小米攝像頭賣200，他們賣超兩千，憑什么？

出品｜虎嗅科技組

作者｜陳伊凡、李一飛

編輯｜苗正卿

頭圖｜由尋影提供

“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「49」篇文章。

2019年1月，拉斯維加斯。

CES展館里，一臺叫尋影 Tail的相機靜靜放在展臺上。它沒有快門鍵，沒有變焦撥桿，沒有任何需要人操控的部件，它自己在轉，自己在構圖，自己識別人臉、判斷景深，然后跟著人走。

這款產品被大量媒體評為那屆CES上的最佳內容創作工具。

世界上有兩種需求，一種是大眾已經有的需求，一種是直接創造了一種大眾不知道自己需要的需求。

OBSBOT 尋影屬于第二種。

尋影創始人兼CEO劉博說，那一刻，大家被沖昏了頭腦，覺得這款產品，一定會大賣。

然后發售，國內評論區的鋪天蓋地“砸”了過來。

“5000塊的不知名品牌？憑什么？”

“小米攝像頭200塊，你們賣五千？”

“騙子。”

發任何一條內容，底下十條評論里九條在罵。剛經歷了CES高光時刻的團隊，一時被打到地上。

后來中美貿易摩擦，把他們依賴的唯一芯片直接打沒了。尋影 Tail，這款劉博和團隊花了三年時間做出的第一款產品，從發售到停產，只活了半年多。

這是尋影的第四年。

過去兩年，發生的三件事：CES的高光時刻、國內發售的跌落谷底、芯片斷供——幾乎在同一時間段發生，彼此之間沒有任何因果，卻刺眼地并列著。

關于尋影這家公司的成長，與許多硅谷成功學案例截然不同，甚至更多的是學生創業的孤勇和頻繁踩坑。

硬件創業，往往講求先了解市場，再定義產品。但尋影的成長，卻是反過來，因為他們的首款產品，連市場都不知道在哪。

兩個多小時的交流，我們嘗試理解和還原，這樣一家除了“影像自動化”的未來是篤定的，其他的產品、供應鏈、市場和人群都不確定的團隊，是如何生生創造了一個需求，并做到了行業領先。

尋影的創始團隊，左二為劉博 圖片由尋影提供

“一輛只給乘客而不是給司機的汽車，從一開始就沒考慮方向盤。”劉博這么比喻，在尋影 Tail之前他們設想過專業拍攝減負、體育、文藝等多個場景，但沒有一個場景能在當時被提前驗證；如果要靠幾千臺樣機大規模試錯，對一家初創公司而言既沒資本也沒時間。

“一輛沒有方向盤的汽車”，這很像是當下基于AI智能體需求倒推硬件形態的思路，但劉博他們早了10年。

時間往前拉到2016年。劉博跟幾個同學一起，決定要做“難到一般人不敢碰”的事。他們選的方向叫影像自動化，讓相機自主拍攝。他篤定，視頻會成為人類溝通里信息密度最高、甚至最重要的載體；如果視頻采集還要靠人端著設備拍，供給會長期受限，這個理念，是劉博他們做影像自動化的初心。

同一年，CV領域正在經歷另一條敘事。商湯、曠視、依圖、云從，后來被稱為“CV四小龍”的公司，在那一波深度學習浪潮里全部選擇了安防作為主戰場。人臉識別、異常行為檢測、城市攝像頭網絡，是那個時代最顯眼的AI落地路徑。

但劉博說，安防是他們一定不會碰的領域。邏輯很直白：安防要的不是影像本身，而是影像背后的信息。而尋影想做的，是讓影像作為信息載體本身變得足夠好、采集足夠簡單，這是兩件根本不同的事。

