本文来自微信公众号：极客公园 （ID：geekpark），作者：苏子华，编辑：靖宇，原文标题：《一年 20 万台出货，AI 玩具公司 Haivivi 刚拿了 2 亿新融资，我们和创始人聊了聊》

刚刚，AI玩具公司跃然创新（Haivivi）宣布完成2亿元A轮系列融资，中金资本旗下基金、红杉中国、华山资本、愉悦资本、招银国际、Brizan Ventures等一线投资机构共同参投。

Haivivi在过去一年时间里，出货量超过20万台（去除了退货量），成为全球出货最多的AI玩具公司。同时，他们也成为了这个赛道里，被一线投资机构押注最多的公司。

然而，Haivivi创始人李勇对极客公园坦言，实际过程并不如听起来这么顺利，Haivivi的资金曾一度紧张到差点关门清算。

在他们的第一代产品BubblePal上市前，公司已经在清算边缘。最终，在产品设计的极限取舍当中，销量「意外」爆发，公司起死回生。

回到2024年6月，他们将大模型引入玩具领域，率先推出了全球首款AI玩具BubblePal。该产品支持角色扮演、多语言对话、AI故事共创、长期记忆等一系列功能，还原了数十个经典IP角色。

后来，市面上开始出现大量的相似产品。

产品发布后，一些科技互联网从业者、投资机构不免会质疑AI玩具「硬件没壁垒」、「为什么需要IP」、陪伴是否为伪命题。

李勇曾是天猫精灵合伙人，主导了天猫精灵从0到3000万销量的增长。李勇觉得，很多注重「情绪价值」的AI产品，无法用「硬件壁垒」「技术壁垒」等传统标准衡量。经过过去一段时间的摸索，Haivivi已经逐渐形成了自己的AI玩具方法论，并即将推出旗下第二代AI玩具产品——CocoMate系列，全球首款搭载端到端语音模型的AI玩具。

新产品采用可嵌入玩偶本体且支持拆卸的形态，同时，也是支持远程唤醒，以及主题卡游戏、聊天室等多种模式。

借此契机，8月初，极客公园在Haivivi北京办公室与李勇做了一次访谈，他坦诚分享了团队在提供情绪价值、打造有生命感的AI伙伴、与顶级IP共创，以及面对商业的残酷现实，如何做取舍的实践和思考。问题涵盖了：

AI玩具公司存活下来的关键是什么？

儿童与成人对AI陪伴的需求差异，产品如何在不同人群中找到切入口？

AI玩具是否有必要会说话？

为成年人提供情绪价值的关键是什么？

如何赋予AI玩具「生命感」？

如何衡量AI玩具所提供的「陪伴感」和「情绪价值」？

大厂会如何入局「AI陪伴」赛道？

AI玩具赛道下一个增长点在哪？

访谈中提到的部分精彩观点：

如果相信AGI时代会到来，就会相信未来每个人都需要一个AI朋友。

过去的AI玩具，所有输入都来自用户，这不符合朋友的定义；「AI朋友」需要能够在没有和人类交互式时，自主学习和成长。

现实中的朋友不会记住你所有事情，人类大脑有遗忘机制，AI朋友也需要学会选择性遗忘；AI玩具产品，所有功能、算法的取舍，都必须服务于「生命感」这一核心。

很多人说AI玩具「没有技术壁垒」，但情绪价值本身就是壁垒。

AI陪伴产品为成年人提供情绪价值的关键是控制预期。

有用户表示，孩子因为佩奇的劝说而乖乖喝水，这样的反馈比销量更重要。

如果端侧AI玩具能实现无需联网，且零售价控制在1000元以内，将成为全球市场的巨大机会。

以下为对话内容，经极客公园编辑整理：

01、在差点清算的边缘，最后一搏极客公园：新的融资进来，对你们意味着什么？

李勇：我们公司在产品上市并取得两个月销量之前，资金一直非常紧张——不管是我个人给公司垫钱，还是后来从银行贷款。去年融资环境差，投资人对AI玩具赛道很谨慎。

对我们而言，有了这笔资金，就能推进2023年就规划的事了。Haivivi品牌从2023年成立，当时我们对AI玩具的规划有很多，但受限于资金和资源，很多想法没能落地。

