11月下旬，OpenAI在智能硬件赛道传来新消息：首席执行官萨姆·奥尔特曼在艾默生集团发布的一段对话视频中提到，io公司已完成首批硬件原型机。
io由苹果公司前首席设计师乔纳森·艾夫创立，大概半年前，OpenAI以65亿美元收购了这家致力于重新定义人与计算机交互方式的公司。
“这个世界值得拥有更好的东西。”奥尔特曼说。毫无疑问，奥尔特曼与艾夫联手打造超越iPhone的下一代智能终端，为愈演愈烈的AI硬件狂欢添了一把火。然而，放眼全球，智能硬件的下一个“iPhone时刻”似乎还相当遥远，为什么许多我们期待的未来还没有如期而至？
不久前，在蚂蚁集团投资部、峰瑞资本与蚂上创业营联合举办的AI硬件专场活动中，丰叔与蚂蚁集团副总裁纪纲进行了一场深度对话，气氛轻松，却也火花四溅（纪纲笑称“抬杠”）。
他们聊到的主要话题包括：
AI时代的智能硬件如何定义，它们与过去的“微智能产品”有何本质区别？
为何如今大模型不再被热议了，机器人、Agent（智能体）等行业热点也有所降温？
AI硬件的“iPhone 时刻”到底卡在哪儿，缺算法还是缺数据？如果说缺数据，之前支撑互联网超级App、大模型、智能驾驶等行业发展的数据都是怎么来的？
智能硬件要成为普及度高的消费品，该优先升级技术还是满足用户需求，换句话说，先做“黑科技”还是先做“好产品”？
我们整理了对话的部分内容，希望为关注AI硬件赛道的从业者带来一种思考角度，供大家参考。也期待与更多的创新者同行，欢迎你与我们联系（bp@freesvc.com）
互动福利
你觉得智能硬件要成为普及度高的消费品，是先做“黑科技”还是先做“好产品”？欢迎你在评论区和我们聊聊你的看法。截止至 2025 年 12 月10 日 17:00 ，留言最走心的 2 位读者将获得 《国家竞争优势》 一书。
/ 01 /
如何定义“AI时代的智能硬件”？
纪纲：第一个问题想请教丰叔，我们如何定义AI时代的智能硬件？类似智能马桶这种带点儿智能的硬件产品已经存在很多年了，AI时代的智能硬件有什么不同？
李丰：这是特别好的问题。我常用日本的例子来解释当下中国的产业阶段，二战后，20世纪七八十年代，日本赶上了从电子管到晶体管的技术升级。日本做的事情是利用当时掌握的先进晶体管和集成电路技术，把许多能改的机械产品都改成了电子化产品，比如机械表（上海牌）变成了电子表（卡西欧），传统的机械钢琴变成了电子琴（雅马哈）。
但在当时，由于芯片和传感器远没今天这么发达，日本企业只能做到“电子化”，还做不到“数字化”。打个比方，放在今天就是可以把燃油车改成新能源车，却做不到加装毫米波雷达、激光雷达，来实现自动泊车等智能驾驶功能。
日本的电子化带来了两个结果。
一是靠这类东西打开了全球市场，虽然一度被诟病为产能过剩。本来买得起钢琴的人就那么多，电子化之后，产量升高，就显得供过于求了。
二是这句话的反面，他们看似输出了过多的产能，实则是把单价打下来之后，使得这个产品的普及率在10年后大幅提升。在我父母结婚的年代，上海牌手表是嫁妆。到了我上初中后半期的时候，许多像我这样家里是老师的小朋友，也能戴一块5块钱或10块钱的电子表了。
回到你问的这个问题。两年多以前，我在内部说尽量多投机器人，然后一年以前，我说多投智能硬件，原因在于中国和当年日本的情况有点相似。
中国赶上了一次新的机遇。
第一，我们有极其全面的制造业链条，也就是硬件制造能力。
第二，中国用了七八年时间，尤其是2018年美国制裁华为、中兴这些事件之后的六七年时间，完善了芯片、传感器相关产业链。当然也包括一部分计算芯片产业链。
