李丰
大家好，我是峰瑞资本的合伙人李丰，欢迎来到这一期。
这一期我们讨论的是一个比较热门、也很受关注的话题。在 AI 硬件变得越来越受关注之后，AI 硬件当中的所谓 AI 陪伴玩具赛道，变成了特别受瞩目的一件事情，因为这既跟情感需求有关，又跟 AI 硬件到底以什么样的呈现形式，能否完成情感陪伴这个功能有关。
这一次，正好在北京海淀创业大街举办的活动当中，我们有幸请到了刚刚投资的 AI 陪伴玩具 Ropet 的创始人何家斌，跟他一起来讨论 AI 陪伴玩具。Ropet 做了一些跟别人不同的功能选择，也做了一些比较特别的 AI 技能，当然也对玩具设计本身做了非常多自己的细致思考。
具体它为什么会这么做，也包括我们为什么看好这个方向、为什么看好这个项目，我们会在之后的时间里跟大家一起分享。也期待大家有更多不同的建议和意见，欢迎在评论区讨论。特别感谢大家愿意在这个周末花时间，跟我们一起讨论这个时髦的话题。
今天我们花时间来录这期节目，主要是因为我们平时录播客，一般没有这么紧张。通常就是两个人在办公室里把设备架好之后，比较放松地聊天。因为今天有这么热情的听众跟我们互动，所以我们难免比较紧张，毕竟以前没有在这么多人面前录过播客。
今天有机会请到何总也非常难得。我在 CEO 群里还说，今天要期待着男生和男生之间擦出火花。但是今天我们两个男生还是配角，今天还有一个女主角，就是这个 AI 陪伴玩具。
在正式开始谈话之前，先请何总介绍一下他心爱的女朋友。
何家斌
感谢峰叔刚刚的介绍，也很荣幸今天能够在这里跟大家一起分享 Ropet 到底是一个什么样的故事。
1. Ropet 先交付陪伴
大家或多或少应该听说过 Ropet 这个产品。它是专为女性设计的、提供 AI 情绪价值、解决孤独问题的一种全新的宠物形态。
这个宠物形态最重要的一个场景，就是放在桌面上安静地看着你，能够一直保持在场。Ropet 有一张很萌的脸，脸上有一个摄像头。我们非常重视机器人的视觉数据，因为视觉数据跟现在所有大模型使用的数据不一样，它是一种行为数据。没有现成的大量数据源，就无法做成一个特别智能化的宠物大脑。
所以我们希望先做第一步：把一个好看的、女生喜欢的 AI 宠物先交付给用户，让用户能够把它带回家，放到它经常出现的位置，例如办公桌面上，让它长时间保持开机，并且产生主动互动的行为。慢慢地，它就会识别出主人情绪变化的数据，并逐渐养成自己的性格。我们把它叫作你情绪的一个投射的性格，它会越养越像你。
我们的 slogan 叫作“越养越懂你”。到了某个周期之后，它会跟你有同样的一些行为习惯，例如学习你的口头禅。如果你照顾得好，它会开始慢慢叫你妈妈。
整个过程，其实就是我们希望唤醒女性用户在这个孤独的世界里那一丝爱的感受。我们觉得，这种爱的感受在当代高压的都市环境中是非常稀缺的。我们创业的初心，就是希望能够把 AI 和机器人技术，为更多女性带来科技创新产品的新体验。这就是我们做 Ropet 的整体背景。
Ropet 还有一点，就是它结合了 AI 和潮玩这两个产品的交集。当然，我们还有一个交集区域叫作宠物，我们把自己叫作未来宠物公司。我们希望未来所有的生物宠物当中，都有一个硅基宠物，叫作 Robo Pet 这个品种。
这个品种可能会有不同形态：可能在桌面上，可能挂在包上，可能在你的车上，也可能在家里到处跑。但这个品种一定更适合新时代人群的生活方式。
李丰
既然我们已经合作了，就从我的角度简单回顾一下这个过程。
2. 产品先于 AI
我们之前花了很多精力去看所谓的 AI 硬件。先把 AI 硬件这件事放一放，往前追溯一下整个 AI 陪伴玩具的事情。同事让我看了好几个，看完以后我说，这都是为了 AI 做个玩具，听起来不是特别玩具，也不是特别消费者导向，所以我已经下定决心不再看了。因为基本上看了三五个，全都是为了做 AI 做个玩具。
后来不止一个同事跟我说，这个人一定要去见一下。我们见面之后，他给我印象比较深的一件事，就是先考虑怎么做一个让大家喜欢的东西，再考虑 AI 在里面起多少作用。这是一个非常明确的主次关系问题。
我觉得这个想法还挺正确，于是我们就有了合作机会。
回到刚认识他之后，我们谈了很久，我心里的第一个疑问不是这件事行不行，而是：他怎么作为一个男生，能把这些事情想得这么细？后来才知道，他从学习到工作，都有很多经历和背景，而且一路都跟贴近用户的产品设计相关。
我相信，假定你聊完之后也跟我有一样的疑问。为了先解释这个困惑，让他花一点时间介绍一下自己的经历。你能理解他为什么能够把产品想到这么多情感和产品设计细节之间的联系。
何家斌
3. 设计为何更懂女性
峰叔说的这个话题让我印象深刻。大家可能对我的印象还是觉得我比较懂女性。为什么会这么懂女性？其实是因为我有十年做时尚和女性消费品的产品经历。
最开始的原点，是我在 2014 年毕业于北京服装学院，在服装学院学了 4 年产品设计。那是一个女生比较多的氛围，学校里很多专业其实都是围绕女性消费洞察建立的，例如服装设计、珠宝、服饰、箱包。
所以在那个学校的氛围里，我一直在思考：作为一个工业设计背景的学生，如何形成独特的跨界优势？在那 4 年里，我一直在想，要拥抱科技，因为我觉得科技肯定是第一生产力，很多伟大的产品变革一定来自底层技术的爆发。
待会儿也会跟峰叔展开聊，我们怎么去看待科技创新，以及科技创新的机会窗口在哪里。
当时刚好碰到了一件重要的事情，就是 2014 年的大众创业、万众创新。今天大家所在的这条街上，有大量创业者开始从事 AI 硬件相关的创业。那是早期的弱 AI、人工智能时代，我们在探索各种各样的场景和想象力。
当然，当时我们可能没有做得很好的某些场景，今天都有机会再做一次，因为真正的 AI 出现了，强人工智能出现了。
受到这样的冲击之后，我决定以后毕业不能去传统行业做设计，应该把一只脚迈进科技行业。所以当时我去了微软亚洲研究院，开始从事跟人机交互相关的交叉学科研究，跟一群科学家一起研究，如何让技术看起来更愿意被大家使用、更讨喜，让科技的外衣包裹上一层审美。
举个例子，我们当时在做头戴式第一人称 AI 助理，也就是今天大家所谓的 AI 眼镜。其实在 10 年前，我们就已经开始做了。比较早期、比较复古的产品是 Google Glass。
那个时候我们在研究，如何把一副眼镜放在头上，把一个摄像头放在头上，同时让女生愿意去戴。这其实很有挑战，因为戴在头上是一个异类，你走在街上的时候，大家会投来异样的眼光。
李丰
4. AI 眼镜难在中国
我稍微插一句。我们在看 AI 硬件的时候，我从投资人的视角简单讲一下。
我们同事从去年开始就说，AI 硬件里最热的是 AI 眼镜。我说我们也看了几个，后来想了一下，在中国可能不那么容易。刚才他说到让女性愿意戴，我就想到几个小的、也许只是片面的观察点。
