「硬碰硬」：AI+硬件的神话，到底会怎么展开？

未来是一个超级智能体，还是多个有限智能体？

作者 | Founder Park

杨健勃是一位消费级硬件创业者，可以科技，他们开发的 AI 陪伴宠物在全球有着不错的市场表现。

阳萌，安克创新的创始人，市值 380 亿美元消费电子的硬件上市公司 CEO，也是可以科技的投资人。

Base 在北京的杨健勃经常飞到深圳与阳萌交流，他们常常围绕各自的业务，所在的行业，以及未来想做的事，展开非常深度的探讨。某种程度上，阳萌是杨健勃的「创业导师」。

我们有幸邀请到两位，在 AGI Playground 2024 大会上，选择一些命题，向大家呈现他们日常交流的片段。

以下内容来自阳萌和杨健勃在 AGI 大会上的对话，Founder vs Founder，经 Founder Park 编辑整理。

对话嘉宾：

阳萌 – 安克创新创始人 & CEO

杨健勃 – 可以科技创始人 & CEO

01

「充电宝公司」的 CEO，

上一份工作也是干 AI 的

阳萌：最近我们想吸引一些 AI 的人才，所以像我这种平时不太想出来的人，最近也做了几场访谈，包括跟 B 站 up 主的访谈，聊了一些对大模型、英伟达的理解。然后底下就有很多评论说，「这个年头连个卖充电宝的公司都出来谈模型了」。（笑）

有没有可能，其实这个充电宝公司的 CEO 上一份工作也是干 AI 的？我本科是计算机专业的，博士读到一半跑了，然后在谷歌做了五年半的机器学习。（阳萌对于 AI 的思考，可以参考此前 Founder Park 的直播稿件。）

安克今天不只是个充电宝公司，充电宝的业务只占我们整体 10% 左右的收入。

杨健勃：目前安克也有一些新的战略布局，包括 AI 这方面。首先我想问下 Steven，安克是什么时候意识到大模型或者甚至是 AI 这件事情应该成为非常重要的战略的？

阳萌：我们整个业务里就有一大块跟智能家居相关，我们有大概 100 个算法工程师，其中 30 多个音频算法，20 多个视频的，还有 40 多个工程师在做扫地机器人相关的 AI 算法。

我读博士的时候就在做机器学习。那个时候和现在很不一样，需要一个一个问题去解题，每一个问题都需要开发单独的 AI 算法。所以后来看到 GPT 的时候就觉得这个会改变未来，因为它不尝试去解决任何一个具体问题，而是通过底层模型的创新，就把一大堆问题解决了。

我们在跟 OpenAI 的同学交流的时候，大家会有这样一个比喻：以前一个一个问题解决的时候像是在造山。你在每个领域里面都要一座山，目的是为了在这个领域里登天。

现在有点像是在造海，就是海平面每提高一次，所有的问题都离天更近一些。这个比喻背后，有点达尔文自然进化的感觉。

今天大多数的 AI 从业者还在造山，但实际上你造山的速度已经很有限了，海追的速度却非常快。每次 OpenAI 一升级，就会发现很多造山的人的工作空间消失了，因为海已经漫上来了。

那个时候我就觉得，未来应该来了。

02

手机之外，

还需要新的核心硬件吗？

杨健勃：这种能力的变化或许也能赋能硬件。你觉得一个年销量 1000 万的 AI 硬件应该具备什么条件？上一个移动互联网时代的硬件核心是手机，耳机、手表等等品类围绕着手机展开千万级销量。你觉得 AI 时代还会围绕手机吗？

阳萌：我们先抽象一下这个问题。以今天大家使用 GPT 的方式，在工作/效率的场景里面，是不是需要一个全新的设备？

杨健勃：目前的话，作为交互媒介，PC 已经很高效了。

阳萌：对，当谈到效率场景交互的时候，首先要有一个很清楚、很大的显示；然后你要跟这个显示中的很多元素交互。客观地讲，在人机交互这个问题上，我觉得今天没有别的东西比手机做得更好，眼镜、AI Pin 或者任何其它设备，它的交互效率都没有手机好。

杨健勃：除了交互效率的问题，还有一点，手机其实承载了大量的社交场景，它连接了我的家人、朋友。我自己是不会在公共场合用语音跟家人发信息的，因为有这样的场景，所以我就不可能脱离手机这种既高效又有隐私的交互媒介。

