11月5日，消费硬件领域有了重要的人事变动，Meta AR眼镜业务负责人Caitlin Kalinowski正式加盟OpenAI，担任机器人和消费硬件负责人。媒体评论称，“这预示着OpenAI不仅要在软件领域称霸，更野心勃勃地想要通过硬件产品重新定义人机交互的未来”。

　　如今市场中已经出现了一些基于AI技术的硬件产品，巨头入局，会让这个市场发生什么样的变化？究竟哪些因素影响着消费硬件的发展走向？具备什么样优势的硬件能够一枝独秀，避开与电脑、手机这类强势通用设备的竞争？

　　借用桥水基金创始人瑞·达利欧（Ray Dalio）的一句话：“历史虽不完全相同，但历史的模式常常重复。”或许我们能从早期硅谷软硬件企业的创业创新中，为当下的AI硬件创新找到一些思路。

　　冰鲸科技创始人潘鑫磊详细研究了硬件行业的发展历史。在梳理了1980年代的芯片革新、PC的起步与渗透、1980-1990年的Dos与Windows 1.0系统变化之后，他发现芯片、系统、应用以及人机交互方式这四个关键因素不断迭代，相互促进，深刻影响了PC产业的生态演进。

　　回到当下，AI大模型的出现，让四要素发生了变化。在芯片层面，GPU、TPU等芯片让算力不断提升；在系统层面，大模型可能会逐渐与系统融为一体；在终端层面，用户与设备交互产生的私有化数据会更有价值；前三个要素的变化，也会催生出新的应用。我们或许会见证一种全新的存算一体的计算设备的诞生。未来，它的地位可能与手机、笔记本，甚至公有云都有所不同。

　　我们将潘鑫磊在峰瑞的内部分享编辑成文，峰瑞资本投资人孟长洁在文末补充分享了对AI硬件领域的投资思考，希望能提供新的视角。

　　20 世纪 80 至 90 年代，是PC崛起的第一个头十年。PC行业的发展可以被简单概括为：始于硬件，兴于应用，终于生态。

　　这一时期的前五年，芯片技术的突破、IBM PC的发布、再到WordPerfect 等大量生产力应用的繁荣，推动了PC上半场的蓬勃发展。在下半场，GUI（图形交互界面）与图形应用崛起。在“激烈厮杀”中，微软逐渐成为“生态级玩家”，其发布的Office，逐渐吞并原有应用层的产品，为1990-2000年的第二曲线打下了扎实基础。

　　梳理PC硬件发展的过程中，我发现了四个关键因素，分别是芯片、系统、应用以及人机交互方式。这些关键因素不断迭代，相互促进，深刻影响了PC产业的生态演进。

　　今天OpenAI、Google和微软在定义基于大模型的“智能时代”。如果我们回到1976年PC诞生所构建的“信息时代”早期，那是Apple I诞生的时刻。这台电脑是由乔布斯和沃兹尼亚克在一个名为Homebrew Computer Club的极客社区中发布的，定价666美元。

　　当时的Apple I在极客社区里的发布，就好比今天新产品在Kickstarter发起线上众筹。这台电脑只面向极客用户，需要手动组装零件，早期销量不过200多台。但这款产品奠定了苹果的基石，帮助乔布斯和团队积累了第一批种子用户。

　　紧接着，苹果在1977年发布了Apple II，这一代产品不仅在外观上更为精致，增加了彩色显示，还加上了扩展插槽和一体化机箱，让极客们更容易扩展和DIY，其他核心规格其实没有太大变化。Apple II的发布是个里程碑，它定价1250美元，远低于当时价格高昂的商用计算机。

　　4年后，IBM的行动有些耐人寻味。据说IBM迫于市场压力，派出一个12人的精悍小团队，以行业老大的姿势，启动代号“Project Chess”的项目。作为当时的领军企业，自然需要掷地有声。他们推出了IBM PC。IBM PC基于Intel处理器，采用开放式硬件架构。

　　IBM这一举动毫无疑问是划时代的，定义了整个PC产业的开放标准，为所有其他厂商制造兼容设备打开了大门。从这个角度看，如今Facebook开放Oculus设计给第三方厂商，似乎也是相似的逻辑。

