首發(fā)不到半年訂單超萬(wàn)臺(tái)，這支團(tuán)隊(duì)打造可自進(jìn)化的兒童陪伴機(jī)器人

2026年初，市面上出現(xiàn)了一款新的兒童陪伴機(jī)器人，一經(jīng)發(fā)布就登上機(jī)器人首發(fā)榜單第二名。截至目前，該產(chǎn)品全平臺(tái)訂單已超2萬(wàn)臺(tái)，230余個(gè)線下體驗(yàn)觸點(diǎn)覆蓋書店、機(jī)場(chǎng)專賣店和教育機(jī)構(gòu)。

從外形看，這款名為多奇的機(jī)器人外觀可愛(ài)，搭載一個(gè)屏幕，家長(zhǎng)可能會(huì)問(wèn)：這是把小型平板嵌在玩偶里了嗎？

實(shí)則不然，多奇的屏幕是表達(dá)器官，是讓機(jī)器人成為有表情、有情緒、關(guān)注孩子的實(shí)體伙伴的不可缺少的重要部分。孩子可以與多奇一同學(xué)習(xí)英語(yǔ)，閱讀繪本，玩游戲，過(guò)家家。

在AI能力大幅躍遷后，多奇不再滿足于只當(dāng)個(gè)AI小外教，而是成長(zhǎng)為與孩子共同生活的自進(jìn)化機(jī)器人伙伴。

談及多奇背后的創(chuàng)始團(tuán)隊(duì)，相信大家一定不陌生，他們?cè)诮逃I(lǐng)域有很深的積淀。核心團(tuán)隊(duì)均來(lái)自清華大學(xué)，創(chuàng)始人、CEO兼技術(shù)負(fù)責(zé)人包塔，聯(lián)合創(chuàng)辦了網(wǎng)易有道，曾推出月活千萬(wàn)的“網(wǎng)易有道詞典”；聯(lián)合創(chuàng)始人兼產(chǎn)品負(fù)責(zé)人徐毅斐，也就是本文的作者，曾擔(dān)任字節(jié)跳動(dòng)“大力智能臺(tái)燈”的平臺(tái)產(chǎn)品負(fù)責(zé)人；聯(lián)合創(chuàng)始人兼市場(chǎng)負(fù)責(zé)人胡琛，和包塔同為網(wǎng)易有道聯(lián)合創(chuàng)始人。

這次，讓我們切換到這支創(chuàng)始團(tuán)隊(duì)的視角，看看打造一款真正適合孩子使用的機(jī)器人都會(huì)經(jīng)歷哪些思考、探索、取舍與創(chuàng)新？會(huì)踩哪些坑？

文章篇幅較長(zhǎng)，相信讀完之后一定會(huì)對(duì)多奇和兒童陪伴機(jī)器人有全面且深度的了解。

被智能革命遺忘的那個(gè)人群

快2030年了。AI的智能水平正在逼近人類的邊界，人類社會(huì)正在經(jīng)歷有史以來(lái)最劇烈的一次技術(shù)變革。但有一個(gè)群體，幾乎被這場(chǎng)變革遺忘了——那就是孩子，尤其是學(xué)齡前的孩子。

從90年代的個(gè)人電腦，到互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)，再到今天的AI時(shí)代，三十年間，我們經(jīng)歷了多輪智能設(shè)備的迭代。成年人擁有了電腦和手機(jī)，老人有了智能音箱，連寵物都有了智能喂食器。但孩子呢？

故事機(jī)，本質(zhì)上是上世紀(jì)收音機(jī)的數(shù)字化；點(diǎn)讀筆和學(xué)習(xí)機(jī)，是教材的電子化；小天才手表，除了定位和通話功能，和能養(yǎng)電子寵物的電子表并沒(méi)有本質(zhì)飛躍。而在新生人口下降的現(xiàn)在，這些產(chǎn)品每年還有超4000w的銷量。

我平均每一兩年都會(huì)去逛一趟上海的玩具展，過(guò)去七八年，展臺(tái)上的東西換了一茬又一茬，不變的是毛絨加塑料加電子，變的只是IP。25年終于有了一個(gè)關(guān)于「智能技術(shù)」的展區(qū)，但和我們成人世界的產(chǎn)品變革相比，差距依然觸目驚心。

這不是一個(gè)小問(wèn)題。在解決溫飽之后，全世界的父母都把教育、陪伴、成長(zhǎng)放在家庭最核心的位置。但在AI時(shí)代，我們依然無(wú)法給孩子，尤其是學(xué)齡前的孩子，提供一臺(tái)真正適合他們的智能終端。這是一個(gè)巨大的時(shí)代空白。

所有人都答錯(cuò)了這道題

要理解這個(gè)空白，需要先定義「孩子的智能設(shè)備」應(yīng)該滿足什么條件。回看成人世界里的標(biāo)志性智能設(shè)備——電腦和手機(jī)——它們的共同關(guān)鍵詞是：個(gè)人擁有、方便操作、內(nèi)容消費(fèi)、生產(chǎn)創(chuàng)造。對(duì)應(yīng)到孩子，還需要加上一條：安全科學(xué)，讓成年人放心。

用這把尺子來(lái)衡量現(xiàn)有產(chǎn)品，會(huì)發(fā)現(xiàn)一個(gè)共同的結(jié)論：所有現(xiàn)有設(shè)備都只是不同程度的近似答案，沒(méi)有一個(gè)是真正的解。

iPad：最接近，但本質(zhì)上是一個(gè)虛擬平面世界

iPad在直覺(jué)交互和內(nèi)容豐富度上的表現(xiàn)幾乎無(wú)可挑剔。2010年，當(dāng)喬布斯把那塊大號(hào)iPhone亮出來(lái)的那天，我就意識(shí)到，一歲多的孩子都能用手指點(diǎn)觸找到自己想看的動(dòng)畫片——這是前所未有的。也是這塊屏幕，驅(qū)動(dòng)了我進(jìn)入兒童產(chǎn)品領(lǐng)域。

