大模型和硬件之间，长出了一层新生意

前两年，我在河南、河北、东莞、深圳等地，认识过一批「AI 玩具公司」。 它们做的事情大体相似：定制一个手办，再给它加上语音对话；或者把语音模组塞进毛绒玩具，让一个普通玩偶可以和人聊天。一些公司甚至借着 AI 的新鲜感迅速出海。 2024 年前后，这件事情本身还有一定的技术门槛。要让一个玩具真正开口，需要把主控、麦克风、联网等硬件，与 ASR、LLM、TTS 等软件服务串起来。对于传统玩具厂商和 IP 方来说，这已经超出了原本熟悉的能力范围。 但这两年，AI 硬件的开发门槛下降得越来越快。 3D 打印、PCB 打样和成熟开发板越来越容易获得，开源社区也已经提供了大量现成方案，从语音对话到舵机、电机控制，都可以找到较为成熟的项目。 最近，我们拿到了这样一块近乎「傻瓜式」的 AI 模组。不用写代码，在开发平台选好模型、音色和角色，几分钟就能让它开口说话。再塞进一个毛绒玩具，一款最基础的 AI 玩具就有了。 做出这块模组的是一家 2025 年成立的澜存科技。 澜存目前有两个核心产品：澜卡 LC-1.7 系列标准 AI 模组，以及配套的澜存智能平台。前者集成语音、联网和多种硬件接口，可以继续外接屏幕、传感器、电机和舵机；后者负责模型、Agent、音色、角色、记忆和 Skill 等能力的配置。 通过澜存产品，一个完全没有代码编程背景和软硬件联调经历的用户，可以在五分钟完成一个线上智能体的建立，并在半小时内让自己的硬件可以开始说话和做出表情控制、情绪感知。 目前，澜存的客户也已经从 AI 玩具延伸到消费电子、智能家居、可穿戴设备和机器人。 为了看看目前 AI 硬件的开发门槛降到了什么程度，我们用澜存的模组和开发平台，做了两个实验。 我没有硬件开发经验，软件开发基本依靠 Vibe Coding。最后，我们用澜存的模组和开发平台做出了两个东西：一个能对话、还有一双电子眼睛的 AI 毛绒玩具（在这里我们致敬《奥德赛》中的独眼巨人，波塞冬之子），一个按照指令做动作的桌面机器人。 实验一：定制 Q 版波塞冬之子 最近诺兰的《奥德赛》很火，网友也玩起了其中独眼巨人——海神波塞冬之子的梗： 「我原本做奶酪、放羊，每天特别幸福，然后突然冲出来一堆人，一堆事，把我给毁了。」 我们也根据这个二创形象，又做了一次二次创作。 如果把它做成一个 Q 版 AI 玩具：从小在海边和羊群里长大，单纯、话少、远离人世，不太懂复杂的人情世故，却很能察觉人的情绪。 和这样的「波塞冬之子」聊天，会是什么感觉？ 请看 VCR—— 注：和定制 Q 版波塞冬之子对话。你可以从对话中感受到它性格；随着情绪改变，眼睛状态也会变化。 在整个产品的制造中，最简单的部分，其实是「灵魂的注入」。 澜存的标准产品澜卡 LC.AI 已经支持模型、音色、角色性格、MCP 和 Skill 等配置。打开开发者控制台，新建一个智能体，选择模型和语音，再通过 Prompt 写下「独眼巨人」的性格，一个角色的「大脑」就基本完成了。 随后打开设备，输入设备播报的号码，就可以把手里的模组与云端智能体绑定。 到这里，一个能听、能说、有自己性格的 AI 玩具，其实已经基本成形。 模组和开发平台，帮助用户省掉了一条过去需要开发者自己搭建的链路。 澜卡 LC.AI 基于 ESP32-S3，将主控、联网、语音和硬件接口集成在一块模组中。开发者不再需要从麦克风采集开始，把 ASR、模型请求、TTS、扬声器输出逐个串起来，可以直接从「它应该是什么角色」「它应该有什么功能」开始做产品。 但我们还想让它更像一个「活物」，更符合「独眼巨人的设置」。 