目录

简介

物理约束

成本效率

用户行为

品类属性

8维度分析

---

简介

昨天在<人人都是产品经理>做了一场AI硬件产品的分享。

将近两个小时的时间，对整个AI硬件的产品逻辑，以及机会做了框架性的分享。

今天这篇内容做一个简短的总结，希望能够给大家提供一些思路参考。

对于AI硬件产品，你可能会纠结一件事。

• 同样是增加AI功能，有些产品就能热卖；

• 但是有些产品最终只是一阵风，故事很好，但是用户不买单。

差距到底在哪？到底应该怎么做呢？

做了十几年的硬件产品，包括也做了AI+硬件的一些尝试，我的体会是：

AI硬件的成败，关键往往不在AI本身。

物理约束、用户行为、品类属性这三个维度，就决定了一个产品未来到底能走多远。

而很多创业者呢，一上来就把注意力全放在了「AI能力」上。

这就有点像拿着锤子找钉子的感觉，拿着AI去找产品。

反而脱离了真实的用户需求，甚至有的创业者还想着要去教育用户。

这篇内容呢，我你分享一套我总结的分析框架。

可以帮你在下判断的时候，少踩一些我踩过的坑。

物理约束

先说一个绕不过去的东西：物理约束。

比如电池能量密度有天花板，大概 250 到 300 瓦时每公斤。

这是锂电化学决定的，硅碳负极在逐步商用，但提升是渐进式的，不是跳跃式的。

再比如芯片算力越高，发热越大，功耗越高。

手机开录像模式一会儿就发烫，更别说小尺寸的AI穿戴设备。

looki R1 就是卡在这个问题上。

人体能承受的重量也有限。

眼镜超过 50 克，戴半小时你就难受。

华为和小米的智能眼镜把重量压到了 40 克左右，千问 AI 眼镜 G1 也是 40 克。

哪怕最新的这些AI眼镜重量也控制在50g左右，比如雷朋、千问S1也控制在 50 克上下。

物理约束的特点是什么？

你改变不了它，只能接受它。

违反物理约束的产品，不管你营销做得多好，用户拿到手一体验，期望和现实的落差就会反噬品牌。

所以在分析任何一个AI硬件之前，先问自己：这个产品，物理上撑得住吗？

成本效率

物理约束之外，还有一层，我称之为成本效率。

这里有一个工具，我觉得拿来评估AI硬件特别合适。

它叫「白痴指数」。

这个概念最早来自马斯克。

算法非常简单：

制成品的总成本，除以基础原材料的成本。

指数越低，离原材料的物理本质越近，制造浪费越少。

当时SpaceX想从俄罗斯买火箭，对方报价数千万美元。

马斯克把火箭拆了，铝、钛、铜、碳纤维，这些原材料加起来大概130万美元，白痴指数高达50。

意味着制造环节就吃掉了98%的成本。

对于白痴指数高的产品，你就得去分析：

是供应商在收割你，还是你自己设计得太复杂、用了不该用的工艺。

这两种情况的解法完全不同。

用户行为

物理上撑得住，成本上算得过。

接下来看用户行为。

用户行为，就是那些用户嘴上不说、但身体很诚实的行为模式。

在AI硬件这个品类上，我整理了四点比较重要的：

第一，人不喜欢多管一个充电设备。

我自己出门，连充电宝都不想带，后来有了磁吸充电宝才勉强接受。

如果你的AI产品主打记录生活，需要高频视频，用半个小时就得充电。

那这个东西对用户来说就是负担，不是工具。

第二，在公共场合对着设备说话，目前还不够自然。

有社交尴尬。

这不是产品设计能完全解决的问题，是社会规范还没跟上。

你只能接受它，然后想办法降低尴尬，比如用触摸交互替代语音。

目前主流形态还是以耳机+AI为主。

第三，硬件是「有需求才戴，需求结束马上摘」的产品。

比如墨镜这种产品，我一般只有出门开车的时候才戴。

属于跟场景强绑定的产品。

如果你做的是AI眼镜，还要往上加重量——那用户摘下来的速度会比你想象的快。

第四点，也是最重要的一点。

手机已经是默认设备。

开始做任何新的AI硬件产品之前，你都得回答一个问题：

我为什么不直接用手机？

不要想着去教育用户。

连大厂都很难做好教育这件事，更别说初创团队。

品类属性

理解了物理约束、成本效率和用户行为，我们再往上走一层：品类属性。

这个判断我认为是最核心的：

AI硬件的竞争壁垒，取决于品类属性。

AI大模型对现有品类来说，是一次确定性的产业升级。

