Tony Fadell:首波 AI 硬體失敗,因未解決真實需求
Fadell 在 MIT Future Fest 上表示,Rabbit R1、Humane Ai Pin 和 Limitless 掛墜這批第一代 AI 硬體失敗,是因為沒有解決任何真實需求,只是對極客有趣的技術。他指出全球不到 0.01% 的人用過人類助理,多數消費者並不知道助理是什麼,建立信任需要數年。
依意思最接近的 22 筆
Fadell 在 MIT Future Fest 上表示,Rabbit R1、Humane Ai Pin 和 Limitless 掛墜這批第一代 AI 硬體失敗,是因為沒有解決任何真實需求,只是對極客有趣的技術。他指出全球不到 0.01% 的人用過人類助理,多數消費者並不知道助理是什麼,建立信任需要數年。
The Verge 刊文指出,隨著 AI 硬體的出現,科技公司正在重新定義什麼才算「錄製」。過去帶麥克風或攝像頭的裝置基本只有開與關兩種狀態:麥克風採集聲音、攝像頭採集影像,資料先儲存在裝置上,有時再上傳雲端處理,這些被保留下來的時間切片就是錄製。文章認為這一定義正被打破,並援引 Bloomberg 記者 Mark Gurman 上週的報導,稱 Apple 正在開發一款智慧家居產品。
小米開源了 AI 桌寵硬體 HachimoDock,軟體原始碼已上傳 GitHub,硬體物料清單、結構件模型與裝配教程在嘉立創公開,自製成本約 150 元。它結合按鍵、搖桿、語音和觸屏,可語音指揮電腦端 Agent(如 Codex、WorkBuddy)並在螢幕上顯示思考、執行、等待確認等狀態,還能借 xiaomi Miloco 聯動智慧家居。內建小狗形象可換成照片或社群數萬形象,使用者能用自然語言分鐘級生成元件;熱度已導致開發板、螢幕等元器件漲價缺貨。
Meta 開源了讓使用者自製 Muse AI 硬體裝置的程式碼,Muse 是其新的 AI agent。官方建議的玩法包括把 Muse 裝到彩色 E Ink 屏上顯示提醒、裝到 HDMI 棒上投到大屏,或裝到小觸控式螢幕裝置上做成類似 DIY Muse Charm 的形態。使用者可用現成 ESP32 板或 Raspberry Pi 配合官方 SDK,連線顯示屏、按鈕、感測器、執行器等外設。
AI 工具正在加速老遊戲的反編譯與重編譯移植,也讓專注遊戲儲存的社群遭到衝擊。過去一個月,瀏覽器裡的《光環》、iPhone 上的《風之杖》、混合現實中的《任天堂明星大亂鬥》等非常規移植專案高頻走紅。愛好者用 decomps/recomps 逆向拆解遊戲,再為新平台重建;AI 提高了移植速度,卻撕裂了原本緊密的儲存社群。
10 月 12 日,2026 工業具身智慧產業創新高峰論壇舉行,靈巧智慧聯合松應科技發布物理 AI 工業具身作業系統與靈巧操作模組,並推出 21 自由度靈巧手 021B。該系統以松應科技 ORCA OS 為底座,稱其為國內首個支援人形、四足、無人機等多形態機器人協同訓練的物理 AI 作業系統,已適配輝達、AMD、Intel 及摩爾線程等國產 GPU。靈巧智慧同時聯合上海人工智慧研究院、上海電氣、京東零售發布全球首家工業具身智慧 6S 店,由合資公司靈機智聯運營。
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作,評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立,做的是基於自研基礎模型的機器人工作站,把視覺、任務上下文與運動控制打通,用高保真模擬訓練,產線換型從數週縮短到數分鐘,無需傳統程式設計。其工作站已在某款熱門手機的生產中使用,負責柔性排線穿線、聯結器扣合等此前難以自動化的工序;
TechCrunch Disrupt 2026 第二天在舊金山 Moscone West 舉行,議程集中在 AI:Nvidia、Waabi、Flock Safety、Ricursive Intelligence 以及 Benchmark 合夥人登臺,話題覆蓋機器人、AI 硬體、公共安全與風險投資。
這段影片認為,當前的 AI 熱潮不能簡單類比 2000 年網際網路泡沫:網際網路時代鋪設的光纖等基礎設施壽命可達數十年,而支撐 AI 的 GPU 大約三年就會過時。影片據此說明 AI 基礎設施資產的折舊節奏與網際網路時代不同,進而影響對泡沫與投資回報的判斷。該影片在 Hacker News 上獲得 5 分、2 條評論,完整論證需看原影片。
VentureBeat Intelligence 在 2026 年 7 至 9 月的三輪調研(385 名受訪者)顯示,79% 的企業表示其 GPU 至少一半時間完全閒置,這一比例三個月穩定在 77% 至 81%。但在這批企業中,70% 仍計劃未來 12 個月引入、擴充或更換 AI 計算平台;計劃採用新平台的受訪者中有 91% 拿不出經財務部門稽核的 ROI 資料。新採購意向中 90% 投向公有云與模型 API,僅 8% 考慮擴建本地私有叢集。
