" 跟你透个底，其实我们下一轮融资月底也要到位了。"

" 可是上个月不是刚融完一轮吗？"

" 对呀。"

类似的对话，在我去年与 AI 硬件创业者的对谈中，发生了不下于 5 次。

而就在 2025 年之前，"AI 硬件 " 还是一个相当模糊的概念，定义无共识、技术与场景脱节、标准的缺失、商业化不闭环 …… 太多问题没有得到解决。但就在去年，"AI 硬件 " 的概念完成飞速收敛——只要是借助模型推理能力的消费级硬件产品，都可以称之为 AI 硬件。

基于此，从业者们在去年的心态也开始发生转变，不再执着于天马行空的产品构思，而是尝试 " 用 AI 把消费电子产品再做一遍 "。

最为典型的，去年市场上爆火的两类产品，要么是 AI 眼镜、AI 耳机这类可穿戴产品，要么是 AI 玩具为代表的陪伴型产品，而在前年，占据他们生态位的是可以实现投影交互的 AI Pin，以及旨在 " 取代手机 " 的 Rabbit R1。

这种产品方法论上的转变，既是原因，也是结果。

一方面，诸如 AI Pin 这类非常具有探索性质的产品，其 PMF 论证可谓一塌糊涂，用户需求基本全靠脑补，而传统消费电子产品在 PMF 上已经得到充分验证。

另一方面，国内 AI 硬件创业者有一个特殊优势在于，中国拥有全世界最完备的产业链，按照一位从业者的话说，" 哪怕连元器件打样都不会做，去华强北走一圈也都齐活了。"

成熟的供应链叠加验证过的市场需求，让 AI 硬件创业者们在 " 重做消费电子 " 这件事上，达到前所未有的意见统一。

对于资本市场来说，眼下的 AI 硬件发展路径，也是他们喜闻乐见的。

" 模型现在是大厂之间的游戏，做应用即便是用户增长快，也不能直接反映付费意愿，但 AI 硬件的落地与转化要明确得多 "，一位投资人向笔者表示，他之所以看好 AI 硬件，本质上是看好国内高度成熟且可复用的供应链。

某种程度上，今天的 AI 硬件行业，可以看作是资本市场追着从业者们，去完成传统消费电子的 "AI 化升维 " ——尽管目前还没有出现过一款现象级单品，能论证这条路没有问题。

公司名称所属品类融资轮次融资金额备注跃然创新 AI 玩具 A 轮系列 2 亿元投资方含中金资本旗下基金、红杉中国种子基金、华山资本等，老股东追投；2025 年累计融资 6 轮雷鸟创新 AI 眼镜（AI+AR 眼镜）C 轮未明确披露 2025 年 11 月 7 日融资，由中信金石领投，中信证券国际资本等参与影目科技 AI 眼镜 B2 轮超 1.5 亿元人民币 2025 年 7 月融资，投资方含普华资本、梁溪产发集团等；灵宇宙随身 AI 终端 Pre-A 轮系列（2025 年第三轮）2 亿元 2025 年 11 月融资，投资方含上海国际集团旗下国方创新、国泰海通、广发信德、滴滴出行等萌友智能 AI 陪伴机器人 A1 轮数千万元人民币 2025 年 9 月融资，由北京市人工智能产业投资基金领投，峰瑞资本跟投 RokidAI 眼镜累计第 13 轮未明确披露累计融资额约 35 亿元人民币贝陪科技 AI 玩具未明确披露未明确披露 2025 年获得融资，投资方包含奇迹创坛二白智能 AI 陪伴机器人天使轮 1000 万元人民币投资方为君宸达资本独家投资

2025 年国内 AI 硬件行业的代表性融资案（不完全统计）

类似的情况也在具身智能行业中上演。

在去年，具身智能厂商的估值在多轮融资下，齐刷刷地被抬到数十亿到百亿区间，而资本市场对这一领域的热衷与 AI 硬件也有着部分相似之处。

首先，同样还是国内产业链的完备度，可实现从材料到整机集成的闭环；其次，中国一直是最大的工业机器人应用市场，有着旺盛的需求。在此基础上，叠加精准的政策支持，以及关键技术的成熟，2025 年的具身智能行业能够在短时间内得到资本市场的偏爱也不难理解。