但这个升级不是对所有品类都一样的——就像同样用大模型工作，对有些人来说是几十倍的放大，对有些人来说反而是负担。

硬件产品本身的物理约束和用户行为就决定了：有些品类会在这次升级中爆发，有些品类无论怎么堆AI都起不来。

从大的层面，我把AI的确定性升级分成两类：

一类是离生产力近的品类。 

比如四足机器人、办公设备。这类产品的硬件能力和场景壁垒是核心。

另一类是离情绪价值近的品类。 

比如AI宠物、陪伴玩具。品牌、渠道和运营能力反而更重要。

这个区分非常重要。

你不能用同一套逻辑去分析AI机器狗和AI毛绒宠物——它们的物理约束不一样，用户期望不一样，赚钱的逻辑也不一样。

另外一个关键判断：

当前确定性的AI方案主线，不是「纯端侧」，是「云端+端侧协同」。

小终端跑大模型，功耗和散热根本绕不开。

8维度分析

三层地基讲完了。

现在给你一个完整的分析框架。

我把AI硬件产品的分析拆成八个维度。

这八个维度不是并列的——它们有决策顺序。

选方向阶段，重点看两个维度：产品定位和硬件形态。

产品定位不是「全能助手」「健康搭子」这种标签。

定位要深入到JTBD（Jobs to be Done）层面。

客户购买产品，是为了完成一项任务。

这个任务可能是功能性的（解决具体事情），也可能是情感性的（想知道自己睡得好不好、明天要不要调整）。

Oura Ring的定位是「你不需要刻意管理健康，它在你睡觉时自动工作」。

用户的任务不是「监测心率」，是「我想知道自己的身体状态」。

反过来看AI Pin。

它的定位是「替代手机、独立使用」——这个任务太大了。

用户用手机完成几十种不同的任务，你用一台没有屏幕、依赖语音的设备全部替代？啥都能干一点，啥都干不好。

定位之后选形态。问三个问题：

第一问：用户愿不愿意多带一个东西？

Rabbit R1的问题就在这——手持形态太尴尬，核心器件和手机没差别，交互还不如手机高效，用户「想不起来带、带出去不知道放哪」。

第二问：形态能不能做到Always On？

眼镜戴在脸上天然是第一人称记录，戒指戴在手上天然是全天候监测。

Meta Ray-Ban 二代最核心的优势不是AI功能有多强——是「不需要额外动作」。

你本来就要戴眼镜，它只是在你已经在做的事情上叠加了一层智能。

第三问：成本和工程能不能撑住？

Galaxy Ring内置双核处理器、光学心率传感器、温度传感器、加速度计和陀螺仪，电池却只有19.5毫安时。

在极小体积内集成了传感器、计算芯片、无线模块和电池，任何一个增加都意味着其他层面的妥协。

做方案阶段，重点看：AI功能、技术架构、工程约束。

AI功能拆开看是五层：

多模态输入→推理→记忆→多模态输出→执行（Agent）。

大多数AI硬件只做到前两层就停了——有输入有推理，但没记忆、没Agent执行。

技术架构上，语音交互目前主流还是三段式：ASR（语音识别）→LLM（大模型推理）→TTS（文本转语音），延迟必须控制在500毫秒以内才能实现自然对话。

工程约束是做软件出身的人做硬件最先碰壁的地方。

软件开发上线后出Bug，改一行代码推送就行。

硬件量产阶段一旦犯错，往往是毁灭性的。

上市前阶段，重点看：商业模式、差异化与生态。

商业模式不只是「硬件+订阅」。

要看四个契合：产品-市场契合、产品-渠道契合、渠道-模型契合、模型-市场契合，四个维度缺一不可。

趋势层，是并行参考的外部变量。

我把趋势按约束类型分成三层：

物理约束层（进步慢，策略是「等」，不要押注）；

AI能力层（变化极快，策略是「快速接入，别自己造轮子」）；

生态约束层（由苹果、谷歌、小米、华为的战略决定，策略是「选边或中立，但必须有B计划」）。

希望今天的推送，能给你一些帮助。

不管你是正在做AI硬件的创业者，还是正在观望的产品经理——下次在判断一个AI硬件产品能不能做的时候，可以先问自己三个问题：

这个东西，物理上撑得住吗？

用户真的愿意多带一个吗？

它的品类属性，决定了它的竞争壁垒在哪？

这三问过了，再跑8维度。

作者简介

卫朋，《硬件产品经理》作者，人人都是产品经理受邀专栏作家，CSDN认证博客专家、嵌入式领域优质创作者，阿里云开发者社区专家博主。