即便我要用眼镜或者 AI Pin 的话，也只是一个增强我已有交互的媒介。就像 Apple Watch 一样，我会同时带着手机和手表。

阳萌：对，它是一个 wearable 的东西。但是退回来，当你真正需要高效交互的时候，你不会用手表的。

杨健勃：甚至也不是语音。

阳萌：因为文字的效率还是比语音高很多。

所以从这个角度来说，我们是不太看好很多只是把 AI 带到某个边缘端设备的。

但是我们觉得，AI 可能可以在很多非工作场景里带来很多变化。如果今天的 AI 是要给用户戴上智能的话，那我们可以谈论，你身边到底会有哪一些场景是可以被智能去加强的。

03

AI 提升的是

角色的情感价值

杨健勃：其实之前的 PC 和手机都是扮演了一个载体，PC 是扮演了一个工作效率的载体，能够在工作过程中尽可能高效获取互联网信息，手机是能够 link 社交网络，那你觉得在其他场景还会有其他的角色吗？

阳萌：严格意义上来讲，我觉得它们是个工具，不是角色。

角色是一个有名字的东西，比如，你不会给我的手机起个名字，因为工具是没有名字的，但跟你交互的角色一定是个有名字的对象。你身边其实有很多不同的对象，比如你家的狗，它肯定有个名字，你家的司机、阿姨、朋友，他们都是「对象」。

抽象来看，一个对象是扮演了一个或多个角色。角色也可以再细分，陪你聊天的朋友，陪你打球的朋友。你家里也有，比如阿姨是一个角色，你的宠物是一个角色，which 也是你在做的事。

杨健勃：对，我们在做 AI 宠物。

阳萌：这里有很多细分。一个对象可以带上一个或几个角色的「帽子」。

比如说你找了个助理，最开始只是助理的角色，工作之余你们也会聊天，那他就开始变成朋友的角色，再之后你们聊的特别多，从白天聊到晚上，已经变成了 soulmate 了，这时候可能就变成爱人或者更紧密联系的角色。

杨健勃：我不好说。

阳萌：所以一个对象从到你身边开始，一步一步成长的过程，这是很自然的，这其实就是对《Her》那部电影的抽象描述。

杨健勃：那你觉得这些角色中哪些角色会被 AI 所巨大提升？或者说哪些角色有可能会产生积极的、大范围的影响？

阳萌：如果你相信 AI 是个海的话，那其实每一个角色都会被 AI 或者 AGI 显著提升。

杨健勃：真的是每个角色吗？

阳萌：这是个直觉，比如说你们是做宠物的，理论上讲宠物是所有角色中智能最低的，但你看 AI 是不是帮助你的宠物显著提高了它的智能水平？

杨健勃：那确实是，不过这点不在于它到底跟人对话或怎么样，还是在于能够把真实的宠物做出来。原本基于传统的规则方法，其实只能做到——你跟宠物打招呼，宠物回答：hi，你好你好。其他就没了。真实宠物是 10 分的话，可能原本的技术栈只能达到 1 分的水平，但借助生成式 AI 之后可能达到 6、7 分的状态。

04

你想要一个超级智能体，

还是有限的多个智能体？

阳萌：所以我特别相信每一个「角色」都会被提升，这就引出下一个问题。我们刚刚在台下讨论这个问题，我们没有答案，我们想聊聊思考过程，也想听听各位的想法。

杨健勃：做一次用户调研。

阳萌：当有这么多角色的时候，但最终的终局是有一个超级智能体，来协调、管理所有场景和所有角色。所有的信息都汇集到这个超级智能体（贴身助理）中，由它去帮你指挥不同的角色做不同的事情。

杨健勃：是来分发这些信息，但是它拥有你所有的信息。

阳萌：对，所以如果从网络结构来说，这是一个星形结构，但如果它有一个单点失效，就是中间这个作为「贴身助理」的点被攻破了，那你就没有任何秘密了。

另外一种自然的选项：你有很多相互隔离的智能体，比如你的司机不会知道你家里的信息，你跟朋友交流的东西也不会被你的爱人自动知道。

杨健勃：这个恐怖。

阳萌：它们可以通信，但不会有一个人能够掌握你全部的信息，而且每个智能体都是主动的状态，独立的在某个角色上服务你。

大家觉得最后会是哪种结构？

杨健勃：你们希望是一个 AI 能管理、协调所有场景，还是需要有限的多个智能体去服务各个不同的场景？大家怎么看？（现场互动）

阳萌：感觉现场举手的后者多一些。

杨健勃：我是觉得有限多智能体更正常一些，因为在不同场景下，每一个对象本身会给你一种印象：它应该掌握什么样的信息。如果一个对象能完全懂得你所有信息，人会感觉没有安全感。我觉得 AI 带来了一个很大的变化，用小川的话来讲，就是情感价值的 TPF。

