商湯的一款下棋機器人再次讓人們的目光聚焦在AI公司做硬件這件事上。過去幾年，軟硬一體成了AI落地的主要路徑之一，但無論是之前普遍做的算法盒子、攝像頭、硬件模組等toB賽道，還是現在嘗試的toC賽道，硬件對于AI公司而言都不是容易的事。

文｜游勇

編｜王飛飛

01

令人意外的新品

為了讓算法落地，人工智能公司也是絞盡腦汁。

8月，國內頭部的AI公司商湯科技發布了一款令人頗感意外的硬件新品——元蘿卜機器人。這是一款售價1999元的AI下象棋機器人，如它的名字一樣，只能用于下象棋，不過模擬了人的動作，植入了AI算法，可以設置不同的難度。

這個產品的設計看起來更像是小米的風格。它有一個小型的機械臂和兩個鞋盒大小的白色機身，額頭上有一塊屏幕，頭上一根攝像頭。據知情人士對數智前線透露，商湯選擇做AI下棋機器人，確實受到了公司內部有小米背景的人士影響。至于為何做象棋而不做圍棋機器人，上述人士透露，主要是圍棋的棋盤和擺子比象棋復雜了很多，不容易識別。

即便如此，商湯科技創新工程院院長沈徽透露，元蘿卜機器人也經歷了20個月研發，迭代了9個產品。

但商湯這款產品讓不少業內人士表示看不懂，有人認為，盡管商湯在外界的印象中一直是一家大而全的AI公司，但直接做一款toC的消費級產品還是出人意料。還有人認為，即便做toC硬件，也應找到“爆品”，而下象棋機器人是一個頗為冷門的硬件品類，潛力不大，在天貓上，也只有一款同類型產品。

“我覺得商湯是賠錢在賣。”在一位業內人士看來，商湯這個機器人，結構設計上比較復雜，而且商湯又沒什么C端渠道優勢，加上各種營銷成本，很難賺到錢。商湯甚至還邀請了郭晶晶代言。

在他看來，一塊彩色屏幕和一個機械臂的成本都不低，雖然用了磁吸的方式，而不是模擬人手去抓棋子，后者的成本會更高。

不過，更多的質疑來自于商湯是否有必要做這么一款產品：

“頭部視覺公司做這個，還不如下載個QQ游戲！”

“建議產品經理做產品的時候多一些人性的思考，老頭出去下棋，本質上是為了出去。現在被機器人拖在家里，出門放風的機會都沒了。”

商湯CEO徐立解釋了這款產品的初衷，把大型的產業界的AI能力帶入千家萬戶，到真實場景中進行體驗交互，“科技可以給傳統文化一個未來”。正如徐立所言，他的父親也是一個棋迷，但年紀大了之后，除了在網上下棋外，沒有其他的下棋的伙伴，而且網上下棋也傷眼睛，年紀越大也看不清楚，所以很少下。

這似乎有想讓視覺人工智能產品能影響更多普通人的意圖，但如果分析當年語音人工智能老前輩科大訊飛下場做toC硬件，他們目標明確：一是找爆品市場，科大訊飛負責toC硬件的胡郁稱，當年選擇耳機，是因為幾年前，耳機品類已經達到1億出貨量的市場規模；二是跑通產業鏈，比如選擇教育類產品，背后考慮到了內容組織和供應。

但商湯目前選擇的場景并不被很多人所看好。AI從業者張斌泉告訴數智前線，只能下象棋，功能過于單一，他曾給孩子買過很多機器人和機器狗，20多項功能三天就玩完了，很快就失去了新鮮感。消費者要的是豐富性、可玩性、趣味性，“一個單一功能的東西，玩一天就不玩了”。

有人認為，即便做類似字節跳動推出的帶有“管孩子”和“孩子互動”的臺燈，都是更好的選擇。甚至與視覺算法更契合的掃地機器人也是一個更剛需和龐大的賽道。

一位教育硬件從業者告訴數智前線，包括學習機、點讀筆、單詞卡等內置了AI能力的產品，這些年都賣得非常好。“單詞卡賣得很便宜，量也很大，動不動就是10萬量級的產品。”

雖然教培公司這兩年遭遇了雙減沖擊，但一個很明顯的趨勢是，硬件是在線教育公司為數不多還在努力的方向。顯然，教育硬件是很多家長的剛需，它最終目的是提高學生成績，但相比之下，下象棋或者下圍棋的需求會明顯小很多。

另外，商湯之前也做過教育編程的車，盡管是商湯與學校合作的toB產品，但商湯也可以另辟蹊徑，像大疆、樂高一樣推廣帶視覺功能的toC教育硬件，也不失為一個選擇。

商湯科技的元蘿卜機器人開始預售一周后，在天貓的銷量才過百單，而且需要在兩個月后才能發貨。這對于一款toC的硬件產品而言，從發布到發貨間隔這么久，并不是非常合理的做法。

