当前位置: 首页 » 资讯 » 新零售 » 正文

这场头部玩家们的对话,藏着AI落地消费的密码

IP属地 北京 编辑:陆辰风 浪潮新消费 时间:2025-06-10 11:00:24

AI不是未来,而是正在发生的现在,这场技术革命正以前所未有的速度重塑各行各业。

但当具身智能与陪伴机器人掀起资本市场的万亿想象,硬件功耗与场景适配的现实困境却让诸多概念性产品受困于实验室。究竟要跨越多少道坎,才能让技术创新真正转化为用户体验?

在峰瑞资本「科技消费品牌的全球化之路」主题活动上,受邀与蚂蚁投资陈芃、商汤元罗卜科技联合创始人贾凡、有哈科技创始人芦胜波、亚马逊云科技初创资深解决方案架构师肖培庆进行了一场深度探讨。

“现在市面上爆款的AI产品,本质上只是套了一层大语言模型API。之所以能卖得好,关键在于它们懂用户,知道用户想要什么。”

这与行业现状形成了微妙的呼应:我们总是急于给技术创新贴上革命性标签,却忽略了任何颠覆性变革都需要经历从技术显性到体验隐性的转化历程。

但也正如大家现场所得出的共识,消费领域的破局关键,不在于技术表象,而是捕捉那些尚未被算法量化的真实需求。当行业集体从“技术能做什么”转向“用户需要什么”,这场AI掀起的变革才真正触及本质。

未来,消费科技领域真正的领跑者,注定属于那些既懂算法边界、又懂人性的长期主义者。

大家好,我是的主笔谢蔚文。咱们圆桌论坛的主题是“AI如何赋能消费和互联网”。

AI现在热闹非凡,但背后也藏着不少挑战。有些企业借助AI实现了弯道超车,但也有些企业因技术落地难、出牌顺序等问题陷入困境。这种理想与现实之间的鸿沟,构成了我们今天这场讨论的起点。

首先,请各位嘉宾用一段话介绍一下自己,然后分享下过去一年多在自己的领域以及视野里,看到的消费行业与AI应用相结合的最大机会和难点。

陈芃:大家好,我是蚂蚁集团投资部的陈芃,最近主要关注消费电子上下游与AI结合的机会。

蚂蚁集团投资部陈芃

现在大模型AI的种类其实不算多,跟我业务相关的一些企业大多使用的是偏搜索、问答类的工具。

虽然我也接触了不少跟硬件结合的产品,但整体感觉比较失望,因为大多数产品跟当前这波AI的关联性不大。这背后有很多深层次的原因,比如SOC(专为人工智能设计的芯片架构)还不能很好地处理任务,还有功耗的影响等等。