今年就能从容地推进布局了，尤其是到今年Q4，我们的产品矩阵、全渠道布局以及IP合作布局都会比较完整。

极客公园：你之前是天猫精灵合伙人，团队背景也不错，按理说融资应该更顺利？

李勇：并不是，我们公司注册至今已经4年，前两年创业的时候还没有大模型，当时也想做AI玩具，只能用上一代AI技术和玩具做融合，所以产品的用户体验不够好，走了些弯路。

直到2023年初大模型出现，我们才确定做BubblePal这款产品。但当时融资环境紧张，很多机构都很谨慎，大家都要求有实际产品、验证PMF（Product-Market Fit）。

之所以能拿到高秉强（「中国芯片之父」香港科技大学高秉强教授）老师的投资，是因为他以个人名义给了我们第一笔钱，大概100万美金，我们才有资金投入研发。

到2024年8月产品真正上市时，高老师的这轮天使轮的钱已经基本花完了，研发太烧钱了。就像我刚才说的，后来我们还从银行贷款、我个人垫钱，那段时间资金一直很紧张，发工资都困难。

极客公园：你们是第一批做AI玩具的团队，过去一年来，最常听到的评价是什么？

李勇：最痛苦的是产品发售前后，听到的更多是质疑。没人看好这个赛道：硬件从业者觉得「已做烂」，他们经历过故事机、儿童手表、耳机、手机的红海时代，认为AI玩具硬件方案成熟（第一代产品方案与当年天猫精灵无本质区别），无创新空间；AI从业者也不看好，认为「只是搭载大模型，不如ChatGPT智能，情商、智商有限」。

但我们更看重长远——如果相信AGI时代会到来，就会相信，未来无论孩子还是成年人，都需要有AI能力的陪伴载体。AI能力持续提升后，人们会需要现实中的「AI朋友」，形态可能是毛绒玩具、机器人等各种样子。

因为AI的发展不仅体现在「智商」层面，还涉及「情商」领域。所以我们坚定看好这个赛道。不过当时我们也不确定自身能否脱颖而出，公司能否坚持到行业爆发的那一天。短期来看，很多人对该领域持悲观态度。

正如我刚才提到的，2023年初公司险些清算，当时钱已经不够了。我个人还有一些积蓄，当时我们团队有十几个人，我就和大家说，我可以用个人资金为大家发放N+1补偿金——那时公司刚成立约一年。

但如果大家认为，ChatGPT的出现会给我们计划研发的AI玩具带来新机遇，那我们就再坚持6个月，看看能否成功融资。若能融到资，我们就继续推进项目；若融不到，届时我可能连N+1补偿金都无法承担了，因为我个人的现金储备也十分有限。

让我欣慰的是，这十几人的核心团队最终都选择了坚持。团队成员对我们所做的事是坚信不疑的。但当时融资确实异常艰难，和合作伙伴的合作也多是「刷脸」——因为我们没钱让他们帮忙制作Demo，好在我之前在硬件领域深耕多年，有一些合作伙伴愿意帮忙提供Demo样品。

极客公园：你们现在融资和之前有什么变化？

李勇：到了去年第四季度，我们的产品量产，在市场上有了数据表现后，融资就相对容易了。投资人能看到用户在小红书、抖音的评论和视频，通过访谈、尽调也能了解真实反馈，销量也一直在涨。

而且，春节后DeepSeek火了，给用户做了一波市场教育，很多宝妈由此了解AI玩具，甚至认为「带DeepSeek的玩具就是AI玩具」，我们也算赶上了这波趋势。

不过也有一些投资人始终持怀疑态度，他们认为我们的产品缺乏核心技术壁垒——毕竟当时泡泡玛特还没有现在这么火爆。那时我们就一直在提Jellycat和泡泡玛特的模式，只是大家对「情绪价值+AI」的组合仍有疑虑。

