99%做硬件的老方法注定是死局|app|ip|安卓|手机|虎嗅|黄勇

出品｜虎嗅科技组

作者｜陈伊凡

编辑｜苗正卿

头图｜AI生成

“AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「48」篇文章。

“一个好的 AI 原生硬件，如果拿掉 AI，一定是个非常蠢的硬件。”

这句话，黄勇说过不止一次。

这是一个行业里几乎没有人真正想清楚的问题：做一款AI原生的硬件，究竟应该从哪里开始？大多数团队的答案是从硬件开始，先把设备做出来，再往里叠 AI 能力。黄勇认为这是错的，他说硬件不是容器，是躯体，先定义一个智能体，再为这个智能体造一个身体。两者不可分割，分割了就做不出好东西。

想清楚之后，他自己下场了。

2025年，黄勇创立奇朵，做了一台面向6到12岁儿童的科学相机。先是做了一个智能体，相机只是承载的躯体。

在此之前，他有另一个身份。

行业里叫他“帮主”。珠三角的儿童硬件圈子，但凡有人在产品上卡住了，会开车来找他；哪家词典笔体验歪了，哪家故事机内容结构有问题，谁的点读产品在交互上出了岔子……他都见过、都帮过。高峰期，他一年通过 API license 装进接近两千万台设备，覆盖儿童硬件几乎所有的品类。黄勇自己，就是中国硬件生态的横截面。

这是黄勇第一次接受这样的深度交流，他说话带着南方口音，语速不快，SDK、RAG、蜂窝模组、SOC成本……这些词张口就来，但落地方式像是在把玩一个乐高或是魔方，硬件在他嘴里从来不是一个整体，是可以拆开、替换、重新咬合的东西，最后达到性能、外观和成本的最大公约数，这是在世界供应链中心反复训练出来的话语体系。

“当你读一本书读10年，你肯定要成精了。”

黄勇选择这个时机下场，AI 硬件的热闹给了他理由。

大模型进入快速落地阶段之后，华强北的嗅觉素来灵敏。AI 音箱、AI 学习机、AI 眼镜、AI 陪伴机器人，最快的团队从立项到出货不超过三个月。去年 CES，满场都是中国 AI 硬件公司，有人说那届 CES 其实是中国公司的主场。创投圈同步沸腾，带“AI”的硬件 BP 拿到融资的速度，比任何时候都快。

但大多数逻辑换汤不换药：找一个成熟品类，塞进一个大模型对话入口，加上语音交互，包装成“AI native”出货。硬件还是那个硬件，只是多了一个可以聊天的功能。黄勇觉得，这是上一代的逻辑，只是换了一件新衣服。

为了践行他理解的AI原生硬件，黄勇甚至重塑组织。

传统儿童硬件产业分工是按专业切割的：做内容的做内容，做 AI 的做 AI，做硬件的做硬件，三条线各自向前，最后拼在一起，这套分工在工业化时代是有效率的。AI时代，智能体就是内容本身，硬件是智能体的躯体，是一枚硬币的正反两面。把它拆成三个部门去做，做出来的一定是割裂的东西。

所以奇朵从第一天起，把这三件事放在同一张桌子上。

他的团队把“十万个为什么”知识库从10万条扩充到百万级，覆盖6到12岁孩子99%的百科类问题，训练出“小K老师”这个智能体。之所以是相机：这个智能体的核心能力是多模态认知，它需要看见世界，相机是最自然的感知入口；同时，黄勇把奇朵的产品线设计成一条沿影像延伸的分龄矩阵——3岁前是 baby monitor，3到6岁是AI认知启蒙卡，6到12岁是科学相机，12岁以上是类大疆 Pocket 3 的 DV。

然后，他开始减法。没有触摸屏，没有 APP 格子，几个物理大键。美颜和贴纸功能，做了，后来全部砍掉——小朋友根本不追求这个。

品味，有时候就藏在你敢去掉什么里面。

还有一个更大的判断。过去十多年，iPhone 把 CD 机、Walkman、数码相机全部统一了进去，大多数消费电子品类在这个过程里消失或萎缩。这在行业里留下了一种惯性：做硬件就是在跟手机博弈，胜算渺茫。

