷的新賽道。作為全新的AI應用形態，具身智能因無傳統巨頭壟斷、商業化落地加速，成為資本重點關注的新風口。王學輝認為，具身智能與舊場景“+AI”不同，舊場景中傳統勢力憑藉既有優勢更易勝出，而具身智能是全新賽道，所有參與者處於同一起跑線，目前已有多家相關企業啟動A股、港股上市計劃。漢王科技董事、副總裁劉秋童表示，人形機器人目前落地場景有限，但其他形態的具身智能機器人已找到明確落地場景，若能深耕細分領域，有望誕生獨角獸企業。從資本佈局來看，具身智能的投資重點是“場景落地”，資本更關注機器人在具體場景中的應用能力，如咖啡機器人、原生機器人便利店，以及家用康養機器人等，這些場景無須極高的穩定性，容錯率較高，且能快速對接C端或B端需求，成為具身智能商業化的突破口。AI+硬體：依託供應鏈優勢，軟硬體一體成破局關鍵。AI+硬體是資本佈局的重點賽道，尤其聚焦於消費電子、智能穿戴等細分領域。源數創投創始合夥人沈棟樑明確表示，看好AI+消費電子賽道，認為釘釘A1等產品，完美結合了中國電子數位供應鏈優勢與AI能力，在落地場景中解決實際需求，具備極強的競爭力。他認為，智能穿戴裝置等細分領域有望在2026年迎來爆發。劉秋童指出，美國AI投資集中於大模型、軟體與SaaS服務，而中國企業與消費者更願意為硬體和服務買單，這為中國AI硬體發展提供了天然土壤。他強調，2026年將是AI驅動軟硬體結合產品的爆發年，全球市場對中國AI硬體認可度極高，一些產品先風靡美國再進入國內的案例，印證了中國AI硬體的全球競爭力。同時，AI硬體的爆發也帶動了上游核心元器件的需求，記憶體漲價讓資本意識到，AI產業鏈上游硬科技（如新型液晶顯示器）具備長期投資價值。值得注意的是，“不投軟不投硬，只投軟硬體一體”的投資理念，也成為資本佈局AI硬體的核心邏輯，脫離軟體的硬體缺乏競爭力，脫離硬體的軟體難以落地，唯有實現軟硬體深度融合，依託中國完善的供應鏈體系，才能快速實現產品迭代與商業變現，這也是AI眼鏡、智能電紙本、AI血壓計等產品獲得資本青睞的核心原因。AI+泛科技與高端制造：前沿場景佈局，搶佔未來先機。資本在佈局成熟場景的同時，也在積極佈局AI+泛科技、高端制造等前沿場景，搶佔未來產業先機，主要包括AI+航天、AI+3D生成、AI+基礎材料等細分領域。鉛筆道董事長王方提到，AI在航天領域的應用已從輔助發射向主動參與轉變，馬斯克在2024年就利用AI模擬火箭研發，通過上萬次虛擬迭代篩選最優版本，國內航天大模型也已實現“上天工作”，該賽道雖短期內商業化難度較大，但長期戰略價值極高。王方認為，在AI+3D生成領域，2026年將迎來技術臨界點，用戶無須掌握專業軟體，僅通過文字、圖片就能生成高質量3D模型，可廣泛應用於產品原型設計、遊戲、動畫等領域，目前該賽道已出現多個未來獨角獸，資本投資熱度較高，有望撐起泛娛樂產業的新增長極。而AI+基礎材料領域更是呈現出“顛覆式創新”，相關企業已能利用AI在數月內研發出傳統模式下需數年才能完成的基礎材料，且可直接量產，2026年預計將有超過20款AI研發的基礎材料落地，大幅推動高端制造產業升級，成為資本佈局的前沿熱點。制勝關鍵：創造“又新又大”的場景回顧歷次技術革命，一個清晰的規律浮現：最大的價值從來不是對舊世界的優化，而是對新世界的開拓。徐勇提出，AI時代真正的制勝關鍵，不在於將技術擴散到多少舊場景，而在於創造出那些“又新又大”的原始場景。“新”，意味著它必須是技術催生的、前所未有的產品形態或服務模式。“大”，意味著它具備支撐兆級市場或重塑全球產業網路的潛力。因此，當下的產業圖景，既需要對上述焦點領域進行深耕，以解決現實問題並積累能力；更需要一份超越現有框架的、天馬行空的想像力。未來的定義者，或許正隱藏在某個“反共識”的探索中，致力於將AI的能力組合，應用於一個我們今天尚覺陌生、但未來將不可或缺的“又新又大”的場景裡。為抵達這樣的未來，生態共建成為必然選擇。徐勇提出了建構開放協同AI生態的三大倡議。一是投資機構需要打破成見。當前AI投資圈存在明顯的“背景偏好”，但真正偉大的場景創新常常源於意想不到的地方。徐勇提醒：“在AI新場景模式下，很有可能是那個祖克柏，是可能沒有在名校裡完成完整學業，是那個天才的想法然後營造出一個巨大的場景。”二是鏈主企業應當開放場景。頭部企業擁有豐富的應用場景和產業資源，開放這些資源不僅能加速AI創新，也能為自身帶來新的增長點。漢王科技等企業已經邁出了第一步，邀請合作伙伴共同探索AI應用場景。海光資訊也很關注如何打通最後一公裡的應用場景，通過光合組織（海光產業生態合作組織）聚集與賦能生態伙伴共同發展。三是創業公司必須聚焦價值。在熱鬧的概念和炫酷的技術演示之外，創業者需要回歸本質：創造真實價值。徐勇強調：“價值創造這幾個字非常重要，擁抱開放的合作。”徐勇認為，這場AI技術與場景融合的征程中，“書生+土匪+軍師”的理想組合正逐漸清晰，技術專家的深度知識、商業開拓者的果敢決斷與戰略規劃者的遠見卓識缺一不可。這場遠征的最終勝者，將是那些既能深刻理解技術內核，又能敏銳洞察場景脈搏，並以開放協作的姿態，敢於在未知中開闢新路的探索者。 (中國資訊化週報)

【導讀】千問首款AI硬體“千問AI眼鏡”正式上線，後續將全面接入千問App中國基金報記者 曹雯璟3月2日，千問首款AI硬體“千問AI眼鏡”正式上線，開啟線上線下全管道“0元預約”。據悉，該產品將於3月8日在中國市場現貨發售，並於2026年內登陸全球市場。千問AI眼鏡還將全面接入千問App，首批點外賣、訂酒店等“辦事”功能預計於3月底向使用者開放。“千問AI眼鏡”正式上線G1系列率先“0元預約”據瞭解，千問AI眼鏡首發推出S1與G1兩大系列，搭載最新一代千問大模型，具備行業領先的響應速度與互動流暢度，支援高精度多模態理解與即時互動，全面覆蓋高畫質拍攝、AI翻譯、會議記錄、識圖識物等核心生活與辦公場景。其中，千問AI眼鏡G1系列率先線上上線下全管道開啟“0元預約”，並於3月8日正式現貨開售。G1系列官方標價2899元，在已實施國補政策的省份，符合條件的使用者可疊加享受地方財政補貼、商家專項優惠及千問App專屬優惠券，綜合到手價低至1997元。據介紹，在硬體配置層面，G1系列配備雙旗艦晶片雙系統、五個麥克風陣列加骨傳導、大振膜高性能喇叭聲學硬體等，具備清晰通透的音訊體驗。採取更輕量設計與可換電體驗，整機重量僅約40g，佩戴體驗接近普通光學眼鏡，配合天鵝頸可調節支架和FDA食品級矽膠鼻托，適合全天候舒適使用。在影像拍攝方面，G1具備手機級影像技術，可實現0.6秒極速抓拍、3K視訊錄製，並通過AI超分超幀技術輸出4K視訊。同時採用行業首創的Super RAW暗光增強技術，顯著提升暗光環境下的拍攝畫質與穩定性。內建業內最大的64GB儲存空間，顯著延長連續拍攝時長。此外，千問AI眼鏡G1還首次推出“墨鏡款”，並一口氣上線7種多彩鏡片配色，滿足多元審美與場景需求。除國內市場外，千問AI眼鏡計畫於2026年內全面進軍國際市場，並與Spotify、PayPal、Google Maps等主流國際生態服務深度適配，憑藉“最強開源大模型+頂級硬體配置+國民級AI助手”的黃金組合，直接對標Meta、Apple、Google等科技巨頭，在AI硬體賽道展開正面競爭。千問搶佔AI時代的新入口在春節期間，阿里已經通過“千問+阿里生態”模式，極大提升了千問的辦事能力，讓千問能點奶茶、訂酒店機票、訂電影票，一躍成為國民級AI助手。在春節爆火之後，千問迅速宣佈進軍硬體領域，顯然是在乘勝追擊，希望在App之外，再搶下一波AI入口。據阿里內部人士透露，除AI眼鏡之外，千問還會在年內陸續發佈AI指環、AI耳機等產品，並面向全球市場發售。業內人士表示，AI硬體的意義不僅是入口，也是對AI助手千問“辦事”能力的全面加強：讓AI能“辦事”，關鍵難點是對真實世界和使用者意圖的理解。如果將AI“辦事”的維度分成數字世界和物理世界：在數字世界“辦事”，主要考驗的是模型的智力水平，即coding能力、上下文能力以及多模態能力，這些能力達到領先水平，讓AI去解題、寫程式碼、做研報的能力就會極大增強，滿足生產力需求。業內人士同時指出，在物理世界的層面，僅靠基模的“智力水平”是不夠的。AI硬體讓千問跳出手機，用AI眼鏡、AI耳機、AI指環等多種形態硬體深入到真實世界感知，通過對大量模糊的使用者需求和多模態資訊的捕捉和互動驗證，能夠迅速提升千問“辦事”的效率和精準性，為阿里的AI辦事特色築上一道更堅實的技術壁壘。未來，“多入口”形態和更強大的“AI辦事”能力，將成為千問在AI市場競爭中的兩張王牌。 (中國基金報)