第一个问题，大家都说 Meta 推了一款眼镜，非常成功，当然这也是今天 AI 眼镜热潮的起点。但你看，美国人有 80% 以上的成年人上班是开车，用自己的车开车上班。美国人的近视率比较低，而且近视以后戴隐形眼镜的比例，也就是透明隐形眼镜的比例非常高。
他们开车上下班的平均在途时长，单程超过 40 分钟，接近 50 分钟。所以他们戴两个小时墨镜的习惯非常好。戴两个小时，然后摘下来，因为这本来就是上下班时要做的事。
所以 Meta 非常讨巧，跟雷朋合作推出了一款墨镜，在墨镜上做了拍照等功能。美国人本来每天就戴两个小时墨镜，不戴的时候就放在旁边，也不会一天到晚戴着。
今天的 AI 眼镜还有一个小挑战，就是很难做到长续航。你不能戴上之后一直戴着，像我这样戴近视眼镜的人很痛苦。我不能接受戴 3 个小时之后，你让我拿下来充电半个小时，再让我戴回来。那半个小时我基本上只能歇菜。
墨镜跟这个是不一样的，因为中国第一是近视率很高。第二，在近视率很高的情况下，大家会说，女生不愿意戴有框眼镜，不像男生。男生还得解决有框眼镜和近视度数的问题。
像我这样的男生，因为还喜欢运动，所以还得解决眼镜怎么越来越轻的问题，这是我唯一的追求。你跟我说，这副眼镜上还要带电池、摄像头、芯片、传感器，甚至更多的负载，而且每两个小时还要脱下来一次，我应该不太容易接受这个生活习惯。
女生可以。刚才他讲到了，我们投了一个中国现在排名第一的美瞳品牌。它做日抛、月抛，就是让眼睛有点颜色的产品。这个产品有个数据非常有意思：2020 年我们刚投资时，这个市场还很小。2020 年初我们投第一笔天使轮时，美瞳销售中只有 7% 的用户是不近视但戴美瞳，只是为了好看。
当时戴美瞳的人里，90% 多一点是女生，接近 10% 是男生。到 2024 年，它的销售额已经扩大很多，成为一家销售额十几亿元、也是中国第一的公司。它的用户中，已经接近 30% 是不近视但戴美瞳的人，只是为了让眼睛好看。
亚洲女性的特点是轮廓没有那么深。所以女生第一是不爱戴有框眼镜。第二，即便近视，甚至即便不近视，她也愿意戴美瞳。尤其经过疫情强化之后，口罩一戴，只能看见眼睛这一部分，所以大家会竭尽全力在眼睛、眉毛或者眼眶周围做一些修饰，让自己显得好看。
因为这些原因，亚洲女性愿意戴隐形眼镜，也愿意戴美瞳。欧美人的眼睛本来就五颜六色，所以戴不戴美瞳差别没那么大。
中国女性第一是不爱戴有框眼镜。第二，在这个基础上，即便不近视也要戴美瞳。那你再戴一副眼镜，把我好不容易花钱戴上的美瞳遮起来，我想女生也不是特别愿意。
所以因为这几个原因，我们后来想了一下，暂时没有把 AI 眼镜作为主要关注点。当然，这都是一家之言、片面之词，仅供参考。你也可以结合自己的生活实践，想想周围是不是这样。
接着说你的观察细节来源。
何家斌
5. 用户画像超出预期
峰叔说得很好。很多消费者在购买产品、做选择时，都会受到本地生活习惯的影响。
我们做的是全球化产品，而全球每个地区对于使用这类产品，都有千差万别的习惯。比如最开始，我们定义的产品人群是 24 岁到 30 岁左右的都市独居女性。这个画像特别明确，她们是小红书和 Instagram 的重度意见领袖，愿意分享全新的生活方式。
但我们现在已经交付了将近 1 万台设备。陆陆续续有很多用户开始使用产品之后，我们发现实际情况并不是这样，各种各样的用户都会使用这个产品。
比如日本比较核心的用户中，50% 以上是 50 岁到 70 岁的女性，这其实比较超乎我们的想象。第二，北美有很多人买来送给孩子，这应该是很大一部分用户。
当然，还是有 50% 左右是我们之前定义的都市女性。她们的主要生活方式围绕办公桌展开。
为什么我当时定义这个人群？因为我们发现，从大学毕业到离开职场，中间可能有 30 多年到 40 年，现在可能还会越来越长。这段人生经历当中，你停留时间最长的一个区域是哪儿？
当时我们调研了很多，最后发现就是办公桌。你会在一张桌子上，用最好的年华度过差不多 30 年到 40 年。如果你还要继续工作，主要的生产力工具就是手机和电脑，还是以电脑为主。你基本会在一个固定、有电源的位置工作。
我们觉得，如果这个位置有一个像桌搭一样、能给你提供一定情绪价值、长期在场的小生物，它的陪伴时间肯定会特别长，也会保持良好的开机率。这是我们当时定义这个人群的核心。
但实际上，如果要做成一家未来宠物公司，宠物是不分年龄段的，它是全年龄、全球化的。任何一个国家和地区对于宠物品种的选择可能有一些差异，但它一定是一个全球市场。
当时我们就发现，产品设计的洞察来源于：你需要先把第一批产品交付出去，经过两代到三代的打磨，最后才有可能成为一个特别爆款的产品。
做硬件是一件慢的事情，没办法跨越周期和迭代的过程。比如乔布斯做触屏手机，也是在至少迭代 3 版之后，从 3GS 到 iPhone 4，才可能引爆全球移动互联网。
所以我们做这个产品，也是希望先交付出去，然后逐渐洞察用户。这可能就是刚才峰叔提到的，为什么我会跟女性比较接近。因为我们的第一波用户是全球女性消费者，她们对产品很包容，也给我们提了很多迭代意见，我才慢慢有机会纠正自己的一些直男思维。
李丰
我本来是给他机会，让他老王卖瓜，多卖几颗瓜出去，结果他卖了一颗瓜，就转到他的宝贝女儿或者女朋友身上去了。
除了微软之外，他其实还在很多著名的大企业里做过产品相关负责人，具体是哪几家公司我就不说了。最后一个经历，是在字节负责整个 VR 眼镜，也就是 Pico 项目的产品定义和产品设计。
简单总结一下，他一路走来，是从设计出身，如何跟工业、科技乃至互联网相关的产品相结合，把这两件事，也就是交叉学科，发挥或者培养到极致。这大概就是那些细节的来源，我之前的困惑也在这里得到了解释。
回到最开始的话题，我先问一个小问题，也算是应景今天重新热闹起来的创业大街。你从字节跳动出来，尤其还是一个至少在某种程度上负责过重要项目的人出来创业，碰上今天的 AI 热潮，这两件事到底是什么关系？
是你本来就打算出来创业、做硬件产品，然后正好被 AI 这件事激活了；还是你本来打算出来创业，因为凑巧遇上 AI 热潮，所以把两件事合起来，决定做一家创业公司？大概的先后过程是什么样？
何家斌
6. 创业始于十年积累
我其实是 2021 年进的字节，2023 年离开，在那里待了整整两年。
这个过程中，我进大厂有一个想法，就是想为下一次创业积累足够的经验。进字节之前，我的职业路径没有讲得特别清晰。我先在微软实习，后来去了百度，在百度深度学习实验室做了两年实验室级别的创新硬件探索，之后出来创业，跟我之前的 leader、之前的老板一起做了一家公司，叫物灵科技。
这家公司主要做儿童陪伴机器人，做了 5 年，属于儿童陪伴硬件赛道。现在应该还是这个赛道的第一平台，销量也是最多的，我们做了大几百万台的销量。