但iPad不是答案，原因并不是「有屏幕傷眼睛」。真正的問(wèn)題是：觸屏是一個(gè)平面的世界。人類是從三維空間里進(jìn)化來(lái)的。孩子從出生起就在三維世界里接受訓(xùn)練：用手觸摸、用眼追蹤、用身體感受物理特性。平面世界里，孩子無(wú)法感受所見(jiàn)事物的物理質(zhì)感，無(wú)法鍛煉手部精細(xì)動(dòng)作與手眼腦的協(xié)調(diào)。更根本的是，它的「安全科學(xué)」評(píng)分幾乎為零——沒(méi)有任何父母能對(duì)孩子用iPad真正放心。

智能音箱：信息通道太窄，使用門檻太高

我在結(jié)束上一次創(chuàng)業(yè)后，第一份工作就是在一家智能音箱公司，試圖做一個(gè)交互能力更強(qiáng)的兒童故事機(jī)。但很快發(fā)現(xiàn)，純語(yǔ)音交互對(duì)孩子而言遠(yuǎn)比想象的困難。行業(yè)數(shù)據(jù)顯示，無(wú)屏音箱的次月留存率低于20～30%；相比之下，帶屏音箱的月留存率高達(dá)70%～80%。這個(gè)差值背后有清晰的邏輯：語(yǔ)音是一個(gè)信息通道狹窄但使用門檻極高的信息處理方式。人從「聽(tīng)到」到「理解」再到「表達(dá)」，調(diào)動(dòng)的神經(jīng)、肌肉資源遠(yuǎn)超手指點(diǎn)一下屏幕。這個(gè)門檻對(duì)語(yǔ)言系統(tǒng)尚未發(fā)育成熟的孩子來(lái)說(shuō)，尤其具有挑戰(zhàn)性。

手表：需求是真的，但載體是將就

小天才手表是兒童硬件里繞不過(guò)去的研究案例。但它的邏輯值得細(xì)看：本質(zhì)上，小天才是父母對(duì)孩子的「安全掌控需求」——定位+通訊——催生的產(chǎn)品，孩子的社交需求是借助這個(gè)唯一可觸達(dá)的智能平臺(tái)自然生長(zhǎng)出來(lái)的。孩子樂(lè)此不疲地用那個(gè)小小的屏幕，只是因?yàn)槟鞘撬麄兾ㄒ蛔约耗苷瓶氐闹悄芙K端，不是因?yàn)槭直硎亲詈玫男螒B(tài)。

手機(jī)與眼鏡：錯(cuò)配的形態(tài)

手機(jī)的屏幕已經(jīng)足夠大，但手持終端并不適合學(xué)齡前的孩子：他們的具身智能尚未發(fā)育成熟，前額葉注意力分配、手部精細(xì)動(dòng)作的能力都遠(yuǎn)不如成人，無(wú)法在「移動(dòng)」場(chǎng)景中使用。

VR/AR眼鏡就更不用說(shuō)——10歲甚至12歲以前的孩子，眼睛和視覺(jué)系統(tǒng)的發(fā)育都尚未成熟，當(dāng)前的光學(xué)成像質(zhì)量連成人都無(wú)法持續(xù)佩戴，遑論孩子。

這就是這個(gè)市場(chǎng)的現(xiàn)狀：需求巨大且明確，現(xiàn)有產(chǎn)品都是將就，沒(méi)有一個(gè)是真正的答案——兒童個(gè)人智能終端的產(chǎn)品「元型」尚未出現(xiàn)

“產(chǎn)品元型”(Product Archetype) 不是指?jìng)鹘y(tǒng)意義上的“產(chǎn)品原型”(Prototype)—— 后者是產(chǎn)品的早期可測(cè)試版本，而前者是對(duì)一個(gè)品類最根本、最本質(zhì)、最經(jīng)得起時(shí)間考驗(yàn)的形態(tài)定義。它回答的是一個(gè)終極問(wèn)題：這個(gè)東西到底應(yīng)該是什么樣子？它存在的根本理由是什么？

做有用的陪伴，是最重要的產(chǎn)品哲學(xué)

在決定做多奇之前，我們做了一件事：認(rèn)真想清楚，「兒童陪伴機(jī)器人」到底能解決什么問(wèn)題，不能解決什么問(wèn)題。

大多數(shù)人對(duì)陪伴機(jī)器人的想象，是可愛(ài)的外觀、能動(dòng)的四肢、豐富的表情、流暢的對(duì)話——因?yàn)檫@是對(duì)真實(shí)的人或?qū)櫸锏耐暾胂蟆５覀兒茉缇痛_立了一個(gè)核心判斷：

情感陪伴不足以支撐兒童陪伴機(jī)器人的產(chǎn)品價(jià)值。

這并不是說(shuō)情感陪伴不重要。而是：第一，在一個(gè)正常家庭里，孩子的情感陪伴應(yīng)該來(lái)自父母和身邊的人；第二，一個(gè)活生生的人或動(dòng)物，即使不說(shuō)話，因?yàn)樗怯袦囟鹊纳旧砭湍墚a(chǎn)生情感共鳴。機(jī)器人做不到這一點(diǎn)——它的情感表達(dá)離真人或?qū)櫸镞€有很遠(yuǎn)的距離，很難激發(fā)孩子真正的情感依托。

所以我們提出的產(chǎn)品定義是：做有用的陪伴——“有用”是 1，情緒價(jià)值是后面的 0。

「有用」聽(tīng)起來(lái)有些功利，但這是所有父母的真實(shí)心聲。而且有一個(gè)重要的邏輯鏈條：一個(gè)機(jī)器人，只有當(dāng)它足夠「有用」，它才會(huì)被留在孩子身邊足夠長(zhǎng)的時(shí)間；只有陪伴足夠長(zhǎng)，才有機(jī)會(huì)積累互動(dòng)、建立情感、形成真正的關(guān)系。所以我們認(rèn)為，功能有用是基礎(chǔ)，情緒價(jià)值和情感陪伴是有用的副產(chǎn)品——而不是反過(guò)來(lái)。

這個(gè)判斷，決定了多奇后續(xù)幾乎所有的產(chǎn)品設(shè)計(jì)方向。

孩子的需求地圖：找到最大的機(jī)會(huì)窗口

理清了「有用」這件事，接下來(lái)的問(wèn)題是：對(duì)孩子來(lái)說(shuō)，什么是最有用的？除去吃喝拉撒的基本生存需求，兒童的所有需求可以歸為三類：安全、健康、教育與娛樂(lè)。

