AI硬件在等“幕后英雄”

作者｜沈子嫣

编辑｜吕鑫燚

出品｜AI物燥

AI 硬件正在改写自己的竞争单位。

眼镜、吊坠、耳机、戒指、桌面机器人、AI 玩具、汽车、音箱，甚至一盏台灯，都开始接入智能。形态一路向外生长，过去两年反复悬在行业头顶的“下一部 iPhone”却渐渐退到了后面。

最近苹果的新动作，让这种变化变得更显眼。新的家居中枢被推上台前，门锁、门铃、温控器、摄像头等设备则继续向房间各处铺开。一个最擅长把软硬件收进同一件产品里的公司，这一次也没有试图让一台机器包办所有事情。

设备继续向外长，中心开始从设备本身移到设备之上。

这很像现阶段 AI 硬件的状态，没人知道终点长什么样，于是先让答案分叉。

这未必算得上深思熟虑，但至少比假装知道答案诚实。

过去押在一件“终极设备”上的命题，被拆成了许多次更轻、更具体的试错。

可这场散开也把新的缺口露了出来，硬件可以各自获得感知、记忆和行动能力，一个人的身份、上下文和权限却依然碎在不同系统里。每多一个新的触点，就可能多出一份关于同一个人的记录、一套新的账户，以及一堵新的生态墙。

入口正在从一台设备，散成一张网。也许过去真正押错的，不是设备，而是层级。

真正需要被集中起来的，未必是某一种硬件形态，而是设备之上的那一层。它最终叫中枢、超级 App，还是别的什么并不重要。

重要的是，这一层至今还没有真正长成。

网已经撒开，下一场竞争开始发生在收网的一端。

你好，这里是「AI物燥」。

在所有人追答案的时候，先把问题看清楚。

散开不是一次预先设计好的路线，它是一次集体转向的结果。

转向之前，行业其实共享着同一种想象，一轮新的计算革命，应该由一台新的个人终端来完成收口。

这种想象，很大程度来自智能手机留下的成功经验。过去二十年，iPhone 把通信、地图、支付、娱乐和互联网服务陆续收进一块屏幕，也给硬件行业留下了一种很深的思维定式，一个时代总该有一个中心入口，而入口最好是一台设备。

所以当大模型的浪潮涌进来，几乎所有人的第一反应都是同一道题：AI时代的iPhone，会长什么样？

Humane AI Pin 和 Rabbit r1，是这道题最认真的两个答题人。两者都带着“重新发明个人终端”的野心出发，也都付出了昂贵的代价。Humane 已经退场，Rabbit 则在今年 9 月完成了一次意味深长的转身，OS3 被放到云端，通过 Web、Telegram 和 r1 进入同一个账户，还可以连接多台电脑执行任务。

Rabbit 从 r1 到 OS3

一台曾经试图成为答案的硬件，如今变成了答案的一部分。

它们的经历让整个行业看清了一件事，新硬件本身，并不会因为接入 AI 就自动成为新的计算中心。

至少到现在，单一入口这道题，没有人解出来。

但行业没有因此放弃硬件。

Meta 还在重押眼镜，OpenAI 也仍然在寻找新的个人设备。真正发生变化的，是硬件和智能之间那层绑定开始松动。

Muse 可以从手机、电脑和 Web 继续进入新的设备，高通直接提出未来会更加“agent-centric，而不是 device-centric”，Alexa+ 也开始出现在电视、汽车和音箱里。越来越多公司开始接受一件事，AI 可以拥有很多落点，而不必把自己的全部价值押在某一个外壳上。

发硬件的手没停，押硬件的心变了。

偏偏也是在这个时候，试一个新位置变得越来越便宜。

模型、语音、多模态和 Agent 能力正在变成可以采购和组合的基础设施，上游芯片与平台也开始覆盖越来越多终端。火山引擎披露，截至 2025 年 6 月，接入豆包大模型的 AIoT 产品出货量已超过 100 万台；京东 JoyInside 也接入了 40 多个玩具品牌。