这个过程中遇到了一些问题，比如赛道问题、行业增长天花板问题，所以我才去了字节。在字节的两年，相当于蛰伏了一下，练了一些内功。
这个内功主要来自两个方面。第一，我希望在大厂里探索一下，在有钱、有充足预算的情况下做硬件是什么体验。我也体验到了可能在字节做过最贵的硬件——Pico 4。我们花了好几十亿元去做一个产品，这可能是我以前在创业公司不敢想象的。
这段经历让我积累了很多经验。第二是积累了很多供应链资源。我们现在可能用到果链这样的供应链资源，也都是那段经历花了很多钱、趟过很多坑之后积累下来的。
所以回到峰叔刚才问的第一个问题，我其实一直想创业，想从 0 到 1 做创新硬件。只是在大厂积累我为下一次创业需要补的短板。
第二个导火索，来自 ChatGPT 3.0 到 3.5 的阶段。出来之后，我们感受到未来 AI 的机会一定来自具身。这个具身不一定是双足人形，也可能是各种各样的硬件载体。它带有跟这个世界交互的数据采集能力和行为反馈能力，这样的硬件终端一定会出现新的消费品机会。
所以在进字节一年之后，我就开始计划：如果出来创业，要选什么赛道、做什么产品形态，才最适合我这 10 年的职业积累，才能让我最长的那块长板，在一个什么样的产品上发挥出来。
当时我隐隐约约感觉到，做一个“无用之美”、提供情绪价值的东西，可能是我最好的选择，于是就开始找外面的人聊天。那时遇到了早期投资机构真值创投，他们联系到我之后说，他们已经成立了一个这样的雏形，也积累了很多如何让机器变得更像生物的技术，现在缺一个大产品进来，帮他们找到落地方向。
那个时间节点，双方刚好对上了。对上之后，我很快做了决策，用 3 个月的时间把团队搭好，进入了这家创业公司，然后逐渐带着整个团队打磨出今天的产品形态。
李丰
明白。但是从那个时候到现在，如果大家留意的话，中间还有一段时间的 gap，里面有很多血泪史。一会儿让他说一说血泪史，我们都高兴一下。听见别人的跌宕起伏和不幸遭遇，总是能让自己的心理更平衡一些。
7. 科技创新经历三波
今天我们先从一个大话题开始。如果前年我们凑巧在同一个时间点，也就是 2023 年接近年底的时候，在这里录节目，我们应该讲大模型，对吧？
如果 2024 年这个时候录播客，理论上最热的应该是具身智能机器人。当然我们也投了很多。今天凑巧在这里录，我们讲的是陪伴机器人，或者叫 AI 硬件。
我的问题是，从我们今天讨论的话题来看，前年讨论大模型，去年讨论机器人或者 Agent，今天讨论 AI 硬件。为什么是这个顺序？为什么在不同的时间点，分别热了这几件事？
为什么今年大家不再集中精力讨论大模型？今年也许还有人在讨论具身智能机器人和 Agent，但我们挑了一个更新的话题，AI 硬件。
何家斌
我来说一下我自己这 10 年对于科技创新行业规律的大概总结，特别是硬件。
革命性的技术一定会有一个周期，叫作底层技术的爆发，这是一个窗口期。窗口期里，可能会有大量资本和创业者去研究底层技术的革命性东西。
比如大模型，最开始可能基于 Transformer，再加上大量数据，训练出了像 OpenAI 的 ChatGPT 这样比较强的底层技术。这个东西一旦成熟，到了一定曲线之后，就不会再爆发式增长了。
第二个阶段，是思考这个技术要应用到什么样的东西上。因为第一件事不需要寻找落地场景，它只是革命性底层技术的爆发；第二件事就需要讲一个巨大的故事。
比如 AI 的大脑，如果只是做 Agent，它可能就能替代人类的智商，这是一个很大的故事。第二，AI 结合机器人、结合具身智能，可以替代人类泛化的能力，可以做家务、进工厂。
这就是刚才峰叔说的第二个阶段。去年可能大量投资人都在看具身智能和 Agent 这两类投资机会。
但到了现在，你会发现这两个故事越往后走，越需要创业公司开始实现商业价值，找到商业落地场景，具体解决一家创业公司实实在在的问题。比如，如何交付给用户一个让他可以长时间使用的产品。
这时就到了第三个阶段：大量创业者基于前面的积累，去寻找具体的垂直场景做应用。我们现在正处于这个阶段。
反推另一个故事，比如自动驾驶行业最开始的时候，传统汽车没有各种传感器帮你采集数据。如果要做到今天所说的 L4 级别，让特斯拉变得足够智能，让车像机器人一样在城市里完成自主服务和规划，前面一定要完成一件事：让大量人去开这种带有传感器能力的新汽车。
这需要一段时间。最开始，汽车行业的底层技术爆发，可能来自能源革命、电池革命。然后才慢慢有各种行业力量和国家政策力量，让资本和创业团队开始做所谓的新势力造车品牌，逐渐交付用户能够正常使用的、带有传感器的汽车。
有了大量数据之后，才能谈今天如何应用好 AI，让 AI 在不同场景里发挥巨大价值。
所以我觉得，任何一个科技创新行业都有这 3 步。
李丰
我简单总结一下。大家当然在每一步的时候，都会忘记上一次也是这么经历的。每次热起来的时候，大家都会比较头脑发热，资本也会这样。
每一个技术创新周期，没有例外，都要经过 3 次。
第一次是因为各种因素的积累，使技术层面出现进步。这个进步是一个小跃迁，我们叫作小质变。因为它跟以前不一样，所以大家在上面赋予了无数的想象力，认为革命性的一天终于来了。每一次都是这样。
上一次不管是自动驾驶，还是人脸识别里的“四小龙”，大家也是这么认为的。再往前，神经网络，也就是 CNN、DNN；再往前 15 年，大数据，大家也都是这么认为的。
第一波，是因为过去各种资源、要素的积累，确实造成了技术进步。比如这次大模型，是因为历史上积累了 30 年的文本数据，把文字变成了数据。若从美国开始算，也许积累了 40 多年的互联网公开可及文本数据。
第二件事，是算力有了明显进步。第三件事，是在这个基础上，算法能力基于算力提升，数据积累到足够多，所以可以利用算法的小进步，积累出大模型。
我想第一波大概讲清楚了。
每次科技创新的第二波，是因为第一波技术耗尽了过去积累的资源。算力、数据、算法累进，最终累积到了今天大模型的进步。你不可能短期之内再花 40 年，找一个同样规模的东西，让技术再进步一次。
所以再往下，技术本身的进步会变得更线性、更平缓。因为它吸收了过去的气血，完成了一次要素迭代和小质变。接下来大家就会想，既然技术本身开始正常迭代了，那这个技术能干什么？
于是第二波就会去想一个最有想象力的事情。刚才他讲了，Agent 最有想象力，是因为大家一想，它将来可以替代所有专业技能工作者，听起来也不知道是好事还是坏事，最后可能变成全电子牛马。
另外一件事，是发明机器人之后，具身智能机器人跟人一样，可以替代所有人做的工作。这两个最大的想象力，一个是软的，一个是硬的，我想大家都能理解。
但不幸的是，“最大想象力的应用”这句话，硬币的另一面通常意味着它相对最不容易落地。因为你能拼命想，就意味着这件事今天不好证伪，也不好证实。
