机器人卖出500台，可能只是卖给了同行｜四位一线操盘手拆透AI硬件的真实生死线

“AI硬件现在还不是一个行业，而是一个方向。它落在工业、教育、医疗等具体场景里，才真正构成行业。”

大模型的狂欢之后，AI的浪潮正不可逆地涌向物理世界。

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，究竟长什么样？

近期，虎嗅AI硬件闭门会第二期，我们邀请了乐享科技联席CTO李元庆、臻效智能CEO孙鹏飞、明势创投董事总经理徐玥晨、Skyris创始人张宇诺，从具身智能、工业AI、投资到消费级陪伴机器人，进行了一场深度对谈。

这场讨论没有标准答案，但留下了几个足够真实的判断：

• 真正的AI Native，不是传统硬件外挂一个模型；
• 消费级AI硬件最大的问题，不只是模型不够强，而是产品定义常常没有对；
• 工业AI反而更早落地，因为它只认可可测量的价值；
• 机器人和AI硬件的PMF，远比Demo和早期销量重要；
• 端侧算力不是越大越好，而是必须用在“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

何为“AI Native硬件”？行业没有标准答案，但共识正在形成：

核心不在于是否搭载了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干脆：“当AI拿掉之后，这个硬件作为本体还成不成立？如果所有为模型设计的传感器、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，它只是普通录音设备；有了AI，录音变成可检索、可沉淀的信息资产，核心价值才被激活。陪伴机器人同理——拿掉模型只剩一个挂件，AI才真正参与了产品成立本身。

但张宇诺也提醒，过分追求这种“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：核心体验是不是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。这些体验的巨大跃迁，才是她判断AI Native的核心，也是她投资逻辑里“Why Now”的关键——为什么今天才出现这个产品？AI带来的体验变量是否足够大？

李元庆则把定义往深推了一层：AI Native不仅要看产品带不带AI，更要看研发过程是否被AI重构。

如果一个产品只是最终形态接入了模型，但产品定义、数据收集、研发验证、迭代流程仍是传统硬件逻辑，就不算真正的AI Native。标杆是FSD或AI for Science——研发过程本身就被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、边缘层、云层，底下三层“上百年了”，很难被AI重新定义。工业AI的常见形态不是“AI定义一切”，而是AI进入原有体系，围绕设备、工艺和控制闭环发挥作用。

一个词的四种定义，折射出四类需求：消费端要体验重构，工业端要闭环控制，投资端要Why Now，技术端要研发范式变化。

二、工业AI：不讲故事，只算账

当大家都盯着消费级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，其实比消费端更早进入落地。

原因很简单：工业不靠新鲜感买单，只看结果。

“工业里面非常讲ROI，我们不太讲情绪价值。如果给客户带来的业务价值不可量化、不能算成钱，这个业务坚决不做。”

AI在工业里必须转化成硬指标：省了多少电、提了多少产量、降了多少缺陷率、减了多少人工、缩短了多少停机时间。

工业体系有两个理解维度。第一个是纵向的五层架构：

孙鹏飞的核心业务——用离线强化学习做数据中心冷源控制和火电燃烧优化——正是边缘层实践。从传统PLC（可编程逻辑控制器）/DCS（分布式控制系统）毫秒级采数，在边缘侧跑模型，再返回执行，实时性、稳定性、安全性是核心。

第二个维度是横向的智能化演进等级，孙鹏飞将其类比为自动驾驶L1到L5：

目前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”，孙鹏飞的回答很明确：真正的工业控制场景，很少有人直接用大模型做控制。 

他们更强调多层兜底：算法层安全边界、Agent层上下限约束、PLC/DCS传统系统兜底、通信链路和心跳机制监控异常。一旦出问题，必须瞬间切回原控制模式。

“不像ToC，通用大模型出一些不理想的对话也就认了。工业侧任何万一都要被规避掉。”

这也解释了为什么工业AI不如消费硬件热闹，却更早出现真实落地：它不讲故事，只看账。

三、消费级AI硬件：机器人卖出500台，不代表找到了PMF

与工业的“结果导向”不同，消费级AI硬件面对的是另一套评价体系。

李元庆用特斯拉Model S的早期路径类比消费级机器人：

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爱好者，最后才走向大众。

真正困难的不是卖出早期样机，而是跨过行业内循环，进入真实消费者生活。

他很直白：“无论做什么机器人，一定能卖出去500台，因为有500个竞争对手会买回去研究。1000台以上，才需要真实的PMF（产品市场契合度）。”

