火山引擎打通了「AI+硬件」的最后一纳米

文 ｜ 阑夕

1939年，一台会说话的机器人，震惊了造访纽约世博会的每一个游客。

机器人名叫Elektro，造型酷似「绿野仙踪」里的铁皮人，不过覆满全身的是铝板，且被涂成了古铜色，它由西屋电气生产，在设计上带有典型的工程师风格。

在展台上，Elektro口齿清晰的发表自我介绍：「女士们，先生们，我很荣幸见到各位，我是一个聪明的家伙，因为我的大脑里有48个继电器。」

Elektro甚至能够表现出幽默感，当有游客停下来打量它时，它就会冷不防的来上一句：「我的大脑比你大」。

这也是实话，因为那48个继电器加起来重达25公斤，远非人类可以比拟。

兴奋的媒体很快就把Elektro当成未来已至的造物，用尽一切溢美之词赞美这个时代的科技奇观，但不出意外的，意外还是虽迟必到。

西屋电气很快承认，Elektro其实并不是真的会说话，所有的语音指令，都是提前录制好的，由操作员控制播放，那些充满机锋的对话，也只是经过编排的剧本。

虽然好莱坞还挺喜欢Elektro的——它客串了不少电影，多少也启发了C-3PO的造型——但在市场噱头幻灭之后，Elektro还是被扔进了报废仓库，成为历史长河里数不清的过客之一。

不过人类还是不曾放弃创造智能物种的念想，近一个世纪以来，人工智能的探索曲折蜿蜒，终于在这几年的大模型浪潮里，第一次接近了为无机物赋予生命并和「它们」平等对话的可能。

而看着哆啦A梦长大的一代人，也开始有机会制造下一代人的哆啦A梦了。

2024年的最后一个月，火山引擎在上海举办了Force原动力大会，AI继续担当主角并不让人感到意外，但AI落地到硬件的场景崭露头角，还是有些科幻走进现实的味道。

想象一下，未来的潮玩和手办，将不再只能放在展示柜里观赏，而是每一个都内置「人格」，可以随时响应用户的召唤，和他们对答如流的畅谈诗与远方，这会带来怎样颠覆性的产业变革？

越来越聪明的大模型看上去已经能够胜任这样的角色了，但真实的工业生产，从来不是把软件装在硬件里，就能解决一切需要，在火山引擎参与「组局」之前，对话式AI+硬件最大的问题其实在于——AI感的无法消除。

在日常的使用场景里，普通人大概体会不到主流智能手机的计算性能和操作系统有多强大，然而一旦将同样的大模型置于千元以内的硬件终端里，那种交互上的违和感很快就会出现。

比如反应变慢，一句话问完要等好几秒后才有回应，或是无法像自然对话那样随时打断，往往用户插嘴后AI还在滔滔不绝的输出既有内容，再就是对弱网场景支持不足，在接收指令时丢失了关键信息，以致于已读乱回的情况时常发生。

加上在多模态的环境里，人与AI之间的交互，不仅有低带宽的文本和语音，还会包含高带宽的视觉影像，以及情绪模拟的个性化适配，这就更加考验端侧音视频处理的能力了。

理解了将AI和硬件组合在一起的难度，也就理解了为什么火山引擎要来推出解决方案，就商业逻辑而言，让硬件公司专注于消费制造，让软件平台专注于模型开发，是效率最高的最优解，而中间的粘合环节，恰好就是火山引擎的擅长领域。

毕竟，在实时音视频RTC配合AI接入的这条技术线上，火山引擎可能是云计算厂商里，走得最远的那一家。

火山引擎对于RTC技术的长期投入，让它同样成为对话式AI的方案供应商，昔年的深耕穿越至今结出硕果，倒是有些「养兵千日，用兵一时」的意思。

世界杯的多人观赛、抖音的直播连麦、飞书的多人会议……从规模负载来看，火山引擎RTC的实战积累，也是全球领先的，所以当AI交互的新场景出现后，火山引擎并不需要重新造轮子，而是可以直接站在先进经验的山头，另起青云。

于是，不到半年时间，火山引擎就从发布实时对话式AI方案、向着行业喊话的试探性角色，上升到了联合IoT领域的国产龙头乐鑫科技正式支持硬件制造商们入局的核心圈玩家，同时火山引擎也和这几家厂商联合发布「硬件+对话式AI」智跃计划。

乐鑫科技是做IoT芯片的，全球出货量累计超过了10亿颗，是这个细分市场的头部公司，在大会专场上做了30分钟的演讲。

其中有一个比喻非常通俗：在这一轮AI潮玩造物的产业分工里，硬件生产商，相当于是在制造「肉体」，乐鑫这类集成电路设计企业，负责构建「大脑和神经」，而接进来的各种大模型，则承担着赋予「灵魂」的使命。

以此类推，火山引擎作为云服务平台的价值，就是为上述器官提供一套「生命系统」，从消化到代谢，从呼吸到知觉，确保智能的平稳运行。

具体来说，乐鑫专为AIoT市场供应的的ESP32-S3芯片，将会集成火山引擎的RTC能力，内置一套「即插即用」的大模型语音交互模组，把端到端的响应延迟压到可在1s以内，还能灵敏识别用户的打断意图，还原人机（大模型）之间的真人感对话。