然后再往下，会过渡到千行百业：今天能不能用起来、赚到钱？能不能创造新需求？能不能定义新产品？定义出新产品之后，消费者能不能立刻买单？最后又能不能赚到钱？
所以每一次的第三波都是这样。当然，从科技本身来看，它也是一个蔓延的过程。第一波，技术还在盒子里面；第二波到了外围，稍微有一些应用空间；第三步到了最外圈，开始跟大千世界接触，找到落地场景。
它不一定是最 AI 的，但一定是相对更新的技术、相对新的场景、相对新的应用，以及相对新的赚钱方式。基本上每一次都是这么完成的。
拿自动驾驶举例。大家可能了解，也可能不了解，2015 年之前我们去硅谷，毫无疑问，自动驾驶最牛的公司是 Google。那时候 Waymo 还没有分拆出来，大家认为它简直无比厉害，因为只有它有最多的车在外面跑，这是第一波。
第二波，从 2015 年开始，先把中国创业公司略过去，因为评价具体公司比较敏感。那时大家认为最厉害的，左手是 Uber，右手是特斯拉。
为什么？因为特斯拉造出来的车已经装了很多传感器。那时候还有投行分析师这样宣传：你将来买了特斯拉，加上自动驾驶之后，买车的钱都不算什么，车没事就可以自己出去跑网约车赚钱。
Uber 也没问题，因为它是全球最大的汽车调度运营网络。大家一想，如果所有的车都是自动驾驶，而我又是最大的调度网络，那我岂不是超级赚钱，连给司机分成都不需要了。
当时，特斯拉和 Uber 是自动驾驶概念中估值最贵的两家公司。
再往下，大家才会问：到底谁上了车？到底谁装上了量产车？谁跟哪几家著名车企合作了？
放到中国，你也会看到，我们还得先做 L2，再做 L3。L3 刚刚开始公布允许上路的相关政策。所以你会发现，自动驾驶最后落地时，还是跟我们原来想的有一点差距。
自动驾驶从 2014 年第一波巨热的泡沫开始，到今天已经 11 年了，我们才走到 L2 到 L3 的过程。
你再看外面，跑得比较好的还有一些叫新石器的机器人，就是在园区里给你送盒饭的机器人。在封闭场景里，用得最好的是上海港，以及港区和矿场这些全封闭、无人场景中的自动驾驶。
你就会发现，它是怎么从技术创新一步一步走到落地，经历这 3 波投资热潮的。每一波都一样。
所以为什么 2023 年我们坐在这里应该讲大模型，2024 年应该讲具身智能机器人，今天凑巧讲到它创新的 AI 陪伴产品，原因就在这里。
回到另外一个话题。既然我们讲过科技创新，这里就出现了一个小命题。
AI 和硬件之间的第一个交集，是怎么把 AI 落地下去。当然，AI 落地在第二波里有两个方向，一个软的、一个硬的，今天讨论的是偏硬的这一边，软的落地方法我们今天先不讨论。
今天我们讨论的第一个话题，是为什么今天坐在这里谈这件事。因为已经到了第三波，开始赚钱了。中国的 AI 具身智能机器人，我们也投了很多，它们表现很好，估值也很高，中国已经把 AI 具身智能机器人往前推了一波。
我跟我们投的机器人企业讲，去年本来应该是特斯拉公布它最新的 Optimus 版本下厂多少台、拿到多大订单的时候。但因为前几个月马斯克去忙政治上的事情，所以那个计划跳票了。
我本来以为，特斯拉跳票之后，热度就应该换到第三波，结果后来为什么没有停？因为春节联欢晚会上出现了跳舞的机器人，接下来民营企业座谈会，以及中国刚刚开完的两会工作报告里，都把智能机器人写了进去。
所以在特斯拉跳票之后，中国单独把具身智能机器人又往上推了一格，使大家的关注度和资源聚集度又上升了一格。
李翔
但今天既然已经写进两会报告，我想也不太容易找到什么方法，让这件事的热度和关注度再上一个台阶了。你说还能把它写到哪里，才能让它再上一个台阶？
所以，为什么该轮到第三波，就在这里了。
8. 硬件为何先于智能
既然讲到第三波，我们再讲另一个问题：为什么是硬件？当然，从硬件开始创业，肯定是因为这是你擅长和喜欢的事情，里面有很多产品设计和具体细节可以去交付。
但既然有一软一硬，抛开你喜欢的角度，为什么你觉得有了 AI，或者说有了 AI 加硬件之后，这件事会出现，并且跟以前不同？为什么一定要硬件这个形态？
何家斌
峰叔提的这个问题，是行业内大家都在讨论的问题。
我们究竟是把现有的、可见的 AI 塞进一个硬件里去找场景，还是先把场景做好，然后为这个产品逐渐产生 AI 做准备？这其实是两种方式。
为什么要从硬件开始着手？当然，排除刚才峰叔说的我擅长、我喜欢之外，还有一个很大的问题：未来 5 到 10 年，真正能够让硬件在智能化这件事情上产生巨大价值的前提，是你需要有数据。
现在大家可以看到，所有具身智能机器人跟人和世界互动的真实数据都没有。它没有固定的数据集，要么通过人去采集数据，要么通过仿真去合成数据。
但我们现在还没有那么多具身智能机器人在真实场景中使用。也就是说，这样的硬件还没有足够的真实数据。
李丰
他在点头表示赞同。他会聚焦在主要说话的人身上。
何家斌
说到数据，为什么从硬件开始？因为如果硬件的核心是一个能说话的东西，利用的是现在大模型的对话能力，那可能可以从软件开始。手机和电脑终端都有麦克风和计算能力，能够通过语音或文本帮你完成很多工作。
但一个创新硬件，比如我们定义的这个硬件场景，它很垂直，做的是人的行为数据采集，然后逐渐形成一个闭源的数据结构，让宠物更像宠物。这件事没有现成数据。
所以我们需要先做一个可爱的东西，让能够给我们提供数据的用户用起来。它要有足够的在场时长、足够高的开机率，用户要主动摸它、对它笑，这些都属于行为数据。
我们去市场上看了一下，像这种距离大约半米、120 度左右摄像头采集的主人行为数据，目前市场上没有。我们能看到的可能是家里的监控摄像头，但那是大场景，不会有一对一的人的行为数据，也不会那么精准，连微表情这些东西都没有。
长时间开机的设备，实际上只有我们现在创造的这种形态。
举个例子，如果我们先交付一个好看的、具有明确垂直用户群体、用户愿意买单的硬件，并且有足够高的黏性。假设我们有 10 万个用户，这 10 万个用户的开机率足够高，每天都在我们所描述的故事里养这个宠物，并且给我们交付很多在场时的行为数据。
这些东西就会超过市场上已有的所有数据，能够帮助我们训练一个宠物应激反应模型。
这就是第一步：你需要先有现有硬件。第二步，才会有匹配这个硬件的行为数据。第三步，才叫智能，才会有 AI。
所以我们这个产品的非共识之处，就是没有直接把端到端大模型用到机器人里，让它能够跟用户对话。我们非常反共识地做这个产品，也很克制，没有使用对话模型，而是先让它模拟一个不会说话的宠物，先交付一个低预期，让用户有足够高的开机率。
当时我们做了一个小测试，它会像动物一样，通过自己的声调反馈一些情绪变化。因为我们觉得，如果宠物一旦开口说人话，具有逻辑推理能力，有自己的喜好，并且有明确的语言描述边界，你就会觉得它不像宠物，而像一个非常智能的智能体，被塞进了一个毛绒玩具里，你会对它失去信任感。
