11月5日，消費硬體領域有了重要的人事變動，Meta AR眼鏡業務負責人Caitlin Kalinowski正式加盟OpenAI，擔任機器人和消費硬體負責人。媒體評論稱，“這預示著OpenAI不僅要在軟體領域稱霸，更野心勃勃地想要透過硬體產品重新定義人機互動的未來”。
如今市場中已經出現了一些基於AI技術的硬體產品，巨頭入局，會讓這個市場發生什麼樣的變化？究竟哪些因素影響著消費硬體的發展走向？具備什麼樣優勢的硬體能夠一枝獨秀，避開與電腦、手機這類強勢通用裝置的競爭？
借用橋水基金創始人瑞·達利歐（Ray Dalio）的一句話：“歷史雖不完全相同，但歷史的模式常常重複。”或許我們能從早期矽谷軟硬體企業的創業創新中，為當下的AI硬體創新找到一些思路。
冰鯨科技創始人潘鑫磊詳細研究了硬體行業的發展歷史。在梳理了1980年代的晶片革新、PC的起步與滲透、1980-1990年的Dos與Windows 1.0系統變化之後，他發現晶片、系統、應用以及人機互動方式這四個關鍵因素不斷迭代，相互促進，深刻影響了PC產業的生態演進。
回到當下，AI大模型的出現，讓四要素髮生了變化。在晶片層面，GPU、TPU等晶片讓算力不斷提升；在系統層面，大模型可能會逐漸與系統融為一體；在終端層面，使用者與裝置互動產生的私有化資料會更有價值；前三個要素的變化，也會催生出新的應用。我們或許會見證一種全新的存算一體的計算裝置的誕生。未來，它的地位可能與手機、筆記本，甚至公有云都有所不同。
我們將潘鑫磊在峰瑞的內部分享編輯成文，峰瑞資本投資人孟長潔在文末補充分享了對AI硬體領域的投資思考，希望能提供新的視角。
/ 01 /
PC崛起、資訊化程序，
與硬體發展四要素
20 世紀 80 至 90 年代，是PC崛起的第一個頭十年。PC行業的發展可以被簡單概括為：始於硬體，興於應用，終於生態。
這一時期的前五年，晶片技術的突破、IBM PC的釋出、再到WordPerfect 等大量生產力應用的繁榮，推動了PC上半場的蓬勃發展。在下半場，GUI（圖形互動介面）與圖形應用崛起。在“激烈廝殺”中，微軟逐漸成為“生態級玩家”，其釋出的Office，逐漸吞併原有應用層的產品，為1990-2000年的第二曲線打下了紮實基礎。
梳理PC硬體發展的過程中，我發現了四個關鍵因素，分別是晶片、系統、應用以及人機互動方式。這些關鍵因素不斷迭代，相互促進，深刻影響了PC產業的生態演進。
▎矽谷的1980年代：群星閃耀時
今天OpenAI、Google和微軟在定義基於大模型的"智慧時代"。如果我們回到1976年PC誕生所構建的"資訊時代"早期，那是Apple I誕生的時刻。這臺電腦是由喬布斯和沃茲尼亞克在一個名為Homebrew Computer Club的極客社群中釋出的，定價666美元。當時的Apple I在極客社群裡的釋出，就好比今天新產品在Kickstarter發起線上眾籌。這臺電腦只面向極客使用者，需要手動組裝零件，早期銷量不過200多臺。但這款產品奠定了蘋果的基石，幫助喬布斯和團隊積累了第一批種子使用者。
緊接著，蘋果在1977年釋出了Apple II，這一代產品不僅在外觀上更為精緻，增加了彩色顯示，還加上了擴充套件插槽和一體化機箱，讓極客們更容易擴充套件和DIY，其他核心規格其實沒有太大變化。Apple II的釋出是個里程碑，它定價1250美元，遠低於當時價格高昂的商用計算機。
4年後，IBM的行動有些耐人尋味。據說IBM迫於市場壓力，派出一個12人的精悍小團隊，以行業老大的姿勢，啟動代號“Project Chess”的專案。作為當時的領軍企業，自然需要擲地有聲。他們推出了IBM PC。IBM PC基於Intel處理器，採用開放式硬體架構。IBM這一舉動毫無疑問是劃時代的，定義了整個PC產業的開放標準，為所有其他廠商製造相容裝置打開了大門。從這個角度看，如今Facebook開放Oculus設計給第三方廠商，似乎也是相似的邏輯。
故事的另一面，IBM與微軟的系統合作，也為後來事情的變化埋下了種子。如今網際網路領域最重要的生態體系之一——Wintel生態（由Intel的晶片和Windows系統構成的）發端於此，但後來IBM在這個故事中逐漸“沒了姓名”，我在下文接著展開。