　　故事的另一面，IBM与微软的系统合作，也为后来事情的变化埋下了种子。如今互联网领域最重要的生态体系之一——Wintel生态（由Intel的芯片和Windows系统构成的）发端于此，但后来IBM在这个故事中逐渐“没了姓名”，我在下文接着展开。

　　再回到硅谷的1980年代，康懋达国际（Commodore International）也是一家值得关注的公司，虽然它没有走得很远。但在早期，它采用了几个关键策略。1982年，它以595美元，高性价比的定位，推出了康懋达64（Commodore 64）新款计算机。

　　这款产品具备当时领先的图形和音频处理能力，受到用户欢迎。同时，Commodore不止着眼美国，还优先开拓欧洲市场。依托欧洲当地的分销网络和广告投放，这家企业一度过半的收入来自欧洲，为其占领全球家用电脑市场奠定了坚实基础。

　　关键是芯片。毫无疑问，芯片是PC产品的基础，如同当下Nvidia以及云平台助推了OpenAI。PC产品的发展离不开芯片成本持续下降和“刚刚好的”算力。只有电脑做到适合用户使用而且价格合适，才有机会进入大众市场。

　　IBM PC最早采用的Intel的8088芯片就是个典型例子。8088相比前代 8086在总线位数上做了调整，成本因此得以下降，这也让它成了IBM PC 的核心芯片。

　　一个有趣的细节是，早年PC里的8位处理器，计算性能完全比不上现在的 ARM 处理器，和你家电冰箱或微波炉的显示器相当。也就是说，1980年的计算机，实际上就是你家电冰箱的计算水平。回头看，早期的电脑并没有大家想象中的那么强大，就为整个PC产业和互联网的发展奠定了基础。

　　其实，当时IBM主打的商用和军用计算设备非常庞大，算力也较强，但面对个人PC市场，或许没必要那么“硬核”，IBM选择了“降维打击”。8088则正好拉低了一个档次，带来了平衡的算力，同时成本也更低。8088芯片有点像今天的NAS，把商用服务器简化到更适合家用的算力和体积，让个人也能拥有小型计算解决方案。

　　如果说，今天英伟达的H200是商用的领导者，那AI PC或者AI NAS将模型带入各个计算终端的ASIC芯片会是谁在研发？我观察到，目前在AI芯片领域，峰瑞投资了一些企业，它们致力于研发下一代针对大模型场景的算力芯片。

　　在用户运营方面，就像今天围绕着大模型，在Reddit上有ChatGPT，LocalLLM，Stable Diffusion等一众子频道。每个时代的早期，大量杰出的人才和想法都源于线上线下社区。

　　这对今天的中国也没有那么陌生，因为早年的互联网进来的时候，也有很多大佬跑深圳，混迹于BBS里面，然后分散到各个产业里面。今天清华系的创业者们，围绕着大模型，也有类似属性的线上线下空间。

　　然而，重要且有趣的一件事是，这些社区会在长达 10 年的发展过程中逐渐消失。它们的“宿命”，是在创新活跃时极度繁荣，但等到行业成熟、巨头出现时，其热度逐渐消退。像Homebrew Club，包括今天的模型产业、3D 打印、四轴飞行器，都是这种“先兴后退”的模式。

　　就像今天基本上只有算法工程师能“fine-tune”模型一样，大概在1979年，仅有万把硅谷工程师在捣鼓 DOS 系统（Disk Operating System，磁盘操作系统的缩写，是个人计算机上的一类操作系统）。那时DOS系统完全是基于代码命令行操作，还没有图形界面。彼时，操作系统还远远没有渗透到企业和大众用户的日常使用中。

　　直到1981年，随着IBM推出首代PC，DOS系统逐渐获得了更多的关注，但它仍然是不带GUI（图形界面操作系统）的命令行版本。所以，当时的计算场景跟现在的AI很像：需要大量技术极客和工程师反复调整、整合，才能做成具体的应用。

　　真正让PC和操作系统触达企业端的是施乐公司（Xerox）发布的“施乐之星”。这是世界上率先能实现商用的，拥有GUI的计算机。它有比特位屏幕、图形界面以及鼠标，并且可以访问电子邮件。GUI让PC迎来了第一波大众用户的增长。

