AI不是未來，而是正在發生的現在，這場技術革命正以前所未有的速度重塑各行各業。

但當具身智能與陪伴機器人掀起資本市場的萬億想象，硬件功耗與場景適配的現實困境卻讓諸多概念性產品受困于實驗室。究竟要跨越多少道坎，才能讓技術創新真正轉化為用戶體驗？

在峰瑞資本「科技消費品牌的全球化之路」主題活動上，浪潮新消費受邀與螞蟻投資陳芃、商湯元羅卜科技聯合創始人賈凡、有哈科技創始人蘆勝波、亞馬遜云科技初創資深解決方案架構師肖培慶進行了一場深度探討。

“現在市面上爆款的AI產品，本質上只是套了一層大語言模型API。之所以能賣得好，關鍵在于它們懂用戶，知道用戶想要什么。”

這與行業現狀形成了微妙的呼應：我們總是急于給技術創新貼上革命性標簽，卻忽略了任何顛覆性變革都需要經歷從技術顯性到體驗隱性的轉化歷程。

但也正如大家現場所得出的共識，消費領域的破局關鍵，不在于技術表象，而是捕捉那些尚未被算法量化的真實需求。當行業集體從“技術能做什么”轉向“用戶需要什么”，這場AI掀起的變革才真正觸及本質。

未來，消費科技領域真正的領跑者，注定屬于那些既懂算法邊界、又懂人性的長期主義者。

一、AI賦能消費理想與現實間還有多大的鴻溝?

浪潮新消費：大家好，我是浪潮新消費的主筆謝蔚文。咱們圓桌論壇的主題是“AI如何賦能消費和互聯網”。

AI現在熱鬧非凡，但背后也藏著不少挑戰。有些企業借助AI實現了彎道超車，但也有些企業因技術落地難、出牌順序等問題陷入困境。這種理想與現實之間的鴻溝，構成了我們今天這場討論的起點。

首先，請各位嘉賓用一段話介紹一下自己，然后分享下過去一年多在自己的領域以及視野里，看到的消費行業與AI應用相結合的最大機會和難點。

陳芃：大家好，我是螞蟻集團投資部的陳芃，最近主要關注消費電子上下游與AI結合的機會。

螞蟻集團投資部陳芃

現在大模型AI的種類其實不算多，跟我業務相關的一些企業大多使用的是偏搜索、問答類的工具。

雖然我也接觸了不少跟硬件結合的產品，但整體感覺比較失望，因為大多數產品跟當前這波AI的關聯性不大。這背后有很多深層次的原因，比如SOC（專為人工智能設計的芯片架構）還不能很好地處理任務，還有功耗的影響等等。