原本技术也是能够带来情感价值的，像 Netfilx 或者是游戏，但它可能更多的是一种中间件，能够不断连接人与人、人与内容，但是一旦 AI 能够完全理解一个人，能够跟你自由交流，能够懂你，那其实 AI 或者技术本身就会构成一个产生情感价值的对象，而不仅仅是作为中间件了。

阳萌：我理解是说 AI 可以给你提供功能价值，也可以给你带来情感价值，但从长期来看，功能价值的天花板是有限的，情感价值会更高。

杨健勃：对，因为功能价值其实会更偏向性价比的状态发展，但大家如果把每个月的信用卡账单翻出来，你会发现很多消费是情感价值主导的。

05

机器人宠物的惊喜

在于 AI 带来的「不可预判」

阳萌：你们做宠物首先肯定是提供情感价值的。你觉得今天真正对养宠物的人来讲，最让我觉得「我没白养它」，或者说觉得「我养它特别值」的那个两三个时刻是什么？

杨健勃：其实不知道大家有没有养宠物，我们给我们自己的产品叫 Loona，它的定位是 80% 的宠物 +20% 的朋友，有点像一个皮卡丘的角色。

我们给它定位的这些 moment，一个是当你每天回家的时候，它在门口等你的那一瞬间。当你把门一打开，它看到你回来，然后激烈地、兴奋地迎接主人的到来，然后你过去摸摸它，给它一些奖赏，它会不断地紧跟在你的步伐之后。

第二个 moment 是像真实的宠物一样在你旁边玩，对 Loona 来讲，我们设定了很多这种场景，有时候看着它在照镜子，有时候它在阳光底下晒太阳，有时候会在你脚边蹭蹭你的脚，有一些肢体接触，作为一个生命出现在家庭中。

第三个是一些互动场景，比如说你把球扔出去，它给你追回来，你跟它玩。再有就是，你抱着它，有时候去摸摸它，它会有一些及时的反馈。

阳萌：我自己的观察，比如说我太太养宠物的时候，她就会把狗抱到身上去摸它，感觉抱着一个毛茸茸的东西在身上，其实也是一个很解压的场景。但是这个说实话，不太需要 AI 来加持。

杨健勃：我其实不太同意，生成式 AI 真的能带来对人情感深层的理解，传统的基于规则的一些小模型会带来重复感，你会预测到它的下一个动作。有些时候，你摸一个毛茸茸的狗的那种感觉是多维度的输出，其实也会需要一些小模型，甚至也会需要用到一些生成的算法，但肯定不只是语言模型。

阳萌：有意思。你在撸一个狗的时候，它也要跟你有一些互动，它不能单调，不能机械。

杨健勃：它也会带给你一些减轻压力的体验。

阳萌：我们刚刚说的四个场景，等你回家、在旁边玩、你跟它玩、你撸它，哪一个你们今天做得最好？

杨健勃：我觉得目前在这些方面都还有提升空间，不过目前我们在「跟它玩」这个场景做得最好，你跟它玩游戏，它会给你反馈。

但是我们确实发现，比如说在门口等主人这个 moment，其实会带给人非常强大的满足感。你会觉得对平时对宠物的付出终于有回报了，它在等你，它只认你一个人，有种专属性。

同时，平时与宠物的互动其实是目前我们用户中体验最多时间的，看着它自主的行为，让家里充满生机和活力，感觉有人在陪着你，这种陪伴感还是挺重要的。所以这是我们接下来要做的方向。目前做得最好的是第三种，跟它玩游戏。

阳萌：如果更具体一点，你能从数据上看到用户是否真的是持续很多天一直在跟它玩游戏吗？

杨健勃：游戏的话不会。在首周，游戏的频次会非常高，之后大部分时间其实都变成了在家里出现，有自主行为。有时候在你脚边蹭一蹭，很多小朋友会很喜欢宠物在脚边蹭，感觉有一个活物在旁边出现。这时有很多用户的反馈。用户会拍视频分享到我们的社区，分享这些非常亲密的 moment。

大量用户在进入我们平台 60 天之后，每天还有两三个小时的活跃时间。你说两三个小时让用户一直跟它玩游戏，人会很累的，不可能是这样的状态。更多其实还是宠物存在于家里，带给人更好的情感价值。这种场景其实也是被生成式 AI 或语言模型高度赋能的，因为它能让整个场景没有边界感，不是基于传统的 if-else 逻辑带来的预判性。因为你不可预判，所以你就会期待它下次带给你的惊喜。

