全場景共生，改變AI硬件的商業(yè)化邏輯

2026年，正處于產業(yè)躍升關鍵期的AI硬件，告別了零散的概念堆砌階段。

工業(yè)和信息化部、商務部、市場監(jiān)管總局聯合發(fā)布的《人工智能終端智能化分級》系列國家標準，為這個躁動的賽道劃定出了一個明確的刻度，將終端智能劃分為L1到L4四個等級，從響應級逐步上升到協同級。

這套標準體系明確了感知、認知、執(zhí)行、記憶、學習五個能力要素，覆蓋了手機、電腦、電視、眼鏡、汽車座艙、音箱、耳機七個品類，基本框定了第一批有望規(guī)模普及的AI硬件形態(tài)，并給出了具體的測試方法。

對消費者來說，從此一臺設備到底有多聰明，不用再費力參透技術邏輯，也不用再聽廠商自說自話。

與標準發(fā)布幾乎同一時期，阿里云在5月20日舉辦的阿里云峰會上展示了多款AI硬件的落地成果，同時宣布與天貓共同發(fā)布“千問智能硬件X天貓合作計劃”，計劃包括千問模型專享權益、天貓億級流量扶持、以及全域品牌曝光資源等，雙方將共同投入1億+資源，從技術、品牌、銷售渠道三個維度幫助硬件廠商完成價值躍遷，加速AI硬件新物種爆發(fā)。

天貓618大促即將開啟，搭載千問能力的多款AI硬件將在天貓亮相，雙方平臺聯合提供流量與品牌曝光資源，推動AI硬件加速商業(yè)化落地。國家為AI硬件劃出了金字塔，云廠商則提供了登上金字塔所需要的能力底座。

這些迅速發(fā)生的改變，指向了同一個趨勢：

AI硬件正在從端側的概念驗證，走向端云協同的規(guī)模普及，而AI云服務的能力釋放則恰好踩在了這個轉折點上。

01. 誰停在了L1，誰沖向了L4？

從L1到L4，每一級躍升都對應著能力門檻的抬高。

L1設備只能執(zhí)行預設指令，本質上是傳統(tǒng)電器的智能化翻版；L2則開始具備工具屬性，用戶可以主動調用某些功能。

中國電子技術標準化研究院副院長于秀明在解讀標準時指出，經過調研與測試分析，目前用戶持有率較高的產品普遍處于L1和L2級，部分新品可達到L3級水平。

整體來看，AI終端正在沿著傳統(tǒng)終端升級、新興終端擴量、未來終端探索三條路徑并行演進。

真正的分水嶺在L3輔助級。L3的核心是終端能夠全面理解用戶的指令和意圖，并且具備主動識別和主動提供服務的能力。

以智能空調為例，L3級別的設備可以自動識別用戶額頭上是否冒汗，然后主動調低溫度，用戶按下離家模式后，攝像頭會先判斷家里是否還有人，等人穿好鞋離開后再關燈。這些動作需要綜合音頻、視頻、傳感器多種輸入，做出復雜的意圖識別和判斷。標準要求設備具備復雜意圖理解、鏈式推理及長期記憶能力，意味著設備不能只回答是什么，還要理解為什么，甚至預判接下來該做什么。

有些硬件廠商過去幾年在L1級別原地踏步，呈現出了幾種典型特征。

一種是產品定義過于封閉，只解決單一功能，沒有為后續(xù)升級預留傳感器或者算力冗余；另一種是過度依賴端側的輕量模型，導致在復雜場景下能力斷裂。

還有一種更加隱蔽：把L1的功能包裝成L2、L3的噱頭，這類產品會在標準測試面前迅速現形，消費者也會用腳投票。

對此，阿里云智能集團公共云事業(yè)部解決方案架構部副總經理陳立偉的判斷是，整個硬件行業(yè)正處于從L2向L3邁進的階段，誰能率先構建起L3的基礎架構，實現L3級別的產品體驗，誰就能拿下更大的市場空間。

停在L1、甚至L2，都不再是安全區(qū)。而想要平穩(wěn)進入L3階段，需要的是多模態(tài)感知與泛化推理的配合。

本次阿里云峰會還重磅發(fā)布千問旗艦模型Qwen3.7-Max。在三方機構Arena全球大模型盲測總榜中，Qwen3.7-Max位列國產模型第一，對標全球最強模型。

Qwen3.7-Max的設計初衷，其實就是讓模型成為Agent的內核，具備自主規(guī)劃、持續(xù)迭代、跨端協同的能力，技術升級恰好對應了L3級別對感知和認知要素的要求。目前，阿里云面向智能硬件行業(yè)提供的多模態(tài)交互開發(fā)套件已全面支持接入Qwen3.7-Max。

云端泛化能力越強，硬件的L3適配成本就越低。陳立偉也指出：“今天沒有任何一款硬件產品可以通過單一的模型達成端到端的閉環(huán)用戶體驗，解法一定是多模型組合的方式。”

02. 端云協同，成為必選項

在L3輔助級之后，L4協同級會是一次更大的躍遷。

從現有定義來看，L4的核心特征關注的不是單個設備是否更聰明，而是多個設備組成一個智能系統(tǒng)。用戶走進家門，眼鏡、音箱、機器人、座艙之間就會自動共享記憶，進而在物理世界中服務用戶。

因此，未來想要讓技術和產品平穩(wěn)落地在L4，硬件廠商面臨的最大挑戰(zhàn)，就是系統(tǒng)集成與設備協同。

標準分類表中，從移動終端到眼鏡、耳機，大部分產品標注的是端云協同，背后的邏輯很直接：實時響應依賴端側，復雜推理依賴云端，是當下的智能化最優(yōu)解。

科沃斯管家機器人“八界”就是一個典型例子。基于對開源及模型持續(xù)迭代能力的考慮，科沃斯很早就選擇接入了千問大模型。

管家機器人的核心挑戰(zhàn)，來自于家庭環(huán)境的非標性，其安全等級要求高、信息密度大、需求非常長尾。科沃斯“八界”的解決方案之一是，將機器人的原子能力（抓拿、取放、感知、規(guī)劃）封裝成容易被模型理解的API接口，云端基于Qwen3.6-Plus處理環(huán)境感知和動作拆解等復雜任務。

當用戶說出整理客廳這樣的模糊指令，可以先結合云端理解客廳包含哪些物體、整理的標準是什么，然后拆解為一系列動作指令下發(fā)給機械臂。這一系列理解的背后可以不用預編程，“八界”上的智能體主動串聯出了任務。

目前，科沃斯還將“八界”的系統(tǒng)、原子能力和仿真平臺開放了出來，讓更多生態(tài)伙伴通過“八界”很方便地參與到家用機器人的算法開發(fā)和應用落地中。

杭州研極微旗下的神眸系列產品同樣印證了端云協同的必要性。作為一家專注低功耗智能影像的公司，研極微的產品核心是把攝像頭的供電和網絡通訊難題做優(yōu)化，做到無網無電。低功耗帶來的挑戰(zhàn)是，端側芯片的算力有限，無法承載大規(guī)模模型的推理負載。

他們的解決方案是，端側做實時打標和初步處理，通過端側的AI芯片識別畫面中有人、有車、有非機動車，然后將文本圖片信息通過低功耗的4G信標上傳到云端；云端再基于千問大模型做深度理解和結構化記憶，讓用戶可以像搜索相冊一樣提問相機，比如“昨天下午門口出現過什么顏色的貓”。而這種體驗在純端側方案下幾乎不可能實現。

基于這套架構，這家公司的付費轉化率提升了25%，平均客單價提升30%，付費用戶持續(xù)留存率達到75%以上。AI能力直接轉化為了商業(yè)競爭力。

端云協同的分工模式，正在成為行業(yè)共識，云廠商的角色也隨之發(fā)生了巨大變化。

過去，云廠商只提供算力、存儲等云資源，現在則變成了提供端云協同、圍繞Agent的基礎設施底座，將視覺理解、任務規(guī)劃、甚至前端代碼生成能力打包成可調用的服務，從提供平臺、提供模型到提供Agentic Coding，從開發(fā)層降低硬件廠商將AI能力嵌入到現有系統(tǒng)中的門檻。

陳立偉也總結了阿里云當下的四個核心挑戰(zhàn)：模型的組合、工程的復雜性、持續(xù)運營的能力、數據的閉環(huán)。

談及模型組合與工程化，值得提及的是此前發(fā)布的新一代全模態(tài)大模型Qwen3.5-Omni。

Qwen3.5-Omni在音視頻理解、識別、交互等215項任務中取得了SOTA，大幅增強了實時交互體驗，擁有了“高情商”。更令人驚喜的是，Qwen3.5-Omni展現出了音視頻Vibe Coding的能力，用戶對著鏡頭闡述需求，模型就能自主生成APP、網頁、游戲等復雜產品代碼。實時全模態(tài)能力，為AI硬件從L1、L2走向L3、L4提供了關鍵的技術基礎。

