AI硬件正在重新定义自身的竞争维度。
眼镜、吊坠、耳机、戒指、桌面机器人、AI玩具、汽车、音箱，乃至一盏台灯，都已开始融入智能功能。形态不断向外拓展，而过去两年始终悬在行业头顶的“下一部iPhone”概念，正逐渐淡出视线。
苹果最近的动作使这一趋势更加显著。新的家居中枢被推到台前，门锁、门铃、温控器、摄像头等设备继续向房间各处延伸。这家最擅长将软硬件整合进同一产品的公司，此次并未尝试让一台设备包揽所有功能。
设备持续向外扩展，中心正从设备本身转移到设备之上。
这很像当前AI硬件的状况：无人知晓终局形态，因此先让答案分散开来。
这或许算不上深思熟虑，但至少比假装知道答案更为诚实。
过去押注于一件“终极设备”的命题，已被拆解为多次更轻量、更具体的尝试。
然而，这种分散也暴露了新的缺口。硬件可以各自获得感知、记忆和行动能力，但一个人的身份、上下文和权限依然分散在不同系统里。每新增一个触点，就可能多出一份关于同一个人的记录、一套新账户，以及一堵新的生态壁垒。
入口正从一台设备，扩散成一张网络。或许过去真正押错的，不是设备，而是层级。
真正需要被集中的，未必是某种硬件形态，而是设备之上的那一层。它最终被称为中枢、超级App，或其他什么，并不重要。
重要的是，这一层至今尚未真正成形。
网络已经铺开，下一场竞争将在收网的一端展开。
你好，这里是「AI物燥」。
在所有人追逐答案时，先把问题看清。
当他们选择“撒网式押注”
分散并非一次预先设计的路线，而是集体转向的结果。
转向之前，行业共享着同一种想象：新一轮计算革命应由一台新的个人终端来完成收口。
这种想象很大程度上源自智能手机的成功经验。过去二十年，iPhone将通信、地图、支付、娱乐和互联网服务陆续收进一块屏幕，也给硬件行业留下了一种深层的思维定式：一个时代总该有一个中心入口，而入口最好是一台设备。
因此，当大模型浪潮涌来时，几乎所有人的第一反应都是同一道题：AI时代的iPhone，会长什么样？
Humane AI Pin和Rabbit r1，是这道题最认真的两个答题者。两者都带着“重新发明个人终端”的野心出发，也都付出了高昂代价。Humane已经退场，Rabbit则在今年9月完成了一次意味深长的转身：OS3被放到云端，通过Web、Telegram和r1进入同一账户，还可连接多台电脑执行任务。
Rabbit从r1到OS3。
一台曾试图成为答案的硬件，如今变成了答案的一部分。
它们的经历让整个行业认清了一件事：新硬件本身，并不会因接入AI就自动成为新的计算中心。
至少到现在，单一入口这道题，无人解出。
但行业并未因此放弃硬件。
Meta仍在重押眼镜，OpenAI也仍在寻找新的个人设备。真正发生变化的，是硬件与智能之间的绑定开始松动。
Muse可从手机、电脑和Web继续进入新设备，高通直接提出未来将更“agent-centric，而非device-centric”，Alexa+也开始出现在电视、汽车和音箱里。越来越多公司开始接受一件事：AI可以拥有多个落点，而不必把全部价值押注于某一个外壳上。
发硬件的手未停，押硬件的心已变。
偏偏也是在这个时候，尝试一个新位置变得越来越便宜。
模型、语音、多模态和Agent能力正变成可采购和组合的基础设施，上游芯片与平台也开始覆盖越来越多终端。火山引擎披露，截至2025年6月，接入豆包大模型的AIoT产品出货量已超过100万台；京东JoyInside也接入了40多个玩具品牌。
当“给硬件装个AI”不再是研发能力，而是可采购、可组合的基础设施，策略自然从“想清楚再做”变为“都做了试试”。
于是，行业寻找答案的方法变了。
“下一部iPhone”的诱惑没有消失，但它不再是唯一的赌法。