安全：剛需，但偶發(fā)

安全需求很好理解——確保孩子不丟失、遠(yuǎn)離危險(xiǎn)。這正是小天才手表的切入點(diǎn)，它用定位加通訊解決了父母的最核心焦慮。室內(nèi)安全監(jiān)控是陪伴機(jī)器人可以探索的方向，但在家庭這樣的多空間復(fù)雜環(huán)境里確保一個(gè)調(diào)皮孩子的安全，難度遠(yuǎn)超在孩子身上加個(gè)“定位器”，目前還難以系統(tǒng)性實(shí)現(xiàn)。

健康：重要，但時(shí)段固定

健康包括生活/學(xué)習(xí)習(xí)慣和運(yùn)動(dòng)習(xí)慣兩大塊。陪伴機(jī)器人理論上可以做到的，是以伙伴的身份對(duì)孩子進(jìn)行提醒和引導(dǎo)——因?yàn)閬?lái)自一個(gè)「平等玩伴」的建議，有時(shí)候比父母和老師的要求更容易被孩子接受。但培養(yǎng)并長(zhǎng)期維持一個(gè)孩子的習(xí)慣，絕不是當(dāng)前AI/機(jī)器人輕而易舉能做到的事。

教育與娛樂(lè)：全天候的剛需

我把教育和娛樂(lè)放在一起，因?yàn)閷?duì)孩子來(lái)說(shuō)，好的學(xué)習(xí)本來(lái)就是快樂(lè)的，兩者不應(yīng)該對(duì)立。孩子醒著的十幾個(gè)小時(shí)，除去睡眠、吃喝拉撒的約兩個(gè)小時(shí)，剩下大約十二個(gè)小時(shí)，都在源源不斷地需要內(nèi)容輸入。從「剛需程度 x 需求頻次」的維度，偶發(fā)的安全、2小時(shí)/天的健康，與持續(xù)十二小時(shí)的教育娛樂(lè)相比，結(jié)論不言而喻：教育與娛樂(lè)，是兒童智能設(shè)備最大的機(jī)會(huì)窗口

這就是為什么我們認(rèn)為，內(nèi)容能力是陪伴機(jī)器人最核心的競(jìng)爭(zhēng)力。那些能走路、能做各種表情的酷炫機(jī)器人，孩子往往玩不了多久——因?yàn)樗乃锌赡苄院芸炀蜁?huì)被孩子窮舉完。但內(nèi)容不一樣，孩子對(duì)好內(nèi)容的消費(fèi)沒(méi)有止境。而且安全、健康，當(dāng)前產(chǎn)品技術(shù)PMF無(wú)法達(dá)成，而AI大模型正在重塑整個(gè)內(nèi)容行業(yè)。

孩子真正需要的內(nèi)容：從消費(fèi)到互動(dòng)到創(chuàng)造

更深入地看，孩子對(duì)內(nèi)容的需求可以分為三個(gè)層次，這三個(gè)層次也構(gòu)成了多奇產(chǎn)品能力建設(shè)的路線圖，并將驅(qū)動(dòng)我們接下來(lái)最重要的產(chǎn)品演進(jìn)。

第一層：內(nèi)容消費(fèi)

沉浸式的內(nèi)容——故事、音樂(lè)、動(dòng)畫、游戲——這個(gè)市場(chǎng)已經(jīng)非常成熟。從故事機(jī)到繪本閱讀機(jī)，從點(diǎn)讀筆到學(xué)習(xí)機(jī)，孩子不缺可以消費(fèi)的內(nèi)容。這是陪伴機(jī)器人的基礎(chǔ)能力，但不是差異化所在。

第二層：即時(shí)互動(dòng)，但不僅僅是對(duì)話

這是孩子最渴望、也最稀缺的一類內(nèi)容體驗(yàn)。孩子需要的不只是被動(dòng)接收信息，而是有人（或有東西）能夠及時(shí)響應(yīng)他的好奇心、接住他的表達(dá)、給出有質(zhì)量的反饋。無(wú)論是孔子的言傳身教，還是蘇格拉底的對(duì)話式教學(xué)，本質(zhì)上都是這種即時(shí)互動(dòng)。但它的供給極度稀缺——父母要么沒(méi)有時(shí)間精力，要么沒(méi)有足夠的知識(shí)儲(chǔ)備，要么無(wú)法降下認(rèn)知去理解孩子當(dāng)下所處的認(rèn)知水平。

這正是AI大模型帶來(lái)的最大機(jī)會(huì)。AI擁有超越任何人類個(gè)體的知識(shí)儲(chǔ)備，“理論上”了解不同年齡段孩子的認(rèn)知特點(diǎn)，能夠以自然語(yǔ)言、生圖、編排游戲給予即時(shí)響應(yīng)，而且足夠耐心、足夠平等——它不會(huì)因?yàn)楹⒆印竼?wèn)了個(gè)可笑的問(wèn)題」而不耐煩。從我們大量的產(chǎn)品用戶測(cè)試來(lái)看，AI在引導(dǎo)孩子注意力、管理孩子情緒，甚至和孩子講道理方面，已經(jīng)不輸于經(jīng)驗(yàn)不那么充分的成年人。

第三層：創(chuàng)造——也是人類智能最高階的領(lǐng)地

創(chuàng)造力是人類智能最后也是最高階的領(lǐng)地。每個(gè)孩子天生就有創(chuàng)造力，但這種能力需要被看見(jiàn)、被激發(fā)、被引導(dǎo)。

創(chuàng)造本質(zhì)上是一種交互：你對(duì)事物做出一點(diǎn)改動(dòng)，世界給你一些反饋。這就是為什么孩子喜歡紙筆、沙子、泥巴、積木以及Minecraft——這些工具的上手門檻極低，任何微小的改變都會(huì)即時(shí)產(chǎn)生反饋，但創(chuàng)作的上限又極高。最好的創(chuàng)造工具，是低門檻、高上限、有即時(shí)反饋的。

