2026 智能硬件浪潮深度复盘：与 2015 年的本质差异、被低估的两个约束，以及会起决定性作用的技术

guozi

2026 年，IDC 把全球智能手机出货量预测下调到 10.9 亿部，同比 −13.9%，史上最陡的一次年度收缩。同一年，中国智能眼镜出货量同比增长 77.7%，AI 录音卡、智能戒指、手持拍摄配件集体放量。

很多人把这解释成"手机不行了，大家去买别的"。这个解释是错的——按均价和体量算，新品类根本吃不下手机丢掉的需求。真实的因果链要绕一个更大的弯，而这个弯，恰好解释了这一轮智能硬件和 2015 年那波"智能硬件元年"的全部差异。

本文想回答三个问题：这一次和 2015 年到底差在哪里？真正的技术约束是什么？哪些技术会起决定性作用？


一、先看这组反常识的数据
先把两组同时发生在 2026 年的数字摆在一起。


图 1：手机与智能眼镜的反差
左边是手机：2026 年全球出货 10.9 亿部，同比 −13.9%，自 2013 年以来的最低点；平均售价冲到 550 美元的历史新高，比 2025 年高出 100 美元。IDC 还给了一个更冷的判断：2025 年还有超过 1.7 亿台规模的 100 美元以下机型，在存储成本永久性抬升之后，这个价位段”在经济上不再可行”。

右边是新品类：中国智能眼镜出货量同比 +77.7%，全球 AI 眼镜（群智口径）+72%，2026 年 Q1 全球智能眼镜出货同比大增 130.1%。商务部数据显示，2026 年上半年智能眼镜网络零售额增长 151.7%。

一边是手机以史上最快速度萎缩，一边是挂在耳朵上、贴在手机背面、戴在手指上的小玩意在翻倍。

这个反差不能用”需求转移”解释——AI 眼镜均价 1500 元左右，中国市场一年不到 500 万台，无论如何吃不下手机丢掉的那几千万台。

真实的因果链是这样的：AI 算力虹吸存储产能 → 消费级 DRAM/NAND 结构性涨价 → 手机低端市场被判死刑 → 整条消费电子供应链的产能、工程师和摊销不完的研发投入，被迫寻找新出口。

也就是说，压死手机低端市场的那个原因，和把供应链推向新品类的那个原因，是同一个。这一轮”消费电子开始主动引导消费者买智能硬件”，本质不是营销驱动，是产能驱动。

要理解这件事的分量，得先把 2015 年复盘干净。
二、复盘 2015：错的不是产品，是”智能”这个词的定义
2014 到 2015 年是中文语境里的”智能硬件元年”。众筹平台集体爆发，智能手环、智能插座、智能水杯、智能体重秤、智能自行车、智能空气盒子批量上市。据当时的不完全统计，2014 年全国有近 70 家智能硬件企业拿到融资，总规模约 5 亿美元，但拿到 B 轮及以后的寥寥无几。

然后整个赛道崩塌。Jawbone 的主要贷款方 BlackRock 把它的股价估值从 5.97 美元/股下调到不足 1 美分，最终清算；Pebble 被 Fitbit 收购，Fitbit 自己后来被 Google 收走；IDC 记录到智能手表出货量的首次同比下降。国内这边，绝大多数众筹项目连量产都没走完，走完的良品率不到 50%。

事后复盘给了三个原因：伪需求、供应链能力不足、资本退潮。都对，但都停留在现象层。往下再挖一层，那一代产品有一个共同的结构性缺陷：

它们把“智能”定义成了“联网 + App”。

在这个定义下，硬件在价值链里的位置是手机的外设。它的全部工作是采集一个手机采集不到的物理量，通过蓝牙送回手机，由 App 画成一张图表给你看。

这个位置有三个致命问题。

第一，采集了数据，但拿不到意义。 手环告诉你今天走了 8437 步、深睡 1 小时 42 分钟。然后呢？把统计量翻译成”你该做什么”，需要理解你的日程、你的身体基线、你上周的状态、你此刻的目标——2015 年的技术栈做不到，它只能做阈值告警和柱状图。于是这个翻译工作被推给了用户，用户翻译了两周就不翻译了，设备进了抽屉。