可问题是，仅从去年来看，行业中仍普遍存在着 "0 大单 " 的现象，除智元机器人和宇树科技等少数几家厂商外，大多在订单披露上选择语焉不详。

这种资本与规模商业化之间的脱节，未来该如何解决？这是个无法回避的问题。

如果把视野放得更远一些，在更加底层的硬件领域中，比如 AI 芯片行业，资本市场的热捧更是演变成一股 " 全民狂欢 "，比如在摩尔线程和沐曦，在相隔 12 天内先后刷新科创板涨幅纪录。

诚然，与 AI 硬件厂商、具身智能厂商相比，这些 AI 芯片公司在商业化上早已跑通，各地兴建的 " 国产化智算中心 " 是他们最大的底气，但这些公司同时面临的持续性亏损问题，恐怕也不容忽视。

更重要的是，与 AI 芯片上市潮同步发生的，还有 AI 芯片在大模型进入推理时代后的技术路径转移，即走出以 GPU 架构为核心的单一路径，转向 TPU 或可重构架构方向。

最直接的例子是两周前，英伟达斥资 200 亿美元，对 Groq 的技术许可及 " 原班人马 " 的收购。

那么在这样的背景下，资本市场对于 AI 芯片的热忱，掺杂着多少非理性因素，可能需要谨慎评估。

实际上，无论资本市场对于 AI 硬件创业者的 " 追赶 "，还是具身智能上市潮与 "0 大单 " 之间的对比，亦或是 AI 芯片全面追捧下的隐忧，三个行业都共同指向了一个问题：要怎样在市场乐观预期的消解前，完成从 " 技术故事 " 到 " 商业价值 " 的关键跨越？

带着这个问题，虎嗅密集走访了这三个行业的从业者与投资人，试图找到答案。

AI 硬件的最大悖论，是硬件没有门槛

" 硬件本身没有门槛 "，这大概是去年笔者在与 AI 硬件创业者的交谈中，听到的最多的一句话。

实际上，这可能并不是妄自菲薄。

举个例子，我们能够看到近两年最热的 AI 硬件产品集中在 AI 眼镜这个品类上，一边是互联网大厂的强势入局，另一边是创业公司加班加点地推出不同功能的新品，硬生生将国内 AI 眼镜的出货量从 2024 年的 130 万台拉升到 2025 年的 290 万台，同比增长超过 120%。

按理说，AI 眼镜算是一个新兴品类，也涉及诸如光机及光波导材料等前沿技术的研发工作，为什么还会在短时间内涌现出一大批玩家呢？

答案还是在上文提到的国内供应链上。实际上，笔者第一次见到山东某大厂的 "AI 眼镜参考设计 " 时，是在 2023 年 2 月，距离 ChatGPT 发布不过 4 个月，而到了 2024 年，就已经有厂商能够提供完整的定制化光学设计方案。

存在一定 Know-how 壁垒的 AI 眼镜行业尚且如此，更不用说那些基于传统电子产品发展而来的 AI 耳机，或是 AI 陪伴玩具等产品。

在国内做 AI 硬件创业，其优势在于产业链的完备，而劣势就在于这种场外因素向每个玩家公平地开放。

在这种情况下，面对未来更密集的行业竞争，AI 硬件创业要如何构建竞争优势？

李未可科技创始人茹忆认为，拉开差距的第一道门槛是 " 私有化部署 + 二次训练 "。

众所周知，任何一个 AI 硬件的创业者都不可能去自己训练一个大模型，而主流大模型的，如 GPT-4、Gemini、通义千问普遍有着 " 通用但不专用 " 的问题，这就需要在调用第三方模型的 API 时，需要进行全面且系统的二次训练。

以一个典型的场景为例，当用户戴着 AI 眼镜问 " 附近的咖啡店在哪 "，通用模型可能会罗列出所有信息，但此时用户需要的是一个回答简洁的 " 精准指令 "，类似 " 距您 500 米，是否需要导航到第一家？"