黄勇的判断是反向的，他认为接下来会有一个“拆手机”的过程。因为 AI 原生体验的定义，手机里 APP 实现的功能正在被重新硬件化。每个垂直硬件在某个特定场景上开始优于手机。当越来越多的功能被“硬化”，手机可能弱化为众多硬件中的一员，退化成一个随身算力中心。

每个垂直硬件在某个点上优于手机，手机里的 APP 会慢慢被硬化，最终手机可能只是众多硬件中的一员，弱化为一个随身算力。

奇朵成立不到一年，就完成了两轮融资。

趋势在，团队在，供应链在，全球化的合规壁垒也搭起来了。天时地利人和，他觉得都具备了。

被问到如果有一天奇朵失败了，原因会是什么，他停了一下。

“这个……不好说。可能是命不好吧。”

“新一代硬件，是围绕智能体设计硬件形态”

虎嗅：你当时为什么想要切入这么卷的儿童 AI 教育这个赛道？

黄勇：我们一直在教育和儿童硬件行业里做，看到这块趋势在慢慢起来。儿童产品，本质上无论是图书、APP 还是智能硬件，都是内容作品。

但现在，随着新一代原生 AI 人群的崛起，在硬件形态里消费内容的比重会越来越大。多模态和 AI 结合之后，我们打造的“十万个为什么”IP，传统上是一本图书，现在这台相机把它变成了一种 AI 驱动的、带启发性的多模态图书。这种新的内容形态，会进一步解放儿童硬件的市场需求。

虎嗅：为什么选择相机作为承载，有没有考虑过其他硬件形态？

黄勇：我还是从儿童视角出发，眼镜跟儿童的结合我考察过，最大问题是重量，现在最轻49g，小朋友不能超过29g，不然鼻子塌了，家长要怪我们。

机器狗是我一直在想的方向。我跑到机器狗公司去交流，他们挺有兴趣。他们现在做的狗腿比较长，是为了应对各种地形，但儿童版的机器小狗腿要小小的，上楼梯让孩子抱一下就好了。这个小狗比相机生命力大多了。我跟他说，优化一下结构做到零售价5000，一年卖一两万台是可能的。

虎嗅：需要去做一些教育供应链的事情吗？

黄勇：1.0 阶段我们先把智能体装进成熟品类，以复用现有供应链为主，只在摄像头这类关键模块上有针对性地强化。随着智能体深入，需求就会超出现有供应链——比如支持暗拍的小型模组，现在市场上根本没有，监控类的大玻璃镜头体积不行。这时候就需要去构筑新的供应链，这既是挑战，也是壁垒。

虎嗅：为什么选择12岁以下这个年龄段？学龄前儿童类硬件已经有好多在跑了。

黄勇：AI 之前，硬件是内容的容器，接下来，儿童硬件一定会变成智能体的躯体，而智能体本身就是内容。行业在发生两个根本变化：内容格式从图文、音频、多媒体，演变到智能体格式；硬件从容器变成躯体。这是一个重塑整个产品和产业形态的结构性机会，所以我切进来了。很多做的不错的儿童硬件产品，还是上一代的产品逻辑。

虎嗅：“上一代的产品逻辑”是什么？

黄勇：新一代原生硬件，本质是，硬件是智能体的躯体，智能体就是内容本身。上一代硬件是在传统工业化分工下，分工做出了一个组装品。

虎嗅：你怎么理解AI原生硬件？

黄勇：我的理解有四个层次。

第一，硬件是由智能体驱动产生的。你拿到这台相机，它的本质不是装内容，而是智能体，然后这个智能体需要一个相机作为躯体来表达，相机的每一个设计都是为了让这个躯体更好地发挥作用。拿掉这个智能体，它就不成立了，就是个普通相机。

第二，自然的多模态交互。

第三，主动感知。随着感知器件增加和长期记忆积累，它会主动说：“昨天我们聊的那个，今天来这里可以实地看看。”

