文 | 智能相对论，作者 | 每文

要论 2025 年最火的智能硬件，智能眼镜无疑是答案之一，而在蜂拥而入的玩家群体中，车企的出现颇为惹眼。

例如，理想汽车发布的 AI 眼镜 Livis 引发热议，大部分的讨论，除了集中在 AI 眼镜的体验和交互逻辑上，比如轻、续航时间久，更在于交互时喊出 " 理想同学 "，响应的到底是眼镜还是车端，二者是否会冲突。

但实际上，理想推出该 AI 眼镜，更重要的确实如理想本身所说，是具身智能的另一入口，是汽车行业，在经历了智能辅助驾驶的冲刷后，让汽车本身与其它智能硬件成为具身智能体的不同表现形式。当汽车、智能硬件通过 AI 基座大模型统一联合起来，汽车的盈利模式就将发生根本性变化，从单一卖车过渡到智能软硬件的持续付费。

而当我们将视角放远，我们能观察到当下汽车向智能硬件的转变，正是 2019 年硬件厂商转型汽车制造的 " 后续 "。当年，硬件厂商的汽车转型为汽车打开了车机互联、智能驾驶的可能性；现在，伴随着 AI 发展，汽车与智能硬件越来越拥有着同一核心（只不过表现形式不同罢了），并因之产生新的机会，汽车厂商反攻智能硬件就成为一种轮回式的必然。

但需要注意的是，AI 在技术、数据、算力、规模等方面的高投入，也决定了这场争夺里马太效应明显，赢家更易通吃，以及商业争斗一贯所有的「不成功便成仁」的悲壮。

从硬件到汽车到智能硬件，「盈利最优解」塑造的商业新可能

智能硬件在车端展现出更大的商业可能，这并非无中生有，而是 2019 年硬件转型汽车，与 2025 年汽车转型智能硬件两波潮流下延展出的水到渠成的选择。

2019 年，手机等硬件产业增长见顶，利润降低，同年，中国新能源汽车销量出现爆发性增长，年增幅在 30% 以上，这促使手机厂商尽皆向汽车制造方向的转型。

这种转型分为两个方向，一种是直接造车，如小米，雷军在 2021 年宣布小米正式进入智能电动汽车领域；

另一种是与车企合作，探索智能辅助驾驶、车机融合方案，如华为在 2019 年表示其将聚焦 ICT（信息与通信技术）在车端应用，这在后来促成了华为 HI 模式与鸿蒙智行模式的诞生；当时，OPPO、VIVO、魅族等手机也竞相开启与车企的合作，NFC 钥匙、全场景智能车载解决方案层出不穷。

这本质是硬件厂商的第一波逐利，从简单硬件（手机）制造往复杂硬件制造（汽车）的方向发展，但同时也形成了智能进入车端，以车机互联与智能辅助驾驶为核心的中国新能源车的发展趋势，并为此后的汽车本身成为智能体，打下基础。

2023 年，随着特斯拉 FSD V12 发布，智驾风潮兴起，随后的一年多时间里，智能辅助驾驶技术快速迭代，技术方案收束到端到端，统一的、能自我学习进化、迭代最终表现的 AI 模型初步成型，汽车演变成了 AI 模型为基座的具身智能入口。

2025 年，中国新能源汽车在经过十五年的发展、2019～2024 年的集中爆发后，在 2021 年 Q1 迎来近年来增速最低点，同时 2024 年出现增速多次月度回落，2024 年底的激烈价格战更是展现出行业增长受限与利润变低的残酷现实。

当此之时，汽车行业必须求变，而在此前智能融入汽车的趋势里，将汽车在智驾发展下塑造成具身智能的入口，并与其它智能体结合，就成了一种业内共识的选择。

特斯拉，推进「汽车 +AI+ 机器人」的生态形成，将汽车拓展为 AI 生态的一部分，将机器人的可能性也融入该生态；

小鹏汽车，在地有汽车，在空有汇天飞行汽车，在机器人有 Iron，学习特斯拉尝试跑出「通用模型能力 + 多场景载体（汽车 / 机器人 / 飞行器）」的路径；

大众，与微软合作 AR 眼镜 HoloLens，提供车辆行驶信息的同时，并将之放入船舶场景，帮助偏远海事设备的诊断与维修；

宝马，与华为 HiCar 合作，推动车内车联硬件互联与智能应用的集成；

这一趋势甚至包括 2023 年蔚来推出的 NIO Phone，这个曾被许多消费者评价为「无聊」的创新，现在看来也是车企智能硬件转型的一个组成部分，只是它做的时间不巧，智能辅助驾驶和 AI 在 2023 年都未爆发发展，致使其最终只能湮灭于悄然无声。

行业两轮深度变革，都是以腾挪辗转的策略探索高毛利的商业可能。在此过程中，两股趋势应运而生：其一，智能体技术加速向车载场景延伸；其二，汽车以具身智能的形态，搭建起与多元智能硬件互联的桥梁。正是这两股趋势的连绵发展、彼此赋能，一方面推动智能硬件制造工艺完成成熟化蜕变，另一方面则为车端互联创造出极具潜力的场景延伸方向。

卖车，从现在开始，将从一次性生意逐渐转变为嵌入消费者生活方式的持续性付费的买卖。

智能硬件后，迥然不同的车企盈利模式

当我们观察理想 AI 眼镜的参数：仅 36 克的镜架重量，单项续航时间为 1000 张照片、41 分钟视频录制、7.6 小时音乐、6 小时通话——这足以判断其是一个超越车端的、更偏向于全天候使用的产品。