第三，虽然今天大家都说消费降级，但中国作为全球第二大的实体消费商品市场，流通效率是全世界最高的。
第四，我们这里被称作“内卷的市场”，管理学上给出的定义是这样的：通过竞争快速达到饱和的市场。一旦有个创新，大家迅速就普及开来。
这四件事倒逼企业做非常多的方向不确定的创新。其实管理学也有提到，内卷是国家创新第一个阶段的必然结果。原来在模仿创新的阶段，你知道要去哪儿，知道要学谁，要做成什么样，只是努力做得更便宜。现在我们已经到了下一步不知道要做什么的阶段。所以，一个方法是把这几个你能用到的机会重新连一遍，连出一条新线，可能有的是对的，有的是错的。
内卷有坏处，比如影响研发成本投入，但也催生了极其多零散的创新。这些零散的创新利用了原来的产业链横向和纵向的结构，就形成了我们今天讨论的这个关于智能硬件的话题的核心。
回看80年代的日本，也有一个快速增长、企业内卷的国内市场，以及完整的产业链和制造链，并赶上了一次电子器件的升级，他们更快地掌握了更好的技术。这几件事的叠加促使他们能把机械的改成电子的。今天我们不仅可以把电子的改成数字化和智能化的，还可以把原来不电子的，比如说吉他，也改成电子的。然后在这个基础上，从在国内“内卷”发展到出海“外卷”，最终做到世界领先。
纪刚：我想继续追问一下，国内市场的需求增长、产业链的完整，是过去二三十年的积累渐变的过程，不是这一刻发生的。但是我们看到智能硬件的爆发其实在这两年更突出。为什么前几年产业链已经相对完整的情况下，这个机会没出来？
此外，AI作为这个时代最大的技术变量，驱动了哪些真正AI原生的硬件出现？我个人觉得很少。
我自己观察到的，第一类是AI-native带来数据增量方式的变化（如AI Pin），但数量不多。第二类是适合做AI载体的硬件，比如数字化的眼镜、AI陪伴类的硬件。但是这类硬件又很容易被归到传统的玩具大类里。第三类就是出海的硬件。
如果从投资的视角来看，这三类的估值体系是完全不一样的。对于AI驱动的硬件，你需要教育消费者去认知这个产品，虽然它现在销量小，但未来有机会获得大幅的市场增长，可能拿到一个高估值；消费品这一端，尤其出海的消费品可能拼的就是供应链和营销渠道。
不知道丰叔是怎么区分这些智能硬件的？还是说只要符合你讲的几个要素，你们都会看，都会投？
李丰：符合这些要素的，我们都会看。但是我觉得做投资比较痛苦的一点是，你能推导出来应该有什么特质，但是你推不出来有这些特质的东西最后长出来是什么样、是谁。所以符合50%或70%以上这些特质的，我们都会考虑投。
/ 02 /
大模型进入“深水区”
李丰：我想反问下，为什么在过去的半年，大家不像前两年那么关注和提及大模型本身的变化了？为什么一年半以前，所有人都提到的scaling law（缩放定律）——这个被大模型带火的词，也不太被提及了？
纪刚：我不知道自己是不是回答这个问题的最佳人选，稍微多说两句。国内大模型兴起时，我们投了Kimi、智谱，后来也投了一些多模态公司，还一直在找应用类公司。当时是有一个认知，觉得大模型不一定是个应用，它可能更像一个升级的搜索引擎。因为大家交互的习惯还是输入框的形式。
不久前，OpenAI开发者大会披露的数据很有意思：它的产品周活用户虽然达到了8亿。但用户日均使用时长只有十几分钟，这意味着可能只比传统搜索引擎略长一点。在用户认知里，它依然是一个“更好用的搜索引擎”。
此外，开发者大会上OpenAI发布的三个产品，我觉得除了追求AGI（通过用人工智能）的底层技术，更展现了OpenAI的商业雄心。
