【质谱AI】Z计划创业生态10期-智能硬件

 再聊大模型与智能硬件的创新融合｜Z 沙龙第 10 期

主题分享部分

    1、张周：AI 硬件和消费电子市场

• 纵览过去10年的AI硬件和消费电子
• 2个维度，全球市场规模和头部企业非大厂

  • 正样本：从过去扫地机、无人机、泳池机器人、智能投影、激光切割、 3D 打印等产品，到最近一段时间的会议纪要或者是翻译耳机，都有优秀品牌和产品的涌现。

  • 负样本：仅仅是市场规模不是其成为负样本的原因，部分大市场产品最后要么变成红海竞争，要么就被大厂收编的结局。

• 成功的公司的特征

• 整个 AI 线主要是根据模型能力相关的，所以还是集中在几个应用分类：

  • 商务效率类

  • 陪伴娱乐类：情感陪伴类相比于传统的效率工具，这些设备在用户粘性、情感价值以及溢价能力上非常强;老人和儿童；

• 从渠道的角度看最好做硬件智能的市场：统一大市场

  • 方便进行用户定义

  • 更强的消费力

• 

• 全球市场概览：西欧、北美、拉美、东南亚

• 很多人都有创造入口级产品的梦想，但入口级产品很难做。过去有很多大市场的机会其实来源于细分场景；

Gump评论：

• 作为创业公司，产业投资视角下的规模和品类：
• 作为创业公司，竞争中跑出来，需要的素质（画像），经营管理比较全面；
• 全球市场的特征分析；

    2、余有江：边缘大模型的应用

略；

    3、游威：大模型硬件的应用和用户界面

• 我们需要探索非用户界面的 AI +硬件
• 这些产品的共同特点在于可以被理解为一种用户界面（UI）。这些设备使得用户与手机的云助手交谈时可以更加优雅。
• 本质上，这些设备是在语义丰富的场景下的信息收集器或交互界面。像智能录音设备是输入界面，而像 AI 陪伴类设备就是输出界面。
• 从交互角度来看，有些设备不仅仅是用户界面：它们可能是电视、音响等设备，或者是带有摄像头的  Mac 等设备。
• 富语义，并能给用户反馈一些有趣的信息。基于此，其他设备的形态可能要物理化的服务，服务本身要一些能力，但硬件的复杂度并不高。

Gump评论：硬件载体的产品和软件产品，基本的产品设计的区别：人机交互、物理服务结合大模型的富语义；

    4、某知名基金投资人：ToB 与 ToC 的创新之路

• 2B机器人现状：
  • 在 2C 市场，集成过程侧重于提供即开即用的用户体验设计。相对而言，2B 市场的集成过程更为复杂，需要集成商的参与
  • 这些集成商负责将机器人技术与客户的具体需求相结合，并在此过程中获得利润分成，通常与硬件厂商的利润比例相当。
  • 对于一套价值千万的传统大型工业机器人，集成商可能获得等同于硬件成本的利润。
  • 如价格在 20 万至 30 万或更低端的 3 万至 5 万的机器人，集成商的利润空间将大幅压缩，难以获得高额回报。也就是说，这个生态实际上并不健康。
  • 当前 2b 的障碍在于机器人难用。现在都是轻工业。以小批量、多批次、少批量为主，为了增加机器人的灵活性来不断地部署和二次开发，显然是不行的
• AI带来的机会
  • 一些团队认为生成式 AI 能打破魔咒，使得集成商的开发部署成本急速降低，使机器人能快速地触达客户，减轻部署成本，或者换句话说，提高泛化能力。
  • 如果有团队能做出完全不需要任何编辑方式，能适应各种空间，各种环境的机器人，这个公司就极其有价值。但目前还没有
  • 创业⽅向包括基座模型（或⾏业模型）、垂直⾏业解决⽅案；创业者要考虑具体的商业化路径和⼈事匹配，同时需要考虑商业化场景与特定市场的结合度。
• AI硬件2C应用
  • 传统家电和智能设备厂商开始融入 AI 技术，提供更加个性化的用户体验
  • 上一代的基于图文的方式已经被视频颠覆，下一代可能会是 agent 或者是其他一些形式，我们也不确定。可能会有更多的创业者在这里创新。
  • 优秀的创业者能意识到显性痛点在哪里
• 2B建议
  • 2B最重视的就是团队实力，尤其是 CEO 的业务专长和融资能力。说实话，ToB 领域的技术现在并不成熟，所以团队就非常重要；
  • 从产品市场匹配（PMF）到规模化的过程中，需要正确处理渠道与客户关系
  • 你会发现你成了这家集成商或是个供应商，所有人都是你的甲方，工作很累。
  • 很多在 ToB 领域的创业者，非常喜欢战略投资人，这是双刃剑，一方面战略投资人会带来市场资源。但如果跟这些客户走得很近，客户提出来的问题要花费大量人力去解决，产品很难标准化
• 2C建议
  • 深度思考，选品（传播属性）；
  • 深度和广度的储备；
  • 全球化试点