從“講故事”到“找面包”人形機器人產業的分水嶺已顯現，務實者的腳步比以往任何時候都更加清晰。2025年10月，我們的“探源計畫 · 具身智能巡迴調研”第二站抵達杭州，在這個以電商和數字經濟聞名的城市，一場關於下一代計算平台的產業實踐正在悄然進行。此次，我們深入杭州兩家代表性人形企業：雲深處科技與智澄AI。前者是從四足機器人穩健拓展至人形賽道，後者是高舉世界模型技術旗幟直指通用人工智慧。此前在北京站感受到的“行業分化”，在這裡進一步加深。一邊是自下而上，從硬體穩定性出發的務實路徑；另一邊是自上而下，從世界模型切入的宏大構想。“硬體優先”和“模型驅動”的分野杭州兩家企業選擇了截然不同的技術路線，這實質上也是行業對如何實現具身智能本質的不同理解。“硬體優先”是雲深處科技鮮明的特質。這家從浙江大學實驗室走出的企業，帶著濃厚的工程實踐基因。創始人作為長期從事機器人研發的學者，將“穩定性”列為技術開發的第一優先順序。雲深處科技毫不避諱硬體本體的基礎性地位：“若本體穩定性不足，即使有大模型，機器人仍無法落地。”這一觀點建立在他們深耕B端市場多年的實戰經驗上。在電力巡檢、消防應急等場景，機器人故障意味著可能造成重大損失，客戶對故障幾乎是零容忍。巡迴調研 · 雲深處科技雲深處科技選擇了一條看似保守但極為紮實的發展路徑：先通過四足機器人在高需求、高容錯要求的B端場景驗證穩定性，再逐步拓展至人形機器人領域。他們的四足機器人已在電力巡檢、消防領域佔據九成市場份額，這種“場景深耕”策略為其提供了持續的收入來源和真實的資料反饋。從四足機器人起家，到2025年才拓展至人形機器人賽道，這一演進路徑本身就說明了其漸進式的技術哲學。與雲深處科技形成鮮明對比的是智澄AI的“模型驅動”路徑。這家2024年初才成立的新銳公司，由前Meta、微軟、華為高管創立，帶有明顯的AI軟體和演算法基因，其核心競爭優勢之一就是建立在物理世界大模型的研究和創新上。智澄AI提出了一個引人深思的觀點：VLA路線依賴於資料記憶，而當前摩爾定律已接近極限。相比之下，世界模型通過理解物理規律實現泛化，脫離了記憶資料分佈的侷限，且更有可解釋性。他們將技術重心放在物理智能的實現上，旨在使機器人能夠真正感知世界、理解物理規律，並利用因果關係推斷下一秒的行為互動。智澄AI的產品線佈局同樣遵循這一理念：從TR4物理智能複合型人形機器人到TR5高性能通用人形機器人，均以世界模型作為核心競爭優勢之一。他們堅信，通用機器人的未來並非侷限於特定場景的最佳化，而在於對物理世界的全面理解能力。巡迴調研 · 智澄AI兩種路徑背後，實質是行業對“何為機器人核心競爭力”的不同回答。雲深處科技的硬體優先路線，源於其在四足機器人領域已經驗證的工程能力；而智澄的模型驅動路線，則基於對通用人工智慧的長期信仰。這兩種路徑並非完全對立，更沒有絕對的優劣之分，而是行業探索過程中的必要分化。但一個不容忽視的事實是：無論選擇那條路徑，企業都必須面對技術成熟度與市場預期之間的巨大落差。從“講故事”到“找面包”如果說技術路徑的選擇反映了企業的基因，那麼商業化策略則體現了企業對生存現實的認知。在杭州站的調研中，我們看到了兩種不同但務實的商業化思路。雲深處科技的商業化路徑帶有明顯的“行業需求驅動”特徵。公司的四足機器人業務已在電力巡檢、消防應急等領域實現90%的市佔率，形成了穩定的B端收入來源。值得注意的是，其客戶採購行為發生了明顯變化：從往年的1-2台/家增至10-20台/家，這種批次採購的現象，不是來自市場宣傳，而是產品穩定性提升帶來的自然結果。雲深處科技對人形機器人的商業化保持謹慎樂觀。公司推出的D202人形機器人主打“全天候全戶外”能力，但明確採取“小範圍定製化交付”策略，暫無大規模預售計畫。這種克制源於對產品穩定性的重視。圖源：雲深處科技智澄AI的商業化路徑則展現出科技公司的靈活轉型特質。公司初期聚焦世界模型的創新研發，結合中國商業化特點與行業發展趨勢，發現機器人本體業務更能凸顯企業特色，遂佈局機器人硬體賽道，形成“模型+本體”協同發展的模式。目前，其TR4物理智能複合型人形機器人、TR5高性能通用人形機器人，兩款通用機器人明星產品已登陸京東平台。智澄AI明確將柔性製造、安防巡檢、生化場景等領域作為重點應用場景，秉持實用主義的定位策略。公司已和廚具企業、工業製造方及食品檢測機構展開戰略合作，但同時坦言，目前尚未實現大規模量產落地。兩家企業的商業化策略雖有差異，但共同點是都放棄了“概念炒作”，轉向了更為務實的生存模式。雲深處科技依靠四足機器人的穩定收入支撐人形機器人研發；智澄AI則通過硬體銷售為模型研發輸血。這種“以戰養戰”的策略，正是行業從前期的狂熱轉向理性發展的重要標誌。資料、供應鏈與可靠性瓶頸在調研過程中，無論是硬體優先的雲深處科技，還是模型驅動的智澄AI，都坦言面臨著一系列技術產業化落地的共同挑戰。資料短缺是制約模型迭代的核心瓶頸。智澄AI團隊坦言，真實場景下的有效資料極為稀缺，比如抓取水杯需成千上萬次訓練實操，而當前這類資料仍主要依賴人工手動採集，不僅耗時費力，完成度也相對較低。在模擬資料層面，智澄AI已與合作夥伴達成戰略合作，獲取多場景下的模擬資料儲備，但模擬環境終究無法完全復刻物理世界的複雜變數，難以徹底彌補真實資料的缺口。智澄AI指出，部分零部件供應商缺乏人形機器人相關的經驗，需要各方共同探索解決方案。供應鏈成熟度是另一個現實約束。智澄AI指出，部分零部件供應商缺乏人形機器人相關的經驗，需要各方共同探索解決方案。雲深處科技則採取自研核心部件與外部合作相結合的策略，確保技術可控性與適配性。供應鏈的成熟不是單一企業能夠推動的，需要整個產業鏈的協同進步。圖源：智澄AI這些挑戰的存在並不意味著行業停滯，相反，它們指明了前進的方向。知道那裡有問題，比盲目樂觀更重要。值得注意的是，兩家企業都對短期市場預期保持理性。雲深處的判斷頗為謹慎：他們認為四足機器人市場仍處早期，離“iPhone時刻”很遠，需要政府引導、成本下降、技術成熟三方面共同推動。對於人形機器人，他們預計短期（1-2年）內難以大規模應用，2030年左右才可能進入家庭或複雜場景。這種保守預測源於他們的實戰經驗——只有真正交付過產品的人，才知道從演示到商用的距離有多遠。雲深處拒絕參與“框架協議噱頭”，強調務實比炒作重要，這種態度在當前的行業環境下尤為可貴。智澄AI對行業趨勢的判斷亦彰顯其理性特質：他們認為，上半年行業偏重“表演”性質，而下半年正逐步轉向實際應用，資本的關注點也更集中於世界模型的落地能力。此外，當前階段亟需聚焦於具體的應用場景。寫在最後：尊重規律，尊重現實兩家企業都認識到，行業的真正突破不會來自單一技術點的最佳化，而是系統能力的整體提升。雲深處強調“軟硬一體化”的工程難度，智澄AI則關注世界模型的通用能力，都是從系統視角思考問題。行業正經歷著從追求“技術可能性”到注重“商業可行性”的深刻轉變。無論是雲深處的場景深耕，還是智澄AI的模型探索，最終都要回答一個簡單而殘酷的問題：能否在真實場景中穩定解決問題並創造價值。在杭州這兩家企業身上，一種難能可貴的品質是：對規律的尊重和對時間的耐心。杭州站的調研給我們最大的啟示不是技術突破或商業奇蹟，而是一種現實主義者的堅韌。無論是雲深處的硬體優先，還是智澄的模型驅動，他們都選擇了一條尊重行業規律、尊重市場現實的路徑。 (高工人形機器人)

即插即用，無需Mac mini。OpenClaw（原名Clawdbot）爆火，「賈維斯」狂潮席捲全球。剛看了下京東，本地Agent甚至已經成了Mac mini的廣告語……最近矽谷的一個本地Agent項目也很有關注度，而且是軟硬體打包好，買回來就能直接用的那種。長這樣子，賣250美元（折合人民幣約1700元），買來插上電就能當OpenClaw用。對，硬體版的OpenClaw……硬體版OpenClaw名字叫Distiller Alpha，一款Linux硬體，核心計算模組基於樹莓派CM5，8GB記憶體，64GB儲存。在此基礎上，還整合了墨水屏、麥克風、揚聲器、攝影機……特別小一個，手掌一半都不到，整體尺寸比手機還小，感覺能直接揣褲兜。所有都提前在這塊硬體裡部署好了，掃下墨水屏上的二維碼，就能直接進入互動介面，和一個叫Pamir的Agent對話。OpenClaw能幹的都能幹，整理檔案、翻閱X、發郵件……理論上，只要能通過「點選」解決的事情，都沒問題。同樣是一個24小時待命的賈維斯，可以隨地大小Code。這些都不是重點。上面這些事情，OpenClaw都能做，甚至能更誇張。Pamir最不一樣的地方，是它竟然還可以給硬體Vibe coding……有人給掃地機器人裝了根機械臂，現在不僅能掃灰塵了，遇到大點的垃圾也能順手撿起。有個老哥在家裡搭了一套賽車模擬器，把Pamir當「副駕駛」用。每次他跑完一圈後，這個「副駕駛」會自動幫他回顧和分析駕駛資料，然後把這些資料即時展示在他接上的一堆小螢幕上。就連這個8×8的LED燈陣都能玩出花來，只需要一句話就能搞出各種炫酷的特效。如果你想，甚至能在這上面玩貪吃蛇……各種離譜的demo見得多了，能給硬體Vibe coding的Agent倒還是第一次見。正好最近本地Agent火，相信大家心裡多少都有不少困惑：這條路到底和其他Agent有什麼不同？類似的創業者如何看OpenClaw？使用者又該如何更好地打造自己的「賈維斯」？帶著這些問號，量子位找到了這家硬體版OpenClaw，Pamir的兩位創始人之一——葉天奇，聊了聊他們在本地Agent這條賽道上的想法。採訪原文超1.2萬字，資訊密度很高，其中有不少有趣的觀點。為了完整呈現葉天奇的思考，我們決定不做過多處理，直接把全文端上來。在這場對話裡，你會看到：軟硬一體的Agent，會有什麼不一樣？OpenClaw到底做對了什麼，火了之後為什麼又迅速暴露出一堆安全問題？為什麼Mac mini並不是最適合部署Agent的硬體？那些提前半年就體驗過OpenClaw這種能力的人，現在都怎麼用本地Agent？為什麼對初創公司來說，硬體是一條更合適的路徑？AI時代下，電腦的最終形態可能會長什麼樣？以下附上訪談全文，為提升可讀性，量子位在不改變原意的前提下，對內容進行了適當調整和刪減。OpenClaw、本地Agent，以及電腦的下一步 Pamir是什麼？Q：Pamir現在做的Distiller Alpha是什麼？它能幹些什麼？葉天奇：Distiller Alpha本質上是一台Linux的mini PC，一台非常小的Linux小電腦。我們把傳統電腦裡一些最基礎的元件單獨拎出來，配上小螢幕、LED燈、麥克風、揚聲器，以及各種各樣的IO介面，把它做成了一個非常緊湊的形態，整體尺寸比手機還小。