放眼深圳的硬件产业生态，就能理解为什么物理AI会选择这座城市扎根。从赛格电子市场到华强北的元器件柜台，从代工厂、模组供应商到品牌方，一颗芯片、一块PCB板、一套模组，AI硬件的完整链路——从项目立项到最终出货——都能在短短几公里内全部完成。
这种产业密度本身就意味着对市场趋势的高度敏感。近日，南都N视频走访了深圳多家硬件企业，获取的观察结果高度一致：当物理AI成为新一轮产业革命的核心驱动力时，多模态能力与工程化稳定性已从可选的“技术加分项”，转变为硬件厂商无法回避的商业刚需。另一个显著变化是，AI正从过去可有可无的“附加功能”，进化为用户愿意为之付费的“核心体验”。无数案例反复印证了一个道理——谁能率先实现与AI的深度融合，谁就能更快地切入物理世界，抢占市场先机。
多模态与工程化稳定模型，正成为硬件厂商的刚需
噜咔博士是云天励飞旗下的儿童AI硬件品牌。CEO杨坤透露了一组关键数据：截至目前，该品牌产品累计用户规模已突破25万，月均拍照识别量超过5000万次，预计将覆盖全球20多个国家和地区。
在南都记者的实际体验中，噜咔博士AI拍学机内置了千问大模型，不仅能通过拍照识别日常物品、根据需求生成图片，还能进行智能答疑，适用于研学、上课、逛展等多种场景，端到端延迟控制在1到2秒以内——这在儿童产品中，属于相当扎实的交互体验。
为何选择千问系列模型？杨坤给出了三条理由，而这恰恰也戳中了当下AI硬件厂商面临的共同痛点。第一，产品需要多模态模型来支撑图像识别、图片生成、语音答疑这类复合交互需求；第二，产品需要稳定的工程化能力，以应对大规模调用下的低延迟与高效率；第三，当产品计划出海时，模型必须具备全球化能力。
这三个诉求，已经从锦上添花的点缀变成了产品能否落地的硬性门槛。无独有偶，深圳本土机器人企业逐际动力，同样基于工程落地能力和多模态因素，选择了与阿里云合作。
就在最近，逐际动力正式发布了其具身智能标准化工程底座FluxVLA Engine。该底座以镜像形式接入了阿里云的AI工程化平台PAI，用户可以非常便捷地依托它进行后续的微调和部署，训练属于自己的专属具身智能大模型。
随着具身智能进入规模化发展阶段，行业的竞争逻辑正在悄然改变——不再仅仅是单个模型能力的比拼，而是延伸到支撑模型持续训练、快速迭代和稳定部署的工程基础设施上。过去，VLA（视觉-语言-动作）模型和WAM（世界动作模型）各有各的难题：训练、仿真与真机之间的数据规范不统一；模型架构与训练框架高度耦合；从仿真环境到现实世界，迁移落差巨大。
FluxVLA正是为解决这些问题而生。南都记者在现场看到，逐际动力的人形机器人仅凭语音指令，就能完成对不同形状、材质工件的分拣与装配。其背后的核心环节是数据收集和模型训练，而模型训练本身，已经被打造成了一条标准化的生产线。
FluxVLA就是这条生产线。它将数据处理、模型训练、仿真评测和真机部署纳入同一套工程规范，过去模型配置需要数天时间，如今只需半小时左右。这让开发者彻底从底层的工程适配中解放出来，也让机器人能更快地“变聪明”、学习新技能。
逐际动力联合创始人谌骅说得直白：目标就是让具身模型从训练到部署没有难度，在千行百业打造垂直大模型生产系统。除了借助阿里云作为“行业放大器”，在机器人本体交互方面，逐际动力也接入了千问Omni，获得了全模态实时互动能力。接入之后，机器人不仅能“看懂、听懂、说出来”，还能根据现场场景调用外部工具完成任务。
从“附加功能”到“核心体验”，AI正在重塑硬件
在深圳的实地走访中，你会发现，从学习机到人形机器人，从手机、眼镜到家居机器人、无人机、车载终端、智能穿戴……几乎所有硬件品类都把AI作为了自己的核心标签。AI正在从一个附加功能，变成用户最在意的核心体验。
在AI玩具场景中，小智AI是一个极具代表性的开源项目，基于千问的语言、语音等模型打造。目前，全球依托小智AI打造的硬件已经超过200万件，涵盖灯具、玩具、桌面机器人等多种产品，在东南亚等市场销量表现相当亮眼。
过去，想要做一款AI硬件，企业必须在芯片选型与嵌入式开发、模型调用与云端部署、语音交互等核心技术上全线打通。这种“软硬一体”的高门槛，让绝大多数中小团队望而却步。小智AI的开源方案恰好解决了这一痛点——它依托开源底座、标准化模组和全链路赋能能力，为传统硬件企业提供了一条低门槛、低风险、可快速验证的路径。
效果立竿见影。广东汕头的一家玩具厂家接入小智AI后，将传统语音玩具升级为AI陪伴玩具，短短半年海内外热销超过20万台，日均销量超过2300台。广东中山的一家传统台灯品牌商，同样借助小智AI，将产品升级为能理解自然语言、自行思考决策的“智慧台灯”，上市后预售订单同比增长220%。
更多类似小智AI的案例，正在华强北批量涌现。华强北披露的数据显示，截至2026年5月初，华强北AI产品销量占比已从2024年的12%跃升至41%。这个速度，极具说服力。
香港中文大学（深圳）理工学院助理院长、深圳河套学院助理院长吴辰晔的观点很有代表性：在华强北，销量变化永远是最直接的信号。用户愿意买，商家愿意推，工厂愿意做，说明AI能力已经开始成为电子产品的新标配。他进一步指出：“过去很多电子产品只是消费品，或者执行固定任务的工具；但接入大模型之后，它就具备了理解、生成、交互和辅助决策的能力。这不是简单多了一个功能，而是产品性质发生了变化——它从工具变成了生产力终端。”
正如吴辰晔所说，在深圳的多种硬件中，AI的定位正发生根本性转变。荣耀联合阿里云打造的视觉问答端到端方案，将图像细分场景识别率提升了近40%，延迟降低了30%。在无人机领域，影石科技的影翎A1基于千问系列模型，实现了智能影像拼接、深度主体追踪、一键智能运镜等能力，能真正做到“先飞行后构图”，让新手也能轻松拍出大片。