所谓“伪需求”，很大程度上是真需求配了一个交付不了价值的技术栈。

第二，交互成本高于信息价值。 配网、下 App、注册、绑定、打开、找到那张图表。用户为获取一条信息付出的动作成本超过了信息本身的价值。这是留存断崖的直接原因，也是为什么当年”能不能不用配网”是个行业级痛点。

第三，只有一次性硬件毛利，没有持续收入。 没有服务收入意味着唯一的竞争手段是价格。当年智能插座的经典场面是”你卖 49 我就卖 39，你卖 39 我就卖 29″，钱烧完集体退场。少数活下来的第一件事是成立 ToB 事业部——因为在 C 端，除了手机，没有别的东西是刚需。

再看当时的驱动力，会发现能量来源全部是外溢的：智能手机把 BLE、MEMS 传感器、锂电池、代工产能的成本打到很低，移动互联网红利和资本热度提供流量和钱。供给侧有富余，需求侧靠讲故事。这是一次典型的”因为能做，所以去做”。

结论很清楚：2015 年缺的不是硬件能力。传感器在、连接在、供应链在，缺的是理解层。数据有了，语义没有。
三、2026 的根本差异：硬件不再是手机的外设，而是模型的器官
现在把镜头切到 2026 年。同样的问题：这一次的硬件站在价值链的哪个位置？

大模型有一个先天残疾——它没有身体。它拿不到你会议室里说的那句话，看不到你货架上那批货的标签，摸不到你昨晚的心率变异性。它所有的智能被锁在一个文本框里，只能处理你主动喂给它的东西。而”你主动喂”这个动作，就是全部成本所在。

所以这一轮硬件的价值命题变成了：替 AI 拿到那些它拿不到的上下文，并且尽可能不打扰你。


图 2：从”手机的外设”到”模型的器官”
这个位置变化带来四层结构性差异。

3.1 语义层：数据到结论的转化成本塌了

最能说明问题的品类是 AI 录音卡。

录音这件事没有任何技术新意——录音笔卖了三十年，2015 年也完全可以做一个联网录音笔。为什么当时做不成，现在能做成？

因为 2015 年的产品只能交付”一段音频”，用户还得自己听一遍、自己记要点、自己整理成纪要。而现在，ASR 加上大模型后处理，交付物直接变成了结论：谁在什么时候承诺了什么、待办有哪些、和上周那次会的口径有没有冲突。

硬件几乎没变，后处理变了十倍，同一个东西就从“素材采集器”升格成了“结论生成器”。 以 Plaud 为代表的 AI 录音硬件，公开报道口径下年营收已到 2.5 亿美元级别、累计销量破百万台——它卖的不是麦克风质量，是”你不用听第二遍”。

这给产品经理一个可以直接用的公式：

AI 硬件的用户价值 = 采集质量 × 后处理能力 − 佩戴/使用摩擦

2015 年的产品是第一项还行、第二项接近 0、第三项很高。2026 年是第二项暴涨、第三项在被工程手段压低。整个赛道的价值来源在第二项和第三项，不在第一项。

3.2 交互层：从”人操作设备”反转为”设备理解人”

2015 年的链路是：人 → 打开 App → 操作设备 → 读结果，每一次交互都必须由人发起。

2026 年的链路是：设备常开感知 → agent 判断值不值得打断你 → 主动给结论，人的动作成本趋近于零。

这个反转直接决定了形态的演化方向是去屏幕化，而这有硬数据支撑。


图 3：形态在做减法
为什么？因为屏幕是”人操作设备”这个范式的产物。如果不需要操作，就不需要屏幕；不需要屏幕，就能砍掉显示模组、砍掉功耗、砍掉重量、砍掉成本。行业里已经有人把话说得很直白：竞争焦点正从”显示能力”转向”轻量化”，谁能把重量压到 40 克以下同时保住核心功能，谁就拿到下一阶段的定价权。

这是一条反直觉但很关键的判断：这一轮 AI 硬件的技术竞赛，方向是“减法”而不是“加法”。 加显示、加算力、加传感器是 2015 年的思路；这一轮赢的是能把东西拿掉、还保住体验的团队。

3.3 分工层：端侧负责”值不值得叫醒云”

