摘要

李丰与何嘉斌把AI陪伴硬件定位为本轮技术周期的“第三波”：2023年看大模型，2024年主要看具身智能机器人（同时也有人讨论Agent），今天则要看谁能交付产品、创造需求并赚到钱。底层技术完成一次“吸进了过去的气血”的跃迁后，增速会趋于平缓；最宏大的软硬故事又往往最难落地，机会于是向垂直应用扩散。“虽然不一定是最AI，但一定是相对新的技术、场景、应用和赚钱方法。”
Ropet的非共识不是把大模型塞进毛绒玩具，而是先用可爱、沉默的“弱机器人”获得开机率，再用闭源的行为数据长出智能。 摄像头在约半米距离、约120度视野内持续捕捉表情、触摸、微笑和手势；如果未来有10万名高开机率用户，这套数据将超过普通家庭监控所能提供的一对一宠物互动样本。何嘉斌给出的次序很明确：“第一步有硬件，第二步有匹配硬件的行为数据，第三步才叫智能。”
产品被定义为“百分百好玩，零分有用”，核心商业选择是避开工具硬件的配置与性价比竞争。 Ropet不直接说人话，而以眼神、动作和声调模拟宠物及零至三岁孩子般的感知：强对话能力会让它像“一个非常智能的智能体塞到了毛绒玩具里”，甚至像两三岁的孩子突然跟父母辩论，破坏宠物感与信任。团队想触发的不是新鲜刺激后的多巴胺衰减，而是照顾欲、催产素和“自己被需要”的满足。
目前接近一万台的交付已经推翻了最初单一的用户画像，显示陪伴产品可能是全球、全年龄市场。 团队原本锁定24至30岁的都市独居女性，但日本核心用户中超过50%是50至70岁女性，北美有很多人买来送给孩子；约一半用户仍来自最初定义的都市女性。何嘉斌因此把公司称为“未来宠物公司”：桌面、包上、车内和家中移动形态，都可能属于同一种“硅基宠物”。
项目的早期商业验证来自极低预算下两次连续正反馈，而不是先靠融资堆出来的规模。 公司六个人、背负负债并向老股东借钱续命四个月后，用不到1万元参加上海IP授权展，五台样机成为展会上最火的新产品；随后老股东继续支持，个人股东又凑到约1,000万元。CES期间，创始人第一次去美国、以每天约1,500元请翻译，产品在六七天内获得后台统计的全球60亿次传播，并把“可触摸、可预订、能交付”的商业价值显性化。
中国消费电子供应链构成了AI硬件最实在的结构优势，但首代产品仍必须承受漫长而昂贵的迭代。 Ropet从首个原型到接近一万台交付经历三至四次大的硬件选型变化，每次可能造成至少两个月delay；仅为了让眼睛产生真实对视感，团队就坚持两块呈约15度夹角、支持双屏异显的屏幕，并继续处理舵机噪音、毛绒包覆散热和静音风扇。“大胆一点”，先用成熟物料搭出约50分的框架，再依靠深圳供应链快速修正，是这一代硬件能在至少一年后量产的前提。
智能升级是一条带条件的信任曲线，而不是首代产品把能力拉满。 当前1 TOPS端侧算力要同时模拟视觉、听觉、触觉和重力感应；何嘉斌设想，如果一年后能以相同成本升级到10 TOPS，并积累两三万台设备的在场数据，宠物才可能从“三岁”长到“十岁”，以合适方式开始语言交流。李翔以Character.AI活跃度回落和智能驾驶从L2、L3逐级走向L4、L5作对照：消费级AI需要“先交付低预期，再慢慢上AI的台阶”。

精读

1. AI投资正在从最大想象力转向可交付的第三波

何嘉斌把科技创新拆成三个阶段：底层技术爆发，资本围绕最大想象空间下注，最后创业公司进入具体垂直场景、交付用户并实现商业价值。按这个框架，2023年的主题是大模型，2024年主要转向具身智能机器人，同时也有人讨论Agent；AI硬件则代表第三波应用寻找。
李丰的补充是，每次技术跃迁都来自长期要素积累：这轮大模型吸收了三四十年的公开文本数据，又叠加算力和算法进步，才形成一次“小质变”。资源被集中消耗后，不可能短期再复制同量级积累，底层进步会从爆发转向相对线性。
第二波最诱人的叙事，一软一硬：Agent可能替代所有专业技能工作者，变成“全电子牛马”；具身智能则可能替代人的泛化劳动。但李丰提醒，“最大想象力的应用”通常也是最不容易落地的，因为它既难证实，也难证伪。
在特斯拉Optimus计划因马斯克忙于政治事务而跳票后，春晚跳舞机器人、民营企业座谈会和两会工作报告又把中国具身智能的热度向上推了一格。李丰的判断是，关注度再上台阶已越来越难，第三波具体应用因此成为当前话题。

