「CES深圳分馆」的另一半答案，在阿里云深圳AI硬件展上 原创

今年去CES的时候，一起逛展的同学聊起天，总会提起一个段子，那就是CES南馆叫成「华强北分馆」，或者「深圳分馆」、「大湾区分馆」。有数据为证：AI眼镜展区23个展位里有16个是中国品牌，人形机器人那边中国厂商的数量比美日韩欧加起来还多。华强北分馆当然是调侃，华强北不能代表中国AI硬件，这个称呼背后的意思是：密度太高了。

不过，密度高是结果，问题是怎么做到的？这个答案值得探究。

中国硬件的高密度创新，其实不只是CES上才被注意到的。我想起几个月前听过一期播客，挪威人形机器人公司1X的CEO Bernt Bornich聊珠三角。他说想不出全球还有哪能像这里一样快速做硬件：需要零件，街角就有加工店；东西坏了，过条街买元器件。美国有很好的材料科学家，能设计很好的磁铁，但缺那种知道「搅拌两小时后要往左不是往右」的老师傅。Bornich用了一个词叫process knowledge，工艺知识，这东西在珠三角是弥散的，到处都是。

要注意一下，Bornich没有解释所有疑问。他说的是硬件，CES南馆那些AI眼镜能实时翻译你听到的话、识别你看到的东西，光有供应链做不出来。CES同期深圳有场展，180款产品和拉斯维加斯同款。值得关注的是：展的不是产品本身，是让这些产品「AI」起来的那套东西。

这场展是阿里云办的，叫「阿里云通义智能硬件展」，1月8号在深圳开幕，220多家企业，1500多件展品，240多款全球首发新品。

这个展会，就构成了答案的另外一部分。

选择做底座

这几年大厂做硬件的不少，手机、音箱、眼镜、汽车，能下场的都下场了。阿里云在这场展会上的表态不太一样：「我们不做终端硬件的独立构建」，官方说法是「以软硬一体的融合理念，为广大硬件企业的产品创新提供技术及生态支持」。

翻译一下：你来做产品，我来做底座。

这个选择背后有一个商业逻辑的变化，值得展开说说。

以前硬件时代，大厂和中小企业的关系往往是零和的。市场就这么大，大厂做一款音箱，就挤掉一批小厂的份额；大厂做一款手环，小厂就得换赛道。双方的利益是对立的，大厂是压制者，小厂是被压制者。这种格局延续了几十年，从家电到手机到智能硬件，一直没变。

AI硬件时代，这个关系可以反过来。阿里云做底座，做的是终端背后的模型和工具。小厂卖得越多，接入阿里云模型的设备就越多，阿里云的数据飞轮转得越快，模型就越好，又吸引更多厂商接入。零和变成了共生，大厂从压制者变成了赋能者，小厂从被压制者变成了生态的一部分。

为什么会有这个转变？关键在于，AI时代的价值锚点变了。以前硬件公司拼的是供应链、渠道、品牌，这些东西是排他的，你有我就没有。现在拼的是谁的模型能力强、谁的生态完整，这些东西是可以共享的，甚至越共享越值钱。

阿里云透露了一个数据：通义大模型的多模态能力已经赋能超过15万家智能硬件厂商。15万家，这个数量级已经不是「合作伙伴」能形容的了。据了解，有一个说法是「过去是硬件定义功能，如今是智力定义物种」。以前你买一台电视，它的功能在出厂那天就定死了；现在一台接入大模型的电视，能力是可以进化的，取决于背后那个「智力」有多强。硬件变成了载体，智力才是灵魂。

这就解释了为什么阿里云选择做底座。做终端，一年能做几款？做底座，15万家厂商帮你做终端，每一款都是通义的载体。

那么问题来了：15万家厂商愿意接入，这个底座到底解决了什么问题？

底座长什么样

展会上阿里云发布了一个东西叫「多模态交互开发套件」。名字有点技术，但它针对的都是做AI硬件的人天天头疼的事。

第一是适配。芯片平台五花八门，ARM、RISC-V、MIPS，每换一个平台就要重新适配，工程量巨大。第二是成本。云端按token计费，用户用得越多厂商亏得越多，商业模式算不过来。第三是响应速度。用户说句话要等两三秒才有反应，体验很差。

阿里云这个套件的思路是把这些坑都填上。它把通义千问（语言）、通义万相（视觉）、通义百聆（语音）三款模型打包在一起，已经适配了30多款主流芯片，计费从按token改成按终端许可，端侧和云端做了协同优化，官方数据是语音交互时延1秒，视频交互1.5秒。