2015 年的”云”只是一个存数据的地方。2026 年的端云分工是一个真实的工程架构。


图 4：端云分工架构
这里有一个今年才真正到位的新变量：近存计算与 3D 堆叠。传统端侧芯片跑大模型的瓶颈不是算力而是内存带宽（”内存墙”），因为推理要反复搬运权重。瑞芯微 RK1828 把 DRAM 直接堆在 NPU 上（2.5GB/5GB 可选，理论带宽约 1TB/s），3B 模型推理超过 100 token/s，而同代通用 SoC RK3588 跑同样模型只有十几 token/s——接近一个数量级的差距。光羽芯辰的 TC1020 用 3D 堆叠近存算架构做到 56 TOPS@INT8、7B 模型解码超过 200 token/s。

但这里要立刻插一句冷水，也是本文我最想让你带走的技术判断。这个判断在下一节展开，先记住结论：“在眼镜或戒指上跑一个像样的端侧大模型”，在 2026 年的物理条件下根本不成立。

3.4 供给层：手机存量市场把整条供应链推向新品类

这是和 2015 年最大的机制性差别。

2015 年供给侧是富余的，富余带来低门槛和同质化。2026 年供给侧是被挤压的，而挤压来自 AI 自己。


图 5：AI 算力对存储产能的虹吸
存储厂商把先进产能大量转向 HBM 和企业级 SSD，消费级 LPDDR、UFS 被结构性挤出。美光在 2025 年底直接停掉了面向消费者的关键业务，把产能让给 AI。多家机构判断，供需紧绷至少延续到 2027 年。

于是发生了两件事，它们是同一枚硬币的两面：

一面，手机的中低端被判了死刑。 厂商减少中低端投放、转向高毛利高端，IDC 预计 2026 年 Q1 有 60% 出货量来自 800 美元以上机型。换机周期被拉长——Asymco 基于 IDC 数据推算，设备平均在用寿命已从 2016 年的不足 4 年拉到 8 年左右，并且保持稳定。

另一面，整条产业链必须找新出口。 镜头模组、MEMS、麦克风阵列、微型电池、SiP 封装、蓝牙 SoC、结构件——这些为手机准备的能力现在大量闲置。拆开一副 AI 眼镜的 BOM，你会发现里面几乎全是手机成熟件的复用。

对从业者来说，这个判断有一个非常实际的推论：

你现在能拿到的供应链支持、内部资源和渠道倾斜，是十年一遇的宽松，但它是被动宽松，不是战略共识。 一旦手机在 2028 年恢复增长（IDC 预计 +5.5%），资源会被抽回。窗口期是明确的。
四、被低估的两个约束：这一轮的胜负手不在算力
大多数讨论把 2026 年的 AI 硬件竞赛描述成算力竞赛。这个框架是错的。真正的约束是另外两个。

4.1 约束一：能量预算，不是算力预算

先看那个让”端侧大模型 + 可穿戴”这个组合当场失效的数字。


图 6：功耗数量级对比
TC1020 这类端侧大模型推理芯片的整芯功耗是 8–15W。而一副 50 克的 AI 眼镜，整机平均功耗预算在百毫瓦量级（按这类产品的电池容量与续航反推）。这两个数字差了两个数量级。

所以可穿戴上的端侧 AI 只能做三件事：唤醒词识别、语音/事件活动检测、关键帧筛选。它的职责不是替代云，而是判断这一秒值不值得叫醒云。真正能吃下 8–15W 的是插电设备、AI PC、机器人、车机、边缘盒子。

那些宣传”端侧大模型眼镜”的产品，绝大多数在做的是市场语言而不是技术事实。产品经理做技术选型和竞品分析时，第一个该问的问题是“这个方案的功耗预算是多少”，而不是“参数量多大”。

有人会说：电池不是在突破吗？确实在突破，但红利分配和你想的不一样。


图 7：电池突破与可穿戴的错配
硅的理论比容量是石墨的 11 倍以上，硅碳/全硅负极的产业化在 2026 年集中落地：联想 ED1000 做到 1000Wh/L、是首款突破四位数的笔记本电池；手机端进入”万级毫安时时代”，荣耀青海湖硅含量达 32%、能量密度突破 985Wh/L，头部厂商均已签供货协议。对比一下这个进度的分量：过去几年消费电池的能量密度年提升只有约 3%。