再回到矽谷的1980年代，康懋達國際（Commodore International）也是一家值得關注的公司，雖然它沒有走得很遠。但在早期，它採用了幾個關鍵策略。1982年，它以595美元，高性價比的定位，推出了康懋達64（Commodore 64）新款計算機。這款產品具備當時領先的圖形和音訊處理能力，受到使用者歡迎。同時，Commodore不止著眼美國，還優先開拓歐洲市場。依託歐洲當地的分銷網路和廣告投放，這家企業一度過半的收入來自歐洲，為其佔領全球家用電腦市場奠定了堅實基礎。
為什麼蘋果、IBM以及康懋達國際能夠把個人電腦的價格“打下來”？
關鍵是晶片。毫無疑問，晶片是PC產品的基礎，如同當下Nvidia以及雲平臺助推了OpenAI。PC產品的發展離不開晶片成本持續下降和“剛剛好的”算力。只有電腦做到適合使用者使用而且價格合適，才有機會進入大眾市場。
IBM PC最早採用的Intel的8088晶片就是個典型例子。8088相比前代 8086在匯流排位數上做了調整，成本因此得以下降，這也讓它成了IBM PC 的核心晶片。
一個有趣的細節是，早年PC裡的8位處理器，計算效能完全比不上現在的 ARM 處理器，和你家電冰箱或微波爐的顯示器相當。也就是說，1980年的計算機，實際上就是你家電冰箱的計算水平。回頭看，早期的電腦並沒有大家想象中的那麼強大，就為整個PC產業和網際網路的發展奠定了基礎。
其實，當時IBM主打的商用和軍用計算裝置非常龐大，算力也較強，但面對個人PC市場，或許沒必要那麼“硬核”，IBM選擇了“降維打擊”。8088則正好拉低了一個檔次，帶來了平衡的算力，同時成本也更低。8088晶片有點像今天的NAS，把商用伺服器簡化到更適合家用的算力和體積，讓個人也能擁有小型計算解決方案。
如果說，今天英偉達的H200是商用的領導者，那AI PC或者AI NAS將模型帶入各個計算終端的ASIC晶片會是誰在研發？我觀察到，目前在AI晶片領域，峰瑞投資了一些企業，它們致力於研發下一代針對大模型場景的算力晶片。
在使用者運營方面，就像今天圍繞著大模型，在Reddit上有ChatGPT，LocalLLM，Stable Diffusion等一眾子頻道。每個時代的早期，大量傑出的人才和想法都源於線上線下社群。
這對今天的中國也沒有那麼陌生，因為早年的網際網路進來的時候，也有很多大佬跑深圳，混跡於BBS裡面，然後分散到各個產業裡面。今天清華系的創業者們，圍繞著大模型，也有類似屬性的線上線下空間。
然而，重要且有趣的一件事是，這些社群會在長達 10 年的發展過程中逐漸消失。它們的“宿命”，是在創新活躍時極度繁榮，但等到行業成熟、巨頭出現時，其熱度逐漸消退。像Homebrew Club，包括今天的模型產業、3D 列印、四軸飛行器，都是這種“先興後退”的模式。
▎系統的演進：每一代系統，都標榜自己"友好的互動介面"
晶片在硬體層面提升PC，作業系統則在軟體層面重塑PC。
就像今天基本上只有演算法工程師能“fine-tune”模型一樣，大概在1979年，僅有萬把矽谷工程師在搗鼓 DOS 系統（Disk Operating System，磁碟作業系統的縮寫，是個人計算機上的一類作業系統）。那時DOS系統完全是基於程式碼命令列操作，還沒有圖形介面。彼時，作業系統還遠遠沒有滲透到企業和大眾使用者的日常使用中。
直到1981年，隨著IBM推出首代PC，DOS系統逐漸獲得了更多的關注，但它仍然是不帶GUI（圖形介面作業系統）的命令列版本。所以，當時的計算場景跟現在的AI很像：需要大量技術極客和工程師反覆調整、整合，才能做成具體的應用。
真正讓PC和作業系統觸達企業端的是施樂公司（Xerox）釋出的“施樂之星”。這是世界上率先能實現商用的，擁有GUI的計算機。它有位元位螢幕、圖形介面以及滑鼠，並且可以訪問電子郵件。GUI讓PC迎來了第一波大眾使用者的增長。
1984年，蘋果推出的GUI進一步將使用場景擴充套件到創意、教育等細分領域，讓作業系統進一步向大眾普及。