　　1984年，苹果推出的GUI进一步将使用场景扩展到创意、教育等细分领域，让操作系统进一步向大众普及。

　　值得一提的是，在PC发展的头十年，DOS系统和GUI系统并存了很长时间，不少PC公司同时要维护两套系统，以满足不同场景的需求。DOS和GUI的目的是一致的，都是为了操作设备，但是面向的受众不同。前者以命令进行操作，但更轻量化，更针对专业用户，后者以图形界面进行操作，更大众化。

　　伴随着系统和电脑硬件能力的提升，早期应用逐渐发展起来。日渐丰富的应用，推动更多的企业与个人用户接触、购买电脑。我们来回顾下一些代表性应用，从中我们得以窥见，在PC生产力革命中，应用的渗透路径。

　　这些早期应用发端之时，市场尚未达到消费级规模，它们主要围绕生产力场景构建。

　　比如，最早在办公领域，1980 年，WordPerfect问世，类似于Microsoft Word，在早期主要应用于法律和学术领域。

　　Lotus 1-2-3问世两年后，Intuit公司推出的Quicken进一步优化了使用体验，拓展了更多应用场景。它改进了原有DOS系统的交互界面和可配置性，针对小型企业的财务管理需求进行深入开发。它切入了细分市场，拓展了场景纵深，错开了与后发者Excel的直接竞争。

　　在学术研究领域，相较于传统纸质文稿，使用PC协同修改、保存文稿，显著提高了用户的效率。在文件传输、邮件交流和文本编辑等场景中，PC在学术界的渗透率非常高。

　　1980 年代末，随着CPU算力和GUI处理能力的增强，软件开始对印刷、广告设计等行业产生重大影响，传统的设计流程（手工绘图和排版）开始向数字化转型。1989年，Corel公司发布了CorelDraw软件，这是首个结合矢量图形设计和桌面出版功能的软件。类似于后来的Photoshop，为用户提供了专业的图像处理功能，用于编辑出版，创造营销物料。

　　这些应用的早期定价相当高昂。例如，Lotus 1-2-3 的定价为495美元。根据世界银行数据，1982年美国人均国民总收入为1.42万美元，平均每月为1183美元，相当于买一款软件，要用掉半个月的收入。可以说，早期的软件主要面向具有强大付费能力的用户。

　　在生产力场景之外，一些面向娱乐场景的游戏软件逐渐发展。比如，1995年，《微软模拟飞行》这款游戏，让人们能够在家实现当飞行员的梦想，吸引了喜欢探索和尝试的用户。

　　可以看到，早期的PC生态由重度的生产力工具与一些有趣的游戏应用共同构建而成，从产业和学术研究场景起步，逐渐破圈。然而，这个过程非常漫长，因为底层的DOS和GUI技术发展比较缓慢。

　　这些早期应用所渗透的商业场景，也与当下的时代脉搏遥相呼应。或者说，当下的AI应用方向，与早期软件行业的发展路径如出一辙。比如，Google发布的NotebookLM让人眼前一亮，这是一款基于AI的笔记管理工具。我们也看到一些创业公司在做法务和财务知识库类的ToB AI应用。此外，AI游戏在这两年快速涌现，包括各种层出不穷的Chatbot、开放世界、游戏Agent、AI NPC等等。

　　类似地，就像早年应用的爆发受限于底层的DOS和GUI技术的发展进程，当下，虽然OpenAI发布了视频生成模型，但还未迅速应用于实际场景，一个原因是还要等待计算资源和GUI技术的成熟需要时间。因此，充分考虑不同技术发展要素可能出现的时机，显得至关重要。

　　总结1980年代的应用生态来看，Wordperfect与Lotus的表现可圈可点，Lotus抓住了窗口期，快速发展起来。Wordperfect交出了5年800万用户的成绩单。但是，微软和苹果花了近8年时间打磨操作系统，Windows Office问世，让这些应用的竞争出现了全新的态势。而另外一边，Quicken、CorelDRAW以及游戏类应用则各自在自己的用户群中以更慢的速度，逐渐发展起来。

　　微软是PC领域生态级的玩家，当我们梳理微软这家公司的发展脉络之后，可以发现他的崛起并非只源于产品力，而主要得益于出色的商业策略。

　　早在起步阶段，微软就展现出了敏锐的商业嗅觉。1980年，微软购买了名为86-DOS的第三方操作系统（是的，买来的）。这一举措使微软成为 IBM的重要合作伙伴。不过，微软迅速与其他硬件厂商展开合作，打破了与IBM的独家合作关系。

