“AI硬件现在还不是一个行业，，，，而是一个偏向。
。。。它落在工业、教育、医疗等详细场景里，，，，才真正组成行业。
。。。”

大模子的狂欢之后，，，，AI的浪潮正不可逆地涌向物理天下。
。。。

AI硬件，，，，这个被赋予“下一个入口”想象的赛道，，，，正在同时承载雄心、泡沫与迷思。
。。。当“AI Native”成为创业者的标配话术，，，，一个真问题浮现出来：真正的AI硬件，，，，事实长什么样？？？

近期，，，，虎嗅AI硬件闭门会第二期，，，，我们约请了乐享科技联席CTO李元庆、臻效智能CEO孙鹏飞、明势创投董事总司理徐玥晨、Skyris首创人张宇诺，，，，从具身智能、工业AI、投资到消耗级陪同机械人，，，，举行了一场深度对谈。
。。。

这场讨论没有标准谜底，，，，但留下了几个足够真实的判断：

真正的AI Native，，，，不是古板硬件外挂一个模子；；

消耗级AI硬件最大的问题，，，，不但是模子不敷强，，，，而是产品界说经常没有对；；

工业AI反而更早落地，，，，由于它只认可可丈量的价值；；

机械人和AI硬件的PMF，，，，远比Demo和早期销量主要；；

端侧算力不是越大越好，，，，而是必需用在“比黄金还值钱”的地方。
。。。

我们把全场干货、共识、预判，，，，整理成这篇真话实录。
。。。

一、重估AI Native：体验为王，，，，而非AI为王

作甚“AI Native硬件”？？？行业没有标准谜底，，，，但共识正在形成：

焦点不在于是否搭载了AI，，，，而在于体验是否由AI带来，，，，且AI的抽离是否会导致产品价值坍塌。
。。。

张宇诺的判断标准很爽性：“当AI拿掉之后，，，，这个硬件作为本体还成不建设？？？若是所有为模子设计的传感器、执行器都不启用了，，，，那它才是AI Native的硬件。
。。。”

他以Plaud为例：没有AI，，，，它只是通俗录音装备；；有了AI，，，，录音酿成可检索、可沉淀的信息资产，，，，焦点价值才被激活。
。。。陪同机械人同理——拿掉模子只剩一个挂件，，，，AI才真正加入了产品建设自己。
。。。

但张宇诺也提醒，，，，太过追求这种“纯粹”会走向误区：为了AI而设计产品。
。。。

徐玥晨作为投资人，，，，标准更务实：焦点体验是不是AI带来的？？？原来的体验差，，，，是不是由AI弥合的？？？

她举了Insta360拇指相机：AI剪辑让“手苯党”也能出片。
。。。这些体验的重大跃迁，，，，才是她判断AI Native的焦点，，，，也是她投资逻辑里“Why Now”的要害——为什么今天才泛起这个产品？？？AI带来的体验变量是否足够大？？？

李元庆则把界说往深推了一层：AI Native不但要看产品带不带AI，，，，更要看研发历程是否被AI重构。
。。。

若是一个产品只是最终形态接入了模子，，，，但产品界说、数据网络、研发验证、迭代流程仍是古板硬件逻辑，，，，就不算真正的AI Native。
。。。标杆是FSD或AI for Science——研发历程自己就被AI自动化渗透。
。。。

孙鹏飞从工业视角泼了一盆冷水：“工业领域纯AI Native极难实现。
。。。”

工业系统有传感层、驱动层、控制层、边沿层、云层，，，，底下三层“上百年了”，，，，很难被AI重新界说。
。。。工业AI的常见形态不是“AI界说一切”，，，，而是AI进入原有系统，，，，围绕装备、工艺和控制闭环施展作用。
。。。

一个词的四种界说，，，，折射出四类需求：消耗端要体验重构，，，，工业端要闭环控制，，，，投资端要Why Now，，，，手艺端要研发范式转变。
。。。二、工业AI：不讲故事，，，，只算账

