软件介绍

色老头影院使用指南

第一步：导入文件

打开软件，点击"?增长 色老头影院"按钮，从电脑当选择《色老头影院》文件，或直接将其拖拽至软件界面中。

第二步：配置解析

软件会自动鉴别并解析导入的文件，您可凭据界面提醒选择所需的保留蹊径或下载体式。

第三步：起头下载

确认无误后，点击"起头下载/处置"按钮。期待进度条读取结束，即可在设定的文件夹中查看下载好的正版文件。

机械人卖出500台，可能只是卖给了同业｜四位一线操盘手拆透AI硬件的真实生死线，色老头影院

“AI硬件此刻还不是一个行业，而是一个方向。它落在工业、教育、医疗等具体场景里，才真正组成行业。”

大模型的狂欢之后，AI的浪彻佚不成逆地涌向物理世界。

AI硬件，这个被赋予“下一个入口”设想的赛路，在同时承载大志、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，到底长什么样？

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

这场会商没有尺度答案，但留下了几个足够真实的判断：

真正的AI Native，不是传统硬件表挂一个模型；

消费级AI硬件最大的问题，不只是模型不够强，而是产品界说时时没有对；

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”的处所。

我们把全场干货、共识、预判，整顿成这篇真话实录。

一、重估AI Native：履历为王，而非AI为王

何为“AI Native硬件”？行业没有尺度答案，但共识在形成：

主题不在因而否搭载了AI，而在于履历是否由AI带来，且AI的抽离是否会导致产品价值坍塌。

张宇诺的判断尺度很索性：“当AI拿掉之后，这个硬件作为本体还成不成立？若是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，它只是通常灌音设备；有了AI，灌音造成可检索、可沉淀的信息资产，主题价值才被激活。陪同机械人同理——拿掉模型只剩一个挂件，AI才真正参加了产品成立自身。

但张宇诺也提醒，过度钻营这种“纯正”会走向误区：为了AI而设计产品。

徐玥晨作为投资人，尺度更求实：主题履历是不是AI带来的？原来的履历差，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。这些履历的巨大跃迁，才是她判断AI Native的主题，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带来的履历变量是否足够大？

李元庆则把界说往深推了一层：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。

若是一个产品只是最终状态接入了模型，但产品界说、数据网络、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——研发过程自身就被AI自动化渗入。

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、节造层、边缘层、云层，底下三层“上百年了”，很难被AI重新界说。工业AI的常见状态不是“AI界说所佑妆，而是AI进入原有系统，萦绕设备、工艺和节造关环阐扬作用。

一个词的四种界说，折射出四类需要：消费端要履历重构，工业端要关环节造，投资端要Why Now，技术端要研发范式变动。二、工业AI：不讲故事，只算账

当各人都盯着消费级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。

原因很单一：工业不靠新鲜感买单，只看了局。

“工衣凤面极度讲ROI，我们不太讲感情价值。若是给客户带来的业务价值不成量化、不能算成钱，这个业务坚定不做。”

AI在工衣凤必须转化成硬指标：省了几多电、提了几多产量、降了几多缺点率、减了几多人为、缩短了几多；Ψ。

工业系统有两个理解维度。第一个是纵向的五层架构：

孙鹏飞的主题业务——用离线强化进建做数据中心冷源节造和火电点火优化——正是边缘层实际。从传统PLC（可编程逻辑节造器）/DCS（散布式节造系统）毫秒级采数，在边缘侧跑模型，再返回执行，实时性、不变性、安全性是主题。

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已较遍及，L2和L3共存，真正进入L3关环节造的场景依然有限。

针对“AI幻觉”，孙鹏飞的回覆很明确：真正的工业节造场景，很少有人直接用大模型做节造。

他们更强调多层兜底：算法层安全天堑、Agent层高低限约束、PLC/DCS传统系统兜底、通讯链路和心跳机造监控异常。一旦出问题，必须瞬间切回原节造模式。

“不像ToC，通用大模型出一些不梦想的对话也就认了。工业侧任何万一都要被躲避掉。”

这也诠氏缢为什么工业AI不如消费硬件热烈，却更早出现真实落地：它不讲故事，只看账。

三、消费级AI硬件：机械人卖出500台，不代表找到了PMF

与工业的“了局导向”分歧，消费级AI硬件面对的是另一套评价系统。

李元庆用特斯拉Model S的早期蹊径类比消费级机械人：

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爱好者，最后才走向公共。

真正难题的不是卖出早期样机，而是凌驾行业内循环，进入真实消费者生涯。

他很直白：“无论做什么机械人，肯定能卖出去500台，由于有500个竞争敌手会买回去钻研。1000台以上，才必要真实的PMF（产品市场符合度）。”