　　1981年，微软发布MS-DOS 1.0。1983年，微软开始推出文本编辑软件，功能类似当时市场占主导地位的WordPerfect。这种 以关键应用拉动系统销售 的策略，一直伴随着微软。

　　1985年，微软发布Windows 1.0， 抓住了图形用户界面（GUI）增长的机遇。此后，微软一方面通过授权第三方来拓展Windows 1.0的市场，另一方面在1985年 开始向用户直接销售Windows 1.0。

　　彼时，Lotus公司推出的定价495美元的表格软件，已经占据超过一半的市场份额。所以我们不难理解，前微软CEO史蒂夫·鲍尔默在电视购物平台推广Windows 1.0时，反复强调：“我们的系统提供棋类游戏、电子表格和图像处理功能，只要99美元，不是500或600美元。”

　　微软需要同时维护DOS和Windows 1.0两套系统，在相当长的一段时间里，几乎无暇顾及应用层的开发。尽管如此，微软仍在持续成长。1989年，微软发布了Microsoft Office，占领了应用层的大量市场份额，为其后续的发展奠定了坚实的基础。

　　值得注意的是，Windows 1.0的发布比施乐的GUI系统整整晚了四年，这一定程度上反映出操作系统需要经历漫长的研发过程。早期的Windows在最初的两三年里，销量仅为上万台，但在其诞生后的8年内，累计出货量达到了五六百万台，增长曲线极为陡峭。

　　如果类比到当下，哪些AI应用会成为新的生态级玩家？MicrosoftAzure、OpenAI、iOS将以怎么样的角色，参与到AI时代的操作系统？哪些AI应用能够抓住发展的窗口期？大模型公司又会如何影响应用层的创新机会？对于这些问题，透过历史来，我们应该能够窥探一二。

　　上文提到，早期PC主要聚焦于生产力场景。直到1989年，图像处理等应用开始涌现，才带动PC切入游戏等新使用场景。即便后来出现了对用户更友好的GUI系统，PC也一直未能大范围进入大众消费市场。PC线年左右。随着互联网的兴起，以及网景浏览器的诞生，越来越多在公司使用电脑的人，开始在家中购置设备。

　　PC进入大众消费市场的过程中，一个值得一提的变量是人机交互方式的演变。新的技术要赢得消费级市场实现普及，往往离不开新的前端交互方式或设备。比如，鼠标的引入，构建了全新的人机交互模式，极大地增加了PC 的渗透和互联网技术的普及。比如，触屏这种交互方式在手机和移动互联网的普及过程中起了重要作用。

　　当下，新的LLM、Agent、多模态等技术走向大众市场可能也需要新的交互入口。由于芯片算力的提升，设备后端的处理能力更加强大，前端进一步往轻量化、便捷化的方向发展。未来的硬件可能会进一步减少对前端的依赖，用户在后端发出一个指令，设备就能自动完成任务。我留意到峰瑞也在关注类似AI/XR眼镜、AI耳机等各种各样的AI可穿戴设备。

　　在PC时代，技术产品的演进路径是从提高生产力的工具，到在消费级市场迎来爆发性增长。如今，信息传播速度飞快，AI是否能赋能更多的消费级场景，仍需时间验证。在早期阶段，我们可能仍然需要关注能够提高生产力的场景。除了大企业需求之外，全球持续增长的自由职业人群，会是软硬件新品服务的核心群体。

　　回顾了PC行业早期蓬勃发展的十年，我们可以总结出其发展脉络上的四大要素：芯片、系统、应用、终端。

　　自1980年代以来，虽然芯片和存储的成本有所下降，但难以显著降低，这与摩尔定律有关。简单来说，当旧制程的芯片成本降低了，人们又需要研发成本更高的先进制程芯片。

　　今天，人们为了应对海量数据存储的挑战，在云计算之外，部署了边缘计算，将部分数据分析功能放在终端。因此，降低AI推理芯片的成本，与此同时，推进以AI计算为底层逻辑的IDC基础设施，成为重中之重。