但能量密度是“每单位体积的能量”，而可穿戴的问题是体积本身就接近于零。一副眼镜的镜腿里能塞进百毫安时量级的电池，一枚戒指是几十毫安时量级。能量密度提升 30%，绝对容量还是百毫安时。这类产品的续航方程式里，分母基本被物理形态锁死了。

所以可穿戴唯一的解法是把分子做小——降低单位有效信息的能耗：

• AON（always-on）子系统：微瓦级协处理器常开监听，主 SoC 深度睡眠
• 事件驱动传感器：只在变化发生时输出，而不是按帧率恒定输出
• 端侧粗筛：VAD、关键帧筛选、人声分类在毫瓦级完成，只有通过筛选的数据才付费上云
• 通信策略：BLE 传一个事件包是微焦耳量级，WiFi 唤醒传一段音视频是数百毫瓦量级，两者差几个数量级；什么时候攒批、什么时候实时，是产品决策而不是纯技术决策


给产品经理的可执行结论：AI 硬件的产品定义必须从“能量预算”倒推功能，而不是从功能清单倒推电池。

具体做法是在写 PRD 之前先做一张能量预算表：列出每个功能在每种状态下的功耗和日均触发次数，算出日均毫瓦时，除以电池容量得到续航天数，再拿这个数字去和目标用户”可接受的充电频率”对齐——眼镜是一天，手表是一周，戒指是半个月以上。超出的功能不是砍掉优先级，是物理上不能存在。

这也是为什么”常开摄像头”至今没有一款成功的消费级产品：图像传感器常开在几十毫瓦量级，直接吃掉眼镜的全部预算。谁解决了这个问题，谁就拿到了下一代交互入口。

4.2 约束二：内存成本，不是芯片成本

第二个约束更隐蔽，而且几乎没人在产品讨论里提到它。

端侧模型要占 DRAM。一个 4bit 量化的 3B 模型约 1.5–2GB，7B 约 4GB 出头。而 DRAM 正是当下最紧缺、涨价最猛的那个料——回看图 5：占比正从 13% 冲向 43%，2026Q3 合约价还在季增 13–18%。

端侧模型的参数量，正在被内存价格直接定价。

这条约束有四个很具体的后果：

第一，“能用 1B 做到的事绝不用 7B”会从工程偏好变成财务纪律。 模型小一档，省下的不只是算力和功耗，是最贵的那颗料。蒸馏、量化、任务专用小模型的价值被系统性重估。

第二，“轻端重云”的性价比在回升。 过去两年”端侧优先”是主流叙事，理由是隐私、延迟、成本。但当端侧的边际成本主要是 DRAM 而 DRAM 在涨、云端的边际成本主要是 GPU 摊销而推理价格在跌，天平会往回摆。注意这不是说端侧不重要，而是端侧的职责会更纯粹地收缩到“感知与筛选”，把“推理与生成”让回云端。IDC 的数据也印证了这一点：2026 年智能眼镜里端侧支持 AI 的占比超 30%，而语音助手支持大模型的占比超 75%。

第三，降低内存依赖的架构方案价值被重估。 这就是为什么 3D 堆叠、近存计算在 2026 年突然成了焦点——它们同时打中两个约束：既提升有效带宽，又降低对外挂大容量 DRAM 的依赖。一个技术能同时缓解两个独立约束，这是它会成为决定性技术的信号。

第四，低价 AI 硬件的窗口正在关闭。 199 元的 AI 硬件如果需要 2GB DRAM 跑端侧模型，在今天的物料价格下毛利为负。这一轮不会重演 2015 年的价格战——不是大家学乖了，是物料成本不允许。这对行业其实是好事：它强制了差异化竞争。
五、五条趋势判断
把前面的分析收敛成五条可以直接拿去做决策的判断。

判断一：上下文采集权 > 模型能力。 模型能力正在被快速拉平——开源追赶迅速，API 价格持续下降。不会被拉平的是“你能持续拿到什么别人拿不到的上下文”。 会议室里的对话、货架前的视线、夜间的心率变异性、工地的现场记录，这些采集权有排他性。硬件的战略意义不是硬件本身，是它占据的采集位置。

