如果你关注这几年科技行业的资本动向应该早就注意到一个现象几乎所有叫得上名字的玩家都在喊“all in AI”但多数喊话停留在发布会PPT和战略通稿里真正敢把身家性命押上去的人少之又少。而这一次某头部终端厂商创始人的“all in”之所以值得单独拿出来拆解在于标题里那个耐人寻味的定语——“真相”。这个真相的核心不是他这次投了多少钱、招了多少人而是他把自己的三次入场放在同一根时间轴上给我们看前两次他是被产业链推着走的这一次他要主动定义时代。围绕这个判断我翻了不少公开资料也和几位在终端供应链、AI算法侧的朋友聊了聊。下面的内容不打算做任何股价预测只想把“前两次被动、这一次主动”背后的产业逻辑讲清楚顺便说说一个做硬件起家的公司想定义AI时代手里到底需要握几张牌。适合所有关注AI产业走向、想理解头部厂商真实战略意图的从业者和爱好者阅读。1. 一个“all in”背后的时间坐标为什么说前两次是被推着走要理解“这一次”的分量先得把时间拉回过去十年看清楚同一家公司在AI这条路上走过什么样的弯路。老实说前两次并不光彩甚至可以说很被动——它没有比同行更早看见风口只是在别人已经把基础设施铺到门口时不得不跟着迈出那一步。1.1 第一次语音交互一张不得不买的船票第一次实质性的AI入场大约是2016年到2018年那波AI概念大爆发。当时整个手机行业都在谈语音助手、AI拍照、人脸解锁芯片平台率先完成了NPU神经网络处理单元的集成算法供应商把成熟的人脸识别、场景识别方案打包卖给所有厂商。也就是说从芯片到算法整个产业链已经把“AI功能”做成了一盘端到端的现成菜终端品牌只需要负责摆盘。这种局面下厂商根本谈不上战略主动。你如果不跟进评测机构在旗舰机对比里就会直接写“某某品牌没有AI功能技术落后一代”供应链合作伙伴也会施压因为芯片的AI算力是打包卖的你不用就等于花同样的钱买了个闲置模块。最后的结果就是几乎每一家手机厂商都被动上了车。这位创始人后来回顾这段经历时也承认当时做AI更多是为了“别掉队”而不是真正想清楚了AI会如何改变产品形态。1.2 第二次AIoT时代的“生态被迫式入场”第二次被动发生在2019年到2021年。那时候这家公司的业务版图已经从手机扩展到电视、路由器、手表、音箱、家电甚至汽车生态设备数量超过亿级。设备一多问题就来了用户不可能在每个设备上都单独设置一套交互他们需要一个统一的入口。于是语音助手被升级成了生态中枢AI开始承担设备互联、场景自动化、内容推荐这些“幕后工作”。这听起来像是主动布局但本质上还是生态复杂度倒逼的结果——设备数量增长以后如果没有AI做跨设备调度整个体验会迅速崩坏。你可以把它理解成一家餐厅从做盒饭升级为做宴席后厨没有一套数字化调度系统根本转不动AI在这里就是那套调度系统。创始人这时候对AI的重视程度确实提升了但推动力依然来自“现有业务滚出了必须用AI解决的问题”而不是“AI本身代表着一个全新的市场”。1.3 相同点AI是被当作“配件”装上去的不是被当作“引擎”来设计的把前两次放在一起看你会发现一个非常清晰的共同点AI在公司的业务模型里始终扮演配件角色。第一次AI是手机卖点列表里的一行参数第二次AI是生态互联的中枢神经但无论哪一次公司的主营业务和盈利模型都没有因为AI发生结构性改变。用我做产品时的老话来说前两次属于典型的防守型投入——目标是让AI不成为短板而不是让AI成为发动机。正因为如此前两次无论投入多大本质上都是在别人划定的赛道上跟跑。芯片厂商划定了AI能力的上限算法厂商规定了应用的形态评测机构决定了舆论好坏的标准这家公司能做的只是决定“跟不跟”却永远无法决定“往哪走”。