当各人都盯着消耗级AI硬件时，，，，孙鹏飞提醒了一个被忽视的事实：

工业场景的AI硬件和系统，，，，着实比消耗端更早进入落地。
。。。

原因很简朴：工业不靠新鲜感买单，，，，只看效果。
。。。

“工业内里很是讲ROI，，，，我们不太讲情绪价值。
。。。若是给客户带来的营业价值不可量化、不可算成钱，，，，这个营业坚决不做。
。。。”

AI在工业里必需转化成硬指标：省了几多电、提了几多产量、降了几多缺陷率、减了几多人工、缩短了几多停；奔。
。。。

工业系统有两个明确维度。
。。。第一个是纵向的五层架构：

孙鹏飞的焦点营业——用离线强化学习做数据中心冷源控制和火电燃烧优化——正是边沿层实践。
。。。从古板PLC（可编程逻辑控制器）/DCS（漫衍式控制系统）毫秒级采数，，，，在边沿侧跑模子，，，，再返回执行，，，，实时性、稳固性、清静性是焦点。
。。。

第二个维度是横向的智能化演进品级，，，，孙鹏飞将其类比为自动驾驶L1到L5：

现在中国工业整体仍处于早期：L1已较普及，，，，L2和L3共存，，，，真正进入L3闭环控制的场景仍然有限。
。。。

针对“AI幻觉”，，，，孙鹏飞的回覆很明确：真正的工业控制场景，，，，很少有人直接用大模子做控制。
。。。

他们更强调多层兜底：算法层清静界线、Agent层上下限约束、PLC/DCS古板系统兜底、通讯链路和心跳机制监控异常。
。。。一旦出问题，，，，必需瞬间切回原控制模式。
。。。

“不像ToC，，，，通用大模子出一些不睬想的对话也就认了。
。。。工业侧任何万一都要被规避掉。
。。。”

这也诠释了为什么工业AI不如消耗硬件热闹，，，，却更早泛起真实落地：它不讲故事，，，，只看账。
。。。

三、消耗级AI硬件：机械人卖出500台，，，，不代表找到了PMF

与工业的“效果导向”差别，，，，消耗级AI硬件面临的是另一套评价系统。
。。。

李元庆用特斯拉Model S的早期路径类比消耗级机械人：

第一批是极客和教授，，，，第二批是企业高管，，，，第三批是工程师和科技喜欢者，，，，最后才走向公共。
。。。

真正难题的不是卖出早期样机，，，，而是跨过行业内循环，，，，进入真实消耗者生涯。
。。。

他很直白：“无论做什么机械人，，，，一定能卖出去500台，，，，由于有500个竞争敌手会买回去研究。
。。。1000台以上，，，，才需要真实的PMF（产品市场契合度）。
。。。”

张宇诺也增补，，，，许多AI硬件的前1000台销量，，，，实质上仍在行业内部循环。
。。。真正的PMF，，，，要看通俗用户是否一连使用、是否复购、是否愿意为服务付费。
。。。

但消耗级产品比PMF更难的，，，，可能是CMF（Customer-Market-Fit）——李元庆将其延伸为“产品与市场之间的情绪契合”。
。。。对陪同、家庭、消耗级机械人来说，，，，痛点不总是功效性的，，，，情绪价值自己就是产品建设的一部分。
。。。

张宇诺提出了一个反知识视察：“在AI突飞猛进的这两年，，，，陪同机械人市场没有泛起任何一款能逾越以前的产品。
。。。”

Vector、Lovot、Loona这些“前大模子时代”或早期陪同机械人产品，，，，反而至今未被逾越。
。。。原因在于，，，，许多新产品没有明确：“会语言”不即是“会陪同”。
。。。

陪同的焦点不是语言能力，，，，而是生命感、自动性和关系感。
。。。用户需要感受到这个产品“保存”，，，，并且“和我有关系”——行动、心情、自动靠近、回避、期待、注视，，，，可能比一段流通对话更主要。
。。。

“陪同最主要的是：证实我保存，，，，证实我跟你有关系。
。。。这两件事更多是通过行动、心情、行为完成，，，，而不是语言。
。。。”