但問(wèn)題在于：過(guò)于簡(jiǎn)單的工具缺乏有質(zhì)量的互動(dòng)引導(dǎo)——孩子拿著蠟筆在紙上涂抹，很快就會(huì)卡住。真正能激發(fā)創(chuàng)造力的，是在恰當(dāng)?shù)臅r(shí)機(jī)給予恰當(dāng)?shù)囊龑?dǎo)——就像一個(gè)好的藝術(shù)老師，能夠在孩子隨意畫下的幾條線條上稍加點(diǎn)撥，讓孩子突然發(fā)現(xiàn)眼前冒出了一只活靈活現(xiàn)的小動(dòng)物。這種Aha moment，是真正激發(fā)內(nèi)在成就感和創(chuàng)造欲的關(guān)鍵時(shí)刻。這種互動(dòng)引導(dǎo)，恰恰是AI多模態(tài)能力最有潛力承接的場(chǎng)景。

在AGI時(shí)代，品味和創(chuàng)造力是人類智能最后可以引以為傲的領(lǐng)地。中國(guó)近年來(lái)的科技產(chǎn)業(yè)升級(jí)、教育改革反復(fù)強(qiáng)調(diào)科技創(chuàng)新、創(chuàng)造力培養(yǎng)，對(duì)創(chuàng)造性人才的需求到了前所未有的高度。

「創(chuàng)造」這一層，不僅是孩子發(fā)展的需要，也是我們產(chǎn)品演進(jìn)最重要的方向指針。

為什么答案是「實(shí)體機(jī)器人」以及它的「元型」設(shè)計(jì)

實(shí)體互動(dòng)而非純屏幕：三維世界里的大腦

人類從三維世界進(jìn)化而來(lái)，孩子的大腦從出生起就在實(shí)體空間里接受訓(xùn)練。在接觸屏幕之前，孩子已經(jīng)在三維世界里摸爬滾打了一到兩年——用手和身體觸摸、鼻子嗅聞、嘴巴品嘗、感受物理質(zhì)感，這種多感官的刺激對(duì)大腦發(fā)育是最健康、最有效的。

所以，多奇主張「回歸真實(shí)空間的互動(dòng)」——像真人一樣，陪孩子讀紙質(zhì)繪本，陪孩子玩實(shí)體桌游，陪孩子用紙筆畫畫、搭真實(shí)積木，即使聊天也要能「看見(jiàn)」孩子。多奇的頭頂高清廣角攝像頭可以覆蓋A3紙大小的空間，前攝可以看到孩子的表情反饋。我們沒(méi)有去創(chuàng)造新的玩法和交互，只是把現(xiàn)實(shí)生活中孩子喜歡的玩法和習(xí)慣的交互，用多模態(tài)AI來(lái)重新實(shí)現(xiàn)了一遍。

但實(shí)體互動(dòng)，是否還需要屏幕？

Attention is all LEARNING needs——為什么需要內(nèi)容屏？

我們做過(guò)嚴(yán)肅的思辨和測(cè)算，最終還是決定加上屏幕。原因就是：注意力，是所有學(xué)習(xí)的前提/Attention, is all LEARNING needs——一個(gè)抓不住孩子注意力的老師，再淵博的知識(shí)也無(wú)從輸入。

我在 2019 年設(shè)計(jì)大力臺(tái)燈時(shí)曾經(jīng)歷過(guò)一個(gè)典型案例：起初完全依賴語(yǔ)音指令操作，即使是 7、8 歲的孩子，次月留存只有 30% 多，而加上了UI界面引導(dǎo)，次月留存達(dá)到70+%。就像Duolingo說(shuō)的，沒(méi)有留存，再好的學(xué)習(xí)產(chǎn)品也沒(méi)有用。無(wú)法抓住孩子的注意力，再好的內(nèi)容也沒(méi)有意義。

屏幕的不可替代性（優(yōu)點(diǎn)）和家長(zhǎng)的擔(dān)憂（缺點(diǎn)）都在于：注意力。

• 屏幕的優(yōu)點(diǎn)：屏幕可以顯著提高知識(shí)傳遞效率，所謂「一圖勝千言」，在講解一個(gè)單詞的意思、一個(gè)桌游的規(guī)則時(shí)，再清晰生動(dòng)的語(yǔ)言，也抵不過(guò)一張圖的直白；視覺(jué)是靜默的引導(dǎo)，屏幕能引導(dǎo)孩子在不知道干什么時(shí)，快速找到交互入口；同時(shí)，屏幕是機(jī)器人的“表達(dá)器官”，人與人交流非語(yǔ)言信息占了 70%，對(duì)于手腳不利索的機(jī)器人，屏幕就是它最核心的表達(dá)器官；
• 屏幕的缺點(diǎn)：傷眼睛，一直是中國(guó)父母眼里視屏幕為洪水猛獸的原因（其實(shí)不是，近視的主因是缺乏日照和運(yùn)動(dòng)）。其實(shí)真正的問(wèn)題在于：傷害注意力保持能力——視頻、游戲等為成年人設(shè)計(jì)內(nèi)容的快節(jié)奏強(qiáng)刺激，會(huì)提高孩子保持注意力所需要的刺激閾值。當(dāng)孩子再讀靜態(tài)紙書或者面對(duì)實(shí)體空間的操作時(shí)，注意力的保持就會(huì)出現(xiàn)困難。

用好屏幕：讓孩子的注意力在「實(shí)體內(nèi)容」和「虛擬內(nèi)容」之間合理分配——比如虛實(shí)結(jié)合的桌游；并做好用眼和時(shí)長(zhǎng)的管理——比如距離提醒和時(shí)間管控。

Attention is all LEARNING needs——為什么需要表情屏，還要和內(nèi)容屏分開(kāi)？

有一個(gè)設(shè)計(jì)陪伴產(chǎn)品的重要洞察：情感也是（長(zhǎng)期）注意力保持的有效手段。因此我們做了一個(gè)很多同類產(chǎn)品沒(méi)有認(rèn)真對(duì)待的設(shè)計(jì)決策：把表情屏和內(nèi)容屏分開(kāi)。

人類是喜歡看臉的，表情傳遞的情緒可以吸引人的注意。上一代機(jī)器人很多是腦袋上頂著一塊Pad，表情和內(nèi)容共用同一塊屏幕——這意味著孩子要在機(jī)器人伙伴「臉上」看故事、玩游戲，一旦玩起來(lái)伙伴就「沒(méi)有臉」了。一個(gè)內(nèi)容導(dǎo)向的陪伴產(chǎn)品，大部分時(shí)間都無(wú)法通過(guò)表情和孩子保持情感交流，是不可接受的。分開(kāi)的屏幕，讓多奇在陪伴孩子消費(fèi)內(nèi)容的時(shí)候，依然能夠保持「有臉」，依然是那個(gè)有表情、有情緒、在關(guān)注你的伙伴。

