声网携超十位AI硬件玩家聊进入AI Agent时代，硬件正在换一套打法|agent|声网|机器人|软硬件

AING硬迹

实时连接、端云协同与开源新终端。

让机器人根据人的动作及时回应，让家庭摄像头主动识别环境风险，让宠物设备发现主人没有察觉的健康异常……AI 正在为越来越多的硬件赋予新的能力，也让智能硬件有机会进入更丰富的应用场景。

与此同时，AI 硬件的开发方式也在发生变化。芯片与实时互动能力被整合进开发套件，开源社区让硬件设计和代码得以复用，AI编程工具进一步降低了产品原型的开发门槛。从成熟 IoT 设备的智能化升级，到新终端的创造与商业化，产业链正在探索不同的增长机会。

10月24日，在iRTE2026 实时智能大会智能硬件与具身智能专场上，声网携手产业链上下游企业，围绕“ IoT 实时进化论：AI 驱动新增长，开源加速新终端”，分享了各自在技术创新、场景落地与产品开发中的实践和思考。声网首席商业官崔博为本次专场致开场辞。

AI 驱动新增长：当 IoT 开始围绕人的需求工作

IoT 正从单品智能、设备互联，逐步走向以AI Agent为代表的新阶段。随着 AI 深入智能硬件，设备开始围绕用户需求和环境信息提供更加主动的服务，对实时互动、对话式 AI 和端云协同等底层能力也提出了更高要求。

围绕这一变化，声网正将实时互动与对话式 AI 能力相结合，并联合芯片、模型及硬件生态伙伴，为智能家居、AI 陪伴等场景提供端云协同支持。这些能力最终都需要在具体的产品体验中得到验证。

声网 IoT 产品负责人李志杰分享了团队从实际客户需求中发现的问题。对于智能摄像头，用户打开 App 后多久能看到第一帧画面，直接影响体验；对于远程操控机器人，画面和控制指令的延迟则可能影响操作；对于可穿戴设备，通信过程中不必要的数据收发还会增加功耗。

这些问题需要不同的工程手段解决。针对首帧出图，声网优化设备唤醒、连接与编码流程，并通过关键 I 帧的传输保护改善画面出现速度。面对网络限制、特殊专网及局部节点异常，声网通过协议、端口、节点调度及云端策略调整，提高全球不同网络环境下的连接可靠性。

在弱网环境中，系统还需要判断何时降低码率、何时增加数据冗余，避免一遇到网络波动就牺牲画质。不同产品对流畅度和低延迟的侧重也不同，需要相应的传输策略。

对硬件厂商来说，这些技术细节关系到产品能否稳定交付到全球市场。模型能力可以通过云端持续升级，但设备连接、编解码与功耗问题，仍需要底层平台和芯片厂商共同解决。

智身科技生态合作总监方正分享了四足机器人在电力巡检、安防等领域的应用。据他介绍，智身科技截至2026年上半年已累计生产约1.5万台四足机器人。随着产品走向行业现场，稳定负载、防护等级、续航能力和环境适应性，成为影响规模化部署的关键因素。

机器人能够完成复杂动作，证明了其运动能力；能否在真实工作环境中持续执行任务，则需要整机制造、控制系统和应用软件共同支撑。

瑞芯微机器人产品线产品经理黄林进一步解释了端云协同的重要性。他举了一个移动陪伴机器人的例子：如果动作生成完全依赖云端，等结果返回时，人可能已经走开。动作、感知等低时延任务因此需要更多端侧计算参与，复杂的任务理解和规划则可以结合云端模型完成。

对于巡检和清洁设备，网络覆盖可能并不稳定，端侧智能体还需要在部分离线条件下维持基本任务能力。如何在端侧算力、功耗和模型能力之间分配任务，成为机器人产品设计的重要问题。机器人需要在物理世界中行动，家庭设备则需要在持续感知中判断什么情况值得关注。

宇视科技智能家居事业部副总裁蒋成元介绍了 AI Safe Home 的探索。家庭安全正在从摄像头监控拓展到空间安全、能源安全和跨设备协同。例如，系统可以整合不同设备的环境信息，识别潜在风险并触发相应联动。

