AI硬件大爆發(fā)，阿里云卡什么位？

不知道你是否注意到了，在過去一個季度里，一級市場上跑出了兩個明顯的趨勢。

一個趨勢來自于資金端，在募資端經(jīng)歷了長達(dá)10個季度的冷淡行情后，突然迎來了小陽春。以紅杉高瓴IDG為代表的老牌美元基金紛紛開啟了金額動輒高達(dá)數(shù)十億美金以上的募資行動，而其他市面上諸如Monolith、源碼、黑蟻等相對年輕的廠牌基金也都不斷傳來募資成功的好消息。整個一級市場，從資金層面一下子就活絡(luò)起來了。

另一個則是投資端。一方面，在最近一個月內(nèi)曾經(jīng)重倉的芯片和大模型賽道，接連創(chuàng)造了一個又一個市值規(guī)模超數(shù)百億甚至千億的IPO或者并購?fù)顺鼋灰?，一級市場的投資信心又一次被激活了。

另一方面，在過去一個季度里市場上成功交割的項目數(shù)量相較于以往指數(shù)級成倍增長，各種夸張說法在市場上瘋狂傳播，例如某頭部美元基金在12月被傳交割了30多個項目，平均下來每天都不止一個。

而分析這些新獲得融資的項目所處的賽道類別來看，你會發(fā)現(xiàn)一個驚人的事實，那就是70%以上的項目都是硬件項目。也就是說，一級市場的資金都在瘋狂地砸向硬件，這個原本被認(rèn)為是命中率極低賽道突然之間就支棱了起來。

AI硬件潮來臨

1月8日，阿里云在被譽(yù)為深圳源起之地的蛇口海上世界，舉辦了一場智能硬件展。

從天上飛的Evote到地上跑的新能源汽車，從帶有攝像頭的AI耳機(jī)到陪伴兒童的AI萌寵，從席卷全球的激光雕刻機(jī)到創(chuàng)意無限的消費(fèi)級3D打印機(jī)，從能歌善舞的人形機(jī)器人到風(fēng)格迥異的AI眼鏡們，市面上熾手可熱的AI硬件賽道各個垂類的產(chǎn)品都在這個展中被呈現(xiàn)了出來，這些新物種都接入了同一個“大腦”，就是阿里千問模型。

可以說，阿里云的這個展某種程度上就是整個中國AI硬件產(chǎn)業(yè)發(fā)展現(xiàn)狀的縮影。這種繁榮現(xiàn)象的背后，其實暗藏了影響硬件產(chǎn)業(yè)的4條關(guān)鍵發(fā)展脈絡(luò)的交匯與耦合共振。

最直觀的是，AI大模型能力的快速提升，使得硬件的多樣性和想象力被極大的豐富。這個層面會存在兩種完全不同的情況。第一種，AI能力使得原本很多硬件的體驗被改變，場景價值被深化，值得用AI來重新做一遍。用阿里云通義大模型業(yè)務(wù)總經(jīng)理徐棟將其比喻為“（場景價值）體驗的一個延長線”。例如錄音筆和攝像頭等都是很具象的例子，原本的功能就是將捕捉音視頻并將其結(jié)構(gòu)化數(shù)據(jù)存儲起來，以便以后查詢使用，而有了AI后這個基礎(chǔ)上可以主動去挖掘這些數(shù)據(jù)的價值，可以幫使用者轉(zhuǎn)譯、整理、甚至生成腦圖和標(biāo)注重點(diǎn)。AI硬件賽道的熱門項目Plaud就屬于這種情況。

另一種則是伴隨AI大模型而產(chǎn)生的原本并不存在的硬件產(chǎn)品品類，一般將其稱之為AI native硬件或者原生AI硬件。從最早的AI pin和Rabbit，到現(xiàn)在AI萌寵或陪伴機(jī)器人等，隨著模型能力的提升和場景的收斂聚焦，這類型的產(chǎn)品應(yīng)用價值也開始慢慢顯現(xiàn)出來。

第二條線則是伴隨著關(guān)鍵性技術(shù)或者產(chǎn)業(yè)鏈發(fā)展，使得原本不太可能造得出來，而現(xiàn)在卻可以突破的硬件產(chǎn)品。例如智能戒指的出現(xiàn)，離不開一種叫做弧形電池的關(guān)鍵元器件。比如Rokid或者阿里的夸克眼鏡這種帶透明顯示AI眼鏡產(chǎn)品，離不開芯片成熟工藝對表面浮雕衍射光波導(dǎo)和MicroLED顯示芯片這兩個最關(guān)鍵半導(dǎo)體元器件的加持。