沒有任何參照，甚至供應鏈都沒有準備好，連可以用的芯片都沒有，深度學習剛剛走向商業化，邊緣側的NPU（虎嗅注：NPU是一種專門用于處理機器學習算法的處理器，比CPU和GPU更快地執行復雜的數學運算，主要用于處理涉及大量小規模并行計算的 AI 任務，如圖片、視頻等多媒體數據和神經網絡數據。）還不存在，能跑視覺算法的只有英偉達GPU，這玩意兒功耗太大，根本塞不進消費級的小設備里。

但劉博賭，NPU一定會出現。證據是他們找了當時在做神經網絡芯片的人聊，見到了苗頭。2018年第一批可商用的ASIC芯片才出來，2019年尋影Tail 做了出來。中間三年，沒有任何產品，靠著來自松山湖XbotPark的錢，支撐過來。

公司真正穩住，是在2021年。

Tail“死”之后，劉博在內部立項做了尋影Tiny——一款全球最小的跟蹤拍攝AI攝像頭。

Tiny比Tail收斂很多。Tiny的場景是清晰的：開會、打電話、講課、直播，人群是明確的工具型用戶。

2020年底發布，公司從那時候才算真正穩住。

穩住之后，涌進來二三十家跟隨者，但做著做著，大部分都停了。因為跟隨者們發現，要做出類似效果的算法，只有在GPU服務器上才能跑，塞不進一個小設備；就算勉強做出來，成本上和尋影也沒有競爭力。

2022年下半年，另一家影像公司才慢半拍地發布了跟進產品。他們前后研發周期耗費了兩年多，這一步邁出來，比Tiny 足足晚了兩年多。據劉博說，行業里一直到2024年還有伙伴在用尋影的第一代Tail做調試參照。

曾經踩過的坑，如今回頭一看，都成了壁壘。

劉博笑著說，他們“做了很多行業貢獻”，很多行業標準——手勢選人動作范式、手勢變焦動作范式、AI自動構圖、設備掰下來自動休眠，是尋影第一個做，后來變成了行業公式。

今天的尋影有大約500名員工，核心技術積累分三塊：影像、感知、運動控制。產品線從Tiny系列延伸，向上走到350美元，在全球Webcam市場定價最高的一檔，向下有Meet系列和減配線攻主流市場。2021年到現在，連續五年實現高速增長。

2023年，公司第一次認真做國內市場，這一次尋影切入的不是通用市場，而是直播場景。半年內，他們把“直播專用攝像頭”這個原本不存在的品類做出來了。

今年是尋影的第十年，正好是AI硬件從概念到現實的十年。

2015年前后是“智能硬件”時代，各種接上網、能聯動的設備被冠上“智能”二字涌進市場，大多數悄無聲息地消失了，然后是CV賦能安防的時代。然后是大模型來了，“AI native硬件”成了新的熱詞：Ring、Plaud、Rabbit R1、AI眼鏡……一輪輪新物種被定義出來。

劉博對這些浪潮的態度很冷靜，甚至有些不以為然。

“面包就是面包，你加了糖也是面包，烤了也是面包”。劉博說，隨著技術演進，你可以用新技術讓它更進步，但它還是那個東西。相機就是相機，尋影在做讓它自動化這件事——這個需求從人類存在就存在，不是因為有了大模型才有的。

大語言模型還沒集成進尋影正在賣的產品里，但劉博他們正在準備，“逐漸會有新形態產品面世”。

從2016年到現在，劉博說他們要做的事從沒變過，沒有頓悟時刻，沒有某次模型的涌現讓他們突然改變方向，有的只是一個條件接一個條件地變成熟，一個臺階接一個臺階地走到可以交付的位置。

影像自動化這件事，尋影走了十年，劉博覺得，現在距離他要的目標，“做了大概百分之十。”他說。

當前，尋影約 85% 的營收來自海外，并已進入沃爾瑪、亞馬遜、樂天等主流渠道，尋影 Tail 2 在 PTZ CAMERA 領域銷量第一。尋影在全球高端webcam 市占率超過50%，市占率第一。全球年活躍用戶提升209%，全球用戶年增長率200%以上。

“我們做的事沒有參考，有參考我就不用做了”

