2026年的CES依舊在關(guān)注AI，只不過，對比前兩年AI在展示和敘事階段，今年的AI正式進(jìn)入到真實世界，大家更關(guān)注的是落地應(yīng)用，找到精準(zhǔn)的場景。黃仁勛的演講更是將物理AI的概念推向高潮。

隨著技術(shù)的躍級加上大眾關(guān)注度的改變，關(guān)于AI原生終端的話題討論開始多了起來。CES 2026期間，在鈦媒體「Talk to the World Forums·對話世界」系列論壇上， 微光科技CEO戴照恩、黑芝麻智能首席市場營銷官楊宇欣與鈦媒體集團(tuán)聯(lián)合創(chuàng)始人、聯(lián)席CEO劉湘明就AI原生終端的變革和發(fā)展進(jìn)行了深入探討。在一個小時的交流中，三人針對當(dāng)前AI對消費電子的變革達(dá)成了共識，相信未來所有電子設(shè)備都會具備AI能力，從而從底層去改變各個產(chǎn)業(yè)終端的發(fā)展。

黑芝麻智能首席市場營銷官楊宇欣（右）

需要指出的一點是，任何新技術(shù)的爆發(fā)多數(shù)都源于找到了契合的突破口。場景，作為嫁接技術(shù)與產(chǎn)業(yè)的核心樞紐，正成為推動AI原生終端落地的關(guān)鍵。楊宇欣表示，自己對AI原生終端的定義是“沒有AI就失去存在意義”的設(shè)備。目前來看，具身智能領(lǐng)域很可能誕生這類終端。

戴照恩認(rèn)為，早期階段，付費意愿強(qiáng)的場景會更有優(yōu)勢。不管是AI相關(guān)的零部件企業(yè)、整機(jī)廠商還是算法公司，都需要消費者的支持?！芭c其追求‘everything AI’，不如聚焦單一賽道打穿，做出適配該場景的硬件+軟件無感交互產(chǎn)品，切實解決用戶的痛點，這樣成功的機(jī)會更大。 ”

微光科技CEO戴照恩

值得一提的是，早在兩年前的CES上，就有許多所謂的AI原生終端出現(xiàn)，但最終淪為泡沫。其實，對于過去的智能硬件和未來的AI原生終端，二者之間的定義存在一些模糊的邊界，尤其是對于普通用戶來說，很難分得清。

對此，楊宇欣給出了自己的判斷，稱傳統(tǒng)智能硬件以連接、通訊為主，用戶不在設(shè)備身邊也能控制、查詢；而AI原生終端具備自主計算能力，能自己解決問題，而不是依賴人來操作。

“AI本質(zhì)上是更自主的強(qiáng)化學(xué)習(xí)，是原來大數(shù)據(jù)處理、強(qiáng)化學(xué)習(xí)的升級版本，現(xiàn)階段還不能從根本上改變大部分消費電子產(chǎn)品?！贝髡斩鬟M(jìn)一步說道，AI眼鏡、具身智能這類產(chǎn)品，沒有AI就沒有購買的必要。對廠商來說，最大的挑戰(zhàn)就是要走在消費者前面，提前想到AI與產(chǎn)品的最佳結(jié)合方式，這也是我們身處行業(yè)前沿的使命。

而談到AI，就不能規(guī)避端側(cè)和云端二者之間的界限，究竟哪些數(shù)據(jù)該上云，哪些該在端側(cè)進(jìn)行處理分析，不同品牌以及行業(yè)之間也存在著一些差異。戴照恩用AI眼鏡舉例，指出其最大的限制就是物理空間和重量，這直接影響續(xù)航和性能，目前主流方案是“云邊端”數(shù)據(jù)流。

“未來的解決方向是讓手機(jī)運行本地小模型，處理日常簡單問題?；貧w到一點，就是不管技術(shù)路徑如何，消費者核心要的是更快、更便捷、更低成本的新技術(shù)，違背這個需求的創(chuàng)新，都要考慮商業(yè)上的可行性?！?/p>

至于在AI眼鏡等原生終端打造殺手級應(yīng)用，戴照恩直言目前沒有，但很快就會到來，前提是開發(fā)者摒棄手機(jī)APP的底層邏輯，用AI原生思路做眼鏡應(yīng)用——不再追求“超級APP”，而是聚焦單一問題。

