从 AI 应用到真实世界：我的一次转向

这是我在这里写下的第二篇文章。

过去一年，我的工作和关注方向发生了不小的变化：2025 年 8 月，我停下了此前的 AI 应用创业；之后进入 DJI，在影像软件、AI Agent 和软硬件一体化产品中工作；最近半年，我又把大量时间投入到具身智能和 AI 硬件的研究中。

几次转向都围绕同一组问题：当 AI 能力越来越容易获得，产品还缺什么？下一代公司的竞争门槛会建立在哪里？

这篇文章记录我现在的答案。未来出现新事实时，我会继续修正。

为什么我在 2025 年 8 月停下了 AI 应用创业

2025 年前后，AI 应用的开发门槛下降得比我预想得更快。

过去需要一支完整团队才能完成的产品，开始可以由几个人，甚至一个人，在几天或几周内做出可用版本。模型、开发框架、云服务和开源组件越来越容易获得，从想法到上线所需的时间大幅缩短。

这当然是一件好事。更多人能够创造产品，更多需求有机会被满足。

开发变容易，也让新产品以远超用户需求增长的速度涌现。用户每天面对大量功能相似的 AI 工具，切换成本越来越低，注意力被快速分散。一款产品即使做得不错，也可能只获得短暂的新鲜感，很快被下一批产品覆盖。

创业中更稀缺的，逐渐从“把产品做出来”变成“让用户看见、记住并持续使用”。

AI 应用创业依然考验产品能力。内容、渠道、品牌、增长和社区经营也越来越重要。很多时候，创业者要先让产品被看见，才有机会证明自己的产品判断。

我不认为软件创业失去了价值。能进入业务流程、掌握独特数据、形成网络效应，或者长期完成复杂任务的产品，依然可以建立很高的门槛。只是回看我当时所做的方向，我没有看到足够强、足够持久的结构性优势。

所以我选择停下来。

这次暂停让我意识到：模型能力可以购买，功能可以复制，界面也可以模仿。一个产品如果不能占据独特的工作流、数据、关系网络或交互入口，就会长期处在高供给和低切换成本的竞争中。

在 DJI 的大半年，我重新理解了软件与硬件

进入 DJI 后，我第一次如此近距离地观察一家成熟硬件公司如何面对新的竞争。

硬件的门槛很具体。光学、结构、芯片、传感器、工程设计、供应链、量产、质量控制和售后，任何一项都需要长时间积累。它不像软件原型那样，可以在几周内被快速复制。

但硬件领先并不自动等于用户体验领先。

在全景影像等品类里，Insta360 这类公司带来的压力，很大一部分来自软件。拍摄只是整个体验的起点，之后还有素材管理、剪辑、运镜、模板、分享和跨设备协同。用户要的往往是一段更容易得到、也更愿意分享的内容，而不只是一组漂亮的硬件参数。

软件降低创作门槛后，也会改变用户对硬件价值的判断。硬件决定创作能力的上限，软件决定大多数人能不能抵达这个上限。

这段经历让我形成了两个相互补充的认识。

对硬件公司而言，软件已经直接参与产品竞争。它把传感器、算力和结构设计转化成用户能感知的结果，也决定产品购买之后能否继续更新。

软件公司面对的是另一种情况。当模型、开发和分发的门槛持续下降，如果不能在基模、专有数据、核心工作流、内容生态或社交关系上建立优势，硬件可能成为构建长期门槛的一种方式。它能带来独占的传感器、持续的数据、稳定的使用入口，以及对完整体验更强的控制力。

当然，硬件从来不是一条捷径。供应链、库存、量产、可靠性和售后会把创业难度提高一个数量级。难做本身不创造价值，模型、软件、硬件、数据和服务必须组成一个完整系统。

我越来越相信，下一阶段优秀的 AI 产品，很难只靠某一个功能获胜。竞争会逐步从单点能力，走向系统能力。

下一步，我为什么首先看具身智能

沿着这条线继续往前，我开始把具身智能放在最前面。

我所说的具身智能范围比人形机器人更广。汽车、无人机、四足机器人、机械臂、清洁机器人、智能家电和各种自主设备，都可以放进“智能进入物理世界”的广义框架。

从长期看，我倾向于认为，泛具身的市场规模可能超过手机与汽车之和。它对应的不是单一终端，而是现实世界中大量设备、工具和空间的智能化：移动、操作、运输、制造、照护、陪伴和服务，都可能逐步由智能设备参与。

这个长期判断不等于短期已经成熟。

今天的具身智能仍处在很早的阶段。模型对真实世界的理解还不稳定，高质量数据稀缺，本体和关键零部件仍在快速迭代，供应链尚未定型。一次成功的 Demo，距离在真实场景里持续、安全、低成本地工作，还隔着产品化、工程化和商业化。