建立陪伴關(guān)系，而非用后就走的工具——為什么需要可愛(ài)的形象？

過(guò)去2年經(jīng)常被問(wèn)到一個(gè)問(wèn)題：所有這些硬件AI能力——視覺(jué)感知、聽(tīng)覺(jué)識(shí)別、語(yǔ)言表達(dá)、內(nèi)容展示——在手機(jī)、Pad、帶屏音箱上理論上都具備了，為什么不做個(gè)App？為什么一定要放進(jìn)一個(gè)有形象的實(shí)體機(jī)器人里？

答案在于孩子的認(rèn)知方式。孩子在兒童階段，習(xí)慣以角色代入的方式理解世界。為什么故事是最有效的學(xué)習(xí)載體——在故事里，一個(gè)吸引人的角色展開(kāi)知識(shí)、講述道理，效果遠(yuǎn)好于成年人的說(shuō)教。一個(gè)萌萌可愛(ài)形象的伙伴，以孩子視角、孩子語(yǔ)言溝通，可以「同伴」身份與孩子迅速建立關(guān)系，這種關(guān)系本身就是學(xué)習(xí)和成長(zhǎng)最重要的土壤。

情緒是人的底層操作系統(tǒng)。孩子的前額葉還在發(fā)育，情緒的穩(wěn)定性和自我調(diào)節(jié)能力都弱。有形象、有情感表達(dá)的機(jī)器人，能夠在孩子情緒波動(dòng)的時(shí)刻提供安撫和調(diào)節(jié)，把孩子的狀態(tài)拉回到適合學(xué)習(xí)的區(qū)間——這是學(xué)習(xí)機(jī)和Pad永遠(yuǎn)做不到的事情。

所以，多奇，一個(gè)坐在孩子面前，陪孩子一起讀書、玩游戲，能看懂、能聽(tīng)懂、能表達(dá)的機(jī)器人伙伴——就是我們對(duì)兒童陪伴機(jī)器人「元型」思考的結(jié)果。

我們踩過(guò)的坑，和找到的PMF

產(chǎn)品從來(lái)不是在白板上設(shè)計(jì)出來(lái)的。過(guò)去兩年，我們做了數(shù)百個(gè)家庭的實(shí)驗(yàn)和持續(xù)迭代，以下幾個(gè)方向的探索，是我們最重要的一手認(rèn)知。

純語(yǔ)音對(duì)話的能力和動(dòng)機(jī)都不夠，過(guò)家家才行

AI大模型的出現(xiàn)讓自然語(yǔ)言對(duì)話體驗(yàn)有了質(zhì)的飛躍，這讓很多人認(rèn)為「語(yǔ)音交互」將成為下一代兒童設(shè)備的主要形態(tài)。我們也做了大量測(cè)試，2023年10月我們用真人線上扮演AI來(lái)模擬與孩子的語(yǔ)音對(duì)話。結(jié)論令人清醒：即使是“媲美真人”的語(yǔ)音交互，孩子的能力、動(dòng)機(jī)和話題都是有限的，很快就會(huì)枯竭。

但我們觀察到一個(gè)截然不同的現(xiàn)象：當(dāng)孩子做角色扮演游戲（過(guò)家家）的時(shí)候，一個(gè)人也可以自言自語(yǔ)地玩很久。但這種玩法必須結(jié)合實(shí)體互動(dòng)，純聊天的方式也玩不下去。因?yàn)閷?shí)體空間里的動(dòng)作和環(huán)境本身就承載了大量信息：讓玩偶躺下代表睡覺(jué)，在空中移動(dòng)代表行走，走到地圖的森林就代表進(jìn)入了森林——孩子只需要專注在角色和劇情里思考和表達(dá)，話匣子就自然打開(kāi)了。

這是我們重要的產(chǎn)品洞察和找到的第一個(gè)PMF：純語(yǔ)音聊天對(duì)孩子不適合，但實(shí)體+多模態(tài)的角色扮演游戲，是孩子天然擅長(zhǎng)且樂(lè)此不疲的交互方式。

AI繪本閱讀：技術(shù)成熟窗口帶來(lái)的爆發(fā)

讀繪本是孩子最喜歡、重復(fù)度最高的活動(dòng)之一，但它極其耗費(fèi)父母的時(shí)間、耐心和專業(yè)知識(shí)。我們?cè)?024年就嘗試過(guò)AI繪本閱讀，但當(dāng)時(shí)的多模態(tài)大模型能力還無(wú)法支撐一個(gè)足夠好的體驗(yàn)。我們嘗試過(guò)多個(gè)AI模型拼接，試了好幾個(gè)月，最終還是放棄了。到了2025年下半年，多模態(tài)大模型有了突飛猛進(jìn)的發(fā)展。我們重新拾起這個(gè)方向，讓多奇「什么書都能讀」——現(xiàn)場(chǎng)識(shí)別文字和圖，結(jié)合孩子的興趣擴(kuò)展講讀、問(wèn)答，媲美真人閱讀。AI繪本閱讀一經(jīng)推出就成為了最受媽媽歡迎、使用頻次最高的功能之一。

文生圖進(jìn)入對(duì)話：意外發(fā)現(xiàn)的機(jī)器人「肢體語(yǔ)言」

我們的工程師把一個(gè)輕量的開(kāi)源文生圖模型部署在了機(jī)器人本地，做到了在孩子說(shuō)完一句話后一兩秒內(nèi)，就把剛才聊到的內(nèi)容生成為一張對(duì)應(yīng)的圖片。一經(jīng)實(shí)現(xiàn)，角色扮演、英語(yǔ)對(duì)話的時(shí)長(zhǎng)就大幅增長(zhǎng)——有孩子說(shuō)，「多奇聽(tīng)懂我說(shuō)的話了，我也能聽(tīng)懂它了」

