第一波喧嚣过后，AI硬件如何面对这三道考题？ | Linear View

一级市场，永远不缺来回涌动的热点。在行业冷热转换之间，如何穿越周期，做出真正能够改变生活的技术产品，是我们长期关注的主题。

过去一段时间，硬件投资从甚少人关注走向局部过热，再趋于冷静。但在我们看来，随着AI上下游基建的发展，硬件及应用的机会才刚开始。 创业者更需要想清楚：AI带来了什么，用户到底需要什么，以及手里的钱能支撑自己走多远。

上周末，在安克创新首届黑客松上，线性资本作为创投合作伙伴，在Workshop环节分享了对端侧AI硬件的思考。 我们整理了团队在现场分享的部分观点，与大家交流讨论。

硬件的发展，可以简单分为三代：传统硬件、智能硬件和AI硬件。

第一代传统硬件比较简单，每个硬件做各自的事情比如MP3就用来听音乐。那一波跑出来的公司，很多是靠规模把产品做得更便宜，日本消费电子崛起本质就是制造和规模优势。

到了2007年前后，智能硬件开始出现。那一波最大的beta是移动互联网，包括App Store这样的生态：硬件变成入口，软件去定义体验。

第三代是从2023年开始的AI硬件，这一轮最大的变量，毋庸置疑是AI。进入2026年，AI硬件已经出现了可观察的规模增长，也开始呈现明显分化。

很多人觉得，先做好一个硬件，AI更多是锦上添花。但在我们看来，既然叫AI硬件，最大的变量就应该是AI。

**如果移除AI，产品最核心的价值还剩下多少？它是否改变了产品理解用户、响应需求、完成任务的方式？ 你可以说自己做的是智能硬件，但AI硬件，必须得是AI native的。

我们相信，**要让每个人都能以更低的成本获得足够的智能，成为超级个体，边端侧也需要足够强。**单靠云端，可能还不够。

展开来说，第一，它要理解真实世界，能够多模态地感知环境；第二，它要连续完成任务，Agent要多步执行，不断完成你要求它做的事情；第三，它要有记忆，要Personalize，深刻地理解你。

所以从物理属性来看，这种智能需要持续、实时、贴身地发生。

这时候，云端的问题就会变得很具体。第一个是延迟，每次请求都要往返；第二个是隐私，很多敏感的信息，我们还是希望放在本地；第三个是成本，持续使用就意味着持续支付API费用。

把更多计算放到本地，可以减少网络往返，也让敏感信息有机会留在设备上。云端调用是持续的运营支出（OPEX），本地部署则需要前置设备投入（CAPEX），加上折旧、电力和维护。对持续感知、频繁调用的场景，可以让本地承担高频任务，云端处理复杂请求；是否划算，要结合调用量、利用率和设备生命周期测算。

过去一段时间，AI硬件在市场上很热，但很多体验还没有真正起来。一个重要原因，就是边端侧还没有足够的智能。

因此，我们关注模型，也关注芯片、存储。边端侧部署首先要回答：模型能否装得下，装下后能否跑得快？容量决定前者，存储带宽是后者的重要因素。

可以先算一笔最基础的容量账：按FP4，也就是每个参数用4 bit存储来估算，100亿参数的模型，仅权重就约需 5GB；1000亿参数约需50GB；万亿参数约需500GB。这还没有计入量化元数据、推理时的KV Cache和其他运行开销。在过往，边端侧很难在低成本、低功耗的前提下同时做到高容量和高带宽。

目前非常值得关注的一个方向是HBF（High Bandwidth Flash，高带宽闪存）。它基于NAND闪存，试图结合更高的容量密度与接近HBM量级的带宽。闪迪与SK海力士已经推进这一技术的标准化。闪迪在公开材料中提出，在相近成本下实现HBM约8—16倍容量的目标。这为突破容量、带宽与成本之间的约束提供了一条新的路径。