虎嗅：當初為什么選這個方向，影像自動化這事兒到底是什么？

劉博：我們偏學生創業，沒有資源。這種狀態下，邏輯很簡單：技術上非常簡單、但資源消耗大的事，我們做不了；反過來，難到一般人不敢碰，或者一般人不敢想的，才是我們能做的。如果不做一個特別大的事，那我們去上班多好。也是思考了很長時間，才確認要做這件事。

影像自動化就是這樣的方向。視頻是人類通信里信息密度最高的載體——四維，一定會超過文字。視頻采集這件事，在腦波爆炸之前，一定是人類通信里最重要的環節。而2016年，深度學習剛回來，時間點是對的。

我們最底層的邏輯就是，視頻肯定是人類溝通中非常重要，甚至是最重要的一種形式。如果我們的視頻采集還是靠人端著攝像機拍攝，這個數量瓶頸非常明顯。怎么才能讓視頻采集達到我們設想的最終狀態？就是影像必須自動化，相機必須能自主拍攝，讓拍攝變得和呼吸一樣簡單，所以這里面就涉及到大量的工作要做。

虎嗅：你們的第一款產品——尋影 Tail，這個產品形態哪怕是今天來看也很少見，當時有沒有參考？為啥一定要當“第一個吃螃蟹的人”？

劉博：沒有參考，如果有參考我就不用做了。Tail這個形態是我們發明的，現在我們也不知道最終什么形態、或者哪幾種組合是普通人真正會用的，這一直在探索。我們是在做一輛“沒有方向盤的汽車”。

虎嗅：怎么理解“沒有方向盤的汽車”？

劉博：我們做的不是給司機開的汽車，做的是服務乘客的東西，從一開始就沒考慮方向盤。一般人理解相機，就是拿著、對準、拍。這本質上還是“手動駕駛”。但我們從第一天就在做影像界的“無人駕駛”——用戶不需要去操控，設備自己知道拍什么，自己構圖，自己做拍攝決策。這是兩種根本不同的產品邏輯。

虎嗅：做這樣的產品，你不怕手機功能迭代后，被手機吃掉嗎？

劉博：不存在和手機的競爭。手機是個人ID設備，揣兜里，屏幕交互，核心是“在你身上”。自動拍攝設備恰恰相反，被拍攝者沒法在自己身上裝一個拍自己的設備，光學上就不成立，它只能在遠端。這是物理邊界，不是選擇。卡片機、DV被手機打沒，是因為使用場景完全重疊，都是端在手里，都是主動拍。我們做的不是這件事，手機取代不了我們。

虎嗅：但那時候連NPU都沒有，供應鏈根本沒準備好，為什么你們就這么篤定這條路？

劉博:NPU一定會出現,，這是我們2016年做的最關鍵的一個判斷。

那時候我們和行業的人聊，看到了信號。那時候雖然用的是英偉達GPU的方案，但我們知道要等的東西在哪里。

真正可商用的NPU是2018年才有,我們2016年開始做，2019年發第一款產品，中間三年沒有產品。

虎嗅：那時候CV（視覺識別）很火，當時的AI四小龍全選了安防，你們做影像，有沒有想過往那個方向走？

劉博：安防要的是影像背后的信息，比如有沒有人侵入，有沒有異常行為——它不要影像本身。那影像的質量、聲音、拍攝的美感，在安防里是零需求。我們做的是讓影像本身變得足夠好、采集足夠簡單。這是兩件完全不同的事。