值得一提的是，在PC發展的頭十年，DOS系統和GUI系統並存了很長時間，不少PC公司同時要維護兩套系統，以滿足不同場景的需求。DOS和GUI的目的是一致的，都是為了操作裝置，但是面向的受眾不同。前者以命令進行操作，但更輕量化，更針對專業使用者，後者以圖形介面進行操作，更大眾化。
▎1980年的早期應用生態，今天我們眼中的“Killer App”
伴隨著系統和電腦硬體能力的提升，早期應用逐漸發展起來。日漸豐富的應用，推動更多的企業與個人使用者接觸、購買電腦。我們來回顧下一些代表性應用，從中我們得以窺見，在PC生產力革命中，應用的滲透路徑。
這些早期應用發端之時，市場尚未達到消費級規模，它們主要圍繞生產力場景構建。
比如，最早在辦公領域，1980 年，WordPerfect問世，類似於Microsoft Word，在早期主要應用於法律和學術領域。
緊接著在1982年，Lotus公司推出Lotus 1-2-3軟體，載入在IBM PC中。Lotus 1-2-3是一款著名的電子表格軟體，類似於我們現在使用的Excel。
Lotus 1-2-3問世兩年後，Intuit公司推出的Quicken進一步優化了使用體驗，拓展了更多應用場景。它改進了原有DOS系統的互動介面和可配置性，針對小型企業的財務管理需求進行深入開發。它切入了細分市場，拓展了場景縱深，錯開了與後發者Excel的直接競爭。
在學術研究領域，相較於傳統紙質文稿，使用PC協同修改、儲存文稿，顯著提高了使用者的效率。在檔案傳輸、郵件交流和文字編輯等場景中，PC在學術界的滲透率非常高。
1980 年代末，隨著CPU算力和GUI處理能力的增強，軟體開始對印刷、廣告設計等行業產生重大影響，傳統的設計流程（手工繪圖和排版）開始向數字化轉型。1989年，Corel公司釋出了CorelDraw軟體，這是首個結合向量圖形設計和桌面出版功能的軟體。類似於後來的Photoshop，為使用者提供了專業的影像處理功能，用於編輯出版，創造營銷物料。
這些應用的早期定價相當高昂。例如，Lotus 1-2-3 的定價為495美元。根據世界銀行資料，1982年美國人均國民總收入為1.42萬美元，平均每月為1183美元，相當於買一款軟體，要用掉半個月的收入。可以說，早期的軟體主要面向具有強大付費能力的使用者。
在生產力場景之外，一些面向娛樂場景的遊戲軟體逐漸發展。比如，1995年，《微軟模擬飛行》這款遊戲，讓人們能夠在家實現當飛行員的夢想，吸引了喜歡探索和嘗試的使用者。
可以看到，早期的PC生態由重度的生產力工具與一些有趣的遊戲應用共同構建而成，從產業和學術研究場景起步，逐漸破圈。然而，這個過程非常漫長，因為底層的DOS和GUI技術發展比較緩慢。
這些早期應用所滲透的商業場景，也與當下的時代脈搏遙相呼應。或者說，當下的AI應用方向，與早期軟體行業的發展路徑如出一轍。比如，Google釋出的NotebookLM讓人眼前一亮，這是一款基於AI的筆記管理工具。我們也看到一些創業公司在做法務和財務知識庫類的ToB AI應用。此外，AI遊戲在這兩年快速湧現，包括各種層出不窮的Chatbot、開放世界、遊戲Agent、AI NPC等等。
類似地，就像早年應用的爆發受限於底層的DOS和GUI技術的發展程序，當下，雖然OpenAI釋出了影片生成模型，但還未迅速應用於實際場景，一個原因是還要等待計算資源和GUI技術的成熟需要時間。因此，充分考慮不同技術發展要素可能出現的時機，顯得至關重要。
總結1980年代的應用生態來看，Wordperfect與Lotus的表現可圈可點，Lotus抓住了視窗期，快速發展起來。Wordperfect交出了5年800萬用戶的成績單。但是，微軟和蘋果花了近8年時間打磨作業系統，Windows Office問世，讓這些應用的競爭出現了全新的態勢。而另外一邊，Quicken、CorelDRAW以及遊戲類應用則各自在自己的使用者群中以更慢的速度，逐漸發展起來。
▎“Killer App”案例：PC領域的“生態級玩家”——微軟