相比之下，偏記錄類的產品在結合大參數模型后，用戶體驗的便利性提升了不少。

賈凡：大家好，我是商湯科技旗下元蘿卜科技的聯合創始人賈凡。

元蘿卜科技聯合創始人賈凡

元蘿卜是商湯在2022年孵化的創業公司，目標是將機械臂技術和AI技術應用于家庭場景。目前，我們已經推出了中國象棋機器人、圍棋機器人和國際象棋機器人等4款產品。

在我看來，機器人行業主要有兩個大方向上的機會。

一是現有成熟品類與AI的結合，二是AI 2.0時代催生的全新品類。比如，下棋機器人就是我們全球首創的品類。

不過，就如陳總所說，現在的AI技術有很明顯的邊界。盡管AI概念很火熱，但有很多場景它都無法真正理解，只能給出一些既定的結果。

所以，如何界定AI的邊界，并將其與產品功能和價值訴求真正結合，是需要認真思考的問題。否則，最終的產品可能和你想象的完全不一樣。

蘆勝波：大家好，我是有哈科技的創始人蘆勝波。我們專注于寵物領域，通過智能算法和多模態傳感技術，圍繞科學喂養和環境監測等場景，開發了一系列寵物產品和服務。

有哈科技創始人蘆勝波

對于我們行業來說，AI主要帶來了兩大機會：第一，它能夠實現更加個性化的科學喂養；第二，在人寵情感互動方面，AI也能帶來顯著的提升。

如今，市場上有許多成熟可靠的AI工具，能夠優化企業的整個運營鏈條，從前期的需求調研、研發過程，到組織管理和運營支持，都能發揮重要作用。

肖培慶：大家好，我是亞馬遜云科技的架構師肖培慶，我們主要提供云端的AI服務和算力資源。

亞馬遜云科技架構師肖培慶

這幾年，AI帶來了巨大的變革，尤其是transformer架構的出現，催生了許多新的模型和應用場景，這些在生成式AI出現之前都是無法實現的。

很早以前的電影《Her》里就有個人工智能形象，現在很多人通過生成式AI實現了類似的自由交互形態。包括智能助手這類應用，也是借助大語言模型更好地記錄人類的語言、理解實際的場景。

語言模型的推理能力越來越強，成本卻越來越低，未來的應用場景自然會越來越豐富。這兩年，我們已經看到了很多AI硬件產品，像AI眼鏡、耳機、配飾、手表、戒指等等。

不過，這里面也存在一些問題。前面幾位也提到了，我再補充一點，其實大語言模型存在不確定性。

除了幻覺問題之外，它在做token預測的同時，還逐漸吞噬了一些原本由人類完成的工作，比如Prompt Engineering。這就意味著，這些領域的空間可能會被壓縮。

浪潮新消費：從大家的發言來看，機會和卡點其實是并存的。這讓我想起一句話：人們總是高估一項科技在短期內帶來的效益，卻低估了它的長期效益。所以，我們對AI應用的理解是需要在實踐中不斷更新的。

那么在過去的實踐過程中，大家觀察到哪些原本預期AI會帶來巨大變化但實際效果沒那么顯著，或者之前低估了它的影響，現在才發現它有非常好的應用效果？

陳芃：今天大家可能主要關注的都是大模型AI，但其實它的發展時間還很短，和硬件的結合更是處于非常初級的階段。

目前來看，模型本身以及硬件的核心零部件都存在一些瓶頸，這導致市場上幾乎沒有能完全兌現承諾功能的可穿戴產品。至少從我作為投資人的角度來看是這樣。

面向未來，我覺得有兩種產品特別有價值。

第一，能夠構建長期記憶的產品，因為這是通往個性化的關鍵一步。

第二，能實現主動式功能的產品。

現在很難界定基于大模型的、能被長期驗證的產品應用會以怎樣的方式呈現，因為很多熱門的AI應用都是曇花一現。不過，主動式AI一定是非常重要的方向。而且，目前構建主動式功能大多不需要依賴大語言模型，傳統AI就能實現。

所以，我認為最核心的是找到那座把主動式和個性化結合起來的“橋”。

賈凡：我想聊聊兩個產品方向。

首先是人形機器人。前兩年在資本圈，人形機器人非常火，但大家也看到了昨天北京的人形機器人馬拉松，雖然場面挺熱鬧，但狀況百出。

在我看來，人形機器人確實還挺遙遠的。短期內資本可能過于看好了，但同時大眾也可能把它的長期價值看扁了。

具身智能在未來3-5年內肯定能找到不少能落地的場景，但人形不一定是最佳載體。

其次，現在大語言模型火了，很多人用它做情感陪伴類玩具，但這件事還挺難的。因為每個人對陪伴的理解都不一樣。有人覺得默默地待在身邊就是陪伴，有人覺得寵物才是最好的陪伴。一個會聊天的機器人，真的能成為陪伴嗎？我覺得挺難的。

不過換個思路，如果針對特定人群，比如失孤老人、自閉癥兒童，再結合多模態大模型技術，而不是單純靠語音大模型，那想象空間就大多了。

蘆勝波：可能大家對AI的最終想象是取代人類，但實際上，人類也有自己的局限性，每個人都有擅長的領域，也需要不斷學習，AI也是一樣。

所以在我看來，現在最關鍵的是做好三件事。

第一，選擇一個具體、剛需且高頻的切入點，把AI技術和應用深度融合，真正解決某個領域的特定問題。不要幻想包攬一切，那肯定是做不好的。

我們把寵物主在養寵過程中遇到的所有問題拆解開來，總結為“臭、臟、累、煩、貴”。其中，“臭”是每天都在發生、大家都深惡痛絕的痛點，我們就圍繞這一點，探索AI能否更智能、更徹底地解決它。