　　其次是操作系统。这个早期不起眼的中间件，其实承担了资源管理、设备适配等关键任务球盟会，。在技术发展的长河里，我们已经看到了操作系统的长期爆发力，比如我们熟知的Windows、iOS系统。

　　再次是应用。早期的杀手级应用可以赚钱，但如果不切入到更纵深、垂直的场景中，最终可能被取代。通常应用层是在系统层之上的，那么，应用厂商能下沉到操作系统层吗？历史上，貌似只有Google实现了“半步”，将自己的应用集成到操作系统中销售。今天，什么样的AI应用会被模型公司吃掉，是AI应用创业者和投资人需要深思的问题。

　　最后，是作为交互载体的终端硬件产品，实现商业化价值。以PC为例，早期，人们购买的是PC这个硬件作为交互载体，但随着操作系统平台的建立，硬件本身的重要性相对降低。平台为王的时代，操作系统不仅创造了用户价值，也孕育了丰富的应用生态。这一现象在移动互联网时代也得到了验证。

　　我们简单带过1990年后的故事。1990年代，我们迎来了英特尔奔腾处理器的发布、互联网应用的爆发、Windows 98的诞生、计算机外部设备连接标准USB 1.1，以及笔记本电脑的小型化与轻薄化，也就是我们常说的上网本和超极本。这一系列技术革新，指向了计算机发展脉络的不变趋势 —— 互联网真正走进了千家万户。

　　在这个时期，CPU进一步轻量化，USB 1.1的问世让外设的扩展更加便捷，鼠标等设备的连接也变得轻而易举。互联网的兴起，使得大规模的消费者开始使用个人计算设备。

　　这里就不得不说到中国深圳的硬件行业发展球盟会，。2000年初，当时有两拨人：一拨是来自中国台湾的组装厂，早期主要活跃于宁波和深圳；另一拨是在深圳本土组装PC的创业者，这也奠定了深圳作为消费硬件产业集群地的基础。与此同时，就像80年代硅谷的那些极客一样，一批中国极客开始打造、组装自己的电脑，这些人成为了PC的种子用户。

　　我曾与联想的朋友交流过，在他们市场渗透的初期，已经有了浏览器的存在，留给中国厂商的创新空间已经很少，各大厂商只好做些小的用户体验层的创新，但事实证明，也是非常有效的。联想通过开发简洁的拨号上网应用程序，极大程度降低了消费者联网的学习门槛，帮助他们迅速占领市场。随后，组装机逐渐退场，以联想为代表的品牌机的时代来临。耳熟能详包括：方正，清华同方和神州等品牌。

　　回顾PC的发展历程，不变的是：设备走向了便携化，越来越轻薄，人们可以随时随地进入数字世界；设备的功能从早期的生产力工具转向众多场景。那么，AI或者说大模型的应用会先在哪些垂直行业落地？AI的能力何时会实现泛化？这与背后的计算能力、设备形态、操作系统的成熟度都密切相关，它们是相互耦合的。

　　现如今，AI芯片等新变量，例如GPU、TPU 以及RISC-V，又推动了系统的演进，而系统的变化将穿透到应用层面。当时机成熟，端上爆发出许多有趣的AI原生应用，让本地的Copilot变得更加强大。然而，这其中的产业链要素非常多，需要我们深入思考，并观察关键玩家的变化。

　　在梳理PC领域发展的过程中，我意识到了一个非常有趣的问题：如今多种形态的AI硬件，可以与当年的PC发展做类比吗？哪些设备创新被PC吞噬了，哪些却没有？当时的PC如此强势，正如今天的手机、笔记本电脑和云计算。那么，哪些场景出现了专用设备与通用设备的分离，而非被一个大一统的设备通吃？

　　一定会被提到响亮的名字是，任天堂！1983年，任天堂推出第三世代游戏机，实际上这款游戏机使用的芯片与苹果一代、二代完全相同，但它却成为了一个专用设备。直到今天，索尼公司出品的PS5、微软研发的Xbox依然在硬件领域占领一席之地，也是相同的道理。因此，当垂直场景在计算需求、系统需求、用户需求、交互方式等方面有足够的深度时，就有机会形成独立的专用设备品类。

　　摩托罗拉于1999年发布的PDA也是如此。虽然它使用相对滞后的低算力硬件，但却满足了个人数字助理的需求。当时的PDA只是一个低成本的信息管理工具，可以记录日程和联系人，价格比PC低很多。PDA在便携设备的发展历程中曾占据了一个独特的小生态位，没有被PC吞并，并且可被视为手机的前身。

