AI硬件行业的发展与转变 - 2025年之前AI硬件概念模糊，但去年概念迅速收敛，定义为借助模型推理能力的消费级硬件产品，从业者心态转变，从构思天马行空的产品转向“用AI把消费电子产品再做一遍” [4] - 2024年市场上爆火的产品是AI眼镜、AI耳机等可穿戴设备以及AI陪伴玩具，取代了前年如AI Pin、Rabbit R1等旨在取代手机或实现投影交互的产品生态位 [4] - 产品方法论转变的原因在于，类似AI Pin的探索性产品PMF论证不佳，而传统消费电子的市场需求已被验证，同时中国拥有全球最完备的产业链，成熟的供应链叠加已验证的市场需求，让创业者在“重做消费电子”上意见统一 [5] - 资本市场看好AI硬件，因其落地与转化路径比纯模型或应用更明确，本质上是看好国内高度成熟且可复用的供应链，当前行业可视为资本推动传统消费电子的“AI化升维” [6] AI硬件行业的融资与竞争格局 - 2025年国内AI硬件行业发生多起代表性融资，例如：跃然创新（AI玩具）A轮系列融资2亿元；雷鸟创新（AI眼镜）完成C轮融资；影目科技（AI眼镜）B2轮融资超1.5亿元人民币；灵宇宙（随身AI终端）Pre-A轮系列融资2亿元；萌友智能（AI陪伴机器人）A1轮融资数千万元人民币；Rokid（AI眼镜）累计融资额约35亿元人民币；贝陪科技（AI玩具）获得融资；二白智能（AI陪伴机器人）天使轮融资1000万元人民币 [7][9] - AI硬件创业的最大悖论在于“硬件本身没有门槛”，国内完备的供应链向所有玩家公平开放，导致竞争激烈 [14][15][18] - 以AI眼镜为例，国内出货量从2024年的130万台大幅增长至2025年的290万台，同比增长超过120%，短时间内涌现大量玩家，原因在于供应链成熟，早在2023年2月就有大厂推出参考设计，2024年已有厂商能提供完整定制化光学方案 [16][17] - 面对竞争，构建竞争优势的第一道门槛是“私有化部署+二次训练”，通过对通用大模型进行针对性训练来提升产品实际体验的下限 [19] - 未来2-3年，AI眼镜等产品路线将进一步分化，需要从业者精准匹配特定用户群体需求，例如商务人群需翻译和语音转写，户外爱好者需第一视角记录和环境数据播报 [20] - 互联网大厂（如小米、阿里、百度，未来可能包括字节与华为）凭借巨大体量和生态优势入局AI眼镜，视其为下一代流量入口，但创业公司因无生态包袱，可更灵活地切换使用不同开源模型，可能找到破局逻辑 [21][22] 具身智能（人形机器人）行业的现状与挑战 - 具身智能行业在2025年备受资本市场热捧，多家头部企业估值被推高至数十亿到百亿元区间，但行业普遍存在“0大单”现象，除智元机器人和宇树科技等少数厂商外，大多未持续披露明确订单 [8][10][24] - 当前人形机器人最主要的落地场景是科研场景（高校实验室、科研机构），被用作教学、竞赛和课题合作的设备，但这不是一个长期可持续的商业模式，因其采购小批量、分散化、预算周期性强 [26] - 2025年出现了一个关键变量：机器人租赁市场兴起，服务于展会、商演、品牌活动和文旅项目，据租赁平台“擎天租”CEO李一言估计，2025年市场规模达10亿元，2026年将翻十倍至100亿元，智元机器人也已切入该市场 [27] - 对于文娱表演市场，业内态度分化，支持者视其为形成早期现金流的重要方式，质疑者则认为偏离技术方向，智元机器人合伙人王闯认为该市场有天花板，未来需降低成本并提升内容可玩性以保持优势 [28][29] - 行业共识认为，真正能转化为生产力的仍是工业场景，但落地难度最高，智元机器人透露明年将尝试进入更危险复杂的工业场景，但实现规模化需要长达十年时间，2026年主要是复制2025年已探索过的场景 [29] - 尽管商业化落地处于早期，但“上市潮”已至，包括宇树科技、银河通用、松延动力、灵心巧手等多家企业已将上市提上日程，资本市场的节奏快于商业落地节奏 [30] AI芯片行业的发展与风向变化 - 2025年国产AI芯片实现集体跨越，国产芯片渗透率从8%提升至23%，全国在建智算中心超250个，可检测算力规模达85.7万PLOPS，其中超6成由地方政府、国资平台或运营商主导建设，为国产芯片提供了充足需求 [32] - 国产AI芯片爆发的原因还包括，经历几年打磨后已展现出成本优势，在特定场景下相比英伟达芯片具有能效比优势 [33] - 全球AI算力基础设施正逐步摆脱以GPU架构为核心的单一范式，风向转变明显，例如谷歌推出第七代TPU并被多家大公司部署，英伟达在2025年12月14日斥资200亿美元（三倍溢价）收购可重构数据流公司Groq的技术许可及团队 [34][37] - 风向转变的底层原因是AI计算（数据密集型张量运算）更适合数据流驱动的并行计算范式（如TPU、可重构架构），而GPU是指令驱动的冯·诺依曼架构，在推理阶段存在因存储带宽限制导致的数据搬运慢、延迟高、功耗高等问题 [35] - 清微智能创始人王博认为，短期内GPU、ASIC、可重构架构将并存，GPU在大模型训练与微型算法研发中仍不可替代，但在快速迭代的云端超大模型推理场景中，可重构芯片的通用性和确定性将扮演更重要角色 [36] - 2026年国内芯片行业面临新挑战：智算中心开始对国产芯片“择优”使用，注重能效比，下半年将有一批性能卓越的国产AI芯片投入市场，需直接与国际品牌拼能效比 [36][37] - 2026年将是国产AI芯片的分水岭之年，技术路线胜负未定，英伟达高价收购Groq为可重构等新架构提供了技术估值参考 [37]