楊宇欣對戴照恩的“減法”思路表示了認(rèn)同，稱不用糾結(jié)操作系統(tǒng)，先把交互做到極致簡單，讓用戶有一個每天都依賴的功能，且使用起來不突兀、容易上手，這樣產(chǎn)品就會爆發(fā)。等顯示技術(shù)再上一個臺階，在不增加太多成本、不改變交互習(xí)慣的前提下提升顯示效果，智能眼鏡又會再進(jìn)階。

以下是《端側(cè)智能的邊界之爭——誰會成為下一個AI原生終端？》對話內(nèi)容，略經(jīng)編輯：

劉湘明：各位觀眾大家好，歡迎回到鈦媒體在CES的MediaStage直播！今天我們的話題和CES主題高度契合，聚焦端側(cè)智能的邊界之爭，探討誰會成為下一個AI原生終端，接下來有請兩位嘉賓先做個自我介紹。

楊宇欣：大家好，我是黑芝麻智能的楊宇欣。我們核心業(yè)務(wù)是端側(cè)AI推理芯片，最早從汽車行業(yè)切入，先做自動駕駛芯片，再拓展到艙駕融合芯片。剛剛完成了一筆收購，把端側(cè)AI芯片的應(yīng)用領(lǐng)域延伸到車載機(jī)器人以及其他消費電子領(lǐng)域。我們希望在AI時代，成為各類AI終端的算力底座，相信未來所有電子設(shè)備都會具備AI算力，進(jìn)而改變千行百業(yè)的格局、解決行業(yè)痛點。

戴照恩：各位大家好，我是微光科技的戴照恩。我們是一家專注于AI眼鏡的公司，隨著AI技術(shù)的融入，也會在更多穿戴領(lǐng)域持續(xù)投入。今年我們計劃發(fā)布五款以上的眼鏡產(chǎn)品，這次特意帶著最新產(chǎn)品來美國參加CES，向全球觀眾展示。目前來看，產(chǎn)品獲得了不少關(guān)注，這讓我們開發(fā)者非常振奮和開心，也期待國內(nèi)用戶能給予更多支持。

劉湘明：每年CES都有不少亮點，二位在現(xiàn)場轉(zhuǎn)了轉(zhuǎn)，看到了什么有趣的東西？各自帶來的展品中，有哪些值得重點推薦給大家？

楊宇欣：黑芝麻參加CES很多年了，這次主要展示AI算力芯片及解決方案。我們帶來了最新一代AI自動駕駛算力芯片，算力超過560T，現(xiàn)在已經(jīng)能完整運行VLA等算法。目前智能駕駛正向更高計算等級演進(jìn)，今年國內(nèi)和全球即將落地的L3級自動駕駛、Robotaxi市場，這款芯片都能覆蓋。另外，還有新收購公司的小算力芯片，已經(jīng)應(yīng)用在車載智能設(shè)備中，比如理想最新發(fā)布的眼鏡，就用到了我們的AI算法。

至于現(xiàn)場見聞，我參加CES十幾年，感覺每三到五年就會有一波新浪潮，前幾年CES甚至被戲稱為“車展”，車依然是重要板塊，但很多汽車行業(yè)的技術(shù)正滲透到其他領(lǐng)域。今年最吸睛的無疑是機(jī)器人，我們?nèi)ツ?1月也發(fā)布了機(jī)器人產(chǎn)品線。因為具身智能的機(jī)器人產(chǎn)業(yè)鏈和汽車產(chǎn)業(yè)鏈重疊度很高，我們不僅能復(fù)用汽車行業(yè)成熟的供應(yīng)鏈、AI軟硬件技術(shù)，還能把汽車行業(yè)的安全技術(shù)引入機(jī)器人領(lǐng)域——畢竟機(jī)器人能力越強(qiáng)，潛在破壞力可能越大，目前相關(guān)安全標(biāo)準(zhǔn)缺失，車規(guī)標(biāo)準(zhǔn)能讓機(jī)器人更安全可靠地運行。此外，戴總提到的眼鏡也是值得探索的方向，手機(jī)功能越來越集中，未來可能會分化到更多穿戴設(shè)備上，除了手環(huán)、手表，眼鏡及新形態(tài)設(shè)備都有潛力。

戴照恩：現(xiàn)場好玩的產(chǎn)品不少，但最值得推薦的還是我們微光的眼鏡。我們首創(chuàng)了全球第一款模塊化AI眼鏡，在模塊化設(shè)計上做了多種創(chuàng)新，既有單色屏幕版本，也有彩色屏幕版本。核心目標(biāo)就是解決大家日常佩戴與AI功能結(jié)合的問題。除了我們自己的產(chǎn)品，其他一些優(yōu)秀品牌的交互體驗也讓我印象深刻，尤其是國外品牌，他們的交互理念和國內(nèi)傳統(tǒng)工程師思維有不小差異。雖然只是短短幾十秒的試用，但他們在體驗設(shè)計上的巧思，非常值得我們學(xué)習(xí)。

劉湘明：硬件是AI落地的重要載體，但找到合適的場景是關(guān)鍵挑戰(zhàn)。二位認(rèn)為，哪些場景最有可能率先孕育出成熟的AI原生終端？

戴照恩：我覺得早期階段，付費意愿強(qiáng)的場景會更有優(yōu)勢。不管是AI相關(guān)的零部件企業(yè)、整機(jī)廠商還是算法公司，都需要消費者的支持。從我們的客戶基礎(chǔ)來看，教育、醫(yī)療、旅游這些場景的付費意愿都比較高，占比也大。反觀其他群體，數(shù)碼極客購買AI激進(jìn)產(chǎn)品的意愿強(qiáng)，但數(shù)量有限；普通消費者基數(shù)大，可對這類產(chǎn)品的購買力相對滯后。所以我的觀點是，與其追求“everything AI”，不如聚焦單一賽道打穿，做出適配該場景的硬件+軟件無感交互產(chǎn)品，切實解決用戶的痛點，這樣成功的機(jī)會更大。

楊宇欣：我對AI原生終端的定義是“沒有AI就失去存在意義”的設(shè)備。目前來看，具身智能領(lǐng)域很可能誕生這類終端。傳統(tǒng)機(jī)器人多以控制、編程或遙控為主，能解決的問題有限；而具身智能是先實現(xiàn)智能，再根據(jù)場景重新定義終端形態(tài)，這是反向研發(fā)的思路。而且具身智能不一定是人形，可能是輪式、輪足式等，會根據(jù)智能水平和場景需求來設(shè)計硬件形態(tài)，進(jìn)而解決行業(yè)問題，這是我比較看好的方向。

劉湘明：AI迭代速度很快，很多早期探索者已經(jīng)被淘汰。想請教二位，AI原生終端和之前的智能硬件，在技術(shù)、生態(tài)、商業(yè)邊界上的核心區(qū)別是什么？如何跨越這種邊界？

楊宇欣：我完整經(jīng)歷了2014-2015年那波智能硬件熱潮，當(dāng)時的智能硬件很簡單，本質(zhì)就是“電子設(shè)備聯(lián)網(wǎng)”。聯(lián)網(wǎng)后核心是實現(xiàn)數(shù)據(jù)的保存、追溯和整理，還能實現(xiàn)遠(yuǎn)程控制，當(dāng)時賣WiFi模塊、藍(lán)牙模塊的企業(yè)都很火。但那波熱潮后，很多廠商被淘汰，存活下來的才逐漸轉(zhuǎn)型。兩者最核心的區(qū)別在于連接和計算能力：傳統(tǒng)智能硬件以連接、通訊為主，用戶不在設(shè)備身邊也能控制、查詢；而AI原生終端具備自主計算能力，能自己解決問題，而不是依賴人來操作。

戴照恩：我不太糾結(jié)“原生”的定義，對大部分消費者來說，他們只是想要更好用的產(chǎn)品。AI本質(zhì)上是更自主的強(qiáng)化學(xué)習(xí)，是原來大數(shù)據(jù)處理、強(qiáng)化學(xué)習(xí)的升級版本，現(xiàn)階段還不能從根本上改變大部分消費電子產(chǎn)品。但有些產(chǎn)品確實“缺了AI就沒靈魂”——這些產(chǎn)品在AI出現(xiàn)前不存在，AI出現(xiàn)后才誕生，其用戶體驗必須圍繞人與AI的流暢、絲滑交互設(shè)計，違背這個理念的產(chǎn)品，再套AI概念也會失敗。