ToC產品與這些AI公司的ToB業務也存在很大差異，前者更考驗供應鏈能力和銷售渠道，商湯并沒有建立完整的toC產品的渠道。一位業內人士告訴數智前線，商湯的元蘿卜機器人或許會把ToB作為渠道之一，比如將這些產品賣給棋院，就像科大訊飛將翻譯機賣給政府一樣。事實上，商湯這款產品也與中國象棋協會進行了深度合作。

02

AI公司熱衷硬件的背后

雖然AI視覺公司里，很少像商湯一樣直接做一款toC硬件，但行業的一個共識是，純技術公司很難賺到錢，技術必須與具體場景相結合。

這些年，做硬件或者軟硬一體，一直是AI小龍們所努力的方向。他們做一些搭載了AI算法的盒子或者是攝像頭和刷臉的面板機。

AI視覺公司里，最早在硬件上布局的是曠視科技。2015年，曠視就推出了首款AI攝像頭，“抱著試一下的心態。”曠視科技聯合創始人楊沐說。當時曠視試水各種硬件，尋找適合算法的載體，一開始大家的認知是算法載體是服務器。但服務器太貴，而且功耗大，用戶得建設機房。當時一些小區、園區的門禁就有將算法放在終端攝像頭上的需求。

2017年，商湯也發布了首款自研智能硬件產品SenseID人證核驗機，被用于機場等場景下的人臉通行。2018年3月，云從發布了一款AI攝像機，開始軟硬一體。2019年5月，依圖通過收購的方式推出首款芯片“求索”，并將其搭載在智能服務器、智能邊緣計算設備中。

在各大AI公司向軟硬一體轉變的背后，是早期光靠算法的商業模式很難再往下走。

極視角聯合創始人劉若水告訴數智前線，市場早期不缺錢，大量風險投資涌入，使得AI公司一向不太重視成本管控，大家都在高薪招人埋頭搞算法，潛意識里認為，把算法搞好就會有市場。

但到了現在這個階段，外界更關注算法本身能否落地，商業模式是否行得通。而且相比于可以不斷復制的軟件產品，算法還有大量定制化的需求，這也使得成本未必能降下來。

云從科技聯合創始人姚志強對數智前線表示，應用層面的單一模塊化及單點技術革新，難以滿足日益錯綜復雜的細分場景需求，AI企業亟需增強提供完整解決方案的能力。

另外一個原因是，有技術能力的大客戶，算法公司越能做到偏底層的對接，但對于中小公司而言，往往需要提供更完整的東西。“你拿一個算法給他，對他來講很難去接入的。”楊沐說。

“SDK其實是一個很高效的合作模式。”楊沐說，前提是合作伙伴很清楚自己需要什么，像人臉解鎖和刷臉支付等，手機廠商和支付公司自身有很強的能力和明確的需求，算法公司只需要提供SDK的接口。

但問題在于，很多智能化場景，往往是AI算法的公司先看到機會，不得不自己先去試水和市場培育。在這種背景下，軟硬一體的優勢就凸顯出來。

劉若水告訴數智前線，極視角絕大部分收入來自于軟件算法，硬件由大客戶自己集采。“每個算法都找一個特別合適的硬件去做適配，這件事情的投入產出不是特別高。”

但中小客戶對硬件完全不了解，而且場景比較單一，直接提供軟硬一體的產品，反而能快速部署和出貨。比如明廚亮灶、智慧工地和智慧安監等，都是視覺算法比較成熟的場景。“算法比較固定，一個場景里需要識別多少路的攝像頭也比較固定。”

“純做AI算法或者是AI軟件，不往用戶側去搞數據搞應用的，或者不往下搞芯片搞硬件的，我認為長期來看會死掉。”張斌泉說。早期硬件成本的占比比較低，算法能賣上價，一路人臉識別能賣好幾萬。

但現在一路AI人臉檢測的價格才幾十塊錢，云端也才小幾百塊錢，在這種情況下硬件的占比就極大的凸顯。

從資本的視角來看，純算法的收入也無法支撐起龐大的估值。“想要去沖一下這個營收，因為純軟的收入可能不夠。”一位AI算法公司的員工說，算法雖然毛利高，但整體盤子并不大，不利于在資本市場講故事。“純粹賣算法，一年一兩個億已經很多了。”但一兩個億的營收顯然支撐不了AI公司數百億的市值。