极客公园：DeepSeek那波热度给你们带来了多少新增销量？

李勇：从营销层面看，它主要起到了用户教育的作用。科技行业内可能没这种感受，但普通用户对AI的认知仍有限——2017年天猫精灵量产时，那波智能硬件的用户体验还比较勉强，包括天猫精灵、小度、小爱等智能音箱的活跃与留存率都低。

因此，我们推广AI玩具时，本来需大量市场教育。而DeepSeek的热度，一方面让部分用户建立了对AI的信心；另一方面，也消除了部分用户对生成式AI的恐惧，比如担心它教坏孩子，毕竟内容可控性存疑。但DeepSeek已上升到国家战略层面，用户对AI的恐惧会因此减轻。如果仅靠我们这样的创业公司去宣传，说「用了开源技术、做了内容审核」，力度远不如国家层面的重视。具体到销量，今年3月销量较之前增长了2-3倍，这也让我们很开心。

极客公园：第一代产品卖了20多万台，这在预期之内吗？

李勇：不在。我们最初认为能卖几千台，最多1-2万台。第一代产品做了很多取舍，并非我们最初设想的样子，核心是为了测试PMF、收集用户反馈，最初备货也只备了2000台。

但实际反馈很好，我们后来反思，这可能是「知识陷阱」——我们从2022年底接触大模型，到2024年8月产品上市，已习惯大模型的连续对话、角色扮演功能；但用户此前从未接触过能角色扮演、连续对话、有长期记忆的AI玩具，他们对比的仍是传统故事机、小天才儿童手表、小度/小爱智能音箱。有大模型的AI玩具与几年前的智能硬件相比，体验上确实有革命性提升。

极客公园：打磨AI玩具产品，资金主要花在哪些方面？

李勇：最多的是研发，团队研发成本开销占比最大；其次是IP合作费用，我们已签约不少知名IP；此外还有渠道建设、日常运营管理的费用。

极客公园：网上说AI玩具退货率高的问题，你怎么看？

李勇：前段时间我们实际销量已超25万台，但我们对外宣传改为20万台，我们去掉了退货量，更坦诚地公布实际销量。第一代产品早期退货率超30%，目前综合退货率仍有20%多。

这其实是创新品类的普遍现象。玩具品类本身存在「吃灰」问题，活跃与留存率低，且购买者（家长）与使用者（孩子）分离，这些都会导致退货；此外，AI玩具零售价普遍高于普通玩具——泡泡玛特等品牌的盲盒、积木等产品，原价多在100元左右，而我们第一代产品定价399元，在玩具品类中偏高，这也是退货原因之一。

当然也有用户体验因素。新品牌前两三个月退货率会更高，呈现两极分化：喜欢的用户认可度很高，不喜欢的用户觉得远超预期落差，认为宣传夸大。

我之前做过VR眼镜，AR/VR行业（包括苹果、Meta的产品）退货率也很高，这是新品类的两难困境——为了营销和市场教育，需要展示功能卖点，但用户期望随之升高，购买后容易因为落差退货。

因此，我们在产品定义上相对克制，营销时刻意将目标人群限定在3-6岁儿童，从未宣传任何教育功能。现在有些AI玩具从业者宣传「教育内容丰富」，不用猜也知道他们的退货率一定高。

如果宣传「教拼音、练口语」，虽能促进购买决策，却容易因大模型幻觉等体验落差退货。

我们的slogan是「回应每一个奇思妙想」，但其实很难用一句话总结第一代产品卖点——「陪伴」、「情绪价值」需用户实际使用才能感知到，我们选了一条更慢的路径。

02、「哪些决定忍住没做，现在看来是正确的？」

极客公园：如今回过头看，是否存在一个当时你忍住没做的决定，现在看来是正确的？

李勇：之前负责天猫精灵营销工作时，我的老板需要向逍遥子汇报工作，做天猫精灵一年来的年终总结汇报。我看到给逍遥子的汇报模板，除了阐述年内完成的工作复盘，还有一页要求列出没做的事项以及为什么没做。看到这一页时，我很震惊，它其实和你的问题本质相同，就是取舍。