如果这类技术应用到边缘设备，更大的模型就可以放到边端侧部署。但走向贴身使用的消费产品，仍要解决芯片适配、功耗、散热和系统成本。技术打开可能性，工程把它变成体验。

所以边端侧智能的意义最终要体现在用户能够感知的体验上：更强的智能、更及时的响应、更连续的服务，以及可以长期负担的使用成本。

我们相信，未来一定会出现新的多模态设备。那个设备可能不会只是今天的手机：它要实时感知你，要贴身，要尽可能降低延迟。

手机承载了大量功能，但未必适合所有实时、贴身的智能服务。硬件可能先解构，再重构：先把录音、健康这些场景切得很薄，做成更直接的产品，再重构成新的形态。它可能是眼镜，也可能是其他东西，今天我们还不知道。

对于创业者，这意味着两种不同的选择。**第一种，我们称它为"新瓶装老酒"。**老酒就是已有的用户习惯，像眼镜、耳机、玩具。需求是真实存在的，供应链是成熟的，渠道也是现成的，AI去进一步赋能它。

第二种，是定义一个全新的物种。 用户还没有对应的行为习惯，风险和潜在回报都很大。它对团队的要求更高，也很看时机：正好踩到那个点，产品才可能起来。

相对来说，第一种更适合起步。先切中一个高频场景，把AI做好，之后再延伸做平台。无论选择眼镜还是耳机或是其他形态，真正需要积累的，都是对用户需求的理解，以及支撑体验的AI能力。

大家都会讲自己的PMF，但其实对于大部分AI硬件产品来说，我们可能会先看审美也就是ID设计：这个东西到底好不好看，然后才谈PMF。

因为面向消费者的AI硬件，本质上还是消费电子，而且很多是贴身使用的东西。如果第一眼觉得它不好看，无论是形态还是工艺，消费者可能连使用它的机会都不会给。这也意味着，工业设计应该从产品定义之初就参与进来。

过去我们见到的大多数创始人都会觉得自己的产品有PMF。**但一个很常见的错误，就是"我认为有PMF"，其实并没有。**这不是简单地说调研了几个人，就能证明这件事。

具体调研了几十份、几百份，还是几千份？**更重要的是，最后怎么收敛到产品功能上。**割草机那一波就很典型，很多产品经理做了调研，问的问题可能都差不多，最终做出来的功能却不一样。用户到底有什么痛点，你怎么把它变成产品，这个很关键。

之前有位创始人说要做潜水类AR/AI眼镜，光是讲到除雾这个功能，基本上把能想到的五六个方案都想过了，一个个排除，最后选了一个对用户最友好的方案。包括logo的弧度为什么这样选、为什么消费者用起来会更舒服，他们都有自己的思考。这类思考，可能比单纯一句"我们很懂用户"更有说服力。

比起单纯看Demo，我们更希望听创始人讲清楚：功能怎么收敛出来，为什么最后是这样。产品能力，体现在这些具体的取舍里。

PMF的验证还要延伸到购买之后。 硬件加订阅的方案可以很完整，用户是否持续使用、愿不愿意续费，仍要靠产品回答。

资本市场的热度，很容易制造一种加速感。连续融资、估值上涨，会让创业者觉得必须尽快进入下一轮。

到了后期，投资人不会因为前面有谁投了、故事讲得好，就一直买单。 产品做不出来或卖得不好，前面融资再顺利，也可能遇到估值倒挂。融资可以提前，但产品验证无法跳过。

所以抛开喧嚣声，创业者不能只追求所谓的高估值，每一轮也不需要跳得太快。公司做成什么样，其实只有自己知道；开模、验证、量产分别需要多少钱，每个月要花多少钱，心里都应该有数。融资计划要跟着实际的研发与生产节奏走。

对于硬件初创团队来说，我们经常建议预留一部分资金，平时先不要动。万一下一轮真的融不到了，再用这部分钱解燃眉之急。无论是消费电子还是消费品牌，很多公司最后出问题就是因为对现金流没有足够的意识。

回到开头，硬件的每一次代际变化，都会重新打开产品定义的空间。AI会以什么形态进入日常生活，今天还没有定论，这恰恰是早期创业值得投入的地方。

我们愿意更早地和创始人一起，把对技术的判断放进一个个具体产品里，接受真实使用的检验。等一轮轮热度过去，仍被用户留在身边、持续使用的产品，会让我们更清楚地看到新一代AI硬件的样子。