給大模型一張真實的「臉」，四位AI+硬件創業者展望2025

訪談 | 蘇建勛

文 | 王方玉

編輯 | 蘇建勛

如果説2024年的CES上，AI更多是作為獨立亮點被少數企業展示；今年的CES 2025，AI與消費電子產業的融入更加廣泛和深入，恰如這屆CES的主題「Dive In（沉浸）」。

以智能眼鏡產品為例，本屆CES上，從 Rokid、雷鳥、Xreal、INMO 等 AR 廠商，到星紀魅族、雷神科技、大朋等跨界選手，再到 Haliday、Vuzix 等新創公司，中國廠商們在萬里之外的美國，上演了一場「AI百鏡大戰」。

在CES展會現場，《智能涌現》發現，從無弦吉他、AI面膜，到戒指、柺杖、AI自行車……生活中的各類硬件產品，都成了AI大模型落地終端的新「面孔」。更不用提早就擁抱大模型的各類消費電子——從AI眼鏡、AI耳機到AI陪伴機器人，再到AI PC、手機和學習機等等。

CES本屆主題「DIVE IN」；拍攝：蘇建勛

AI，在這場消費電子行業的「春晚」中，無處不在；但熱烈的表象背后，AI硬件行業更需要深入的「冷思考」：

從「用上AI」到「用好AI」，硬件廠商們還要跨過幾座山？當產品搭載AI大模型不再稀奇，AI還能否給產品帶來賣點和溢價？AI大模型不斷迭代，被賦能的智能硬件能跟上步伐嗎？

更有智能硬件廠商創始人對《智能涌現》發出靈魂拷問：當一個賽道的大部分玩家都用上了AI，是不是從側面説明這件事門檻太低了？

在CES 2025現場，《智能涌現》採訪了四家積極擁抱AI大模型的智能硬件廠商，分別是未來智能（AI耳機）、學而思（AI學習機）、李未可（AI眼鏡）、INAIR（AR眼鏡），他們分享了現階段在各自細分領域應用AI大模型的實踐、探索和挑戰。

學而思CTO田密：中國用户很難為AI軟件買單，軟硬件結合是更好的方式

1.現在中國的智能硬件行業，還沒有廠商能真正地把端側大模型放到產品線上，都是跑在雲端的。因為現在中國的端側芯片不成熟，還跑不起大模型來。

2.但未來2-3年，我預測會有一些簡單的大模型，可以在端側運行，剩下的複雜運算再依靠雲端。

3.我們在學而思的硬件產品上落地大模型纔不到一年，之前的兩年時間都在探索。我們發現AI軟件在中國很難單獨落地，中國用户是不會為一個APP買單的，他們覺得AI技術不值錢。

軟硬件結合，是消費者能感覺到的一個很好的方式。我們把各種AI功能放到了學而思的學習機上，用户實際數據證明，使用頻次最多的就是各種AI應用，如AI批改、AI講題，還有跟智能助手「小思」互動。

學而思的AI學習機來源：企業授權

4.最開始的時候我們希望自己從零開始訓練一個自己的大模型，但訓了一段時間發現越來越多更好的開源基座模型出來了，自己做預訓練其實是非常不划算的。后來我們就在全球最好的多個開源大模型基座上，加了很多教育領域的專用知識進行再訓練。

我們的做法是，砍掉了通用知識的預訓練，但其他的一步都沒省，包括專業知識的預訓練、微調和強化學習都是一直在進行。

5.和以前的AI模型相比，大模型給學而思的產品能力帶來很大提升，主要體現在兩點，一是工作（如AI批改）的準確性大幅提升，性能更好更強了；另一個是原來不能做的任務現在能做了。

6.大模型的持續訓練和強化學習技術難度很高，需要很聰明的人才在不斷的實驗中去探索嘗試。這個領域需要人才既懂算法，又能做工程化，他的research和development都要強。