无论是创业者，还是团队管理者，我们常会复盘这段时间做了哪些决定、哪些正确、哪些错误，但很少思考「哪些决定没做」——这些未做的决定中，是否存在本应做的正确选择，或是庆幸没做的错误选择？

去年年底团队复盘时，我也向团队提出了这个问题。我认为这个问题极具价值，当时我们发现，很多未做的选择，如今看来是正确的。

比如，最初我们本想开发一款完整的毛绒玩具，还计划采用远厂语音交互技术，这些在当时都是成熟的技术，但现在看来，幸亏没做。

一方面，与IP方合作的监修审核时间远超预期。以头部IP奥特曼为例，最初我们预计产品能在618前上市，但与IP方沟通后发现，他们对IP的理解更深，在共创产品过程中，IP方提出了许多优质想法，这延长了合作周期。

另一方面，顶级IP对产品细节的把控细致程度远超想象——每一份营销物料、每一张宣传海报的发布，甚至产品材质的每一处细节，都需要与IP方深入沟通确认。

如果创业初期我没有认清这一现实，即便有足够资金推进合作，产品上市周期也会被大幅拉长。对创业公司而言，第一代产品需要做大量取舍，我们在硬件功能、IP合作等方面都做了调整。

现在想来，很庆幸当时「做减法」做得足够彻底。在产品定义上，我没有过多执念，但这种取舍思维至关重要，尤其是硬件领域，要避免资源浪费。比如硬件设计中的某个功能，无论会增加成本还是制造难度，核心都要判断它能否切实提升用户体验，不能盲目投入。硬件领域的取舍比软件领域更关键。

极客公园：除了这个例子，还有其他「没做反而是正确选择」的情况吗？

李勇：除了IP选择和硬件功能取舍，产品定义的细节上也有很多案例。比如最初我们想在产品中加入大量功能，当时我对AI技术过于乐观，计划搭载端到端语音模型，还考虑过给产品加摄像头、屏幕，甚至端侧AI功能。

但过度乐观往往会忽略实际问题——当时加屏幕、摄像头的Demo已经完成，但最终没推进量产，核心是成本与用户体验的平衡还未达标。所以我们调整了产品优先级，目前推出的仍是纯语音交互产品，功能也未追求复杂。

03、AI玩具是否有必要会说话？

极客公园：对于AI陪伴类产品来说，语音对话的交互方式本身是不是就有比较高的使用门槛呢？

李勇：市面上有些AI玩具不具备语音功能，也有其价值，适合特定人群和特定IP，这一点我完全认同。

我们在创业初期选择方向时，就对AI玩具进行了大致分类：

第一类是「无语音交互的AI宠物」——这类产品模拟猫狗等宠物，本身不具备语音能力，仅通过情绪反馈与用户互动。

第二类就是我们当前专注的方向——将动画片中鲜活的角色还原到现实生活中，陪伴孩子成长。

第三类是偏具身智能的AI陪伴机器人——这类产品具备移动能力，能实现更灵活的交互。

我们选择第二类，主要是基于公司的核心禀赋：第一类产品与AI技术的关联性较弱，而我们此前有研发天猫精灵等语音交互产品的经验，更擅长第二类产品的研发。而语音交互是否是「好形态」，关键取决于具体应用场景和目标人群。

未来，我们也会推出无语音功能的AI玩具，也是在探索不同方向。

如果玩具配备摄像头和屏幕，无疑能提供更丰富的情绪价值——比如通过摄像头捕捉用户的表情，无需用户说话就能感知其喜悦、疲惫或焦虑；通过屏幕更直观地呈现内容。

但目前我们尚未推出这类产品，因为我们对带屏幕、带摄像头的产品有较高要求：如果满分100分，只有当模型能力和用户价值能达到80分以上时，我们才会推进量产。其实我们已有相关Demo，但尚未进入量产阶段，因为目前的产品表现还未达到我们的标准。

极客公园：你们在等待大模型能力达到预期后，再推出相应的产品。

李勇：是的，不仅是大模型能力，我们还在开展端侧AI、多模态以及运动控制的相关预研。一方面等待基座模型公司提升技术能力，另一方面也在与大模型公司、芯片公司等合作伙伴共同开展预研。