持续感知也让隐私与数据管理成为必要条件。宇视强调数据本地化、最小化上云，以及数据和信令分离，通过本地处理与可靠连接兼顾安全和使用体验。声网实时音视频及传输能力则为远程查看和设备连接提供支持。

宠物健康是另一个能够体现持续感知价值的场景。小佩产品总监施云磊分享了公司从帮助宠物主人节省照护时间，进一步探索预防式健康管理的思路。

猫往往会隐藏身体不适，等主人发现明显异常时，可能已经错过较好的干预窗口。小佩通过智能猫厕所、喂食器和饮水机，结合摄像头与传感器获取宠物的进食、饮水、如厕及异常行为信息。

实际开发并不简单。宠物不会配合摄像头完成身份识别，多宠家庭还要判断是哪只宠物出现了异常。呕吐、异常舔毛等行为又可能在很短时间内发生，需要可靠的实时传输帮助系统获取相关信息，支持用户回看和后续分析。施云磊特别提到声网 RTE 技术在这一过程中的作用。对宠物健康设备而言，及时捕捉异常行为，直接关系到数据是否具有后续分析价值。

从机器人执行任务，到家庭安全与宠物健康管理，AI 正在为成熟 IoT 设备创造新的服务机会。实时连接、端侧计算和多模态感知则共同决定，这些服务能否在真实环境中稳定运行。

开源加速新终端：让AI从“看见”走向“理解过程”

当 AI 硬件需要更强的感知与交互能力，开发者也面临一个新的问题：如何更快地把这些能力组合进实际产品？

声网 Physical AI 产品负责人冯晓东提出了一个值得思考的区别：识图是知道画面中有什么，观察则是理解发生了什么。孩子搭积木时，如果 AI 只看到当前照片，或许能发现零件位置不对；如果能够持续观察整个搭建过程，它就有机会判断错误发生在哪一步，给出更符合实际情况的指导。

这种能力需要语音、视频、上下文理解和实时响应共同参与。声网在实时互动基础上进一步探索多模态 AI，并推出对话式 AI 硬件开发套件 R2，让开发者能够尝试融合视觉、语音与动作反馈的新终端。

R2 采用模块化设计，核心部分可以与底座分离，并通过开放接口连接不同硬件。开发者可以将其用于桌面机器人，也可以探索其他移动结构或执行机构。声网同时推进相关软硬件开源，为产品原型与二次开发提供基础。

围绕这一套件，声网与芯片厂商的合作也更加紧密。

博通集成产品与解决方案事业部总经理吕学礼介绍了双方联合开发对话式 AI 硬件开发套件 R1、R2 的过程：博通集成提供端侧芯片及软硬件基础，声网提供对话式 AI 与实时音视频相关能力。

以 R2 采用的 BK7259 平台为例，音视频处理、端侧 AI 算力与无线连接能力被整合到芯片及参考设计中。配合 SDK、Skills 和工程模板，开发者可以减少底层集成工作，更快完成原型验证。但吕学礼也指出，智能硬件从创意走向量产，仍有功耗、稳定性、安全、成本等问题需要解决。AI 辅助编程能够加快开发，并不会自动完成产品工程。

开源社区正在从另一个方向扩大创新的参与范围。Stack-chan 创作者石川真也带来了从个人机器人项目发展出的开源社区实践。通过开放设计与社区协作，一个基础机器人平台可以被不同开发者改造，衍生新的功能与交互形态。

陆吾智能 CPO 李时念则将开源机器人与教育、3D 打印结合起来。其桌面级机器狗、机器鸭等产品，尝试将复杂的控制能力封装在核心模块中，同时开放用户可以设计、组装和改造的部分。配合AI编程工具，学生和开发者也能够参与动作设计与功能开发。

开源由此改变了硬件创新的起点。开发者可以基于已有成果继续创造，但要把原型变成可靠产品，仍需要工程能力和供应链支持。

这一点在 AI 视觉耳机等新终端上尤为明显。光帆科技设备开放平台负责人范宏伟介绍了由耳机、耳机仓和手表组成的个人 AI 设备方案。耳机负责语音与视觉感知，具备独立联网和定位能力的耳机仓连接云端服务，手表则提供状态信息与交互入口。这套方案尝试让 AI 持续获得与用户相关的场景信息，再通过 AI OS 调度模型、设备和服务，完成记录、消息处理、视觉识别等任务。