在系統層面，我們給這台裝置預裝了Agent，目前主要用於跑Claude Code。基本上，只要是Linux+Docker能做的事情，它都能做。最典型的場景是Vibe coding。現在有一批開發者非常痴迷Vibe coding，希望隨時隨地都能寫程式碼，他們會通過手機遠端操作我們的裝置。除此之外，還有一批使用者會把我們的裝置接到各種各樣的硬體上，通過Vibe coding的方式來開發和控制這些硬體。Q：「Vibe coding+硬體」的組合聽起來挺新鮮的，可以展開講講嗎？葉天奇：這個方向其實並不是我們一開始有意設計的。從使用者角度來看，會購買我們裝置的人，往往本身就很喜歡玩硬體。很多設計師，他們很懂電子產品設計，但並不擅長程式設計。過去他們使用的往往是比較簡單的開發板，如果要做原型，就需要雇電子工程師幫忙。現在他們會直接把Distiller Alpha接到硬體上，把自己的想法描述出來，系統就可以自動幫他把對應的邏輯和程式碼生成出來。還有一些使用者，會用它去「接管」已經存在的裝置，比如藍牙裝置。很多藍牙裝置其實並不需要額外的密碼，只要傳送一串正確的二進制指令，就能完成控制。他可以直接對系統說：「幫我掃描一下附近有那些藍牙裝置」「幫我把這盞燈關掉」。很多智能家居都是自己獨立的一套App，非常零散。用Distiller Alpha就能一個頁面裡，控制家裡所有的智能裝置。再比如印表機，你不需要安裝官方App，只要知道它內部使用的是什麼晶片，就可以讓Agent寫程式碼、做簡單的逆向工程，讓這台印表機工作起來。Q：如果不靠Distiller Alpha，極客通常是怎麼完成這些操作的？葉天奇：這個問題其實挺有意思的。我之前也問過一些使用者，發現主要取決於技術水平。技術能力強的人一直都是手寫。他們會先去讀硬體的說明書，搞清楚晶片型號、通訊方式和程式設計方法，然後直接寫程式碼、燒錄。但對技術能力沒有那麼強的人來說，過去的主流方式，其實是用ChatGPT。他們會把需求丟給ChatGPT，讓它生成一段程式碼，然後複製貼上到硬體的編輯器或燒錄工具裡，點一下燒錄，再測試。如果發現不work，就把報錯資訊再反饋給ChatGPT，讓它改一版程式碼，再複製貼上、再燒錄。有了我們的硬體之後，整個鏈路被閉環了。Agent可以自己寫程式碼、自己燒錄到硬體上、自己讀取報錯資訊、再根據結果修改程式碼並重新燒錄。不再需要在中間反覆做人肉中轉。Q：為什麼Distiller Alpha會出現這麼多偏硬體的玩法？葉天奇：核心的原因在於出發點不一樣。OpenClaw是從軟體方向起步。即使你買了一台Mac mini，也很少想到把它當成嵌入式裝置，塞進另一個硬體裡。一方面體積擺在那裡，另一方面它的IO介面數量有限，也不太容易激發使用者在硬體層面進行二次開發的慾望。而且OpenClaw本身更偏向於為知識工作者設計互動。對開發者來說，如果要寫軟體，不太可能通過WhatsApp、Telegram這種聊天氣泡式的方式，那會非常痛苦。本質上還是面向的人群不同。我們早期的定位就是remote——一個讓你隨時隨地都能接觸到自己Claude Code的裝置。最早購買我們的，基本都是Early adopter型的開發者。後來隨著Vibe coding這個概念被更多人接受，有開始有越來越多非開發者、甚至傳統意義上的知識工作者購買我們的裝置。有的使用者在自己買了之後，還會再給父母買一台。而這些非開發者使用者，往往會把我們的產品當成一種「智能硬碟」來用。Q：Distiller Alpha本身的硬件由那些元件構成？葉天奇：我們在設計這款產品時的一個原則是：在體積允許的情況下，把能裝的能力儘量都裝上。比如燈帶，它的核心作用是顯示Agent的工作狀態。比如Agent在思考時，會顯示黃色燈光；當Agent需要使用者介入時，會閃爍綠色燈光。我們希望通過這種比較克制的方式，把Agent的狀態融入到裝置本身。現在很多程序會用消息通知或者聲音提醒，但我們覺得，用一種更偏「環境感」的方式，通過視覺氛圍來反映Agent狀態，會更自然一些。而且，通過環境光來傳遞狀態的資訊方式，本身就很極客。這點可以類比喜歡裝機、玩電腦的人，會很熱衷RGB燈效。螢幕的設計思路同樣比較極客。我們用的是一塊墨水屏。一方面，墨水屏顯示效果很好，很多開發者本身就對這種螢幕有偏好；另一方面，它的功耗非常低。有些使用者會把這塊螢幕改造成自己的Personal dashboard，比如顯示股票資訊、未讀郵件數量，或者當天還有多少任務需要處理。這類資訊不需要頻繁刷新，墨水屏非常合適。還內建了麥克風和揚聲器。有的使用者會設定：每天早上醒來時，讓裝置從自己的音樂列表裡挑一首最喜歡的歌來叫醒自己。另外，我們還內建了一個攝影機，主要是給開發者使用。有人會用它來遠端看看家裡的貓狗，或者用來監控另一台電腦的螢幕狀態。這些都屬於比較自由的開發用途。Q：算力配置是什麼水平？葉天奇：目前是8GB記憶體、64GB儲存的CPU平台。這個配置其實不是一開始就想清楚的，你需要積累很多真實使用的know-how，才能知道跑一個Agent到底需要多大的記憶體、多少儲存。我們會從幾個維度去看，比如：一個普通使用者通常會同時跑多少個Agent；這些Agent的知識資產大概會增長到什麼規模；一個使用者大概用多久，裝置裡的儲存就會被填滿；Agent的運行上限在那裡，瓶頸會出現在記憶體、儲存還是IO上。一個很有意思的發現是，我們一開始低估了知識資產的增長速度。之前沒想到會有這麼多知識工作者，有些使用者會長期給裝置外接一塊SSD，把每一次對話、每一次任務執行的記錄全部存下來，在他們看來，這些是非常重要的個人資產。這類需求很難在產品設計階段預判。但一旦接觸到使用者，就會意識到儲存本身，是Agent產品裡一個非常關鍵的維度。Q：Pamir的技術原理是怎樣的？葉天奇：我們在產品路徑上，和很多AI公司不太一樣。我們是先做硬體和系統，再在探索過程中不斷摸索軟體形態。一開始，我們在裝置裡直接內建了VSCode。我們的判斷是，VSCode基本可以覆蓋大多數軟體開發和互動需求。後來隨著產品迭代，我們不斷做減法，把介面逐漸收斂，最終拆掉了傳統意義上的「GPT對話介面」。軟體互動主要基於內部網路直連。只要這台裝置是開機狀態，無論你在什麼地方，用電腦也好、手機也好，都可以直接訪問到它。有點像一個ChatGPT式的入口，不同終端之間是完全同步的。硬體互動方面，裝置上有一個小的顯示模組，會即時顯示當前裝置的連接狀態。比如我們會展示一個二維碼，任何人用手機一掃，就可以直接進入這台裝置，向Agent傳送指令。Pamir的差異點在那？Q：Distiller Alpha和OpenClaw有什麼區別？葉天奇：在我看來，OpenClaw更像是一個「軟體傻瓜包」。它本質上像一層膠水，把很多已有的能力粘合在一起，解決的是可用性和易用性。這有點像當年大家對原生Android系統不滿意，於是會去刷各種第三方ROM，比如MIUI。OpenClaw刻意簡化了很多複雜的項目管理流程，把所有互動都集中在一個Chat session，同時在記憶持久化上做了大量工作，讓普通使用者更容易使用Agent。其實類似OpenClaw的項目以前也不少，沒有十個也有五個，只是今年OpenClaw跑出來了。我認為一個重要原因在於，它「膠水粘得足夠多、足夠好」。我們更關注另一層問題：如何讓使用者快速、安全地訪問Agent？當Agent出錯時，如何在系統層面進行回滾？圍繞這些問題，我們把自己正在做的事情統稱為Agent runtime。除此之外，我們還把麥克風、揚聲器、燈帶等硬體能力全部打包成SDK，再進一步抽象成Skills，原生地放進Agent體系裡。這樣一來，Agent在執行階段，就不只是「生成文字」，而是可以通過硬體去表達狀態、反饋和意圖。Q：把硬體能力打包成Skills，解決了什麼痛點？葉天奇：一個很直接的痛點是，非技術使用者如何快速上手硬體。我們在賣產品時，會附贈一個硬體小玩具。那怕你完全不懂技術、不懂程式設計，拿到產品之後也可以立刻開始玩。只需要開機，把這個硬體插上，就可以直接用，不需要理解它的工作原理。這個過程其實不需要我們在Agent層或者模型層投入特別大的精力。因為硬體是通過USB和裝置通訊的，只要插上，Agent就能立刻識別你連接了什麼裝置。比如你插的是一塊基於ESP32的LED模組，這個資訊會直接在系統裡被識別出來。當你再去和Agent互動時，Agent會先檢查當前的USB連接埠上連接了什麼裝置。它會發現這是一個基於ESP32的、具體型號是什麼的硬體，然後再去查看：當前項目目錄裡，是否已經存在這個硬體對應的說明書。然後Agent就會知道，如果要給這個硬體寫程序，需要用什麼工具、通過什麼方式刷進去；如果過程中遇到問題，它也知道該如何提示使用者，比如提醒你去按一下裝置上的reset按鈕進行排錯。Q：Pamir能做OpenClaw能做的事情嗎？葉天奇：可以的。因為Distiller Alpha本身也是一台完整的電腦，和買一台Mac mini來跑是同一種性質。只要是那種長期、可重複利用知識資產的工作，都可以直接放在我們的裝置上去運行。有一位使用者是網路安全專家，他積累了非常多年的安全經驗，自己整理了一大批網路安全相關的資料和方法論，全都記錄在文件裡。他把這些文件交給Agent，相當於把自己的經驗沉澱成一套可以執行的SOP。在網路安全領域，有一種常見的工作方式叫做漏洞賞金，安全研究者會到各個網站上尋找漏洞，找到之後網站會支付報酬表示感謝。這個使用者就是把自己的經驗交給Agent，讓Agent 24小時不間斷地在各類網站上尋找漏洞。