第一个是Apps SDK，给所有已经做好的东西提供框架，让开发者反馈信息；第二个是AgentKit，所有没有解决的问题，创业者和开发者可以在我的框架内来开发和解决；第三是Codex，不仅能写代码，还能现场解决长尾问题，解决不了的话，我就现场给你写一个，效率很高。
他把所有的用户需求在他的框架里解决之后呢？展望一下两年后，假如OpenAI能发展成一个日活用户达到8亿，用户日均使用时长达2小时的产品，那用户自然会从消费者的角度重提大模型。用户提到的也许不是大模型本身，而是他们所用的这些产品。到那时OpenAI会拥有什么？是所有的用户入口，以及用户对各类产品的统一记忆。
回过头来说，为什么投资人最近不谈大模型了？因为大模型的竞争已经进入了深水区。它的进步已经不怎么显现在消费者端。这个智能领先的程度其实已经在一个较高的水平线上，但不像早期“聪明100倍”那么显性，所以很多人可能已经感受不到了。
李丰：还有一个原因，是没有更高级别的、公开可用的不同类别的数据了，大模型很难再沿同一条路进步。
/ 03 /
数据不够：
机器人与Agent的共同难题
李丰：你我都投了非常多的不同方向的具身智能机器人。从投资行业来看，两年半以前，大家热捧大模型；一年以前，国内开始热的是具身智能机器人，美国则偏热Agent，拿大模型来做各种各样的数字化应用。现在，不管是Agent还是机器人，热度都稍微降了一些。为什么这两个方向现在都降温了？
纪刚：听起来像个坑，我尝试先跳一下。的确我们投了一些具身智能的项目，之前投了8个，最近可能再投2个，但也就是这个数量级了。我觉得这个泡沫比较严重，有些公司估值一年涨了5倍，但没有太多实质性进展。
李丰：这句话很重要，就是没有观察到实际进展。
那我再问两个问题，第一，现在能拿出来演示、让人眼前一亮的人形机器人，所展示的方向主要体现了什么能力？第二，大家原来认为他们应该有下一步的进展却没有如期实现。是什么阻碍了这个进展？
纪刚：我先回答第二个问题，很难想象一个行业从基础的算法到数据采集，甚至到本体的技术路线都没有收敛的情况下，就直接走到产业成熟了。这是不可能的事。我觉得今天这些问题如果不逐步解决，机器人这个产业是很难走到下一步的。
但是反过来说，就像2015-2016年自动驾驶初创公司可能有200多家，今天跑出来了几家，但是受到技术、法规等因素的影响，仍停留在L2+，还没有真正占到产业的大红利。你说最后会不会走到自动驾驶？一定会的。
机器人也是一样，今天，太多问题没有解决，阶段性的泡沫是有的。但是，也许15年后，当然15年不一定准确，机器人产业会是比电动车加自动驾驶更大的产业，全球所有中产家庭每家估计都会有一两台，这件事的确定性是很强的。
李丰：是的，所以两年半以前我和我们同事讲要应投尽投。
纪刚：但问题是这个行业的起伏和波折可能会很剧烈，目前存在的80%的公司可能会被淘汰掉。
再回答你的第一个问题，就是到底在演示什么？我觉得主要是本体的运动能力，甚至说还是部分本体的运动能力。今天很多演示视频是加了倍速的，但技术演进的目标是让机器人的运动速率接近于人。这一步可能不是几年内能解决的。可能我比较悲观。
李丰：没有。是的，知名公司演示的都偏纯粹的运动能力。你想一想，不管是跳舞、翻跟头、踢腿还是踢足球，全是运动能力。什么能力没有被演示出来呢？就是人的其他能力，比如说操作能力。
对于怎么解决操作能力的问题，在一年以前大家拼命投资的时候，给了不同的答案。有的人认为我把大模型挪过来做大脑就可以解决，有人说我用更多的视觉数据来泛化训练上肢就能解决。我相信这个一定有作用，但是最后的鲁棒性和精准度可能有挑战。