7.同樣是接入學而思的模型能力，硬件形態對於用户的接受度很重要，比如學習機就比手機更方便用户學習。我們現在既有獨立APP，也有學習機。目前國內有非常多的廠家，包括手機廠商、Pad廠商、PC廠商，還有眼鏡廠商都在接學而思的API。

未來智能CTO王松：大模型在朝兩個方向發展，一個是基座，一個是端側

1.未來穿戴式設備將是一個所謂的AI agent，可以時時刻刻陪伴用户，而不用像手機一樣必須拿在手里。它具備多種傳感器，可以做用户的眼睛或者耳朵，去感知周圍的環境，並給予用户反饋。 

2.目前未來智能迭代的重點在往個性化的方向努力。我們把用户的會議內容里有用的信息給結構化抽取出來，通過數據庫或者RAG的形式存起來，從而形成大模型的長期記憶。這一塊的記憶最終會關聯到用户的個人助理上，個人助理會根據用户個人的偏好，生成一些個性化的、符合偏好的答案。 

3.AI眼鏡現在可以跑一些算力，比如Ray-Ban Meta上就搭載了一些本地模型，可以通過SOC芯片實時運算。但AI耳機因為SOC算力不夠，所以用的還是雲端算力。現在我們看到的所有市面上號稱智能耳機的，差不多都是靠雲端的算力。

4.算力部署在端側的話，大模型響應更快更及時，也更加安全。很多用户關心數據隱私，比如一些投資人開的會議可能非常敏感，不想讓數據上傳雲端。未來智能的AI耳機提供了這個功能選項，用户的數據可以不上雲，就存在耳機或者手機里。

未來智能的AI耳機來源：企業授權

5.AI大模型目前在朝兩個方向發展，一個是基座大模型，它的參數和數據量越來越大；另外一個方向就是端側，它的效率越來越高，安全性、數據安全等也有保障。這是兩個方向，其實並不衝突。 

6.AI能力的迭代或者進步進化，對穿戴式設備未來的影響其實是非常大的。我預計五年之后，耳機上應該也可以跑一些本地AI大模型。一旦到那個程度，耳機就可以作為獨立設備使用，很多交互場景就不用依賴於手機。這對用户交互層面的一些體驗會帶來質的變化。 

7.目前能通過接入大模型來實現高溢價的AI硬件，還比較少。這背后涉及到一個行業的發展階段的問題。現階段來講，其實所謂的智能耳機，都是依賴於手機端的軟件來實現的。我覺得可能要發展到一定程度，耳機本地就能跑一些端側模型，才能真正達到所謂的智能耳機。 

要實現真正的「智能耳機」，目前主要有兩個卡點，都是在硬件上面，一個是SOC芯片的算力，耳機的算力芯片既要體積小，又要算力強，很難實現；另一個是電池續航問題，把SOC芯片塞到耳機里，功耗會很高，續航時間很短，用户很難接受。

李未可創始人茹憶：AI眼鏡應用開發成本遠低於XR生態，不會走XR老路

1.我認為人類獲取信息信息密度最大的還是通過眼睛，所以我的直覺是，AI眼鏡是離眼睛最近的消費載體之一，是承載語音交互這個交談式AI最佳的載體。

2.搭載在AI眼鏡上的殺手級應用，未來兩年肯定會出現，這是李未可必須要做的事。否則AI眼鏡就變成了一個單純的「殼」，價值不大。

3.2021年我創立李未可的時候有一個判斷：接下去的三年，AI會有一個爆發式的增長。但沒想到這麼快，2022年底就已經開始了，超出預期。所以2023年春天我們就做了一個選擇——All in AI大模型。