全模態(tài)模型不斷成熟的同時，硬件廠商們也在探索差異化的落地路徑。

比如，樂森機器人作為專注toC人形機器人的公司，正在布局一個有趣的端云協同嘗試。用戶可以通過家庭局域網，用自己的電腦或本地智能體完全接管機器人的AI系統(tǒng)，從而讓機器人擁有智能家居控制、方言對話、個性化話題等定制化能力。

剛剛發(fā)售全球首款具備視覺感知能力AI耳機的光帆科技，觀察到過去一年AI硬件行業(yè)最大的變化就是“快”，軟硬件迭代速度驚人，AI從單純的聊天進化出智能體和自學習能力，能做的事情每天都在大幅增加。而光帆的實踐路徑是構建一套比OpenClaw范圍更廣的AI原生操作系統(tǒng)，涵蓋多模態(tài)交互、硬件調度、軟件調度和算力調度。

“一線玩家”們的探索，證明了端云協同是一個“難而正確”的長期主題。云端智能正在快速進化，而端側的執(zhí)行能力和硬件調度能力，仍然是決定AI硬件智能化階段的關鍵變量。

03. 協同邊界在哪，市場就在哪

除了技術指引之外，分級標準的意義還有商業(yè)化層面的信號釋放。

消費者可以依據L1到L4來評判產品，以此為動力，硬件廠商也會隨之出現明確的升級路線圖。

尤其是對于創(chuàng)業(yè)公司來說，自研多模態(tài)模型和推理框架是不現實的，更多廠商需要的是標準化的AI底座和明確的商業(yè)回報路徑。

AI硬件服務的商業(yè)想象力，從嚕咔博士AI拍學機的高用戶黏性中有跡可循。嚕咔博士公開數據顯示，早期用戶的日均使用時長只有30多分鐘；接入Qwen3.6-Plus之后，日均時長提升了50%，每個月約有5000萬張用戶拍攝的照片與AI互動。更精準的萬物識別和OCR能力帶來了更高頻的圖片識別，泛化推理的增強帶來了問答輪次的提升，可量化的AI底座進步，直接反饋為用戶黏性的質變。

用戶每天在硬件設備上產生上百次交互、積累了大量個人興趣數據之后，一個自然的需求也浮現出來：這些記憶和偏好，如何才能聯動到其他設備上？比如在學校的設備上繼續(xù)基于數據制定學習任務。

單個設備的智能化水平達到一定高度后，市場真正的想象力就會來到全場景共生下的系統(tǒng)智能。

標準里提到的L4協同級，核心特征就是跨設備協同與用戶偏好記憶。一臺手機、一副眼鏡、一個座艙、一個音箱，圍繞用戶形成一張智能網絡。

你戴著眼鏡走進車里，座艙自動切換你的駕駛偏好；你對著音箱說一句話，機器人開始整理客廳。一致的體驗需要所有設備共享同一個云端智能底座，也需要云廠商提供統(tǒng)一的身份、記憶與執(zhí)行調度體系。

全場景共生，會直接改變AI硬件的商業(yè)化邏輯。

過去做硬件，大多靠供應鏈賺錢，每賣出去一臺就完成了一次交易。如今AI的疊加打開了全新的想象力，未來也可以通過訂閱的方式持續(xù)產生溢價服務。

在協同場景下，用戶更愿意為跨設備的連續(xù)體驗付費，比如訂閱個人助理服務、購買場景化技能包。由此，整個賽道的價值分配也會重新洗牌。

舉個已經存在的例子，Rokid眼鏡在端側接入阿里版OpenClaw產品JVS Claw后，職場人士能高效地完成創(chuàng)建日歷、回復微信、支付等操作，這些高頻行為如果能進一步被整合和沉淀為提升工作效率的場景，就可以延伸出生活助理的訂閱服務。

618大促期間，天貓也上線了數十個搭載了JVS Claw的主機品牌，全面接入智能助手，迎來Agent PC時代。

硬件變成了服務的入口，而不是終點。

市場重構的浪潮，會涌向那些能夠融入這張智能網絡的產品，逐漸拋棄孤島般的L1級別設備。

分級標準給出了產業(yè)終局的指引，端云協同提供了確定性的路徑，而云廠商的標準化能力也正在讓這條路變得更寬、更平。