虎嗅：CES上獲得了最佳產品，你還記得當時團隊的狀態嗎？大家有沒有很興奮、很激動？

劉博：大家都很嗨，腦子有點亂。因為當時得到了這樣的高度評價，就以為產品一發布肯定會大賣。當時大家都覺得我們在做一件特別偉大的事。可產品發布后，銷量并沒有特別好，我們才慢慢意識到，尤其是一個新品類，再加上新品牌，而且還不是絕對大眾化的產品，市場教育是需要時間的。它甚至都不能叫極客產品。我舉個不恰當的例子，我們現在用微單、手機拍照這么熟練，是經過了幾十年的市場教育。從膠卷時代開始，一直教育到現在，才形成這樣的普及度。我們現在要做的，是一種全新的市場教育：你的影像采集可以解放雙手了。這相當于徹底顛覆人類對影像采集的認知，幾乎不可能一朝一夕就讓人們習慣。

虎嗅：但是從CES上的最佳產品，到國內發售后被“罵慘”，那個時候是不是最艱難的階段？

劉博：我們那款產品其實有很多波折：首先，剛才也提到，發布時我們沒法界定清楚它的使用場景，很多人覺得概念很厲害，但真讓他們用，又覺得不知道怎么用，有一些這樣的小問題。不過到2020年，這些問題慢慢就解決了，大家也逐漸找到用這個產品減輕工作量的方式。但更大的麻煩是我們2019年六月份發布產品，2020年初就沒法生產了，所以這款產品的存活時間只有半年多。芯片供應出了問題，當時真的很慘。但好的一點是，這款產品發布時，因為概念新穎，在圈內和行業內的評價非常高。因為Tail，我們收獲了一批核心用戶——現在有些同事，就是因為那個產品才加入的，三年建起來的技術底子，后來一直都在用。

團隊照片，由尋影提供

虎嗅：融資怎么解決的？

劉博：非常難。主流資本是互聯網邏輯，不會投這種長期、困難的東西。當時被問爛了，比如視頻侵犯隱私，應該做文字；這件事可能得等五十年，憑什么投先烈；你們幾個破學生，憑什么行？走投無路的時候，在上海火車站給松山湖的XbotPark打了電話，如果沒有高老師（高秉強）、李老師（李澤湘）和甘老師（甘潔），那個階段根本過不去。

虎嗅：什么時候你覺得不用再為公司的現金流、融資的事情發愁了？

劉博：我心態相對平穩下來，是在2021年。那一年看到公司的業績報表，心態就沒有那么焦慮了。

虎嗅：當時做了什么事情？

劉博：2019年我們發布的第一款產品是Tail，就是剛才提到的那款；2020年底，我們發布了第二款產品Tiny。

虎嗅：尋影 Tiny發布之后產品銷售情況不錯？

劉博：對，當時產品銷量不錯，整體發展也符合我們的預期。Tiny比Tail收斂很多。Tail是想做給所有人用的，用戶教育成本極高——新品類加新品牌加不夠大眾化，三件事疊在一起，很難起來。Tiny的場景清晰：開會、打電話、講課、直播，用戶是明確的工具型人群。Tiny發布之后，公司才算真正穩定下來。但從那之后，每一步發展基本都和預期差不多。

更重要的是我們之前說的所有話，都用事實證明是對的。所以就再也沒有質疑了，甚至有很多人主動來問，要不要一起合作。

“踩過的坑，一直都是壁壘”

虎嗅：穩定之后，跟隨者就來了，那個時候Webcam也涌入了不少公司，你怎么看來自四面八方的競爭？

劉博：大量玩家涌入——他們一部分想模仿我們，一部分自己做基礎款，兩年后扎堆撤退。

虎嗅：為什么都退出了？

劉博：三層疊在一起。

第一，算法本身不容易；第二，算法要部署到邊緣側、跑在NPU而不是GPU服務器上，再不容易一些；第三，不只是算法，要把運動算法、圖像效果、聲音效果，全部集成進這么小的體積，還要做得精巧、成本可控。

看起來好像這東西挺好做，感覺搞搞算法有機會，結果一做，發現在GPU上才能跑出來——那就做不成這個產品形態。就算做出來，成本沒有競爭力。這些疊加在一起，就導致這件事不好弄。

我們從2017、2018年就在做邊緣側算法壓縮，到現在沒有停過。這個領域我們應該是全世界遙遙領先。剛上的Tiny 3 就是最好的證明。它比上一代Tiny 2 體積減少48%，重量減少34%。要在更小的體積里塞進AI智能2.0，還要升級畫質和聲音。

虎嗅：“踩過的坑成了壁壘”這個意思嗎?