開發者發布了一個 Show HN 工具:貼上一臺預裝整機的商品頁面,就能得到逐件配件的估價和一個整機價效比等級。AI 只負責讀取商品頁內容,等級由其自建的比價引擎決定,價格資料每天更新,結果附帶帶日期的配件估價和可分享的報告。專案自籌資金、目前已上線,作者正徵集對評分邏輯和介面的反饋。
Runware 宣布要建工廠,像造車一樣在流水線上量產模組化 AI 資料中心,目標到 2028 年讓羅馬尼亞工廠日產能達到 30 兆瓦,約合每月近 1 吉瓦。其 Sonic 推理艙的建造時間將從三週縮短到一天,運抵後 48 小時內完成安裝上線;客戶可自備 GPU 並支付月費,也可直接向 Runware 租算力,電力與網路另計。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
Simon Willison 在部落格的引語欄目裡摘錄了 Armin Ronacher 的一句話:AI 雖然好玩,但過去 30 年業界寫下了太多糟糕的軟體,現在等於在為此付出代價。這條引語發布於 2026 年 10 月 22 日;該條目被歸入 security、AI、LLM 與 AI 安全研究等標籤。正文只有這一句引語,沒有進一步論證或資料。
一位開發者把 AI Agent 跑在了只有 48MB RAM 的諾基亞 110 功能機上,並已用它自動化了幾個操作。他平時用這部手機來減少螢幕時間,最初嘗試刷入 Android 系統,因記憶體只有 48MB 而失敗,隨後花幾天時間逆向工程,最終讓 AI Agent 在這臺手機上執行。該帖發在 Hacker News 的 Show HN 板塊,目前 15 分、3 條評論,作者未說明所用的是哪個 AI 模型,也沒列出具體自動化了哪些操作。
YC F26 的 Simantic 發布韌體模擬層,讓 AI agent 與工程師不必拿到硬體就能測試和驗證韌體。它提供可單次 API 呼叫即執行的虛擬開發板、以模擬結果為證據的韌體 AI 程式碼審查,以及每次提交都針對模擬微控制器驗證韌體的 CI/CD 流水線。團隊來自 Neuralink 與 Tesla,早期 MVP 封裝 Renode,因受制於其開發速度、Dotnet 效能與功能臃腫而改為自研引擎。
Cerebras 聯合創始人兼 CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上稱,人人家裡都有一臺 AI 裝置的未來並不遙遠,個人 AI 助理會像手機一樣部分在本地執行、部分回到雲端。他預計這些助理會非常瞭解使用者、擁有獨立的安全邊界,還能接入信用卡代為購物。Feldman 自己已用一組 agent 整理日程、準備通話物件的背景資料,但他表示消費級創意留給其他創業者,Cerebras 只做平台。
前華為小藝多模態大模型研發負責人唐都鈺創辦觀行數智,主攻讓機器自主判斷何時介入的「主動式物理 AI」。團隊採用雙模型協同架構 ProAgent:輕量模型 StreamingJev 持續讀取環境事件流、判斷是否需要介入,Response Model 再決定回應方式與呼叫裝置,並自建評測體系 ProactiveXBench。
Nothing CEO Carl Pei 在 X 上表示,公司首款「AI 原生」產品將於 12 月出貨,是一款生產力工具:沒有新螢幕,也無法做成一個 app。他稱全行業都在尋找 AI 的「iPhone 時刻」——掛墜、別針、眼鏡、伴侶裝置,但自己對此看法不同,似乎在淡化 AI 可穿戴方向。Nothing 此前曾表示計劃推出 AI 智慧眼鏡和整合 AI 的耳機,具體發售日期與產品形態仍未公布。
X 使用者 @awnihannun 發帖指出,本地 AI 愛好者正在分享各自偏好的模型、硬體與推理框架搭配。原帖只有這一句描述,沒有列出具體模型名稱、硬體型號或框架版本,也未附連結、資料或對比結論。
彭博刊文指出,舊金山的 AI 熱潮正把失業的科技從業者排除在外。抓取時正文被該站反爬驗證頁攔截,僅能確認標題與發布時間為 2026 年 11 月 2 日,報導中的具體資料、受訪者與案例均無法核實。因此這條資料目前只有標題層面的資訊。
在輝達領導機器人平台產品營銷七年的 Amulya Vishwanath,如今轉而投資 Physical AI,並認為機器人行業仍處於“樂高時代”、尚未迎來爆發。這一判斷與“通用基礎模型將推動機器人突破”的流行看法相反:執行器、機械手、軟體與安全標準等基礎構件仍在重建,而 Physical AI 的內涵也不止於機器人。