微軟是PC領域生態級的玩家，當我們梳理微軟這家公司的發展脈絡之後，可以發現他的崛起並非只源於產品力，而主要得益於出色的商業策略。
早在起步階段，微軟就展現出了敏銳的商業嗅覺。1980年，微軟購買了名為86-DOS的第三方作業系統（是的，買來的）。這一舉措使微軟成為 IBM的重要合作伙伴。不過，微軟迅速與其他硬體廠商展開合作，打破了與IBM的獨家合作關係。
從80年代至90年代，微軟經歷了一些關鍵的發展節點。
1981年，微軟釋出MS-DOS 1.0。1983年，微軟開始推出文字編輯軟體，功能類似當時市場占主導地位的WordPerfect。這種 "以關鍵應用拉動系統銷售" 的策略，一直伴隨著微軟。
1985年，微軟釋出Windows 1.0， 抓住了圖形使用者介面（GUI）增長的機遇。此後，微軟一方面透過授權第三方來拓展Windows 1.0的市場，另一方面在1985年 開始向用戶直接銷售Windows 1.0。
彼時，Lotus公司推出的定價495美元的表格軟體，已經佔據超過一半的市場份額。所以我們不難理解，前微軟CEO史蒂夫·鮑爾默在電視購物平臺推廣Windows 1.0時，反覆強調：“我們的系統提供棋類遊戲、電子表格和影像處理功能，只要99美元，不是500或600美元。”
微軟需要同時維護DOS和Windows 1.0兩套系統，在相當長的一段時間裡，幾乎無暇顧及應用層的開發。儘管如此，微軟仍在持續成長。1989年，微軟釋出了Microsoft Office，佔領了應用層的大量市場份額，為其後續的發展奠定了堅實的基礎。
值得注意的是，Windows 1.0的釋出比施樂的GUI系統整整晚了四年，這一定程度上反映出作業系統需要經歷漫長的研發過程。早期的Windows在最初的兩三年裡，銷量僅為上萬臺，但在其誕生後的8年內，累計出貨量達到了五六百萬臺，增長曲線極為陡峭。
如果類比到當下，哪些AI應用會成為新的生態級玩家？MicrosoftAzure、OpenAI、iOS將以怎麼樣的角色，參與到AI時代的作業系統？哪些AI應用能夠抓住發展的視窗期？大模型公司又會如何影響應用層的創新機會？對於這些問題，透過歷史來，我們應該能夠窺探一二。
▎新的互動方式，讓電腦逐漸進入大眾消費市場
儘管計算機技術起源於北美，有些歐洲發達國家早早透過海運引入了PC裝置。
上文提到，早期PC主要聚焦於生產力場景。直到1989年，影像處理等應用開始湧現，才帶動PC切入遊戲等新使用場景。即便後來出現了對使用者更友好的GUI系統，PC也一直未能大範圍進入大眾消費市場。PC真正進入普通家庭，是在1994年左右。隨著網際網路的興起，以及網景瀏覽器的誕生，越來越多在公司使用電腦的人，開始在家中購置裝置。
PC進入大眾消費市場的過程中，一個值得一提的變數是人機互動方式的演變。新的技術要贏得消費級市場實現普及，往往離不開新的前端互動方式或裝置。比如，滑鼠的引入，構建了全新的人機互動模式，極大地增加了PC 的滲透和網際網路技術的普及。比如，觸屏這種互動方式在手機和移動網際網路的普及過程中起了重要作用。
當下，新的LLM、Agent、多模態等技術走向大眾市場可能也需要新的互動入口。由於晶片算力的提升，裝置後端的處理能力更加強大，前端進一步往輕量化、便捷化的方向發展。未來的硬體可能會進一步減少對前端的依賴，使用者在後端發出一個指令，裝置就能自動完成任務。我留意到峰瑞也在關注類似AI/XR眼鏡、AI耳機等各種各樣的AI可穿戴裝置。
在PC時代，技術產品的演進路徑是從提高生產力的工具，到在消費級市場迎來爆發性增長。如今，資訊傳播速度飛快，AI是否能賦能更多的消費級場景，仍需時間驗證。在早期階段，我們可能仍然需要關注能夠提高生產力的場景。除了大企業需求之外，全球持續增長的自由職業人群，會是軟硬體新品服務的核心群體。
▎小結：影響早期硬體行業的“四個要素”
回顧了PC行業早期蓬勃發展的十年，我們可以總結出其發展脈絡上的四大要素：晶片、系統、應用、終端。
首先是晶片，或者說儲存和計算單元的演進。