劉博：就是一直都是壁壘。后來者要從頭踩同樣的坑，要花同樣的時間。

虎嗅：產品這十年，好像一直在做一些減法以貼近市場的需求？

劉博：兩根線。

一根是主線，怎么一步步推進影像自動化。我們的每一代產品，本質上都是性能的加法：系統越來越趨于完善，算法更強，部署更輕，消費者的體驗更好。

另一根是市場線，根據用戶反饋和場景需求部署產品矩陣。Webcam市場主流人群不在天花板上，于是做了Meet系列：形態更接近傳統Webcam，價格更接近主流，但里面還是有算法做自動構圖和跟蹤。再向下，24年25年開始做100-200美元、50-100美元的減配線，把市場份額拿得更全。

虎嗅：Meet系列當時是基于什么樣的技術判斷推出的？那款產品好像加了一些新功能。

劉博：Meet系列最核心的邏輯是，我們做攝像頭產品，一直走的是高端路線。當我們已經占據了一些用戶心智，尤其是高端用戶心智之后，希望能盡量多搶占這個市場。我們最終有一個目標，就是打破傳統的市場格局，所以不能只做高端，也要覆蓋大眾市場，這是第一個邏輯。

第二個邏輯是，雖然我們的高端產品很好、很有特色，但還是有很多老百姓接受不了，覺得功能太復雜、不會用，會問“能不能給我一個普通一點的產品”。所以我們就適當收斂，推出了Meet系列，它依然有很強的產品特色，但形態上更貼近傳統的攝像頭，同時用算法實現自動構圖等自動化功能，價格上也更貼近大眾用戶，不再是高端定位，讓更多人能接受、能使用。就是通過產品矩陣，更好地搶占市場。

虎嗅：競爭格局上，你怎么劃分不同的對手？你覺得尋影未來的競爭對手可能是哪類公司？

劉博：現階段Logitech是我們視野里最需要關注的。而在專業影像領域，接下來幾年，我們不可避免地會與松下、索尼、佳能這些百年巨頭在同一個棋盤上相遇。他們賣的是過去一百年沉淀下來的精密光學硬件，而我們賣的是AI算法跑出來的自動化體驗。現在大家胃口變了，逐漸習慣了這種更高效的拍攝方式，這讓我們在面對這些百年巨頭時，心里是有底氣的。

虎嗅：創業很多時候都是反常識的，你覺得這個過程中最反常識的事情是什么？

劉博：如果從普通人的常識來看，我們很多決策都是反常識的，大概百分之七八十的決策，和大多數人的選擇都不一樣。但如果往底層、往本質去看，我們做的事情其實沒有什么反常識的。

虎嗅：你認為尋影是一個什么樣的公司？硬件公司？還是AI公司？

劉博：是一家系統公司。其實我們一直在從各個角度做這件事，它不是單一環節的問題。首先，影像拍攝和聲音錄制有本質區別，錄音機記錄聲音相對簡單，只要記錄下來再轉譯就可以。但影像是很復雜的，不同的拍攝角度、多人拍攝、場景切換，呈現的效果完全不同，想要呈現好的效果，需要大量的工作，不是一個單點技術、一個設備就能搞定的，這是一個系統工程。所以我們定位自己是一家系統公司。

距離終點，還有90%的路要走

虎嗅：2023年開始認真做國內，為什么是這個時間點？

劉博：兩件事同時成立。

第一，環境變了。2019年那時候，國內更信大品牌，新品類很難被接受。到2023年，大疆和華為這幾年改變了國內消費者對本土創新產品的接受度。2019年我們那種被罵爛的情況，現在應該不會發生了。