2. 反转信号从“用别人的方案”到“重建基础设施”那这一次到底哪里变了如果我们只看发布会上的措辞那几乎每家大厂都在说“重构”“颠覆”没有参考价值。真正有价值的信号要去看那些不常出现在媒体报道里的动作组织架构、人才流向、基础设施投入。这三个维度一旦同时转向基本可以确认战略是真的转向了。2.1 三个动作说明这回不是表态第一个信号是组织层面的。过去几年这家公司陆续把AI相关团队从分散的部门里抽出来成立独立的一级部门由创始人直辖。这不是简单的架构调整它意味着AI业务脱离了原有产品线的KPI体系不再需要为单款手机的销量或单个季度的盈利负责可以按照更长的周期来做规划。第二个信号是基础设施的投入方向。过去两年公开的信息里包含大规模算力集群建设、自研大模型团队扩充、AI框架层的自主研发。所有这些动作指向同一件事这家公司正在从“租用别人的AI能力”转向“自己生产AI能力”。这两者的差别在硬件行业工作过的人一眼就能看懂——一个是组装厂一个是零件厂。第三个信号最微妙是产品发布节奏的变化。以前AI功能是跟着新机发布的节奏走一年更新一次现在经常出现系统级AI功能在季度中间OTA推送给老用户的情况。这说明AI能力已经被视为与操作系统同等重要的基础设施需要持续迭代而不是每年来一次“新机发布会式”的展示。2.2 为什么偏偏是现在产业拐点的判断逻辑很多人会问为什么在这个时间点all in答案藏在产业拐点的大模型里。过去十年的AI是专用AI——一模型一用语音识别管语音图像识别管图像互不相通而这一轮大模型带来的是通用AI——一个模型同时能理解语言、图像、声音还能调用工具、操作设备。这个转变的产业意义在于AI第一次从一个“功能模块”变成了“操作系统级别”的东西。功能模块可以由供应商提供操作系统却必须掌握在自己手里。任何一个想要长期做终端生意的公司都不可能接受自己的核心交互体验被外部供应商卡脖子。所以与其说这位创始人选了一个激进的时间点不如说他是被产业逻辑推到了不得不行动的窗口——前两次他可以选“跟”这一次再“跟”就是拱手让出未来十年的入口。2.3 投入逻辑对比防守型投入与进攻型投入的分水岭前两次和这一次还有一个非常实在的差异体现在财务数据结构上。我们可以用一张简单的表来说明对比维度前两次2016—2021这一次2022—至今投入目标补齐短板、不落伍建立长期竞争壁垒基础设施依赖成熟方案买现成的自建算力与模型研发体系组织定位AI团队散落各业务线独立一级部门创始人直辖商业模式AI服务于卖硬件AI成为新的产品形态本身风险承担风险低跟随行业节奏高投入、高不确定性但回报上限高防守型投入和进攻型投入的分水岭就在于你愿不愿意承担“投入可能打水漂”的风险。前两次因为产业链已经把路铺好了所以风险很小这一次几乎所有东西都要自己从零验证甚至要承担“定义错了方向”的可能性。但反过来看也正是这种愿意承担风险的姿态才配得上“定义时代”这个说法。商业史上从来没有任何一家公司是靠跟随别人定义过时代的。3. 想定义时代先得有这三张筹码说完了反转信号接下来要面对一个很现实的问题口号可以有但定义时代不是靠决心而是靠筹码。一个做硬件起家的公司凭什么相信自己能在AI这盘棋里坐庄我的判断是它手里确实握有三张别人很难复制的牌。3.1 终端规模带来的数据闭环AI时代最硬的资产第一张筹码是亿级规模的终端设备。AI大模型的训练和进化需要海量高质量数据而高质量的“场景数据”恰恰藏在真实用户每天的使用行为里。用户怎么说话、怎么拍照、怎么使用应用、怎么和设备互动——这些数据在实验室里编不出来只能靠大规模的商用设备一点点沉淀。