第四，持续迭代的躯体。现在是相机，下一版可能支持微光拍摄，再往后也许会变成一只机器小狗，带着孩子去探索。

虎嗅：儿童是一个粘性很低的群体，目前似乎没有一款从3岁到12岁的儿童硬件产品？你觉得你要做第一个吃螃蟹的人吗？还是这本身就是一个伪命题？

黄勇：每个年龄段的变化非常大，小朋友早期以月龄变化，后来以年龄变化，和成年人那种认知稳定的状态完全不同，一个手机通杀不了。

每个阶段喜新厌旧是正常的。毛毛虫点读笔就做得很好，适合3到6岁，大一点就丢了，因为不喜欢那种戳戳戳的动作了。“从3岁用到12岁”的想法本身就不对。所以奇朵的解法是：在不同年龄段各定义一到两颗核心产品，形成发展矩阵。

虎嗅：你是怎么设计这个产品矩阵的先后和布局的？

黄勇：沿着影像这条线：3岁前是 baby monitor 形态，分析爬行姿态、提醒家长；3到6岁是认知启蒙卡；6到12岁是科学相机；12岁以上是类大疆 Pocket 3 的 DV，加上耳机。然后每个阶段的核心影像产品再做一次延伸和丰富。整个逻辑就是分龄的硬件矩阵，每个产品都简单聚焦。

“当你读一本书读10年的时候，你肯定要成精了”

虎嗅：从你的第一份硬件创业，到现在奇朵，硬件创业的逻辑在发生什么变化？你在这份创业中有没有一些原有的惯性？

黄勇：我之前做VisionTalk是以 To B 的形式参与了很多硬件，通过 AI 图像搜索平台为它们做赋能。而现在，我希望以更直接、更彻底、更高效的方式，真正躬身入局。

为什么？因为接下来的方向是 AI native 硬件，智能体的设计和硬件的设计必须紧密融合。以前是“加 AI”的逻辑，我可以专门负责 AI 这层，用 SDK 做服务。但现在是 AI native，如果你打造了一个好的智能体，就应该为它打造好的躯体，灵魂和身体割裂不了。

虎嗅：过去的创业经验里，现在还可以复用的有哪些？

黄勇：做 To B 服务做10年，到后面已经变成客户产品团队的一员了。读了一本书读了10年，肯定要成精了。我高峰期一年 API license 装了快两千万台，我很清楚各个品类出了多少、哪些功能最受用、哪些内容消费最多，看一眼我就能大概知道一个品类成不成。

我深度参与定义过一款词典笔，我和创始人说，词典笔的本质是词典，买最好的牛津词典 IP，然后不能有开关机键。

因为搜词是个突发短促需求——就像吃个鸡蛋，如果还要去煮，我就不吃了。回到词典本质来定义产品，功能极简，笔头按下去就是开机，秒开，放下两秒就关机，800毫安电池用20多天。

做VisionTalk的时候，我的角色就是用 AI 衔接内容和硬件功能，所以我能感觉到 AI 在硬件上怎么更好发挥作用，以及现有分工逻辑里存在的问题。加上对儿童硬件内容本质的认知，对内容资源和版权世界的熟悉，这些经验都是直接复用的。

虎嗅：在这款产品当中，最体现你自己产品品味的地方是哪里？

黄勇：这台机器本身就是一个 APP，因为它只为小K老师这个智能体服务，按键加对话，就可以完成所有操作，不需要在屏幕上点。

智能体的出发点，放弃了传统 GUI 的交互方式。这对产品团队和交互设计师都是很大的挑战。

虎嗅：在你们这几代产品的迭代过程当中，你做了哪些加法，又做了哪些减法？

黄勇：10月份团队到位后，马上用供应链能力推了一款内部叫“小绿”的机器，一个月就丢出去了，进来了300多个家庭，天天开会聊天。两个多月里收集了七八十个建议，基本上两天一版。

加法是一个科学老师说“我拍彩虹能识别吗”？于是开发了自然现象识别；家长说小朋友喜欢拍微距，于是支持了微观拍摄；家长说孩子看课外书遇到不懂的词没法回答—，于是做了“拍书对话”模式，拍了某段文字，小K老师就开始跟你交流这个话题。