如果它的语言聊天模型还做得没有那么好，它就会偶尔……
李丰
我打个比方。你想象一下，你养了个孩子，这个孩子在两三岁的时候，突然开口跟你进行辩论。这个孩子虽然是你的孩子，但你应该也会有点心有余悸，或者你看待他的视角、方法和感情，都会发生巨大变化。
你不会再像看待两三岁的孩子一样看待他。
何家斌
因为我们认为，这个机器人当下真正的硬件价值，就是交付一个弱机器人。
“弱机器人”这个概念，我认为是一个舶来品。很多日本企业都在做这件事，因为日本市场无论从学术端还是产业端来说，在机器人领域都比国内至少发达 20 到 30 年。
很多日本的孤独人群，已经开始接受陪伴型宠物这样的东西。
为什么它是一个弱机器人的概念？因为日本社会发现，当它变成一个强智能机器人时，用户并不希望长时间把它放在家里。它不会形成融入生活的习惯。
你在旁边放一个话痨，它有时会打扰你。把一个硬邦邦的具身智能机器人放在家里，也会有同样的距离感。
所以我们希望它比人类弱。它的定位可能是一个 0 到 3 岁的小孩。3 岁以下的孩子，语言能力以及对世界的反馈，很容易唤醒人照顾它的欲望。
一旦你对照顾一个机器人产生了欲望，整个使用行为就会发生很大的变化。
如果它只是一个刺激你分泌多巴胺的产品，过完新鲜期之后就会衰减，最后落灰。但如果它是一个不断刺激你想去照顾它的机器人，让你分泌催产素，产生一种自己被需要的满足感，你就会保持长时间开机，慢慢把它当作宠物去养。
所以我们不让它说话，是为了让它变弱。这是我们定义它的逻辑。
李丰
他刚才讲到了几个问题，我从投资人的视角稍微抽象一下，也包含一些我们自己的观点和判断。
第一个问题，为什么是硬件？我举一个大家更容易感知的例子。
今天移动互联网上所有大厂，那些最著名的新兴公司，比如打车、外卖，也包括大家看的短视频，我们不讲具体名字。这些代表性的移动互联网新兴巨头，你有没有想过它们是怎么出来的？
大家说，是因为有了智能手机它们才出现，这句话肯定是对的。但为什么它们要等到智能手机？它们在等什么？
比如王兴第三次创业才走到这里，张一鸣也是第三次创业才走到这里。他们为什么不能第一次创业就成功，直接变成今天这样，而要等接近 10 年，等到第三次创业？
我猜，如果是他们自己，肯定也希望第一次创业就成功。他们到底在等什么？
他们可能是在等这些东西。智能手机的普及不是这几个平台公司造成的，这一点大家应该同意。是先有了智能手机，它们才出现。
但有了智能手机之后，带来了什么变化？智能手机之所以叫智能手机，是因为跟诺基亚和摩托罗拉相比，里面多了几样东西。
我用了十几年诺基亚，用诺基亚最主要的原因就是它摔不坏。它还算是个比较贵的东西，所以当然想挑摔不坏的。
但智能手机除了更容易摔坏之外，还多了高清光学变焦摄像头。以前用诺基亚的时候，摄像头只有 120 万像素，拍个照片连人脸都找不出来在哪里。
它还多了 MEMS 阵列麦克风传感器，也就是一种新的芯片，能够提供高清音质。除此之外，还有陀螺仪和 GPS。
GPS 是干什么用的？只有有了 GPS，你才能知道我在这里，外卖小哥在那里，饭店在那里。他为什么还不赶紧去取我的饭？取到了之后，距离我吃到这顿饭还有多久？为什么还要等 26 分钟才能送到我手里？
你想过没有，它们要等什么？它们要等我的位置数据、外卖小哥的位置数据、餐厅的位置数据。打车也是一样。
当然，它们还要等高清摄像头、高清音频的出现和传输。
我把这句话重新说一遍，换成“人话”：你变成智能手机之后，因为它装了很多新传感器，这些新传感器产生了以前从未有过的重要数据，比如我的位置数据、你的图像数据、我的音频数据，以及外卖小哥的实时位置数据。
有了这些新数据，才有了新的商业模式。两个位置之间的关系，可以变成打车或者外卖。高清画质出来，可以变成美图或者短视频，不管是哪一个短视频平台。
当然，唯一的差别是，这些传感器的普及是由另外几家公司完成的。传感器的普及不是互联网平台做的，互联网平台只是等到智能手机普及之后，得到这些新数据，再构建基于新数据的新商业模式。
我想这个例子大概讲明白了。
第二个例子，其实刚才已经讲过了。今天的大模型是从哪里来的？是互联网积累了 40 多年的公开、大量、几乎无穷尽的文本数据，才变成了今天模型能够学习和处理的基础。
当然，还有算力进步带来了算法进步。所以这些事情的底层，都是要等到条件成熟。否则，那些著名创业者也都希望自己的第一次创业就成功，而不是都要等 10 年之后的第三次。
回到刚才何总讲的，最重要的一件事是：新的硬件会带来新的数据类型。它把更多不同类型的传感器，或者已有类型的更多传感器，放到更多用户和不同场景里，捕捉并产生新数据。
在这些事情上，当然可以实现新的产品和消费能力，或者说新的消费模式。
我们喜欢 AI 硬件，还有另外一个原因。中国最擅长两件事。
第一，国务院出台了关于“人工智能+”的政策，里面加了若干不同方向。再往前，我们的总书记讲过，中国做科技创新、实现自立自强，最好的方式之一就是应用驱动技术创新。说白了，就是用应用带着技术跑。
中国最好的应用类型是什么？是只有中国具备的东西：既有重要的传感器芯片产业链，又有完整且复杂的精密加工和消费电子产业链。
这两件事，任何一个国家都不完整。美国有其中一部分，只有芯片的一部分设计能力和一部分代工能力。
如果这两条产业链凑巧还能搭上软技术，也就是 AI，它就能变成中国独有的优势。
所以你会发现，扫地机器人已经走到国外，只剩中国自己卷自己了。你也可以认为，新能源车将来很有可能也是中国自己卷自己。
如果华为手机在 2019 年没有受到限制，很有可能今天的智能手机在国外也是中国自己卷自己。
这就是我们喜欢 AI 硬件的另一个原因。
比如 12 年前我们投影石，它中间经历了巨大无比的挑战，也跟你一样有血泪史。他原来会的是图像拼接的软件能力，在中国尝试卖软件很难之后，毅然关闭了南京公司，去了深圳，重新注册了影石科技，把自己嵌入中国消费电子制造产业链，最终变成了一台全景相机，而不是一家做软件拼接技术的公司。
然后后来就变成了今天一千多亿的影石。
核心问题跟我刚才讲的那一串话是一样的：中国既有能力，也擅长竞争，还能把软件和硬件，或者说软技术和硬产品，放在一起重新定义一个产品类别。
中国已经定义了很多新产品。今天时髦的 AI 硬件也有很多，我们就不一一举例了。
我来问一下“学历史”的部分，这跟我刚才的话题有一点关系。
从开始想做这件事，到今天终于成功发售并获得用户较好的评价——我说较好的评价，不是因为我们投了这个项目才来夸它。虽然它现在还没有在国内正式发售，但国内也有少量用户拿到了最新版的这个宝贝，女朋友或者女儿。
你可以去小红书上看看。即使有部分用户吐槽这个产品，也是以“自家闺女只许我说她有挑战，不许你说她不好”的方式来评价的。
我说的这句话靠不靠谱，你可以自己去小红书上搜一搜。我的意思是，它还是有情感注入的，虽然时间很短、国内用户也很少。