相比之下,偏记录类的产品在结合大参数模型后,用户体验的便利性提升了不少。

贾凡:大家好,我是商汤科技旗下元萝卜科技的联合创始人贾凡。

元萝卜科技联合创始人贾凡

元萝卜是商汤在2022年孵化的创业公司,目标是将机械臂技术和AI技术应用于家庭场景。目前,我们已经推出了中国象棋机器人、围棋机器人和国际象棋机器人等4款产品。

在我看来,机器人行业主要有两个大方向上的机会。

一是现有成熟品类与AI的结合,二是AI 2.0时代催生的全新品类。比如,下棋机器人就是我们全球首创的品类。

不过,就如陈总所说,现在的AI技术有很明显的边界。尽管AI概念很火热,但有很多场景它都无法真正理解,只能给出一些既定的结果。

所以,如何界定AI的边界,并将其与产品功能和价值诉求真正结合,是需要认真思考的问题。否则,最终的产品可能和你想象的完全不一样。

芦胜波:大家好,我是有哈科技的创始人芦胜波。我们专注于宠物领域,通过智能算法和多模态传感技术,围绕科学喂养和环境监测等场景,开发了一系列宠物产品和服务。

有哈科技创始人芦胜波

对于我们行业来说,AI主要带来了两大机会:第一,它能够实现更加个性化的科学喂养;第二,在人宠情感互动方面,AI也能带来显著的提升。

如今,市场上有许多成熟可靠的AI工具,能够优化企业的整个运营链条,从前期的需求调研、研发过程,到组织管理和运营支持,都能发挥重要作用。

肖培庆:大家好,我是亚马逊云科技的架构师肖培庆,我们主要提供云端的AI服务和算力资源。

亚马逊云科技架构师肖培庆

这几年,AI带来了巨大的变革,尤其是transformer架构的出现,催生了许多新的模型和应用场景,这些在生成式AI出现之前都是无法实现的。

很早以前的电影《Her》里就有个人工智能形象,现在很多人通过生成式AI实现了类似的自由交互形态。包括智能助手这类应用,也是借助大语言模型更好地记录人类的语言、理解实际的场景。

语言模型的推理能力越来越强,成本却越来越低,未来的应用场景自然会越来越丰富。这两年,我们已经看到了很多AI硬件产品,像AI眼镜、耳机、配饰、手表、戒指等等。

不过,这里面也存在一些问题。前面几位也提到了,我再补充一点,其实大语言模型存在不确定性。

除了幻觉问题之外,它在做token预测的同时,还逐渐吞噬了一些原本由人类完成的工作,比如prompt Engineering。这就意味着,这些领域的空间可能会被压缩。

从大家的发言来看,机会和卡点其实是并存的。这让我想起一句话:人们总是高估一项科技在短期内带来的效益,却低估了它的长期效益。所以,我们对AI应用的理解是需要在实践中不断更新的。

那么在过去的实践过程中,大家观察到哪些原本预期AI会带来巨大变化但实际效果没那么显著,或者之前低估了它的影响,现在才发现它有非常好的应用效果?

陈芃:今天大家可能主要关注的都是大模型AI,但其实它的发展时间还很短,和硬件的结合更是处于非常初级的阶段。

目前来看,模型本身以及硬件的核心零部件都存在一些瓶颈,这导致市场上几乎没有能完全兑现承诺功能的可穿戴产品。至少从我作为投资人的角度来看是这样。

面向未来,我觉得有两种产品特别有价值。

第一,能够构建长期记忆的产品,因为这是通往个性化的关键一步。

第二,能实现主动式功能的产品。

现在很难界定基于大模型的、能被长期验证的产品应用会以怎样的方式呈现,因为很多热门的AI应用都是昙花一现。不过,主动式AI一定是非常重要的方向。而且,目前构建主动式功能大多不需要依赖大语言模型,传统AI就能实现。

所以,我认为最核心的是找到那座把主动式和个性化结合起来的“桥”。

贾凡:我想聊聊两个产品方向。

首先是人形机器人。前两年在资本圈,人形机器人非常火,但大家也看到了昨天北京的人形机器人马拉松,虽然场面挺热闹,但状况百出。

在我看来,人形机器人确实还挺遥远的。短期内资本可能过于看好了,但同时大众也可能把它的长期价值看扁了。

具身智能在未来3-5年内肯定能找到不少能落地的场景,但人形不一定是最佳载体。

其次,现在大语言模型火了,很多人用它做情感陪伴类玩具,但这件事还挺难的。因为每个人对陪伴的理解都不一样。有人觉得默默地待在身边就是陪伴,有人觉得宠物才是最好的陪伴。一个会聊天的机器人,真的能成为陪伴吗?我觉得挺难的。

不过换个思路,如果针对特定人群,比如失孤老人、自闭症儿童,再结合多模态大模型技术,而不是单纯靠语音大模型,那想象空间就大多了。

芦胜波:可能大家对AI的最终想象是取代人类,但实际上,人类也有自己的局限性,每个人都有擅长的领域,也需要不断学习,AI也是一样。

所以在我看来,现在最关键的是做好三件事。

第一,选择一个具体、刚需且高频的切入点,把AI技术和应用深度融合,真正解决某个领域的特定问题。不要幻想包揽一切,那肯定是做不好的。

我们把宠物主在养宠过程中遇到的所有问题拆解开来,总结为“臭、脏、累、烦、贵”。其中,“臭”是每天都在发生、大家都深恶痛绝的痛点,我们就围绕这一点,探索AI能否更智能、更彻底地解决它。