一只手押可能的中心设备，一只手把触点铺向更多现实位置，这套动作如今几乎是所有大厂的标准姿势。
赌桌还在，但已无人all in同一张牌。
每块硬件，都是一张问卷
将这些散落的硬件视作产品，多半还显得粗糙。视作问卷，就比较有意思了。
当终极形态暂时无解，这些产品开始承担另一种作用：将“人与AI应以什么方式相处”这道大题，拆成几十个小实验，撒入真实生活中去试。每个产品都在替行业问一个问题，阅卷人是用户。
最先被试出来的，是感知的边界。
AI想获得更多上下文，硬件就要离人更近。记事挂饰、录音吊坠、智能眼镜，本质上都在争取过去机器拿不到的那部分生活。难题却很快从“能否记录”滑向了“应记录到哪里”。
Limitless给录音加上Consent Mode，DayoTag强调本地保存。Meta一边继续做带摄像头的眼镜，一边又推出完全拿掉摄像头的Ray-Ban Meta Audio，只留下声音和AI。技术能力明明还能往前走，产品却开始主动退一步。
这类退让比增加一个传感器更值得关注。
第一视角当然珍贵，持续录音也能让模型获得更多上下文，但一件硬件真正进入生活后，用户并不是唯一的参与者。街上的陌生人、办公室里的同事、坐在对面的朋友，都可能被顺手带进设备的数据范围。AI能看见、听见多少，最终不会只由传感器决定，还要由人和周围环境愿意开放多少来决定。
所以感知越强，边界反而越重要。
再往下，问题变成了：一件AI硬件凭什么长期待在生活里。
陪伴产品最容易把“模型有多聪明”当作卖点，真实使用却不断把评价标准往别处推。Ropet披露90天留存达到80%到90%；LOVOT的长期用户数据则跨到了三年。两者共同提醒了一件事：陪伴产品真正难的不是第一次让人觉得有趣，而是新鲜感过去后仍值得存在。
这也解释了为何一些产品开始主动减少对话。
LOVOT不靠复杂语言维持关系，bibo把更多交互交给眼神、姿态和触摸，YareLampGo用转头和灯光表达状态。它们试的是一件很具体的事：AI的界面不一定非得是聊天框。
LOVOT、Ropet官网。
现实中的陪伴并不总需要高信息密度。一个动作、一次回应，甚至适时保持安静，都可能比再多说一段话更适合长期相处。对于这类产品，聪明是一种能力，低负担则更接近产品成立的条件。
这也是本轮探索中一个容易被忽略的变化：AI硬件并不只是在寻找新设备形态，也在重新寻找AI的交互语言。
再往前，问题从相处进入行动。
谷歌的新Nest摄像头已能回答“垃圾车周四几点来的”，Alexa+进了宝马的车，Muse准备替用户购物订票、再从中抽佣。
前面几问答错，损失的是体验；这一问答错，交出去的是钥匙。
这些问卷没有一张答完，但边界已试出了轮廓。真实场景让佩戴时长、使用频率、留存和持续授权替行业筛选答案。
而探索本身也因此有了另一层价值。
今天很多产品最终可能不会成为一个稳定品类，但它们试出来的东西未必会一起消失。持续记忆如何被采集和调用，Agent的状态如何让人感知，动作能否成为界面，权限应在哪一步重新交还给用户——这些经验会从具体产品中脱落，逐渐变成后来产品可复用的能力。
移动互联网早期也经历过类似过程。大量App消失了，一些最初属于单个产品的交互方式却留了下来，最后变成所有人默认理解的语言。
AI硬件现在也可能处在这样一个阶段。
大家表面在造产品，实际上，所有人都在为那个尚未出现的AI中枢系统寻找一套现实世界的交互原语。
当记忆、感知、表达和行动分别落在不同设备里，单个产品能回答的问题也就到这里了。
谁来成为所有AI硬件背后的“超级app”
这场分散，并非没人试着收拢。
在单一厂商的围墙内，“同一个AI跨设备工作”已经发生。Siri的对话历史可经iCloud在不同Apple设备间延续；Meta也在让Muse从手机、电脑和Web继续进入新硬件入口。设备可以换，账户、会话和部分上下文开始留在更上层。
