目录

具身智能是终点，但先别急着上桌

有些品类加了AI也出不了圈

物理约束：你改不了的三座大山

做AI硬件，三个节奏不能踩错

作者简介

---

关于AI具身化这块深有感触，有必要结合硬件讲讲。

比如我在22年做的一款产品用到了薄膜按键，在原有的供应链体系属于一款已经量产的配件。

最开始由于还没跑通原有体系的供应链，当时拿到深圳去询价，结果报价比现有配件的发货价还高。

后来花了半年多时间，才基本走顺整个供应链体系。

这个过程中学到一件事：

硬件产品的物理约束和供应链逻辑，不会因为你加了一个AI就消失。

再比如今年，AI圈子从25年的各种「颠覆」转换成了各种「应用」。

你会发现大家都在卷概念，什么龙虾、Skills、马具工程、Loop工程。

做软件的人可能会觉得世界又变天了。

但如果你做过硬件，你就会很清楚：

物理约束不会因为概念刷新就消失。

具身智能是终点，但先别急着上桌

AGI的进阶阶梯：

从语言模型开始 → CoT（思维链）→ Agent → 持续学习 → 奇点，最后才是具身智能。

每一步都踩着前一步上去，Agent要用到CoT，CoT要用到语言模型，每一步都建立在上一步的演进。

到具身智能那一步：

它就走进了现实世界，可以给你做家务，可以给你养老。

因为对一个正常人来讲，他的需求并不是电脑……

他吃喝玩乐、衣食住行，他不需要电脑。

他需要的是具身智能来解决具体人力的需求。

很多人只记住了「具身智能是终点」这半句，但是忽略了顺序。

对做硬件的人来说，这个顺序就是资金投入、时间和团队资源的分配逻辑。

如果路线图是反过来的，先实现具身智能：

「那自己做得很累，这是一个很苦的活。」

比如，现阶段All in具身智能的企业，等于在电池能量密度还在250Wh/kg的时候去造一个需要全天续航的人形机器人，从物理层面就没有准备好。

但这又是一个确定性的方向，包括前段时间商汤的一个朋友参加了高通的培训，也在推自己的端侧芯片。

虽然功耗、发热、算力、小型化这些问题短期还没办法突破，但又不得不做。

如果到了奇点之后再去做具身智能，「那个就不用人来做了，模型自己就可以出来了。」

怎么理解呢？

具身智能是终点，但它是一个「被推着走」的终点，不是一个「主动去够」的目标。

对做硬件的人来讲，这个判断的含金量很高。

它直接回答了一个问题：当下的AI硬件，到底应该做什么、不应该做什么。

有些品类加了AI也出不了圈

做产品成不成，跟加不加AI没有必然关系。

比如保险箱这个产品，我既是设计者也是用户。

它的核心需求就一个：安全、稳定、别出问题。

用户一年开不了几次，属于免打扰型产品。

你给它加AI、加情绪价值，对这种品类来说，反而是减分项。

但换个定位，事情就成立了。

同样是保险箱的物理形态，做成儿童的智能存钱柜，天然追求好玩，既能培养存钱意识，又能增加陪伴价值。

同一个壳子，换一个场景，AI就从减分项变成了加分项。

这里面的核心变量是品类属性。

我将品类大致分为了两种：

一种是离生产力近的品类（机器人、办公设备），硬件本身的能力和场景壁垒是核心。

另一种是离情绪价值近的品类（AI宠物、陪伴玩具），品牌、渠道和运营能力更重要。

它们的物理约束不一样，用户期望不一样，商业逻辑也不一样。

物理约束：你改不了的三座大山

做软件出身的人做硬件，最先碰壁的不是技术，是物理制造层面。

软件出Bug改完代码推送就行了。

硬件出问题，很多时候要重新开模、重新做板、重新备料。

从三个维度出发，可以帮你快速过滤掉90%不成熟的机会。

电池。

能量密度天花板250到300 Wh/kg，硅碳负极在进步，但天花板就摆在那里。

纯端侧大模型这条路线，从物理层面就锁死了。

消费类小体积设备，被动散热能力本身就弱，芯片算力一高，功耗和散热根本扛不住。

重量。

眼镜超过50克，戴半小时就难受。

华为小米做到40克，千问G1也是40克，雷朋最新50克左右——这就是当前工艺水平的天花板。

成本和工程。

智能戒指的体积非常有限，还要塞进传感器、计算芯片、无线模块、电池。

每加一项功能，其他设计就得妥协。

手机已经是默认设备，任何新硬件都得回答同一个问题：

用户愿不愿意多带一个东西？

物理约束的特点是：

你改变不了，只能接受。

违反物理约束的产品，营销做得再好，用户拿到手一用，发现跟期望差距太大——对新建品牌来说，基本就是死刑。

做AI硬件，三个节奏不能踩错

笔者把AI硬件趋势按约束类型分成了三层，节奏完全不同。

第一层：物理约束层

如果你不是材料行业相关的从业人员，电池化学、芯片制程、工艺、材料，这些的发展你都决定不了。

核心策略就是一个字：等。

不要在穿戴设备上做持续高算力，不要在电池能量密度上赌突破。

渐进式进步有，跳跃式突破别指望。

第二层：AI能力层

通用大模型的能力每个月都在更新，多模态感知也很成熟，跨应用执行是下一阶段的焦点。

主要策略时要快速接入主流大模型，选一到两个AI功能做深。

另外，垂直场景的微调模型会越来越多，针对具体场景的细分小模型是另一个趋势。

第三层：生态约束层

这层不由技术决定，跟苹果、谷歌、小米、华为、字节这些大厂的战略绑定，年度级变化。

笔者当年做智能锁，融入大厂生态也就1到2年的窗口，后来大厂亲自下场，你就出局了。

如果你做独立厂商，至少接入一个主流生态。

自身不够强，连讨价还价的机会都没有。

2026年做AI硬件，真正重要的不是追概念。

是搞清楚三件事：

• 你做的品类是生产力还是情绪价值？

• 你的产品能不能不跟手机抢活？

• 在物理约束的天花板下，你的方案能不能撑住成本和体验？

这三个问题的答案，比任何技术路线图都更决定你的产品能不能活下来。

进窄门，走远路。

作者简介

卫朋，《硬件产品经理》作者，人人都是产品经理受邀专栏作家，CSDN认证博客专家、嵌入式领域优质创作者，阿里云开发者社区专家博主。