减法做的更多。我们开始做了美颜和贴纸，因为传统相机都有这些。但后来发现小朋友根本不追求这个，全部下掉了。我们做的是教育摄影、认知摄影，不是自拍和创作工具。

虎嗅：我们在端侧模型的选择和算力上，是用了什么策略？

黄勇：我们的策略是强云弱端。在很长的周期里我们不会考虑端侧模型。端侧要做好体验，系统成本增幅非常大，不如用无处不在的网络连接，去调用云端模型和算力。连接成本越来越低，每台产品加一个蜂窝通讯模组就够了。

端侧强化还涉及存储、功耗、续航的连带问题。端侧的成熟，一定是先在手机这种大品类上跑出规模，才能延伸到消费电子。

虎嗅：我们自己有没有训一些小模型，或者用微调的方式？

黄勇：我们用知识工程加 RAG，再加适度的 SFT，没有自己调基座，这个不重要，重要的是内容的可信和权威。

具体做法是把十万为什么的知识库从10万条扩充到数百万条，覆盖6到12岁99%的百科类问题；经过模型审计和人工抽检后向量化，再用千问做 RAG，对交互过程调优。重心在领域知识库的 RAG 工程上。奇朵不追求模型上的成就，追求的是打造一种新的内容智能体格式。

虎嗅：强云弱端这个方式，可能会有什么挑战？你们怎么解决？

黄勇：主要是网络波动，这需要工程能力。

我们现在做的是拍照类产品，通过算法调试和拍摄框引导，低品质图传上去就能分析，大幅减少对网络波动和时延的敏感度。时延工程是我们 CTO 的强项——我们不追求算法创新，但工程化一定做到最专业。

“小朋友通过不同阶段的设备，其实他是在养自己的一个龙虾”

虎嗅：现在AI行业变化太快了，OpenClaw出现之后，很多人说以后不同硬件之间会互连互通。你觉得这会给未来硬件带来什么变化？

黄勇：“龙虾”这个事太好了，因为我们整个就是分龄的成长矩阵打法，每一个分龄的硬件都应该连到龙虾。小朋友通过不同阶段的设备，其实是在喂自己的龙虾、养自己的龙虾。

我一直在想怎么让矩阵形成连接和复购，龙虾这个技术框架帮我解决了这个问题。以前那种搞一个成长模型、通过数据匹配分析的方式，不够性感。

虎嗅：你在成立很短的时间内就完成了连续两轮融资，这是怎么做到的？

黄勇：投资人看中的首先是成熟的团队，“成熟”不只是专业领域，更重要的是有一定年龄、带过孩子。别的 AI 硬件项目可以越年轻越好，但做儿童产品可能不行，那种味道不对。

第二个是 Day one global 的布局。我们国内版和海外版同时发，而且全球化是合规先行的。欧美儿童产品的合规非常严格——数据安全、模型本地部署、未成年保护，我们从产品定义开始就加入了 KidSafe联盟，这是很多国内团队没概念的地方，而我们搞通了，这本身就是壁垒。

海外产品的外观设计和交互设计全部是海外原生的——外观是英国顶级设计工作室，产品经理是在谷歌做了10年的纽约团队，从海外原生设计到原生合规一体化定义，不是用出口逻辑做的。

虎嗅：资方当时有没有质疑？

黄勇：有，换位思考我也会质疑这一点，做出好产品不是问题，但商业化过程中会面对流量越来越贵的挑战。

我们的判断是：破解流量困局的方式是优质内容。接下来营销的本质就是内容，不是投流。

虎嗅：什么样的销量，你觉得可以叫做爆品？

黄勇：儿童教育硬件，第一年及格线是20万台以上，优质的产品定义是爆品的根本。

虎嗅：越来越多的产品变成了硬件加付费订阅，我们在商业模式设计上国内国外有区别吗？

黄勇：海外从一开始就设计了订阅体系。

国内我做的是配件化，国内消费者很难为软件或内容订阅，所以我把它具象化。比如“拍微距”：现在用调参方式实现，接下来会推出可以套在镜头前面的微距镜头实体配件，就像小米的摄影套装。另外还有实验支架，配合小学科学课的家庭端趣味实验，可以订阅实验材料包。

虎嗅：硬件创业特别烧钱，怎么去控制成本？

黄勇：三个思路。第一，先把智能体装进成熟品类，成熟供应链成本可控；第二，做了这么多年帮主，产业链上的供应商都是帮助过的人，账期和交易条件都能拿到最好的；第三，强云弱端，把端侧存储砍掉放云存，4G 实时连接下离线只做缓存，大幅降低存储波动的影响。