2. Ropet先要成为宠物，才可能成为智能体

何嘉斌把Ropet定义为面向女性、提供情绪价值并解决孤独问题的新宠物形态：它安静地待在桌面上看着主人，以持续“在场”而不是高频对话完成陪伴。产品的脸部摄像头则为识别长期行为和情绪变化提供入口。
“越养越懂你”不是一句静态人格宣传：团队希望宠物逐渐成为用户情绪的投射，学习口头禅和行为习惯；如果照顾得好，它甚至会开始叫用户“妈妈”。何嘉斌认为，当代高压都市生活真正稀缺的是“那一丝爱的感受”。
公司的长期定位是“未来宠物公司”，而不只是单款桌面玩具。何嘉斌设想，未来宠物中会出现名为Robo Pet的“硅基宠物”品种，形态可能放在桌面、挂在包上、进入车内，也可能在家里移动。

3. “先让人喜欢”是李丰改变判断的关键

李丰此前连续看了三五个项目，得到的印象都是“为了AI做个玩具”：技术存在感很强，却不像从消费者需求出发，因此一度决定不再看AI玩具。多名同事坚持让他见何嘉斌，才改变了这一判断。
真正的差异不是用了多少AI，而是何嘉斌先考虑“怎么让大家喜欢”，再决定AI承担多少功能，明确建立产品与技术的主次关系。李丰认为，这比为了展示AI能力再寻找玩具外壳，更可能定义出消费者愿意长期留下的产品。
李丰最初的困惑是，一个男性创始人为何能把女性情绪与产品细节想得如此具体；答案不是天赋式的“懂女性”，而是何嘉斌十年都在女性消费、审美、人机交互和消费硬件的交叉地带工作。

4. AI眼镜证明全球硬件不能脱离本地生活方式

李丰以Meta与雷朋合作的AI墨镜说明，美国超过80%的成年人开自己的车上班，单程通勤超过40分钟、接近50分钟，用户本来就可能每天戴约两小时墨镜。续航不足时摘下充电，与原有习惯并不冲突，因此墨镜是“非常讨巧”的载体。
中国消费者的约束不同：近视率高，框架眼镜用户需要处理度数、重量、运动和全天佩戴，若再叠加电池、摄像头、芯片与传感器，还要每两小时摘下充电，生活习惯的改造成本会明显上升。
李丰引用被投美瞳公司的数据：2020年仅约7%的购买者并不近视、纯粹为好看而佩戴；当时用户超过90%是女性、接近10%是男性。到2024年，公司销售额已达十几亿元，这一比例接近30%。亚洲女性既可能排斥框架眼镜，又不愿让AI眼镜遮住为美观购买的美瞳，因此他暂未把AI眼镜作为主要关注点，同时强调这只是“一家之言，片面之词”。

5. 接近一万台交付推翻了最初的窄画像

团队起初把用户定义为24至30岁、都市独居女性，她们既是小红书和Instagram的重度意见领袖，也愿意分享新的生活方式。但接近一万台设备陆续交付后，真实需求比画像更分散。
日本核心用户中，超过50%是50至70岁的女性；北美则有很多人买来送给孩子。约50%的用户仍与最初定义的都市女性相符，但何嘉斌由此意识到，“宠物是不分年龄段的”，陪伴产品可能天然面向全年龄、全球市场。
桌面仍是首代产品的重要场景：一个人从大学毕业到离开职场，可能有30至40年把大量时间留在办公桌前。这里有稳定电源、电脑和手机，也是最容易保持在场时长与开机率的位置，“桌搭子”因而不是装饰概念，而是使用频率设计。
何嘉斌承认，硬件无法跨越交付周期，第一代也很难完成全部洞察；通常要把首批产品交出去，再经过两至三代修正，才可能接近爆款。他以从3GS到iPhone 4的迭代作类比：新品类的爆发通常晚于第一版产品。

