文 | 智能相對論 每文
要論2025年最火的智能硬件，智能眼鏡無疑是答案之一，而在蜂擁而入的玩家群體中，車企的出現(xiàn)頗為惹眼。
例如，理想汽車發(fā)布的AI眼鏡Livis引發(fā)熱議，大部分的討論，除了集中在AI眼鏡的體驗和交互邏輯上，比如輕、續(xù)航時間久，更在于交互時喊出“理想同學”，響應的到底是眼鏡還是車端，二者是否會沖突。
但實際上，理想推出該AI眼鏡，更重要的確實如理想本身所說，是具身智能的另一入口，是汽車行業(yè)，在經(jīng)歷了智能輔助駕駛的沖刷后，讓汽車本身與其它智能硬件成為具身智能體的不同表現(xiàn)形式。當汽車、智能硬件通過AI基座大模型統(tǒng)一聯(lián)合起來，汽車的盈利模式就將發(fā)生根本性變化，從單一賣車過渡到智能軟硬件的持續(xù)付費。
而當我們將視角放遠，我們能觀察到當下汽車向智能硬件的轉變，正是2019年硬件廠商轉型汽車制造的“后續(xù)”。當年，硬件廠商的汽車轉型為汽車打開了車機互聯(lián)、智能駕駛的可能性；現(xiàn)在，伴隨著AI發(fā)展，汽車與智能硬件越來越擁有著同一核心（只不過表現(xiàn)形式不同罷了），并因之產(chǎn)生新的機會，汽車廠商反攻智能硬件就成為一種輪回式的必然。
但需要注意的是，AI在技術、數(shù)據(jù)、算力、規(guī)模等方面的高投入，也決定了這場爭奪里馬太效應明顯，贏家更易通吃，以及商業(yè)爭斗一貫所有的「不成功便成仁」的悲壯。
從硬件到汽車到智能硬件，「盈利最優(yōu)解」塑造的商業(yè)新可能
智能硬件在車端展現(xiàn)出更大的商業(yè)可能，這并非無中生有，而是2019年硬件轉型汽車，與2025年汽車轉型智能硬件兩波潮流下延展出的水到渠成的選擇。
2019年，手機等硬件產(chǎn)業(yè)增長見頂，利潤降低，同年，中國新能源汽車銷量出現(xiàn)爆發(fā)性增長，年增幅在30%以上，這促使手機廠商盡皆向汽車制造方向的轉型。
這種轉型分為兩個方向，一種是直接造車，如小米，雷軍在2021年宣布小米正式進入智能電動汽車領域；
另一種是與車企合作，探索智能輔助駕駛、車機融合方案，如華為在2019年表示其將聚焦ICT（信息與通信技術）在車端應用，這在后來促成了華為HI模式與鴻蒙智行模式的誕生；當時，OPPO、VIVO、魅族等手機也競相開啟與車企的合作，NFC鑰匙、全場景智能車載解決方案層出不窮。
這本質是硬件廠商的第一波逐利，從簡單硬件（手機）制造往復雜硬件制造（汽車）的方向發(fā)展，但同時也形成了智能進入車端，以車機互聯(lián)與智能輔助駕駛為核心的中國新能源車的發(fā)展趨勢，并為此后的汽車本身成為智能體，打下基礎。
2023年，隨著特斯拉FSD V12發(fā)布，智駕風潮興起，隨后的一年多時間里，智能輔助駕駛技術快速迭代，技術方案收束到端到端，統(tǒng)一的、能自我學習進化、迭代最終表現(xiàn)的AI模型初步成型，汽車演變成了AI模型為基座的具身智能入口。
2025年，中國新能源汽車在經(jīng)過十五年的發(fā)展、2019～2024年的集中爆發(fā)后，在2021年Q1迎來近年來增速最低點，同時2024年出現(xiàn)增速多次月度回落，2024年底的激烈價格戰(zhàn)更是展現(xiàn)出行業(yè)增長受限與利潤變低的殘酷現(xiàn)實。
當此之時，汽車行業(yè)必須求變，而在此前智能融入汽車的趨勢里，將汽車在智駕發(fā)展下塑造成具身智能的入口，并與其它智能體結合，就成了一種業(yè)內共識的選擇。
特斯拉，推進「汽車+AI+機器人」的生態(tài)形成，將汽車拓展為AI生態(tài)的一部分，將機器人的可能性也融入該生態(tài)；
小鵬汽車，在地有汽車，在空有匯天飛行汽車，在機器人有Iron，學習特斯拉嘗試跑出「通用模型能力+多場景載體（汽車/機器人/飛行器）」的路徑；
大眾，與微軟合作AR眼鏡HoloLens，提供車輛行駛信息的同時，并將之放入船舶場景，幫助偏遠海事設備的診斷與維修；
寶馬，與華為HiCar合作，推動車內車聯(lián)硬件互聯(lián)與智能應用的集成；
這一趨勢甚至包括2023年蔚來推出的NIO Phone，這個曾被許多消費者評價為「無聊」的創(chuàng)新，現(xiàn)在看來也是車企智能硬件轉型的一個組成部分，只是它做的時間不巧，智能輔助駕駛和AI在2023年都未爆發(fā)發(fā)展，致使其最終只能湮滅于悄然無聲。
行業(yè)兩輪深度變革，都是以騰挪輾轉的策略探索高毛利的商業(yè)可能。在此過程中，兩股趨勢應運而生：其一，智能體技術加速向車載場景延伸；其二，汽車以具身智能的形態(tài)，搭建起與多元智能硬件互聯(lián)的橋梁。正是這兩股趨勢的連綿發(fā)展、彼此賦能，一方面推動智能硬件制造工藝完成成熟化蛻變，另一方面則為車端互聯(lián)創(chuàng)造出極具潛力的場景延伸方向。
賣車，從現(xiàn)在開始，將從一次性生意逐漸轉變?yōu)榍度胂M者生活方式的持續(xù)性付費的買賣。
智能硬件后，迥然不同的車企盈利模式
當我們觀察理想AI眼鏡的參數(shù)：僅36克的鏡架重量，單項續(xù)航時間為1000張照片、41分鐘視頻錄制、7.6小時音樂、6小時通話——這足以判斷其是一個超越車端的、更偏向于全天候使用的產(chǎn)品。
這也是智能硬件相較于汽車的優(yōu)勢，體量小，隨時可帶；價格便宜，用戶樂于下單；再因其綁定理想汽車，而形成消費者對理想汽車整體的品牌粘性。
更為重要的是，智能硬件便于更高頻次、更多傳感地手機用戶數(shù)據(jù)，且其與理想車內大模型與自研芯片相連，能很好地將日常采集的數(shù)據(jù)回傳理想AI大模型，形成數(shù)據(jù)閉環(huán)，并提升理想AI基座大模型的整體能力。
當理想的商業(yè)敘事從只是「造車」，演變成了「消費者智能生活平臺」，再疊加數(shù)據(jù)閉環(huán)與AI模型能力的優(yōu)勢，理想汽車就很容易延展出資本關注的新的商業(yè)可能，并進而提升估值。事實上，業(yè)內也有這樣的先例，小鵬汽車在2025 XPENG 科技日發(fā)布「物理AI」戰(zhàn)略，包括第二代 VLA 大模型、Robotaxi、全新 IRON 人形機器人、匯天飛行汽車后，公司股價盤中大漲13%，在媒體評價里也被稱為「物理AI」先鋒代表。
為什么資本對造車以外的市場如此看好？除了當下AI火熱的趨勢之外，也因造車和做以AI為核心的智能硬件，本質是兩種完全不同的生意。
如果我們把汽車看成具身智能的一種形式，其內部的AI基座模型就是核心，外部的汽車則只是AI的實體外顯以及與世界互動的端口，即軟件定義汽車（SDV）。
那么，汽車的生命周期，就從此前的購買、使用、維修、二手車買賣的邏輯，轉變?yōu)楣δ苡嗛?、OTA升級、座艙服務等可重復變現(xiàn)的軟件平臺，而這類軟件服務收入，往往有著比汽車制造更高的毛利率。
其次，未來智能硬件的邏輯其實與汽車相似，均為具身智能的不同入口，那么，其AI基座模型則可以互通，可將感知、定位、生成式交互、OTA平臺做成可復用的組件，以此攤薄昂貴的算法、算力、數(shù)據(jù)成本。要知道，目前智能輔助駕駛領域，Momenta能跑到頭部，且保持較高性價比，其中一個重要原因就在于其以端到端飛輪模型適配不同汽車品牌/不同車型，目前其合作兩次車型已超過130款，通過規(guī)模效應攤薄開發(fā)與服務成本。
其三，疊加產(chǎn)業(yè)鏈溢出的優(yōu)勢，AI可以超越汽車這一單一場景，用于工業(yè)端的生產(chǎn)提效，比如西門子就用AI優(yōu)化生產(chǎn)線，以提升產(chǎn)能和良率，并進一步反哺成本和交付速度，使AI成為跨部門的共用能力，提升整體效能。
更高毛利的服務收入，攤薄的算力、算法、數(shù)據(jù)成本，對公司產(chǎn)品與運營的整體提速，形成了智能硬件基于其背后AI模型發(fā)展的嶄新路徑，這將重塑汽車和智能硬件未來的能力與盈利模式，也為企業(yè)帶來更大的商業(yè)想象。
當下眾多車企向智能硬件的轉型，本質就是向AI基座模型與具身智能體的轉型，但這種轉型不可能一帆風順，事實上，因為AI對算力、算法、數(shù)據(jù)的高準入門檻與高成本，這一賽道的馬太效應無疑會更為嚴重。
轉型之下，格局難重塑
轉型AI，聽起來美妙，做起來難——這是一個和傳統(tǒng)制造完全不同的行業(yè)，算法、算力、數(shù)據(jù)、供應鏈整合與規(guī)?；芰?，缺一不可地塑造了它的壁壘，對所有的入局者都提出了更高的要求。
如果汽車和智能硬件都采用同一個AI底座的話，那目前去切入的算法還是端到端或者從端到端延伸，也就意味著投喂的數(shù)據(jù)量要足夠大，大到讓算法自己去學習，與之相對的，就是車企的汽車，或者其他智能硬件能賣多少的問題。
特斯拉能快速建立其在智能輔助駕駛方面的優(yōu)勢，和它全球車隊的行駛數(shù)據(jù)有很大的關系，即「里程訓練/驗證/覆蓋邊緣場景」的三合一，往智能硬件/具身智能方面延展的邏輯也很相似，賣的多，用戶用的多，整個數(shù)據(jù)閉環(huán)才能跑通。而現(xiàn)在處于頭部并且有能力、有余理做智能硬件的，其實就那么幾家車企，中尾部的車企優(yōu)勢很小，不過也不排除彎道超車的可能性。
算力購買、算法研究，數(shù)據(jù)閉環(huán)、算法迭代，技術人員配置，都需要錢，而且是很大一筆錢。比如理想2024年財報里就提到其在 R&D （Research and Development 通譯研究開發(fā)部）方面支出了約111億元人民幣，小鵬汽車計劃2025年 R&D 支出95億元，其中AI約45億元人民幣。特斯拉更夸張，因其自建Dojo，在AI算力上投入是十億美元級別，2024年的 R&D 是差不多4.5～4.6億美元。
數(shù)字全都很驚人，而且這都基本只是一年的投入，市場和資本對這種投入也都很敏感，基本是短期看漲，長期看兌現(xiàn)能力，如果錢給到位，但技術發(fā)展速度不過關，后面可能也很難再拿投資。
因此，總的來看，這些能夠跑通AI、汽車、智能硬件、具身智能不同端口的企業(yè)，本質一定要有資金、技術人員、規(guī)模化的支撐，這樣才能購買芯片或算力、迭代算法，并在規(guī)?；绿嵘鵄I的整體表現(xiàn)。
而這些要求決定了，只有頭部那些被許多消費者所選擇的品牌，才能夠做得到，行業(yè)格局不會有什么改變，甚至更加固化。