第二,要做好预期管理。AI在智能驾驶领域应用得比较广泛,但最近负面舆论不少。这固然有用户自身的问题,但企业也有很大责任——把预期抬得过高。

虽然产品更容易卖出去,但退货也更频繁,这对品牌的伤害是巨大的,以至于现在投资人也失去了信心,这其实是很可怕的。

第三,要活在当下。AI不仅能用于产品端,还能提升组织整体运营效率。

总之,做好这三点,别急于求成、慢慢来。

肖培庆:我们也看了一些具身智能的公司,发现大家都在努力寻找合适的落地场景。虽然短期内实现大规模落地确实有难度,但我认为在3-5年内有望取得较大进展。

其实,在AI刚兴起时,就出现了像AIPin、rabbit这样的产品,虽然设计上还不错,但我总觉得它们没有很好地满足陪伴需求,显得有些可有可无,所以目前的产品可能只是过渡形态。

跳出硬件范畴,我最近还发现了一个挺有意思的现象:大部分公司不太愿意直接购买AI软件,于是很多服务商会选择售卖AI软件带来的效果。

比如,一家招聘公司,不是直接把AI招聘软件卖给甲方,而是通过AI工具降低自身的内部招聘成本,再以更具竞争力的价格将招聘成果卖给客户。类似的情况在AI漫画和AI视频生成领域也有发生。

这种情况有点出乎意料,但也确实带来了意想不到的效果。

:从AI到最终产品的落地,各位有哪些成功的经验或是方法论?

陈总您对AI眼镜的研究比较深入,现在这个领域的玩家逐渐意识到,像微软那种把所有功能都集成到眼镜里,做成“航空母舰”的模式,可能并不是最佳选择。所以他们更倾向于先满足用户的高频穿戴需求,在此基础上再加入少量的创新功能。

那么,怎样才能找到那个合适的切入点?

陈芃:metaRay-Ban第二代眼镜卖得很火,但从meta的角度来看,这到底是好事还是坏事?

meta肯定想把它的模型和服务都集成到这款眼镜上,但正因如此,目前产品的形态和承载的服务可能并不是最佳状态。所以,我们不能只盯着眼镜的现有形态来看。

那么,怎样才能真正找到智能化的方向?

首先,我们需要对多模态和各种单一模态有深刻的理解。

我们觉得,相比于现在的产品和服务,主动化的功能可能更具普适价值,但具体是怎样的价值,还得用严谨的方式去分析。

毕竟,它要和物理世界结合,所以我们会把在手机端或者线下等各种细节的应用场景都罗列出来。

先脑补一下,怎样结合大模型才能做得比现在的服务更好;然后从技术端入手,看看用什么样的大模型更容易实现,又能实现怎样的效果;最后再结合硬件,包括SOC、功耗、散热等问题,想想怎么取舍,挑出最关键的一两点。

对于企业来说,最核心的就是以数据为驱动,真正了解用户需求,而不是想当然地思考问题。只有这样,才有可能打造出用户真正接受的基于大模型的应用。

贾凡:首先,AI 2.0时代的技术相比10年前的神经语言程式(NLP),已经实现了质的突破。

不过,要让这些技术真正落地成有价值的应用,还得在工具化属性功能上多下功夫。无论是通过交互方式的创新,还是将 AI 作为优化工具,都有很大的机会。

其次,ToC领域的机器人,除了扫地机,其他品类几乎一片空白,这为创造新品类提供了巨大的想象空间。

创造新品类的好处很多:

一方面,没有竞争对手,就能有足够时间去探索场景、了解用户需求、打磨产品;

