社区

过去两年，大模型快速进入智能眼镜、机器人、AI 陪伴、AI 教育、智能家居等终端。到了 2026 年，“接入 AI ”已经不新鲜了。行业真正开始较量的，不再是 Demo 能不能跑起来，而是一个更传统、也更难的问题：这款产品为什么存在，能不能稳定量产，用户会不会长期使用。

8 月 9 日，声网携手人人都是产品经理，在 RTE 2026 春夏巡游北京站举办「AI 硬件多模态交互的产品化破局」专场沙龙。浙江湃启科技 CEO 孙思宁、声网 AI 产品线负责人姚光华、灵宇宙产品负责人刘翠涛、阿里云百炼应用高级产品经理司红江，以及移远通信北区技术总监武风停，从产品、交互、端侧与供应链等不同位置，围绕 AI 硬件从 Demo 走向真实产品展开讨论。

现场还展示了盈迪曼德陪伴机器人、萌友ropet、灵宇宙小方机、移远拍学机、Lookee口语侠、赋之EBO、芙崽、青橙眼镜等多款客户产品。现场氛围轻松融洽，大家一边畅谈一边体验。相比 PPT 上的能力数据，这些被真正拿在手里的产品，也让当天的讨论变得更具体：技术最终要落到一台设备、一套成本和一次真实使用里。

01 先定义产品，再谈模型能力

硬件行业有一个反复出现的陷阱：手里有什么技术，就想往产品里加什么能力。到了 AI 时代，这个问题并没有消失，反而因为模型能力越来越丰富而更加突出。能力越多，产品越需要克制。

孙思宁将产品定义进一步拆成六个问题：谁，在什么场景，使用什么核心功能，解决什么刚性痛点，愿意为此付多少钱，以及这份价值能否覆盖产品成本。硬件后期很多看似属于结构、电路、供应链的问题，往往在产品定义阶段就已经埋下了。

孙思宁还提出，可以把深圳成熟的硬件产业链理解成“硬件 API ”：先调用成熟方案验证功能、场景、商业模式和付费逻辑，跑通之后再自主开模量产。对于今天大量从软件、AI 团队跨进硬件的创业者来说，这是一种更现实的 0 到 1 路径。

刘翠涛从软件产品转向硬件后的体会，则把这种“克制”讲得更具体。软件产品经理常担心漏功能，希望给未来留下更多扩展空间；到了硬件端，思路往往相反：非核心需求的能力，能删则删。因为每增加一个能力，都可能牵动BOM、体积、功耗，乃至后续改版成本。

姚光华从另一侧讨论“长期价值”。他认为，不是所有硬件都应该被定义为“伙伴”，门锁、扫地机器人、安防摄像头完全可以把工具属性做到极致；但如果进入陪伴、教育、家庭服务等长期场景，就必须考虑稳定身份、长期记忆和实时临场感。第一天记住用户家的猫叫豆豆，只是一次对话；第 30 天还能主动问起豆豆的近况，设备才开始真正形成连续关系。

AI 不会替一款没有理由存在的硬件，创造出存在的理由。

02 多模态之后，主动交互开始出现分歧

多模态经常被理解为多装几个传感器：麦克风、摄像头、屏幕、动作能力全部接上。但如果这些能力只是并排工作，它们仍然只是多个功能。真正的难点，是让声音、视觉、记忆和动作在同一个场景里形成判断和反馈。

姚光华把一线落地问题拆得很细：交互延迟、真实环境下的语音识别、背景人声干扰，以及端到端还是级联架构。到了家庭、展厅等多人环境，真正棘手的甚至不是降掉空调声，而是设备能不能判断“谁正在和我说话”，避免把旁人的谈话也当成指令。延迟、轮次、声源和背景人声这些过去偏底层的指标，开始直接决定产品体验。

当天最有意思的讨论，发生在“主动交互”上。几位嘉宾并没有完全站在同一边。孙思宁认为，随着大模型和多模态能力成熟，人机关系会从过去的上下级指令逐渐走向更平等的双向交流，这是技术成熟后自然出现的趋势。

姚光华则刻意唱了一个反调：今天很多所谓主动交互，本质上仍是定时任务触发。如果没有环境和用户上下文，设备只是更频繁地开口，并不代表它更懂用户，反而很容易从“主动服务”变成“主动打扰”。

刘翠涛进一步给出了主动交互成立所需的上下文条件。他把上下文来源拆成四类：过去的对话记忆，用户授权的日程、邮件等第三方信息，麦克风、摄像头、位置等设备侧感知信息，以及屏幕实时信息。这些不同来源的信息综合起来，AI 才可能对当前情境和用户潜在需求形成判断，并据此决定是否主动介入。武风停则提醒，主动和被动并不是替代关系，不同设备、不同人群会长期共存两种产品形态。