张宇诺也补充，很多AI硬件的前1000台销量，本质上仍在行业内部循环。真正的PMF，要看普通用户是否持续使用、是否复购、是否愿意为服务付费。

但消费级产品比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感契合”。对陪伴、家庭、消费级机器人来说，痛点不总是功能性的，情感价值本身就是产品成立的一部分。

张宇诺提出了一个反常识观察：“在AI突飞猛进的这两年，陪伴机器人市场没有出现任何一款能超越以前的产品。”

Vector、Lovot、Loona这些“前大模型时代”或早期陪伴机器人产品，反而至今未被超越。原因在于，很多新产品没有理解：“会说话”不等于“会陪伴”。

陪伴的核心不是语言能力，而是生命感、主动性和关系感。用户需要感受到这个产品“存在”，并且“和我有关系”——动作、表情、主动靠近、回避、等待、注视，可能比一段流畅对话更重要。

“陪伴最重要的是：证明我存在，证明我跟你有关系。这两件事更多是通过动作、表情、行为完成，而不是说话。”

徐玥晨从投资视角补充：今天AI硬件体验不够好，“首先模型侧还没到那个timing”。

真正自然的陪伴，需要设备能实时听、随时待命，而不是每次都被机械唤醒。这一点连云端体验都还在发展，更不用说端侧部署后的延迟、功耗和算力分配。

她区分了两类消费级陪伴需求：OC人群（Original Character，对角色有强情感投射）可以接受“唤醒后对话”的体验取舍；但大众市场要的是“无感陪伴”，像猫一样随时待命，不是你叫它才过来。

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

这说明一个关键问题：用户不是不愿意为AI硬件订阅付费，而是不愿意为不值得的服务付费。

如果产品真正提供了不可替代的情感价值和生活嵌入感，用户可以接受高订阅；如果只是多了一个聊天入口，再便宜也很难持续。

四、端侧算力：一场比“金子”还贵的博弈

端侧模型，是当前AI硬件最痛的地方。

张宇诺给出了最直观的成本账：

“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。内存价格涨了三倍。今天的算力是比黄金还贵的。”

整机BOM因此涨了将近一千块，售价被迫也往上涨。“今年所有消费级机器人都会很难。”

但端侧算力又不能完全不用。张宇诺甚至对比了两种极端：有人已经在ESP32上跑OpenClaw，所有推理走云端，成本几乎为零；但如果要在端侧跑7B模型，仅一块4GB的英伟达Jetson Nano核心模组就要2000多元。

“你如果只是拿它跑一个7B的问答模型，用一块20块钱的ESP32连云端API，能达到几乎一模一样的效果。最多慢一些。”

这也引出了他的“暴论”：陪伴机器人的用户体验，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成本2-3万，“确实交付了好的体验，用户愿意付费”。

端侧算力是钱，算法优化直接等于降本。

因此，Skyris的工程策略不是“所有任务都端侧化”，而是把算力花在刀刃上：

• 大模型NLP推理放云端；
• ASR、TTS、SLAM、视觉识别等实时性任务放端侧；
• 用户说“hi”时，先用规则反应承接，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峻的现实：

7B模型才具备基础视频理解能力，14B才具备较强任务推理规划能力，38B以上才有较强的指令遵从能力。但如果38B模型跑在端侧，“SOC主板成本2-3万，整机BOM五六万，售价得20-30万——那可能不如买辆车。”

行业目前两条路线：

• 端云协同：端侧极致低成本，复杂推理全放云端，靠OTA升级，BOM压到最低；
• 端侧保守：端侧保留一定算力，承担基础导航、感知、抓取和安全任务，复杂任务仍依赖云端。

孙鹏飞则从工业角度给出了不同答案：工业端侧“不太缺算力”。离线强化学习模型是“高性能训练、低性能推理”，端侧跑起来对算力要求不高。但工业对模型有特殊要求：必须按控制节拍输出、必须在安全边界内运行、必须有多层兜底。

端侧算力的关键不是越大越好，而是：

它是否和用户可感知价值、任务实时性和安全需求相匹配。

五、软硬一体：国情所迫，还是体验闭环？

“软硬一体”是贯穿全场的高频词，但落地也诸多挑战。

孙鹏飞的观点最直白：

在中国市场，纯软件业务极难售卖，客户不认可纯软件价值，必须“软饭硬吃”——把软件的钱放在硬件里卖。 这不仅是商业逻辑，也是供应链壁垒。

但在AI时代，软硬一体不只是商业包装，而是体验闭环。

徐玥晨提出了关键判断：

“不是软件定义硬件，也不是硬件定义软件，而是体验定义硬件，定义软件，再定义算力。”