另一方面,在营销渠道上也有很大优势。就像我们元萝卜的机器人,参加各大展会很容易吸引媒体关注,获得免费报道资源,山姆会员店、Costco 这样的线下渠道也会主动找上门,因为产品新奇,总会有尝鲜者愿意买单。

所以,做创新品类有非常大的试错空间,但如果进入成熟品类,定位一旦没做好可能就挂掉了。

肖培庆:想要做AI与消费结合的产品,一定不能太general。要是你做眼镜这种品类,一旦大厂跟进,你就很难跑出来。

所以对于初创公司来说,关键在于聚焦到一个非常细分的领域,把这一块做深做透,精准找到自己的核心用户群。

就像陪聊APP,一开始它们以为用户是有情感诉求的普罗大众,但后来发现,粘性最高的其实是那些有沟通障碍的人群。于是它们就先集中精力服务好这部分人群,等站稳脚跟后,再逐步扩大范围,现在的数据表现还挺不错的。

:现在有一种说法,认为所有的消费品都可以用AI重构一遍,但前几年我们也总说一切消费品都可以重做一遍,现在这个观点是不是伪概念?

陈芃:我觉得这个观点挺伪的。

大家都觉得新品类的市场空间很大,但老品类的情况可能又不一样。首先得考虑智能化的基础在哪,比如软件和硬件能否支持,以及智能化到底能实现哪些更好的功能等等。

很多所谓的智能化产品,根本回答不了这些问题。用户用完之后,感觉体验很糟糕,还不如之前朴素的产品。

而且,品牌在线上售卖智能化产品时,往往不知道怎么把智能化展示出来,结果退货率很高,这其实是在伤害整个行业。

所以,现在说“所有消费品都值得用AI重构一遍”有点不切实际,但面向未来,肯定有很多可以做的事情。

我们现在非常关注行业核心瓶颈的突破。比如,如果算力受限,没法实现本地计算,那在芯片里加上NPO能否实现本地推理?如果这个技术成熟了,对于那些没有能力做定制化部件的非大厂来说,可能就会是个很大的机会。

贾凡:我觉得这基本上是个伪概念。

不过,AI技术的发展确实给我们提供了一些新思路。我们可以反过来想想,以前的产品解决方案是不是真的最优,以及有了AI后,能不能做得更好。

如果能,那就要实实在在地把AI融入,而不是单纯把它当作营销噱头。

芦胜波:大家都很悲观,那我就从乐观的角度聊聊,我认为这个观点至少不是全伪。

虽然未必所有消费品都能重做,但未来肯定会出现许多我们今天难以想象的、颠覆性的新事物。就像在汽车出现之前,人们只能幻想有更快的马车一样。

不过,这条路确实会很漫长。大家之所以有这么大的预期,是因为过去20年科技发展实在太迅猛了,让我们误以为所有事物都应该如此快速地进步。

从长期来看,发展会分为两步走:

第一步,真正做前端开发的,比如通用机器人、通用大模型,他们可能不会过多考虑这件事是否有价值,而是努力探索未知。

第二步,基于这些底层能力,会逐渐发展出各种细分。在家庭场景中,扫地是相对简单的一件事,但随着扫地机器人的大量应用和数据反馈,它的功能也在不断增加,比如爬楼梯、捡衣服等等,这是一个缓慢积累的过程。

肖培庆:我也是比较乐观的。不过,不是所有东西都非得用AI重新做一遍,很多人只是因为AI火了,就强行把它塞到老产品里。

但我们也得承认,AI确实催生了不少新的产品品类。只是目前大家都还在摸索,还没找到那种最能落地、用户愿意买单、利润又好的模式。

大家没有达成共识,意味着这是一个有巨大探索空间的阶段。

以终为始来看,假设10年后AGI实现了,成本又很低,那回到10年前的今天,其实有很多事情能做。

所以,AI绝不是噱头,也不能是炫技,必须基于产品和用户的实际需求,找到智能化的必要性。

那么,在大模型技术逐渐普及、技术平权的背景下,企业似乎再次回到同一起跑线。当大家都在做类似的事情时,企业竞争力是否在新时代有了新的释义?