主动不是更频繁地开口，而是更准确地判断什么时候该开口。

当设备需要持续感知环境、支持随时打断和自然对话，实时互动本身就成为产品体验的一部分。RTE 让 AI 及时听见、看见并获取当下信息，AI 负责理解与思考。两者结合，决定了智能硬件能否更自然、更及时地回应用户。

03 Demo 验证能力，量产验证产品

如果只看 Demo，今天已经有大量 AI 硬件足够惊艳。但真正进入量产，产品会突然面对一组非常传统的问题：结构、功耗、网络、认证、供应链、可靠性、成本。任何一项都可能把一个“已经能跑”的项目挡在上市之前。

孙思宁在圆桌里说，做硬件“没有最痛，只有更痛”。EMC 认证不过、高并发网络带宽被挤占、零部件断货、结构设计缺陷，都可能直接卡住项目。更值得注意的是，他认为这些问题的根源往往不是某一个工程环节出了错，而是前期产品定义不够清楚。

刘翠涛谈的是功能边界。软件能力可以通过OTA持续迭代，而硬件一旦定形，改版往往意味着重新设计、验证甚至开模。因此，硬件不能把所有未来可能有用的能力都预先装进去，必须在产品定义阶段就在功能、体积、功耗和成本之间做出取舍。

武风停从供应链一侧把这个问题说得更现实：硬件规格预判失误，或者连接器、芯片、外壳任意一个环节发生变化，都可能让产线停下来。软件里的错误可以快速修复，硬件里的很多决定却具有不可逆性。

司红江从平台服务商视角观察到的变化是，AI 硬件开发已经从“调用一个模型、串几个工具”变成多约束工程。模型、芯片与外设、续航、实时互动、海外语种和数据合规，会同时进入一张研发清单。从 POC 到量产之间的断层，正在成为行业共性问题。

这也是为什么真正做过硬件的人，很少只讨论模型跑分。模型能不能跑，只证明能力成立；成本、可靠性、供应链和体验同时成立，才证明产品成立。

04 量产之后，所有技术问题都会变成一笔产品账

设备一旦开始持续感知，很多技术选择最终都会变成成本选择。摄像头、麦克风和更多传感器不断产生数据，如果全部送到云端，Token、带宽、存储、延迟和隐私都会进入长期运营成本。

孙思宁提出，应把低价值、标准化的基础感知尽量留在端侧处理，只有高价值的深度交互和个性化推理再调用云端。刘翠涛则把算力分成设备端、手机中继端和云端三层，再根据不同任务的功耗和ROI 动态调度。司红江判断，随着轻量模型能力提升，一部分过去必须依赖云端的浅层感知还会继续下沉。武风停则把边界说得更直接：眼镜、耳机、小型潮玩受体积和电池约束，与大型工业设备天然不可能采用同一套端云方案。

所以，端还是云不是技术信仰，也没有统一答案。真正需要算的是整张产品账：体验需要多低的延迟，设备允许多少功耗，用户能承担多少持续成本，哪些数据适合上云，以及什么样的硬件形态能够承载这套架构。

同样的逻辑也适用于商业模式。持续感知、存储和模型推理意味着持续成本，硬件一次性销售却很难长期覆盖这些开销。姚光华在圆桌中提出，消费硬件未来可能更多通过专属陪伴、个性化分析等增值服务形成持续收入；司红江也观察到，一些高价值细分场景已经开始尝试用小额订阅覆盖云端存储和推理成本。能不能成立，最终还是取决于用户获得的价值是否足够高。

隐私则是另一笔不能事后再算的账。孙思宁提出，如果产品提供给用户的价值，小于用户让渡隐私付出的代价，数据飞轮就不可能真正运转。刘翠涛把边界概括为三件事：记忆透明、行动可控、关系可退出。姚光华也强调，用户真正担忧的不是设备“记住了什么”，而是私人音视频和生活数据会不会进入自己无法控制的用途。

技术选型不是单项最优，而是体验、成本、可靠性与边界共同决定的系统最优。

AI 硬件走向成熟，也需要更清晰的产业分工

本次活动主持人、声网 IoT 行业负责人左冬冬在圆桌中提到，当下不同硬件厂商都在沉淀自己的数据和能力，但随着 AI 与物理世界结合越来越深，不同品牌硬件、行业模型之间，如何打破数据壁垒，更好协同，服务于我们生活，或将成为下一阶段值得关注的问题。

全球技术市场研究咨询机构 Omdia 在《2026 Edge AI Strategy Landscape》中也指出，AI 行业关注点开始从“能不能跑起来”，转向“如何真正部署和落地”。对硬件厂商来说，这意味着不必把整条能力链都握在自己手里。用户、场景、产品形态和体验，需要长期做深；实时互动等底层能力，则可以交给长期专注这一领域的专业伙伴。

这也是声网更希望参与其中的方式：把实时互动这件事持续做好，让合作伙伴把更多精力留给产品本身。

AI 硬件真正成熟的标志，或许不是每家公司拥有越来越长的能力清单，而是整个产业认识到，如何把各自最擅长的能力组合成真正成立的产品。