Q：Pamir的自研硬體，和Mac mini這種通用電腦有什麼區別？葉天奇：Mac mini有點太奢侈了，如果你的需求只是檢查一下Gmail、看看Slack消息，那其實沒必要花這麼多錢買一台Mac mini。更重要的是，Mac mini並不是一個原生為Agent設計的系統。今天不管是電腦廠商還是手機廠商，本質上做的還是「給人用的裝置」。他們並沒有在系統層面，專門為Agent預留一套執行、行動、回滾的機制。所以Mac mini開箱之後，你需要自己做大量setup，這也是為什麼像OpenClaw這類方案，在真實生產環境中會遇到很多問題。當然，從純性能角度來說，Mac mini的硬體上限很高。但我認為，決定一個系統是否能真正投入生產的，不是性能上限，而是系統層面的下限和魯棒性。Mac mini加OpenClaw的方案是沒法真正投入生產的，原因就在於它的不可控性太強，它不是原生的Agent系統。Q：那Pamir為了做一個「原生Agent硬體」，相比Mac mini砍掉了那些功能？葉天奇：首先，我們沒有桌面，也沒有傳統意義上的螢幕系統。如果你從第一性原理去思考，Agent的工作時長會越來越長，能力也會越來越強，最終它更像是你的一個同事。而你不會和同事共用一台電腦。這也是為什麼我們沒有給Distiller Alpha做桌面系統和螢幕。Agent當然可以在內部使用虛擬桌面、虛擬瀏覽器，但這些並不需要被人看到。Q：圍繞這種第一性思考，你們增加了什麼原生能力？葉天奇：我們非常重視安全性。一個很重要的能力是自修復。如果你把一個OpenClaw交給非技術使用者，玩一天之後，很有可能就把系統搞壞了，因為Agent本身是可以修改自己程式碼的。進Windows時，你可以按F12進入恢復模式，我們認為原生的Agent電腦也應該有這樣的機制，不過是由Agent自己來完成。我們的裝置裡有一個watchdog系統。當系統出現問題時，它會先進行自檢，然後告訴你：比如某個關鍵檔案被誤刪，導致系統異常。你只需要確認一次，系統就會在幾分鐘內完成自修復，重啟後回到正常狀態。在這種情況下，我們甚至不需要提供什麼售後支援。如果你的電腦壞了，讓它自己修自己就好。另外，硬體本身也是一個物理層面的沙盒。有些安全問題，在軟體層面很難徹底解決，但通過硬體就輕鬆很多。比如你在使用Mac時，會用到指紋解鎖。還有一個很重要的點，我們的每台裝置都有一個獨一無二的ID。在硬體層面，我們可以加入專門的加密晶片，用來儲存這個Agent的ID。這個ID只能通過物理層面的方式進行暴力破解才能拿到。Agent所繫結的高敏感個人資訊，是可以直接和硬體捆綁在一起的，這對於防範圍繞Agent的攻擊非常重要。Q：OpenClaw社區最近反饋了很多安全問題，比如擅自重構資料夾，甚至有使用者的錢全被轉走了，這是怎麼回事？葉天奇：這和OpenClaw的設計取向有關。它為了追求便捷性和自動化，希望創造更多「hands off」的驚喜時刻，因此在系統裡加入了非常多的自動執行邏輯。比如它內部有類似「心跳機制」的設計，每隔一段時間就會主動去尋找可以做的事情。但它的下限和系統魯棒性不足，這種過強的主動性和自動性，會直接帶來不穩定性。在我看來，OpenClaw更像是一種新的軟體範式。如果你去看它生成的程式碼，會發現整體結構非常混亂，有不少bug。這種產品會越來越多，而且也會繼續有人使用。但它和我們這種有專業團隊、一步一步從系統層和硬體層進行設計、開發的產品，在本質上還是不同的。我們不會像OpenClaw那樣，為了讓Agent能一直跑，就不斷給它疊加各種Skills。在權限和安全設計上，我們更強調引入人的監管。Q：所以還是OpenClaw的上限更高？葉天奇：我糾正一個容易被誤解的點，並不是說OpenClaw本身的軟體或架構決定了它的上限更高。更多是因為外部條件：它跑在Mac mini這種性能很強的硬體上，同時又呼叫了當前最好的模型。Q：有人把OpenClaw能做的事情從簡單、中等到高難度分了幾個等級，你能給Pamir做個類似的分級嗎？葉天奇：很多知識工作者買我們的裝置，做的事情其實非常簡單。他們把它當成一個「聰明的硬碟」。比如有一位律師使用者，有一個項目涉及兩百多份檔案。我一開始也很疑惑他為什麼要買我們的裝置，後來發現他之前一直用ChatGPT，但沒辦法一次性把這麼多檔案交給它。我們的裝置剛好解決了這個問題。對他來說，它就是一塊可以被Agent理解、可以直接操作的行動硬碟。再比如，有些使用者會把USB 隨身碟插到裝置上，然後直接對Agent說：「這個USB 隨身碟裡有個檔案，你幫我改一下。」Agent可以自己進入USB 隨身碟目錄，找到檔案、修改、再告訴使用者已經完成。這一層的本質就是檔案系統級能力。再往上一層，就涉及真實的「電腦行為」。比如讓裝置去查看Twitter、訂餐廳、處理網頁上的事務。這類事情如果放在純雲端環境，其實並不好做。但我們的裝置本身就是一台真實的電腦，有自己的瀏覽器、桌面和網路環境。舉個例子，我之前想訂一家餐廳，一直訂不到位置。我就讓裝置去盯著網頁。銀行卡資訊是存在裝置裡的，一旦有空位出現，它就可以立刻幫我完成預訂。過去類似的事情，大家通常是寫指令碼來做，但很容易被網站的「機器人檢測」攔下來。現在你可以讓Agent像人一樣打開網頁、瀏覽、點選，這種行為很難被識別為自動化。再往上一層，往往和你個人的技術能力或知識資產高度相關。比如有程式設計師使用者，白天在公司上班，家裡放著我們的裝置，把自己的「第二份工作」相關內容全部交給Agent。他會在中午休息或者空閒時間，通過裝置檢查第二份工作的進度、下達接下來的任務，相當於同時做兩份工。類似的情況也出現在電氣工程師、維修技工身上。他們過去要帶著電腦去現場檢修裝置，現在只需要帶這台裝置，把可復用的維修流程和知識資產都交給Agent，再連接伺服器就行，能顯著加快檢修效率。再往上走，就是偏極客的高級玩法了。比如之前說的逆向印表機、強行控制硬體。如果你的技術背景足夠紮實，只需要把這些知識交給Agent，它就可以很快幫你寫出一份Linux驅動，直接控制裝置。為什麼要自研硬體？Q：Pamir是在用一台硬體去替代原本的電腦。另一種是Manus路線，讓Agent操縱雲端的虛擬電腦。如果看便攜性，這種方式豈不是連額外硬體都不用帶，只需要一部手機就可以了？葉天奇：對，從技術上來說，這是另一種解法。我認為這兩種形態在未來都會長期存在，只是它們適合的任務類型不一樣。雲端虛擬電腦更適合做一次性的任務，比如調研、科研相關工作。這類任務往往是one-shot的，不太強調長期運行和狀態持久化。但如果你需要的是長期持久化的Agent，問題就來了。這些資訊要不要一直放在雲端？那是不是意味著你要持續付費？而且很多高度個人化的資訊，大家也不太願意長期放在雲上。這其實和人們買電腦是一樣的邏輯。理論上，很多檔案都可以放在雲端，但真正和你每天工作強相關、需要隨時訪問的東西，你還是會更希望它在自己身邊、隨手可用。另外一個差別點是，硬體更容易通過USB和硬體打交道。尤其是知識工作者，會大量使用USB 隨身碟、SD卡，實體裝置在這種場景下更順手。Q：除了剛剛提到的這些功能性價值之外，從你的個人體驗來看，這種實體硬體在情緒價值上，能帶來什麼？葉天奇：情緒價值其實非常多。在早期階段，如果你想用純軟體去「驚豔」開發者，其實是很難的一件事。通過硬體形態，反而更容易讓他們產生情感連接。比如Distiller Alpha，外殼表面覆了一層特殊的手感漆，整體是偏柔軟的觸感。很多使用者第一次拿到裝置時，都會覺得這是一個遠遠超出預期的體驗，因為他們從沒見過一台「軟的」的電腦。這會讓他們意識到：這不是一個Mac mini的替代品，而是一個全新的品類。產品形態如果不夠創新，使用者第一句話一定會問：「這和手機有什麼區別？」「這和電腦有什麼區別？」我覺得在做面向未來的產品時，很重要的是，要主動打破使用者已有的認知框架，消解他們的疑慮，讓他們來不及問出這些問題。此外，當你通過硬體設計、材質、觸感，讓使用者意識到這是一個從未見過的形態時，產品的情緒價值就會被顯著放大，這對To C產品來說非常重要。Q：這也是為什麼你們一開始會選擇線下銷售的原因嗎？葉天奇：對。我們會去參加各種駭客松、線下活動。你問的很多問題線上下也經常被問到，比如：為什麼不直接跑在雲上？為什麼不直接用ChatGPT？但現在問這些問題的人越來越少了。我覺得這和OpenClaw的走紅也有關係，如果OpenClaw是四個月前發佈，很多人可能根本不知道它是什麼。但現在，市場對Agent、以及「Agent需要自己一台電腦」這個概念的接受度提高得很快。Q：你們在駭客松遇到消費者，會怎麼說服他購買？葉天奇：我一般會先問一個很簡單的問題：「你平時用不用Claude Code？」如果對方說用，那其實已經基本落在我們的目標使用者範圍裡了。接下來我會繼續問他：「你現在有沒有在寫程式碼？」通常他說沒有。我就會接著說：「你其實應該在寫程式碼，現在寫不了，是因為你把你的電腦合上了。」這時候他往往會愣一下，然後覺得你說得有點道理。然後我會直接掏出手機，給他看我正在用手機遠端Vibe coding。這一刻通常就已經完成了認知轉變。還有一些不是當場發生的。有一個極客，平時用機械鍵盤，晚上敲程式碼聲音很大，女朋友嫌他太吵，不讓他繼續敲。但那天晚上他的靈感還沒斷。他回到床上，突然想起了我們的裝置，於是直接給裝置發消息，繼續推進他的項目。那一刻他覺得特別爽。後來他在社交平台上發了很多帖子，主動推薦大家買我們的產品。我覺得本質上，我們打動的，是那些不希望被打斷心流的人。