自1980年代以來，雖然晶片和儲存的成本有所下降，但難以顯著降低，這與摩爾定律有關。簡單來說，當舊制程的晶片成本降低了，人們又需要研發成本更高的先進製程晶片。
今天，人們為了應對海量資料儲存的挑戰，在雲計算之外，部署了邊緣計算，將部分資料分析功能放在終端。因此，降低AI推理晶片的成本，與此同時，推進以AI計算為底層邏輯的IDC基礎設施，成為重中之重。
其次是作業系統。這個早期不起眼的中介軟體，其實承擔了資源管理、裝置適配等關鍵任務。在技術發展的長河裡，我們已經看到了作業系統的長期爆發力，比如我們熟知的Windows、iOS系統。
再次是應用。早期的殺手級應用可以賺錢，但如果不切入到更縱深、垂直的場景中，最終可能被取代。通常應用層是在系統層之上的，那麼，應用廠商能下沉到作業系統層嗎？歷史上，貌似只有Google實現了“半步”，將自己的應用整合到作業系統中銷售。今天，什麼樣的AI應用會被模型公司吃掉，是AI應用創業者和投資人需要深思的問題。
最後，是作為互動載體的終端硬體產品，實現商業化價值。以PC為例，早期，人們購買的是PC這個硬體作為互動載體，但隨著作業系統平臺的建立，硬體本身的重要性相對降低。平臺為王的時代，作業系統不僅創造了使用者價值，也孕育了豐富的應用生態。這一現象在移動網際網路時代也得到了驗證。
▎90年以後，一些我們更熟悉的故事
我們簡單帶過1990年後的故事。1990年代，我們迎來了英特爾奔騰處理器的釋出、網際網路應用的爆發、Windows 98的誕生、計算機外部裝置連線標準USB 1.1，以及筆記型電腦的小型化與輕薄化，也就是我們常說的上網本和超極本。這一系列技術革新，指向了計算機發展脈絡的不變趨勢 —— 網際網路真正走進了千家萬戶。
在這個時期，CPU進一步輕量化，USB 1.1的問世讓外設的擴充套件更加便捷，滑鼠等裝置的連線也變得輕而易舉。網際網路的興起，使得大規模的消費者開始使用個人計算裝置。
值得注意的是，PC的發展揭示了一個明確的趨勢：輕量化和便攜性。
這裡就不得不說到中國深圳的硬體行業發展。2000年初，當時有兩撥人：一撥是來自中國臺灣的組裝廠，早期主要活躍於寧波和深圳；另一撥是在深圳本土組裝PC的創業者，這也奠定了深圳作為消費硬體產業叢集地的基礎。與此同時，就像80年代矽谷的那些極客一樣，一批中國極客開始打造、組裝自己的電腦，這些人成為了PC的種子使用者。
我曾與聯想的朋友交流過，在他們市場滲透的初期，已經有了瀏覽器的存在，留給中國廠商的創新空間已經很少，各大廠商只好做些小的使用者體驗層的創新，但事實證明，也是非常有效的。聯想透過開發簡潔的撥號上網應用程式，極大程度降低了消費者聯網的學習門檻，幫助他們迅速佔領市場。隨後，組裝機逐漸退場，以聯想為代表的品牌機的時代來臨。耳熟能詳包括：方正，清華同方和神州等品牌。
回顧PC的發展歷程，不變的是：裝置走向了便攜化，越來越輕薄，人們可以隨時隨地進入數字世界；裝置的功能從早期的生產力工具轉向眾多場景。那麼，AI或者說大模型的應用會先在哪些垂直行業落地？AI的能力何時時會實現泛化？這與背後的計算能力、裝置形態、作業系統的成熟度都密切相關，它們是相互耦合的。
現如今，AI晶片等新變數，例如GPU、TPU 以及RISC-V，又推動了系統的演進，而系統的變化將穿透到應用層面。當時機成熟，端上爆發出許多有趣的AI原生應用，讓本地的Copilot變得更加強大。然而，這其中的產業鏈要素非常多，需要我們深入思考，並觀察關鍵玩家的變化。
▎什麼讓新硬體成立？專用裝置 vs. 通用計算裝置
在梳理PC領域發展的過程中，我意識到了一個非常有趣的問題：如今多種形態的AI硬體，可以與當年的PC發展做類比嗎？哪些裝置創新被PC吞噬了，哪些卻沒有？當時的PC如此強勢，正如今天的手機、筆記型電腦和雲計算。那麼，哪些場景出現了專用裝置與通用裝置的分離，而非被一個大一統的裝置通吃？
一定會被提到響亮的名字是，任天堂！1983年，任天堂推出第三世代遊戲機，實際上這款遊戲機使用的晶片與蘋果一代、二代完全相同，但它卻成為了一個專用裝置。直到今天，索尼公司出品的PS5、微軟研發的Xbox依然在硬體領域佔領一席之地，也是相同的道理。因此，當垂直場景在計算需求、系統需求、使用者需求、互動方式等方面有足夠的深度時，就有機會形成獨立的專用裝置品類。
