乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > AI 都能一天做一个 App 了,为什么硬件反而更值钱了?

AI 都能一天做一个 App 了,为什么硬件反而更值钱了?

当前时间： 1970-01-01 08:00:00 分类：办公文件 评论(0)
AI 都能一天做一个 App 了,为什么硬件反而更值钱了?
这两天一直在华强北扫楼。
看 AI 眼镜、耳机、戒指、无人机，也跟不同的档口老板聊价格、MOQ、OEM。
逛多了以后，我脑子里一直有一个很奇怪的感觉：
AI 发展得越快，硬件这种看起来很“笨重”的东西，好像反而变得更有意思了。
这个感觉其实和我过去几个月的另一段经历完全相反。
从华为离职以后，我一直在大量使用 AI Coding。
以前想做一个 App，我不会写代码，如果没人帮我，我很难实现我的想法。
但现在，我可以把想法直接扔给 Codex，然后调用几个开源的工程框架 skill，就能让它昼夜不停地去实现我的想法。
先搭起来。UI 不喜欢就改，逻辑不对就继续聊。甚至看到一个喜欢的产品，都可以截个图给 Agent，让它参考这个交互重新做一个。
当然，能跑和真正能用是两回事。
一个真正优秀的软件产品，依然有非常多复杂的东西。产品判断、品牌、渠道、用户关系、网络效应，这些都不会因为 AI Coding 出现就自动消失。
但至少有一件事情已经发生了：
“把一个东西做出来”，正在迅速变便宜。
这让我开始想另外一个问题。
如果以后一个 App 的功能被别人看见，几天甚至几个小时就可以复刻一个大概，那到底还有什么东西，不那么容易被 Copy？
同时我还观察到另一个资本市场的共识，大家都在从 AI 应用的投资中撤出，一方面是抄袭的成本太低，另一方面是模型迭代的速度太快。应用端带来的用户价值很快就被模型学会并替代，虽然从交互上还没有那么友好，但软件的壁垒几乎已经不存在了。
从 25 年底，很明显就能感觉到，资本也在涌向 AI 硬件。
然后我刚好走进了华强北。

01

Agent 可以 Copy Code，但它没法一键 Copy 一个真实的东西

这几天在华强北看产品，一个很明显的感受是：
一个东西真正拿到手里以后，复杂度突然就不一样了。
照片里看起来差不多的两副眼镜，戴到脸上可能完全不是一回事。
重量不一样。
配重不一样。
转轴的感觉不一样。
塑料摸起来不一样。
甚至盒子打开时的阻尼都不一样。
这些东西很难在商品详情页里写清楚。
更难的是，它们背后都对应着一连串非常具体的问题。
材料怎么选？
结构怎么堆？
模具谁来开？
零件找哪家供应商？
发热怎么办？
天线放在哪里？
电池能塞多大？
良率能做到多少？
做一百台和做十万台，还是不是同一个方案？
软件世界里，一个 Bug 改完，重新部署就好了。
物理世界不是。
螺丝的位置错了 0.5 毫米，它就是错了。
眼镜重了几克，戴久了就是压鼻梁。
散热没做好，它就是会烫。
开模错了，再来一次就是钱和时间。
我以前经常听到一句话：

Hardware is hard.

过去我对它的理解，更多是硬件创业很苦，周期长、投入大、风险高。
最近我突然觉得，它可能还有另外一层意思。
正因为它 Hard，所以很多东西没有办法被轻易 Copy。

02

有些东西，你甚至不知道该怎么告诉 Agent，现在大家把它叫作 taste

我一直很喜欢 Apple Watch 旋钮的震感。
当然，我没有办法证明它是“全世界最好的马达”。
但戴过一段时间 Apple Watch，再去试一些便宜的智能穿戴设备，会很容易感觉到：
就是不太一样。
问题是，你让我描述到底哪里不一样，我也很难讲。
是震动频率？
力度？
声音？
响应速度？
还是震动和动画出现的时间差？
可能都有。
Apple 在介绍触觉设计时，讲过他们怎么让声音、动画和触觉互相配合。
给 Digital Crown 设计反馈的时候，他们甚至录制了传统机械表和自行车花鼓的声音，再去寻找一种与表冠尺寸、旋转动作相匹配的感觉。Apple 在 WWDC 2019 对这套设计过程有过完整讲解。
拆开 Apple Watch 也会发现，Taptic Engine 占掉了内部相当宝贵的一块空间。
对于一块手表来说，每一点空间都很值钱。这块地方本来可以留给更大的电池，但 Apple 选择把它分给触觉体验。iFixit 在早期 Apple Watch 的 X 光拆解中也特别提到了这一点。
这其实是一种很具体的取舍。
为了一个很多消费者甚至说不清楚的东西，放弃一点续航，增加一些成本，再花更多时间去调试。
大家经常把这种东西叫做 taste。
Taste 这个词听起来很玄，谁都可以说自己有品味。
但真正落到硬件上，它一点都不玄。
它是：
我愿不愿意为了这个震感，少留一点电池空间。
我愿不愿意为了戴起来舒服一点，把内部结构重新调整一遍。
我愿不愿意为了一个消费者可能根本不会写进评论区的细节，多花三个月。
硬件里的 Taste，最后都是工程问题。
你脑子里觉得一个东西应该是什么样，只是第一步。
真正难的是，你能不能找到供应商，能不能把它做出来，能不能控制成本，最后还能十万台、百万台稳定地做成这样。
这套能力没有办法通过下载一个模型获得。