张宇诺也补充，好多AI硬件的前1000台销量，性质上仍在行业内部循环。真正的PMF，要看通常用户是否持续使用、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）——李元庆将其延长为“产品与市场之间的感情符合”。对陪同、家庭、消费级机械人来说，痛点不总是职能性的，感情价值自身就是产品成立的一部门。

张宇诺提出了一个反学问观察：“在AI突飞猛进的这两年，陪同机械人市场没有出现任何一款能超过以前的产品。”

Vector、Lovot、Loona这些“前大模型时期”或早期陪同机械人产品，反而至今未被超过。原因在于，好多新产品没有理解：“会措辞”不蹬宗“会陪同”。

陪同的主题不是说话能力，而是性命赣注自动性和关系感。用户必要感触到这个产品“存在”，并且“和我有关系”——作为、表情、自动靠近、回避、期待、凝视，可能比一段流畅对话更重要。

“陪同最重要的是：证明我存在，证明我跟你有关系。这两件事更多是通过作为、表情、行为实现，而不是措辞。”

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

真正天然的陪同，必要设备能实时听、随时待命，而不是每次都被机械唤醒。这一点连云端履历都还在发展，更不用说端侧部署后的延长、功耗和算力分配。

她分辨了两类消费级陪同需要：OC人群（Original Character，对角色有强感情投射）能够接受“唤醒后对话”的履历弃取；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%。

这注明一个关键问题：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。

若是产品真正提供了不成代替的感情价值和生涯嵌入感，用户能够接受高订阅；若是只是多了一个谈天入口，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硬件最痛的处所。

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。内存价值涨了三倍。今天的算力是比黄金还贵的。”

整机BOM因而涨了将近一千块，售价被迫也往上涨。“今年所有消费级机械人城市很难。”

但端侧算力又不能齐全不用。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，成本险些为零；但若是要在端侧跑7B模型，仅一块4GB的英伟达Jetson Nano主题模组就要2000多元。

“你若是只是拿它跑一个7B的问答模型，用一块20块钱的ESP32连云端API，能达到险些如出一辙的成效。最多慢一些。”

这也引出了他的“暴论”：陪同机械人的用户履历，和它所拥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，“的确交付了好的履历，用户愿意付费”。

端侧算力是钱，算法优化直接蹬宗降本。

因而，Skyris的工程战术不是“所有工作都端侧化”，而是把算力花在刀刃上：

大模型NLP推理放云端；

ASR、TTS、SLAM、视觉鉴别等实时性工作放端侧；

用户说“hi”时，吓酌规定反映承接，用这段功夫“冲抵”云端延长。

李元庆从具身智能角度给出了更严格的现实：

7B模型才具备基础视坡讽解能力，14B才具备较强工作推理规划能力，38B以上才有较强的指令遵从能力。 但若是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；

端侧守旧：端侧保留肯定算力，承；〉己健⒏兄⒆ト『桶踩ぷ，复杂工作仍依赖云端。

孙鹏飞则从工业角度给出了分歧答案：工业端侧“不太缺算力”。离线强化进建模型是“高机能训练、低机能推理”，端侧跑起来对算力要求不高。但工业对模型有特殊要求：必须按节造节拍输出、必须在安全天堑内运杏注必须有多层兜底。

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、工作实时性和安全需要相匹配。五、软硬一体：国情所迫，还是履历关环？

“软硬一体”是贯通全场的高频词，但落地也诸多挑战。

孙鹏飞的概想最直白：

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。 这不仅是贸易逻辑，也是供给链壁垒。

但在AI时期，软硬一体不只是贸易包装，而是履历关环。

徐玥晨提出了关键判断：

“不是软件界说硬件，也不是硬件界说软件，而是履历界说硬件，界说软件，再界说算力。”

从前做硬件，先定状态、价值带和BOM，再往里面加职能。AI时期要做到原生，必须从用户履历倒推：

用户必要什么交互？

哪些履历必须实时发生？

哪些工作本地感知？

哪些能力能够云端实现？

必要哪些传感器、执行器、芯片和架构？

哪些成本用户愿意持续支付？

她还提出了一个单一的PMF检验步骤：看用户是否持续使用软件、是否续费。 若是买硬件后不再用AI服务，注明他只是为表观或新鲜感买单；持续使用和续费，才注明AI主题履历真正成立。