徐玥晨从投资视角增补：今天AI硬件体验不敷好，，，，“首先模子侧还没到谁人timing”。
。。。

真正自然的陪同，，，，需要装备能实时听、随时待命，，，，而不是每次都被机械叫醒。
。。。这一点连云端体验都还在生长，，，，更不必说端侧安排后的延迟、功耗和算力分配。
。。。

她区分了两类消耗级陪同需求：OC人群（Original Character，，，，对角色有强情绪投射）可以接受“叫醒后对话”的体验取舍；；但公共市场要的是“无感陪同”，，，，像猫一样随时待命，，，，不是你叫它才过来。
。。。

Lovot是整场重复提到的案例。
。。。售价约25000元，，，，每月1500元软件订阅费，，，，但两年续订率97%。
。。。

这说明一个要害问题：用户不是不肯意为AI硬件订阅付费，，，，而是不肯意为不值得的服务付费。
。。。

若是产品真正提供了不可替换的情绪价值和生涯嵌入感，，，，用户可以接受高订阅；；若是只是多了一个谈天入口，，，，再自制也很难一连。
。。。

四、端侧算力：一场比“金子”还贵的博弈

端侧模子，，，，是目今AI硬件最痛的地方。
。。。

张宇诺给出了最直观的本钱账：

“带内存的RK3588模组，，，，从去年的五百多元涨到了今年的一千多元。
。。。内存价钱涨了三倍。
。。。今天的算力是比黄金还贵的。
。。。”

整机BOM因此涨了快要一千块，，，，售价被迫也往上涨。
。。。“今年所有消耗级机械人都会很难。
。。。”

但端侧算力又不可完全不必。
。。。张宇诺甚至比照了两种极端：有人已经在ESP32上跑OpenClaw，，，，所有推理走云端，，，，本钱险些为零；；但若是要在端侧跑7B模子，，，，仅一块4GB的英伟达Jetson Nano焦点模组就要2000多元。
。。。

“你若是只是拿它跑一个7B的问答模子，，，，用一块20块钱的ESP32连云端API，，，，能抵达险些一模一样的效果。
。。。最多慢一些。
。。。”

这也引出了他的“暴论”：陪同机械人的用户体验，，，，和它所具有的端侧算力成正比。
。。。 LeoBot搭载两块英伟达Jetson芯片，，，，BOM本钱2-3万，，，，“确实交付了好的体验，，，，用户愿意付费”。
。。。

端侧算力是钱，，，，算法优化直接即是降本。
。。。

因此，，，，Skyris的工程战略不是“所有使命都端侧化”，，，，而是把算力花在刀刃上：

大模子NLP推理放云端；；

ASR、TTS、SLAM、视觉识别等实时性使命放端侧；；

用户说“hi”时，，，，先用规则反映承接，，，，用这段时间“冲抵”云端延迟。
。。。

李元庆从具身智能角度给出了更严肃的现实：

7B模子才具备基础视频明确能力，，，，14B才具备较强使命推理妄想能力，，，，38B以上才有较强的指令遵从能力。
。。。 但若是38B模子跑在端侧，，，，“SOC主板本钱2-3万，，，，整机BOM五六万，，，，售价得20-30万——那可能不如买辆车。
。。。”

行业现在两条蹊径：

端云协同：端侧极致低本钱，，，，重大推理全放云端，，，，靠OTA升级，，，，BOM压到最低；；

端侧守旧：端侧保存一定算力，，，，肩负；〉己健⒏兄⒆ト『颓寰彩姑，，，，重大使命仍依赖云端。
。。。

孙鹏飞则从工业角度给出了差别谜底：工业端侧“不太缺算力”。
。。。离线强化学习模子是“高性能训练、低性能推理”，，，，端侧跑起来对算力要求不高。
。。。但工业对模子有特殊要求：必需按控制节奏输出、必需在清静界线内运行、必需有多层兜底。
。。。