对硬件厂商而言，软件系统和服务生态正在成为产品能力的重要组成部分，也需要 AI 软件团队与硬件制造团队进行更紧密的合作。而产品做出来之后，还要面对市场。

Jellop 中国区业务负责人王丽君分享了海外众筹平台的用户特点。Kickstarter 聚集了一批愿意为创新产品提前付费、提供反馈的支持者，对硬件创业团队具有市场验证价值。

但她分享的数据也显示，百万美元级众筹项目只是成功项目中的少数。获得关注和筹资，只是产品商业化的一部分，后续交付、用户体验与持续经营同样重要。

从联合开发套件到开源机器人，再到AI操作系统与海外众筹，AI 硬件创新正由更多专业角色协同完成。开发门槛正在降低，产品化对工程和服务的要求却没有消失。

圆桌：手机之外，还需要什么AI硬件？

AI 已经能够听懂语言、识别图像，下一步还需要什么感知能力？在论坛最后的圆桌讨论中，声网 Physical AI 产品负责人冯晓东与 iKairos 联合创始人刘翠涛、信人智能联合创始人兼 CTO 郝新闻、光帆科技设备开放平台负责人范宏伟、Jellop 中国区业务负责人王丽君、盒智科技 CTO 张昊，给出了不同的思考。

刘翠涛认为，视觉可以帮助 AI 理解语言背后的具体情境；郝新闻则提出，AI 还需要判断什么时候应该回应、什么时候保持安静。范宏伟关注音频、视觉和位置等信息的组合应用，王丽君与张昊则分别从机器人操作和儿童陪伴场景出发，探讨了触觉、压力感知等能力的价值。不同感官对应着不同的任务需求，也决定了 AI 与现实环境交互的方式。

讨论随后转向一个更实际的问题：既然手机已经拥有摄像头、麦克风和强大的 AI 能力，为什么还需要新的硬件形态？

郝新闻举了一个例子：用户可以用手机录音、在电脑上调用 AI，但很难每天坚持整理信息、编写提示词。便携记录设备与桌面终端的组合，正是为了减少这些主动操作。刘翠涛也认为，持续获取手机难以采集的上下文，以及让用户更便捷地调用 Agent 完成任务，是个人 AI 硬件的两类重要机会。

当模型与开发工具越来越容易获得，新终端的差异化也需要回到产品本身。张昊关注技术和功能更容易被复现之后的商业竞争，范宏伟则强调软硬件与服务生态协作的重要性。

圆桌最终回到了一个具体的产品问题：新硬件究竟能比手机多理解什么，又能替用户少做什么？这可能是判断下一代AI终端是否具有独立价值的重要依据。

结语

从 AI 进入家庭、宠物和机器人场景，到开放开发工具推动新终端探索，硬件行业正在重新组织感知、计算、连接与服务能力。

声网在这一过程中提供了两类基础支持：一类是面向真实设备的实时音视频、信令和对话式 AI 能力，帮助终端及时获取信息并作出响应；另一类是与芯片、硬件伙伴合作，通过 R2 等开发套件降低多模态 AI 产品的开发门槛。

对于硬件厂商和开发者，下一步需要考虑的问题正在变得具体：哪些信息必须实时获取，哪些任务应该放在端侧，哪些能力适合调用云端，以及如何让一套技术方案最终成为用户愿意长期使用的产品。

这些发生在模型之外的工作，正在决定 AI 硬件能够走多远。

硬迹正在打造AI硬件社区，对加入社群感兴趣的读者，欢迎add：AINGmaker0411加入【AING硬迹产业交流群】。

AING硬迹

AING，取自“AI+ING”的缩写，中文谐音“硬迹”，寓意着“人工智能正当其时”，致力于追寻硬科技发展的足迹，不断探索人工智能与智能硬件的深度融合。