另一個關(guān)鍵要素則是來自于人，隨著中國過往硬件產(chǎn)品和產(chǎn)業(yè)鏈的發(fā)展，以深圳為典型代表的城市中，沉淀發(fā)展出了一批在硬件產(chǎn)品工程領(lǐng)域頗為優(yōu)秀的年輕人才。其中以大疆的人，在一級市場中頗受追捧，去年四季度有新聞報道說，投資機(jī)構(gòu)以2000萬天使輪為條件在大疆樓下擺攤撈人創(chuàng)業(yè)。盡管個人認(rèn)為有夸張成分，但足以說明大疆人才的受歡迎程度。另外數(shù)據(jù)也在佐證這一點(diǎn)，在這個階段硬件被投項目中，創(chuàng)始人背景出自大疆等大廠的比例很高。

為什么一級市場的錢在這個節(jié)點(diǎn)點(diǎn)火，比較公允的說法是，從AI大模型的投資節(jié)奏來看，前年投基礎(chǔ)模型，去年投應(yīng)用，今年就輪轉(zhuǎn)到AI硬件了，從資金來源來看，這批基金的募集時期大多在2020、2021年前后，受疫情影響延緩了投資節(jié)奏，積壓到現(xiàn)在出手會比較迫切。但硬件創(chuàng)業(yè)者們更偏向于一個更現(xiàn)實的說法，那就是諸如Plaud等火熱的項目，已經(jīng)證明了AI硬件的商業(yè)價值，結(jié)果已經(jīng)擺在那里了，投資人怎么都擠不進(jìn)去，誰也不想再錯過第二個Plaud。

人、關(guān)鍵產(chǎn)業(yè)鏈、AI大模型，這三條線就或明或暗的相遇在了這同一個歷史階段碰撞耦合，再碰上一級市場的錢如火星般地涌入，使得硬件市場這一原本長周期、低成功率的賽道被突然點(diǎn)燃，AI硬件的浪潮就這么襲來了。

硬件和AI的鴻溝

隨著AI硬件的爆發(fā)，硬件產(chǎn)業(yè)擁有了全新的想象空間和市場空間，但是同時也給硬件產(chǎn)業(yè)和從業(yè)者帶來了全新的挑戰(zhàn)。

一面是AI硬件從硬件的產(chǎn)品定義和形態(tài)設(shè)計上會呈現(xiàn)出更多的多樣性，尤其是很多都屬于創(chuàng)新品類的產(chǎn)品。硬件產(chǎn)業(yè)鏈從芯片、工藝制造到整機(jī)組裝等各個環(huán)節(jié)，都得花足夠的時間和精力去探索全新品類的全新要求，例如在AI眼鏡的整機(jī)組裝上，即使到現(xiàn)在，一些消費(fèi)電子產(chǎn)業(yè)擁有領(lǐng)先組裝口碑上組裝廠所拿出的產(chǎn)品，也依舊難逃廉價的塑料感。

硬件的工藝，總歸是可以通過時間來不斷試錯進(jìn)步的。但是在軟件層面，單單大模型在軟件端的簡單應(yīng)用，就已經(jīng)是很多硬件從業(yè)者不得不面對的門檻，更不用提一些復(fù)雜深層次的應(yīng)用了。

軟硬件能力的疊加要求，使得AI硬件的門檻水漲船高。從前年開始，硬件市場快速造富了一批專門從事幫助硬件中小品牌接入AI大模型的業(yè)務(wù)團(tuán)隊。例如，有軟件團(tuán)隊自己開發(fā)一個接入大模型能力的app，實現(xiàn)對話、翻譯、備忘、識別等常見AI功能。然后，將這個app通過license的方式兜售給硬件品牌，硬件通過這個app，從而實現(xiàn)變成名義上的“AI硬件”。

這種方式顯然存在明顯的弊病，最直觀的是功能難用，這種app并不為某一單獨(dú)設(shè)備或者場景做細(xì)節(jié)優(yōu)化，通過一款app就要適配耳機(jī)、眼鏡、音箱等等非常多類型的設(shè)備，功能充其量就是能通，實在難言有用。其次是用戶和數(shù)據(jù)的歸屬存疑，軟件開發(fā)者往往希望將硬件的使用者變成app的用戶，從而在這種業(yè)態(tài)模式下增加其app的競爭力與議價權(quán)。