端侧算力的要害不是越大越好，，，，而是： 它是否和用户可感知价值、使命实时性和清静需求相匹配。
。。。五、软硬一体：国情所迫，，，，照旧体验闭环？？？

“软硬一体”是贯串全场的高频词，，，，但落地也诸多挑战。
。。。

孙鹏飞的看法最直白：

在中国市场，，，，纯软件营业极难售卖，，，，客户不认可纯软件价值，，，，必需“软饭硬吃”——把软件的钱放在硬件里卖。
。。。 这不但是商业逻辑，，，，也是供应链壁垒。
。。。

但在AI时代，，，，软硬一体不但是商业包装，，，，而是体验闭环。
。。。

徐玥晨提出了要害判断：

“不是软件界说硬件，，，，也不是硬件界说软件，，，，而是体验界说硬件，，，，界说软件，，，，再界说算力。
。。。”

已往做硬件，，，，先定形态、价钱带和BOM，，，，再往内里加功效。
。。。AI时代要做到原生，，，，必需从用户体验倒推：

用户需要什么交互？？？

哪些体验必需实时爆发？？？

哪些使命外地感知？？？

哪些能力可以云端完成？？？

需要哪些传感器、执行器、芯片和架构？？？

哪些本钱用户愿意一连支付？？？

她还提出了一个简朴的PMF磨练要领：看用户是否一连使用软件、是否续费。
。。。 若是买硬件后不再用AI服务，，，，说明他只是为外观或新鲜感买单；；一连使用和续费，，，，才说明AI焦点体验真正建设。
。。。

张宇诺用Lovot进一步说明软硬一体+订阅制的可行性。
。。。要害不在“订阅模式好欠好”，，，，而在软件是否提供了足够价值。
。。。Lovot不是简朴给毛绒玩具塞一个谈天功效，，，，而是通过识别、互动、视频、语言再到行动的完整链路，，，，构建一连服务。
。。。

这也对AI时代的产品司理提出了更高要求。
。。。徐玥晨以为，，，，产品司理不但要明确用户和产品，，，，还要知道目今模子能力界线在那里、端侧算力能做到什么水平、哪些模子能安排、安排历程中会遇到哪些本钱与延迟问题。
。。。 未来的AI硬件产品司理，，，，必需同时明确体验、手艺界线和商业本钱。
。。。

因此，，，，AI硬件的护城河不但是模子能力，，，，也不是简单硬件形态，，，，而是：

软硬件、模子、交互和商业模式，，，，形成一个用户愿意一连付费的闭环。
。。。六、创业者的时机，，，，在大厂看不见的误差里

话题最后回到了“泡沫”。
。。。

徐玥晨的态度最开放：“任何行业都有泡沫。
。。。完全没有泡沫的行业，，，，属于真正没热过的行业。
。。。” 泡沫的条件是各人看到了可能性。
。。。对创业者而言，，，，泡沫期意味着更多资源、更多试错空间。
。。。要害是潮流退去后，，，，真正有价值的公司会留下来。
。。。

她区分了两类时机：成熟硬件厂商做“硬件+AI”，，，，是体验升级；；首创公司的时机在于“AI界说硬件”，，，，成为新品类界说者。
。。。

孙鹏飞则更审慎。
。。。他2013-2014年做人形机械人创业，，，，与优必选同期，，，，“没找到PMF，，，，资金链断裂”。
。。。他以为人形机械人和具身智能保存显着周期性，，，，“火到2027、2028年，，，，若是一直找不到商业化落地，，，，可能会冷两年，，，，手艺突破后再起来。
。。。”对个体创业者来说，，，，风险并不低。
。。。

李元庆的表达更理想主义，，，，但也更系统。
。。。他提到了奇点——当AI能自己做AI、机械人能自己做机械人时，，，，才是真正的拐点。
。。。在此之前，，，，创业公司必需做到两件事：商业化落地，，，，以及构建AI Native的研发组织系统。
。。。