不仅是 AI 眼镜，对于任何一款涉及多模态交互的 AI 硬件产品来说，针对通用模型的二次训练都将直接决定着其实际体验的下限。

除此之外，明年行业内的产品路线将进一步分化，这可能会在行业中开启新一轮的洗牌。

对此，茹忆有着较为深刻的感悟，" 在 2022 年刚刚进入这个行业时（彼时的产品为 AR 眼镜），绝大部分用户都是数码极客，做产品的思路还是以堆料为主，但过去的一年，能够看到用户对于 AI 眼镜的认知在大幅提高，同时购买人群及需求又在不断分化。"

比如商务人群的核心需求是翻译 + 语音记录 / 转写，户外爱好者的核心需求是第一视角运动记录 + 环境数据播报，视障等特殊群体的需求可能是视觉场景描述 + 无障碍导航。

以目前的产业链技术水平来看，并没有一个解决方案能囊括上述功能，即便能够实现，也会因为重量或续航等问题，使得产品无法实现 " 全天候佩戴 "，这与 AI 眼镜的第一性相悖。

因此，茹忆认为至少在未来 2-3 年内，AI 眼镜的产品形态势必会走向更加分化的道路，而这就需要从业者能够基于公司的能力，去精准匹配到某个用户群体的需求。

而对于所有的 AI 硬件创业者来说，还有一个无法忽视的威胁是来自互联网大厂巨大的体量优势。

同样就 AI 眼镜行业来说，我们可以看到去年包括小米、阿里、百度纷纷高调下场，如无意外的话，今年也大概率能看到字节与华为的同类产品推出。

有别于一般的 AI 硬件产品，AI 眼镜对于互联网大厂的意义在于，它很有可能是下一代流量入口，没有厂商会在这个竞争中失位，而与这些互联网大厂一同入局的，还是有他们全方位碾压的生态。

" 要说没有压力不可能，但如果国内大厂都下场做 AI 眼镜反而是件好事 "，茹忆表示，答案就在 " 生态 " 二字上。

在他看来，如果只有两家互联网大厂进入 AI 眼镜行业，那么他们很有可能达成生态互通的联盟，但如果所有大厂都下场，这种联盟的基础便不复存在——每家大厂都有自己成熟的生态体系，都希望将 AI 眼镜纳入自家的生态闭环，成为生态流量的承接端而非开放端，最终的结果必然是基于自家生态各自为战。

而对于 AI 眼镜创业公司来说，由于这些模型大多开源，完全可以根据不同的需求去随时切换，" 比如分发用 OpenAI 的，中文用通义，英文用 Gemini。"

从这个角度来说，由于没有 " 生态 " 的包袱，创业公司反而能够以更轻量化的姿态，找到破局的逻辑。

具身智能尚未大规模落地，但 " 上市潮 " 快来了

过去一个月，具身智能行业连续被泼了几盆冷水。

先是一份行业报告指出，人形机器人领域存在 "0 大单 " 现象；紧接着，国家发改委在公开场合提醒，要警惕人形机器人企业扎堆上市的风险；与此同时，围绕具身智能的技术标准、应用规范和安全边界，行业内部仍存在大量空白。

与这些谨慎信号形成对照的，是资本市场持续抬升的热度。过去两年，具身智能成为一级市场最拥挤的赛道之一，多家头部企业完成多轮融资，估值迅速推高，上市预期不断被提前。但如果把视角从融资和估值，转向真实的商业落地，行业所处的阶段远没有想象中那么靠前。

从公开信息看，当前具身智能头部公司包括智元机器人、宇树科技、银河通用、星动纪元、傅利叶智能、松延动力、加速进化、灵心巧手等。它们中的不少，已经完成数亿元甚至数十亿元级别的融资，估值普遍站上几十亿到百亿元区间。

但与融资规模并不对等的，是订单结构的披露情况。除智元机器人和宇树科技外，行业内极少有公司持续、系统性地对外披露明确的订单数量、订单金额或复购情况。更多时候，落地被描述为 " 合作 "、" 试点 " 或者 " 联合研发 "，而非标准意义上的规模化采购。

那么，行业真实的落地情况究竟如何？

虎嗅在与多家具身智能头部公司交流后发现，目前人形机器人最主要、也是最集中出现的落地场景，并非是那些真正转化为实际生产力的工业生产或家庭服务，而是科研场景。

一个个无头机器人、缺少双臂的机器人，或仅仅是机械臂被赤裸裸地摆在高校实验室和科研机构中，他们被当作教学、竞赛和课题合作的主角。

这一现象并不难理解。科研场景对产品成熟度的要求相对宽松，容忍不稳定和试错，采购逻辑更偏向 " 科研设备 " 而非 " 生产工具 "，能够在较早阶段消化尚未完全定型的人形机器人产品。对企业而言，这类交付既能形成收入，也能积累数据和反馈。