當(dāng)然，最難接受的還是成本考量，這種app的license單臺報價通常在5元，最貴的甚至能到20元。也就是說，對于硬件廠商而言，在這種模式下，不僅要付出高額的成本，還得幫別人做用戶與數(shù)據(jù)，最終收獲卻是一個功能實在是雞肋的所謂AI app。

不合理的方式能夠長時間的存在，對很多人來說顯然這是不得已的選擇。

多模態(tài)交互開發(fā)套件的破局

顯然，如火如荼的AI硬件產(chǎn)業(yè)鏈，需要一套低開發(fā)門檻，功能場景豐富，高質(zhì)量效果輸出的AI接入方式。

1月8日，在阿里云通義智能硬件展上，阿里云發(fā)布了多模態(tài)交互開發(fā)套件。這是一套集成了千問、萬相、百聆三種模態(tài)通義基礎(chǔ)大模型的開發(fā)套件，將十多款生活休閑、工作效率等領(lǐng)域的Agent和MCP工具預(yù)置其中。一舉切中AI硬件賽道的痛點(diǎn)，在市場引起了很大的討論熱度。

這背后主要有這么幾點(diǎn)原因。首先是功能場景的豐富。隨著AI硬件的發(fā)展，攝像頭、麥克風(fēng)、揚(yáng)聲器等多種傳感設(shè)備，在不同產(chǎn)品類別的排列組合有極大的差別，不同的硬件對模型的能力要求也千差萬別，對于平臺而言，套件中既需要能滿足單一模態(tài)的交互需求，又要求能提供橫跨視頻、語音、文字的多模態(tài)交互體驗。

阿里云的多模態(tài)開發(fā)套件的能力體現(xiàn)，不僅在能聽、會看，還能思考并且與物理世界交互，而且能垂到不同硬件類別中都有很好應(yīng)用體驗，諸如AI眼鏡、學(xué)習(xí)機(jī)、陪伴玩具、智能機(jī)器人等。

其次是高質(zhì)量的輸出效果。以在展會現(xiàn)場與阿里云達(dá)成戰(zhàn)略合作的聽力熊為例，它所做的AI硬件產(chǎn)品是一個能理解兒童獨(dú)特表達(dá)方式、有情感共鳴的AI成長伙伴。這個兒童交互的產(chǎn)品定位決定了其對AI的要求很高，不僅要聽得清，聽得懂，還有回得快，回得準(zhǔn)，能理解情緒，能共鳴感情。高粘性和高使用時長的結(jié)果實證，足以證明基于阿里云多模態(tài)交互開發(fā)套件的的高質(zhì)量輸出效果。

較低的開發(fā)門檻是當(dāng)前硬件從業(yè)者們最現(xiàn)實考慮的因素。阿里云還在這一套件中預(yù)置十多款MCP工具和Agent，覆蓋生活、工作、娛樂、教育等多個場景，例如，基于預(yù)置的出行規(guī)劃Agent，用戶可直接調(diào)用路線規(guī)劃、旅行攻略、吃喝玩樂探索等能力。

此外，該套件還接入了阿里云百煉平臺生態(tài)，用戶不僅可以添加其他開發(fā)者提供的MCP和Agent模板，還能通過A2A協(xié)議兼容三方Agent。對于開發(fā)者而言，只需要簡單的“拖拉拽”就能實現(xiàn)復(fù)雜AI場景應(yīng)用的開發(fā)，極大程度地擴(kuò)展了應(yīng)用的能力邊界，靈活搭建業(yè)務(wù)場景。

當(dāng)然，最重要的還是成本的考量。以往大模型廠商對AI應(yīng)用的計價方式以token為單位來衡量的，類似于水電燃?xì)獾陌从昧坑媰r。但是這種計價方式對于AI硬件廠商來說是極不友好的，因為要達(dá)成他們對于硬件用戶這種計量付費(fèi)方式幾乎是不可能實現(xiàn)的。所以要么其預(yù)估其硬件生命周期內(nèi)的token消耗量將其折價進(jìn)硬件成本中，要么其實現(xiàn)對用戶的長尾運(yùn)營，進(jìn)而通過訂閱費(fèi)的方式將成本收回。這些顯然對于硬件從業(yè)者來說都是麻煩了，最好的就是以往他們就熟悉的商業(yè)模式來進(jìn)行。阿里云這次邁出了關(guān)鍵的一步，直接把門檻“砸”穿了，將計費(fèi)模式從不可控的To-k-en改為更符合硬件銷售邏輯的“按設(shè)備Li-c-e-n-se”計費(fèi)或低成本套餐。

