前阵子参加了一场 AI 硬件方向的闭门交流，在场的有做可穿戴设备的创始人、做机器人的、做宠物科技的，还有几个在做全球化的。聊了快三个小时，几条判断我印象很深，先放最前面：AI 硬件真正要补的短板不是"听得见看得清"，而是"记不记得住"；通用大模型讲故事好听，但真正需要的是"只做一件事"的小模型；情感陪伴这件事，AI 越完美越容易崩，反倒是有点"小脾气"、需要你投喂才跟你亲的设定更稳；出海反直觉建议，把一半预算投向拉美和非洲，而不是单单做高客单价的美国日本。
往下是具体内容，按话题整理。
为什么非得做硬件
现在大部分 AI 交互还是靠手机屏幕或者电脑。但有人提了一个很有意思的说法：“你的世界应该是你最大的 prompt。”
什么意思呢？你每次跟 AI 聊天，都得重新交代一遍背景。AI 不知道你在哪，不知道你刚跟谁吃完饭，不知道你桌上放着什么。这中间有一条巨大的"情境鸿沟"。
可穿戴设备能填这个坑。它一直在你身上，能看到你看到的，听到你听到的，不需要你主动输入，被动感知就行。有人把这叫 LifeOS，生活操作系统。
另一个价值是情感陪伴。现在年轻人愿意为情绪价值花钱，盲盒、钓鱼，各种体验消费都是这个逻辑。AI 硬件能不能做成一个陪伴你的东西？
但这里有个坑：“情感恐怖谷”。你把一个 AI 当朋友了，结果它突然忘了你们昨天聊了什么，或者做出跟"人设"完全不符的反应，信任瞬间崩塌。现场有人分享了几个规避思路：
- 把 AI 设定成宠物或者外星人。它对人类世界不了解、记忆有偏差，这些就变成了角色特点，不是 bug，是"萌点"
- 不要做一个完美的工具人，AI 应该有自己的小脾气，需要你跟它互动才能解锁更多内容
- 参考"拓麻歌子"（那只曾经风靡全球的电子宠物玩具）的思路：你得照顾它，它才跟你亲，陪伴是双向的，不是你单方面索取
做硬件有多难
有人用"五感"拆解 AI 硬件的能力要求：听得见、读得懂、看得清、记得住、猜得透。前两个基本解决了，后三个还差得远。
看得清： 人习惯在五六十厘米的距离读东西，你随便把设备对准一本书，期望 AI 像人眼一样看清，现在做不到。
记得住： 这是最致命的一条。1M tokens 的上下文窗口听起来很大，但：每两秒拍一张 720p 的图，只够存半小时。
猜得透： 真正的主动服务不是根据聊天记录发提醒。应该是你走到常去的咖啡店，AI 感知到了，帮你下单。这需要跨设备的记忆同步和情境感知。
形态没那么重要
眼镜、耳机、挂件，关于 AI 硬件该长什么样，争论很多。但在场做硬件的人基本一个观点：Form Factor（产品的物理形态）没那么重要，当前技术条件下，核心矛盾是功耗、性能和续航的三角平衡。挂件（pendant）为什么现在比眼镜更实际？因为它在有限体积里，给电池和计算单元留了更合理的空间。
有个做机器人的举了个例子也挺好。传统机器人用谐波减速器，贵，精度高；但现在用强化学习算法，机器人能在运动中自己补偿误差，这意味着可以用便宜得多的行星减速器，效果差不多。算法替硬件省钱。
大模型还是小模型
有个做宠物科技的分享了一个很实际的教训。他们有几百万用户，如果用大模型做一个泛化的通知，比如推送一条"你的猫不正常"，会怎样？几千个焦虑的用户同时涌进客服问"我的猫到底怎么了"，客服成本直接炸掉，公司可能从盈利变亏损。
他们的解法是用小模型，只做一件事，比如只分析猫的大小便数据，监测健康问题。好处很明显：模型在窄领域里持续训练，越来越专业，建议更靠谱；也不用担心泛化能力不足带来的客服灾难，商业上算得过来账。通用听起来性感，但垂直才赚钱。这个判断我觉得适用于很多 AI 产品，不只是硬件。
Garmin 的"面粉"模式
聊到生态，有人提了 Garmin 的做法。Garmin 手表通过传感器收集原始数据，相当于"收割小麦"，然后把数据通过开放 API 加工成"面粉"，提供给合作伙伴。合作伙伴是各个垂直领域的"手艺人"，用面粉做自己的特色产品，Garmin 自己不下场做面包。
两个案例挺有意思：一个是连续血糖监测（CGM），把运动、睡眠、压力数据跟血糖数据整合分析，给运动员和糖尿病前期患者提供整合健康方案；另一个是人宠互动，用主人的心率变异性数据算出一个"吸猫力指数"，把交互从人机变成了人和宠物之间的真实互动。压力大的时候提醒你去撸猫，比推送一条"你该休息了"场景感强得多。
出海三件事
对于想出海的中国产品，几个人总结了三点。
第一，品牌真实性。 不是靠砸营销预算，是靠用户社群自然增长。Duolingo 在哪个国家核心体验都一样，Notion 靠社群口碑起来的，持续交付一个核心价值，别搞碎片化营销。
第二，留存比下载重要。 Spotify 是典型，数据科学驱动，在用户行为的精确节点做干预，不是追下载量，是管用户生命周期。
第三，借信任。 中国产品出海最难的就是信任，最高效的方式不是从零建，是借。阿里云进欧洲找本地服务商合作运营数据中心，AliExpress 全面接入 Google 支付和 SSO（单点登录），用的都是别人已经建好的信任体系。
新兴市场的意外
大多数出海公司盯着美国和日本。但有人试了一个不一样的路子：把 50% 营销预算投向拉美和非洲，结果在尼日利亚发现了一批愿意花 200 美元买服务的用户。
这些市场年轻人口多，增长轨迹跟中国二三线城市类似。单个用户平均付费低，但用户基数大，获客成本也低，算总账，利润空间可能比主流市场更大。
最后
AI 硬件这个方向，技术上还有很多坑没填，但商业上已经开始跑起来了。这场交流给我最大的感受是：做硬件的人比做纯软件的人更务实。他们每天面对的是功耗、续航、供应链这些物理世界的限制，没法靠一个好点子加一个周末就上线。
但我对于硬件的态度仍然没有变：硬件需要完整的上下游供应链，既是护城河，也是高门槛，并不适合软件背景的人来做。AI 陪伴硬件，和十年前的互联网+硬件没有区别。更为关键的是场景需求，而不是堆叠AI功能。
声明：以上内容由交流记录与回忆整理，可能存在偏颇错位，仅供参考，不代表当事人立场、不构成投资建议。
关注我，带你看更多类似访谈。