这里要额外说一下端云协同这个场景的痛点拆解，因为非常考验技术硬功夫，也和消费者体验息息相关。一款AI硬件往往要同时调用语音、视觉、语言多个模型，单个模型都不慢，但厂商自己对接，调度优化是个大坑。阿里云这个套件的思路是把多模型调度这件事做掉：端侧设备不用关心背后有几个模型、怎么配合，套件统一处理，该本地跑的本地跑，该上云的上云，调度逻辑已经优化好了。前面说的时延数据，靠的就是这个。

另一个细节值得注意。这个套件预置了十多款Agent和MCP工具，覆盖出行规划、生活服务这些场景。厂商不用从零开始搭能力，拿来就能用。套件还接入了阿里云百炼平台生态，支持A2A协议兼容第三方Agent，能力可以一直往上加。

这意味着什么？门槛降低了。以前做一款AI硬件，你得自己搞定芯片适配、模型调优、端云协同、成本核算，链条又长又复杂。现在这些阿里云帮你做了，你专注做产品就行。

15万家厂商能接入，靠的就是这个。

门槛降低了，产品涌现了。接下来的问题是：涌现出来的产品，什么样的能跑出来？

什么样的AI硬件能成功

阿里云研究院做过一个用户调研，样本量1000份，问的是「相比传统智能设备，AI赋能后最大的价值体现在哪里」。排第一的不是「更聪明」或者「功能更多」，是「个性化推荐与个性化服务」，占了40.9%。第二名是「解放双手、自动完成任务」，占28.1%。

这个结果挺有意思。用户对AI的核心期待不是技术有多先进，而是设备能不能理解我。真正的「智能」是被理解，功能堆再多也没用。

这也解释了为什么AI眼镜在传统电商平台的退货率能到30%以上，抖音渠道甚至40%-50%。用户买的时候冲着「AI」来的，用了两天发现还不如手机上装个App，就扔一边吃灰了。停用跟价格没关系，体验和价值不匹配才是原因。

展会上有几个案例，可以作为范本，让大家进一步感受这个产品设计逻辑。

先说儿童AI伴侣Mooni M1，听力熊和阿里云联合做的，外形像个小夹子，主打给小孩当聊天对象。听力熊的人说了一句话：这一代小孩是「AI原住民」，传统的复读机和电子词典满足不了他们了。我们这代人是从「没有AI」长到「有AI」的，对AI的预期是「它能帮我做什么」；但10后小孩从出生就活在AI的世界里，他们的预期是「它应该懂我」。两种心态完全不一样。我得到的一个数据是，接入通义大模型之后，用户AI互动时长人均达到3小时。小孩愿意跟它聊3个小时，没有哪个小孩愿意跟复读机聊3个小时。

再说AI吉他TemPolor Melo-D，趣丸科技和阿里云一起做的，琴弦会发光提示你下一个该按哪，不会乐理的人也能跟着灯光弹出完整曲子。它懂的是你想怎么玩音乐，而不是逼你学乐理。

还有理想汽车的座舱，底层接的是阿里云。我得到的一个信息是，当乘客说「我有点冷」的时候，车端模型会在2毫秒内从阿里云支持的记忆系统里调取这个用户的习惯数据，然后调到「他喜欢的温度」。2毫秒，比眨一下眼睛快100倍。

这三个案例有一个共同点：能成的AI硬件，聪明不聪明不重要，懂不懂你才重要。用户要的是「被AI理解」，光「能用AI」没意思。

回头看CES南馆那些中国AI硬件，能批量冒出来，Bornich讲的是一半原因：珠三角有全球最快的硬件迭代速度，有弥散的工艺知识，有最密的供应链。这是硬件层。

另一半在阿里云深圳这场展上：平台愿意把模型能力开放出来，做成基础设施，让千万家厂商都能用；有从芯片适配到端云协同的完整工具链；有从儿童陪伴到音乐创作到智能座舱的场景验证。这是AI层。

两层叠加，硬件的效率加上AI的能力，才有了CES深圳分馆的场面，也有了1月11日阿里云通义智能硬件展在深圳的圆满收官。太平洋两岸，我们看到了产品的群像，更看到了底座的力量。

消费者也响应了「硬件层」和「AI层」双剑合璧的召唤。我看到阿里云的朋友在朋友圈写到，由于报名人数远超场地容纳限制，所以只能忍痛提前结束报名通道，这就是模型时代的双向奔赴吧。