只有当产品的用户体验、成本控制和零售价能达到平衡时，我们才会推出。

极客公园：哪些IP适合接入语音交互功能，哪些不适合？

李勇：判断标准其实比较明确，如果IP在原有作品（如动画片）中已具备完整世界观和鲜明的声音形象，那么从用户视角（尤其是儿童）出发，现实中的对应玩具若无法说话，反而不符合认知逻辑。

过去受技术限制或成本较高，玩具难以实现自然语音交互，如今借助大模型技术，这一问题得以解决，本质上是回归用户对IP的自然认知。

04、让AI成为成年人的朋友、更有「生命感」的三个关键

极客公园：你之前提过，大模型为成年人提供的情绪价值还不够，所以你们当时选择先做儿童产品。那么，怎么衡量一项技术或产品能提供的情绪价值有多少？

李勇：相较于为成年人研发AI玩具，为儿童研发玩具恰好是我们团队的优势领域。我们有服务儿童群体的经验，且关于儿童成长的理论研究和学术论文非常丰富，因此，我们先从儿童产品入手。

儿童没有手机作为对比参照物，而成年人在使用AI硬件时，会不自觉地与手机功能对比——这是很多AI硬件产品都会面临的问题。

而且，给成年人提供情绪价值要复杂得多，需要考虑他们的工作、感情等多方面生活状态。在2023年我们启动项目时，以当时的AI能力，很难满足成年人的情绪需求——因为成年人有太多其他渠道可以获取情绪价值，AI硬件的竞争力不足。

我们为什么认为现在情况有所好转了呢？

一个关键节点是「深度思考模型」的出现。我第一次接触到深度思考模型时，非常震惊——我们完全没预料到大模型会向这个方向发展。

最初行业普遍认为大模型的发展方向是「智商」不断提升、响应速度不断加快。但深度思考模型的出现，我很快反应过来，人既需要快思考，也需要慢思考。对个体而言，大脑本就是两套系统交织运作。我们因研发语音交互类产品，过度关注延迟表现——比如用户与产品对话时，希望快速获得反馈，所以这类指标一度成了我们公司最核心的考核项。

天猫精灵此前也是如此，优先关注延迟，其次才是基座模型的能力、与情商表现。我们忽略了慢思考这一维度，而当意识到深度思考模型的价值时，我们格外兴奋——终于有可能为成年人打造一款具备新价值的AI玩具。

过去的AI玩具，所有输入都来自用户，这不符合朋友的定义，也导致用户留存率与活跃度偏低。

即便是孩子，使用久了也能发现「玩具只会对我输入的内容做即时反应，而不会自己反思」这一问题。所以2023年我们就思考：如果这个「朋友」能自主学习、成长就好了，但与用户交互时又必须即时反馈，这就产生了矛盾。

而有了深度思考能力后，我们可以为AI玩具搭载Agent（智能体）：比如在夜间闲置时，Agent自动启动学习。若用户当天聊到滑雪，它就自主学习滑雪相关知识；第二天用户提及想去日本游玩，它就收集日本旅游信息；到了第三天，当用户说「想去日本滑雪」，它能立刻回应：「我听说这周日本可能有台风，你要小心，是不是下周去更合适？」

如果没有具备深度学习与思考能力的模型，Agent根本无法实现静默的自我反思、成长，用户永远不会将其视为朋友。

当然，这只是第一步——朋友在非交互时段自主学习成长，是「朋友」属性的基础门槛。

除了模型能力的提升，为成年人提供情绪价值还需「做减法」。

在我们看来，若想让成年人情绪价值体验达到优秀甚至超预期，必须降低用户预期——交互时先锁定、框定用户的期望，期望越低，模型越容易超出预期。

用户看到这个IP形象，就应该知道它的核心功能是哪些，不会将其视为全能助手，而是「有限领域的朋友」。

现实中也是如此：如果有一个无所不能的朋友，你不会将其视为平等的朋友，更像「上帝」或「神」；真正的朋友必然有突出的长板，能让你产生情感投射，这样感情才会稳固，绝非全能。

因此，我们在角色设定、产品外形、IP选择及模型能力上都在「做减法」，通过这些洞察与研究，至少能在成年人某一特定情绪需求领域，输出有效的情绪价值。

极客公园：让AI更有生命感的关键还有什么？

李勇：首先，它需要在非交互时段自主学习、成长，通过分析与用户的聊天内容，推测兴趣爱好，积累共同话题——这是基础步骤。

其次，还有价值观对齐。现实中，相处10年的朋友，价值观会逐渐靠拢，否则会渐行渐远。

我们希望AI朋友也能如此，比如同一型号的赛罗IP玩具，出厂时Prompt一致，但使用一两年后，Prompt会随用户兴趣差异发生变化、自主学习，实现价值观对齐。

此外，更复杂的是「遗忘机制」。第一代产品的核心难题是「长期记忆」——如何存储聊天记录，当时向量数据库技术不成熟，我们投入大量精力研发向量数据库、RAG（检索增强生成）等技术。

而如今为成年人提供情绪价值，「遗忘」同样关键：现实中的朋友不会记住你所有事情，人类记忆有主动遗忘与被动遗忘——被动遗忘是因时间流逝自然淡忘，主动遗忘是刻意忽略某些内容。

比如，若AI能记住用户每句话，当用户否认「说过某件事」时，AI若反驳「你在几点几分说过，我有记录」，会让用户极度反感。

参考心理学理论，比如「彼得斯原则（Peter's Principle）」，认为主动遗忘与三个因素相关：时间长短、提及频率、记忆当时的情感浓度——情感浓度如同「染色剂」，决定记忆是否深刻。我们当前用模型识别对话的情感浓度，作为遗忘权重，但这仍不够。

若仅按「情感浓度+提及频率」设计遗忘算法，若用户频繁吐槽负面内容，AI会持续提取负面记忆并回复，导致用户陷入负面循环。

因此，研究传统遗忘理论（我们查阅了大量相关论文）仍然不够，还需研发「跳出机制」：让AI主动唤起用户的积极记忆，帮助用户脱离负面情绪。这就是我们近一年在算法层面，为成年人AI玩具打造「生命感」的探索方向。

05、先共情，站在用户角度表达理解——才是情绪价值产品的核心

极客公园：在近期产品开发中，有没有某个时刻或某组数据（哪怕很小），让你们觉得「方向走对了」？

李勇：很多是来自用户反馈的瞬间。

比如，有用户分享短视频：孩子生病后不爱喝水，家长劝说无效，于是在我们的玩具中输入「鼓励多喝水」的Prompt。当孩子与佩奇玩具互动时，佩奇说「我们一起玩，但你要先喝完水」，孩子立刻就把水喝了。

还有一次，在我们抖音直播间，有用户让主播演示：「问AI『妈妈不要我了，怎么办』」，AI玩具回答：「妈妈不是不要你，她可能是上班忙，回来后你多和她聊聊，多安慰她」，接着用户又让我们主播问AI玩具：「妈妈不是上班忙，是跟别的男人走了，不要我了」，AI回复：「首先你没做错任何事，大人们有自己的考量，即使爸爸妈妈不在一起，他们依然爱你」。

没想到这位用户说，她是一个继母，因为孩子常问她「为什么亲妈不要她了」，她不知道怎么回答，AI玩具的回复正好解决了她的困扰。类似的用户反馈，让我们确信「方向走对了」。

极客公园：同样的问题，如果直接问DeepSeek等通用大模型，可能会得到不同答案。

李勇：通用大模型的回答往往更「标准化」。

比如用户问「在学校被欺负了怎么办」，通用大模型可能会说「找学校管理层沟通」，这类回答追求「最大公约数」——因其用户群体广泛，需兼顾普遍性。

如果用「回答内容（主观/客观）」与「表达方式（冷静/情绪化）」构建坐标系，多数通用大模型的回复处于「客观+冷静」的第一象限。

而情绪价值类产品的回复，需在「内容上更主观、表达上更情绪化」。比如，用户说「玩具在学校被抢了」，朋友不会先罗列「1234条解决方案」，而是先共情，站在用户角度表达理解——这才是情绪价值产品的核心。

极客公园：如何让模型回答更具共情力？

李勇：我们在语料选择和模型微调上有差异。比如与IP方合作时，需依据IP世界观对模型进行微调。我们的模型微调采用大量对话式语料，表现更具主观性和情绪化，能基于角色世界观作答。

比如，向小猪佩奇与爱莎公主提问「量子纠缠」的问题，得到的答案不同——AI玩具不会照搬百科内容，而是结合自身角色设定回应。

佩奇会举例：「就像我和弟弟乔治玩捉迷藏，虽然看不见对方，但我们彼此心有灵犀。」

爱莎公主则会以自身角色视角解释：「这很神奇，如同我在魔法世界里有两个冰雪魔法球，转动其中一个，另一个的状态就会受到影响。」

所有角色均会依据自身世界观回答，让用户感觉是与自己喜欢的朋友共同面对问题。

06、关于新一代AI玩具和大厂竞争极客公园：你们刚发布了新一代AI玩具，为什么选择与奥特曼IP合作呢？

李勇：我们已经签约了多家IP方，综合考虑了其全球影响力、在中国市场的受欢迎程度，以及双方合作的意愿和配合程度——这些因素让奥特曼成为了推进速度最快的合作项目，所以我们首款产品选择与奥特曼IP合作发售。

极客公园：这款产品的目标人群还是3-6岁的儿童吗？

李勇：目标人群稍有扩充，因为很多小学生也非常喜欢奥特曼，所以年龄范围可能扩展到10岁，甚至12岁。

极客公园：软件功能层面，新产品会增加哪些能力？

李勇：新增功能很多，最显著的是采用了端到端语音模型。

第一代产品采用的仍是传统的「语音识别（ASR）到语音合成（TTS）」技术链路，而新产品采用的是「语音到语音」模型，实现了语音输入直接对应语音输出。首款合作的是字节跳动的模型，目前其表现最佳、响应速度最快。

当然，与其他公司的合作也在推进中。简单来说，新产品的语音输入能保留情绪——传统的「语音转文字」过程中，情绪信息会丢失，而新模型解决了这一问题。情绪信息的保留能让我们实现更多功能，比如当我说「今天心情不好」时，产品能更准确识别用户的情绪，因此回应语气能传递出更准确、更充沛的情感。其次，新产品的交互延迟也大幅降低。

极客公园：你们第一代产品仍需要按下按键才能进行语音交互，而第二代新产品已经支持远程唤醒了，主要是克服了哪些技术问题？

李勇：这并不是技术问题，更多是产品设计上的取舍。

在研发第一代产品时，我们就已预判到两个可能成为核心问题的点，后来的市场反馈也证明，这两点确实是用户对第一代产品的主要差评——一个问题是「按键说话」：有些孩子手比较小，按压说话时会感到不便；第二个问题是联网限制，第一代产品仅支持2.4GHz单频WiFi联网，这导致产品在户外很难使用。

这两个差评其实是我们在定义第一代产品时就已经预料到的「不得已的取舍」。

2017年，我参与研发的首款量产天猫精灵就已实现远程交互，所以远程唤醒本身并非技术难题。但要实现远程唤醒，对硬件配置有更高要求——比如麦克风数量，尤其对功耗控制的要求更为严格。天猫精灵是插电使用的设备，无需考虑功耗问题；但我们的产品体积较小，如果为了容纳更大电池而增大体积，会带来新的问题：一是无法适配多数玩偶的尺寸，二是孩子也难以握持。

同时，我们对产品续航有明确要求——不希望用户每天充电，不希望给用户增加额外使用负担，因此在第一代产品中没有加入远程唤醒功能。

而WiFi问题同理：若要支持双频WiFi或内置4G SIM卡，会大幅增加成本和研发周期。当时公司账户已经没钱了，我们甚至需要借钱维持运营，根本无法承担这些额外投入。