但多位具身智能企业相关负责人也向虎嗅坦言，" 科研场景并不是一个长期可持续的商业模式 "。一方面，科研采购天然是小批量、分散化的，很难形成规模效应；另一方面，其预算来源更多依赖课题或专项经费，周期性强、可预测性弱。更重要的是，科研场景强调 " 可改造 "、" 可试验 "，而真正的商业化场景强调稳定性、可靠性和成本控制，两者在产品形态与交付逻辑上并不完全一致。

在科研之外，今年行业中还出现了一个值得注意的关键变量。从短视频上流出的大量机器人跳舞视频便可以看出，在这背后是机器人租赁商的大量出现。

有多家从事机器人租赁业务的公司进入市场，向展会、商演、品牌活动和文旅项目提供按天计费、按场次收费等人形机器人服务。

12 月，在上海张江科学会堂，虎嗅在这里见到了机器人租赁平台 " 擎天租 " 的 CEO 李一言，他此前在杭州飞阔科技有限公司担任 CEO，后者同样是一家机器人租赁商，而两者有一位共同的商业合作伙伴：智元机器人。

从今年开始，智元机器人也正式踏入租赁市场，切入文娱表演相关业务。李一言告诉虎嗅，" 今年的机器人租赁市场规模达 10 亿，而明年将翻十倍，达到 100 亿。"

与此同时，智元机器人 CMO 姜青松的判断是，" 文娱表演是走进家庭前的过渡阶段。" 在他的逻辑中，这类场景并非终点，而是人形机器人在早期阶段能够相对稳定复制、风险可控的一种交付形态。

然而，对于文娱表演，大众并非一致持有类似的乐观情绪。事实上恰恰相反，文娱表演在今年几乎成为人形机器人当下最具争议的落地路径之一。支持者认为，这是机器人走向大众视野、形成早期现金流的重要方式；质疑者则认为，大量科研资源和政策资金，最终被消耗在 " 吸引眼球 " 的表演中，偏离了技术应有的方向。

对此，智元机器人合伙人王闯表达了其对文娱表演市场更为冷静的态度。他告诉虎嗅，"（文娱表演）市场是有天花板的，观众最开始会为其买单，但这种动力会随着时间逐渐减弱。这个时候我们需要一方面是把成本降到很低，另一方面是将内容、易用性、可玩性做到非常高，才可能在未来的竞争格局中占有优势。"

但即便如此，行业内普遍形成共识的是：真正能够转化为生产力的，仍然是工业场景。只是，工业场景也是具身智能落地难度最高的一环。

王闯向虎嗅透露道，" 明年智元将尝试进入更危险、更复杂的工业场景。" 但他同时强调，人形机器人进工厂，最难的是从 0 到 1 的阶段。" 在机器人下线前 200 台时，几乎不存在统一标准：不仅机器人本体存在大量工程问题，不同工业场景下的工艺、流程、安全要求也千差万别。一台机器人进入具体场景，往往意味着要拆解、解决数十甚至上百个细碎问题。"

在被问及是否能在短期内实现规模化时，王闯给出的判断相当克制：" 整个工业场景需要长达十年的时间，陆续将已经跑通的场景规模化复制。2026 年，我们更多只是复制 2025 年已经探索过的场景。"

也正是在这样的现实背景下，" 上市潮 " 开始变得格外醒目。

虎嗅了解到，包括宇树科技、银河通用、松延动力、灵心巧手等多家企业，都已将上市提上日程。其中，有的已经走到资本市场门前，有的正在秘密递交材料，还有的则处于系统性筹备阶段。

对于仍处在探索期、标准尚未收敛的具身智能行业而言，资本市场的节奏，正在明显快于商业落地的节奏。

在谈及 " 上市潮 " 时，有某头部机器人公司负责人向虎嗅透露道，" 很多公司仅成立两三年，其营收、商业化等等都还处于很早期阶段。这个时候他们并不符合上市条件。"