资金和创业者已经提前进入。不同统计口径虽有差异，但国内相关企业已是数百家规模。根据 IT 桔子被媒体引用的数据，2025 年 7 月至 2026 年 6 月，国内具身智能一级市场发生了 503 起融资，总金额超过 960 亿元；2026 年前五个月的融资又高度集中在天使轮至 A+ 轮等早期阶段。多家公司估值进入百亿元区间，个别头部公司的市场估值已经达到数百亿元。资本热度与产业成熟度之间，出现了明显的时间差。¹²

因此我判断，未来一到三年，具身智能会经历一轮幅度很大的行业清洗。

“90% 的公司会死掉”不是精确统计，而是我对竞争强度的方向性判断。如果把今天所有带着具身标签的团队都计算在内，最终能够独立活过这一轮调整的公司，可能只占很小一部分。

原因并不复杂：资本能够为研发争取时间，却不能替代产品定义；融资可以支撑 Demo，却无法保证量产、交付和售后；技术故事能够吸引关注，却不能回答客户为什么购买、愿意付多少钱、多久能够回本。

这轮淘汰未必是坏事。人才、资金、供应链和客户资源会重新集中，产品方向和技术路线也会逐渐明确。今天行业里大量并行、甚至彼此矛盾的尝试，会被真实的交付结果筛选一遍。经过这轮筛选，具身智能才可能从资本驱动的探索期，进入产品和市场共同驱动的成长期。

如果一定要找一个参照，我觉得它有些像中国新能源汽车行业早期的演进。补贴收紧和骗补整治淘汰了一批缺乏真实产品能力的企业，活下来的公司继续打磨电池、供应链、整车和基础设施，最终在 2020 年前后迎来销量与渗透率的加速。

这个类比并不严谨，机器人与汽车的需求成熟度、成本结构和基础设施完全不同。但它提醒我：产业销量和渗透率的加速，通常出现在第一次大规模出清之后，而不是公司数量和融资额最热闹的时候。

具身之外，我也在看各种 AI 硬件

具身智能的落地周期很长，所以这两年我也在持续关注更广泛的 AI 硬件：眼镜、耳机、可穿戴设备、相机、记录设备、家庭终端，以及各种还无法被准确归类的新产品。

产品形态还没有定型，变量也很多。

AI 应该部署在本地、云端，还是采用端云协同？产品只处理语音或图像等单一模态，还是持续理解声音、视觉、位置和环境？用户应该通过语音、按钮、屏幕、手势进行操作，还是让设备主动判断何时提供服务？

每一种选择，都会继续牵动功耗、散热、续航、隐私、成本和外观。它们之间没有一个适用于所有产品的标准答案，所以我们会看到五花八门的形态，也会看到大量看似新奇、实际体验却不够完整的尝试。

目前很多 AI 硬件还停留在两个极端：一种只是给传统硬件加上聊天能力，另一种擅长展示技术，却没有形成值得反复使用的完整体验。AI 输出的不确定性，与硬件需要稳定、及时、可预测之间，也存在天然矛盾。

用户愿意长期使用的产品，仍然要回答一些朴素的问题：它解决的是否是高频而明确的需求？是否比拿出手机更省事？关键任务能否稳定完成？数据如何被使用，隐私如何被保护？本地和云端各自承担什么？

这些问题不新奇，却决定一件 AI 硬件能否从演示走进用户生活。

我希望未来两年能够看到这样的产品：它不一定拥有最多的功能，也不需要把 AI 写在每一行宣传语里，但能在一个清晰场景中，把模型、交互、硬件和服务连成一个整体。

从信息世界，走向真实世界

回看过去一年，我的关注没有从软件完全转向硬件。

软件依然决定体验，也依然会创造巨大的价值。变化在于，我开始更在意 AI 如何获得持续的上下文，如何进入真实任务，如何通过稳定的入口服务用户，以及如何把一次模型调用变成一个可交付的结果。

这也是我关注具身智能和 AI 硬件的原因。它们让 AI 离开聊天框，开始面对空间、时间、能量、成本、安全和人的真实生活。问题更难，周期更长，失败也会更昂贵。但一旦整套系统稳定运转，产品创造的价值和竞争门槛也可能更加扎实。

接下来，我会在这里继续记录对 AI、产品、具身智能和创业的观察。既记录我相信什么，也记录这些判断如何被事实推翻和重建。

一年融资超 500 起，谁在豪赌具身智能？，CBNData / 定焦 One，2026 年 6 月。 ↩
机器人融资暴增，但没一分钱投给“普通人”，钛媒体，2026 年 6 月。 ↩