Gump评论：

1，2B的商业模式问题，解决客户差异化定制vs随业务场景灵活泛化，讲的很清楚了，不光是机器人行业，AI1.0的公司、国内SAAS等很多也面临着这种问题；能力要求也给建议了：对于业务经营的能力，尽力保持标准化地做规模；

2，2C，说下第二点，产品的功能配置，优于上游供应链的缘故，已经很快会被拉平；应用体验的打磨，技术的挖深井（在上游供应核心器件上），产品的场景化服务互联；

    5、刘博：AI+硬件的洞察

AI 的必要性：在硬件项目中，是否真的需要 AI 技术。AI 并非万能，应针对具体问题选择是否应用 AI。当面临非线性问题，需要类似人类的分析和抽象能力时，AI 成为必要选择

边缘计算的挑战：面临功耗和成本问题。当转向将 AI 技术部署到边缘计算的具体讨论时，面临的挑战包括设备的高功耗、成本控制及最终产品的市场定价。

硬件选择：CPU小型传统算法，GPU基于PC硬件， NPU高级算法；

自由研讨

• 边缘侧AI
  • 场景：隐私信任、本地化
  • 模型大小：2B～10B
  • 对于简单推理和意图识别，不需要广泛语义理解的对话场景，云端的大型模型会更为合适。
  • 模型的算法正在向小参数优化，当前所有算法技术都应该向边缘端优化
  • 对于普通用户的入门门槛越来越低
• 未来的大模型+硬件的发展方向
  • 前信息时代：用户需要使用工具获取信息。以字节跳动为代表，将现有的信息进行画像化和标签化，在信息的两端进行匹配。通过现有的技术算法，如标签匹配和网络传输匹配，进行极简的交互。后信息时代：AI 将帮助人们使用工具并完成其使用目的。AI 大模型将负责知识建构，所有 AI 大模型都在这个层面上工作。
  • 未来大模型+硬件需要降低用户的执行操作门槛，减少能量损耗。
    • 集中化的算力可以减少能耗，因为它避免了分层的决策和交流。例如用户询问旅游专家，这就是一种分层。旅游专家是上层，用户是下层。如果是集中化的算力，那么分层永远只有两层，可以达到最低的能耗。
  • 交互方式的未来可能会通过空间计算实现最简交互，因为只需要语言和手势即可。
  • 智能硬件是否具有吸引力，因为智能硬件越频繁的使用，产品就越了解用户的喜好，从而提供更好的个性化服务。
  • Vision Pro 更多是一种新的交互形态，AI+社交可以打破时间上的限制，打破社交的空间性；
• 硬件创业是否可行
  • 关于是否现在进行硬件创业，一定要。有一个理论叫冰淇淋理论，一定要在这个事情爆发之前开始做、尝试，等到真正到来的时候，才能够抓住这个机会
  • 创业者需要从需求出发，然后反推技术是否适用，应该根据使用场景来决定使用多少大模型，在真实的交互中，对话通常是简短的。对于一般的几十亿参数模型和百亿级模型，成本是以分计算的，这个成本完全是可以覆盖的。
  • 当前用户与一个娱乐设备对话一小时，使用世界上最贵的 GPT-4 模型，只需要 2-4 元。但 3 块钱一小时的成本对一个正常人来说很贵，作为一个娱乐工具，比如爱奇艺的付费用户有 1 亿人，它的月费不到 15 块钱。GPT-3.5 是 GPT-4 价格的 1/10，端到端模型更加便宜，它可以将成本从 90 块钱降到 9 块钱，甚至 1 块钱。
• AI情感交互社交产品
  • 情感社交产品与智能 AI 客服不同。它们会将人类的情感融入到大模型里；AI 智能客服，可能会让一些消费者困在信息检房里。反而，处理客户愤怒的情绪是可以反向对企业的供应链管理、产品服务做一些迭代和升级的
  • 对于第四代社交产品——AI 社交产品，硬件渗透率还没有跨越鸿沟，这一块需要走很长一段路。
    • 第一代社交产品：功能机兴起的时候，我们做社交是通过短信；
    • 第二代社交产品：功能机渗透到 PC 互联网时，QQ 作为社交龙头诞生；
    • 第三代社交产品：智能手机兴起时，微信从此诞生；
  • 但引入情感的关键点 ROI 是否能打平客诉率下降的成本。保险、金融、银行会去做，因为 ROI 够高，所以情感分析去赋能 AI 客服降本增效的案例是有的，只是比较少
  • AI成年人虚拟人社交、孩子的虚拟人社交可能更合适

罗列了AI Native硬件的产品，包括Rabbit R1，AI Pin，等其它产品