张宇诺用Lovot进一步注明软硬一体+订阅造的可行性。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不是单一给毛绒玩具塞一个谈天职能，而是通过鉴别、互动、视频、说话再到作为的齐全链路，构建持续服务。

这也对AI时期的产品经理提出了更高要求。徐玥晨以为，产品经理不仅要理解用户和产品，还要知路当前模型能力天堑在哪里、端侧算力能做到什么水平、哪些模型能部署、部署过程中会遇到哪些成本与延长问题。 将来的AI硬件产品经理，必须同时理解履历、技术天堑和贸易成本。

因而，AI硬件的护城河不只是模型能力，也不是单一硬件状态，而是：

软硬件、模型、交互和贸易模式，形成一个用户愿意持续付费的关环。六、创业者的机遇，在大厂看不见的缝隙里

话题最后回到了“泡沫”。

徐玥晨的态度最盛开：“任何行业都有泡沫。齐全没有泡沫的行业，属于真正没热过的行业。” 泡沫的前提是各人看到了可能性。对创业者而言，泡沫期意味着更多本钱、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。

她分辨了两类机遇：成熟硬件厂商做“硬件+AI”，是履历升级；草创公司的机遇在于“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存在显著周期性，“火到2027、2028年，若是一止匾不到贸易化落地，可能会冷两年，技术突破后振兴来。”对个别创业者来说，风险并不低。

李元庆的表白更梦想主义，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，创业公司必须做到两件事：贸易化落地，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.”

做一件对时期有效、自己又真正酷爱的事。

他用“因缘际会”形容创业者的处境：“因”是自己喜欢且善于，“缘”是大势所趋。 技术蹊径尚未收敛，才给创业者留下大片空缺。

李元庆还观察到一个有趣景象：CTO做CEO与CMO做CEO，往往出现出截然分歧的公司气质。

CTO出身的首创人，公司通常带有很强的科研属性和融资属性；CMO或销售布景出身的首创人，更有产品直觉和市场嗅觉，能把市场机遇急剧转化为可量产的产品，但必要一个壮大的CTO和COO团队来支持。他幼我更偏差于“综合性首创人”——既懂技术天堑，又愿意弯下腰去卖货。

张宇诺给出了最求实的建议：

“在各人不要的‘屎’里面找金子。”

大厂不愿意做、不屑于做、组织惯性难以急剧响应的幼需要，可能正是创业公司的机遇。从前被以为市场很幼的领域，好比灌音笔，AI重构后可能激活全新需要。

他也直言，陪同机械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。”

这注明市场还早，也意味着存在界说新品类的空间。

结语：四个赛路，一种共识

两个幼时，四个截然分歧的赛路，嘉宾们在一点上达成了默契：

AI硬件的Native之争，性质是对“履历界说权”的抢夺。

工业端要的是可量化价值、可关环节造、可兜底系统；

消费端要的是无感陪同、感情价值、持续订阅；

投资端要的是Why Now的变量、深度思虑的产品经理、持久愿景；

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，而起头成为AI的“身段”。但这个身段该长什么样，分歧场景给出了分歧答案。

最终，AI硬件必要回覆的依然是几个朴素问题：

你的AI能力是否真正改善了主题履历？

用户是否愿意为这种履历持续付费？

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，是否真的可丈量、可复核？

你是在解决真实问题，还是追逐一个新概想？

褪去“AI Native”的光环，成功的蹊径最终指向对用户价值的精准洞察、对技术成本的理性节造，以及对产品履历的极致钻营。

也就是说，AI硬件最终仍要回到第一性道理，恳切回覆那个最朴素的问题：

你的产品，到底能让谁的生涯，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首创人，在索求会飞的AI陪同机械人。

主持人：宋思杭，虎嗅科技组编纂，关注AI与具身智能。

本文基于2026年5月28日虎嗅AI硬件关门会直播实录整顿，概想均来自嘉宾现场讲话。

注：本场直播出格感激穹明智能品牌与开发者生态掌管人郁葱葱先生的传布与招募支持，出格感激INNO 100及其结合提议人吴云飞先生对春季直播的传布与招募的全力支持。

本内容由作者授权颁布，概想仅代表作者自己，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