而且，隨著算法的門檻越來越低，價格也不再昂貴。一個算法賣5萬塊錢，但如果加上服務器可能能賣到15萬，相當于把營收放大了三倍。

03

“變硬”并不容易

但做軟件和做硬件，背后需要的是完全不一樣的能力。

“算法需要更高級的人才，懂業務落地的算法工程師，而硬件需要渠道和供應鏈的優勢。”姚志強說。

“做硬件幾乎都在摳成本，但做軟件，一個算法大牛可以頂千軍萬馬。”一位經常與供應鏈打交道的AI行業人士對數智前線說，硬件的坑密密麻麻，“供應鏈是個重災區”。

她現在還對這些教訓記憶猶新，曾經深圳工廠的老板都是拍著胸脯，義正言辭跟她保證絕對沒問題，“被騙了好多回之后才學乖的，他們說的話你聽聽就行了”。比如到期交不了貨、偷工減料等，即便事后追究工廠責任，但錯失了銷售時機，對企業而言是個沉重打擊。

她曾遇到一位客戶，對方做的是一款內置4G存儲卡的玩具，還專門向芯片設計廠商購買了IP授權，但沒想到組裝工廠給他用的是二手物料，導致經常卡頓。結果賣出去的東西面臨著大量的售后，沒賣出去的也需要返廠重做。

2018年以前，曠視也一直在尋找更合適的硬件載體。當時買了一堆市面上與視覺相關的硬件，研究能不能把算法方案放上去。“主要的工作就是在各種硬件和芯片的選型上，市面上成熟芯片都用過”。

但學費沒有少交，做了很多產品但沒賣不出去。而且硬件研發周期長，管理比較瑣碎，涉及庫存、供應鏈把控、選廠等等，“這都是需要花時間積累的行業know how。”楊沐說。

比如買了一堆芯片，怎么去保管，放在倉庫會不會氧化。而產品定義時，哪怕少了一個接口或者通信協議，板子可能就得重新設計。

“傳感器是做前照式還是背照式，要不要把HDR功能加進去，都需要取舍，一旦取舍錯了，不是說造出來沒用，而是你的定價跟市場需求不匹配。”楊沐說。

市場早期為了驗證可行性，曠視找的是外部團隊，掏錢合作也相對比較容易。但隨著規模化部署，集成難易度、交付難易度和成本變得更為關鍵，“一旦關心起成本，硬件的設計就變得至關重要。”

硬件的設計決定了整個產品是否能成功的最關鍵點。2018年之后，曠視的硬件研發團隊開始逐漸形成規模。當時有一個背景是，硬件分工已經非常明確，做硬件不需要從造芯片開始，更需要做的是圍繞具體場景，兼顧產品的通用性和交付難易度。

比如，門禁通行的場景里，接入不同線路的攝像頭，意味著需要不同的內存。之前像英偉達服務器，往往是一個標準產品，價格貴。但如果在硬件設計之初，把多少算法需要多少內存算清楚，最終的硬件產品會有很好的成本優勢。

這也是曠視提倡的算法定義硬件理念，先吃透場景需求，然后再根據算法的需要去設計一款有價格優勢的硬件產品。比如2015年前后，大家普遍認為算法的最佳載體是服務器。但其實服務器價格貴，功耗大，需要建設機房，沒辦法在各地部署。所以，曠視那段時間做了面板機、網絡攝像機。

而且，單純摳硬件制造成本不一定效果最優，適當放寬硬件制造成本，但大幅度降低軟件成本，反而總成本會更優。

還有產品研發周期。大華資深人士告訴數智前線，海康和大華都在拼速度，產品上市快，一個產品在指標上的領先和控標周期只能做到6個月。

除了這些，硬件的銷售渠道對AI公司也是個不小的挑戰。比如科大訊飛建立了“CBG”的渠道體系，海康威視和大華等傳統硬件廠商已經下沉到城鄉，曠視也提出與運營商合作，畢竟運營商有中國最大的銷售和運營網絡。

在張斌泉看來，深度學習技術尤其是視覺的深度學習，到了一個瓶頸期，能落地的場景挖掘得差不多了，真正商業化的點不多，“大家都覺得是一個新的人工智能浪潮，但沒掀幾段浪。”另外，硬件同質化越來越高，這也意味著，競爭最終會來到渠道和價格的比拼。

商湯在toC硬件方向的首次嘗試，盡管提供了一種新的思路，但目前看并沒有太大的銷量和聲量。

姚志強認為，人工智能目前更適合做專業級市場，因為它還不是一個完全通用化的產品。消費級產品要求性價比，而人工智能沒有完全通用化，很難把價格降低到很低的程度。

在軟硬一體成為行業趨勢的當下，頭部的幾家AI視覺公司已經走上不同的道路。商湯搞大模型、大裝置，幾乎什么業務都在嘗試；曠視則以AIoT為主攻方向，選擇了消費、城市和供應鏈場景中的幾個重點品類；云從則傾向于人機協同操作系統，自研部分硬件主要是為了樹立標桿案例，目的還是吸引合作伙伴。無論哪一條路，目前來看，都還在路上。

更多信息可以來這里獲取==>>電子技術應用-AET<<