劉湘明：戴總深耕AI眼鏡領(lǐng)域，能否具體說說AI能給眼鏡帶來哪些新想象？這款產(chǎn)品為何能被視為下一代移動終端的重要形態(tài)？

戴照恩：這個問題問得很好。2024年之前，眼鏡與AI的結(jié)合其實很薄弱：五六年前的眼鏡主要用于觀影，2023年左右，以光波導(dǎo)技術(shù)為主的眼鏡陸續(xù)出現(xiàn)，我們也是其中之一。我們把眼鏡重量做到了25克（當(dāng)然“極致輕”是相對概念），讓它終于能像普通眼鏡一樣日常佩戴。眼鏡處于人臉的“C位”，是抓取數(shù)據(jù)的前沿設(shè)備——它能看到你看到的、聽到你聽到的，再通過AI分析思考，給你呈現(xiàn)修正后的建議，這種獨特的位置讓它有資格享受AI賦能。

反觀智能家居，AI更多是優(yōu)化用戶體驗，比如讓洗衣機(jī)、掃地機(jī)更好用，但這些產(chǎn)品本身的核心功能已經(jīng)很成熟了。而AI眼鏡、具身智能這類產(chǎn)品，沒有AI就沒有購買的必要。對我們廠商來說，最大的挑戰(zhàn)就是要走在消費者前面，提前想到AI與產(chǎn)品的最佳結(jié)合方式，這也是我們身處行業(yè)前沿的使命。

劉湘明：楊總，黑芝麻從車載領(lǐng)域拓展到具身智能、消費電子，比如剛才提到的AI眼鏡合作，怎么看待這種戰(zhàn)略重心的遷徙？背后有哪些考量？

楊宇欣：首先要明確，黑芝麻現(xiàn)在的戰(zhàn)略重心仍然是汽車行業(yè)。因為汽車行業(yè)的真正AI化才剛剛開始，從全棧技術(shù)鏈的成熟度、普通用戶的接受度，到即將出臺的政策法規(guī)，都意味著汽車AI化會進(jìn)入加速期。我一直認(rèn)為，AI改變一個行業(yè)的重要標(biāo)志，就是該行業(yè)的政策法規(guī)開始為之調(diào)整。我們拓展到具身智能，核心原因是它與汽車產(chǎn)業(yè)鏈重疊度極高：汽車行業(yè)的生產(chǎn)、物流、終端零售等場景，都是具身智能和機(jī)器人的重要應(yīng)用場景；我們的合作伙伴、產(chǎn)業(yè)鏈、供應(yīng)鏈也和機(jī)器人行業(yè)高度重合。

同時，云端訓(xùn)推芯片和技術(shù)架構(gòu)已經(jīng)成熟，AI模型的進(jìn)步讓端側(cè)推理的算力需求激增，而汽車是端側(cè)推理中算力要求最高、模型最復(fù)雜的場景（未來可能被具身智能超越），我們已經(jīng)形成了完整的商業(yè)化和技術(shù)閉環(huán)。對于算力需求較低、模型較簡單的場景，我們沒有直接沿用現(xiàn)有技術(shù)，而是通過并購的方式——這在芯片行業(yè)很常見——獲得新團(tuán)隊、行業(yè)經(jīng)驗、產(chǎn)品和技術(shù)。畢竟未來每個電子設(shè)備都需要或多或少的AI算力，我們原有芯片的算力覆蓋幾十T到幾百T，收購的小算力芯片覆蓋0.幾T到10T，這樣能形成“算力金字塔”布局，覆蓋更多場景，畢竟算力越小，設(shè)備出貨量可能越大。另外，AI也能讓家電發(fā)生質(zhì)變，比如我作為理工男，很多家電都不會用，現(xiàn)在已有家電廠在探索“一鍵啟動”的洗衣機(jī)、烤箱，通過AI識別衣物、食材，自動調(diào)節(jié)參數(shù)，這種能讓生活更便利的方向，也是我們看好的。