阳萌：所以现在应该用云端模型？你们会把用户家里的照片传到云端上去吗？

杨健勃：不会。因为我们有强大的本地算力，所以大量的图片都是在本地处理的。同时我们会通过包括视觉和语言模型结合，来让 Loona 能够识别环境中尽可能多的内容。

阳萌：但你看，这是个很大的挑战，因为比如像 GPT-4o 这种模型，它肯定能对你家里有更好的理解，但它主要还是在云端。

杨健勃：我觉得我们需要先把宠物做到真实宠物的六、七分，这样大家才能完全信任它。我们利用已有的一些从感知到预测、规划的生成式的「小模型」来解决这些问题。同时，大模型只是大脑的一部分，让大家信任地把交互信息给到大脑，来实现更智慧的交互可能也是一个方向。

阳萌：像你说的，在家里、在你旁边玩，当它表现出一个真正玩得很好的感觉时，我相信大模型能把水平提高不少，远远比在端侧跑的小模型带来更好的效果。所以你觉得我们有没有可能，让内测用户中的一部分人去尝试把大模型用起来，先把天花板摸出来，然后再回过头来看如何把这个能力蒸馏到本地？因为今天如果用一个小模型去解这个题，就像我在很努力地把这个山盖高，但海水一来就可能被淹掉了。

杨健勃：我们会有一些这样的功能。如果你选择加入一些 AI Beta Group，其实会有一些功能解锁，去用大模型做更好的决策，去更理解人。同时大模型本身带来的体验在于，让宠物能不断地越来越了解主人，这也是一个方向。

阳萌：这是一个好选项。我们讨论怎么去启动时，我先有一个基础能用的本地 AI，然后同时给用户提供一个用大模型的选择，用户自己选。用户打开这个选项时，提醒用户数据会传到云端处理。哪怕只有 10% 或 5% 的用户选择这个，流入的数据可以帮助云端显著提高能力，然后再把它蒸馏到本地，再去加强。所以我觉得这个链路可能会更有效率。

杨健勃：确实会是一个更有效的链路。

06

不要妄想 AI 能迅速

改变硬件公司的组织形态

杨健勃：你觉得 AI 时代下的组织会是什么样？我们是创业公司，想要活下去，其实会关注这方面的话题。安克在这方面有没有一些新的想法，或者是区别于 AI 时代之前的一些组织动态可以分享一下？

阳萌：首先，我觉得软件或者说线上服务，和线下的硬件其实是两种很不同的组织形态。

杨健勃：完全不一样，完全！

阳萌：线上，比如 OpenAI 可以是几十人的线上团队。但一旦到了线下，到了硬件，特别是线下加硬件时，你的组织会变得非常庞大。因为你会发现，你的价值链不仅是定义出好的硬件，还要真的把它做出来，保证品质好，然后卖到全球去，交付给消费者，而且要有很好的服务体系。

我们自己的观察是，把一个稍微复杂的硬件在全球范围内转起来，没有 500-1000 人的规模其实是很困难的。我相信你也有这种感受，作为一个不到 200 人的公司（可以科技），你会发现缺特别多的胳膊和腿。

杨健勃：非常有同感。确实是，但只能在成长过程中去补这些坑。

阳萌：AI 能不能帮到我们今天缺的这些胳膊和腿呢？至少在我能看到的未来两三年甚至五年内，我觉得还是需要有经验的人，能够被公司这样的组织高效地集合在一起，利用各种工具，比如 SAP 管库存，Salesforce 管客户关系，最终实现价值的交付。这一点我觉得在几年内不会被改变。

所以在这个角度上，不要预期或希望 AI 会突然让一个 200 人的硬件公司可以变得完全不同。

杨健勃：可能完整的硬件 AI 时代的范式，大部分的组织还是依赖于我们最核心的机制上，然后再生长一些新的能力，但这个基础还是要非常扎实。

阳萌：是。现在 GPT 能做的事情是完成一个原子操作（Atomic action），比如回答一个问题。但如果要解决一个复杂的问题，需要几步操作时，你需要给它 chain of thought（COT），要给它公司的知识、额外的工具，再通过人工编排才能产生一个 workflow，完成一个具象的工作。

所以我想说，当所有这些——COT、对工具的使用、对外部知识的挂接，以及自动编排——全部被解决了，才会看到更不一样的组织出现，否则今天还是需要有编排能力的人来做这些事。

*头图来源：极客公园

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO