2025 年被視為 AI Agent 元年，包括 OpenAI 、Google、微軟在內的科技公司都提出 Agent 將開始加入勞動力大軍，甚至改變工作形態(tài)。

與此同時，Google 、OpenAI 這些以軟件為主要產品的公司也紛紛開始推出更多智能硬件。

這兩件事并非孤立的巧合，它們共同指向了一個清晰的信號。

在前幾天火山引擎「Force 原動力大會」上，火山引擎大模型智能算法負責人吳迪認為，讓 AI 能力變得觸手可及，將助力 IoT 硬件和輕量級硬件的全面升級，整個硬件價值體系也將可能會被重新塑造。

在中國，火山引擎作為云和AI 服務平臺，雖然并非傳統(tǒng)的硬件制造商，但卻用另一種方式參與到 AI 和硬件產品的融合中。全球前十的手機廠商中有 9 家都和火山引擎有深度合作，火山引擎的端云協(xié)同架構正在成為智能硬件的「大腦」和「神經」。

在我們跟從業(yè)者的溝通中發(fā)現(xiàn)，硬件廠商在和 AI 結合中普遍面臨的挑戰(zhàn)是，市場生態(tài)的碎片化以及高昂的開發(fā)成本。這也是一些 AI 硬件曇花一現(xiàn)，卻始終無法成為用戶常用設備的重要原因。

火山引擎在其智能硬件解決方案中反復強調的「原子化能力」和「端云一體化」理念，恰恰也切中了當前 IoT 設備AI化進程中的核心癥結 ——如何打破端與云之間的壁壘，讓 AI 能力更順暢地流淌到每一個硬件終端。

海量的 AIoT 硬件已經成為 Agent 的重要入口，誰率先做好了設備端到端的響應，誰就能在這個方興未艾的 AIoT 市場拔得頭籌。

拆解火山引擎「原子能力」：AIoT 的工具箱

一個 3 歲的孩子抱著毛絨玩具，問它「為什么天空是藍色的」，玩具立刻用童趣的聲音回答，還能根據(jù)孩子臉上的表情調整語調——這不是科幻片，而是 Haivivi 這樣 的 AI 玩具已經實現(xiàn)的場景。

這背后其實是火山引擎用「原子能力」組成的 AI 工具箱，這是火山引擎泛互聯(lián)網(wǎng)行業(yè)解決方案負責人江南提出的概念。

江南認為，技術提供者應「以原子化和組件化的方式提供服務」，即把AI大模型的能力（如語音、語言、多模態(tài)等）拆分成標準化、可組合的API/SDK，供合作伙伴靈活調用。

原子能力不是孤立的功能點，而是「能力即服務」，不僅提升了合作的靈活性，也大幅降低了廠商的開發(fā)門檻，從而推動整個行業(yè)的創(chuàng)新和生態(tài)繁榮。

火山引擎這些原子能力就像樂高積木，為硬件廠商提供近乎「開箱即用」的智能化工具箱。

愛范兒梳理了火山引擎給智能硬件準備的「原子能力」：

• 豆包大模型 - 設備的「智慧大腦」
• 扣子(Coze)平臺 - AI 應用的「快速孵化器」
• ASR/TTS技術 - 讓設備「能聽會說」的語音引擎
• RTC實時通信 - 連接云端與設備的「高速神經網(wǎng)絡」
• VLM視覺語言模型 - 幫助設備「看懂世界」的視覺大腦
• Function Calling - 調用外部服務的「萬能工具手」

▲一圖看懂火山引擎原子能力「工具箱」

在 AIoT 領域，豆包大模型扮演的角色遠遠不只是聊天機器人。除了能夠識別用戶的意圖，還有不斷變強的邏輯推理能力，使得硬件設備在面對復雜場景時能夠進行一定程度的自主判斷。

同時，豆包大模型對多模態(tài)交互的支持，意味著未來的智能設備將不再局限于單一的語音或文本輸入，而是能夠綜合處理圖像、聲音等多種信息 ，這為實現(xiàn)更自然、更接近人類交流方式的人機交互奠定了基礎。

例如，豆包最新的 Seed 1.6 Flash 模型作為輕量級的語言和視覺合版模型，能做到 1 秒輸出 100 個Token，大大提升了端到端的響應速度 。

至于扣子這個 AI Agent 開發(fā)平臺，讓沒有深厚編程背景的產品經理也能零基礎快速搭建 AI 應用。它就像是提供了一套「一站式」的開發(fā)模板，大大縮短了從創(chuàng)意到產品的周期。

扣子的端插件能力特別值得關注 。它能讓智能體與物理世界直接交互——比如讓AI助手不僅能回答"今天天氣怎么樣"，還能主動幫你開啟空調并調節(jié)到合適溫度。這種能力讓硬件從被動響應轉向主動服務 。

在交流環(huán)節(jié)，ASR 語音識別和 TTS 語音合成技術負責讓設備「能聽會說」?；鹕揭娴?ASR 即使在嘈雜環(huán)境下也能精準識別指令，而 TTS 技術讓機器的聲音不再冰冷，變得更有「人情味」。涂鴉智能接入后，語音識別準確率提升了超過 20% 。

還有一個關鍵的是 RTC 實時通信技術，它像是連接設備與云端的"高速公路"，確保音視頻數(shù)據(jù)能夠低延遲、高穩(wěn)定傳輸 。

這對 AI 玩具至關重要——當孩子問問題時，如果等待 3-5 秒才有回應，體驗就會大打折扣?；鹕揭嫱ㄟ^優(yōu)化，將響應時間壓縮到 1 秒內，讓對話變得像真人交流一樣自然 。

火山引擎大模型智能硬件負責人邢孝慈指出，端到端的實時性能是 AI 智能硬件落地的最大技術挑戰(zhàn)，尤其是在云端推理場景下，響應速度直接影響用戶體驗。

火山引擎通過端云一體化優(yōu)化，大幅提升 AI 語音交互的響應速度，已實現(xiàn)語音實時對話，最快只需1秒，平均時間小于 1.5 秒。

而為了讓設備「看懂世界」，VLM 視覺-語言模型讓攝像頭不僅能「看到」畫面，更能「理解」內容。比如識別孩子的手勢表情，或者分析圖片內容并回答相關問題 。移遠通信的全系智能模組都已接入這項能力，讓終端設備可以無縫融合多模態(tài) AI 功能 。

Function Calling 函數(shù)調用則像是萬能遙控器，讓 AI 能夠主動調用各種外部服務——控制家電、查詢天氣、設置提醒等連貫操作都能一鍵搞定 。

火山引擎的這套方案真正的競爭力不是「原子能力」本身，而在于如何將這些能力有機整合。

江南告訴愛范兒，原子能力的開放使火山引擎能服務于整個硬件生態(tài)鏈，包括芯片廠、整機廠、終端品牌等，形成「云+端」一體化的賦能體系。

這樣一個完整的端到端服務體系，覆蓋從設備數(shù)據(jù)采集，到邊緣計算處理，再到云端大規(guī)模推理的整個鏈條， 這種「一站式服務」與傳統(tǒng)云服務商提供孤立 AI 接口的做法截然不同。

同時通過與樂鑫科技、博通集成、移遠通信、廣和通等芯片模組廠商的深度合作，火山引擎提供「硬件+算法+平臺」的全套支持 。這種合作模式讓硬件公司能夠更平滑地將 AI 能力嵌入產品中。

與其說火山引擎是技術供應商，不如說它更像是站在硬件廠商背后的「AI 軍師團」。它不僅提供技術，更重要的是將字節(jié)跳動在抖音等 C 端產品中驗證過的 AI 技術和運營經驗，像搭積木一樣自由組合，支持給 B 端硬件企業(yè) 。

AIoT 產品的新浪潮

當然，真正的考驗來自始終市場第一線，技術架構的骨骼需要落地產品才會有鮮活的血肉?；鹕揭嬉恢睆娬{的「更強模型、更低成本、更易落地」，是否能真的讓這些 AIoT 產品在市場中掀起波瀾。

Haivivi 不再是過去那種只會簡單重復預設語音的「智能玩偶」，它能夠根據(jù)與孩子的長期互動，更準確地理解孩子略顯稚嫩、甚至有時不太規(guī)范的語言表達，學習孩子的興趣偏好，提供個性化的陪伴內容，甚至在孩子情緒低落時給予安慰與鼓勵，因此受到不少家長和孩子的歡迎。

這其中的關鍵，是音視頻智能互動設備解決方案。Haivivi 通過深度集成火山引擎的豆包語音大模型以及「扣子」進行 Agent 構建，打造出了一套完整的 AIoT 互動系統(tǒng)。

據(jù) Haivivi 聯(lián)合創(chuàng)始人高峰介紹，為了達到自然的交互效果，Haivivi 團隊與火山引擎的工程師們在多個層面進行了深度優(yōu)化。

例如，在語音交互的響應速度上，通過優(yōu)化端云協(xié)同的鏈路，將從用戶發(fā)出語音指令到玩具給出反饋的端到端延遲控制在了行業(yè)領先的水平，部分場景下可以達到 300 毫秒以內。

▲Haivivi 聯(lián)合創(chuàng)始人高峰

這款 AI 陪伴玩具能夠聲情并茂地講述各種有趣的故事，還可以充當英語陪練陪伴孩子練習口語，與孩子進行成語接龍游戲，在這些備受青睞的使用場景里，保障兒童在對話過程中的沉浸感至關重要。

與 Haivivi 這類直接面向 C 端消費者的品牌不同，涂鴉智能作為一個全球化的 IoT 開發(fā)平臺服務商，他們與火山引擎的合作則更多地體現(xiàn)在如何幫助廣大的開發(fā)者。

今年年初，火山引擎與涂鴉智能達成合作，將豆包大模型全面接入涂鴉 AI 云開發(fā)者平臺，共同推進AI大模型及云原生技術在多場景的規(guī)模化落地，這就有點像 AIoT 市場的 App Store。

雙方合作的一個重要發(fā)力點恰好也是 AI 玩具領域。開發(fā)者可以在涂鴉的平臺上更為便捷地實現(xiàn)音頻、視頻、圖像和文本等多模態(tài)AI能力的一站式整合與調用 。

這意味著，即便是中小型的玩具開發(fā)者，也能夠以更低的門檻、更快的速度，為其產品賦予先進的 AI 交互功能，有機會孵化出更多像 Haivivi 這樣自然有趣的爆款產品。

舊品類因為 AI 對體驗的重塑不只有玩具，這些年打開率不斷走低的電視也開始有了變化。

用戶想在電視上找到某個明星主演的電影，需要層層點擊遙控器，在復雜的菜單中穿梭。

現(xiàn)在，你只需說出「我想看 xx 的電影」，電視不僅能瞬間找到相關影片，還能智能生成專屬海報墻，整個過程的響應速度控制在 1 秒以內。

創(chuàng)維研究院院長、酷開 CTO 郭尚鋒在「Force 原動力大會」的分享中，強調了一個樸素卻關鍵的觀點：實時反饋才是用戶高頻交互的核心。

▲創(chuàng)維研究院院長、酷開 CTO 郭尚鋒

上述的電視交互體驗，酷開稱之為「超級智能體」。背后是利用豆包大模型的語義理解和個性化生成能力，更好理解你的用戶觀影偏好，然后深度融合火山引擎的語音交互技術，實現(xiàn)自然流暢的對話，簡化電視依賴遙控器層層點擊的復雜交互模式。

這種個性化服務延伸到了教育、健康、生活服務等多個垂直場景，郭尚鋒透露酷開的 AI 繪本館能在 12 秒內生成個性化故事，用戶日活率因此提升 60%以上。

如果說智能玩具和智能大屏是 AIoT 在存量市場的智能化升級，那么 AR（增強現(xiàn)實）眼鏡則代表了 AI 與硬件結合，在開創(chuàng)增量市場、探索下一代個人終端的巨大潛力。