2026，国产芯片拐点已至

2025 年，国内 AI 行业最振奋人心的消息，除了 DeepSeek 的横空出世，当属 AI 芯片行业的集体跨越。

根据 IDC 的统计数据，在去年国产芯片的渗透率从 8% 提升 23%，国产化率如此大幅度的提升离不开政策发挥的主导作用。截至 2025 年 8 月，全国在建智算中心超 250 个，全国可检测算力规模达 85.7 万 PLOPS，这其中有 6 成以上的智算中心由地方政府、国资平台或运营商主导建设，这给国产 AI 芯片提供了充足的市场需求。

当然，国产化需求并不是唯一刺激国产 AI 芯片爆发的因素，还有一个很重要的原因是在经历几年的打磨后，国产 AI 芯片已经开始展现出成本上的优势，不仅是在单卡的采购成本上，在特定场景下也展现出了相较于英伟达芯片的能效比优势。

不过，如果将视野拉至全球坐标系下，就会察觉到国内 AI 芯片行业在高歌猛进的同时，仍存在一些隐忧。

一个最直观的风向变化是，尽管目前国内的 AI 芯片仍以 GPU 架构为主，但全球 AI 算力基础设施正逐步摆脱以 GPU 架构为核心的单一范式。

从去年谷歌推出第七代 TPU 开始，包括 OpenAI、Anthropic、Meta 等公司，先后表示将以租赁或购买的方式将谷歌 TPU 大规模部署在自家的数据中心上。而在 12 月 14 日，英伟达更是豪掷 200 亿美元，三倍溢价收购了可重构数据流公司 Groq 的技术许可及完整的技术团队。

过去几年，我们已经习惯了 "GPU 为王 " 的叙事，为什么会突然迎来如此迅速的风向转变？

清微智能创始人王博认为：本质上，这两年我们对于计算的需求已经非常清晰，AI 时代需要更符合其计算特点以及商业化可持续的芯片架构。

"AI 计算的核心是数据密集型的张量运算，更适合数据流驱动的并行计算范式，而 GPU 是指令驱动的冯 · 诺依曼架构（指令驱动数据），每一个计算任务都需要经过指令解码、调度、执行的完整流程。"

打个比方，GPU 芯片像是一位炒菜的大厨，根据菜单一步一动，而 TPU、可重构这类数据流芯片更像是一个中央厨房，食材从一端进入后，自动分配到对应工序，如流水线般完成加工。

还有一个问题是，GPU 最初用于图像处理，即便后转为通用并行计算平台（GPGPU），当大模型预训练与后训练结束，进入推理阶段，GPU 需频繁调用数据，等待计算或内存资源。由于存储带宽限制带来的数据搬运慢、延迟高且功耗高等问题，难以满足实时低耗的需求。

Groq 所代表的可重构架构，根据数据流动态重构计算路径，能够适应不同算法，随时调整电路连接方式，相比 GPU 可大幅减少能耗，相比静态 ASIC 又保留了对模型演进的适配能力。

在王博看来，短时间内不存在 GPU、ASIC、可重构之间 " 谁替代谁 " 的问题，在大模型训练与微型算法的研发中，GPU 仍发挥着不可替代的作用；但在面对以周为单位不断迭代的云端超大 AI 模型场景时，可重构芯片的通用性和确定性则将扮演越来越重要的角色。随着头部企业下场押注可重构，会看到未来 AI 芯片三大技术类型并跑的局面。

而除了芯片架构的风向变化外，在 2026 年国内芯片行业还有一个潜在的挑战是智算中心对于能效比的注重。

过去两年，出于对信息安全的考虑，各地智算中心一直在持续提升国产 AI 芯片占比，但现在能够看到市场已经开始对国产芯片 " 择优 " 使用。

" 实际情况就是英伟达 H 系列芯片，国内基本没缺过。今年下半年，会有一批性能卓越的国产 AI 芯片投入市场，那时候就得直接去和国际品牌拼能效比了。" 王博说道。

2025 年末，英伟达为 Groq 支付 200 亿美元高价，某种程度上提供了可重构这类新架构的技术估值。AI 计算路线胜负未定，2026 年，将会是国产 AI 芯片的分水岭之年。