陈芃:我觉得它离技术瓶颈还挺远的。

我自己用起来都挺费劲,得频繁使用才能得到合适的答案,而且稳定性也有问题。咱们这种免费试用的都这么多痛点,要是把它放到收费产品里,这些问题肯定会被放大。

所以,现在做基于语言模型的产品,对企业要求挺高的,组织能力和成本结构都面临很大挑战。

首先,这种大模型服务不是一次性收费的,要是用户喜欢用,频繁使用怎么办?当然,你可以出海,搞个类似iCloud的订阅模式,但定价多少合适,又有多少人能承担得起,问题还挺多的。

贾凡:企业的核心竞争力涵盖了很多方面,比如对场景的理解、对用户需求的精准把握、渠道能力、品牌影响力等等。技术只是其中的一个方面,而AI技术更是一方面中的一方面。

所以,并非所有公司都必须转型为AI公司,关键在于AI技术是否真正提升了产品力。

在当下的商业环境中,合作是必不可少的。真正的大模型开发应该交给专业的大模型公司,企业没必要自行研发。毕竟,用户并不关心技术是企业自研的还是第三方提供,只关心产品是否有价值。

所以,每家企业对护城河都会有自己的理解和构建方式。

芦胜波:它只是降低了做事的门槛,但对公司来说,要求反而更高了。

门槛降低是因为目前的AI工具确实能大幅减少人力成本,比如文生图、语言翻译等等,这些原本需要很多人完成的工作,现在可能不需要了。但随之而来的,是更多人的涌入,竞争自然会更激烈,所以要求只会更高。

从公司运营角度看,AI技术的普及对公司核心竞争力没什么本质性的影响,还是人才和组织效率等等。

肖培庆:贾总说技术在企业里只是个很小的板块,虽然我这个做技术的不太想听到这句话,但实际上确实如此。

现在市面上很火爆的AI产品,本质上只是套了一层大语言模型API。之所以能卖得好,关键在于它们懂用户,知道用户想要什么,这才是壁垒所在。

技术本身其实没那么重要,以前还听很多人说要微调模型,甚至自研,现在这种声音越来越少了。毕竟市面上的模型一定会越来越强大,多模态能力也越来越强。

:虽然理想很丰满,但也存在硬件成本高企、数据闭环难等现实问题。那么咱们作为投资方、品牌方以及服务平台方,在当下这个十字路口,给行业的建议是什么,企业需要做哪些关键准备?

陈芃:我其实没有什么给企业的建议,更多是对我自己的。

消费投资行业现在整体是在收缩的,作为投资人,我们得好好利用手头的工具,快速建立起对行业的认知,提升效率。

这其中有个逻辑:你想投资一家公司,肯定得先了解这个行业,最好自己也是热爱产品的用户。

要是你关注的是AI应用或者硬件投资,那就得多使用,这样才能从产品经理的角度和企业深入交流,进而做出更准确的投资决策。

贾凡:作为品牌方,一定要关注AI行业的动态,了解AI技术的边界,并预测其未来的发展程度。只有这样,才能在定义产品时更加精准。否则,很容易出现产品实际效果与想象相差甚远的情况。

同时,还是要聚焦场景和人群,真正挖掘需求,用AI技术优化体验,或是解决以往无法解决的问题。

芦胜波:第一,足够聚焦,选对方向。第二,找到合适的人来帮助自己,毕竟今天是个组织协作的时代。第三,广结善缘,积攒足够的运气,因为成功往往需要一些偶然性因素。

肖培庆:云端有很多轻量的API接口,能够帮助创业者快速确定硬件形态。毕竟在创业初期,业务方向往往存在不确定性,随时可能调整。在这种情况下,以最低成本去试错,无疑是最佳的选择。

免责声明:本网信息来自于互联网,目的在于传递更多信息,并不代表本网赞同其观点。其内容真实性、完整性不作任何保证或承诺。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕。