AI硬件市场现状与核心挑战 - 2025年以来AI硬件产品（如录音卡片、智能眼镜、AI毛绒玩具、智能指环）大量涌现，但市场整体仍处于极早期阶段[2] - Founder Park的调研显示，绝大多数用户对当前AI硬件产品不满意，评价多为“不尽如人意”和“做得不够好”[2] - 目前几乎所有AI硬件产品都仅在2%的技术尝鲜者和10%的早期采用者这两类早期用户中打转[2] - 行业面临的核心问题是：在手机作为强大计算中心面前，独立的AI硬件需要找到其不可替代性，以说服用户额外付费并持续使用[2] 成功案例：Plaud AI录音卡片的策略分析 - 在调研中，以Plaud为代表的AI录音卡片是过去30天内用户使用频率最高、持续使用最久的AI硬件品类[5] - 公司成功的关键在于精准切入苹果生态系统中的“通话录音”刚需痛点，利用骨传导传感器解决苹果手机无法正常通话录音的问题[6] - 其商业模式是硬件作为入口，核心价值在于接入OpenAI能力后的AI服务（如会议纪要、内容总结），从而实现规模化推广[6] - 产品精准锚定美国市场的投资人、销售、医生、小微企业主等特定职业人群，对他们而言是提升效率、节省时间、创造收益的生产力工具[7] - 硬件售价能做到BOM（物料清单）成本的6到7倍，这得益于其服务的目标用户愿意为效率提升支付高额溢价[8] - 产品强调与手机“解耦”，能够独立、稳定地完成录音工作，这种专注性和稳定性是重度用户看重的价值[9] 大厂入局与行业竞争态势 - 在Plaud之后，钉钉、飞书联合安克等大厂也推出了录音设备，但Plaud在销量和市场反馈上仍处于领先位置[10] - 阿里、腾讯等大厂做产品的逻辑是“生态优先”，即利用自身已有资源（如钉钉、飞书的会议生态）开发硬件来强化生态，思路是“用硬件强化已有的1，再利用生态里的一堆0来放大体量”[11] - Plaud面临的后续竞争压力不小，主要体现在产品定价偏高以及国内互联网大厂在该赛道的竞争加剧[12] - 有国内厂商正在研发成本极致压缩的硬件，例如99元的录音按钮，并计划通过付费订阅制来竞争，预示着未来硬件可能越来越“白菜价”，竞争将转向后端AI服务的能力和体验[12] AI智能眼镜赛道的格局与挑战 - 智能眼镜已成为一个极度内卷的赛道，主要玩家是Meta、Google、苹果等科技巨头，它们在资金和生态上具有优势，战略目标是将眼镜打造成替代手机的下一个计算平台[14] - 创业公司在该赛道更像是一场艰难的“求生”，更多是在细分场景里做到极致，实现“小而美”的产品市场契合[14] - 科技巨头希望构建一个全新的独立生态系统，将眼镜作为未来能够替代甚至绕开手机的核心终端[15] - Meta与雷朋联名的AI眼镜是最有希望冲击千万销量的产品，其成功核心在于选对了市场（美国）和产品形态（墨镜），智能款只比普通雷朋墨镜贵几十美元，通过技术补贴硬件换取市场[15][18] - 墨镜形态比近视镜款更容易成功，原因包括：墨镜无需一直佩戴可缓解续航焦虑；镜腿更粗大能容纳更多硬件，降低了硬件设计要求和成本[16] - 创业公司的成功案例包括：Viture定位为Switch玩家的“随身大屏”游戏外设；Even Realities瞄准高端商务人群，主打低调、舒适和身份彰显，在欧洲市场表现出色[24] - 行业普遍认为，AI眼镜必须找到手机无法替代的“魔法时刻”，例如“骑行导航”场景，在骑车时看手机不便且不安全，智能眼镜能提供直观的转向提示且不影响听歌，这是一个体验提升明显且手机无法替代的场景[20] - 当前智能眼镜存在两个核心问题：1) 功能堆砌但缺乏能击穿用户痛点、无可替代的核心体验；2) 现有操控方式（如抬手触控）不实用，语音交互在公共场合又显尴尬[21][22] - 未来交互方式可能衍生出专用的小型操控硬件，例如智能戒指，以实现更隐蔽、省力的操控[22] AI陪伴与记录类硬件的价值逻辑 - 单纯贩卖“陪伴感”的AI硬件产品商业模式脆弱，国内外很多产品的情感交互、记忆功能做得生硬，使用者更多是“尝鲜”，并非可持续需求[25] - 现场共识是，完全脱离实际功能的“纯陪伴”产品很难走通，“陪伴”有价值但“纯陪伴”本身不成立，情感价值需要一个“场景锚点”（如养老、教育机器人）[26][27] - Looki提供了一个有价值的视角：其核心不是“陪伴”，而是帮助用户“看见”自己，例如通过“步式模式”每2分钟自动拍一段9秒视频，一天可记录200多个片段，几乎覆盖全天活动[28] - Looki的目标是实现真正的“Proactive AI”，即设备能通过传感器感知环境变化（声音、震动、光线），在它认为重要或有趣的时刻主动发起记录，而非按固定频率记录[28] - 理想的AI记录硬件形态应像“行车记录仪”，平时无感存在，需要时可随时回看，其价值可分为两种：1) 负向价值，像买保险一样防止重大损失；2) 正向价值，主动创造惊喜和额外洞察[29][32] 硬件技术约束与形态选择 - 所有可穿戴设备（手表、戒指、耳机）都面临电池和物理尺寸的硬约束，电池技术发展速度跟不上功能需求[30] - 以戒指为例，若要做录音，麦克风阵列需要一定的物理距离（如两个麦克风间距至少30毫米以上）以达到好的收音效果，这导致体积难以做小，影响佩戴体验[30] - Plaud选择卡片形态，虽然牺牲了便携性和佩戴舒适性，但可以放在桌上，功能单一纯粹，不受手机干扰，续航压力小，用稳定性换取了功能实现[30] - 针对不同场景，理想的硬件形态可能不同：工作场景追求功能优先，可能是一个99元的带双麦克风的手机壳；个人生活场景追求无感记录，可能是OWS（开放耳道式）耳机[38] “软件定义硬件”时代的核心理念与挑战 - 在AI时代，硬件的角色正在变化，更像是一个信息采集更稳定、更持续的传感器，核心价值完全体现在软件和AI服务上[31] - 无论是Looki还是Plaud，其核心价值都在软件上，Plaud的大量商业化来自软件会员服务，硬件只是让录音比手机更稳定的传感器[31] - 传统的专业录影设备拼硬件参数，但AI硬件最后拼的是软件，用户最终愿意付费的是能生成结构化纪要、提炼待办事项的AI服务，而非硬件本身[33] - AI模型能力成为关键因素，大厂（如阿里、字节）在模型做好后可能形成降维打击，硬件的先发优势只是暂时的，最终存活取决于能否用AI真正满足用户需求[34] - 产品开发流程进入“软件定义硬件”时代：先有明确的软件服务需求，再反向定制最适合它的硬件形态，硬件形态会因场景而异，变得更加灵活和专注[35] - 许多生活场景尚未被数据化，像Plaud的骨传导、Looki的可穿戴相机等硬件，能够以独特方式采集到手机难以获取的高质量、带场景上下文的数据，这些数据是宝贵的资产[36] - 尽管强调软件，但对硬件制造仍需抱有敬畏之心，“硬件最后拼的是软件”的前提是硬件没有差异化，但初期做出差异化和建立先发优势依然重要[37] - 硬件开发有复杂的体系（如IPD-产品集成开发流程），硬件看短板，需要补齐技术体验的短板，才能谈软件价值[39] - 当前做硬件的门槛比几年前低很多，“软件定义硬件”意味着设备最后拼的是服务，用户愿为AI服务付费，硬件只是入口，这导致硬件本身很难做差异化[40] - 真正的产品差异化来自于对细节的重视，例如LOVOT的成功在于其传感器和关节设计能让人感受到生命力，这些是需要一点点抠出来的细节[41][42] 商业模式对产品形态的决定性影响 - 独立AI硬件的核心在于服务那些对特定体验要求超出大众平均阈值的用户，他们愿意为更优质、更稳定的专属体验付费[43] - AI硬件产品的商业模式从第一天起就决定了产品的最终形态[43] - 一个观点认为，未来硬件竞争可能走向“硬件免费，服务收费”的订阅制模式，例如录音设备硬件只卖99元，主要通过后端的AI转写、总结等服务进行按月订阅收费，硬件本身成为低成本的“获客入口”[44] - 商业模式决定了硬件设计思路：若商业模式是“订阅服务”，硬件设计首要目标是低成本、高可靠性，以降低用户入门门槛；若商业模式是“靠硬件盈利”，则设计需更注重材质、品牌溢价和用户感知价值[46]