劉湘明：云端和端側(cè)的算力、數(shù)據(jù)分配是個很關(guān)鍵的話題，尤其是眼鏡這類受物理限制的設(shè)備，在這方面面臨的挑戰(zhàn)更突出。二位認(rèn)為，哪些算力、數(shù)據(jù)該放在云端，哪些該放在端側(cè)？

戴照恩：眼鏡最大的限制就是物理空間和重量，這直接影響續(xù)航和性能。目前主流方案是“云邊端”數(shù)據(jù)流：眼鏡接收信息后傳到手機(jī)分析，再送到云端，最后反向反饋。但消費者反饋這種模式稍顯滯后。我們認(rèn)為，未來的解決方向是讓手機(jī)運行本地小模型，處理日常簡單問題——比如怎么做牛排、怎么洗衣服，這些問題本身不復(fù)雜，現(xiàn)在卻要依賴云端大模型，既消耗大量算力，對會的人來說也沒必要。這就形成了一個消費者悖論：為了這些簡單問題，要多花多少錢為AI買單？所以不管技術(shù)路徑如何，消費者核心要的是更快、更便捷、更低成本的新技術(shù)，違背這個需求的創(chuàng)新，都要考慮商業(yè)上的可行性。

楊宇欣：AI發(fā)展中，算力、能源已經(jīng)成為重要瓶頸，尤其是端側(cè)，芯片的能效比是關(guān)鍵，我們也在通過架構(gòu)創(chuàng)新提升能效比?；氐皆七叾朔峙涞膯栴}：首先，大模型運行需要極高算力，如果對實時性要求不高，數(shù)據(jù)（尤其是公有數(shù)據(jù)）更適合放在云端。云端可以采用訓(xùn)推一體的模式，動態(tài)分配算力——比如白天多做推理，晚上進(jìn)行模型訓(xùn)練，畢竟模型還在持續(xù)演進(jìn)。而像汽車這樣的場景，一方面涉及大量私人隱私數(shù)據(jù)，另一方面對實時性要求極高，就必須放在端側(cè)。

端側(cè)目前短期到中期內(nèi)不需要具備訓(xùn)練能力，算力需求也相對可控，能適配電池供電。邊緣側(cè)則介于兩者之間，會根據(jù)成本、功耗等因素部署。另外，用戶成本也是重要考量：云端能通過大量用戶分?jǐn)偝杀荆档蛦未握{(diào)用的token成本；端側(cè)則要平衡硬件整體成本，不能讓用戶負(fù)擔(dān)過重。

劉湘明：戴總，眼鏡受重量、續(xù)航等限制，未來AI原生眼鏡的創(chuàng)新路徑，是側(cè)重硬件模塊化，還是軟件、算法迭代？如何在這些限制下，確保響應(yīng)速度、體驗、續(xù)航的平衡，打造殺手級體驗？

戴照恩：這其實是兩個問題，硬件和軟件創(chuàng)新都重要，但方向不同。硬件方面，除了大家關(guān)注的更輕、更美，核心難題是解決光學(xué)眼鏡與AI眼鏡的重疊問題——消費者對眼鏡的“感覺”很重要，光說重量多少克沒用，必須實際佩戴體驗才知道。這甚至涉及商業(yè)模式的創(chuàng)新：傳統(tǒng)數(shù)碼產(chǎn)品線上就能買，看宣傳片、參數(shù)表就夠了，但眼鏡“吃感覺”，線上很難判斷。另外，目前AI眼鏡偏“理工男風(fēng)”，未來在時尚設(shè)計上會有很大突破。軟件方面，現(xiàn)在眼鏡多運行安卓系統(tǒng)，但整體還處于初級階段，大概只相當(dāng)于手機(jī)行業(yè)十年前的水平，需要時間迭代。更關(guān)鍵的是交互問題：很多軟件只是把手機(jī)APP搬到眼鏡上，追求功能多，但手機(jī)能實現(xiàn)的效果比眼鏡好得多，這種做法沒有吸引力。必須從AI原生的角度，重構(gòu)APP的編程架構(gòu)、運行架構(gòu)、菜單邏輯，做徹底的顛覆，才能貼合眼鏡的使用習(xí)慣。