于是，我们给它加上了眼睛。 到了这里，事情开始稍微复杂起来。 澜卡保留了 GPIO、ADC 等接口，可以继续连接显示屏、传感器、舵机等外围设备。 但新增一块显示屏，需要确认接口、配置 SDK、修改工程，再把新的程序烧录进模组。澜存提供了配置工程包，我们直接把工程放进 Cursor，在 Coding Agent 的帮助下完成配置和烧录。 借助澜卡提供的配置工程包，我在 Cursor 中快速完成了烧录。 值得一提的是，在整个开发过程中，AI Coding 赋予了我巨大的能力。使我无软硬件开发背景的时候，在 AI 的帮助下，也能完成整个过程。 例如，在烧录进行到一半便陷入卡顿，提示数据校验失败。 我自己很难判断问题究竟出在程序、开发环境，还是硬件连接。但把报错交给 Cursor Agent 后，它很快找到了原因：Cursor 自己占用了设备端口，和烧录程序「打架」了。 按照它给出的方案释放端口、重新连接设备，再次烧录，程序顺利写入。 固件烧录成功，眼睛也亮了起来。 从配置环境到排查报错，我并不需要先弄懂嵌入式开发中的每一个概念。遇到问题，直接把代码、环境和报错交给 Coding Agent，它可以帮助定位问题，再告诉我下一步怎么做。 最后，我们把模组、两块显示屏和其他部件一起塞进毛绒玩具。一个原本只有外壳的玩偶，现在可以和人聊天，也有了一双会随着对话变化的眼睛。 这个实验中，你可以看到，AI 硬件开发的门槛已经降得很低。一个没有嵌入式开发经验的人，也可以自己搭出一个 AI 玩具。澜存的标准模组省掉了大量底层软硬件集成，Coding Agent 又接手了一部分配置、烧录和 Debug。很多原本需要专业开发者解决的问题，现在可以边做边学。 对拥有 IP 和 To C 玩具制造能力的厂商来说，这也意味着更低的试错成本。第一版产品可以更快做出来，之后调整角色、交互和硬件功能也更方便。厂商可以少花一些时间反复解决模型怎么接、硬件怎么调，把更多精力放在产品和用户体验。 实验二：听懂话、能行动的桌面机器人 接下来，我们进一步测试模组对第三方硬件的支持，以及它的运动控制能力。 这次选择的是 OTTO 开源机器人。它本身已经具备控制板、舵机和一套写在本地的基础动作，可以走路、举手和跳舞。在此基础上，我们又采用 UP 主「牛逼的小虾米」开源的 MCP 聊天机器人项目，完成机器人端的基础配置。 接入澜存并不复杂。在 SDK 编辑器中替换原有 OTA 地址，重新编译、烧录固件，再到澜存开发者平台创建智能体并绑定设备，机器人很快就有了基础的语音对话能力。 但这时出现了一个问题：它能听懂我们说什么，却不会按照要求行动。 即使设备固件中已经存在 MCP 动作工具，云端 Agent 仍然无法直接调用。我们让它举手，它甚至一本正经地回答：「我是固定机器人，不能运动。」 我们把问题连同澜存开发文档一起交给 Agent 排查。它发现，一方面 build 目录仍然缓存着旧工程路径；另一方面，还需要把这些能力通过 Skill 配置给智能体，云端 Agent 才能去调用。 Agent 随后帮助修改并重新烧录固件，又按照我们的目标生成了对应的 Skill 工作流。 最后一步，只需要把生成的 Skill 配置给此前创建的智能体。至此，自然语言、Agent 和机器人本地动作终于连了起来。 接下来，请欣赏机器人的互动和舞蹈—— 注：通过语音对话，和机器人互动。 这个实验说明，澜存的平台并不完全依赖自有模组。已经具备控制板和执行机构的设备，也可以直接接入平台，再通过 Skill 把 Agent 与物理动作连接起