" 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。
注：本场直播特别感谢穹明智能品牌与开发者生态负责人郁葱葱先生的传播与招募支持，特别感谢 INNO 100 及其联合发起人吴云飞先生对春季直播的传播与招募的全力支持。
长宏网提示：文章来自网络，不代表本站观点。