Q：那假設我已經被說服了，也花了250美元買了這個裝置，我拿到裝置後要做些什麼？葉天奇：首先你需要有一個Claude帳號。大部分購買我們裝置的人其實已經有了。拿到裝置之後，你只需要插上電，它會先顯示一個二維碼。掃這個二維碼之後，會進入Wi-Fi連接頁面，裝置連上網之後，會再生成一個新二維碼。你再掃一次這個二維碼，就可以進入裝置頁面，登錄你的Claude帳號，然後就可以開始對話了。在最開始的階段，我們會給使用者準備一些「玩具級」示例。比如我們會引導你建立一個個人首頁，這個首頁直接跑在這台小電腦上。它可以每天幫你抓取你感興趣的論文、新聞或資訊更新。硬體這塊，我們會附贈一個硬幣大小的8×8的LED燈陣。拿到這個小玩具後，有些顧客會描述自己喜歡的遊戲角色，說：「你幫我把這個角色展示出來。」然後裝置會自己去網上查這個角色的形象，下載需要的依賴，生成對應的程序。兩分鐘左右，這個LED燈陣上就會開始播放他喜歡的角色動畫。整個過程使用者什麼都不用做。Q：在部署成本這件事上，Pamir的優勢主要體現在那裡？葉天奇：我們其實準備了兩套使用方式。對技術人員來說，你可以直接在電腦上打開，用的就是VSCode這一套熟悉的IDE體系。這一類使用者幾乎是零門檻，他們本來就在用這些工具。對非技術人員來說，他們完全不需要碰電腦，可以直接用手機。手機端是一個和ChatGPT很像的網頁介面，通過對話的方式來使用。當然，非技術使用者也不是完全不需要學習，只是學習成本會低很多。我也承認，OpenClaw在這一點上做得很好，它通過整合到使用者已經熟悉的聊天工具裡，對非技術使用者來說，幾乎是「天然可用」的。所以兩者最大的差別，其實是在互動路徑上。Q：剛才聊了很多新使用者的體驗，但你應該算最老的使用者，用了這麼久本地Agent，它對你個人的生活和工作習慣，帶來了那些變化？葉天奇：變化其實非常大。我們是深度使用者，現在大家對OpenClaw的體驗，我們在半年前就已經經歷過了。到現在，我們公司內部已經開始出現一種現象——傳統電腦的存在感越來越低，很多工作，用裝置+手機+iPad，甚至再加一個AR眼鏡，就已經足夠了。現在我們在打開電腦之前，都會先問自己一個問題：我現在要做的這件事，能不能交給裝置？如果答案是肯定的，那這件事可能已經不需要人去做了。所有人的角色，幾乎都被迫「往上提了一級」。以前你可能還是一個主要負責寫程式碼的角色；現在你更像是一個架構師，需要決定方向、拆解問題、設計系統。Q：當Pamir幫把很多工作自動化後，你把時間花在了什麼地方？葉天奇：學習，讀書。當然，作為CEO，我更多的時間會放在判斷接下來幾個月可能發生什麼，以及應該圍繞這些變化去設計怎樣的軟體架構。真正花時間的地方，已經從「執行」，轉移到了Review和思考上。過去，行動比想法更有價值。公司之間的差距，主要來自工程能力和工程時間的堆積。但現在，行動本身的價值在下降，因為Agent可能十分鐘就把事情做完了。反而是你的思考、你的判斷、你的願景，變得越來越重要。所以我們現在會花大量時間去復盤、討論、對齊方向。Q：這種轉變，會對公司的組織形式和工作範式帶來什麼影響？葉天奇：我覺得這種變化帶來的衝擊會非常大，很多公司可能還沒真正意識到這一點。如果把今天的大廠，尤其是一些Frontier Lab，和普通創業公司放在一起看，會發現差距非常明顯。原因在於，模型廠商掌握著模型本身的控制權。使用者在使用過程中遇到的所有問題，都可以被他們捕捉到。這些問題會直接進入下一輪後訓練，模型的下限會不斷被抬高，魯棒性會越來越強。這意味著他們是可以形成閉環的，模型和Agent可以一起成長，產品會越用越好，內部效率也會越來越高。這也是為什麼Claude產品會越用越好。相比之下，如果你只做Agent layer，就算你把Agent寫得再好，它也沒法把反饋「喂」回模型。你只能不斷用人力去維護規則、修補邊界。我覺得今天的創業要想清楚一件事：自己的真正優勢和差異化到底在那裡？一定要做那些別人暫時做不了的事情，主動避開不公平競爭。Q：如果Claude下場做類似的事情，你們的護城河在那？葉天奇：對我們來說，就是系統層和硬體層。硬體意味著供應鏈、生產、真實使用者互動、物理世界裡的反饋，這些並不在模型到Agent的閉環之中；系統層的沙盒、安全、回滾機制，同樣是在模型和Agent之上的一層。說實話，今天軟體層面的護城河已經非常薄了，而且只會越來越薄。就算你做出來一個新功能，別人可能花兩天就能把復現出來。真正的護城河，更多集中在硬體本身，以及軟硬體的深度整合上。能耗、晶片選型、記憶體和儲存的配比、Agent能跑到什麼邊界、供應鏈周期，這些都需要大量經驗和時間去一點一點堆出來。核心還是兩點。第一，是你對Agent的認知深度。這個領域變化太快了，幾乎每天醒來都會出現新的東西。如果你對Agent的理解沒有至少幾個月的前瞻優勢，很容易就會陷入被動追趕。第二，是你能不能做出10倍、20倍等級的使用者體驗差異。如果只是1.2倍、1.5倍的改進，在今天的軟體競爭環境裡，很快就會被淹沒。你看現在Claude產品確實已經很好用了，但真正的非技術使用者有多少人在用Claude Code？在我看來，這個體驗距離「我爸媽也能用」之間，依然存在明顯的gap。而這個gap，恰恰是本地Agent和軟硬體結合還有機會去填補的地方。Q：有沒有一些關於使用Agent的小tips，能讓普通使用者用得更高效一些？葉天奇：我覺得可以先假設一個前提。如果大家用的都是頂尖模型、頂尖Agent layer，那麼最終效果的差異，很大程度上並不來自「模型聰不聰明」，而是你如何和它溝通。一個很常見的問題是，很多人一上來就把一個很大的任務一次性交給Agent。這種情況下，Agent做不好是非常常見的。我自己的習慣是先和Agent一起做計畫。但我也不會讓它一次性把所有事情規劃完，然後直接Kick off全流程。那樣在執行過程中，幾乎一定會出錯。我傾向於把任務切割成足夠小、足夠清晰的步驟，再告訴Agent把這套計畫存下來。這樣一來，它在後續執行時，可以不斷回訪「自己該做什麼」，整個過程會更有條理，執行的魯棒性也會更高。還有一個很多人容易忽略的點：如何把一次對話，轉化成可復用的知識資產。很多人Vibe coding完了就結束了，這個過程中產生的大量經驗，並沒有被保存下來。比如你在調一個藍牙模組，怎麼都連不上，最後發現是因為某種晶片只接受特定格式的消息。這本身就是一個非常有價值的知識點，在之後的項目裡，很可能會反覆用到。所以我會建議使用者，在使用過程中有意識地引導Agent把這些錯誤、踩坑、解決路徑，總結成可復用的Skills或規則。不要用完就結束，記得持續積累屬於你自己的知識資產。本地Agent的創業感悟Q：能跟我們講講你的創業故事嗎？最開始做這個項目的時候，起心動念是怎樣的？葉天奇：說實話，這個項目裡，運氣的成分挺大的。我們一年半以前就開始做Pamir。那個時候，很多人連Agent是什麼都不知道。當時Pamir也不是現在這個形態，我們最開始做的是端側AI，To B業務。我和聯創張城銘畢業後，大概在大廠工作了兩年。那段時間，我們白天上班，晚上和周末就嘗試各種各樣的項目，但一直沒有真正做出什麼特別大的東西。Pamir對我們來說，算是一次孤注一擲。在這之前，我們一直都是邊上班、邊做項目。但做Pamir的時候，我直接搬到聯創家裡，睡在他家的沙發上。那段時間其實挺糟的，全職工作也做不好，項目也做不出來。想著「要麼成、要麼就算了」。當時做Pamir的判斷是：如果你要做嵌入式系統，就一定需要一個端側的硬體板子。所以一開始我們是在賣開發板，面向的是矽谷一小撮在做對話式AI和硬體結合的極客。不過，聯創和我都是技術出身，對融資一無所知，也不知道應該怎麼講故事，基本就是硬著頭皮做。花了幾周時間把原型做出來之後，就直接拿到矽谷去賣。Q：最開始賣給矽谷，順利嗎？葉天奇：比我想像中要順利。當時正好有兩個非常有名的AI硬體項目，一個是Rabbit，另一個是Humane，帶起了一波AI硬體創業的熱潮。那個時間點，市場是被充分教育過的，我們本身的產品也很有優勢。當時很多做語音互動的AI公司都非常「笨重」：用樹莓派，加USB麥克風，再加USB揚聲器，拼成一個很大的盒子。我們給他們展示的，是一個非常小的板子，卻能完成他們現有方案裡大部分的功能。這對他們來說吸引力非常大。Q：當時和你們在同一批起跑的競爭對手，現在都是什麼狀態？葉天奇：很多都選擇All-in端側模型，甚至是Double down在端側這條路上，但基本都轉去做To B業務了。從市場上看，To B這幾年是有增長的。端側模型越做越小、越做越輕，在一些明確的落地場景裡是成立的，比如車機系統、企業內部的私有化部署，都會有需求。只不過，這條線的增長速度，明顯趕不上Agent相關的公司。我們也不太適合做To B生意，坦白說，我們不太喜歡和B端客戶打交道。一是交期要求非常嚴格，二是很難發揮想像力。好不容易從大公司出來創業，結果折騰一趟後，發現自己又在給別人打工。有一次我在給產品寫程式碼，讓Agent跑任務。我盯著螢幕看了大概兩分鐘，什麼都沒做，只是在發呆。突然一個念頭閃過——為什麼我的Agent在工作，而我卻要盯著它看？從這個體驗出發，我們推匯出一個結論：未來一定需要一種Agent自己的、獨立的計算裝置。想清楚這一點之後，我們幾乎是立刻決定把所有端側相關的方案全部刪掉，全面接入當時最新的大模型，徹底轉向To C。之後的事情就比較順了。我們開始正式賣產品，開始大量做線下展示。後來Vibe coding開始流行，然後Claude Code火起來，我們又繼續往這個方向演進。