摩托羅拉於1999年釋出的PDA也是如此。雖然它使用相對滯後的低算力硬體，但卻滿足了個人數字助理的需求。當時的PDA只是一個低成本的資訊管理工具，可以記錄日程和聯絡人，價格比PC低很多。PDA在便攜裝置的發展歷程中曾佔據了一個獨特的小生態位，沒有被PC吞併，並且可被視為手機的前身。
/ 02 /
今天的AI硬體與應用，
以及新機遇
回到當下，雖然產業鏈要素髮生了變化，但不變的是人們對資料獲取、生產和傳播的需求。在抽象層面上，人們的需求從透過GUI操作，轉向智慧化的代理（Agent）直接完成任務。
有了Copilot，創作者可以輸入一些上下文，讓機器幫助他們獲取創意指令碼，或瞭解同行在做的產品。企業可以透過一個Agent，即時追蹤行業相關的所有創新動態，自動生成每週報告。
這些獲取、生產資料的方式，將變得更聰明。而這種載體一定與傳統PC不同，它可能是一個始終線上、即時運算的計算裝置。過去，人們需要透過滑鼠和GUI操作來提高生產力；而當人工智慧直接被嵌入計算裝置時，它可以獨立採取行動。這意味著，人機互動方式可以不依託滑鼠和顯示屏。你可以傳送一個任務，人工智慧就能直接完成。這些變化會催生新的硬體互動形態。
而這一切將如何實現，我們也能從過去40年的PC發展史裡找到一些答案中看到一條脈絡。因為，這些底層的場景訴求具有一致性。GPT驅動的新生產力變革，早期大機率會聚焦能提升生產力的場景，猶如Dos時期的Lotus 123。如果我們試著結合之前提到的遊戲產業、影像處理產業，以及生產、獲取、傳播資料的方法，理論上能發現許多新的應用場景。
▎新的生產要素，如何影響硬體創業？
AI大模型的出現，讓四要素髮生了變化。在晶片層面，GPU、TPU等晶片讓算力不斷提升；在系統層面，大模型可能會逐漸與系統融為一體；在終端層面，使用者與裝置互動產生的私有化資料會更有價值；前三個要素的變化，也會催生出新的應用。我們或許會見證一種全新的存算一體的計算裝置的誕生。未來，它的地位可能與手機、筆記本，甚至公有云都有所不同。我試圖用一張表來清晰地羅列出它的特點。
從生產力場景起步，不同的速度滲透進入各場景。
-
大模型與新作業系統：大模型是智慧化的發動機，它很可能將和作業系統融為一體。如今微軟推出的雲計算服務平臺Azure的增長，Windows的動作以及OpenAI探索AppStore模式，都在表現出不同玩家爭奪新系統身位的早期態勢。 -
GPU或者ASIC算力：在1980年代，Intel是硬體領域的佼佼者，當下，NVIDIA風頭正盛。GPU和大模型的專用計算裝置正在變得智慧化，我非常看好ASIC晶片（Application Specific Integrated Circuit，一種為專門目的而設計的積體電路，而非通用晶片）和NPU。這些裝置如果快速迭代，可能會在2030年之前催生新應用。 -
私有化資料：資料依然是新石油。對於AI而言，獨特的組織內部或專有的高質量資料資源，或機器獲取的私有化資料，是訓練和生成的關鍵資產。 -
AI應用：從行業發展回顧中，我們可以看到應用不是獨立於系統和硬體存在的，而是研發者基於系統和硬體現狀，對於場景價值的挖掘與探索。成功的關鍵在於對系統和硬體載體能力的理解，對使用者的理解，以及對時機的把握。
資訊科技一直朝著便攜的方向前進，這是人們長期的需求，比如，我們的電腦從沒法移動的PC變成了隨身攜帶的電子筆記本。然而，裝置要想實現便攜性，它的計算能力和續航就會受限，進而限制其能夠執行的模型智力水平。當前手機能夠執行的模型引數通常在3B引數級別。相較之下，私有云能夠執行的模型引數在數十B級別，公有云則在百B級別。
這意味著，當Windows或者下一代安卓系統準備就緒時，它們可能會以3B級別的模型和Copilot作為基礎，啟發新一代的AI應用，例如AI驅動的瀏覽器、郵件回覆Agent、AI辦公軟體、AI收藏夾、文件檢索總結Agent等。這是手機和筆記本必然會經歷的階段，因為從矽基工藝角度來看，每瓦特的AI算力不會快速發生巨大的變化。