人的大脑是非常复杂的，打个比方，假设你是个极其忠诚的足球迷，看了无数比赛，对所有的技术动作、裁判规则都了如指掌，你上场踢球能不能达到半职业水平？我想肯定没戏，不然我早就是羽毛球冠军选手了。
我们不太可能只靠眼睛看就过渡到操作，尤其涉及具体动作的操作处理。核心问题是数据不够。
回想一下，我们之所以有大语言模型，是因为互联网文本积累了好几十年。这些数据加算力，再加算法进步，才有了今天的大语言模型。机器人的运动能力是因为从工业机器人开始，就在一个位置上拼命做运动控制，按什么角度来操作，双臂如何协同，加上电机的进步和控制，也积累了三四十年，然后中国在2013年就是全世界工业机器人第一大市场。
回过头来，今天我们要做操作的时候，你得要物理模型、环境数据、人与环境交互的多维度的数据，而这些数据目前是缺失的。
这和自动驾驶曾经面临的困境类似，2015年前后大家就说自动驾驶很快会普及。10年前，大家就认为应该是L4了，但10年过去了，国标也才允许宣传到L3。
自动驾驶需要什么？需要环境数据，需要把整个车的状态数字化。它是什么样的驾驶状况？此刻是什么速度？在哪条车道上？周围车辆的状况是什么？驾驶员的状况是什么？这些能做数字化的时间还不算太长，然后在这个基础上迭代，才走到今天仍需人类接管的智能驾驶阶段。
那么，我的问题是，支撑大语言模型发展和机器人运动能力的数据，以及催生了自动驾驶L2、L3的这些数据，到底是从哪儿来的呢？
答案是，靠普及化的新传感器到了消费者手里，有足够多的人帮忙把它变成了数据。简单来讲，在文本上是因为有PC、键盘、鼠标，让你把头脑里的文字变成了互联网上的文本。
在自动驾驶领域，因为有特斯拉这样的企业，在消费级的车上装非常多的摄像头、毫米波雷达，然后中国造车新势力跟进，更多类型的传感器“上车“了，才积累了这么多可用于自动驾驶的数据，大家在这个基础上才做到了今天的L2。
人形机器人能有今天的运动能力，跟我们在工业机器人领域长期积累的场景经验与产线实践、控制算法和电机技术有关，在这个基础上，再引入今天的locomotion（机器人在局部环境中的运动控制）加先进算法。
为什么会有抖音？一个不能忽视的原因是智能手机把高清摄像头这个传感器普及了。为什么会有外卖和打车App？是因为GPS这个传感器普及了。为什么会有微信？因为他们把麦克风阵列这种能做高清语音识别的东西普及。
消费者是不会为了买传感器来买传感器的，他买的是一个产品，只是这个产品凑巧装了传感器之后，它就自然地把消费者的需求转成了数据。然后在消费者级的传感器普及之后，你才有了这些可用的数据。在这个基础上做算法和算力，才得到了最后的技术进步。
而现在，机器人要与物理世界交互，Agent要处理各类问题，多模态大模型要生成更多类型的视频和图片，这些都需要海量数据——不是文本和图片类数据，而是人的情绪、人的语言、人的体征、物理环境的状况、人和环境的互动变化等无穷多维度的数据。
我们需要海量带了传感器的新消费硬件，来收集大量的我们想要的数据。基于此，算法和模型才能迈出下一步，进化出未来的科技。
纪刚：我这抬杠的心又起来了，这里的因果关系可能可以再讨论一下。就像美国登月，并非等所有技术成熟、空间站建好才启动，而是先登月，再反向带动各类技术发展。
背后隐含的话题是，如果我们把具身智能看作终点，智能硬件、传感器、数据采集确实会带动我们走向这个终点。我也部分同意要把中间的数据/硬件补上，但这未必是一个严格按顺序发生的过程，并不阻碍我们在没完全补齐之前，就开始奔向具身智能。