文章核心观点 - 文章通过对三位早期重度用户的深度访谈，评估了OpenAI ChatGPT Pulse功能发布两个多月后的真实使用体验[1][3][6] - 核心结论是：Pulse功能遇冷并非因为主动式AI方向错误，而是其当前的产品形态和价值交付与用户预期存在错位，未能提供清晰、确定性的价值，尤其是在个人用户场景下[45][47][48] - 受访者普遍认为，Pulse在初期能带来新鲜感和情绪价值，但深入使用后暴露出信息茧房、时效滞后、深度不足等核心痛点，导致其难以成为值得付费的生产力工具[16][35][45] - 文章指出，主动式AI的未来进化方向在于从时间驱动转向事件驱动、从短期兴趣拟合转向长期意图建模、并打通私有数据孤岛，而ToB场景可能比ToC场景更具确定性和商业潜力[26][27][34][49] 初体验时的Aha Moment - 所有受访者在初期都体验到了短暂的惊喜，这种惊喜主要源于“被在意”的感觉和“跨越时间”的回顾能力，而非解决了具体难题[10] - 惊喜点包括：AI能基于数月前的聊天记录进行主动回顾和重新思考，带来“不用我问，它主动Review”的良好感觉[11] - 有用户认为其价值更像“陪伴”，情绪价值大于实用价值，特别是当它连接了Google Workspace等外部工具，能自动总结同事在Figma等平台的评论时[12] - 初期推送会基于聊天话题做延伸调研并附上问候，显得贴心，但用户复盘发现，这些推送并未真正解决棘手问题，且存在时效性太低的问题（例如第二天才给结果，问题早已解决）[13] - 经过初期反馈调整后，Pulse能开始理解用户思考的问题，并主动推送相关领域（如海外具身智能公司融资、基金募资）的信息增量，带来Aha时刻[14] - 产品UI设计受到喜爱，初期“标题党”式的推送能有效吸引用户点击[15] 深入体验后的核心痛点 - 随着使用深入，Pulse暴露出局限性，常在做“无用功”[16] - 痛点一：不遵循用户指令，例如用户明确要求用中文回复或测试特定语言内容，但推送仍为英文[17] - 痛点二：信息茧房问题严重，推送内容完全局限于用户过往聊天记录所构建的封闭信息房间内，无法提供房间外的未知信息[17][21] - 痛点三：信息过载与阅读压力，每日长篇简报从辅助工具变成了需要额外消耗精力的任务[18] - 痛点四：严重的“马后炮”问题，很多推送调研滞后，在用户已解决问题后才送达，失去实用价值[19] - 痛点五：内容多为“正确的废话”，反复咀嚼已知信息，只有苦劳没有功劳[20] - 痛点六：无法触及“Unknown Unknowns”（未知的未知），无法帮助用户发现认知盲区，根本原因在于上下文缺失，仅拥有用户生活的一小部分数据切片[21] - 痛点七：思考“就事论事”，缺乏“Out of box”的不同视角启发，对用户需求缺乏深度分析[22] - 痛点八：推送信息分为两类，一类是时效性不强、无信息增量的旧闻；另一类是总结深度有限，仅能概括“发生了什么”，而无法触及“为什么重要”、“下一步走向”及对决策的具体意义[23][24] - 总体而言，Pulse被比喻为“围绕已知兴趣做填空题的做题家”或“复读机型智囊”，其整理的信息中超过95%在整理完成后已失去打开价值[24] 关于需求场景与未来形态的反思 - 用户渴望超越“态度积极”的真正价值，需要一个能打破认知边界的智囊和更可持续的商业逻辑[25] - 未来方向一：打破信息茧房和数据孤岛。当前Pulse受限于私有数据连接，若能打通用户公司内部所有工具（如Slack、Figma、Notion）的数据，理解业务全貌，其价值将大幅提升，这指向了ToB逻辑[26] - 未来方向二：从ToC转向ToB。个人用户需求发散，难以预判，若不能解决具体生产力问题，Pulse只能提供难以标准化且易消散的情绪价值[27]。相比之下，受Pulse启发为商家客户开发的“Business Pulse”基于明确的业务数据生成复盘简报，需求收敛、预期稳定，成为了可预期的生产力工具，商业逻辑更顺[27] - 未来方向三：提供深度或广度的信息。深度上，需能进行比用户更深入的专项研究；广度上，需能主动关联跨生态的扩展信息[29] - 未来形态畅想：不应局限于文字简报，可转化为利用碎片时间的车载播客形式，由AI主持人以对话形式播报关键信息，提升价值感知[28][30] - 未来方向四：AI需学会“做减法”并克服“知识的诅咒”。AI全知全能反而导致筛选直觉缺失，未来需从全知资料库进化为懂用户的私人朋友，进行有效信息过滤[31] - 未来方向五：需解决“主动性”的真伪问题。当前AI没有“欲望”，其主动性依赖人为Prompt设定激励，在精确到个人需求时容易露馅，这是实现真正主动式AI的巨大Gap[31] - 未来方向六：需建立“用户的长期意图建模”。当前Pulse逻辑仍是推荐系统的延伸，拟合短期兴趣画像，但缺乏对用户零散行为背后长期、稳定目的的理解，导致推送无法拉伸认知边界，价值上限被锁死在“信息与效率工具”层面[32][33][34] 关于价值锚点 - 受访者对于Pulse如果独立收费的意愿模糊，核心困惑在于当前产品体验支撑不起独立的付费理由[35] - 用户认为，如果产品不能提高生产力，就不值得付费。有用户虽未退订，但使用频率已从每天必看降至连续一两周不看[36] - 对于团队配置，诉求明确是提高生产力，而当前Pulse无法满足此诉求[37] - 用户认为当前产品价值稀薄，即使便宜也不愿购买，因为其推送内容与直接Prompt询问的结果差异不大，不值得等待一天也不值得花钱，是“时间和金钱的双重不值”[38][39][40] - 有用户在试用一个月后，因价值不清晰而取消了每月200美元的付费订阅[41] - 当前Pulse提供的价值更像一种“增强”，而非独立完成的“关键结果”[42] - 高价（200美元/月）本身不会劝退高端用户，但会放大“价值是否清晰”的问题[43] - 主动式AI的实现可能需要从“时间点驱动”转向“事件驱动”，用长期意图假设替代短期兴趣画像，并为每一次主动介入设置真实的信任成本[44] 总结 - Pulse遇冷的根本原因在于其提供的价值与用户预期发生错位[45] - 错位一：回顾与增量的错位。Pulse擅长Review旧信息，但用户日常需要的是未知的外部信息增量，而Pulse困于信息茧房，无法提供真正的知识增量[46] - 错位二：时效与实用价值的错位。推送的滞后性（“马后炮”）让辅助决策的“及时雨”变成“过期新闻”，失去了行动价值[46] - 错位三：ToC场景的模糊性与意图缺失。个人用户需求发散，而AI缺乏对用户长期意图的建模，导致主动推送变成没有方向的盲目猜测，难以维持长期付费意愿[47] - 实现难点在于界定“情绪价值”与“信息价值”的边界。当前Pulse陷入尴尬中间地带：作为情感陪伴缺乏真欲望；作为效率工具受限于时效和深度[48] - 主动式AI的真正实现需要一场系统重构：机制上从“时间点驱动”进化为“关键事件驱动”；认知上从拟合“短期兴趣”进化到建模“长期意图”；数据上需突破公开数据限制，打通私有数据上下文[49] - 受访者作为AI极客和重度使用者，其体验虽不代表大众，但为主动式AI从玩具迈向工具指出了真实的进化方向[50]