至于殺手級體驗，目前全球所有AI眼鏡都還沒有，不然早就賣爆了。但我認(rèn)為這很快會到來，前提是開發(fā)者摒棄手機(jī)APP的底層邏輯，用AI原生思路做眼鏡應(yīng)用——不再追求“超級APP”，而是聚焦單一問題，甚至到最后沒有明確的APP，用戶告訴眼鏡需求，剩下的交給AI就行。短期內(nèi)，眼鏡很難承擔(dān)太多AI計算，主要還是靠手機(jī)和云端支撐。

楊宇欣：我忍不住要補(bǔ)充一點，我從2016-2017年就接觸國內(nèi)最早一波AR/VR眼鏡客戶。眼鏡有個固定認(rèn)知：AI原生硬件容易超出用戶預(yù)期，因為用戶沒有預(yù)設(shè)；但在現(xiàn)有設(shè)備形態(tài)上做AI改造，就要達(dá)到用戶的顯性預(yù)期。智能眼鏡首先要解決“好不好看、舒不舒服”的問題——別人能看到外觀，自己能感受到佩戴舒適度。Meta和雷朋合作的眼鏡能賣出百萬級，不僅僅是因為Meta的智能功能，更多是雷朋的品牌基礎(chǔ)上增加了智能屬性。。

大模型的出現(xiàn)，首先解決了交互問題，所以我特別同意戴總的“減法”思路：不用糾結(jié)操作系統(tǒng)，先把交互做到極致簡單，讓用戶有一個每天都依賴的功能，且使用起來不突兀、容易上手，這樣產(chǎn)品就會爆發(fā)。等顯示技術(shù)再上一個臺階，在不增加太多成本、不改變交互習(xí)慣的前提下提升顯示效果，智能眼鏡又會再進(jìn)階。

劉湘明：楊總的觀點很有啟發(fā)，那在當(dāng)前算力有限、限制較多的情況下，AI眼鏡的殺手級體驗到底是什么？

戴照恩：其實楊總已經(jīng)說到核心了，現(xiàn)在AI眼鏡之所以沒爆發(fā)，就是因為AI沒真正解決多少實際問題——各家都叫AI，但本質(zhì)能做的事很有限，哪怕依賴云邊端，也沒解決生活中的核心痛點。這也是我們微光接下來要重點突破的。眼鏡作為隨身穿戴的“C位設(shè)備”，最該處理的是個人數(shù)據(jù)：你每天見了誰、看了什么、吃了什么，你的習(xí)慣是什么、有什么待辦事項，它能無感提醒，不需要的時候就安安靜靜做一副普通眼鏡，這是我們認(rèn)為的中后期終極形態(tài)，而美學(xué)是必要前提。目前來看，殺手級應(yīng)用的出現(xiàn)，需要開發(fā)者用AI原生思路做眼鏡應(yīng)用，不再追求功能堆砌，而是精準(zhǔn)解決單一需求，甚至無需顯性APP，讓AI直接響應(yīng)需求。

劉湘明：AI原生終端需要全新的供應(yīng)鏈和生態(tài)，未來硬件廠商、芯片廠商、算法公司的分工協(xié)作會是什么樣的？戴總作為終端廠商，先聊聊你的看法。

戴照恩：我覺得會是“兩頭湊”的模式。終端廠商最接近消費者，清楚用戶需求，也知道產(chǎn)品賣得好或不好的原因；而底層的算力、AI模型廠商，掌握核心技術(shù)。我們會主動和底層廠商溝通消費者的直接需求，但有些底層技術(shù)問題，我們暫時也無法改變。反過來，底層廠商的重大技術(shù)突破，對我們來說就是產(chǎn)品的重要賣點，所以我們也要積極擁抱新技術(shù)。但終端廠商很難單獨改變底層廠商的技術(shù)路線，畢竟每家都有自己的發(fā)展規(guī)劃；底層廠商也需要關(guān)注終端產(chǎn)品的痛點，只有終端賣得好，芯片廠、算力廠、模型廠才能一起受益。