靈伴科技（Rokid）副總裁、XR 中心負責人王俊杰認為，AR 眼鏡有望成為下一代個人信息終端，它能在三維世界實現(xiàn)信息交互效率和體驗的巨大提升。

這個愿景的實現(xiàn)尤其需要空間計算和多模態(tài) AI 的深度融合，目前 Rokid 已經全面接入豆包多模態(tài) AI 大模型。

▲Rokid 副總裁、XR中心負責人王俊杰

Rokid 作為國內AR領域的領軍企業(yè)之一，其與火山引擎的合作，則為我們揭示了AI在空間計算時代可能扮演的關鍵角色。

據(jù)王俊杰介紹，與火山引擎豆包大模型的聯(lián)合研發(fā)，Rokid不 僅優(yōu)化了其 AR 眼鏡內置AI助手的數(shù)據(jù)鏈路，提升了語音識別的準確率和自然語言理解的深度，更重要的是，能夠結合豆包大模型的多模態(tài)理解能力，更好地將AI分析結果與用戶所處的真實物理環(huán)境進行融合與疊加，從而提升AR應用的綜合體驗。

例如，用戶佩戴 AR 眼鏡看到一幅畫作，AI 助手不僅能識別畫作信息，還能結合用戶偏好推薦相關的藝術展覽；或者在工業(yè)場景下，AR 眼鏡可以實時識別設備故障，并將維修指南以三維模型的形式疊加顯示在工人眼前。

從會「讀懂」孩子情緒的智能玩具，到能預測用戶需求的客廳管家，再到將虛擬與物理世界無縫融合的 AR眼鏡，成熟的硬件市場，開始興起一股 AIoT 產品的新浪潮。

構建 AI 時代的「新基建」

火山引擎在智能硬件上做的這些，在模型參數(shù)和算法迭代狂飆的今天，是一條有點不同的路線：它要做的，遠不只是硬件的「技術供應商」，也不是單純訓練一個更會「考試」的模型，或者一個更會「聊天」的機器人。

在火山引擎的劇本里，AI 是要真正「動起來」，隨著大量 AIoT 設備自然融入用戶的生活，成為能感知、會思考、有溫度的伙伴。

為了讓 AI 融入更多低算力的終端設備上，他們甚至把端側 SDK 壓縮到僅 100KB 內存的低功耗設備里，讓百元級硬件也能擁有「聰明大腦」 。

這背后，是對端云協(xié)同架構近乎苛刻地打磨，也是對成本控制的極致追求。當大模型推理成本被大幅降低，AI 才不再是少數(shù)巨頭的「專屬玩具」，而是真正有望「飛入尋常百姓家」 。

火山引擎最近也推出了 MCP 服務，那些在 AI 技術積累上還處于「新手村」的傳統(tǒng)企業(yè)或初創(chuàng)團隊，未來有望可以通過 MCP 服務，快速、便捷、低成本地為自家產品裝上 AI 引擎，實現(xiàn)從「功能機」到「智能機」的一鍵升級 。如同邢孝慈在分享中提到的：

MCP 等新服務進一步降低整體開發(fā)門檻，并且提高智能化的上限，使得更復雜、更智能的 AI 體驗能夠廣泛應用到各個行業(yè)

這種硬件和 AI 的融合，可不是簡單地給個 API 接口就完事了，而是從「芯」到「銷」的全鏈路服務：

從豆包大模型、RTC 實時通信這些底層技術「硬菜」，到扣子這樣的 AI 應用「快手菜」開發(fā)平臺，再到拉上博通集成、廣和通這些芯片模組大廠一起優(yōu)化，甚至還幫你對接電商渠道「帶貨」。

這種從底層技術到上層應用的完整生態(tài)閉環(huán) ，這不是簡單的業(yè)務延伸，更像是而是一次基礎設施級別的重新定義。邢孝慈告訴我們，智能硬件正從「功能型」向「服務型」轉變。

所以說，無論是軟件還是硬件，火山引擎似乎都正試圖構建 AI 時代的「新基建」。

在日新月異的 AI 洪流中，不只我們的工作方式會面臨轉變，在智能硬件市場很有可能也會迎來「重新洗牌」，開啟一個全新的競爭格局。在這個嶄新的賽道上，火山引擎已經在狂奔，更多廠商也正在入局。

我們或許也可以期待這些 AIoT 產品涌現(xiàn)后的新生活：多模態(tài)融合、端云協(xié)同的技術架構，以及基于 Agent 的自主服務能力，讓智能硬件升級到下一個維度的「智能」：真正懂用戶、更個性化、從被動轉向主動服務。