也许反过来说，是在奔向这个目标的过程中，带动了产业足够的发展，外溢了很多技术，导致我们今天的智能硬件得到了更好的发展。
李丰：是的，其实是相互促进的过程。
/ 04 /
技术投资的周期性
与智能硬件创业的路径选择
李丰：下一个话题是“怎么定义新产品”。前面我们从国家和产业链的层面讲了，也从数据的层面讲了，其实还可以从投资的周期性上来看。技术投资通常是这样，第一波先投技术变革本身（如大模型），第二波投技术最有想象力的应用（如Agent、机器人），但它们往往落地难度极大，泡沫也大，第三波才轮到既能用上科技，又能证明需求，最好还能赚钱的应用。好消息是即将开始轮到第三波了。
那么，在有科技进展的时候，怎么去找它在消费端的应用？这里面最大的挑战也是投资人经常判断错误的问题：到底是按照技术的进展找一个最适配技术的产品，还是从消费者需求端找一个比他今天用的更先进的技术产品？这是永远的争议。今天我们到底在最AI的层面定义一个用户产品，还是在最贴近用户需求的层面用AI来提升产品能力和体验？
纪刚：这其实也是我想问的。其实正和反都可以有答案。
大家都知道丰叔是影石Insta360很早期的投资人，它走的是偏后一条路线，把一个原来用得不太好的场景/不太好的产品做得更好。反过来说，比它稍微早些年创业的大疆，则是开创了一个新的品类。假设我们回到10多年前，这两家，丰叔只能投一个，你会怎么选？
李丰：其实它们两个的逻辑是一致的。创始人都是有计算机、软件相关背景的人，都有算法基因。大疆主要靠飞控技术，用中国制造业产业链把军用级的东西降半格，给到Professional（专业使用者）来用，再降维做成消费级无人机；影石Insta360靠图像拼接技术，结合产业链做成了全景摄像机，先卖给有GoPro使用习惯的极客消费者，再普及给大众。
它们做的事情和当年日本公司把钢琴改成电子琴是很像的，就是用中国的产业链能力加上那个时候的软件能力，把一个原来的专业品降了半格，在海外市场获得认可。在这个基础上，它们建立了赚钱的正循环，然后随着中国用户消费能力的提升和消费市场的发展，它们又往下降了半格去了半专业级，后来又继续降格到大众消费级，变成大众消费品。
/ 05 /
“人生作弊器”
与AI硬件的“iPhone时刻”
纪刚：如果这样说，眼镜原来可不是一个Professional的东西，它是每个人都可以戴的刚需品，功能也比较单一——帮大家看得更清楚。今天有创业者在朝不同的方向做智能眼镜产品，然而算力、续航等各方面的问题还没有能够解决。也有一类产品走了另一条路，选择妥协，比如不在最好的第一视角上采集，变成一个挂在胸前的。视角差一点，画质差一点，但是把续航的问题解决了，把最初的采集需求解决了。
我之所以关注采集功能，是因为我们在内部讨论过“三个八小时”概念：
晚上睡觉8个小时，能产生大量数据，但没法交互；
另外8个小时是你的screen time（屏幕时间），注意力几乎被手机、电脑占满了；
剩余8个小时，比如我们的对话场景，用传统方法采集数据的门槛还是非常高的。能不能有一种设备，类似Plaud这种，可以很轻松地记录谈话过程。不只记录，或许它还能帮我分析你的表情和动作。
我和同事探讨的时候，把这个东西定义为“人生作弊器”，比如面试的时候，透过设备我看到面试官的表情，我提前想下一个问题怎么回答。我在想这类设备会不会成为下一代主流的采集和交互设备？最终的大boss是眼镜吗？