Q：你覺得現在更幸福，還是之前在公司上班的時候更幸福？葉天奇：這是個好問題。其實我之前也被朋友問過類似的問題，問我理想的生活狀態是什麼樣的。我想了很久，發現現在的生活基本就是我理想中的狀態。每天都有新的挑戰，還能和志同道合的人一起解決問題。你可能聽說過「傳教士」和「僱傭兵」的說法。我們更像傳教士，是在為一件高於自我的事情工作，即使短期沒有物質回報也願意堅持。一開始做Agent電腦，很多人根本理解不了，覺得不可理喻。但我們自己是信的，甚至覺得這件事情的意義，高於我們個人本身。我們現在創業在做的，就是把它帶到這個世界上。我很享受這個過程。Q：你有沒有更宏大的願景？AI電腦這件事，最終會走向那裡？葉天奇：我們希望替代現在意義上的電腦，更準確地說，是替代筆記型電腦。今天人的大量時間，還浪費在極低價值的操作上，比如在不同系統、不同表格之間手動搬運資料。我們希望把這些工作徹底自動化，讓人把精力用在真正需要思考、判斷和創造的事情上。也有一點很個人的動機。我其實非常想挑戰蘋果。我現在對蘋果的態度是複雜的。一方面我很依賴它的生態；另一方面，我對它當前定義「個人計算」的方式感到不滿意。公司裡很多人也有類似的感受。手機廠商當然知道自動化、智能體是趨勢，他們也會往這個方向走。但路徑有根本差異。他們做的是前台，所有能力最終都要回到螢幕、互動介面和注意力佔用上；我們做的是後台，很多任務不需要螢幕，也不需要人持續盯著。我們認為這是一次非常難得的機會，終於可以不再需要圍繞「螢幕」去設計產品。Q：最近OpenClaw把Mac mini又帶火了一波，你什麼感受？葉天奇：這確實是我們很難在短期內追平的一點。蘋果在處理器、硬體整合上的能力，幾乎沒有對手。這也是我們後面考慮逐步引入高通晶片、一點點縮短硬體差距的原因。但從另一個角度看，在Agent成為主導範式之後，硬體參數的重要性在相對下降。蘋果依然可以繼續做極其強大的通用計算裝置，這件事不會消失。但它是否一定是Agent的入口，這件事並不確定。歷史上類似的情況其實反覆出現過。早期個人計算時代，也有像IBM這樣的巨頭存在，但形態、入口和主導權依然發生過轉移。我覺得今天是又一次輪迴，只是這一次的核心變數變成了Agent。 (36氪)

與Voxdale創始人兼CEO Tim Dieryckx見面之際，全球人形機器人進入資本、量產、商業相互交織的焦灼狀態；AI眼鏡賽道里擠滿了來自中國的廠商；一場更加明顯的東昇西落在世界各個角落輪番上演。頭圖｜視覺中國我們的談話，發生在今年CES結束不久，這場消費電子界的盛會上，幾乎90%都是來自中國的硬體廠商，甚至有人戲稱，CES，成為了中國消費電子展。但Tim今年沒有去，他說CES噱頭太多，不如實地到中國來看看。我們在這座“電動車之鄉”見面，無錫國際人才港，集合了來自國內外的創新動力，樓內是機器人Demo與AI創業公司的試驗場；窗外就是台鈴、雅迪等電動車巨頭的大樓。無錫旁邊的常州，被譽為“鋰電池之鄉”，再往旁邊的蘇州，則匯聚了半導體、材料、家電等一條完整的硬體產業鏈叢集。Tim對我說，他是來學習的。我們的談話，發生在今年CES結束不久，這場消費電子界的盛會上，幾乎90%都是來自中國的硬體廠商，甚至有人戲稱，CES，成為了中國消費電子展。但Tim今年沒有去，他說CES噱頭太多，不如實地到中國來看看。Voxdale，這家總部成立於比利時的工程機構，奉行“設計驅動工程”的核心哲學，這是戴森創新的核心。Tim本人在硬體、可持續能源和IoT產品開發、創業和組織管理中積累超過15年的實踐經驗。這聽起來似乎平平無奇，但如果知道硬體行業的殘酷，就會明白這六個字的份量。在硬體創業的圖譜中，存在一個著名的“死亡之谷”，一個從原型Demo到大規模量產之間的灰色地帶，諸多公司死在谷底。Voxdale的角色，就是幫助創新者、大公司以及大學，在他的工程實驗室裡填平這道鴻溝。他們不僅關注產品是否美觀，更關注能否用合理的成本把它造出來。這正是Tim來到中國的原因。在他看來，中國已是全球硬體開發全鏈路中一個不可或缺的“變數”。“過去15到20年，我們一直與中國公司緊密合作。如果你想把產品從1做到100萬，你離不開中國。”Tim向我展示了他手腕上的華米（Amazfit）智能手錶——這款售價僅250歐元的中國產品，提供了與Apple Watch幾無二致的功能體驗。“歸根結底，任何硬體產品只關乎兩件事：規模化和降低成本”，Tim說，“從構思硬體產品的第一刻起，我們就必須開始焦慮：這東西要生產多少？用什麼技術才能立刻實現大規模製造？”這次中國之行是他的第一天。在無錫國際人才港與數家中國AI初創企業交流後，他看到了一種他在歐洲久違的勁頭——一群擁有國際化背景的工程師和博士，他們沒有那是那種在歐洲常見的“陳舊包袱”，而是一心想做實事，想“出去征服世界”。他把這種獨特的氣質總結為“沒有思維界限”， “在歐洲，人們往往因為監管的束縛，第一反應是‘這不可能做到’。而在這裡，人們思考的是‘什麼是有可能的’。”“這裡的政府扶持也讓人印象深刻。”Tim指著窗外，“辦公區就設在公寓旁邊，你能清晰感受到政府這雙‘有形之手’在推動初創企業的發展。”然而，當我們的話題轉向當下最熱的“AI原生硬體”時，Tim並沒有表現出預期的興奮。相反，他潑了一盆冷水。“老實說，到現在為止，還沒有特別讓我驚豔的。”在他看來，目前市面上大量的所謂AI硬體，本質上是在賣算力盒子，比如把一顆Nvidia的晶片塞進外殼裡，然後加上各種周邊配置。散熱難、功耗大，且缺乏真正的應用場景。尤其是被寄予厚望的AI眼鏡，Tim直言“對此表示懷疑”。在他看來，目前的AI眼鏡更像是一種噱頭，而非下一個iPhone時刻。“如果我知道，那我就發財了。”他笑著說，但我認為可能不是眼鏡。什麼是真正的AI原生？Tim給出了一個極具參考價值的定義：當硬體是產品的載體，而AI是產品的核心本質時，這才是AI原生硬體。 這意味著，如果你把AI拿掉，這個產品就變成了廢鐵，無法運作。以此標準審視，目前市面上大量的“智能硬體”恐怕都要被打回原形。軟體和硬體的區別，Tim給出的個感性的答案，他說軟體很難讓人產生愛，但硬體可以，“APP很少讓人感嘆‘看這設計多美’，但硬體設計能讓人感到愉悅。”這種情感連接，是硬體區別於軟體的特權，也是許多智能化產品在堆砌參數時容易忽略的地方。對於正處於激戰中的中國硬體創業者，Tim建議是，利用好本土優勢，適配全球化以及保持清醒，因為，“印度在追趕成本，歐洲在試圖復甦創新，競爭永遠在動態變化中。”以下是訪談實錄，虎嗅根據實際情況進行了刪改：中國是硬體開發所有環節中重要一環虎嗅：先介紹下Voxdale，你們為硬體公司做什麼樣的創新和服務？Tim Dieryckx: 我們的核心業務是幫助公司做硬體產品的設計與工程。這也是我為什麼來這兒，因為在硬體開發的所有環節中，中國都是一個至關重要的因素。作為一個公司，我們將兩件事緊密結合：一是設計，確保產品美觀、獨特、使用者體驗好；二是立刻結合工程化和量產化。我們幫助創新者、大公司以及大學，將創新的想法推向市場。從構思硬體產品的第一刻起，我們就開始考慮：這東西要生產多少？用什麼生產技術才能立刻實現大規模製造？這也是為什麼過去15到20年我們一直與中國公司緊密合作，因為我們需要元件，需要製造，並且這種合作在過去幾年變得越來越緊密。我們還有第二塊業務，就是孵化我們自己的初創技術。我們會作為某種形式的“初創工作室”（Startup Studio），與大學、醫生或領域專家合作，孵化我們自己的硬體初創公司。目前我們有大概10項技術正在開發中，進度不一。虎嗅：你們也做創新孵化的業務，有一些已經退出的成功案例嗎？Tim Dieryckx：我們已經成功退出並出售了幾家公司。一個是尿液採樣裝置。這是一個很專業的領域，具體是體外診斷（IVD）。這個裝置已經賣給了一家美國公司。我們還開發了一種疫苗接種技術，即皮內注射疫苗。這能減少所需的疫苗劑量，接種速度更快、成本更低，人們甚至可以自己操作，這有很多優勢。我們還為此開發了配套的機器人技術，讓人們去藥房就能接種。現在我們正在研發一種血液採樣裝置。我們的假設是，特別是在美國和英國市場，採血成本很高，但血液樣本依然是最好的檢測樣本之一。考慮到人口老齡化這也是個痛點，另外，如果未來再次發生大流行病，基於家庭的血液採樣會有巨大優勢。因此，我們開發了一種極低成本的大容量採血技術，目前處於最後階段，正準備量產，生產將會在中國進行。硬體區別於軟體的地方是能帶來情感共鳴虎嗅：迄今為止，你是否看到了一些有趣的AI原生硬體？Tim Dieryckx：老實說，到現在為止，還沒有特別讓我驚豔的。對我來說，真正最有趣、最讓我震撼的還是自動駕駛。以前自動駕駛可能只能應對比較簡單的環境，但現在汽車在非常複雜的路況下所展現出的決策能力，令人驚嘆，這是目前最讓我折服的AI應用。我總覺得手邊的裝置如果加上AI應該能更好，但我看了一些加了AI的智能手錶之類的，老實說並沒有被它們的功能震撼到。虎嗅：在你眼中，衡量一個好硬體的標準是什麼？Tim Dieryckx：第一是專注，專注於有限的創新點。在一兩個方面做到與眾不同且比別人更好，那怕只是價格優勢或者某個功能；第二是可擴展性，你必須能大規模量產它，並在這個過程中把成本降到很低；第三是直觀，看到它你就知道怎麼用，不需要思考，不需要讀說明書去找按鈕在那裡。最後是情感連接，最好能帶來某種層面的情感。如果把它送人我會有點難過。這是硬體區別於軟體的地方。軟體APP很少讓人感嘆“看這設計多美”，以此獲得掌聲，但硬體可以。比如汽車，雖然有些很醜依然實用，但人們確實會因為一輛車的設計很美而喜愛它、購買它。