当“给硬件装个 AI”不再是研发能力而是可采购、可组合的基础设施，策略自然从“想清楚再做”变成“都做了试试”。

于是行业寻找答案的方法变了。

“下一部iPhone”的诱惑没有消失，只是它不再是唯一的赌法。

一只手押可能的中心设备，一只手把触点铺向更多现实位置，这套动作如今几乎是所有大厂的标准姿势。

赌桌还在，但已经没人 all in 同一张牌。

把这些散落的硬件当产品看，多半还显得粗糙。当问卷看，就比较有意思了。

当终极形态暂时无解，这些产品开始承担另一种作用，把"人与 AI 应该以什么方式相处"这道大题，拆成几十个小实验，撒进真实生活里去试。每个产品都在替行业问一个问题，阅卷人是用户。

最先被试出来的，是感知的边界。

AI 想获得更多上下文，硬件就要离人更近。记事挂饰、录音吊坠、智能眼镜，本质上都在争取过去机器拿不到的那部分生活。难题却很快从“能不能记录”滑向了“应该记录到哪里”。

Limitless 给录音加上 Consent Mode，DayoTag 强调本地保存。Meta 一边继续做带摄像头的眼镜，一边又推出完全拿掉摄像头的 Ray-Ban Meta Audio，只留下声音和 AI。技术能力明明还能往前走，产品却开始主动退一步。

这类退让比增加一个传感器更值得看。

第一视角当然珍贵，持续录音也能让模型获得更多上下文，但一件硬件真正进入生活之后，用户并不是唯一的参与者。街上的陌生人、办公室里的同事、坐在对面的朋友，都可能被顺手带进设备的数据范围里。AI 能看见、听见多少，最终不会只由传感器决定，还要由人和周围环境愿意开放多少来决定。

所以感知越强，边界反而越重要。

再往下，问题变成了，一件 AI 硬件凭什么长期待在生活里。

陪伴产品最容易把“模型有多聪明”当成卖点，真实使用却不断把评价标准往别处推。Ropet 披露 90 天留存达到 80% 到 90%；LOVOT 的长期用户数据则跨到了三年。两者共同提醒了一件事是，陪伴产品真正难的不是第一次让人觉得有趣，而是新鲜感过去以后仍然值得存在。

这也解释了为什么一些产品开始主动减少对话。

LOVOT 不靠复杂语言维持关系，bibo 把更多交互交给眼神、姿态和触摸，YareLampGo 用转头和灯光表达状态。它们试的是一件很具体的事，AI 的界面不一定非得是聊天框。

LOVOT、Ropet 官网

现实里的陪伴并不总需要高信息密度。一个动作、一次回应，甚至适时保持安静，都可能比再多说一段话更适合长期相处。对于这类产品，聪明是一种能力，低负担则更接近产品成立的条件。

这也是这一轮探索里一个很容易被忽略的变化，AI 硬件并不只是在寻找新的设备形态，也在重新寻找 AI 的交互语言。

再往前，问题从相处进入行动。

谷歌的新 Nest 摄像头已经能回答"垃圾车周四几点来的"，Alexa+ 进了宝马的车，Muse 准备替你购物订票、再从中抽佣。

前面几问答错了，损失的是体验，这一问答错了，交出去的是钥匙。

这些问卷没有一张答完，但边界已经试出了轮廓。真实场景让佩戴时长、使用频率、留存和持续授权替行业筛选答案。

而探索本身也因此有了另一层价值。

今天很多产品最终可能不会成为一个稳定品类，但它们试出来的东西未必会一起消失。持续记忆该怎样被采集和调用，Agent 的状态怎样让人感知，动作能不能成为界面，权限应该在哪一步重新交还给人，这些经验会从具体产品里脱落出来，逐渐变成后来产品可以复用的能力。

移动互联网早期也经历过类似过程。大量 App 消失了，一些最初属于单个产品的交互方式却留了下来，最后变成所有人默认理解的语言。

AI 硬件现在也可能处在这样一个阶段。

大家表面在造产品，实际上，所有人都替那个尚未出现的 AI 中枢系统寻找一套现实世界的交互原语。

当记忆、感知、表达和行动分别落在不同设备里，单个产品能回答的问题也就到这里了。

这场散开，并不是没人试着收拢。

在单一厂商的围墙里里，“同一个 AI 跨设备工作”已经发生。Siri 的对话历史可以经 iCloud 在不同 Apple 设备间延续；Meta 也在让 Muse 从手机、电脑和 Web 继续进入新的硬件入口。设备可以换，账户、会话和部分上下文开始留在更上层。