第二，要做好預期管理。AI在智能駕駛領域應用得比較廣泛，但最近負面輿論不少。這固然有用戶自身的問題，但企業也有很大責任——把預期抬得過高。

雖然產品更容易賣出去，但退貨也更頻繁，這對品牌的傷害是巨大的，以至于現在投資人也失去了信心，這其實是很可怕的。

第三，要活在當下。AI不僅能用于產品端，還能提升組織整體運營效率。

總之，做好這三點，別急于求成、慢慢來。

肖培慶：我們也看了一些具身智能的公司，發現大家都在努力尋找合適的落地場景。雖然短期內實現大規模落地確實有難度，但我認為在3-5年內有望取得較大進展。

其實，在AI剛興起時，就出現了像AIPin、rabbit這樣的產品，雖然設計上還不錯，但我總覺得它們沒有很好地滿足陪伴需求，顯得有些可有可無，所以目前的產品可能只是過渡形態。

跳出硬件范疇，我最近還發現了一個挺有意思的現象：大部分公司不太愿意直接購買AI軟件，于是很多服務商會選擇售賣AI軟件帶來的效果。

比如，一家招聘公司，不是直接把AI招聘軟件賣給甲方，而是通過AI工具降低自身的內部招聘成本，再以更具競爭力的價格將招聘成果賣給客戶。類似的情況在AI漫畫和AI視頻生成領域也有發生。

這種情況有點出乎意料，但也確實帶來了意想不到的效果。

二、與消費結合最好的切入口是什么?

浪潮新消費：從AI到最終產品的落地，各位有哪些成功的經驗或是方法論？

陳總您對AI眼鏡的研究比較深入，現在這個領域的玩家逐漸意識到，像微軟那種把所有功能都集成到眼鏡里，做成“航空母艦”的模式，可能并不是最佳選擇。所以他們更傾向于先滿足用戶的高頻穿戴需求，在此基礎上再加入少量的創新功能。

那么，怎樣才能找到那個合適的切入點？

陳芃：MetaRay-Ban第二代眼鏡賣得很火，但從Meta的角度來看，這到底是好事還是壞事？

Meta肯定想把它的模型和服務都集成到這款眼鏡上，但正因如此，目前產品的形態和承載的服務可能并不是最佳狀態。所以，我們不能只盯著眼鏡的現有形態來看。

那么，怎樣才能真正找到智能化的方向？

首先，我們需要對多模態和各種單一模態有深刻的理解。

我們覺得，相比于現在的產品和服務，主動化的功能可能更具普適價值，但具體是怎樣的價值，還得用嚴謹的方式去分析。

畢竟，它要和物理世界結合，所以我們會把在手機端或者線下等各種細節的應用場景都羅列出來。

先腦補一下，怎樣結合大模型才能做得比現在的服務更好；然后從技術端入手，看看用什么樣的大模型更容易實現，又能實現怎樣的效果；最后再結合硬件，包括SOC、功耗、散熱等問題，想想怎么取舍，挑出最關鍵的一兩點。

對于企業來說，最核心的就是以數據為驅動，真正了解用戶需求，而不是想當然地思考問題。只有這樣，才有可能打造出用戶真正接受的基于大模型的應用。

賈凡：首先，AI 2.0時代的技術相比10年前的神經語言程式（NLP），已經實現了質的突破。

不過，要讓這些技術真正落地成有價值的應用，還得在工具化屬性功能上多下功夫。無論是通過交互方式的創新，還是將 AI 作為優化工具，都有很大的機會。

其次，ToC領域的機器人，除了掃地機，其他品類幾乎一片空白，這為創造新品類提供了巨大的想象空間。

創造新品類的好處很多：

一方面，沒有競爭對手，就能有足夠時間去探索場景、了解用戶需求、打磨產品；

另一方面，在營銷渠道上也有很大優勢。就像我們元蘿卜的機器人，參加各大展會很容易吸引媒體關注，獲得免費報道資源，山姆會員店、Costco 這樣的線下渠道也會主動找上門，因為產品新奇，總會有嘗鮮者愿意買單。