如果說(shuō)「屏幕是機(jī)器人的表達(dá)器官」，那AI即時(shí)生圖其實(shí)是給了機(jī)器人一種「非語(yǔ)言的語(yǔ)言」，是機(jī)器人的肢體語(yǔ)言，甚至比真正的肢體語(yǔ)言更生動(dòng)、更具感染力。

市場(chǎng)驗(yàn)證：產(chǎn)品進(jìn)入正向循環(huán)

2026年1月，多奇在京東首發(fā)，登上機(jī)器人首發(fā)榜單第二名。截至目前，全平臺(tái)訂單超2萬(wàn)臺(tái)，用戶好評(píng)率達(dá)99%，230余個(gè)線下體驗(yàn)觸點(diǎn)覆蓋書店、機(jī)場(chǎng)專賣店和教育機(jī)構(gòu)。

更重要的數(shù)據(jù)來(lái)自很多用戶：4歲的孩子活躍天數(shù)超過(guò)130天、英語(yǔ)開(kāi)口次數(shù)累計(jì)超過(guò)780次；6歲大孩子在使用多奇120天后，單詞認(rèn)讀從排斥到主動(dòng)求學(xué)，每天使用時(shí)長(zhǎng)30分鐘。

一位家長(zhǎng)寫道：「最驚喜的是游戲化學(xué)習(xí)，娃為了通關(guān)主動(dòng)說(shuō)英語(yǔ)，開(kāi)口次數(shù)比之前半年加起來(lái)都多。」

舊范式的天花板：Hardcoding永遠(yuǎn)追不上孩子的想象力

有了規(guī)模化的用戶數(shù)據(jù)后，我們很快遇到了一個(gè)用傳統(tǒng)產(chǎn)品思維無(wú)法繞過(guò)的瓶頸。

傳統(tǒng)的開(kāi)發(fā)范式是：產(chǎn)品經(jīng)理定義玩法 → 工程師寫死規(guī)則 → 發(fā)版更新 → 發(fā)現(xiàn)用戶更多長(zhǎng)尾需求 → 再排序評(píng)估優(yōu)先級(jí)。這套范式在成人產(chǎn)品里已經(jīng)足夠高效，但放到兒童產(chǎn)品里，會(huì)遇到一個(gè)根本性的矛盾：

孩子越小，越愿意在自己的規(guī)則世界里玩。喜歡臨場(chǎng)發(fā)明場(chǎng)景，道具、語(yǔ)言、情緒、節(jié)奏全部實(shí)時(shí)變化。

我們?cè)谟脩粽{(diào)研中發(fā)現(xiàn)，孩子對(duì)游戲內(nèi)容的消化速度比我們預(yù)期的快得多——一個(gè)季度就能打穿目前的教學(xué)內(nèi)容設(shè)計(jì)。更重要的是，每個(gè)孩子都獨(dú)一無(wú)二，知識(shí)能力、情緒偏好差異極大；媽媽們的需求也非常長(zhǎng)尾碎片，單一標(biāo)準(zhǔn)化設(shè)定無(wú)法滿足個(gè)體的獨(dú)特需要。

用傳統(tǒng)App思維做兒童產(chǎn)品，在交付節(jié)奏和個(gè)性化上，注定越來(lái)越難追上用戶和時(shí)代的節(jié)奏。這不是努力程度的問(wèn)題，而是范式的問(wèn)題。

解決這個(gè)問(wèn)題，需要一次底層的范式轉(zhuǎn)變。

從工具到伙伴：Duoki OS與自進(jìn)化機(jī)器人

2026年，大模型從ChatUI走向多模態(tài)感知、Agentic OS和工具調(diào)用。因?yàn)槲覀儗?duì)「陪伴機(jī)器人元型」的思考設(shè)計(jì)，多奇是市面上少數(shù)具備完整硬件能力（除了運(yùn)動(dòng)以外）的陪伴機(jī)器人，這讓多奇的硬件底座有機(jī)會(huì)率先接住這一次技術(shù)躍遷的能量。

打通「任督二脈」：讓AI自主調(diào)度身體器官

多奇的硬件內(nèi)置了豐富的感知與表達(dá)模塊：頂前雙攝（視覺(jué)多模態(tài)，識(shí)別桌面、表情、道具）、實(shí)體屏幕（把反饋從語(yǔ)音變成可看、可玩、可確認(rèn)）、陀螺儀與按鈕（姿態(tài)、動(dòng)作、手心確認(rèn)，讓游戲進(jìn)入物理世界）、麥克風(fēng)與TTS（聲音的輸入和輸出）。

過(guò)去，這些模塊都被固定代碼寫死——攝像頭只能做某幾種識(shí)別，屏幕只能顯示預(yù)設(shè)的界面，按鍵只能觸發(fā)固定邏輯。而現(xiàn)在，我們正在把這些硬件能力封裝為可被AI直接調(diào)用、通信和自主組合的能力——它們不再是控件，而是各種「身體器官」。

當(dāng)AI可以自主調(diào)度這些器官時(shí)，奇妙的事情發(fā)生了：孩子說(shuō)「我們來(lái)玩一個(gè)恐龍找食物的游戲」，AI可以在當(dāng)場(chǎng)調(diào)用攝像頭識(shí)別桌面上的玩具，調(diào)用屏幕生成一個(gè)即時(shí)的恐龍場(chǎng)景，調(diào)用麥克風(fēng)進(jìn)行口語(yǔ)互動(dòng)，調(diào)用陀螺儀感應(yīng)孩子的動(dòng)作——一個(gè)從未被預(yù)設(shè)過(guò)的游戲，就這樣在幾十秒內(nèi)從想象變成了現(xiàn)實(shí)。

Dreaming Mode：機(jī)器人在孩子睡覺(jué)時(shí)繼續(xù)成長(zhǎng)

但讓多奇真正區(qū)別于其他AI產(chǎn)品的，是我們正在構(gòu)建的「自進(jìn)化」機(jī)制——我們稱之為Dreaming Mode。

真正的住家老師，不是只來(lái)過(guò)一次的臨時(shí)代課老師，而要對(duì)特定的孩子記住、觀察、反思、迭代。而這個(gè)老師也不是搬運(yùn)內(nèi)容的個(gè)體老師，還有一整個(gè)教研+產(chǎn)品研發(fā)團(tuán)隊(duì)來(lái)為她定制需要的內(nèi)容和工具。