另一方面，則是基於公有云的超級人工智慧。在過去10年雲計算的高速發展中，雲已經成為公認最有價值的AI核心基礎設施。但云已經暴露出自己的問題：AI時代，每個人和組織，是否願意將自己所有的資料交給一家AI公司？或者說你是否願意將淘寶、微信和資金賬戶的訪問許可權全部交給單一的廠商？這顯然是個巨大的心理成本。一個可能的方向是，雲開始在最頂層發揮作用，廠商透過API呼叫方式來發送任務，在這個過程中，AI透過強大的模型能力，來為廠商提供相應的資料。
在AI應用和公有云這兩者之間，出現了構建全新系統和硬體的機會。這種作業系統或許能像一個智慧代理，執行在24小時通電的裝置上。你可以透過手機或筆記本向它傳送任務，它會在後臺自動執行。它擁有巨大的資料儲存容量，且由於沒有算力限制，可以配備百瓦級的GPU，提供約200 TOPS 的AI算力，以確保足夠聰明。具體而言，它可能是一臺私有云裝置，所有資料都在本地，服務於家庭和小型組織的儲存與計算需求。
▎新裝置可能最先觸達的使用者：創作者、工程師與知識工作者
這種新裝置會以什麼樣的形態出現呢？目前討論得比較多的是AI眼鏡、AI耳機，我認為，極有可能出現一種始於生產力，提升進而拓展為消費級的個人計算裝置，它甚至是存算一體的。
基於這些判斷，我創立了冰鯨科技。2021年，我們的第一款私有云產品開始在海外眾籌網站釋出，吸引了極客人群的關注。透過訪談和調研，我發現，不只是極客工程師群體，創作者與知識工作者群體，也有大量資料資產的管理需求，需要生產力工具來解決他們在儲存和協作方面的痛點。這與早期PC的滲透路徑類似，瞄準那些願意付費、對生產力有強烈需求的使用者，切入全新的戰場。
在產品迭代的過程中，我們希望透過面向垂直場景，為創作者提供私有云的解決方案，來實現商業化變現。
再次回到我們在前面講到的始於硬體，興於應用，終於生態。對我們來說亦然。硬體是起點，但應用才能帶來更大價值。我相信開放的生態，社群化的運營方式，能夠幫助我們更早地吸納湧現出來的各種應用，就像矽谷早期的極客社群那樣。
▎1980年的矽谷vs.今天的中國:AI計算時代，中國的結構性機會
可以預見，未來十年，在資訊裝置領域，大機率是軟硬體混合的結構性創新。這對創業公司的入場門檻有較高的要求。我認為，在這個方向，將有機會誕生出非常獨特、有趣的由中國公司引領的創新。無論是AI NAS還是AI PC（人工智慧個人計算機），我並不認為矽谷會繼續主導這一輪創新。由於產業鏈能力的弱化，硬體迭代速度在美國呈指數級下滑。
正如矽谷知名投資人彼得·蒂爾所說：我們已經很久不知道如何投資硬體了。這確實是美國的現狀，也是中國的視窗期機遇。在當下其實可以毫不誇張地說，全球找不到任何一個地方比中國珠三角更適合硬體產品的孵化。毫無疑問，中國的長產業鏈所帶來的創新效應將會延續。
除了產業鏈基礎，在軟硬體混合的領，還中國還有出色的工程師供給，中國在AI硬體和AI端側的創新潛力正在形成共識。作為這個方向的從業者，希望能跟更多人一起開啟這段摘星之旅。也希望之前提到的作業系統、應用、計算和模型等創新要素，能對大家的投資決策和創業實踐有所啟發。
/ 03 /
投資人說
說回AI硬體，我個人看到目前市場上的AI硬體主要包括以下四種：
正如前文潘總所講，整體而言，垂直領域的AI硬體創新，需要找到合適的場景做縱深，才能避免被手機、PC等產品形態所吞掉。短期內，手機與PC的生態位是難以撼動的，大模型的使用也正逐漸成為明牌，那麼，AI硬體創新最關鍵的是找到合適的場景，深刻理解使用者需求，做出足夠深厚的中間層，設計出好的產品並提供極致的體驗。從這個角度來看，AI+硬體，很大程度上本質是AI應用，硬體本身則更接近一個容器/載體。
在AI可穿戴裝置方向，今年AI PIN在北美一度很火。這款產品提供了接打電話、網路搜尋、智慧語音助手等功能，但隨著產品的交付，問題逐漸顯現。其實這個產品形態的挑戰很大，因為大多數消費者很難理解一個沒有“錨點”的全新產品。所謂“錨點”，是在消費者心中已經有認知的東西。比如一款AI耳機，或者AI腳踏車，消費者會拿這個新產品和他心目中的錨點產品的平均指標進行對比。