　　回到当下，虽然产业链要素发生了变化，但不变的是人们对数据获取、生产和传播的需求。在抽象层面上，人们的需求从通过GUI操作，转向智能化的代理（Agent）直接完成任务。

　　有了Copilot，创作者可以输入一些上下文，让机器帮助他们获取创意脚本，或了解同行在做的产品。企业可以通过一个Agent，实时追踪行业相关的所有创新动态，自动生成每周报告。

　　这些获取、生产数据的方式，将变得更聪明。而这种载体一定与传统PC不同，它可能是一个始终在线、实时运算的计算设备。过去，人们需要通过鼠标和GUI操作来提高生产力；而当人工智能直接被嵌入计算设备时，它可以独立采取行动。这意味着，人机交互方式可以不依托鼠标和显示屏。你可以发送一个任务，人工智能就能直接完成。这些变化会催生新的硬件交互形态。

　　而这一切将如何实现，我们也能从过去40年的PC发展史里找到一些答案中看到一条脉络。因为，这些底层的场景诉求具有一致性。GPT驱动的新生产力变革，早期大概率会聚焦能提升生产力的场景，犹如Dos时期的Lotus 123。如果我们试着结合之前提到的游戏产业、图像处理产业，以及生产、获取、传播数据的方法，理论上能发现许多新的应用场景。

　　AI大模型的出现，让四要素发生了变化。在芯片层面，GPU、TPU等芯片让算力不断提升；在系统层面，大模型可能会逐渐与系统融为一体；在终端层面，用户与设备交互产生的私有化数据会更有价值；前三个要素的变化，也会催生出新的应用。我们或许会见证一种全新的存算一体的计算设备的诞生。未来，它的地位可能与手机、笔记本，甚至公有云都有所不同。我试图用一张表来清晰地罗列出它的特点。

　　大模型与新操作系统：大模型是智能化的发动机，它很可能将和操作系统融为一体。如今微软推出的云计算服务平台Azure的增长，Windows的动作以及OpenAI探索AppStore模式，都在表现出不同玩家争夺新系统身位的早期态势。

　　GPU或者ASIC算力：在1980年代，Intel是硬件领域的佼佼者，当下，NVIDIA风头正盛。GPU和大模型的专用计算设备正在变得智能化，我非常看好ASIC芯片（Application Specific Integrated Circuit，一种为专门目的而设计的集成电路，而非通用芯片）和NPU。这些设备如果快速迭代，可能会在2030年之前催生新应用。

　　私有化数据：数据依然是新石油。对于AI而言，独特的组织内部或专有的高质量数据资源，或机器获取的私有化数据，是训练和生成的关键资产。

　　AI应用：从行业发展回顾中，我们可以看到应用不是独立于系统和硬件存在的，而是研发者基于系统和硬件现状，对于场景价值的挖掘与探索。成功的关键在于对系统和硬件载体能力的理解，对用户的理解，以及对时机的把握。

　　信息技术一直朝着便携的方向前进，这是人们长期的需求，比如，我们的电脑从没法移动的PC变成了随身携带的电子笔记本。然而，设备要想实现便携性，它的计算能力和续航就会受限，进而限制其能够运行的模型智力水平。当前手机能够运行的模型参数通常在3B参数级别。相较之下，私有云能够运行的模型参数在数十B级别，公有云则在百B级别。

　　这意味着，当Windows或者下一代安卓系统准备就绪时，它们可能会以3B级别的模型和Copilot作为基础，启发新一代的AI应用，例如AI驱动的浏览器、邮件回复Agent、AI办公软件、AI收藏夹、文档检索总结Agent等。这是手机和笔记本必然会经历的阶段，因为从硅基工艺角度来看，每瓦特的AI算力不会快速发生巨大的变化。

　　另一方面，则是基于公有云的超级人工智能。在过去10年云计算的高速发展中，云已经成为公认最有价值的AI核心基础设施。但云已经暴露出自己的问题：AI时代，每个人和组织，是否愿意将自己所有的数据交给一家AI公司？或者说你是否愿意将淘宝、微信和资金账户的访问权限全部交给单一的厂商？这显然是个巨大的心理成本。一个可能的方向是，云开始在最顶层发挥作用，厂商通过API调用方式来发送任务，在这个过程中，AI通过强大的模型能力，来为厂商提供相应的数据。