围墙之内，线已开始接上，真正的断点出现在跨出围墙之后。
一个人身上很快可能拥有好几个AI：眼镜里一个，耳机里一个，手表里一个，车里一个，家里还有一个。它们都在积累关于你的信息，却各自守着一份版本。
每换一台设备，你就得重新做一遍自我介绍。
它们各自认识你，却谁也不认识彼此。
这里缺的那层东西，其实可以从手机时代的超级App里找到一个参照。微信不关心你用什么牌子的手机，它关心你的聊天、支付、出行是否都发生在它里面。
现在，类似的逻辑正从屏幕里走出来。AI硬件所谓的“中枢”，更接近这种连续性：身份、记忆和权限留在上层，再根据任务调用不同设备与Skill。
过去超级App聚合数字服务。Personal AI往前一步，要组织的是散落在不同场景里的信息、服务和行动能力。
比尔·盖茨三年前就下过同一判断：Android、iOS和Windows都是平台，Agent将是下一个平台。他说这话时谈的还是软件，今天，这个判断开始进一步延伸到硬件里。
问题恰恰也卡在这里。
Matter解决“设备能连上”，MCP开始解决“模型会调工具”，但再往上一层，哪台设备此刻有权知道什么、哪段记忆应被继承、AI又能替用户做到哪一步，目前仍没有公共答案。
更麻烦的是，这个缺口并非没人看见，而是所有人都想按自己的方式补。
谁掌握持续增长的用户记忆，谁就掌握下一次服务的起点。换句话说，很有可能谁掌握了这层中枢，谁就握住了下一个时代的入口。而这样的资产，很难有厂商愿意轻易交给一个公共平台。于是每家都选择先把围墙修高，把互通留给未来。
于是，“小范围的中枢”反而更早出现。
家庭就是一个很典型的空间。设备足够密集，账户和空间边界又相对稳定。
小米披露，其IoT全球设备连接数已超过11亿台。Miloco 2.0则开始把这些设备往更上层组织，以摄像头作为环境输入，MiMo负责理解，再由Agent调用米家设备，同时加入身份识别、家庭记忆和长期任务。
它已不只是“用一句话控制一个家电”，而是在试着让系统理解目标，再组织一组设备完成它。
小米总裁卢伟冰最近谈米家也说：“再听话，本质还是‘遥控器’。下一步要走向的，是主动智能。”
小米还远未做出一个通用的Personal AI中枢，但家庭场景至少指出了一种可能：中枢未必从某台随身设备里长出来，也可能先从一个空间里长出来。
Xiaomi Miloco 2.0。
这才是分散真正的代价。形态越分散，上下文越容易破碎，中枢的缺席也就越昂贵。
行业接下来真正稀缺的东西，也会随之换位置。除了更强的模型和更新的硬件形态，上下文的连续性，以及建立在连续性之上的行动授权，会变得越来越重要。
商业逻辑也会被这层变化改写。
过去的硬件是一锤子买卖：设备卖出，关系结束。现在设备只是关系的开始，真正增值的是云端那份越积越厚的记忆。硬件赚一次的钱，记忆赚长期的钱。
AI硬件下一阶段真正开始拉开差距的，已不只是谁能造出下一台爆款硬件，而是谁能让人工智能连续地活在不同硬件之间。
回看硬件的历史，人一直在适应物：学键盘，学触屏，学着把意图翻译成按钮。
本轮分散，是这个方向第一次倒转过来时扬起的尘。技术正在离开那些固定的界面，一点点迁入人的日常。
等尘埃落定，大概不会再有人如此频繁地谈论入口。就像今天，没有人关心电是从哪个插座进入房间的。
最终形态仍然藏在雾里，但另一个时刻已越来越近。也许这一次，先敲门的不是某台万众瞩目的机器，而是让千万台机器彼此相认的时刻。而这一切的起点，或许正是那个未被定义的中欧入口，它将成为连接分散硬件与统一体验的关键纽带。
本文来自微信公众号“AI物燥”，作者：沈子嫣，36氪经授权发布。