6. 十年职业路径都在为“无用之美”补能力

何嘉斌2014年毕业于北京服装学院，校园里的服装、珠宝、服饰和箱包专业都围绕女性消费洞察展开。他作为工业设计学生，选择用科技构建跨界优势，相信“科技肯定是第一生产力”，但科技外面必须包裹一层审美。
他随后在微软亚洲研究院参与人机交互研究，十年前已在探索今天被称为AI眼镜的第一人称助理，问题之一正是怎样让女性愿意把摄像头戴在头上。此后他进入百度深度学习实验室，用两年探索实验室级创新硬件。
第一次创业时，他与原leader共同成立物灵科技，五年内做儿童陪伴机器人，累计销售“大几百万台”，但也经历赛道增长天花板。2021年至2023年，他进入字节跳动补齐大项目与供应链能力，参与Pico 4，体验“花好几十亿去做一个产品”。
ChatGPT从3.0到3.5的阶段成为再次创业的导火索：何嘉斌判断，AI机会会落在具备数据采集和行为反馈能力的各种硬件载体，而不一定是双足人形。他最终选择最能承接十年积累的“无用之美”，与真值创投已有的机器仿生技术结合，约三个月组起团队。

7. 技术周期总会从革命叙事回落到逐级落地

何嘉斌认为，底层技术成熟后，创业公司必须回答“应用到什么东西上”。Agent可以讲替代智力的故事，机器人可以讲进入家庭和工厂的故事，但越往后越需要解决开机率、使用时长、交付和商业价值这些实在问题。
李丰以自动驾驶复盘同一规律：2015年以前，Google及尚未分拆的Waymo因道路测试规模被视为领先；2015年后，Uber拥有全球调度网络，特斯拉拥有大量装上传感器的量产车，因此承接了最宏大的商业想象。
当时甚至有人宣传，特斯拉加上自动驾驶后可以在闲置时替车主跑网约车；Uber若实现无人驾驶，则不必再与司机分成。叙事回到现实后，衡量标准变成谁真正上了量产车、与哪些车企合作，中国也仍在从L2走向L3。
从2014年第一波自动驾驶泡沫算起，约11年后行业仍处于L2至L3阶段；反而是园区送餐、港区和矿场等封闭无人环境率先采用更高等级方案。李丰借此强调，第三波不是宏大愿景消失，而是愿景被拆成可验证的小场景。

8. 新硬件最大的资产是以前不存在的行为数据

何嘉斌提出的路线不是把现成AI塞进硬件找场景，而是先把场景和产品做好，为未来的AI准备数据。对话数据可以通过手机和电脑的麦克风获得，宠物与主人长期互动的行为数据却没有现成数据集。
Ropet摄像头面向约半米距离、约120度视野，目标是一对一捕捉主人的表情、手势、触摸和微笑，甚至微表情。家庭监控虽然也有视觉数据，却通常覆盖大场景，既不聚焦单个人，也不具备如此近距离的长期互动关系。
何嘉斌给出一个条件化推演：如果未来拥有10万名用户，且设备每天保持高开机率，用户持续触摸、微笑和照顾宠物，这些闭源样本就可能用于训练宠物的应激反应模型。“先有硬件，再有行为数据，第三步才有智能。”

9. 弱机器人用“被照顾”代替强智能炫技

团队刻意没有接入端到端对话大模型，而是让宠物通过动作和声调表达情绪。何嘉斌认为，宠物一旦流畅说人话、展示逻辑推理、喜好和语言边界，用户就可能把它看成塞进毛绒玩具的智能体，失去对宠物的信任感。
李丰给出的类比是：如果自己两三岁的孩子突然开口与父母辩论，即使仍是自己的孩子，看待他的视角与感情也会发生巨大变化。能力并非越强越好，能力与角色预期错配，本身就会制造不安。
何嘉斌借用日本“弱机器人”的思路，把产品定位在零至三岁的孩子或宠物，而不是家里的“话痨”。他称日本在机器人领域无论学术端还是产业端都比国内至少早20至30年，其经验是强智能设备反而更难长期融入生活。
这一选择对应两种完全不同的留存机制：刺激多巴胺的产品会在新鲜期后衰减、最终落灰；持续唤醒照顾欲的宠物，则可能让用户产生催产素、获得“自己被需要”的满足，并保持开机。“让它弱”不是少做功能，而是粘性设计。