　　在AI应用和公有云这两者之间，出现了构建全新系统和硬件的机会。这种操作系统或许能像一个智能代理，运行在24小时通电的设备上。你可以通过手机或笔记本向它发送任务，它会在后台自动执行。它拥有巨大的数据存储容量，且由于没有算力限制，可以配备百瓦级的GPU，提供约200 TOPS 的AI算力，以确保足够聪明。具体而言，它可能是一台私有云设备，所有数据都在本地，服务于家庭和小型组织的存储与计算需求。

　　这种新设备会以什么样的形态出现呢？目前讨论得比较多的是AI眼镜、AI耳机，我认为，极有可能出现一种始于生产力，提升进而拓展为消费级的个人计算设备，它甚至是存算一体的。

　　基于这些判断，我创立了冰鲸科技。2021年，我们的第一款私有云产品开始在海外众筹网站发布，吸引了极客人群的关注。通过访谈和调研，我发现，不只是极客工程师群体，创作者与知识工作者群体，也有大量数据资产的管理需求，需要生产力工具来解决他们在存储和协作方面的痛点。这与早期PC的渗透路径类似球盟会，，瞄准那些愿意付费、对生产力有强烈需求的用户，切入全新的战场。

　　再次回到我们在前面讲到的始于硬件，兴于应用，终于生态。对我们来说亦然。硬件是起点，但应用才能带来更大价值。我相信开放的生态，社区化的运营方式，能够帮助我们更早地吸纳涌现出来的各种应用，就像硅谷早期的极客社区那样。

　　可以预见，未来十年，在信息设备领域，大概率是软硬件混合的结构性创新。这对创业公司的入场门槛有较高的要求。我认为，在这个方向，将有机会诞生出非常独特、有趣的由中国公司引领的创新。无论是AI NAS还是AI PC（人工智能个人计算机），我并不认为硅谷会继续主导这一轮创新。由于产业链能力的弱化，硬件迭代速度在美国呈指数级下滑。

　　正如硅谷知名投资人彼得·蒂尔所说：我们已经很久不知道如何投资硬件了。这确实是美国的现状，也是中国的窗口期机遇。在当下其实可以毫不夸张地说，全球找不到任何一个地方比中国珠三角更适合硬件产品的孵化。毫无疑问，中国的长产业链所带来的创新效应将会延续。

　　除了产业链基础，在软硬件混合的领域，还中国还有出色的工程师供给，中国在AI硬件和AI端侧的创新潜力正在形成共识。作为这个方向的从业者，希望能跟更多人一起开启这段摘星之旅。也希望之前提到的操作系统、应用、计算和模型等创新要素，能对大家的投资决策和创业实践有所启发。

　　非常感谢潘总深入的洞察和思考。我个人看到目前市场上的AI硬件主要包括以下四种：

　　正如前文潘总所讲，整体而言，垂直领域的AI硬件创新，需要找到合适的场景做纵深，才能避免被手机、PC等产品形态所吞掉。短期内，手机与PC的生态位是难以撼动的，大模型的使用也正逐渐成为明牌，那么，AI硬件创新最关键的是找到合适的场景，深刻理解用户需求，做出足够深厚的中间层，设计出好的产品并提供极致的体验。从这个角度来看，AI+硬件，很大程度上本质是AI应用，硬件本身则更接近一个容器/载体。

　　在AI可穿戴设备方向，今年AI PIN在北美一度很火。这款产品提供了接打电话、网络搜索、智能语音助手等功能，但随着产品的交付，问题逐渐显现。其实这个产品形态的挑战很大，因为大多数消费者很难理解一个没有“锚点”的全新产品。所谓“锚点”，是在消费者心中已经有认知的东西。比如一款AI耳机，或者AI自行车，消费者会拿这个新产品和他心目中的锚点产品的平均指标进行对比。