你可以把大模型想象成一个学徒终端设备是他接触真实世界的窗口。A公司手里有庞大的手机、电视、手表、汽车保有量这些设备持续产生视觉、语音、行为数据而且大多数场景是碎片化的真实生活场景比纯互联网公司能拿到的数据更立体、更接近物理世界。这恰恰是终端厂商做AI最难被追赶的优势因为它不是靠钱堆出来的是靠过去十几年的销量攒出来的。3.2 算力与模型自主权不再看上游脸色第二张筹码是基础设施自主权。注意这里说的不只是“自研大模型”这个结果而是从芯片、框架到模型的全链路能力。用大白话说就是AI的每一个环节都掌握在自己手里不会被上游任何一家供应商“断供”。前两次被动的教训已经说明问题当芯片平台集成了NPU算法供应商提供现成方案时手机厂商能做的事情只有排列组合。但这一次A公司同时在做算力基础设施、模型训练框架、端侧推理引擎和场景化应用等于从地基开始重建。好处是显而易见的它可以按照自己的产品定义去优化AI能力而不是被上游方案商的产品路线图牵着走。这就好比过去是租精装房家具格局都是房东定的现在是买毛坯房自己装修折腾是折腾但每一堵墙的位置都是自己说了算。3.3 对供应链的反向话语权从被定义到参与定义第三张筹码也是最容易被外界低估的这家公司对供应链已经把反向影响力这一块做出来了。当一家终端厂商每年的出货量足够大它对上游芯片厂商、传感器厂商、屏幕厂商就有议价能力和定制能力。AI时代这种能力会被放大——为了让AI模型高效运行在端侧芯片的NPU架构需要针对特定模型做优化传感器需要为特定场景做定制这些都需要终端厂商反过去定义供应链。这恰恰是从“被定义”走向“参与定义”的实体证据。前两次芯片厂商定义AI算力的规格终端厂商只能在已有规格里做取舍这一次A公司可以告诉芯片厂商“我需要什么样的算力组合”可以告诉代工厂“我需要怎样的散热设计来支撑端侧大模型”。在制造业里谁定义了规格谁就占据了利润分配和长期话语权的制高点。4. “定义时代”不是口号他真正想改写的是这三条规则筹码有了接下来要说清楚他拿着这些筹码到底想干什么。我不太相信“定义时代”是一种宏大的历史感商业世界里宏大叙事最后都要落地成具体的游戏规则修改才有效。在我看来这家公司想改写的规则有三条每一条都足够颠覆它在过去十年熟悉的玩法。4.1 改写交互基准让用户重新习惯一种AI原生体验第一条规则是交互体验的基准线。过去十年我们和手机交互的习惯是“打开应用—点按功能—得到结果”AI只是藏在应用底层的一个辅助工具。而A公司想做的是把AI从“底层工具”提升为“交互入口”你对着手机说话它直接调用跨应用的能力帮你完成任务而不是让你自己找应用、找功能。这意味着什么意味着“AI好不好用”会成为用户选择终端的第一标准取代过去“处理器跑分高不高”“摄像头像素高不高”这些传统参数。一旦这个标准被用户普遍接受所有同行都会被拖入A公司设定的赛道上竞争——这就是定义基准线的价值。当年智能手机把“触摸体验”变成行业基准所有功能机一夜之间被归为旧物种同样的剧本完全可能重演一遍。4.2 改写分发规则从“应用商店”到“服务直达”第二条规则是应用分发的权力结构。传统互联网时代操作系统厂商和应用商店掌握分发入口所有应用服务都要在商店里露出平台抽成是天然商业模式。AI原生体验出现以后用户不再需要记住“我要打开某个应用才能点外卖”直接对手机说一句话AI就会自动完成从下单到支付的全部流程。这时候用户对具体应用的感知会大幅弱化真正有价值的入口变成了AI助手本身。谁掌握AI助手谁就掌握了分发权。A公司如果能在自己的终端上让“服务直达”成为默认体验它就绕过了所有传统应用商店直接成为用户和数字服务之间的超级入口。