他还引用了一句话：

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

做一件对时代有用、自己又真正热爱的事。
。。。

他用“因缘际会”形容创业者的处境：“因”是自己喜欢且善于，，，，“缘”是时势所趋。
。。。 手艺路径尚未收敛，，，，才给创业者留下大片空缺。
。。。

李元庆还视察到一个有趣征象：CTO做CEO与CMO做CEO，，，，往往泛起出截然差别的公司气质。
。。。

CTO身世的首创人，，，，公司通常带有很强的科研属性和融资属性；；CMO或销售配景身世的首创人，，，，更有产品直觉和市场嗅觉，，，，能把市场时机快速转化为可量产的产品，，，，但需要一个强盛的CTO和COO团队来支持。
。。。他个人更倾向于“综合性首创人”——既懂手艺界线，，，，又愿意弯下腰去卖货。
。。。

张宇诺给出了最务实的建议：

“在各人不要的‘屎’内里找金子。
。。。”

大厂不肯意做、不屑于做、组织惯性难以快速响应的小需求，，，，可能正是创业公司的时机。
。。。已往被以为市场很小的领域，，，，好比录音笔，，，，AI重构后可能激活全新需求。
。。。

他也直言，，，，陪同机械人至今没有一家出货量凌驾20万的公司，，，，也没有大厂重仓入局。
。。。

“我做的行业，，，，是大厂看不上的行业。
。。。”

这说明市场还早，，，，也意味着保存界说新品类的空间。
。。。

结语：四个赛道，，，，一种共识

两个小时，，，，四个截然差别的赛道，，，，嘉宾们在一点上告竣了默契：

AI硬件的Native之争，，，，实质是对“体验界说权”的争取。
。。。

工业端要的是可量化价值、可闭环控制、可兜底系统；；

消耗端要的是无感陪同、情绪价值、一连订阅；；

投资端要的是Why Now的变量、深度思索的产品司理、恒久愿景；；

手艺端要的是端侧算力、模子蒸馏和系统协同。
。。。

当Agent真正进入物理天下，，，，硬件不再只是被动工具，，，，而最先成为AI的“身体”。
。。。但这个身体该长什么样，，，，差别场景给出了差别谜底。
。。。

最终，，，，AI硬件需要回覆的仍然是几个质朴问题：

你的AI能力是否真正改善了焦点体验？？？

用户是否愿意为这种体验一连付费？？？

端侧算力的本钱，，，，是否配得上用户感知价值？？？

工业场景里的ROI，，，，是否真的可丈量、可复核？？？

你是在解决真实问题，，，，照旧追逐一个新看法？？？

褪去“AI Native”的光环，，，，乐成的路径最终指向对用户价值的精准洞察、敌手艺本钱的理性控制，，，，以及对产品体验的极致追求。
。。。

也就是说，，，，AI硬件最终仍要回到第一性原理，，，，忠实回覆谁人最质朴的问题：

你的产品，，，，事实能让谁的生涯，，，，变好哪怕那么一点点？？？

嘉宾先容（按姓名排序）：

李元庆：乐享科技联席CTO、穹明智能总司理，，，，前华为天才少年。
。。。

孙鹏飞：臻效智能CEO，，，，清华AIRIC工业智能专家。
。。。

徐玥晨：明势创投董事总司理，，，，曾投中LiblibAI、Viture、沐刻智能等项目。
。。。

张宇诺：Skyris首创人，，，，正在探索会飞的AI陪同机械人。
。。。

主持人：宋思杭，，，，虎嗅科技组编辑，，，，关注AI与具身智能。
。。。

本文基于2026年5月28日虎嗅AI硬件闭门会直播实录整理，，，，看法均来自嘉宾现场讲话。
。。。

注：本场直播特殊谢谢穹明智能品牌与开发者生态认真人郁葱葱先生的撒播与招募支持，，，，特殊谢谢INNO 100及其联合提倡人吴云飞先生对春季直播的撒播与招募的全力支持。
。。。

本内容由作者授权宣布，，，，看法仅代表作者自己，，，，不代表虎嗅态度。
。。。如对本稿件有异议或投诉，，，，请联系 tougao@huxiu.com。
。。。

本文来自虎嗅，，，，原文链接：https://www.huxiu.com/article/4863481.html?f=wyxwapp