判断二：形态竞争的核心变量是社交摩擦，不是参数。 Ray-Ban Meta 的 48–49 克、几乎与传统雷朋一致的外观、299 美元只比传统太阳镜贵 50 美元，本质是”隐形智能化”。用户拒绝一个 AI 硬件，绝大多数时候不是因为它不够聪明，是因为带着它让人觉得别扭。 这一项在需求文档里几乎从来没有指标，但它是留存的第一决定因素——建议正式加一条”社交摩擦度”，用真实场景的佩戴时长而不是问卷来度量。

判断三：记忆层是真正的护城河，不是模型也不是硬件。 硬件会被抄，模型会被追平，但”这台设备对这个用户积累了 18 个月的个人上下文”不可迁移。IDC 在智能眼镜洞察里点到同一件事：”持续用户行为数据构建的个性化认知体系”。谁掌握个人记忆库和它的检索质量，谁掌握换机时的迁移成本。

判断四：从单设备智能走向“个人 agent 总线”。 用户不会只有一个 AI 硬件。眼镜看到的、录音卡听到的、戒指测到的，需要汇进同一个上下文。跨设备的调度、优先级、去重、冲突消解这一层现在是空白的，而它天然不属于任何单一硬件厂商——这是这一轮最大的、还没被占住的位置，也是手机厂商最可能凭系统层优势拿下的位置。创业公司要想清楚自己在这里是补位还是被吃掉。

判断五：从卖设备转向卖结论，但和 2015 年的“硬件免费 + 服务收费”有本质区别。 那个故事当年失败了，因为服务既没有边际成本也没有付费意愿——图表是免费的。这一轮不同：AI 后处理有真实的推理成本，也有被验证的付费意愿。这意味着硬件毛利可以让位于订阅，硬件定价可以按获客成本而不是按 BOM 加成来算。 但要注意 Omdia 的提醒：随着终端价格上升，厂商需要同时加速设备融资、以旧换新、捆绑销售来维持可负担性。财务模型的改造和产品设计一样重要。
六、机会地图：什么该做，什么别做
把 2015 和 2026 的品类放进同一张坐标系，取舍逻辑会变得很清楚。


图 8：机会地图
两个横纵轴就是全部答案：采集位置手机能不能替代，单次结论值多少钱。 2015 年的品类几乎全部挤在左下角——手机轻易替代，结论价值极低。

值得做的三类

• 垂直场景的”采集 + 结论”闭环。 选一个手机进不去、但价值密度高的场景，把采集和后处理一起做完。医疗访视、工地巡检、田间农技、门店导购、专业运动、宠物监护——共性是有排他的采集位置、有明确的结论交付物、有 B 端或专业消费者的付费能力。
• 给存量硬件加 AI 后处理层。 世界上已经有海量录音笔、行车记录仪、监控摄像头、运动手表在产出数据，绝大部分从未被理解过。做后处理不用碰硬件、不用碰供应链、不用承担库存风险，是这一轮风险收益比最好的位置。
• 记忆层与跨设备协议层。 难，但位置最好，且大厂在这一层的动作还很分散。


不值得做的三类

• 通用 AI 助手硬件。 “一个什么都能问的小盒子”没有采集位置的排他性，直接和手机竞争，而且是拿几百毫瓦对抗几瓦。
• 和手机高度重合的形态。 凡是”掏出来、点亮屏幕、操作”的产品，都在和一个用户已经带着、性能强 100 倍、不额外花钱的设备竞争。
• 靠硬件毛利活的模式。 物料在涨、同质化在加速、渠道费用在升，这条路在 2026 年的成本结构下已经堵死。


按角色的具体动作


七、哪些技术会起决定性作用
最后回答这个问题。我按”是否解除了真实约束”来排，而不是按热度排。


图 9：决定性技术的四个象限
第一梯队：决定成败

1. 近存计算 / 3D 堆叠内存。 它同时缓解了带宽约束和内存成本约束两个独立瓶颈。RK1828 把 3B 模型从十几 token/s 拉到 100+ token/s 是接近一个数量级的跃迁。如果这条路线的功耗能从 8–15W 降到 1W 以下，可穿戴的端侧智能才真正开局——这是最值得跟踪的单一技术指标。

