AI时代,重新思考AI陪伴:一颗蛋,456天,和那个坏掉的麦克风

一位抑郁症孩子的机器人麦克风坏了，团队说换块电路板。孩子不干。"你把他换了，他就不是他了。"团队最后把原来的麦克风拆下来修好，再寄回去。全场安静了挺久。不是因为技术多厉害，是因为孩子把机器当成了人。不是"它"，是"他"。

三人行必有AI黑客松北京赛区选手：李子圣

这个赛道，看起来很火，其实很冷

东莞的工厂，AI玩具月产20万台。雷军、朱啸虎都在投。年增长率148%。数据很好看。

但京东的差评榜更真实。交互生硬排第一。背景噪音、别人插嘴、小孩发音不准——语音识别率只有65%。有用户说了一年换了365个AI，没一个记得住自己。

退货率30%–40%。

投资人问了一个问题：打动人的到底是AI，还是"有人在乎我"的幻觉？如果是后者，发现对面是机器，幻觉就碎了。

问题不在需求——需求是真的。问题是大部分产品根本没摸到需求的边。那个孩子因为一个麦克风拒绝换整机，已经说明：AI陪伴的临界点不是技术参数，是情感绑定。

"蛋孵化"这个想法，为什么值钱

壳生同频的设计挺有意思。机器人在你手里是一颗蛋。聊了30天，它孵出一个独一无二的形象。长什么样、怎么说话、爱不爱玩梗，全看你跟它聊了什么。

这不是产品经理设计的，是你自己养出来的。

市面上大多数AI陪伴的问题是"重启"。每次对话都像第一次见。你昨天说了什么，它今天忘了。三个月前提过的宠物名字，它根本不认识。

壳生同频的长期记忆是动态的——你投入的时间、说的话、经历的事，都在塑造这个"生命体"。

第456天，它突然说："那天你跟我说过什么。"这种跨越时间的回响，才是陪伴的核心。不是它多聪明，是它记得你。

技术底座：Google Cloud做了什么

壳生同频不是自研一套大模型，而是站在 Google Cloud 的肩膀上搭起来的。

语音识别与对话合成

Google API。嘈杂家庭环境下，孩子发音不准、背景有电视声、突然插嘴——实测识别准确率 95% 以上。

核心决策引擎：Gemini

多模态能力处理语音输入中的语调、情绪、停顿，决定机器人该怎么回应——是安慰、是调侃、还是安静陪着。

Gemini Live API

把传统三段式架构（ASR→LLM→TTS）压缩成实时双向音频流，端到端延迟压到 2 秒以内。"说话不用等"和"每句话都在等"，是完全不同的体验。

长期记忆层：Vertex AI Memory Bank

跨会话持久记忆，Function Calling 触发"性格事件"——记录情绪、更新好感度，让蛋里的形象一点点长大。

Google Cloud解决的是"能不能听懂"，蛋孵化解决的是"为什么要养它"。团队没把精力耗在"做一个大模型"上，而是花在别人抄不走的情感机制上。

299元，是怎么做到的

壳生同频目标售价	¥299
Nomi AI	¥2000+
Loona 机器人	¥3000+

芯片选的是 ESP32-S3——嵌入式领域成熟的国产方案。整机代码量只有 560 行 MicroPython，但语音唤醒、连续对话、流式TTS、9种状态动画、触摸屏交互全跑通了。CPU 占用不到 40%，内存占用不到 2MB。

⚠️ 需要注意：299元是目标售价，首批3000台能不能真的压到这个成本，取决于供应链谈判结果。芯片、模具、电池、屏幕——每一个环节都有坑，这是后续需要重点验证的。

评委提了一个问题：你们想做谁的生意？

评委：花叔，AI Native Coder

「小猫补光灯」开发者，「女娲.skill」作者

目标市场太大了。"所有人"或者"一半中国人"，不符合小团队的打法。

儿童成长陪伴

→ 需要内容安全过滤

独居老人情感监护

→ 需要简单好操作

年轻职场人情绪出口

→ 需要隐私和深度共情

先打透一个，再往外扩。别一开始就想着覆盖所有人。

实体化这件事，比想象中重要

现在市面上绝大多数AI陪伴是App。随时能卸载，零成本。但壳生同频做的是硬件——圆屏、挂书包上、有摄像头和震动反馈。随身携带，物理在场。

30天的"蛋孵化"等待期，本身就是情感投资的过程。你不是买了一件商品，是在养一个东西。

下一步可以考虑多模态反馈：LED表情变化、震动触感、甚至温度。它开心的时候设备微微发热，担心的时候轻轻震一下。物理层面的情感同步，比纯语音真实得多。

隐私是个真问题

2024年全球120多起AI情感陪伴产品数据泄露，涉及300万条隐私数据。用户跟AI聊的可能是抑郁、家庭矛盾、职场压力。这些数据如果上传云端、被用来训练模型或泄露给第三方——信任就崩了。