在產品設計的時候，我們一直在堅定做的兩件事，一個是要把AI交互做好，第二個是把人格化做好，實現千人千面。

當然，我們更看重的是，我們自建整個大模型體系，它是完整的，而且我們可以不斷去迭代。而不是説把東西交給第三方模型公司，自己完全沒有辦法掌控。

李未可的AI眼鏡來源：企業授權

4.AI大模型在網頁上提供信息整合的很好，但如果直接接入到眼鏡里效果不好，它需要一個融合的過程。

比如我問AI眼鏡今天天氣怎麼樣，AI大模型不會直接回答，而是問你在什麼位置？所以AI眼鏡要有好的體驗，必須對搭載的AI大模型進行優化和調整。

5.對於我們AI眼鏡的創業公司來説，做大模型相關的事情其實並不需要僱傭很多人。我們整個打模型團隊可能就十來個人，但是我們可以站在巨人的肩膀上去微調和優化。

6.不光是智能眼鏡，任何一個行業走到今天這個階段，都會產生激烈競爭。沒有競爭的市場不繁榮，競爭是必要的，可以共同教育市場，更快地向消費端做滲透。前幾年智能市場競爭少的時候，教育市場的成本太高。

7.過去XR生態不太成熟，導致銷量不好，很大程度是因為生態不夠完善、應用開發成本太高。AI眼鏡不會走這個老路，因為它的開發成本遠低於XR生態。如果能找到一個合適的場景的話，有可能一兩個開發者就能把agent做出來。

INAIR產品設計負責人齊靜軒：未來AI Agent本身會獨立成為一個OS

1.從有操作系統以來，大家都會想有電腦里面會有一個像「小助手」的東西，去幫助你解決很多事。但是在以往過程中，包括siri、小愛同學或者是Google Assistant，其實都沒有做得太好，大多數情況都是失效。因為用户不清楚AI對話的邊界能力究竟在哪。大模型的出現改變了這件事，它讓所有的問題都有了底兜，讓所有談話都能進行下去。

2.2022年底ChatGPT剛爆發，我們就意識到了這種趨勢，在INAIR的產品中加入AI大模型一開始就在我們的計劃中了。

INAIR應用大模型和目前市面上大多數AI眼鏡、AI硬件不一樣，它們的AI主要功能是幫助用户理解外部世界。INAIR主要是幫助用户更高效的解決軟件和系統操作層面的問題。

3.對於INAIR來説，產品用上大模型和微軟Windows PC用上Copilot差不多，都是作為一個重要的賣點。大模型可以更好地解決用户體驗問題，給用户更自然的交互和更快、更方便的體驗。

4.INAIR合作的AI大模型很多，我們發現不同大模型擅長的東西不一樣，比如説豆包可能對圖片的理解能力會比較強，訊飛在ASR（語音識別）交互上能力特別強。INAIR會在不同的場景調用不同的大模型。

INAIR的AR眼鏡來源：企業授權

5.INAIR的產品優勢在於軟硬件一體。在軟硬件一體的環境中，AI多模態可以實現從感知預測到交互、交流在到執行的閉環。

這也是INAIR產品的優勢。比如，用户可以一邊看一篇英文的論文，一邊實時把中文翻譯呈現在眼鏡屏幕上，或者直接語音問agent這篇論文的中文概要是什麼。再比如在看電影的時候，可以就畫面里的人物或者物體直接問agent問題。這都是要系統層面的類siri角色才能實現的功能，它可以靈活調用不同的應用程序。

以上這些操作，單純靠軟件也可以實現，但需要點擊鼠標、複製粘貼、切換不同APP頁面，操作要繁瑣很多，這就是軟硬一體和純軟件的差異。

6.軟硬一體的設備還可以做到主動的感知和預測，比如説，設備傳感器發現用户在某個界面較長時間停留，系統agent可以有針對性的提出服務建議。

7.我們希望端側的大模型（技術）可以進一步完善，讓AI大模型在AR眼鏡不聯網的情況下可以調用。這樣做的一個好處是反應更快，目前雲端的大模型方案反應速度還是比較慢；另外，不聯網的話，用户在使用時可以更好地保護隱私，更加安全。

8.今天用户所有的硬件形態，不管是計算機、手機，還是電腦，都是在解決用户和最終的那個應用之間的問題，AI是OS里面的一個應用和功能。但未來AI Agent本身會獨立成為一個OS，解決這些列表式應用的分發問題。