2. 常开低功耗感知子系统（AON + 事件驱动传感器）。 它决定形态能不能成立。眼镜、戒指、挂件的存在前提是”常开且续航可接受”，这完全取决于微瓦到毫瓦级的感知子系统能做到多聪明的粗筛。这一层是产品体验的物理天花板，而且它不性感、没有发布会声量，容易被严重低估。

3. 端云协同的调度与隐私边界（含端侧脱敏）。 常开采集必然触碰隐私，而隐私是这一轮唯一有可能杀死整个品类的非技术风险（回想 Google Glass）。解法是端侧完成脱敏和筛选、只有必要数据上云，并且这个边界要能被用户看见和验证。能不能被大规模社会接受，取决于这一层做得有多干净。

第二梯队：决定体验上限

4. 长期记忆与个人知识库检索。 决定”用得越久越好用”这条曲线的斜率。技术上不算前沿，但工程质量差异巨大。

5. 硅基负极与电源管理。 突破是真的，但红利主要归手机和 AI PC。放在第二梯队不是因为技术不重要，是因为它解不开可穿戴的核心约束。

6. 微型光学与 MEMS 轻量化。 直接对应 40 克这条定价权线。谁在重量上领先半代，谁在同价位拿到溢价。

会被高估

端侧超大参数模型。 功耗和内存成本双重不成立，至少在可穿戴上。它在 AI PC、机器人、车机上有价值，但在”戴在身上的东西”这个语境里，2026 年谈这个基本是市场语言。

全彩 AR 显示（近期）。 IDC 的数据已经给了答案：非全彩占比将升至 85%。显示是重量、功耗、成本的三重杀手，而目前还没有一个杀手级应用非它不可。中长期一定会来，但把公司押在它今年放量上是危险的。

脑机接口、肌电手环。 技术曲线上真实，商业曲线上还早。适合技术储备，不适合产品主线。
结语：两个判断，一句提醒
第一个判断： 2015 年那波硬件死于”没有理解层”——传感器采集了一切，但没有东西能把数据变成意义。这个问题在 2026 年被大模型解决了。

第二个判断： 也正因为如此，这一轮最大的风险变了，变成了”只有理解层，没有理由层“。当理解能力对所有人都廉价可得时，用户凭什么在手机之外多带一个东西、多充一次电、多付一笔订阅？这个问题的答案不在技术里，在场景里——它要求你找到一个手机到不了、而价值又足够高的采集点。这是这一轮唯一真正稀缺的东西，也是产品经理在这一轮里最核心的工作。

一句提醒： 窗口比大多数人想的短。供应链是共享的，模型能力在被拉平，2026 年上半年国内已经亮相 31 款 AI 眼镜。当所有人都能用同一批料、调同一档模型、找同一批代工时，同质化的速度会快得惊人。IDC 把 2026 年定性为”卡位赛之年”——卡位赛的含义是，渠道、供应链和生态绑定在这一年的选择，决定了 2027 年放量期的座次，而不是产品力在放量期的现场比拼。

留给”想清楚再做”的时间，大概是 12 到 18 个月。

留一个问题给你： 如果只能保留一个”手机拿不到、而你的产品能拿到”的上下文，你会选什么？欢迎在评论区聊聊你所在场景里那个”手机进不去的地方”。

附：数据来源与口径说明

本文所有关键数据的来源如下，便于核查与讨论。



文中涉及的功耗数量级（可穿戴百毫瓦级整机预算、AON 微瓦级、图像传感器常开数十毫瓦级、BLE 与 WiFi 通信能耗差异）为基于公开器件规格的量级推算，用于说明约束关系，具体项目须按实际方案建表核算。图 2、图 4、图 8、图 9 中的框架与定位为作者判断，非机构数据。

专栏作家

大仙河，公众号：大仙河知识学堂，人人都是产品经理专栏作家。7年AI产品相关经验，专注AI产品化（元宇宙、数字人、全息通信等）领域，致力于构建人工智能学术和工业界的桥梁。

本文原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于CC0协议

--------------------------------------------------
本文转载自：https://www.woshipm.com/it/6452227.html