这也是智能硬件相较于汽车的优势，体量小，随时可带；价格便宜，用户乐于下单；再因其绑定理想汽车，而形成消费者对理想汽车整体的品牌粘性。

更为重要的是，智能硬件便于更高频次、更多传感地手机用户数据，且其与理想车内大模型与自研芯片相连，能很好地将日常采集的数据回传理想 AI 大模型，形成数据闭环，并提升理想 AI 基座大模型的整体能力。

图注：理想 AI 眼镜 Livis

当理想的商业叙事从只是「造车」，演变成了「消费者智能生活平台」，再叠加数据闭环与 AI 模型能力的优势，理想汽车就很容易延展出资本关注的新的商业可能，并进而提升估值。事实上，业内也有这样的先例，小鹏汽车在 2025 XPENG 科技日发布「物理 AI」战略，包括第二代 VLA 大模型、Robotaxi、全新 IRON 人形机器人、汇天飞行汽车后，公司股价盘中大涨 13%，在媒体评价里也被称为「物理 AI」先锋代表。

为什么资本对造车以外的市场如此看好？除了当下 AI 火热的趋势之外，也因造车和做以 AI 为核心的智能硬件，本质是两种完全不同的生意。

如果我们把汽车看成具身智能的一种形式，其内部的 AI 基座模型就是核心，外部的汽车则只是 AI 的实体外显以及与世界互动的端口，即软件定义汽车（SDV）。

那么，汽车的生命周期，就从此前的购买、使用、维修、二手车买卖的逻辑，转变为功能订阅、OTA 升级、座舱服务等可重复变现的软件平台，而这类软件服务收入，往往有着比汽车制造更高的毛利率。

其次，未来智能硬件的逻辑其实与汽车相似，均为具身智能的不同入口，那么，其 AI 基座模型则可以互通，可将感知、定位、生成式交互、OTA 平台做成可复用的组件，以此摊薄昂贵的算法、算力、数据成本。要知道，目前智能辅助驾驶领域，Momenta 能跑到头部，且保持较高性价比，其中一个重要原因就在于其以端到端飞轮模型适配不同汽车品牌 / 不同车型，目前其合作两次车型已超过 130 款，通过规模效应摊薄开发与服务成本。

图注：Momenta 搭载量、交付数、定点车型三增

其三，叠加产业链溢出的优势，AI 可以超越汽车这一单一场景，用于工业端的生产提效，比如西门子就用 AI 优化生产线，以提升产能和良率，并进一步反哺成本和交付速度，使 AI 成为跨部门的共用能力，提升整体效能。

更高毛利的服务收入，摊薄的算力、算法、数据成本，对公司产品与运营的整体提速，形成了智能硬件基于其背后 AI 模型发展的崭新路径，这将重塑汽车和智能硬件未来的能力与盈利模式，也为企业带来更大的商业想象。

当下众多车企向智能硬件的转型，本质就是向 AI 基座模型与具身智能体的转型，但这种转型不可能一帆风顺，事实上，因为 AI 对算力、算法、数据的高准入门槛与高成本，这一赛道的马太效应无疑会更为严重。

转型之下，格局难重塑

转型 AI，听起来美妙，做起来难——这是一个和传统制造完全不同的行业，算法、算力、数据、供应链整合与规模化能力，缺一不可地塑造了它的壁垒，对所有的入局者都提出了更高的要求。

如果汽车和智能硬件都采用同一个 AI 底座的话，那目前去切入的算法还是端到端或者从端到端延伸，也就意味着投喂的数据量要足够大，大到让算法自己去学习，与之相对的，就是车企的汽车，或者其他智能硬件能卖多少的问题。

特斯拉能快速建立其在智能辅助驾驶方面的优势，和它全球车队的行驶数据有很大的关系，即「里程训练 / 验证 / 覆盖边缘场景」的三合一，往智能硬件 / 具身智能方面延展的逻辑也很相似，卖的多，用户用的多，整个数据闭环才能跑通。而现在处于头部并且有能力、有余理做智能硬件的，其实就那么几家车企，中尾部的车企优势很小，不过也不排除弯道超车的可能性。

算力购买、算法研究，数据闭环、算法迭代，技术人员配置，都需要钱，而且是很大一笔钱。比如理想 2024 年财报里就提到其在 R&D （Research and Development 通译研究开发部）方面支出了约 111 亿元人民币，小鹏汽车计划 2025 年 R&D 支出 95 亿元，其中 AI 约 45 亿元人民币。特斯拉更夸张，因其自建 Dojo，在 AI 算力上投入是十亿美元级别，2024 年的 R&D 是差不多 4.5～4.6 亿美元。

数字全都很惊人，而且这都基本只是一年的投入，市场和资本对这种投入也都很敏感，基本是短期看涨，长期看兑现能力，如果钱给到位，但技术发展速度不过关，后面可能也很难再拿投资。

因此，总的来看，这些能够跑通 AI、汽车、智能硬件、具身智能不同端口的企业，本质一定要有资金、技术人员、规模化的支撑，这样才能购买芯片或算力、迭代算法，并在规模化效应下提升基座 AI 的整体表现。

而这些要求决定了，只有头部那些被许多消费者所选择的品牌，才能够做得到，行业格局不会有什么改变，甚至更加固化。