楊宇欣：AI出現(xiàn)后，產(chǎn)業(yè)鏈分工格局確實被重構(gòu)了，尤其是芯片行業(yè)。傳統(tǒng)芯片廠商提供相關(guān)的用戶手冊、文檔，下游合作伙伴就可以使用該芯片；但AI芯片不一樣，我們要承擔(dān)更多基礎(chǔ)工作，因為要應(yīng)對共性需求。所以AI芯片公司和傳統(tǒng)芯片公司最大的區(qū)別，就是我們有大量軟件工具和模型研發(fā)人員——這是傳統(tǒng)芯片公司沒有的。很多傳統(tǒng)芯片公司做不了AI芯片，就是因為軟件儲備不足。

我們現(xiàn)在提供的是開放平臺的AI技術(shù)底座，包括四部分：一是AI芯片，直接關(guān)聯(lián)算力；二是基礎(chǔ)軟件，比如操作系統(tǒng)，這是所有計算芯片公司都有的；三是工具鏈，終端廠商、算法廠商、應(yīng)用廠商都需要通過工具鏈，充分利用底座算力，所以工具鏈至關(guān)重要；四是模型團(tuán)隊，我們不直接做模型，而是研究模型，以此賦能芯片架構(gòu)創(chuàng)新，引導(dǎo)整個體系更好地適配越來越通用的模型?，F(xiàn)在大模型讓模型產(chǎn)業(yè)鏈進(jìn)入新階段，原來做模型的廠商很多，現(xiàn)在會越來越少，因為模型會逐漸標(biāo)準(zhǔn)化、收斂化——模型和算法是兩層，模型就像過去的操作系統(tǒng)，算法就像APP，未來算法會基于基礎(chǔ)模型發(fā)展。而且做基礎(chǔ)模型的門檻極高，之前和豆包的人聊過，現(xiàn)在全世界做基礎(chǔ)模型，每年沒有500億的投入根本做不成。我們做這些基礎(chǔ)工作，就像搭建一個舞臺，舞臺的大小取決于我們的技術(shù)能力，而舞臺上的戲怎么唱，就靠下游產(chǎn)業(yè)鏈的合作伙伴發(fā)揮創(chuàng)新。

劉湘明：在AI硬件創(chuàng)新中，硬件和軟件哪個更重要？能不能結(jié)合各自公司的人員架構(gòu)，給大家說說實際情況？

戴照恩：我覺得不用太糾結(jié)，兩者都重要，但從消費者體驗來看，軟件創(chuàng)新更關(guān)鍵。硬件解決的是“買不買”的問題——大家看到一款眼鏡外觀漂亮、重量輕，可能就買了；但軟件解決的是“退不退”的問題，交互體驗不好，用戶還是會退貨。我們公司現(xiàn)在軟件人員比硬件多，就是因為軟件直接決定了用戶的長期使用意愿。

楊宇欣：首先要明確，硬件創(chuàng)新的難度遠(yuǎn)大于軟件。我們作為芯片公司，硬件和軟件人員比例大概是1:3到1:4，軟件人員也更多。我同意戴總的觀點，軟件更重要——現(xiàn)在想創(chuàng)造一種新的硬件形態(tài)，再搭建完整的供應(yīng)鏈，難度極大；而軟件迭代速度快，能更快優(yōu)化用戶體驗。

劉湘明：這次CES上中國廠商很多，在AI與硬件結(jié)合的領(lǐng)域，中國企業(yè)的核心競爭力是什么？未來出海該如何發(fā)力？

楊宇欣：中國企業(yè)有兩大核心競爭力：一是繼承性優(yōu)勢，就是全世界最成熟、最完善的供應(yīng)鏈，這在AI硬件時代是絕對優(yōu)勢；二是新晉優(yōu)勢，就是AI研發(fā)能力——開玩笑說，美國的AI競爭，其實是硅谷的華人和中國的華人在競爭。中國從事AI研發(fā)的工程師數(shù)量多，而且有豐富的市場和場景，這都是AI硬件時代的重要支撐。