围墙之内，线已经开始接上，真正的断点出现在跨出围墙之后。

一个人身上很快可能拥有好几个AI，眼镜里一个，耳机里一个，手表里一个，车里一个，家里还有一个。它们都在积累关于你的信息，却各自守着一份版本。

每换一台设备，你就得重新做一遍自我介绍。

它们各自认识你，却谁也不认识彼此。

这里缺的那层东西，其实可以从手机时代的超级 App 里找到一个参照。微信不关心你用什么牌子的手机，它关心你的聊天、支付、出行是不是都发生在它里面。

现在，类似的逻辑正从屏幕里走出来。AI 硬件所谓的“中枢”，更接近这种连续性，身份、记忆和权限留在上层，再根据任务调用不同设备与 Skill。

过去超级 App 聚合数字服务。Personal AI 往前一步，要组织的是散落在不同场景里的信息、服务和行动能力。

比尔·盖茨三年前就下过同一个判断，Android、iOS 和 Windows 都是平台，Agent 将是下一个平台。他说这话时谈的还是软件，今天，这个判断开始进一步到硬件里。

问题恰恰也卡在这里。

Matter 解决“设备能连上”，MCP 开始解决“模型会调工具”，但再往上一层，哪台设备此刻有权知道什么、哪段记忆应该被继承、AI 又能替用户做到哪一步，目前仍没有公共答案。

更麻烦的是，这个缺口并非没人看见，而是所有人都想按照自己的方式补。

谁掌握持续增长的用户记忆，谁就掌握下一次服务的起点。换句话说，很有可能谁掌握了这层中枢，谁就握住了下一个时代的入口。

这样的资产，很难有厂商愿意轻易交给一个公共平台。于是每家都选择先把围墙修高，把互通留给未来。

于是，“小范围的中枢”反而更早出现。

家庭就是一个很典型的空间。设备足够密集，账户和空间边界又相对稳定。

小米披露，其 IoT 全球设备连接数已经超过 11 亿台。Miloco 2.0 则开始把这些设备往更上层组织，以摄像头作为环境输入，MiMo 负责理解，再由 Agent 调用米家设备，同时加入身份识别、家庭记忆和长期任务。

它已经不只是“用一句话控制一个家电”，而是在试着让系统理解目标，再组织一组设备完成它。

小米总裁卢伟冰最近谈米家也说：“再听话，本质还是‘遥控器’。下一步要走向的，是主动智能”

小米还远没做出一个通用的Personal AI中枢，但家庭场景至少指出了一种可能，中枢未必从某台随身设备里长出来，也可能先从一个空间里长出来。

Xiaomi Miloco 2.0

这才是散开真正的代价。形态越发散，上下文越容易破碎，中枢的缺席也就越昂贵。

行业接下来真正稀缺的东西，也会随之换位置。除了更强的模型和更新的硬件形态，上下文的连续性，以及建立在连续性之上的行动授权，会变得越来越重要。

商业逻辑也会被这层变化改写。

过去的硬件是一锤子买卖，设备卖出，关系结束。现在设备只是关系的开始，真正增值的是云端那份越积越厚的记忆。硬件赚一次的钱，记忆赚长期的钱。

AI 硬件下一阶段真正开始拉开差距的，已经不只是谁能造出下一台爆款硬件，而是谁能让一个 AI 连续地活在不同硬件之间。

回看硬件的历史，人一直在适应物，学键盘，学触屏，学着把意图翻译成按钮。

这一轮散开，是这个方向第一次倒转过来时扬起的尘。技术正在离开那些固定的界面，一点点迁入人的日常。

等尘埃落定，大概不会再有人如此频繁地谈论入口。就像今天，没有人关心电是从哪个插座进入房间的。

最终形态仍然藏在雾里，但另一个时刻已经越来越近。也许这一次，先敲门的不是某台万众瞩目的机器，而是让千万台机器彼此相认的时刻。