从开始做这件事，到今年开始交付产品，中间这一年半主要在忙什么？经历了哪些痛苦过程？
何家斌
9. 创业团队死里逃生
峰叔说的这段血泪史，对我自己来说，是人生中最大的挑战。
我从字节出来的时候，在萌友这家公司担任产品 VP，主要负责整个大产品。当时公司还有另外一个 CEO，我其实还没有做好准备来当一把手，因为我自己也是第一次当 CEO。那个过程中，我还是想做自己最擅长的事情。
当时我们想做的是一个特别复杂的机器人，利用供应链优势，对标海外、日本的一些产品形态。它可能卖得比较贵，能在地上跑，是一种复杂机器人，可以进入家里完成很多事情。
但后来我们发现，第一批长期用户对这个品类的接受度，跟你的定价是一万元、七万元还是十万元，没有特别大的区别。你必须把价格一直打到大约两千元以内，它才有机会成为爆款。
看清这件事的本质之后，我从产品 VP 出发，花了很多心思去推动这款更容易成为爆款的产品。我们整个公司的结构，也从技术导向型公司，变成了由产品和用户体验驱动的公司。
李丰
太好了，终于从“为了 AI 做个产品”，变成了“为了把产品做好，可以适当加一点 AI”，终于走上了正确的道路。
何家斌
没错。这个转变，对于一个具身智能早期创业团队来说，需要经历很大的认知阵痛。
之前的 CEO 更偏技术导向和供应链导向，后来他离开了。这个过程中，我临危受命，接任了团队 CEO，开始坚定地往这个方向探索。
当时融资不是特别顺利。刚才峰叔说的上一个阶段，大家坐在这里聊的还不是我们这个行业，而是具身智能。我们是一个非常非共识的小公司，所以不太好融钱。
那个时候，我背负了公司的一定负债，接下来的战略又跟老股东借了一部分钱，撑了 4 个月，把我认为更容易打透市场的产品形态做了出来。
去年 10 月，我们去上海参加一个 IP 授权展，做了一个非常小的展位，一共花了不到 1 万元，包括场地租金和搭建费用。我们公司一共 6 个人，基本上全员都在现场。当时是背水一战，我们相信这件事还是有搏一把的机会。
通过那一次，我们打了一场小而关键的胜仗。那 3 天，我们把产品摆在展位上，发现它是整个展会上最火的展位，也是疫情之后 4 年里 IP 授权展上最火的展位。我们是现场唯一一个新东西。
产品第一眼看上去就很好，我觉得这是做对了一个点。无论什么人路过，都会来我们摊位问这是什么。
它在 AI 硬件上做到了一个很重要的点，就是把 AI 显性化，形成了一个视觉锤。大家不会一上来就觉得这只是个玩具，因为它的互动、眼神追踪，以及摸它之后模拟宠物的各种行为，都跟展馆里的毛绒玩具不一样。
大家觉得这是一个新东西，是一个 AI 的东西，但又说不上来 AI 到底是什么。我们隐隐约约感觉到，做对了一些事情。
从那个时间开始，我拿到了成为 CEO 之后的第一笔融资。老股东给了我们支持，因为我们确实拿到了结果。
同时，我拿着产品到处路演，在上海跑了一圈。有一些个人股东愿意相信我，大家一起凑了 1000 万元人民币。
这 1000 万元进来之后，整个团队第一次感觉拿到了结果，于是开始说，这个产品要把它做到量产。
因为当时展会上其实只有 5 台样机，做得特别狼狈。拿到钱之后，我们立刻找工厂做转产，开模，所有需要花钱的事情都开始花钱，也有了勇气去参加 CES。
CES 是很贵的，从租场地、报名、选择好的区域，到提前锁定位置，再加上差旅和本地搭建，费用都很高。
当时我们的预期比较低，没想过要在 CES 上拿到特别大的结果，只是因为手里稍微有了一点钱，可以去试错。
我的英语特别差，也是第一次去美国。面对一群外国记者采访时，我心里非常虚，于是找了一个翻译，一天大约 1500 元人民币，租了 5 天。然后带着这个小家伙，在那里待了差不多一周。
那一周我几乎没有睡觉。从第一天开始，福布斯做了专访，没想到一下就爆发了。
因为当时正好是第二次给我们正反馈的历史节点。就像峰叔说的，第三波到来的时候，所有媒体和资本都在期待 AI 到底如何在硬件上产生商业价值，大家都在想象这件事情。
我们把在展会上积累的经验，又一次在 CES 上具象化了。所有记者过来都会摸摸它、抱起来，跟它进行各种互动。我们再趁着这个空档，告诉他们机器人的理念是什么，并且告诉他们可以扫码，在 KISS 上预订一台。
这是一个非常完整、能够交付、大家能看到商业价值的产品形态，而且它是破圈层的。那些 KOL、KOC 不只是科技行业的开箱博主，各种各样的女生都会聚集到我们的展位，讨论这个东西，于是形成了话题。
那 6、7 天，我们从全球后台看到的数据是 60 亿次传播。一定程度上，我们带火了整个中国产业界的 AI 陪伴赛道。
回来之后，我们又开始接触各个机构，后来遇到了峰叔，跟峰叔坚定地走到了第三轮融资。
李丰
10. 硬件必须边做边改
我再多问一句。本来我还有一点私心：从产品想象的原型定义，到一个含有多种传感器和硬件配置、尤其是过去从来没有这样配置过的硬件产品，是一个挺折腾的过程。
它需要决定所有技术配置：用不用芯片、用什么芯片；用不用摄像头、用什么摄像头；用不用某种材料、用什么材料；它们之间又是什么传输关系和数据关系、决策关系。这些事情都不容易。
要不然智能手机也不会变成所谓的皇冠。每塞进一个东西都很难，每拿出来一个东西也很难，所以它的进步才会变得非常有挑战。
从原型到最后落地一个硬件产品，包括触感、毛绒材质，以及所有人都特别喜欢的大眼睛，还有里面的传感器和芯片等科技元素，这条产业链在定义时，你有什么感受？
何家斌
我的感受是，做一个创新硬件，第一代的时候很难想得特别清楚。
这是最大的感觉。我们都是根据眼前看到的、符合当下人才能力的东西来做选择。比如我们只适合选择什么样的芯片平台，有一定的经验；对于成熟产业链的物料和供货周期，也比较有信心，而不是去使用特别创新、全新的硬件。
基础逻辑是需要大胆一点，不用想得太多，而是尽快选择当下能够满足产品定义的成熟硬件。先搭起一个不那么完美、可能只有 50% 完整度的硬件选型框架，然后快速往前跑。
所以这一代硬件，我们也是在逐步交付用户的过程中，发现还有很多可以升级的空间。
李丰
从最初的单个原型，到这一版，中间经历了多少版？
何家斌
从去年 6 月到现在，我们已经交付了接近 1 万台，至少经历了 3 到 4 次大的硬件选型变化。
平台可能还是同一个平台，只是对算力和成本的要求不一样，差不多有 3 到 4 代。每一代平台选型的变化，都会导致至少 2 个月的 delay，前面很多东西都需要推翻。
举个简单例子，我们之前选的第一代芯片平台，没办法驱动两个屏幕，只能驱动一个屏幕。但我们又坚持一定要使用两个屏幕。
为什么？这里面有一个体验细节：我们发现，当宠物的面部表情，尤其是眼睛这一部分，是一个平面时，它会失去立体感。