這就是硬體獨特的地方，它能帶來情感共鳴。虎嗅：你怎麼定義一款AI原生的硬體？Tim Dieryckx：這是一個好問題。至少我們目前的定義是：當硬體是產品的載體，而AI是產品的核心本質時，這就是AI原生硬體。這意味著，如果你把AI拿掉，這個產品就無法運作。這與汽車不同，汽車裡有很多AI，但如果拿掉AI，汽車的主要功能，即把人從A點送到B點——依然存在。舉個例子，有一種安裝在天花板上的燈，它的核心功能是檢測人是否跌倒。只有當AI檢測到跌倒並報警時，它才在工作。除此以外，它周圍的硬體僅僅是支撐，核心功能完全依賴背後的AI引擎，這就是AI原生。虎嗅：現在你看到的AI原生硬體最大問題在那裡？Tim Dieryckx：目前很多所謂的AI硬體，歸根結底是在比拚算力，AI硬體的一大難點是散熱，因為需要強大的算力支援。目前很多產品的邏輯就是把正確的引擎（通常是Nvidia晶片或類似的）塞進外殼裡，加上周邊配置。相反，我在那些融合了AI的傳統硬體上看到了更驚豔的表現，比如人形機器人，它們在機械結構、手部動作上的進步，比單純的AI盒子更讓我印象深刻。虎嗅：你見過的最愚蠢的硬體產品是什麼？Tim Dieryckx：有一家公司他們融資了幾百萬歐元，開發了一台售價400歐元-500歐元的機器。這台機器唯一的功能就是擠壓一個裝著果汁的袋子把果汁擠到杯子裡。結果後來人們發現，根本不需要這台機器，直接用手擠那個袋子，果汁照樣能出來。“他們在想什麼？”，完全是為了做硬體而做硬體，毫無意義。虎嗅：你怎麼看AI眼鏡？它會成為下一個取代iPhone的硬體嗎？Tim Dieryckx：我對此表示懷疑。人們嘗試做智能眼鏡已經很多次了，包括蘋果、Meta等，但我至今沒看到真正的日常使用場景。目前的AI眼鏡更像是一種噱頭。雖然在外科手術、遊戲等特定領域有應用，但我很難想像人們會有全天候佩戴眼鏡來處理日常事務的習慣。此外，眼鏡的可用性和算力之間存在巨大矛盾：要在保持輕便、經濟、易用的同時塞進強大的算力，這太難了。不過，我們看到一個很有趣的方向是智能隱形眼鏡。比利時有一家初創公司在做這個，雖然還處於非常早期的階段，甚至還無法完全運作。他們的願景是先幫助那些瞳孔無法隨光線收縮的人自動調節進光量，未來甚至可能實現“增強視覺”（如超人般的變焦能力），如果成真，那才是真正酷炫的未來。虎嗅：你覺得下一個像iPhone一樣偉大的硬體產品形態可能是什麼？Tim Dieryckx：如果我知道，我就發財了（笑）。但我認為可能不是眼鏡，而是一種整合式的AI助手。它可能是一個掛在脖子上的掛件、耳機或者別針，能全天候捕捉我們的圖像、聲音、飲食習慣和健康資料，像一個超級秘書一樣，幫我們記錄會議、分析健康、預測風險。另一個確定的未來是機器人。無論是家裡的服務機器人、工廠裡的機械臂，還是路上的自動駕駛汽車（它們本質上也是機器人），未來我們的生活將充滿各種形態的機器人。真正好的硬體不應該依賴手機虎嗅：我們經常看到硬體初創公司死在“原型機”到“量產”之間的“死亡之谷”，根據你的觀察，最常見的失敗原因是什麼？Tim Dieryckx：歸根結底通常是因為錢燒光了。為什麼會燒光？首先是無法規模化，很多公司卡在中間階段，市場牽引力不夠，但單品成本又太高。為了把成本降下來，你必須虧本通過規模化銷售來分攤成本，這需要巨額資金和投資人的絕對信任，或者你得有一個巨大的市場——但這在歐洲很難。其次是對產品市場契合度（PMF）理解不深： 很多公司沒搞清楚自己到底該賣什麼。還有市場定位錯誤： 有些公司一心想做C端（消費者）產品，但這很難。其實做B端（企業）或中間產品更容易存活，例如我們接觸過一家做防彈材料的公司，他們沒有自己去做防彈背心賣給個人，而是做中間層賣給大公司，迅速獲得現金流，甚至不需要融資。另外是地域限制（尤其是歐洲），歐洲市場太分散，每個國家有不同的法規、語言和審批流程，導致初創公司起步市場太小，難以規模化。虎嗅：供應鏈和迭代速度難道不是失敗的主要原因之一？Tim Dieryckx：我認為供應鏈不是最大的問題。現在全球供應鏈協作非常緊密，尤其是和中國。主要問題在於迭代思維。在歐洲，人們往往追求“一步到位”的完美技術，試圖建構整個生態；而在中國，你們非常擅長增量創新——從一個小功能開始，快速推向市場，然後不斷迭代、深挖。這是歐洲的傳統包袱。我們的財富是建立在發明全新機器（如寶馬、博世、西門子的大型機械）基礎上的，因此我們需要學習中國的快速迭代模式。至於供應鏈，如果你想從0做由1，或許不需要中國；但如果你想從1做到100萬，目前離不開中國供應鏈。但這並不是障礙，因為中歐企業間的合作非常順暢且快速，通常幾天內就能拿到報價並開始模具製作。虎嗅：好的硬體必須依賴手機嗎？Tim Dieryckx：目前連接手機是一種權宜之計，因為手機算力強且普及，這樣能降低硬體成本。但我認為，真正好的硬體不應該必須依賴手機。尤其是在醫療領域或專業場景下，許多優秀裝置是獨立運行的。隨著算力成本下降，未來最好的硬體應當是獨立的。這裡的中國人有“想征服全世界”的勁頭虎嗅：我們常說戴森是硬體設計類創業的標竿。在迭代快速的AI時代，戴森模式還有效嗎？Tim Dieryckx：戴森是一家了不起的公司，擁有頂尖的設計師。但他們面臨的巨大挑戰在於創新速度。AI不僅挑戰戴森，也挑戰所有巨頭。如果中國的創新速度持續領先，這對那些處於領先地位但行動緩慢的公司來說是巨大的風險。虎嗅：這是你到中國的第一天，在和中國這些人工智慧的初創企業交流之後，你有什麼感受？Tim Dieryckx：我認為是思維界限，在歐洲人們往往會因為監管而更多地想“這不可能做到”，這裡人們思考的是“什麼是有可能”的，而不是“什麼是不可能的”。而且我發現在這裡交流的中國人都很國際化，他們大多是工程師，有的是博士，大部分有留學背景。他們都是真心想做實事的人，大家想作偉大的公司，有種“出去征服世界”的勁頭。另外，這裡的政府創業扶持也很讓人印象深刻，政府的辦公區就設在公寓旁邊，你能清晰感覺到政府在推動初創企業的發展，幫助他們做大做強。虎嗅：我們是否正在走向一個AI硬體由中國初創公司獨佔的未來？Tim Dieryckx： 短期內中國在硬體領域確實是超級大國，但我不認為未來會是獨佔的。首先，美國依然擁有世界上最頂級的科技巨頭（蘋果、特斯拉、輝達等）；其次，歐洲（如愛沙尼亞、芬蘭等地）正在復甦；再次，印度和非洲部分地區正在崛起，未來5-10年它們可能會在成本上挑戰中國。但我確信，在接下來的20到30年裡，中國仍將是硬體領域的主導力量。中國的技術領先優勢很明顯，比如生物科技、自動駕駛、無人機，以及最讓我震撼的機器人領域。在這裡，你不是看到一家公司在做人形機器人，而是看到15家公司同時在做，競爭異常激烈。這種競爭會極大地推動技術進步，這也正是我們希望把這些技術引入歐洲的原因。虎嗅：對中國的硬體創業者你有什麼建議嗎？Tim Dieryckx：利用好本土優勢，你們擁有巨大的本土市場；全球化策略，如果要出海，儘量與當地公司合作，調整設計以適應當地文化；保持警惕，不要因為現在做得好就睡大覺；保持敏銳，因為其他國家和地區也在追趕。 (虎嗅APP)

▎這是一場關於使用者入口和第一介面爭奪權的戰役。有沒有發現，大廠都在佈局自己的AI硬體產品。在達沃斯現場，OpenAI 的全球事務官克里斯·萊恩透露了一個最新消息，OpenAI 正在按計畫推進，準備在 2026 年下半年推出首款 AI 硬體裝置。這個消息讓原本就焦躁不安的科技圈徹底炸了鍋。這意味著，全球最頂尖的演算法引擎開始進入硬體賽道，在中國，近期無論是華為、字節、阿里都在湧入AI硬體市場。要知道，過去十年網際網路公司一直想擺脫笨重的硬體，追求輕資產的軟體模式，而現在，他們正不計成本地集體“返祖”，殺回那個曾經讓他們頭破血流的硬骨頭市場。典型的是字節，作為一家做軟體的公司，字節旗下的飛書最近聯合安克創新發了一款叫“一顆豆”的 AI 辦公硬體。在此之前，大家對飛書的認知還是文件、表格和視訊會議。但如果你把視角放大，你會發現這不只是飛書一家的動作。字節跳動、阿里、小米、百度，甚至是大洋彼岸的 Meta 和 OpenAI，都在瘋狂往硬體市場裡擠。Meta 的動作最激進。根據媒體報導，祖克柏已經要求製造合作夥伴在 2026 年底前，把 AI 智能眼鏡的年產能翻一倍，達到 2000 萬副。莫非，這是又一次科技熱潮來了？但是，回頭看看這些大廠在硬體路上踩過的坑，你就會發現這次集體湧入有多麼反常。過去十年，大廠做硬體幾乎是出一款死一款，尤其是在中國市場。百度做過手機，字節跳動做過堅果手機，阿里推過天貓精靈，騰訊也嘗試過各種社交硬體。結果呢？要麼是虧損離場，要麼是部門解散，軟體公司的基因裡似乎就寫著搞不定硬體。大廠做硬體，那就是往火坑裡跳。結果到了 2026 年，硬體潮不僅回來了，而且動作比以前更大。這背後到底發生了什麼？為什麼大廠願意再次跳進硬體這個苦差事裡？為什麼軟體公司做不好硬體？在聊為什麼大家現在都要做硬體之前，我們得先看看為什麼過去他們會失敗。你可能已經忘了，騰訊曾經也想做手機。2015 年前後，騰訊推出了 TOS（Tencent OS）系統，甚至還聯合廠商出過手機。結果呢？市場上根本沒激起一點水花，項目很快就停了。字節跳動收購堅果手機後，也沒能逃掉失敗的宿命。大廠做硬體之所以難，是因為基因裡帶著一種網際網路公司的傲慢。網際網路公司的邏輯是快速試錯、小步快跑。一個 App 出了錯，程式設計師通宵改一下程式碼，第二天使用者更新就能恢復。在這個世界裡，邊際成本幾乎是零。多一個使用者，不過是多佔一點伺服器空間。但硬體完全是另一碼事。硬體的邏輯是一錘子買賣。如果你開模的時候錯了一毫米，那幾十萬個外殼就全是廢料。