技术路径上，现在用安卓快速迭代，功能稳定后迁移到 Linux。Linux 系统小、存储要求低、SOC 成本约为安卓的一半，可以把硬件成本进一步压低。

“接下来可能有一个‘拆手机’的过程”

虎嗅：几乎所有的硬件团队都面临两个挑战，第一如何面对手机，第二如何面对华强北，首先问问你们怎么面对手机？

黄勇：国内12岁以下的硬件产品被手机挑战的可能性不大。12岁以上才是手机真正进来的时候，所以我们的耳机产品设计时就考虑了与手机的共生关系。专业的垂直硬件和手机是共生关系，不是替代关系，很多有手机的人，也会买 CCD 相机或运动相机。

接下来可能有一个“拆手机”的过程。iPhone 之前，CD 机、Walkman、数码相机各自存在，后来被手机统一了。但今天，因为原生体验的定义，手机里 APP 实现的功能在重新硬件化。每个垂直硬件在某个点上优于手机，手机里的 APP 会慢慢被硬化，最终手机可能只是众多硬件中的一员，弱化为一个随身算力。

虎嗅：怎么面对华强北？

黄勇：当你回到内容本质来思考产品，就不怕华强北了。我们做的不是硬件，硬件是为内容表达服务的。要复制奇朵，需要能把内容、AI 和硬件三者融合贯通的团队，放眼全球，这都是稀缺的。

虎嗅：软硬结合已经很难了，你又加上了 AI 和大模型。在这个结合过程中，坑和难点在哪里？

黄勇：这主要是传统工业化分工导致的。内容、智能体、硬件，在我心目中是一个东西：智能体就是内容本身，硬件是智能体的躯体，是一枚硬币的正反两面。

但用传统分工来做，做内容的做内容，做 AI 的做 AI，做硬件的做硬件，就变成了三件互相割裂的事情，怎么做出好产品？

虎嗅：奇朵第一天起就瞄着全球，但 AI 硬件这个品类，中国公司占了八九成，去年 CES 大家都说是中国的 CES，怎么看硬件在国内卷，到国外也是跟中国公司卷？

黄勇：中国目前是基础练功房——大家互相卷，练肌肉，再去卷海外。先在国内找到独特定位活下来，是前提。

出海最关键的是尊重在地文化，从设计、交互到内容 IP，全部本土化。“十万个为什么”是中国最好的科普 IP，但在英国叫 DK，在西班牙有当地版本。我们在每个市场都会找当地最权威的内容 IP 合作。我们做的是让每个地方的本土内容 IP 在 AI 时代重生。

虎嗅：有人说，中国人总是尝试把一款消费硬件做的更有性价比，但欧美人会思考如何让这个产品变得有趣，在你看来，是性价比更重要还是有趣更重要？你们怎么做的？

黄勇：有趣是比性价比更重要的。儿童的产品要做到有趣，有2个方向。第一个是比如用屏幕+声光电刺激（比如在中间加入看视频或者各类游戏）来做到有趣，这样当然可以让孩子沉迷，但是这是不符合儿童发育需求的；第二个是适龄天性的自然释放，比如到了5-6岁，孩子开始无数的“是什么”、“为什么”的指着问的场景就多了。基于这个产品的能力，让孩子得到释放和满足也是一种方式。我们选择的是第二种。

虎嗅：你会认同“所有传统硬件形态都会被 AI 化一遍”这个观点吗？

黄勇：方向肯定是这样的，但关键是怎么结合品类本质，适度地把 AI 表达出来。既是 AI 驱动的，又不能变成另外一个东西。这需要对行业和品类有很深的理解。

比如轮椅的本质是辅助，外骨骼可能才是更好的轮椅，在现有轮椅上加个摄像头，不一定对。

虎嗅：如果有一天奇朵失败了，可能会是什么原因？

黄勇：这个……不好说。可能是命不好吧。趋势也好，各种要素也好，我觉得都具备，但有时候这个事情可能也看缘分，很多成功最后都是总结出来的。