具體來(lái)說(shuō)，這套機(jī)制分三個(gè)階段：

• 白天「邊看」：孩子真實(shí)使用時(shí)，多奇記錄錯(cuò)誤率、興趣點(diǎn)、專注度、互動(dòng)偏好和情緒閾值，積累真實(shí)的行為上下文。
• 夜間「邊想」：孩子休息后，多奇整理當(dāng)天記憶，對(duì)齊長(zhǎng)期上下文，生成明天的互動(dòng)策略——比如，昨天恐龍繪本讀得津津有味，討論過(guò)霸王龍的生活，那么今天清晨多奇就生成一個(gè)「營(yíng)救小霸王龍」的復(fù)習(xí)單詞小游戲。
• 清晨「邊改造」：交付家長(zhǎng)報(bào)告、提醒策略和新的即時(shí)應(yīng)用，第二天繼續(xù)驗(yàn)證。

Dreaming Mode：機(jī)器人在人休息時(shí)繼續(xù)整理經(jīng)驗(yàn)，第二天變得更懂孩子。

這套機(jī)制的核心價(jià)值，是讓多奇從「開(kāi)箱即用的AI小外教」，真正走向「共同生活的自進(jìn)化機(jī)器人」——它不再是一個(gè)內(nèi)容消費(fèi)工具，而是一個(gè)會(huì)隨著每個(gè)孩子獨(dú)特成長(zhǎng)軌跡而不斷進(jìn)化的伙伴。

Duoki OS：面向兒童機(jī)器人的Agentic底座

支撐這一切的，是我們正在構(gòu)建的軟件底座——Duoki OS。它的核心能力鏈條是：感知環(huán)境（物理上下文）→理解偏好（興趣與主題）→感知情緒（閾值與節(jié)奏）→調(diào)整玩法（即時(shí)生成）。

在Duoki OS上，我們部署了一整個(gè)Agent Team：伙伴Agent了解孩子的喜好；教育規(guī)劃Agent了解家長(zhǎng)的期待偏好，掌握專業(yè)的學(xué)科知識(shí)和學(xué)習(xí)路徑；語(yǔ)言老師或興趣老師Agent，和PM、Coder Agent一起，負(fù)責(zé)把想法翻譯成可運(yùn)行的應(yīng)用——從「讀繪本」到「生成一個(gè)練習(xí)10以內(nèi)加減法的太空主題游戲」，從孩子的一句話到屏幕上可以玩的程序，整個(gè)鏈路在幾十秒內(nèi)完成。

開(kāi)放創(chuàng)造：當(dāng)AI讓每個(gè)家庭都能定制自己的多奇

這套Agentic能力的開(kāi)放，讓我們看到了一個(gè)比單純「陪伴機(jī)器人」更大的圖景——它是「創(chuàng)造」這個(gè)維度在2026年真正可以落地的方式。

從「內(nèi)容消費(fèi)」到「即時(shí)共創(chuàng)」

以繪本閱讀為例，多奇能做到的已經(jīng)不只是「讀給孩子聽(tīng)」。在我們正在打磨的理想圖景里，孩子讀完一本《月球冒險(xiǎn)》，多奇讀懂主題，提取關(guān)鍵詞匯，陪孩子圍繞月球主題做3到5輪對(duì)話，然后把孩子的薄弱詞匯變成一個(gè)專屬闖關(guān)小游戲，再把得分和學(xué)情回傳給家長(zhǎng)報(bào)告。從被動(dòng)閱讀到主動(dòng)表達(dá)，從內(nèi)容消費(fèi)到游戲化創(chuàng)造，每個(gè)環(huán)節(jié)都由AI即時(shí)重構(gòu)，不需要任何預(yù)設(shè)的內(nèi)容包。

這就是我們說(shuō)的「即時(shí)應(yīng)用（Instant App）」：不是從內(nèi)容庫(kù)里調(diào)取，而是根據(jù)孩子當(dāng)下的狀態(tài)和需求，實(shí)時(shí)生成。這對(duì)傳統(tǒng)學(xué)習(xí)機(jī)來(lái)說(shuō)，是一道不可逾越的鴻溝；但對(duì)于硬件完備、軟件底座扎實(shí)的AI原生機(jī)器人來(lái)說(shuō)，它正在成為可能。

開(kāi)放平臺(tái)：讓每個(gè)家庭都成為內(nèi)容創(chuàng)作者

更進(jìn)一步的故事，是我們正在構(gòu)建的開(kāi)放創(chuàng)造生態(tài)。

孩子的創(chuàng)造力，往往首先通過(guò)最近的榜樣——父母——被激活。當(dāng)一個(gè)媽媽在家長(zhǎng)端對(duì)多奇說(shuō)：「做一個(gè)練習(xí)10以內(nèi)加減法的游戲，孩子喜歡太空主題，用左右鍵選答案」，多奇的PM Agent理解教學(xué)目標(biāo)，Coder Agent生成交互邏輯，幾十秒后，一個(gè)專屬于這個(gè)孩子的小游戲就出現(xiàn)在屏幕上——當(dāng)場(chǎng)可玩。媽媽不需要會(huì)編程，不需要理解產(chǎn)品邏輯，只需要知道自己的孩子。

我們把硬件的各種傳感器能力和通用軟件能力，以MCP接口的形式開(kāi)放出來(lái)，讓AI Coding能夠直接調(diào)用。這樣做有兩個(gè)維度的價(jià)值：對(duì)內(nèi)，我們自己的開(kāi)發(fā)成本大幅降低，原本需要數(shù)周的功能迭代可以在數(shù)天內(nèi)完成；對(duì)外，它意味著任何人——有教學(xué)心得的育兒達(dá)人、英語(yǔ)啟蒙領(lǐng)域的名師、甚至是有想法的家長(zhǎng)——都可以基于這個(gè)平臺(tái)，把自己的教育理念變成孩子可以玩的游戲和應(yīng)用。

這套邏輯最終通向一個(gè)技能市場(chǎng)（Skills Marketplace）：英語(yǔ)啟蒙達(dá)人、數(shù)理啟蒙名師、兒童教育專家有教學(xué)心得但不一定會(huì)寫代碼，多奇的PM Agent+Coder Agent把這些專業(yè)經(jīng)驗(yàn)翻譯成可運(yùn)行的技能包，在技能市場(chǎng)流通。