10. 智能手机先创造新数据，平台才创造新商业模式

李丰反问，为什么移动互联网巨头往往到创始人的第三次创业才成功？不是他们此前不想成功，而是在等智能手机普及；位置、图像和高质量音频等新数据出现以前，打车、外卖、美图和短视频都缺少最关键的生产资料。
智能手机相较诺基亚、摩托罗拉增加了高清光学摄像头、MEMS阵列麦克风、陀螺仪和GPS。平台因此能同时知道消费者、外卖骑手、餐厅和车辆的位置，也能获得可传播的图像与声音，“两个位置之间的关系”才变成打车或外卖。
传感器并非由平台公司铺设，但平台等到硬件普及后，才在新数据上建立商业模式。李丰认为AI陪伴硬件也在重复这一关系：今天先把传感器送入新的生活场景，明天才可能出现仅靠手机数据无法支持的产品与消费模式。

11. 中国供应链让“应用驱动技术”成为可执行优势

李丰对中国AI硬件的判断建立在两条产业链上：一条是传感器和芯片，另一条是精密加工与消费电子制造；若再叠加AI软件，中国就可能形成其他国家难以同时复制的软硬组合。他将其概括为“应用驱动技术创新”。
扫地机器人已经在海外市场进入“中国公司卷中国公司”的状态；李丰认为新能源车未来也可能如此，如果华为手机2019年没有受限，智能手机也可能走向类似格局。这里的共同点不是单一算法领先，而是软件能迅速嵌入规模化硬件产业链。
影石是李丰反复引用的案例：公司在中国尝试销售软件困难后，关闭南京公司、转往深圳，把算法嵌入全景相机；产品只用了一年多就进入苹果线下商店，后来成长为李丰口中的“今天一千多亿”的公司。
一名在美国任教的具身智能科学家曾告诉李丰，美国迭代一版机器人时，只要一个技术部件发生硬件变化就要重新迭代，只能到中国定制；每轮约三至四个月。回到深圳后，需求下午送出、明晚可能就能拿回。李丰虽承认“十年对一年”的说法有夸张，但迭代速度差异是真实优势。

12. 公司先放弃昂贵复杂机器人，才找到两千元以内的机会

何嘉斌从字节出来时担任萌友公司的产品VP，最初仍有另一位CEO，团队想利用供应链能力，对标日本能在家中移动、完成多种任务的复杂机器人。他当时更愿意专注于自己擅长的产品，而未准备直接担任一把手。
长线用户测试带来的残酷结论是，对早期少数接受者而言，产品卖1万元、7万元还是10万元差别不大；若要成为爆款，却必须把价格打到约2,000元人民币以内。公司因此从技术和供应链导向，转向产品与用户体验导向。
原CEO偏技术和供应链路线，最终离开；何嘉斌“临危受命”接任CEO。那时具身智能仍是资本热点，这家主动收缩能力、追求情绪价值的公司反而显得“非常非共识”，融资并不顺利。
何嘉斌背负公司一定负债，又向老股东借钱，给新战略续了四个月。产品方向不是在资金宽裕时从容选择，而是在现金与组织同时承压时完成的“背水一战”。

13. 不到一万元的展位和五台样机救回了公司

去年10月，六人团队带着五台样机参加上海IP授权展，整个展位连场租与搭建不到1万元。Ropet成为疫情之后四年里该IP授权展最火的展位，几乎所有路过者都会停下来问“这是什么”。
何嘉斌把现场效果归结为“AI显性化”和“视觉锤”：眼神追踪、被触摸后的反馈以及类似宠物的动作，让它与普通毛绒玩具一眼不同；观众能感觉到这是AI产品，却未必能说清AI具体藏在哪里。
这次验证带来何嘉斌接任CEO后的第一笔关键资金：老股东继续支持；同时，他在上海路演找到的个人股东又凑出约1,000万元。团队才敢正式开模、寻找工厂并推进量产，也有预算首次参加CES。
CES又提供第二次正反馈。何嘉斌第一次去美国、英语“特别差”，以每天约1,500元请翻译五天；福布斯第一天专访后流量爆发，现场用户能摸、抱、互动并在KISS上预订，六七天后台统计传播量达到60亿次，也促成后续包括峰瑞在内的新一轮融资接触。