首先，這個新產品不能低於行業標準水平的90%，然後才會關注附加的創新功能。而AI PIN是一個沒有錨點的產品形態，消費者比較難接受。
今年我們看了大量的AI可穿戴產品，其中以AI眼鏡、AI耳機為主。我發現一些創業者把眼鏡的功能堆得特別豐富，但是忽略了眼鏡本身最核心的指標之一是舒適性和時尚性。一般來說，無框或細框的普通光學眼鏡，重量大約在 15 克到 30 克之間，但現在的AI眼鏡往往較重，想象一下一個人每天長時間戴著60g以上重量的眼鏡，那肯定非常難受。
要把AI眼鏡做得足夠輕便，同時能承載一些新功能，這就對產品的整體結構提出了非常高的要求，而且要在續航、攝像頭、顯示這三者之間做權衡取捨，當然這取決於你想以什麼樣的多模態進行互動，這背後需要綜合考慮產品的重量、材料（舒適度）、時尚性（可插拔模組化）、近視匹配方案、續航、手機互聯等多個方面。
具體到AI功能層面，首先“喚醒”是一個在使用者體驗層面非常重要，但非常難解決的點。在目前的軟硬體技術條件下，要在ToC的產品上實現無感的喚醒（不說喚醒詞、不按實體按鍵）並且自動工作，是非常難的。這意味著你的Agent要持續識別環境要素，同時要有效理解你的意圖，並即時判斷它需要調取什麼樣的任務處理功能。
喚醒的下一層，則是具體的AI任務功能層面。單純加一個大模型的埠，然後把所有任務直接丟給大模型，並不能有效解決問題。關鍵可能在於找到合適的場景，深耕這個場景所需要的AI能力，然後打造出好的產品。如果選擇辦公場景，那可能要先把翻譯、轉寫這些基礎功能做好，如果你關注的是戶外運動場景，那麼運動指標分析、智慧導航、拍攝記錄等功能或許更重要。此外，針對旅行博主的AI產品和針對視聽障礙人士的AI產品，在生成內容的形態上一定差異巨大。當然，以上功能的最終收口是成本。
除了AI可穿戴產品，今年我看的比較多的是AI陪伴類產品，可進一步細分為成人情感陪伴和兒童陪學陪玩。對於做成人情感陪伴AI硬體，最挑戰的是，在Character.ai類軟體陪伴產品已經開始贏得市場的情況下，找到獨立硬體存在的合理性和必要性。也就是需要回答，到底某個場景下，硬體能帶來升級的感官體驗。
兒童AI陪學陪玩是一個非常有潛力，但是非常難做的市場。第一，由於一些家長會限制兒童看電子螢幕的時長，天然就造就了獨立硬體的機會。第二，中國雙職工家庭佔比非常高，父母陪伴孩子的時間有限，面向兒童的高質量的陪伴，以及寓教於樂的教育輔助也是確定性的剛需。
然而，挑戰也是非常明確的。比如，兒童注意力較為分散，即使面對再好玩的東西，大多數兒童的注意力也很難持續超過半小時。再比如，兒童的語言組織與表達與成年人不同，一旦大模型沒有充分理解兒童的意思，開始“打岔”，兒童會迅速失去耐心。此外，陪學的功能聽起來fancy，但是，一旦兒童發現這不是玩具，是用來學習的，可能會有一定的排斥心理。總之，一款硬體產品很難滿足兒童長期的需求。
此外，在這種情況下，提供高質量的內容非常重要，包括引入兒童喜愛的IP和劇情，把故事、遊戲等元素有效的結合或許是個思路。此外，針對模型的訓練也很重要，要能夠讓模型更有效地理解兒童的意思，才能進一步有效互動。當然，安全因素也是兒童類產品需要重點考慮的。
從更長期的角度來看，如果未來所有兒童玩具都有對話和運動能力，下一步拼什麼？比如，近幾年非常知名的AI玩偶LOVOT提供了一個思路。最初其核心差異化特色是動作表情互動，隨著技術的發展，當其他產品也能做動作表情，LOVOT開始從賣功能轉向賣IP。
此外，第四類AI硬體產品是具備一定泛化能力的家庭機器人，目前在這個方向上的突破不多，更多是集中在識別能力的以及針對corner case的處理上。短期來看，這類產品受制於成本價格，沒有辦法使用算力較高的晶片；長期來看，具身智慧的實現還有很長的路要走。歡迎感興趣的朋友，閱讀《具身智慧 vs. 運動科技：一個讓機器像人，一個把人變成機器？| 峰瑞報告》。
以上是我對AI硬體的一些思考，非常期待與AI硬體的從業者和投資人積極交流。
星標峰瑞資本微信公眾號
一手商業思考及時送達