所以，做創新品類有非常大的試錯空間，但如果進入成熟品類，定位一旦沒做好可能就掛掉了。

肖培慶：想要做AI與消費結合的產品，一定不能太general。要是你做眼鏡這種品類，一旦大廠跟進，你就很難跑出來。

所以對于初創公司來說，關鍵在于聚焦到一個非常細分的領域，把這一塊做深做透，精準找到自己的核心用戶群。

就像陪聊APP，一開始它們以為用戶是有情感訴求的普羅大眾，但后來發現，粘性最高的其實是那些有溝通障礙的人群。于是它們就先集中精力服務好這部分人群，等站穩腳跟后，再逐步擴大范圍，現在的數據表現還挺不錯的。

三、所有消費品都值得用AI重構一遍，是偽命題嗎？

浪潮新消費：現在有一種說法，認為所有的消費品都可以用AI重構一遍，但前幾年我們也總說一切消費品都可以重做一遍，現在這個觀點是不是偽概念？

陳芃：我覺得這個觀點挺偽的。

大家都覺得新品類的市場空間很大，但老品類的情況可能又不一樣。首先得考慮智能化的基礎在哪，比如軟件和硬件能否支持，以及智能化到底能實現哪些更好的功能等等。

很多所謂的智能化產品，根本回答不了這些問題。用戶用完之后，感覺體驗很糟糕，還不如之前樸素的產品。

而且，品牌在線上售賣智能化產品時，往往不知道怎么把智能化展示出來，結果退貨率很高，這其實是在傷害整個行業。

所以，現在說“所有消費品都值得用AI重構一遍”有點不切實際，但面向未來，肯定有很多可以做的事情。

我們現在非常關注行業核心瓶頸的突破。比如，如果算力受限，沒法實現本地計算，那在芯片里加上NPO能否實現本地推理？如果這個技術成熟了，對于那些沒有能力做定制化部件的非大廠來說，可能就會是個很大的機會。

賈凡：我覺得這基本上是個偽概念。

不過，AI技術的發展確實給我們提供了一些新思路。我們可以反過來想想，以前的產品解決方案是不是真的最優，以及有了AI后，能不能做得更好。

如果能，那就要實實在在地把AI融入，而不是單純把它當作營銷噱頭。

蘆勝波：大家都很悲觀，那我就從樂觀的角度聊聊，我認為這個觀點至少不是全偽。

雖然未必所有消費品都能重做，但未來肯定會出現許多我們今天難以想象的、顛覆性的新事物。就像在汽車出現之前，人們只能幻想有更快的馬車一樣。

不過，這條路確實會很漫長。大家之所以有這么大的預期，是因為過去20年科技發展實在太迅猛了，讓我們誤以為所有事物都應該如此快速地進步。

從長期來看，發展會分為兩步走：

第一步，真正做前端開發的，比如通用機器人、通用大模型，他們可能不會過多考慮這件事是否有價值，而是努力探索未知。

第二步，基于這些底層能力，會逐漸發展出各種細分。在家庭場景中，掃地是相對簡單的一件事，但隨著掃地機器人的大量應用和數據反饋，它的功能也在不斷增加，比如爬樓梯、撿衣服等等，這是一個緩慢積累的過程。