AI時(shí)代孩子創(chuàng)造力的真正釋放

我們?cè)诘谖宀糠种v到，「創(chuàng)造」是孩子內(nèi)容需求的最高層次，也是最難被滿足的一層。過(guò)去，創(chuàng)造需要兩個(gè)前提：一個(gè)低門檻的工具，和一個(gè)能給出即時(shí)、有質(zhì)量反饋的引導(dǎo)者。現(xiàn)在，這兩個(gè)前提同時(shí)成立了。

AI Coding讓孩子的想法變成可運(yùn)行的應(yīng)用，多模態(tài)感知讓機(jī)器人真正看見(jiàn)孩子在做什么，Dreaming Mode讓機(jī)器人記住孩子的偏好并持續(xù)進(jìn)化——這三件事疊加在一起，才構(gòu)成了真正意義上的「創(chuàng)造力培養(yǎng)飛輪」：孩子創(chuàng)造 → AI感知并給出反饋 → 成就感激發(fā)更多創(chuàng)造欲 → 機(jī)器人夜間整理，第二天生成更好的引導(dǎo) → 孩子更愿意創(chuàng)造。

在我們看來(lái)，這不是一個(gè)教育工具的功能升級(jí)，而是一個(gè)新物種的誕生：第一臺(tái)真正意義上，能夠隨著孩子成長(zhǎng)而進(jìn)化、能夠激發(fā)孩子創(chuàng)造力而非被動(dòng)輸入內(nèi)容的兒童智能伙伴。

機(jī)器人 vs 學(xué)習(xí)機(jī)/Pad：維度差異，而非功能競(jìng)爭(zhēng)

這個(gè)問(wèn)題被投資人經(jīng)常問(wèn)到，也是用戶會(huì)有的核心疑問(wèn)。我們的判斷是：機(jī)器人是比學(xué)習(xí)機(jī)和Pad更高維度的產(chǎn)品形態(tài)。

所謂更高維度，是說(shuō)機(jī)器人包含了學(xué)習(xí)機(jī)和Pad的全部?jī)?nèi)容工具屬性，但在此之上還有它們沒(méi)有的能力。

如果機(jī)器人具備和學(xué)習(xí)機(jī)同等大小甚至更大的內(nèi)容展示能力，那么學(xué)習(xí)機(jī)能做的事情幾乎都可以在機(jī)器人上實(shí)現(xiàn)。但機(jī)器人還具備實(shí)體空間的多模態(tài)感知能力，它的身體形態(tài)本身可以作為角色扮演游戲的載體，它可以參與孩子在三維空間里的身體互動(dòng)，它可以成為孩子的「伙伴」而不只是「工具」。

最關(guān)鍵的差異在于情緒和自進(jìn)化兩個(gè)層面。

情緒是人的底層操作系統(tǒng)——一個(gè)孩子在情緒崩潰的時(shí)候，所有的認(rèn)知輸入通道都是關(guān)閉的。學(xué)習(xí)機(jī)和Pad沒(méi)有情緒感知，沒(méi)有情感陪伴，當(dāng)孩子狀態(tài)不好的時(shí)候，它們束手無(wú)策。而機(jī)器人，如果真正建立了與孩子的情感關(guān)系，就可以先穩(wěn)定孩子的情緒，再引導(dǎo)學(xué)習(xí)和創(chuàng)造。

自進(jìn)化則是另一個(gè)更長(zhǎng)期的維度。學(xué)習(xí)機(jī)的內(nèi)容是固定的，Pad的App是通用的，它們都不認(rèn)識(shí)你家這一個(gè)孩子。但多奇的Dreaming Mode讓它每天都在進(jìn)化——它越來(lái)越認(rèn)識(shí)這個(gè)孩子，越來(lái)越知道什么時(shí)候講恐龍、什么時(shí)候切換到輕松話題、什么程度的英語(yǔ)挑戰(zhàn)最能讓孩子感到成就感。這種持續(xù)積累的「懂你」，是學(xué)習(xí)機(jī)永遠(yuǎn)無(wú)法復(fù)制的。

陪伴（情緒）→學(xué)習(xí)→創(chuàng)造：這三者之間有內(nèi)在的邏輯鏈條。情緒是基礎(chǔ)，學(xué)習(xí)是路徑，創(chuàng)造是目的地。而自進(jìn)化，是貫穿全程的生命力。

我們相信這件事值得做

做兒童產(chǎn)品，有一個(gè)獨(dú)特的體驗(yàn)：你永遠(yuǎn)知道你做的事情是有意義的。每一次看到孩子和多奇互動(dòng)時(shí)眼睛里的光，每一次看到孩子用多奇完成了一次英語(yǔ)表達(dá)、讀完了一本繪本、創(chuàng)作出了一個(gè)自己的故事，我們都會(huì)更加確信這件事值得做。

這個(gè)市場(chǎng)的時(shí)機(jī)，也從未像今天這樣清晰。多模態(tài)AI的能力已經(jīng)足以支撐真正有質(zhì)量的即時(shí)互動(dòng)；Agentic OS讓「即時(shí)生成玩法」從設(shè)想變成了可運(yùn)行的產(chǎn)品；實(shí)體機(jī)器人的硬件成本已經(jīng)降低到可以做出有形象、有內(nèi)容、有交互的產(chǎn)品；中國(guó)家長(zhǎng)對(duì)教育和創(chuàng)造力培養(yǎng)的需求達(dá)到了前所未有的高度；而「兒童AI原生硬件」這個(gè)品類，依然是一片真正意義上的藍(lán)海。

我們?cè)?026年的產(chǎn)品演進(jìn)方向，也正在回答一個(gè)更大的問(wèn)題：當(dāng)AI能夠讓硬件自我進(jìn)化，當(dāng)每個(gè)家庭都能參與定制屬于自己孩子的伙伴，當(dāng)一臺(tái)機(jī)器人在孩子睡著之后還在為明天的陪伴做準(zhǔn)備——孩子與AI的關(guān)系，將從「使用工具」變成「與伙伴共同成長(zhǎng)」。

這是我們最想做成的事。

——奇點(diǎn)靈智·多奇團(tuán)隊(duì) 徐毅斐

寫于2026年六一前