所以两个屏幕的折角大约是 15 度。当它在空间中跟你对视时，能够形成比较好的对视感。一旦使用平面屏幕，在一块 4 英寸屏幕前面加一个罩子，就会特别像一个机器人。
但形成一定夹角之后，它能够形成对视感。这一点我们至少经历了一到两代迭代，也反过来对芯片平台提出了要求：它到底能不能驱动双屏异显，还是只能驱动单屏单显？
这些都是很多细节。还包括舵机的选型、舵机噪音分贝的控制、风扇的选型。风扇装在毛绒套里面，散热很困难，所以需要使用静音风扇。
从几块钱的风扇换成比较贵的风扇，我们也经历了至少 3 到 4 代迭代。
所以要做到今天这个程度，至少需要一年左右，才能从一个 demo 走到最终量产交付。
李丰
我补充一句关键的话：这也幸亏是在中国做。如果在美国做，估计得花 10 年才能迭代到现在这样。这话稍微有点夸张。
我们有一位非常著名的具身智能机器人科学家。他除了想做产业化之外，最大的感受是，他在美国也是机器人行业的著名教授。他说，在美国迭代一版机器人，只要有一个技术部件发生硬件变化，就需要迭代一版，只能到中国来定制。
每个循环大概 3 到 4 个月。你把需求和配置告诉对方，对方做出一版寄回来，你测试完之后再告诉他下一版怎么改。一个循环大概就是 3 到 4 个月。
这是他亲口说的，在采访里也讲过。回到深圳之后，终于换了流程，只需要今天下午把需求送过去，明天晚上就能拿回来，快了非常多。
回应一下我们最早吃饭时讲的事情。我们说，当年影石最重要、也是最难的决定，就是把南京的软件公司关掉，一个人去了深圳，开了今天的影石。
对他来说，最大的利好就是把技术嵌入当时珠三角的消费电子产业链。2015 年左右，这条产业链刚刚开始升级。随着中国从装配制造变成精密制造，2014 到 2015 年，今天大家知道的很多著名公司都在那里出现了，比如小米、vivo、OPPO，以及面向消费者的华为品牌。
就是因为那两年，珠三角的精密制造企业，或者说随着果链成长，整体提升了一个大台阶，所以才出现了这些品牌。
这两件事嵌在一起，就变成了快速迭代。它只用了一年多，就进入苹果线下商店，成为第一个在苹果线下商店销售的、非苹果自有品牌的非摄影外设，才开始了后面的故事。
硬件产品看起来是一个产品，但真正做出来确实很麻烦。凑巧的是，中国的供应链能力比较强，训练程度也比较高。它至少能在尽量便宜、尽量好、尽量快地交付这件事上，帮助你实现目标。
何家斌
没错。
李丰
11. 好玩比有用更重要
从另一个看智能硬件的角度来说，大家通常把硬件分为两类：一类叫有用，一类叫好玩。当然里面有很多交集，但也有一些比较纯粹的好玩和比较纯粹的有用。
从你们的选择来看，你觉得 Ropet 今天是几分有用、几分好玩？
何家斌
我们选择了 100% 好玩，0 分有用。
我理解的“有用”，是你希望这个机器人帮你解决工具和效率问题，我们把它叫工具属性的有用。好玩则是纯粹提供情绪价值。
我上一个设计的产品，其实是这两者之间五五分，甚至三七分的产品，是一个儿童绘本阅读机器人，叫卢卡。
它是一个用户分离型产品。交付给父母时是纯有用的，能够帮助孩子读书。我们的广告语叫“让孩子在 3 到 6 岁的阅读敏感期养成阅读习惯”，这是一件很刚需的事情。
机器人能够很好地完成这件事。但孩子在玩这个东西时，又是纯好玩的，因为阅读本身是反人性的。他喜欢那个 IP 形象，喜欢里面设计的互动游戏，这些东西能够增强黏性。
当时这个产品的成功点，就是把这两件事平衡得还算可以。
但我总会发现，如果一个产品既要顾着这个人群，又要顾着那个人群，而且这两个人群不是同一拨人，你还要把产品卖给他们两边，就容易发生冲突，产品定义会不够纯粹。
所以当时我们选择做女性向的东西，而不是儿童教育，是因为女性向的东西能够做得足够深、足够纯粹。
女性向产品可以引用王宁曾经说过的一句话：如果 Labubu 是一个 U 盘，你会买很多个 U 盘吗？
U 盘代表有用，是工具价值；Labubu 代表好玩、好看的那一层。我非常认可这句话。一旦你对产品的工具属性抱有哪怕一丝期待，它在好玩这件事上就一定会打折，很难做到特别纯粹。
但做一个纯好玩、纯无用的东西也有难度。你在产品定义上，如何告诉用户它有价值？
刚好我们遇到了一个特别好的时代机会。今天我们会发现，所有情绪价值的东西都更有市场、更有议价权。
它交付给用户的是一种服务型产品，能够调动用户各种激素的分泌。这是当下科技消费品爆发的一个重要趋势，也刚好是我们擅长做的事情。
所以我们现在对这个产品的定义，就是让它 100% 好玩。
这个好玩包含几层东西。第一层叫游戏性，就是把游戏、把玩的体验做到极致。
比如我们小时候玩的 Tamagotchi。我还很小的时候，记得小学门口有很多小小的宠物蛋，里面是 16×16 的像素屏，可以养一些小宠物。每天需要给它喂东西，喂完之后可能过 15 分钟或半个小时，它会排便，你要去清扫。如果不按固定按键完成动作，它就会生病，甚至可能死掉。
它能够不断让你每天跟它互动。这个产品当时风靡全球，今天又重新火起来了。Tamagotchi 跟名创优品重新做了联名，现在很多人又开始玩这种复古的养成类游戏。
所以“玩”这件事在游戏上有非常强的黏性和商业价值，它是能够赚钱的。即使不具备工具属性，也可以有一个能够赚钱的商业模型。
我们希望它类似于养成游戏，比十几年前我们玩的那种简单宠物硬件形态更加仿生。这是 AI 能做的事情：让它更像一个真正的宠物，跟你在物理世界里有更多五感互动。
这样一来，它的黏性内核和商业内核就同时成立了。所以当时我坚定地认为，如果不做工具，这件事是有机会做透的。
李丰
从我们的角度看，有用的好处是初期不太需要教育市场，坏处是很快会进入性价比竞争。
最简单的比方，你家里的所有家用电器都是有用但不好玩的。你应该不会没事去玩扫地机器人，也不会去玩洗衣机。
这就是有用，但它会进入性价比竞争。
好玩的产品，一开始不好教育市场，但好处是有溢价，有独特的竞争门槛，不用拼配置和性价比。
你不会跟别人比较，说我们家玩具用的是某芯片公司的这款，不，我们家的玩具高级多了，用的是另一家的这款。你应该不会用这种方式去竞争。
所以大概可以理解有用和好玩之间的差别，这只是从投资人的角度做的一点小小总结。
我再问一个今天开局就有、但一直到现在还没有讨论的话题。
第一，今天 AI 进入应用层，有了新的创业机会，也定义出了一个相对新一点的消费产品和品类。说白了，就是因为有了这件事，才有了今天的机会。
第二，我们一开始也讲到，你选择做科技或者 AI，但在过去一年多跟市场、消费者互动的过程中，为什么要在 AI 创业的今天，把开始的产品里的 AI 往回减一些？
李翔
你是因为有了这些技术能力，才能创建这样一个品类。但你所面对的人群比较特殊，他们不是科技尝鲜者，他们需要的只是一个有情绪价值、能够提供陪伴的产品形态。