第二，海外基本盤穩了。這幾年我們跑得挺快，每年起碼50%的增長，快的時候增速直接破了100%。有這個底子，才有資格認真做國內。

但我們沒有直接沖通用市場，而是先切了直播這個垂直場景。半年內就把直播專用攝像頭這個新品類做出來了——國內之前沒有這個東西。

虎嗅：你覺得公司現在算成功了嗎？

劉博：成功很難定義。我們現在做的事情，和我們最終希望達到的目標相比，完成度還非常低。但也很難說會失敗，因為失敗也沒有明確的界定標準。應該說，我們最終希望把這件事推進到100%。

虎嗅：你覺得現在距離到終點的路程走了多少了？

劉博：10%。剩下的路怎么走，變數還很多。可能走到一半，會有更多同行進來跟我們一起拓荒，或者通過行業合作來加速進程。還有一種可能是，我們做得很艱難，最后把公司做得非常大，可能達到幾萬人規模，才能把這件事從40%推進到80%。

這一切都界定不清楚。但我覺得，我們現在做的這件事，不管需要十年還是二十年，最終能推進到100%是必然的，是人類社會發展的必然趨勢。

虎嗅：你說現在只做到了10%，怎么這么慢？

劉博：雞生蛋蛋生雞。開始的時候又沒有雞又沒有蛋——人類的使用習慣是蛋，有沒有可用的產品是雞。都從零開始，慢是必然的。

現在直播、Vlog這些場景起來了，部分人開始用不一樣的方式記錄自己的生活。這是雞和蛋開始互相推動。但離"視頻采集像喝水一樣自然"——吃飯都復雜，像喝水一樣簡單——離那個狀態還很遠。

我們自己做的那些，離我們認為應該做到的也就10%。技術儲備、產品迭代、市場教育，都還有很長的路。

虎嗅：過去十年里，有沒有讓你最后悔的決策，覺得當時不應該那么做？

劉博：其實我們公司到今天，所有的決策都不是我一個人頭腦發熱拍板的。每一個決策，都是我們在當時掌握的信息范圍內，做出的相對最優選擇。我們公司的特點就是穩健，做的事情基本都是可控的，遇到可能導致重大風險的事情，大部分都及時止損了。

虎嗅：比如有哪些面臨重大風險的時刻，你們最后及時收手了？

劉博：比如我們中間有一款產品，當時想做第二代，前后調研、折騰了大概一年半，最后我決定徹底放棄。如果當時繼續做下去，那款產品的形態可能會讓我們陷入和其他品牌的同質化競爭，這對我們來說會很麻煩，可能會讓用戶產生不好的聯想。對于我們這個規模的公司來說，這種同質化競爭不是好事，所以就及時停住了。

虎嗅：所以你覺得，現在還沒到和巨頭硬剛的時候？

劉博：以我們現在的規模，一定要盡量避免犯一些不該犯的商業錯誤。我們之所以沒犯過這類錯誤，并不是因為害怕。比如在我們自己的核心領域，如果有別人來競爭，我們是不怕的，但沒必要主動去和巨頭硬剛，避免不必要的風險。

虎嗅：未來隨著影像自動化越來越普及，攝像頭這種產品形態可能會被其他形態替代？我們會做這方面的準備嗎？

劉博：我們的產品平臺一直在演進，不是等別人來挑戰我們才去準備。后面我們會有一些不同形態的產品，逐漸在不同領域推廣和應用。具體的形態我不方便舉例。

虎嗅：暢想一下，當影像自動化達到您所說的100%理想狀態時，會是怎樣的場景？

劉博：視頻信息的傳播會變得像喝水一樣簡單。整個視頻信息在人類生活中的流轉，會像河水一樣自然、簡單，比吃飯都要輕松。人類的溝通形式可能都會發生本質變化，現在我們還需要看小說、看文字來獲取信息，未來這種方式可能會被更便捷的視頻形式替代。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4848457.html?f=wyxwapp