家庭消费级安防四足机器人
面向家庭巡检与安防任务,围绕移动能力、环境感知、异常发现和家庭交互定义产品。
做产品,也做长期研究。
过去近十年,我做过金融科技、企业 AI 与数据产品,也做过消费软件、影像和智能硬件。行业一直在变,我处理的问题很相似:判断一项新技术能解决什么问题,找到值得投入的用户和场景,再把它做成团队能交付、业务能验证的产品。
我先后在平安银行、百度、科大讯飞、字节跳动和大疆工作,也有几次创业经历。做过 API、平台和 SaaS,也做过面向普通用户的 AI 应用、影像软件与智能硬件。很多项目开始时只有一个技术机会或模糊需求,需要从用户研究、产品定义和团队协作一路推进到上线、使用与商业结果。
我通常从三个问题开始:
我更关心端到端的问题。模型效果很重要,但它只是产品的一部分;数据、工具、交互、硬件、部署、运营与商业模式会一起决定用户最终得到什么。
在企业产品中,我做过数据平台、金融风控、企业信息、OCR/NLP 与智能审核,学习怎样把复杂业务拆成可复用的产品能力。
在消费产品和创业中,我做过智能剪辑、AI 视频、家庭影像与硬件探索,学习怎样从一个真实任务出发处理体验、增长和商业化。
进入影像与智能硬件后,我开始把更多注意力放到真实世界:软件、算法与硬件怎样协同,AI 怎样参与拍摄、创作和家庭场景,以及一项能力如何跨过 Demo、产品化和交付之间的距离。
下面不是一份按公司排列的履历,而是我实际处理过的三类产品问题。为了准确表达职责,硬件项目区分为“主导”和“参与”。
硬件与真实世界
面向家庭巡检与安防任务,围绕移动能力、环境感知、异常发现和家庭交互定义产品。
探索 AI NAS 与 AI Box:把本地算力、私有数据、模型服务和家庭内容管理放进一套设备。
支持语音输入与图片、视频输出;用户可以用自然语言检索相册中的目标内容,并直接在相框展示。
全景相机 · 全景无人机 · 跟拍机
AI 模型与应用
参与 AI 剪辑模型、视频生成模型的预训练与后训练产品工作。
把模型、工具和创作流程组织起来,让用户从意图走到可用的视频结果。
支持数据、训练、评估、部署与团队协作,让实验和模型版本可以连续迭代。
数据产品
我现在的工作方式是:一个人,带着一个常驻代码仓库的 AI 代理,同时做三个产品。代理当参谋——出方案、做资产、写代码;产品内核当执行——对外动作走门禁、限速、回读校验和账本;我当闸门——未经我审的计划拒跑。这套分工为什么成立,写在《一个人、一个 AI 代理、三个产品》里。
三个产品各占一条闭环的一段:Askovo 做需求研究(研发前,从研究设计、采集到推理与审计交付,主链从场景、用户、痛点推理到产品与商业,每条结论带证据分级);Verovo 做交付验证(买方侧的 AI 服务计费复核与验收证据,由 AgentMeasure 演进而来);Growovo 做增长(研发后,定→造→跑,输入已发布的产品,交付可验证的真实用户增长)。Askovo 与 Growovo 是上下游:研究判断是增长定位的输入,增长的一手反馈带着证据等级回流研究;两个引擎各自端到端闭环。三个产品共用同一套证据分级,完整清单见项目页。
更广的研究问题整理在 Agent Capability Economy 专题,相关的软件与服务收录在 能力地图;这条研究线的产品归宿是 Verovo。我更关心的不是再造支付协议,而是支付之前更基础的问题:当软件消费者从人转向 Agent,我们究竟应该怎样定义一次机会、一次选择、一次使用,以及一次真正产生价值的调用。
长期研究主要围绕四个方向展开:具身智能、多模态交互、端侧算力与 Agent。Research 关注事实、公司、产品、技术路径和市场变化;我会尽量区分事实、推断和判断,并随着新证据修正结论。
我也会把重复出现的研究工作流做成小工具,例如 iRead 和 Bilibili Video to Transcript。这些项目来自我自己反复遇到的研究需求。
我习惯先建立行业地图,再进入公司、产品和技术。写作时尽量区分事实、推断和立场,也保留判断被新证据修正的过程。2026 年 10 月起增加实测与评测内容:收入来源、评测红线与日期语义见 披露与编辑立场。
这个网站不是日更博客。我把它当作一个公开工作台:Research 记录我长期跟踪的问题,Essays 沉淀值得长期讨论的判断,Projects 则把其中一部分判断变成可以验证的系统与工具。全站文章的机器可读索引在 content-index.json。
如果你正在做 AI Agent、具身智能、AI 硬件、复杂的 0→1 产品,或者希望讨论 Agent 时代的软件计量与商业化,可以通过联系页面、X / Twitter 或 GitHub 找到我。