肖培慶：我也是比較樂觀的。不過，不是所有東西都非得用AI重新做一遍，很多人只是因為AI火了，就強行把它塞到老產品里。

但我們也得承認，AI確實催生了不少新的產品品類。只是目前大家都還在摸索，還沒找到那種最能落地、用戶愿意買單、利潤又好的模式。

大家沒有達成共識，意味著這是一個有巨大探索空間的階段。

以終為始來看，假設10年后AGI實現了，成本又很低，那回到10年前的今天，其實有很多事情能做。

四、AI并非萬能，技術平權下的企業生存法則

浪潮新消費：所以，AI絕不是噱頭，也不能是炫技，必須基于產品和用戶的實際需求，找到智能化的必要性。

那么，在大模型技術逐漸普及、技術平權的背景下，企業似乎再次回到同一起跑線。當大家都在做類似的事情時，企業競爭力是否在新時代有了新的釋義？

陳芃：我覺得它離技術瓶頸還挺遠的。

我自己用起來都挺費勁，得頻繁使用才能得到合適的答案，而且穩定性也有問題。咱們這種免費試用的都這么多痛點，要是把它放到收費產品里，這些問題肯定會被放大。

所以，現在做基于語言模型的產品，對企業要求挺高的，組織能力和成本結構都面臨很大挑戰。

首先，這種大模型服務不是一次性收費的，要是用戶喜歡用，頻繁使用怎么辦？當然，你可以出海，搞個類似iCloud的訂閱模式，但定價多少合適，又有多少人能承擔得起，問題還挺多的。

賈凡：企業的核心競爭力涵蓋了很多方面，比如對場景的理解、對用戶需求的精準把握、渠道能力、品牌影響力等等。技術只是其中的一個方面，而AI技術更是一方面中的一方面。

所以，并非所有公司都必須轉型為AI公司，關鍵在于AI技術是否真正提升了產品力。

在當下的商業環境中，合作是必不可少的。真正的大模型開發應該交給專業的大模型公司，企業沒必要自行研發。畢竟，用戶并不關心技術是企業自研的還是第三方提供，只關心產品是否有價值。

所以，每家企業對護城河都會有自己的理解和構建方式。

蘆勝波：它只是降低了做事的門檻，但對公司來說，要求反而更高了。

門檻降低是因為目前的AI工具確實能大幅減少人力成本，比如文生圖、語言翻譯等等，這些原本需要很多人完成的工作，現在可能不需要了。但隨之而來的，是更多人的涌入，競爭自然會更激烈，所以要求只會更高。

從公司運營角度看，AI技術的普及對公司核心競爭力沒什么本質性的影響，還是人才和組織效率等等。

肖培慶：賈總說技術在企業里只是個很小的板塊，雖然我這個做技術的不太想聽到這句話，但實際上確實如此。

現在市面上很火爆的AI產品，本質上只是套了一層大語言模型API。之所以能賣得好，關鍵在于它們懂用戶，知道用戶想要什么，這才是壁壘所在。

技術本身其實沒那么重要，以前還聽很多人說要微調模型，甚至自研，現在這種聲音越來越少了。畢竟市面上的模型一定會越來越強大，多模態能力也越來越強。

浪潮新消費：雖然理想很豐滿，但也存在硬件成本高企、數據閉環難等現實問題。那么咱們作為投資方、品牌方以及服務平臺方，在當下這個十字路口，給行業的建議是什么，企業需要做哪些關鍵準備？

陳芃：我其實沒有什么給企業的建議，更多是對我自己的。

消費投資行業現在整體是在收縮的，作為投資人，我們得好好利用手頭的工具，快速建立起對行業的認知，提升效率。

這其中有個邏輯：你想投資一家公司，肯定得先了解這個行業，最好自己也是熱愛產品的用戶。

要是你關注的是AI應用或者硬件投資，那就得多使用，這樣才能從產品經理的角度和企業深入交流，進而做出更準確的投資決策。

賈凡：作為品牌方，一定要關注AI行業的動態，了解AI技術的邊界，并預測其未來的發展程度。只有這樣，才能在定義產品時更加精準。否則，很容易出現產品實際效果與想象相差甚遠的情況。

同時，還是要聚焦場景和人群，真正挖掘需求，用AI技術優化體驗，或是解決以往無法解決的問題。

蘆勝波：第一，足夠聚焦，選對方向。第二，找到合適的人來幫助自己，畢竟今天是個組織協作的時代。第三，廣結善緣，積攢足夠的運氣，因為成功往往需要一些偶然性因素。

肖培慶：云端有很多輕量的API接口，能夠幫助創業者快速確定硬件形態。畢竟在創業初期，業務方向往往存在不確定性，隨時可能調整。在這種情況下，以最低成本去試錯，無疑是最佳的選擇。