李丰：首先我同意眼镜肯定是最终的一类大设备，但刚才有提到一句话是消费者不会为了买传感器来买一个产品，他买个产品一定是为了解决需求的。所以说，你不要从数据层面定义需求，你可以从需求层面定义产品，得到数据。这句话听起来很拗口，简单来说，你不能因为我们缺这些数据，就假定可以有一个采集设备，一旦普及了，就可以拿到最多的数据，然后靠卖数据挣钱。这听起来是个很美好的故事，但不是消费者的逻辑。
就像很多人都说我要做下一个iPhone，像乔布斯一样去定义一个消费者级产品。但是苹果手机前面先有了iPod，在iPod和iPhone之间还有黑莓和Palm，之后才有了iPhone。说起来，iPod之前还有MP3，大家先养成了用MP3听音乐的习惯，才更觉得iPod是个好产品。
此外，苹果手机也是到了第三代，你才开始认为它是个好手机。这些可能很难跳步，即使是乔布斯。所以说眼镜最终是个结果，最终它会出“iPhone”，但是今天是不是已经到了卖“iPhone”的时候呢？我估计不同的人有不同的答案。
纪刚：那么大家会投中间态的产品吗？
李丰：简单来讲，要不然你能取到多维度的人体数据或多维度的环境数据，要不然你靠视觉取到多种场景、状态、情绪的数据。一边是从传感器来的，一边是从镜头来的，这是两个维度。其次，最好能容忍端上有芯片，这样的话端云可以结合起来做算力，当然也有挑战，包括功耗、尺寸、体积、成本等问题。
因为要取的是新数据，所以没有设备能一上来就是AI-native，比较合理的是先利用需求来做数字化。就像特斯拉一样，先装传感器，之后把用户开车的习惯、状态、路线、平时走的路况和周围的环境全部数字化。在此基础上，用端云结合的方式做智能化。
什么是智能化？就让这件事再往下变成个性化。想在第一步就做AI个性化，可以说是做不到的。因为是新维度、新环境、新需求、新场景，你缺数据。一上来就AI化，可能是有些投资人愿意买单的故事，不是消费者能感知的故事。
最后就是找交集，中国有产业链的能力，有大的消费市场，也有充分的市场竞争，你可以在里边找。找到了交集不用着急迭代，先把消费者的需求满足好。
拿摄像头来举例，过去我们用的诺基亚和摩托罗拉手机是有后置摄像头的。只是在那个时候，几乎没人用后置摄像头来拍东西。有了iPhone之后，即便只有二三百万像素，也先让大家把摄像头用起来，这就很牛。用户有了拍照的习惯之后，它再推云服务，让你把相片都传到云上，最终形成依赖。道理是一样的，你要说一上来我就要做一个极限摄像头，那可能有点挑战。
纪刚：完全同意。举个例子，睡眠状态和质量原本是非常主观的，但是现在通过设备被量化了。这个量化其实不准确。有时候，你觉得睡得不错，它给你打一个低分；有时候它给你打一个80分，但你觉得自己睡得一塌糊涂，但这个心情上的安慰是很好的。类似的例子还有很多。
我想表达的是，很多数据的价值在它被采集到之前是难以预知的。我总觉得这块好像是个没有被开发的矿，就像1958年挖白云鄂博矿，那时候大家都觉得它是个铁矿，后来才意识到白云鄂博是个巨大的稀土矿。
此刻我在想，人最终反正都embodied了，到底是不是AI，没关系的。刚才丰叔讲的过程中产生的大量的数据，包括以后每一秒我们所产生的数据，可能在未来都是有价值的，这也就是我最后抬的一个杠。
互动福利
你觉得智能硬件要成为普及度高的消费品，是先做“黑科技”还是先做“好产品”？欢迎你在评论区和我们聊聊你的看法。截止至 2025 年 12 月10 日 17:00 ，留言最走心的 2 位读者将获得 《国家竞争优势》 一书。
星标峰瑞资本微信公众号
一手商业思考及时送达
热门跟贴