　　首先，这个新产品不能低于行业标准水平的90%，然后才会关注附加的创新功能。而AI PIN是一个没有锚点的产品形态，消费者比较难接受。

　　今年我们看了大量的AI可穿戴产品，其中以AI眼镜、AI耳机为主。我发现一些创业者把眼镜的功能堆得特别丰富，但是忽略了眼镜本身最核心的指标之一是舒适性和时尚性。一般来说，无框或细框的普通光学眼镜，重量大约在 15 克到 30 克之间，但现在的AI眼镜往往较重，想象一下一个人每天长时间戴着60g以上重量的眼镜，那肯定非常难受。

　　要把AI眼镜做得足够轻便，同时能承载一些新功能，这就对产品的整体结构提出了非常高的要求，而且要在续航、摄像头、显示这三者之间做权衡取舍，当然这取决于你想以什么样的多模态进行交互，这背后需要综合考虑产品的重量、材料（舒适度）、时尚性（可插拔模块化）、近视匹配方案、续航、手机互联等多个方面。

　　具体到AI功能层面，首先“唤醒”是一个在用户体验层面非常重要，但非常难解决的点。在目前的软硬件技术条件下，要在ToC的产品上实现无感的唤醒（不说唤醒词、不按实体按键）并且自动工作，是非常难的。这意味着你的Agent要持续识别环境要素，同时要有效理解你的意图，并实时判断它需要调取什么样的任务处理功能。

　　唤醒的下一层，则是具体的AI任务功能层面。单纯加一个大模型的端口，然后把所有任务直接丢给大模型，并不能有效解决问题。关键可能在于找到合适的场景，深耕这个场景所需要的AI能力，然后打造出好的产品。如果选择办公场景，那可能要先把翻译、转写这些基础功能做好，如果你关注的是户外运动场景，那么运动指标分析、智能导航、拍摄记录等功能或许更重要。此外，针对旅行博主的AI产品和针对视听障碍人士的AI产品，在生成内容的形态上一定差异巨大。当然，以上功能的最终收口是成本。

　　除了AI可穿戴产品，今年我看的比较多的是AI陪伴类产品，可进一步细分为成人情感陪伴和儿童陪学陪玩。对于做成人情感陪伴AI硬件，最挑战的是，在Character.ai类软件陪伴产品已经开始赢得市场的情况下，找到独立硬件存在的合理性和必要性。也就是需要回答，到底某个场景下，硬件能带来升级的感官体验。

　　儿童AI陪学陪玩是一个非常有潜力，但是非常难做的市场。第一，由于一些家长会限制儿童看电子屏幕的时长，天然就造就了独立硬件的机会。第二，中国双职工家庭占比非常高，父母陪伴孩子的时间有限，面向儿童的高质量的陪伴，以及寓教于乐的教育辅助也是确定性的刚需。

　　然而，挑战也是非常明确的。比如，儿童注意力较为分散，即使面对再好玩的东西，大多数儿童的注意力也很难持续超过半小时。再比如，儿童的语言组织与表达与成年人不同，一旦大模型没有充分理解儿童的意思，开始“打岔”，儿童会迅速失去耐心。此外，陪学的功能听起来fancy，但是，一旦儿童发现这不是玩具，是用来学习的，可能会有一定的排斥心理。总之，一款硬件产品很难满足儿童长期的需求。

　　此外，在这种情况下，提供高质量的内容非常重要，包括引入儿童喜爱的IP和剧情，把故事、游戏等元素有效的结合或许是个思路。此外，针对模型的训练也很重要，要能够让模型更有效地理解儿童的意思，才能进一步有效交互。当然，安全因素也是儿童类产品需要重点考虑的。

　　从更长期的角度来看，如果未来所有儿童玩具都有对话和运动能力，下一步拼什么？比如，近几年非常知名的AI玩偶LOVOT提供了一个思路。最初其核心差异化特色是动作表情交互，随着技术的发展，当其他产品也能做动作表情，LOVOT开始从卖功能转向卖IP。

　　此外，第四类AI硬件产品是具备一定泛化能力的家庭机器人，目前在这个方向上的突破不多，更多是集中在识别能力的以及针对corner case的处理上。短期来看，这类产品受制于成本价格，没有办法使用算力较高的芯片；长期来看，具身智能的实现还有很长的路要走。欢迎感兴趣的朋友，阅读《具身智能 vs. 运动科技：一个让机器像人，一个把人变成机器？ 峰瑞报告》。球盟会官网，球盟会官网，