或者我们也可以反过来问：因为有了今天的技术和 AI 加持，这件事跟以前有什么不同？为什么以前没有陪伴玩具这个功能？今天我们有了哪些能力，才可以有它？
何家斌
我觉得是创业成本的问题。
比如五六年前，如果要做一个端侧算力，去识别各种垂直模型，我们需要自己训练数据集。现在比如识别一个水果，只需要去 GitHub 开源社区里找一个模型，再放到它的大脑里进行量化和裁剪，它就能跑起来。
我们的端侧芯片只有 1 TOPS 的算力，非常小，但这 1 TOPS 算力需要模拟宠物的四感：视觉、听觉、触觉和重力感应。
而且包裹在毛绒套之后，芯片散热不好，会特别热，还要解决散热问题。
今天一个 6 人团队，能够在短短 4 到 5 个月内把这样的模型拼出来，就是这个时代给我们的机会。AI 模型的获取成本足够低，所以我们才有机会想象这件事。
其实 AI 模型获取成本足够低，多多少少要感谢 DeepSeek。因为有人打破了闭源垄断，使开源本身成为大家不得不采用的商业模式，才有足够多可以调试的各类模型供我们选择和调用。
李翔
你希望这个陪伴宠物在未来变成什么样？
比如我养了 3 个月、1 年、2 年，它会变得越来越智能、跟现在不一样吗？它未来的智能点在哪里？
或者说，它未来会从 0 岁长到 4 岁吗？
何家斌
我们现在的硬件算力，以及团队能够交付的模型能力，只能模拟 0 到 3 岁孩子的一些感知能力。
比如它识别东西的数量，以及基于人脸判断人的情绪。它最多也就是 3 岁左右的智商。
但不排除一年之后，如果端侧算力从 1 TOPS 升级到 10 TOPS，而成本不增加，产品定价也不变。同时，端侧能够运行更大的模型，我们又有了一定的数据量，比如两三万台设备的在场数据。
你看，它终于看我了。因为你对它笑，所以它就看你了。
如果有了这么多数据，未来我们可能会把它升级得更智能。它可能从 3 岁变成 10 岁，能够简单地跟你进行语言沟通。
所以我们并不是反对这类产品说话，也不是说它未来不能说话。我们只是觉得，当下直接用端到端大模型让它说话，不符合它现在的交互模式，会让用户出戏。
但不排除到明年，我们可能让它以一种合适的方式跟人类进行语言交流。我觉得这会是它未来智能化的一个非常重要的方向。
李翔
因为它老是会吵，所以我对它比一个“嘘”的手势，它就会安静下来。
何家斌
对，这就是识别你的手势和人脸。
简单来说，它下一步的智能化，就是模拟人类的智商从 3 岁往上涨。它可能会长到 5 岁，也可能会长到 10 岁。
它也会像一个人一样，从最开始的小孩牙牙学语，到认识一些简单的东西，再逐步进入青春期、成年期，给你交付更多情绪陪伴。
这里面有一个小设计：当我对它做“嘘”的手势时，它会安静。但一摸它的头，就说明你主动想跟它互动了，它又会把声音打开。
李翔
我举两个回应这件事的例子。当然，这只是一个纯投资人和一点点技术视角。
应该在 2023 年下半年，有一家非常著名的硅谷创业公司，叫 Character.AI。它主要是在智能手机上，也兼顾 PC，提供一种陪伴型情感机器人。
它不叫机器人，因为它不是物理实体，只是一个应用，是一个 App。后来模仿 Character.AI，又出现了很多同类公司，中国也有一两个大模型公司尝试推出情感陪伴应用，单独做 To C 的 App。
当然，Character.AI 后来被 Google 以一种不是收购公司的形式直接买下来了，可能主要是为了它的语料库，因为交易价格并不贵。
如果你仍然关注这些公司，会注意到在过去半年，它们陆陆续续已经不再大规模宣传，活跃度也下降了很多。
我的问题是，如果说话就能解决广泛的情感陪伴，那这些应用应该就可以，或者 OpenAI 自己也可以。为什么基于大语言模型的开放式、不设预期阈值的情感陪伴，用语言生成来跟你对话、试图解决情感问题的应用，最后活跃度都不行？
这是我的问题。每个人都可以有自己的答案，我们也有自己的答案。
但这些产品已经经历了从活跃到很快变得不活跃的过程，至少证明了一件事：基于现在的技术，做一个开放预期的情感陪伴，很难持续达到用户预期。至少在今天，这个结论是合理的。
这是我们从现象背后可以得到的结论。
当然，正向的例子也很容易举。即便中国是全世界电动车数量最多、普及率最高的国家，今天在新车当中，智能驾驶也还是要先做 L2，然后这周开始批准 L3。我不知道还要过多少年，才会批准 L4，也许最后才会到 L5。
我解释一下这件事。我相信在座肯定有人开电动车。我自己有一辆电动车，自从有了电动车，我们家的油车就没人开了，因为它确实很好，有沙发、彩电和大冰箱。
除此之外，我想讲的是，今天即便中国已经是全世界最能接受数字化新消费品和新消费习惯的国家。老外到中国来，从某种意义上是从数字荒漠走来的。他觉得中国什么都不带，只带个微信支付或者支付宝就能出门办所有事，是个不可思议的事情。但他一旦适应之后，也会觉得这是个神奇的事情。消费者在使用新能源车时，不管是谁提供的智能驾驶，如果你是一个有驾照的人，应该也不太敢一上来就用“hands off wheel”，也就是不扶方向盘的全自动驾驶。
你可能要先使用自动泊车、自动泊入、自动召唤车辆，再在平稳的驾驶路况中，让它保持“hands on wheel”，也就是手扶方向盘但不控制，逐步尝试自动驾驶。
消费者的习惯也是递进的，要从那些对你影响最小、对你的意识改变最小、你能够接受的智能驾驶习惯开始，一步一步过渡到汽车可能具备的最高智能水平。
不管你今天车上配的是 L 几，从国家对这件事的管理方式来看，即便中国最有能力普及这件事，也是按部就班的。
除非是在封闭场景，比如港口、矿区，没有人，也几乎没有随意穿行的机动车，才允许它进入无人厂区，达到 L4 以上的驾驶水平。
除去安全问题，本身也有一个对技术的信任边界，以及消费者意识能否接受的问题。
我从两个角度解释这件事。
第一，手机已经几乎是离你最近的东西，陪伴你的时间可能超过了任何一个亲朋好友陪伴你的时间。即便这样，手机上的泛化大语言模型驱动的聊天情感陪伴机器人，也没能达到全世界人民的预期。
第二，自动驾驶也要先从燃油车换成电动车，从电动车换成简单的自动驾驶功能，再到更进阶的自动驾驶功能，消费者需要逐步接受和认知。
我们刚才讨论的，到底是奔着 AI 去做一款产品，还是让产品加一点技术特点，拥有一些以前不同的特征，然后慢慢走上 AI 的台阶，这正是我们花很多时间想要解释的最大问题。
这也是我一开始几乎放弃 AI 玩具赛道的原因。因为大家都是为了 AI 做一个玩具，我不知道这到底是给技术玩的，还是给消费者用的。
这大概就是差别。
今天的话题，从最初 AI 热潮热到哪里，到最后这个新定义出来的宝贝女儿、宝贝女朋友到底是怎么被定义出来的、经历了哪些过程，我们基本都讲得差不多了。
因为时间关系，我们就到这里。感谢大家的时间，也非常感谢何总。
何家斌
谢谢冯叔。