这一条规则一旦成立整个移动互联网的利润分配逻辑都得重新写。4.3 改写商业模式硬件不再是一锤子买卖第三条规则是终端商业模式的根基。过去硬件厂商的收入大头是一次性卖硬件卖完一台赚一台的钱。AI时代终端变成了AI能力的载体用户与AI服务的关系是持续性的——订阅制、按量付费、服务分成都有可能成为常态。硬件利润退居次要位置真正的价值沉淀在“持续使用”里。这一点对A公司来说并不陌生它在生态链体系里已经验证过“硬件入口服务变现”的模型。AI时代无非是把这套模型从周边生态扩大到核心终端你买的不仅是一台手机或一辆车而是一整套持续为你提供服务、且越用越懂你的AI终端。对用户来说这是消费习惯的改变对行业来说这是一次彻底的商业逻辑重构——谁能把“卖硬件”的生意变成“运营服务”的生意谁就在下一轮竞争里拿到定价权。5. 重押之后的不确定性定义时代不等于赢下时代前面几节的分析听起来很有想象力也符合商业逻辑。但我还想泼盆冷水定义时代是一回事赢下时代是另一回事。A公司这次的all in至少还要面对三个绕不开的坎任何一个处理不好都可能导致满盘皆输。5.1 钱和算力的消耗战all in要面对财务回报的拷问第一个不确定性是资金层面的。大模型的军备竞赛是一个无底洞训练一次前沿模型的成本动辄上亿算力集群的折旧和电费更是天文数字。就算A公司有硬件业务的现金牛在供血资本市场能容忍的耐心也是有限的。这中间有个特别现实的矛盾AI基础设施的投入是前置的、持续的而商业回报是滞后的、不确定的。一旦连续三五个季度拿不出“AI带来了多少增量收入”的清晰数据股价和投资者信心就会率先反噬。前两次投入之所以轻松是因为开销小、都在行业预定的节奏里这一次是自选动作花出去的钱能不能变成竞争壁垒需要时间来证明而资本市场恰恰最缺耐心。5.2 产业链惯性仍在你定义规则别人未必配合第二个不确定性是产业链的反作用力。前面说A公司对供应链有反向话语权但别忘了一个事实这家公司依然深度依赖外部代工厂和上游芯片供应商。想定义AI终端的规格前提是合作伙伴愿意跟着你改产线、换方案、承担试错成本。现实中供应链的调整节奏远慢于产品规划。你年初说要定制一颗AI芯片代工厂要考虑产能排期芯片厂商要考虑其他客户的需求——头部厂商能推动一部分定制但全产业链围绕一家公司的AI理想转并不现实。这就是“定义时代”最尴尬的地方你可以号召大家跟上但大家是否真的愿意放下手头的既有订单完全是另一个问题。5.3 用户只关心“好不好用”不关心“是不是自研”第三个不确定性也是最容易被技术圈忽视的用户根本不在乎你自研了多少东西。普通消费者不会因为你建了多少P算力、用了多大参数规模的模型就掏钱他们在乎的只有一件事——你的AI能不能一句话就帮我搞定一件实际的事而且每次都好使。这意味着A公司必须在大模型能力、端侧推理速度、应用适配范围上做到真正“可用”的程度否则一切自研故事都是自嗨。我在过去一年里看过太多AI产品发布会上惊艳真实使用中连环翻车。AI是典型的“一个失望瞬间就能劝退用户”的产品它的口碑积累需要很长时间但崩塌只需要一次糟糕体验。对于all in的A公司来说这才是最致命的不确定性——战略可以提前布局但用户信任无法提前支取。我在观察这几轮AI浪潮时有一个越来越深的体会真正改变行业格局的公司往往不是那个第一个喊出口号的人而是那个把基础设施建到别人无法忽视、再顺势改写规则的人。A公司前两次是被产业链推着走但这一次从组织调整到基础设施建设都已经换了打法。历史从来不奖励勇敢者它只奖励在正确时间点拥有足够筹码并且敢于下注的人。接下来两三年我们会看到这个判断最终能被验证到几分。