更低的成本、更好的效果、更低的開發(fā)門檻，構(gòu)成了阿里云多模態(tài)交互開發(fā)套件在硬件圈掀起不小聲浪的關(guān)鍵要素。

千問怎么就變成了AI時代的“Android”？

字節(jié)曾經(jīng)推出過一款名為ola friend的AI耳機(jī)，而所謂AI耳機(jī)和普通耳機(jī)最大的區(qū)別就是其與豆包app更好的交互體驗。

具體的體現(xiàn)主要有兩點(diǎn)，其一是交互的低時延，其二是鎖屏狀態(tài)下豆包的喚醒與通信。

而不管是出于哪一點(diǎn)目的，都促使字節(jié)跳動在其首款A(yù)I硬件上做出了一個非常大膽且違背行業(yè)常識的嘗試：用越級的手表芯片恒玄2700去做一款耳機(jī)。對，你沒聽錯，就是用手表旗艦MCU去做耳機(jī)。

這說明了，要想在AI硬件上獲得很好的交互體驗，專門針對底層芯片的優(yōu)化工作是必不可少的。

千問、萬相和百聆三款阿里通義家族模型都已是各個模態(tài)領(lǐng)域最強(qiáng)的模型之一，但阿里在模型商業(yè)化的探索上也走在了前列。例如，針對硬件場景，阿里云做了更深度和更廣泛的優(yōu)化，這次發(fā)布多模態(tài)交互開發(fā)套件適配了30多款主流ARM、RISC-V和MIPS架構(gòu)終端芯片平臺，滿足市面上絕大多數(shù)硬件設(shè)備的快速接入需求。下一步，更是計劃從更底層的芯片IP層面深度融合，與玄鐵RISC-V實現(xiàn)軟硬全鏈路的協(xié)同優(yōu)化，實現(xiàn)通義大模型家族在RISC-V架構(gòu)上的極致高效部署和推理性能。

此外，在模型優(yōu)化層面，除通義模型家族外，阿里云還針對大量多模態(tài)交互場景進(jìn)行分析，推出適合AI硬件交互的專有模型，全面支持全雙工語音、視頻、圖文等交互方式，端到端語音交互時延低至1秒，視頻交互時延低至1.5秒。

同時，阿里云還走向了垂類場景的實踐。同時推出了面向智能穿戴設(shè)備、陪伴機(jī)器人、具身智能等領(lǐng)域的解決方案。

在AI眼鏡領(lǐng)域，基于千問VL、百聆CosyVoice等模型，阿里云打造了感知層、規(guī)劃層、執(zhí)行層以及長期記憶的完整交互鏈路，可一站式實現(xiàn)同聲傳譯、拍照翻譯、多模態(tài)備忘錄、錄音轉(zhuǎn)寫功能，有效解決交互不自然、回答準(zhǔn)確率低的難題。

面向家庭陪伴機(jī)器人場景，基于千問模型和多模態(tài)交互套件，阿里云推出的解決方案不僅可實時監(jiān)測異常狀況，并及時告警信息推送，用戶還能基于關(guān)鍵詞查找、定位視頻，與機(jī)器人進(jìn)行對話交互和控制設(shè)備等。

某種程度上，千問已經(jīng)成功進(jìn)化為“AI時代的Android”。就像Android適配了各種屏幕尺寸的手機(jī)和平板，千問也在向“無處不在”演進(jìn)。無論是手機(jī)、眼鏡、PC還是汽車，千問都能提供一致的、適配終端特性的交互體驗。

它不再局限于回答問題，而是通過強(qiáng)大的模型能力（大腦）、阿里豐富的商業(yè)生態(tài)（手腳）以及多元的硬件載體（身體），構(gòu)建了一個能夠感知環(huán)境、理解意圖并主動提供服務(wù)的智能體生態(tài)。對于用戶而言，這意味著AI真正從“炫技”走向了“實用”，成為了生活中不可或缺的智能伙伴。