直接调用豆包大模型后，还能获得最新的多模态交互技术，让潮玩等AI硬件可以「看到」甚至「察觉」用户的情绪，可以持续与AI持续对话，不用「一按一问」。

随着前沿技术的溢出，硬件消费品可能到了最合适的下场时机，互联网产业上游都在致力于提供一站式保姆服务，万事俱备，只欠产品。

加入这场「硬件+对话式AI」盛宴的潮玩品牌ToyCity，是一家典型的制造业厂商，前身曾是东莞数千家玩具代工厂里的一员，为高达、米老鼠、变形金刚等一线玩具品牌生产组件。

2020年，创始人郑波决定开创自己的设计师玩具品牌，这也是过去十几年来并不少见的，从中国制造到中国智造的产业升级叙事。

在分享环节，郑波拿出了ToyCity旗下最成功的原创IP「耙老师」，认为这只在潮玩圈里家喻户晓的熊猫非常适合成为公司史上第一代AI潮玩的形象，可爱无害，柔软可捏，情绪价值拉满。

在郑波看来，他看好AI潮玩迎来普及化的机会，是基于专业，而这里的专业，指的不只是ToyCity的设计能力，还包括专业的芯片、模型和对话技术，一切的水到渠成，都取决于各方都把自己的专业打磨到了可以直面市场的程度。

和ToyCity一起「入伙」的，还有新兴的潮玩品牌FoloToy，曾以对儿童玩具火火兔的AI化改造一夜成名，以及面向年轻女性市场的珞博智能、为普通人打造赛博伙伴的魂伴科技，它们的共同点在于，相信潮玩的陪伴价值，会在原子化的未来社会里被无限放大。

比如要想实现魂伴科技的愿景，就对交互技术有着极高要求，AI不应该止步于有问必答的工具人，更应该充当打破次元壁的个人CP，它甚至可以笨一点，需要人的关怀和陪伴，双向输出情绪价值，让AI和人性一起成长。

在魂伴科技的使命里，「复活」人们耳熟能详的那些经典IP，是最有价值的链条所在，让分院帽、宝可梦、红小豆这些可被抱在怀里的柔软玩具，成为像影视剧里表现出来的，可以不分昼夜的陪在用户身边，随时回应情感需求，在这样的时刻，市场对于玩具的估值和期待，将得到彻底改写。

为了证明自身的存在不是孤独的，人类可以制作出经过10亿年都不会腐朽的金唱片，让旅行者号探测器带着它飞向宇宙深空，而在不需要远离地球的另一条技术线上，以造物主的身份创造出数字化的同类，也能抵达同样的终岸。

而且，这也不是局部的认知，而是全球的共识。

今年8月，OpenAI投资了一家不起眼的初创公司Heeyo，其产品就是利用大模型打造儿童的数字玩伴，由哈佛和斯坦福的心理学家参与设计，可以提供早期教育的定制化服务。

即使是在「少子化」的日本，玩具市场在过去一年的增长，依然保持在7.1%的高位，无论是儿童还是成人，都在对抗孤独这件事情上，有着强烈的需求意志。

玩具的AI化，是在功能性和娱乐性的基础上，把那些「无用之物」变成了赛博时代的生命体，并将另一个数量级的陪伴市场嫁接过来，虽然很难估量交叉之后的产值，但让从业者燃起兴奋，是毋庸置疑的。

就像Google Pixel的存在意义是给各家Android手机厂商「打样」，火山引擎今年中秋定制的毛绒玩具「显眼包」，也给AI+硬件这条赛道，做了一次很有意思的启蒙示范。

在二手平台，「显眼包」的交易价格已经上涨到了300-500块钱不等，这个萌翻众人的火山拟人玩偶，以其「体形虽小，智慧俱全」的对话体验，在没有量产计划的情况下，依然火出圈了。

或者说，卷模型的事情，就交给大厂们去砸钱，站在制造业大国的路径上，高度成熟的供应链资源，是不应该被浪费的，最难的技术链打通之后，压力就来到了最需要创意和情感的消费级市场。

根据第三方招聘平台的数据，AI的大浪袭来，再度复兴了产品经理这个古典职业，在国内新经济行业今年的新发岗位数量上排名第一，新闻里的AI隔三差五就出王炸，普通人的感知却长期偏弱，中间横亘的深邃鸿沟，需要更多的大众向产品来填平。

不只是玩具，在广义的AIoT市场里，万物的感知系统一定会越来越强，未来所有的生活场景都离不开软件，而软件则生长在云设施上，从支持人和物的对话开始，火山引擎的历史使命，也是从万物的IT化，到万物的AI化。

俄亥俄州的曼斯菲尔德纪念馆后来收藏了Elektro的遗骸，配上的文字充满深意：「每天都有改变历史的发明被扔进垃圾桶里。」

而在今天，所有投身AI赛道的建造者，都有机会亲手把科幻电影里的未来实现在近在咫尺的前方，怎么看，这都是一件高燃的事情。