14. 首代创新硬件只能从“五十分框架”开始

何嘉斌最直接的教训是：“第一代的时候很难想得特别清楚。”团队首先选择人才驾驭得了、供货周期可控的成熟物料，搭出约50分的硬件框架并尽快向前跑，而不是等待一套理论上完美、产业上不确定的新方案。
从去年6月首个原型到接近一万台交付，产品至少经历三至四次大的硬件选型变化，平台可能仍是同一平台，但算力、成本和外围配置不断调整。每次平台变化都可能造成至少两个月delay，并推翻前面已完成的一批设计。
双眼是细节如何反推系统选型的典型：一块平面四英寸屏幕加罩子会“特别像一个机器人”，两块屏幕形成约15度折角，才有更立体的空间对视感；芯片因此必须支持双屏异显，而早期平台只能驱动单屏。
同样需要反复迭代的还有舵机噪音、风扇选择和毛绒套散热，几块钱的风扇也可能被更昂贵的静音方案替换。何嘉斌估计，从demo到可量产交付至少要一年；李丰认为，成熟的珠三角供应链才让这种速度成为可能。

15. “百分百好玩”意味着主动放弃工具价值

面对“几分有用、几分好玩”的提问，何嘉斌给出极端答案：“百分百的好玩，零分的有用。”这里的有用指效率和工具属性，好玩则是纯粹提供情绪价值；两者并非不能共存，但会在定义中互相稀释。
他此前设计的卢卡绘本阅读机器人正是五五分、甚至三七分的产品：父母购买的是让三至六岁孩子养成阅读习惯的刚需，孩子使用时追求的却是IP、互动和游戏。买家与用户分离，使产品必须同时讨好两群人，定义容易“吵架”。
何嘉斌引用王宁的反问：“如果LABUBU是一个U盘，你会买很多个U盘吗？”一旦用户对工具属性抱有“一丝丝期待”，好玩与审美就会打折；而今天情绪价值拥有更强市场和议价权，纯粹的“无用”第一次更容易形成科技消费品商业模型。
Tamagotchi证明养成游戏本身可以全球流行：玩家喂食、清理排泄物、避免宠物生病死亡，反复获得照顾与成长反馈；它与名创优品重新联名后仍能吸引用户。Ropet要做的是把同一粘性内核带入物理世界，以AI和五感互动变得更仿生，而非增加效率功能。

16. 低成本模型让六人团队在1 TOPS上拼出“四感”

何嘉斌把今天相较五六年前的根本变化称为“创业成本”：过去识别一种水果也可能需要团队自行收集数据和训练模型，现在则可能从GitHub开源社区获得模型，再量化、裁剪并部署到端侧。
Ropet当前端侧芯片只有1 TOPS算力，却要同时模拟视觉、听觉、触觉和重力感应四种感知，还要解决毛绒套阻碍散热的问题。六人团队能在四至五个月内把这些模型拼起来，是模型获取成本下降带来的窗口。
李翔特别把开源供给增加归因于DeepSeek打破闭源垄断，使开源成为更多厂商必须采用的商业选择。对小团队而言，价值不只在于调用一个更强的大模型，而在于大量垂直模型终于可以被选择、裁剪和组合。

17. 宠物可以从三岁长到十岁，但不能跳过信任阶梯

何嘉斌估计，现有硬件与模型最多模拟零至三岁孩子的感知：识别有限类别的物体，根据人脸判断基础情绪，对手势和触摸作出反应。用户做“嘘”的动作时它会安静，摸头则表示主动恢复互动，声音随之重新打开。
更高智能是带条件的设想：如果一年后端侧算力能从1 TOPS升至10 TOPS而成本不增加，同时团队积累两至三万台设备的在场数据，宠物可能从“三岁”成长到“五岁”乃至“十岁”，再以符合角色的方式开始语言交流。
团队并非原则上反对宠物说话，只认为当下直接接入端到端大模型会与交互模式错配、让用户“出戏”；何嘉斌甚至不排除明年加入语言。能力释放的标准不是模型能不能做，而是产品是否建立了足够数据、信任与角色连续性。
李翔以Character.AI及同类陪伴应用过去半年活跃度下降作反证：如果开放式语言生成足以解决广泛情感陪伴，手机和OpenAI本身已经足够。就像消费者要从燃油车、电动车、自动泊车、hands on wheel逐步走向hands off wheel，监管也从L2、L3再谈L4、L5，AI陪伴同样需要“先交付低预期，再慢慢上AI的台阶”。

Sam Altman谈Sora、能源与打造AI帝国阿里巴巴 Joe Tsai 谈中美竞争、AI未来、拥有篮网与自由人队、Caitlin Clark的影响