如果你在供應鏈上少訂了一個感測器，你的整條流水線就得停工。硬體公司追求的是每一個零件的成本控制，是庫存的周轉率。比如當年的智能音箱大戰。大廠為了搶使用者，把成本 200 元的音箱賣 69 元，甚至更低。他們想的是，只要你買了我的音箱，你就會用我的音樂服務、買我的東西。使用者確實買了，但買回去只是當個鬧鐘或者收音機。硬體本身不賺錢，軟體服務也帶不動，最後這些硬體部門成了公司帳上沉重的包袱。簡單來說，軟體公司以前不懂硬體的敬畏感，用做 App 的心態去做硬體，最後被供應鏈和庫存教做人。AI改變了遊戲的規則既然過去這麼慘，為什麼現在大家又覺得行了？答案在 AI 大模型裡。最重要的原因其實只有兩個字：互動。過去，硬體很難做。因為你要設計螢幕，設計複雜的菜單，設計使用者怎麼點、怎麼按。這需要極強的工業設計和互動邏輯。軟體公司做不好硬體，很大程度是因為他們把硬體設計得太複雜了，搞不定這些物理層面的複雜互動。但 AI 大模型出現後，情況變了。現在的 AI 硬體，不再需要螢幕，甚至不需要多餘的按鍵。你看看飛書的“一顆豆”，核心互動就是：聽和說。再比如AI眼鏡，你對著眼鏡說一句話，它能理解你的意思，然後直接執行。這種互動方式把硬體的門檻拉低了。軟體公司發現，他們不需要去研究怎麼做一個完美的觸控屏，他們只需要做好那個“大腦”（AI 模型），硬體只要提供麥克風、攝影機和晶片就可以了。現在的硬體，本質上變成了 AI 的感測器。就拿Plaud Note 這個產品來說，它賣得好，是因為抓住了 iPhone 不能通話錄音這個痛點。但使用者買它，真的只是為了錄音嗎？不是。使用者買它是為了錄音後的總結、轉寫和翻譯。如果沒有 ChatGPT 這樣的模型在後面撐著，這個錄音筆就是一個普通的電子垃圾。是 AI 讓這些結構簡單的硬體有了思考和總結能力。軟體公司突然發現，他們不需要去跟蘋果、華為比拚精密的工業設計，他們只需要做一個簡單的載體，把自己的 AI 模型裝進去。對於飛書來說，做“一顆豆”初衷肯定不是為了賣硬體賺錢，而是為了讓飛書的 AI 能夠走出電腦和手機。如果你在開一個線下會議，在開車的路上，你沒法打開電腦寫文件，這時候“一顆豆”就成了你的外掛大腦。簡單來說，軟體公司最擅長的東西，現在成了硬體最核心的競爭力。字節、Meta、OpenAI都在賭一件事你可能會問，既然軟體這麼強，那像以前一樣，只做 App 不就行了嗎？為什麼要自己下場做那個硬體？不妨想像一下 2026 年的場景。如果你戴著 Meta 的眼鏡，或者戴著 OpenAI 的耳機，你產生了一個需求。比如你想定一個下午三點的會議。這時候，你會掏出手機，解鎖，找到飛書圖示，點進去，再找日曆嗎？大機率不會。你會直接對著眼鏡說：幫我定個會。這時候，眼鏡裡的 AI Agent（智能體）就會直接幫你把事情辦了。在這個過程中，飛書這個 App 徹底消失了。它變成了一個躲在後台提供資料的“外掛”。這對軟體大廠來說是致命的。如果使用者不再打開 App，大廠就失去了對使用者的直接控制權。他們看不見使用者的行為習慣，也沒法給使用者推廣告，更沒法賣其他增值服務。他們成了給硬體商打工的。飛書做“一顆豆”，Meta 做眼鏡，OpenAI 做耳機，本質上都是在保衛自己的互動入口。他們必須擁有一個屬於自己的硬體載體，才能確保使用者在產生需求的一瞬間，第一個找的是他們的 AI，而不是別人的。誰掌握了那個離使用者耳朵最近、離使用者眼睛最近的硬體，誰就掌握了使用者的習慣。簡單來說，字節、Meta、OpenAI都在賭一件事：使用者不點App，該怎麼辦？這是一場關於使用者入口和第一介面爭奪權的戰役。資料荒，沒有資料更慌除了搶佔入口，還有一個更隱秘的原因：AI 已經把網際網路上的資料吃光了。你可能不知道，現在的 AI 模型正面臨一個尷尬的現實，網際網路上的高品質文字資料快被用光了。根據 Epoch AI 研究院的一份報告預測，高品質的英語語言資料可能會在 2026 年到 2032 年之間枯竭。在中國，各家大廠的資料又都自成一派，都自己守著不開放。如果 AI 想繼續進化，它必須去尋找新的資料來源。這些資料在那？就在我們的現實生活裡。網際網路上的資料是“死”的，是別人加工過的。但現實世界裡的對話、你看到的場景、你開會的語氣，這些是活生生的資料。AI 硬體本質上是一個 24 小時開啟的探測器。當你戴著 AI 眼鏡走進超市，開著 AI 錄音筆開會，AI 就在即時學習人類是如何處理現實問題的。它能看到你挑商品的邏輯，能聽到你談判時的技巧。這種來自物理世界的，第一視角的音視訊資料，是目前訓練下一代 AI 最稀缺的資源。軟體大廠通過賣硬體，其實是在全世界範圍內安插了無數個眼睛和耳朵。這些資料回傳到雲端，能讓他們的模型變得更聰明，更懂人類的行為邏輯。大廠為什麼要做AI硬體？他們要的不是那點硬體利潤，而是你眼前的真實世界。硬體不再是一個沉重的資產為什麼這次大家覺得能做成？因為大廠變聰明了，他們不再試圖自己去搞定所有事情。以前大廠做硬體，從電路板設計到開模，再到工廠排產，全部自己攬。結果不僅慢，而且專業度不夠。現在的趨勢是合作。比如前不久豆包與中興聯合做手機，飛書這次選擇和安克創新做“一顆豆”，就是典型的訊號。不得不說，字節已經深諳軟硬的雙打模式了。安克創新是全球領先的消費電子公司，他們對供應鏈、電池、音訊晶片等硬體的理解是世界級的，供應鏈優勢也非常能打。安克創新出硬體載體、出分銷管道。飛書出 AI 模型，連接辦公生態。這種分工，讓軟體公司的試錯成本大幅度下降。飛書不需要去研究怎麼做一個不發熱的充電晶片，安克創新也不需要去訓練一個大語言模型。這種“樂高化”的組裝模式，讓硬體的研發周期從以前的 18 個月，縮短到了現在的 6 個月甚至更短。硬體不再是一個沉重的資產，而變成了一個可以快速迭代的外掛。硬體的生產周期被縮短，風險也被分擔了。這讓大廠們覺得，這個火坑值得再跳一次。 (鈦媒體)

最近OpenAI官方宣佈將於2026下半年如期發佈新硬體，本文就為你揭秘這款新硬體的更多細節據報導，OpenAI 正在開發一款代號為“Sweetpea”的專用音訊裝置，旨在與蘋果的 AirPods 直接競爭。據稱，他們並沒有將人工智慧附加到現有裝置上，而是建立了物理硬體，其中與 ChatGPT 的語音互動是主要介面。Sweetpea 將由富士康生產，大小與 iPod Shuffle 差不多，可以掛在脖子上或放在口袋裡。據稱該裝置內部結構精密，包括雙處理器、陶瓷元件和超聲波發射系統，比標準耳塞先進得多。如果精準的話，它能夠解讀周圍環境並即時做出智能反應。它本質上就像一個具有上下文感知能力的AI助手，能夠持續理解你周圍發生的事情，而不是等待指令。為什麼要瞄準 AirPods？因為市場機遇和差異化優勢。蘋果在可穿戴音訊領域佔據主導地位，但主要銷售被動式音訊裝置。OpenAI 顯然看到了創造一些截然不同的東西的機會：一個主動助手，能夠根據它對你的生活和需求的瞭解，主動提供幫助。AirPods 是你使用的工具，而 Sweetpea 則是一個時刻關注你的助手。據報導，這一時間點與 OpenAI 計畫於 2026 年初推出的升級版音訊 AI 模型相吻合，該模型具有即時中斷、更自然的語音和同時說話功能。Sweetpea 將成為這些升級音訊功能的展示硬體，從而在更強大的 AI 和更強大的硬體之間建立緊密的反饋。這將直接挑戰蘋果公司在可穿戴音訊市場的主導地位。對消費者而言，這可能意味著人工智慧互動將從手機轉移到其他管道。使用 ChatGPT 時，你無需拿出 iPhone，只需拿起一個瞭解你的上下文和歷史記錄的口袋裝置即可。 (大道至簡不簡單)

剛剛，OpenAI 新硬體再度曝光，這次的目標很明確：直指 AirPods。據博主「智慧皮卡丘」援引供應鏈消息，OpenAI 正在推進代號 「Sweetpea」（甜豌豆）的音訊裝置項目。富士康已接到通知需在兩年半之後的 2028 年 Q4 前，為 5 款裝置預留產能。其中「甜豌豆」被 Jony Ive 團佇列為最高優先順序，計畫 2028 年 9 月前後發佈，首年出貨目標高達 4000–5000 萬台，達到 iPhone 量級。從已知爆料來看，這並不是一副普通耳機：定位為「取代 AirPods」的下一代音訊裝置用料和 BOM 成本極高，接近手機等級兩顆可取出的「膠囊式」耳機，金屬機身，「卵石」形態佩戴在耳後，不走骨傳導路線主控瞄準 2nm 手機級晶片（三星 Exynos 最被看好）同時研發定製協處理器，支援語音直控 iPhone 上的 SiriOpenAI 做硬體並非臨時起意。去年 5 月，其已斥資約 65 億美元收購 Jony Ive 創辦的 io Products，正式將硬體作為長期戰略。Sam Altman 也多次提到他的願景：如果智慧型手機是資訊轟炸的「時代廣場」，那 OpenAI 想做的是一間能關上門的「湖畔小屋」。值得玩味的是，富士康對該項目態度異常積極。當初 AirPods 代工業務丟給了立訊精密， 讓富士康高層至今仍然尷尬。這次 OpenAI 的「甜豌豆」，被富士康視為重返音訊硬體核心戰場的關鍵機會。另一方面，就在今天凌晨，蘋果與 Google 確認達成多年期 AI 合作，未來 Apple Intelligence 將深度依賴 Gemini。這也意味著，OpenAI 在蘋果 AI 體系中的位置正在被邊緣化。當模型不再是唯一優勢，OpenAI 必須爭奪「最後一公里」的使用者入口。首戰即決戰。「甜豌豆」承載的，既是 Jony Ive 的設計野心，也是 OpenAI 在 AI 時代的一次硬體豪賭。 (愛范兒)