过去做硬件，先定形态、价格带和BOM，再往里面加功能。AI时代要做到原生，必须从用户体验倒推：

• 用户需要什么交互？
• 哪些体验必须实时发生？
• 哪些任务本地感知？
• 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？
• 哪些成本用户愿意持续支付？

她还提出了一个简单的PMF检验方法：看用户是否持续使用软件、是否续费。如果买硬件后不再用AI服务，说明他只是为外观或新鲜感买单；持续使用和续费，才说明AI核心体验真正成立。

张宇诺用Lovot进一步说明软硬一体+订阅制的可行性。关键不在“订阅模式好不好”，而在软件是否提供了足够价值。Lovot不是简单给毛绒玩具塞一个聊天功能，而是通过识别、互动、视频、语言再到动作的完整链路，构建持续服务。

这也对AI时代的产品经理提出了更高要求。徐玥晨认为，产品经理不仅要理解用户和产品，还要知道当前模型能力边界在哪里、端侧算力能做到什么程度、哪些模型能部署、部署过程中会遇到哪些成本与延迟问题。 未来的AI硬件产品经理，必须同时理解体验、技术边界和商业成本。

因此，AI硬件的护城河不只是模型能力，也不是单一硬件形态，而是：

软硬件、模型、交互和商业模式，形成一个用户愿意持续付费的闭环。

六、创业者的机会，在大厂看不见的缝隙里

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。” 泡沫的前提是大家看到了可能性。对创业者而言，泡沫期意味着更多资本、更多试错空间。关键是潮水退去后，真正有价值的公司会留下来。

她区分了两类机会：成熟硬件厂商做“硬件+AI”，是体验升级；初创公司的机会在于“AI定义硬件”，成为新品类定义者。

孙鹏飞则更审慎。他2013-2014年做人形机器人创业，与优必选同期，“没找到PMF，资金链断裂”。他认为人形机器人和具身智能存在明显周期性，“火到2027、2028年，如果一直找不到商业化落地，可能会冷两年，技术突破后再起来。”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、机器人能自己做机器人时，才是真正的拐点。在此之前，创业公司必须做到两件事：商业化落地，以及构建AI Native的研发组织体系。

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”是自己喜欢且擅长，“缘”是大势所趋。 技术路径尚未收敛，才给创业者留下大片空白。

李元庆还观察到一个有趣现象：CTO做CEO与CMO做CEO，往往呈现出截然不同的公司气质。

CTO出身的创始人，公司通常带有很强的科研属性和融资属性；CMO或销售背景出身的创始人，更有产品直觉和市场嗅觉，能把市场机会快速转化为可量产的产品，但需要一个强大的CTO和COO团队来支撑。他个人更倾向于“综合性创始人”——既懂技术边界，又愿意弯下腰去卖货。

张宇诺给出了最务实的建议：

“在大家不要的‘屎’里面找金子。”

大厂不愿意做、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机会。过去被认为市场很小的领域，比如录音笔，AI重构后可能激活全新需求。

他也直言，陪伴机器人至今没有一家出货量超过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，也意味着存在定义新品类的空间。

结语：四个赛道，一种共识

两个小时，四个截然不同的赛道，嘉宾们在一点上达成了默契：

AI硬件的Native之争，本质是对“体验定义权”的争夺。

• 工业端要的是可量化价值、可闭环控制、可兜底系统；
• 消费端要的是无感陪伴、情绪价值、持续订阅；
• 投资端要的是Why Now的变量、深度思考的产品经理、长期愿景；
• 技术端要的是端侧算力、模型蒸馏和系统协同。

当Agent真正进入物理世界，硬件不再只是被动工具，而开始成为AI的“身体”。但这个身体该长什么样，不同场景给出了不同答案。

最终，AI硬件需要回答的仍然是几个朴素问题：

• 你的AI能力是否真正改善了核心体验？
• 用户是否愿意为这种体验持续付费？
• 端侧算力的成本，是否配得上用户感知价值？
• 工业场景里的ROI，是否真的可测量、可复核？
• 你是在解决真实问题，还是追逐一个新概念？

褪去“AI Native”的光环，成功的路径最终指向对用户价值的精准洞察、对技术成本的理性控制，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，诚实回答那个最朴素的问题：

你的产品，究竟能让谁的生活，变好哪怕那么一点点？

嘉宾介绍（按姓名排序）：

• 李元庆：乐享科技联席CTO、穹明智能总经理，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：明势创投董事总经理，曾投中LiblibAI、Viture、沐刻智能等项目。
• 张宇诺：Skyris创始人，正在探索会飞的AI陪伴机器人。

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，观点均来自嘉宾现场发言。

文章来自于"虎嗅APP"，作者 "虎嗅AI硬件项目组"。