戴照恩：楊總說的底層邏輯很全面，我補(bǔ)充幾個出海中會遇到的實際問題。中國有頂尖的AI模型和強(qiáng)大的制造力，但產(chǎn)品出海和算法出海不一樣：算法只要解決輸入輸出問題，滿足用戶對答案的預(yù)期就行；但產(chǎn)品涉及價格、外形、交互、設(shè)計等多個維度，還和當(dāng)?shù)匚幕⑸鐣?xí)慣、用戶情況緊密相關(guān)。比如文字閱讀方向，我們是從左到右，而有些國家是從右到左，哪怕AI再強(qiáng)，不適配當(dāng)?shù)亓?xí)慣也賣不出去。

所以出海前一定要充分了解當(dāng)?shù)匚幕?，尊重不同地區(qū)的習(xí)俗，再針對性推出產(chǎn)品。而且出海的運營、宣傳、倉儲物流成本都比國內(nèi)高，雖然毛利和品牌溢價可能更高，但對團(tuán)隊的綜合實力要求也更高。今年是我們出海的元年，我們也在積極補(bǔ)強(qiáng)這方面的能力，不盲目擴(kuò)張。

劉湘明：出海會遇到技術(shù)壁壘、政策法規(guī)、使用習(xí)慣等各種問題，二位在這方面有什么經(jīng)驗可以分享？如何突破這些壁壘？

楊宇欣：中國企業(yè)之前在標(biāo)準(zhǔn)化設(shè)備（比如手機(jī)）的全球化上做得很好，因為不需要太多本地化；但互聯(lián)網(wǎng)產(chǎn)品的地域文化屬性極強(qiáng)，中國這么多年只有字節(jié)通過收購TikTok實現(xiàn)了真正的全球化。AI產(chǎn)品兼具“軟”的屬性，和數(shù)據(jù)、文化相關(guān)，所以最好的方法就是融入當(dāng)?shù)貓F(tuán)隊。以前是中國團(tuán)隊“打天下”，現(xiàn)在面對不同場景、不同地域，必須有熟悉當(dāng)?shù)厍闆r的本地團(tuán)隊，這會催生更多“國際公司”，而不是單純的“國際化公司”——國際化公司是中國團(tuán)隊往全球賣產(chǎn)品，國際公司是擁有不同文化屬性的本地團(tuán)隊。這對企業(yè)的管理能力是巨大挑戰(zhàn)，如何管理跨文化、跨種族的團(tuán)隊，是很多中國企業(yè)未來需要解決的問題。

戴照恩：我的觀點和楊總差不多，再深化兩點。第一是管理信任問題：海外分公司的管理，核心是雙方的信任——你信任本地團(tuán)隊，更關(guān)鍵的是本地團(tuán)隊如何信任你。讓不同文化、甚至文化自信很強(qiáng)的國家的團(tuán)隊，相信中國管理者能做出更聰明、更敏捷的決策，這是很大的挑戰(zhàn)，需要管理者既有出色的管理技能，又有強(qiáng)大的個人魅力，才能凝聚團(tuán)隊。第二是產(chǎn)品本地化和團(tuán)隊協(xié)作：比較敏捷的做法是在目標(biāo)國家設(shè)立本地化團(tuán)隊，明確分工——前端、售后等貼近用戶的工作放在本地，中臺核心工作留在中國。

但這會面臨文化差異帶來的協(xié)作問題，過去15年，很多留學(xué)生回國后，在中外團(tuán)隊間起到了重要的橋梁作用，但這還不夠。真正有效的方式是找到當(dāng)?shù)厝藫?dān)任橋梁角色，才能更好地解決文化融合問題?，F(xiàn)在CES上能看到兩種中國廠商：一種是全中國團(tuán)隊參展，另一種是展臺上外國人占比過半，國際化程度更高，這背后其實是管理和本地化能力的差異。

劉湘明：二位分享的都是很實在的經(jīng)驗！AI不僅改變產(chǎn)品，也對管理帶來了巨大挑戰(zhàn)，比如現(xiàn)在流行的“一人公司”，用小團(tuán)隊就能完成大量工作，可能不需要像傳統(tǒng)跨國公司那樣雇傭大量當(dāng)?shù)厝耍欢褹I能處理海量參數(shù)，改變了傳統(tǒng)管理中“流程固化”的邏輯，組織形態(tài)、流程復(fù)雜度都會發(fā)生變化，這對國際化來說，可能是機(jī)遇也可能是新挑戰(zhàn)，后續(xù)我們可以再深入交流。