「CES深圳分館」的另一半答案，在阿里云深圳AI硬件展上

作者：高飛

今年去CES的時候，一起逛展的同學聊起天，總會提起一個段子，那就是CES南館叫成「華強北分館」，或者「深圳分館」、「大灣區分館」。有數據為證：AI眼鏡展區23個展位里有16個是中國品牌，人形機器人那邊中國廠商的數量比美日韓歐加起來還多。華強北分館當然是調侃，華強北不能代表中國AI硬件，這個稱呼背后的意思是：密度太高了。

不過，密度高是結果，問題是怎么做到的？這個答案值得探究。

中國硬件的高密度創新，其實不只是CES上才被注意到的。我想起幾個月前聽過一期播客，挪威人形機器人公司1X的CEO Bernt Bornich聊珠三角。他說想不出全球還有哪能像這里一樣快速做硬件：需要零件，街角就有加工店；東西壞了，過條街買元器件。美國有很好的材料科學家，能設計很好的磁鐵，但缺那種知道「攪拌兩小時后要往左不是往右」的老師傅。Bornich用了一個詞叫process knowledge，工藝知識，這東西在珠三角是彌散的，到處都是。

要注意一下，Bornich沒有解釋所有疑問。他說的是硬件，CES南館那些AI眼鏡能實時翻譯你聽到的話、識別你看到的東西，光有供應鏈做不出來。CES同期深圳有場展，180款產品和拉斯維加斯同款。值得關注的是：展的不是產品本身，是讓這些產品「AI」起來的那套東西。

這場展是阿里云辦的，叫「阿里云通義智能硬件展」，1月8號在深圳開幕，220多家企業，1500多件展品，240多款全球首發新品。

這個展會，就構成了答案的另外一部分。

選擇做底座

這幾年大廠做硬件的不少，手機、音箱、眼鏡、汽車，能下場的都下場了。阿里云在這場展會上的表態不太一樣：「我們不做終端硬件的獨立構建」，官方說法是「以軟硬一體的融合理念，為廣大硬件企業的產品創新提供技術及生態支持」。

翻譯一下：你來做產品，我來做底座。

這個選擇背后有一個商業邏輯的變化，值得展開說說。

以前硬件時代，大廠和中小企業的關系往往是零和的。市場就這么大，大廠做一款音箱，就擠掉一批小廠的份額；大廠做一款手環，小廠就得換賽道。雙方的利益是對立的，大廠是壓制者，小廠是被壓制者。這種格局延續了幾十年，從家電到手機到智能硬件，一直沒變。

AI硬件時代，這個關系可以反過來。阿里云做底座，做的是終端背后的模型和工具。小廠賣得越多，接入阿里云模型的設備就越多，阿里云的數據飛輪轉得越快，模型就越好，又吸引更多廠商接入。零和變成了共生，大廠從壓制者變成了賦能者，小廠從被壓制者變成了生態的一部分。

為什么會有這個轉變？關鍵在于，AI時代的價值錨點變了。以前硬件公司拼的是供應鏈、渠道、品牌，這些東西是排他的，你有我就沒有?，F在拼的是誰的模型能力強、誰的生態完整，這些東西是可以共享的，甚至越共享越值錢。

阿里云透露了一個數據：通義大模型的多模態能力已經賦能超過15萬家智能硬件廠商。15萬家，這個數量級已經不是「合作伙伴」能形容的了。據了解，有一個說法是「過去是硬件定義功能，如今是智力定義物種」。以前你買一臺電視，它的功能在出廠那天就定死了；現在一臺接入大模型的電視，能力是可以進化的，取決于背后那個「智力」有多強。硬件變成了載體，智力才是靈魂。

這就解釋了為什么阿里云選擇做底座。做終端，一年能做幾款？做底座，15萬家廠商幫你做終端，每一款都是通義的載體。

那么問題來了：15萬家廠商愿意接入，這個底座到底解決了什么問題？

底座長什么樣

展會上阿里云發布了一個東西叫「多模態交互開發套件」。名字有點技術，但它針對的都是做AI硬件的人天天頭疼的事。

第一是適配。芯片平臺五花八門，ARM、RISC-V、MIPS，每換一個平臺就要重新適配，工程量巨大。第二是成本。云端按token計費，用戶用得越多廠商虧得越多，商業模式算不過來。第三是響應速度。用戶說句話要等兩三秒才有反應，體驗很差。

阿里云這個套件的思路是把這些坑都填上。它把通義千問（語言）、通義萬相（視覺）、通義百聆（語音）三款模型打包在一起，已經適配了30多款主流芯片，計費從按token改成按終端許可，端側和云端做了協同優化，官方數據是語音交互時延1秒，視頻交互1.5秒。