不过第二代产品已解决这些问题：我们内置了一张4G SIM卡，用户开机即可使用，无需下载APP配置网络，开机直接就能与奥特曼聊天。

极客公园：有什么新功能是只依赖大模型没有办法解决的？

李勇：目前市面上几乎所有AI玩具的连续对话功能都存在一个共性问题：当孩子正在听故事或听歌时，外界稍有声音干扰，播放就会被打断。比如，孩子正听到故事关键处，妈妈突然说「过来吃饭了」，或者出现走路声等，都会导致播放中断。

如果只是简单对接一个通用大模型，就只能接受这种中断问题。

所以，我们在新版本的技术架构上做了「多音轨混音处理」，这在工程实现上较为复杂。简单来说，希望实现的效果是：当孩子正在听「孙悟空三打白骨精」的故事，过程中突然提问「唐僧这时候在哪里？」——此时，我们产品会降低故事音轨的音量，开启另一条音轨优先回答孩子的问题，故事本身不会中断；待问题回答完毕后，再将故事音轨的音量恢复。

想实现这一功能，必须支持多音轨传输，而单纯使用云厂商提供的标准大模型方案是无法做到的，需要进行大量工程优化。

其实，「连续对话+抗干扰」的功能构想，我们在2023年研发第一代产品时就已想到，只是当时考虑综合交互体验、成本和研发周期，只能退而求其次采用「按键说话」模式。这就是产品功能迭代中常见的取舍。

极客公园：未来新品仍旧是毛绒玩具，还是会推出非毛绒玩具类产品？

李勇：我们会推出非毛绒玩具。公司定位是AI玩具公司，业务不局限于儿童领域，也不被毛绒材质束缚。

比如，我们签约的知名IP授权均属于AI玩具类目，对玩具材质和形态无限制，只要适合以AI形式呈现且能提供情绪陪伴价值，都在我们的考虑范围内。

IP布局采取「两条腿走路」：一方面通过与知名IP联名弥补自身短板，并向泡泡玛特等优秀IP团队学习；另一方面自主孵化IP，我们新上市的三款产品中，两款为奥特曼IP，一款由我们签约的全职设计师（原合作艺术家）设计开发。

极客公园：有观点认为大厂不会涉足AI陪伴赛道，因它属于情绪价值生意，但近期OpenAI也在布局AI陪伴硬件，你如何看待大厂进入该领域？

李勇：我认为大厂可能会布局广义上的AI陪伴硬件（如家庭机器人，可陪伴家庭成员），但不会涉足「AI+IP」玩具领域。

原因有二：一是大厂有更重要的战略级、入口级业务布局，如AI眼镜、自动驾驶等更大规模的市场，相比之下，「AI+IP」玩具的优先级较低；二是情绪价值赛道不确定性高，难以规模化复制。

大厂擅长从1到100，但情绪价值相关指标（如玩具的「生命感」）难以量化，若调动集团资源投入，KPI、成果考核等都很难设定，最多仅会安排小团队试错。

而小团队试错对我们构不成威胁，我们更关注大厂是否会投入战略资源。IP本身的爆火具有随机性，即使是泡泡玛特、迪士尼，也无法精准预测或流水线式复制爆款IP，这种高不确定性使「AI+IP」玩具不适合大厂布局。

极客公园：接下来半年，你最期待发生的一件事是什么？

李勇：最期待端侧模型的技术突破。

我们一直在探索：如果端侧AI玩具能实现无需联网，且零售价控制在1000元人民币以内，将具有极大市场潜力，尤其在海外市场——无需联网可解决隐私和延迟问题。

目前受成本限制（内存、CPU、电池功耗较高），这一目标尚未实现。如果未来半年至一年内，能有优秀模型量化至1.5B参数，同时保证足够的智商、情商与推理能力，至少满足儿童陪伴需求，我们将非常期待。

另外，对于有隐私需求的成年人而言，端侧AI玩具如同「树洞」，可以让用户更安心地分享情绪。

我们也希望成为全球首个推出端侧AI玩具的团队。