03

奥卡姆剃刀法则：如非必要 勿增实体

如果硬件很难，那么硬件就有明显的壁垒。
那是不是意味着，只要做一个硬件，就一定比做软件更有价值？
显然不是。
这两年的 AI 硬件，已经给了我们很多反例。
Rabbit R1 就是一个很典型的例子。
它刚出来的时候，我也觉得挺有意思。
一个橙红色的小方块，有滚轮、有摄像头、有屏幕，看起来很像一个属于 AI 时代的新物种。
但真正上市以后，很多人开始问一个非常尴尬的问题：

为什么这不能只是一个 App？

后来 Android Authority 拿到了 R1 的 Launcher APK，把它装到一台 Pixel 6a 上，完成了设置，也能够向 AI 提问。
当然，这不等于 Rabbit 的整套服务只是一个 APK。
Rabbit 后来回应说，它的 LAM 运行在云端，R1 也使用了定制的 AOSP 和底层固件，普通 Android 手机不能完整复现它的服务。双方的说法可以在当时的报道里看到。
但这个争论本身已经暴露了问题：
用户没有充分感受到，这块硬件为什么必须存在，以及为什么必须要以这样的形态存在。
给 AI 套一个塑料壳，不等于有了硬件壁垒。
现在我逛华强北，也会下意识用这个问题去看各种所谓的 AI 硬件。
如果是 AI 眼镜，它到底利用了眼镜这个形态的什么能力，一定是眼镜吗？
如果是AI 耳机，是什么使用场景让一个 AI 硬件一定要待在耳朵里？
如果是戒指，又是什么样的场景和数据需求，需要用户一定要戴在手指上？
如果一台 AI 硬件实现的功能里，有 90% 都能由一台手机+AI 应用来完成，那它本身的价值到底在哪里？
这个问题，我现在也没有一个特别完整的答案。
但我越来越觉得，它可能是判断一款 AI 硬件有没有长期价值时，首先应该问的问题。

04

Hardware is hard，也可能先把自己干掉

另一个更极端的例子是 Humane Ai Pin。
Humane 当时想得其实比 Rabbit 更远。
它真的想重新设计一种 AI 时代的交互方式：
不再依赖手机屏幕，通过语音、摄像头和激光投影，让 AI 直接进入人的日常生活。
这个故事听起来很性感。
但产品上市以后，发热、续航、速度和交互体验都遇到了问题。
到了 2025 年 2 月，Humane 宣布停止销售消费版 Ai Pin。2 月 28 日，设备停止连接 Humane 的服务器，通话、消息、AI 问答和云端功能也随之关闭。Humane 在面向用户的通知里公布了完整的停止服务安排。
随后 HP 收购了 Humane 的 Cosmos 平台、部分团队，以及超过 300 项专利和专利申请。HP 的公告把这些称为 Humane 的“关键 AI 能力”。
这个结果很有意思。
最后被买走的，主要是平台、人才和知识产权。那块曾经被寄予厚望的硬件，反而停止了服务。
所以我对“硬件壁垒”这件事情会多一点警惕。
供应链难、工业设计难、散热难、续航难、量产难，确实可能挡住竞争对手。
但在挡住竞争对手之前，它们首先挡住的是你自己。
你得先爬过去。
爬不过去，Hard 就只是 Hard。
只有真的把这些问题一个一个解决掉，并且把解决方案沉淀成团队的经验、供应链关系和量产能力之后，它才可能成为 Moat（护城河）。
所以我不会简单地说：

硬件比软件更有壁垒。

这个结论太粗糙了。

05

当数字世界越来越便宜，物理世界里的摩擦反而显得更贵了

过去的软件公司为什么性感？
因为软件太容易规模化了。
写完一份代码，可以服务一万人、一百万人、一亿人。
硬件完全相反。
每多卖一台，你就真的得多生产一台。
所以过去很多属于硬件的特征，我们都会把它理解成缺点。
慢。
重。
周期长。
需要供应链。
需要库存。
需要工厂。
还需要跟大量真实的人打交道。
AI 出现以后，数字世界里很多原本昂贵的能力，正在快速变便宜。
写代码变便宜。
做 UI 变便宜。
做 Demo 变便宜。
调用一个足够聪明的模型，也可能越来越标准化。
那么，剩下那些依然没有办法快速获得的东西，就会相对变贵。
我最近在华强北扫楼，对这件事情的感受尤其明显。
站在电脑前，很容易把“供应链”理解成三个字。
甚至觉得：
不就是找个工厂吗？
真的走进去以后，会发现完全不是。
有时候真正值钱的信息甚至不是一份报价。
而是一个老板告诉你：

这个东西你别找我，我认识另外一个人，你去找他。

这句话在 Google 上可能根本搜不到。
Agent 也不知道。
它存在于一个人的微信里，存在于一个工程师做了十年的经验里，也存在于深圳这一大片密密麻麻的工厂、档口和人之间。
所以我最近开始重新理解 Hardware is hard 这句话。
Hard 本身当然不是壁垒。
但如果一个东西必须靠时间、工程经验、供应链关系，以及一次又一次真实世界的迭代才能做出来，那么当数字世界越来越容易被复制时，这些看起来很“笨”的东西，反而开始显得珍贵。
这也是为什么我最近越来越认真地看 AI 硬件。
但写到这里，其实还有一个更大的问题没有回答。
如果 AI 硬件的价值只是“比较难 Copy”，我觉得还远远不够。
它和传统硬件到底有什么本质区别？
为什么一定是 AI Hardware，而不只是又一轮消费电子热潮？
真正的区别可能发生在产品卖出去以后。
以前一块手表、一副耳机卖给你的那一天，它大体已经定型了。
但未来一台 AI 硬件卖给你的那一天——
它可能才刚刚开始认识你。
下一篇，展开聊聊到底是什么让 AI 硬件区别于传统硬件？
答案也许就这一个词：Context。