端侧模型+本地优先的混合架构，技术上现在是可行的。让用户知道对话只存在设备本地，是建立信任的第一步。

人格化不是"用户问、AI答"

更高阶的陪伴是预判。不是等你问了才回答，是通过语调变化、交互频率、使用时长，感知到你状态不对。

连续几天话少了、语调低了，它主动问一句："最近是不是压力有点大？"这种潜意识预测，是区分"客服"和"伙伴"的关键。

产业链接：难点不在"找谁"，在"怎么谈下来"

芯片方案商瑞芯微、全志月产能百万片，单批起订10K。首批只要500片，对方不会接。现实路径是找 Design House 做二传手——但 Design House 也挑客户，看团队背景、融资情况、产品定义。敲门砖：团队有硬件大厂背景，或有融资背书，或有确定的销售渠道。

代工厂富士康、比亚迪电子这种级别，年订单不到千万级连商务团队都见不到。中小代工厂水很深：样品和大货品质不一致、交货延期、私下换料。团队需要：一个懂供应链的合伙人，消费电子或玩具行业3年以上采购经验，认识2-3家靠谱代工厂，会算账、能验厂、懂潜规则。

学校和养老院国际学校要海外背书，养老院院长最关心"出了问题谁负责"，B端合作涉及隐私、内容安全、家长同意，周期不短。团队需要：教育或养老行业资深从业者——不是去跑销售的，是去"翻译语言"的，知道从哪个口子切入、怎么写申报材料。

渠道商电商抽成+流量成本可能占售价30%-50%。线下渠道要谈入驻条件、陈列费、返点。需要懂电商运营或线下零售的人，会算账。

建议节奏

先用200-500台做封闭测试，在学校、养老院、心理咨询机构跑起来。收集真实反馈，修正缺陷，积累案例。有了案例和口碑，再去谈供应链和渠道——筹码完全不一样。

团队是谁

李子圣 · 硬件架构师 & 技术负责人中北大学电子信息工程研二，国内首个 MicroPython 包仓库 uPyPI 的创始人，完成 150+ 电子模块的标准化驱动开发。在嵌入式一线真干了很久。

张云奇 · AI 算法负责人中科大本科，百度资深算法工程师。复杂场景的算法调优和技术攻坚是他的日常。

一个懂硬件、懂嵌入式，560行代码跑出商业级体验；一个懂AI、懂大模型，知道怎么把 Gemini 的能力榨干净。两个人覆盖了从芯片到云端的完整链条。但也要诚实说：团队目前缺一个懂供应链的人，缺一个懂B端市场的人。种子轮的钱，有一部分应该花在找人上。

那不是产品售出的时刻是一段关系开始的时刻

组委会说

这次评审席上的阵容，恰好覆盖了选手从1到10最需要的产业链关键环节——公立学校评委在教育一线，上市公司产业投资人手握供应链和渠道资源，硬科技投资人理解量产节奏，AI技术专家能从底层架构给方向，AI圈顶流开发者知道流量和用户喜好在哪里。

划重点：

AI时代可以把人的做事速率加快，但产业里深耕的经验，以及那些踩过的坑，依然非常必要。所有人拥有同样的AI能力，就等于所有人都没有AI能力——那最后比拼的是什么？这是选手值得持续思考的问题。今天是一个开始，不是结束。组委会做的，不只是一个比赛舞台，更是一个资源撮合的平台。

评委 :胡斌Steven 渶策资本，创始合伙人

获奖选手各位评委主持人

这是三人行必有AI大赛的北京赛区，我们从五十多个初赛项目中选出来了12个组参加决赛路演，本项目是AI Coding赛道三等奖。

关于三人行必有AI黑客松

为贯彻落实国务院印发《关于深入实施“人工智能+”行动的意见》，“三人行必有 AI”黑客松大赛应运而生，专业赛道中有AI Coding & AI 出海赛道：助力开发者与创业者通过 AI 技术重构生产力，拓展国际视野，两个板块为核心目标的黑松客全国巡回赛，本次活动跨越北京、杭州、上海、深圳、长沙五大城市，让 AI 持续赋能人工智能+高质量发展核心命题，牢牢锚定国家数字化战略部署与教育现代化建设总目标。

想找到X的盆友扫码进群

扫描二维码

加入我们吧