這里要額外說一下端云協同這個場景的痛點拆解，因為非?？简灱夹g硬功夫，也和消費者體驗息息相關。一款AI硬件往往要同時調用語音、視覺、語言多個模型，單個模型都不慢，但廠商自己對接，調度優化是個大坑。阿里云這個套件的思路是把多模型調度這件事做掉：端側設備不用關心背后有幾個模型、怎么配合，套件統一處理，該本地跑的本地跑，該上云的上云，調度邏輯已經優化好了。前面說的時延數據，靠的就是這個。

另一個細節值得注意。這個套件預置了十多款Agent和MCP工具，覆蓋出行規劃、生活服務這些場景。廠商不用從零開始搭能力，拿來就能用。套件還接入了阿里云百煉平臺生態，支持A2A協議兼容第三方Agent，能力可以一直往上加。

這意味著什么？門檻降低了。以前做一款AI硬件，你得自己搞定芯片適配、模型調優、端云協同、成本核算，鏈條又長又復雜。現在這些阿里云幫你做了，你專注做產品就行。

15萬家廠商能接入，靠的就是這個。

門檻降低了，產品涌現了。接下來的問題是：涌現出來的產品，什么樣的能跑出來？

什么樣的AI硬件能成功

阿里云研究院做過一個用戶調研，樣本量1000份，問的是「相比傳統智能設備，AI賦能后最大的價值體現在哪里」。排第一的不是「更聰明」或者「功能更多」，是「個性化推薦與個性化服務」，占了40.9%。第二名是「解放雙手、自動完成任務」，占28.1%。

這個結果挺有意思。用戶對AI的核心期待不是技術有多先進，而是設備能不能理解我。真正的「智能」是被理解，功能堆再多也沒用。

這也解釋了為什么AI眼鏡在傳統電商平臺的退貨率能到30%以上，抖音渠道甚至40%-50%。用戶買的時候沖著「AI」來的，用了兩天發現還不如手機上裝個App，就扔一邊吃灰了。停用跟價格沒關系，體驗和價值不匹配才是原因。

展會上有幾個案例，可以作為范本，讓大家進一步感受這個產品設計邏輯。

先說兒童AI伴侶Mooni M1，聽力熊和阿里云聯合做的，外形像個小夾子，主打給小孩當聊天對象。聽力熊的人說了一句話：這一代小孩是「AI原住民」，傳統的復讀機和電子詞典滿足不了他們了。我們這代人是從「沒有AI」長到「有AI」的，對AI的預期是「它能幫我做什么」；但10后小孩從出生就活在AI的世界里，他們的預期是「它應該懂我」。兩種心態完全不一樣。我得到的一個數據是，接入通義大模型之后，用戶AI互動時長人均達到3小時。小孩愿意跟它聊3個小時，沒有哪個小孩愿意跟復讀機聊3個小時。

再說AI吉他TemPolor Melo-D，趣丸科技和阿里云一起做的，琴弦會發光提示你下一個該按哪，不會樂理的人也能跟著燈光彈出完整曲子。它懂的是你想怎么玩音樂，而不是逼你學樂理。

還有理想汽車的座艙，底層接的是阿里云。我得到的一個信息是，當乘客說「我有點冷」的時候，車端模型會在2毫秒內從阿里云支持的記憶系統里調取這個用戶的習慣數據，然后調到「他喜歡的溫度」。2毫秒，比眨一下眼睛快100倍。

這三個案例有一個共同點：能成的AI硬件，聰明不聰明不重要，懂不懂你才重要。用戶要的是「被AI理解」，光「能用AI」沒意思。

回頭看CES南館那些中國AI硬件，能批量冒出來，Bornich講的是一半原因：珠三角有全球最快的硬件迭代速度，有彌散的工藝知識，有最密的供應鏈。這是硬件層。

另一半在阿里云深圳這場展上：平臺愿意把模型能力開放出來，做成基礎設施，讓千萬家廠商都能用；有從芯片適配到端云協同的完整工具鏈；有從兒童陪伴到音樂創作到智能座艙的場景驗證。這是AI層。

兩層疊加，硬件的效率加上AI的能力，才有了CES深圳分館的場面，也有了1月11日阿里云通義智能硬件展在深圳的圓滿收官。太平洋兩岸，我們看到了產品的群像，更看到了底座的力量。

消費者也響應了「硬件層」和「AI層」雙劍合璧的召喚。我看到阿里云的朋友在朋友圈寫到，由于報名人數遠超場地容納限制，所以只能忍痛提前結束報名通道，這就是模型時代的雙向奔赴吧。