AI硬件开发门槛骤降：像搭乐高一样简单

当你想要做一款能对话的毛绒玩具或者桌面机器人，不再需要精通嵌入式开发和AI模型对接——这正是澜存科技正在做的事情：让AI硬件的开发门槛降到近乎“傻瓜式”的程度。

尽管我们没有硬件开发经验，软件开发主要依赖AI辅助编程，最终还是用澜存的方案完成了两个作品：一款能对话且带有电子眼睛的AI毛绒玩具（致敬《奥德赛》中的独眼巨人波塞冬之子），以及一款可通过语音指令完成动作的桌面机器人。

实验一：定制Q版波塞冬之子毛绒玩具

近期诺兰执导的《奥德赛》引发热议，网友也二创了片中独眼巨人波塞冬之子的台词：“我原本在海边做奶酪、放羊，每天都很开心，突然来了一堆人和一堆事，把我的生活全毁了。”

我们基于这个二创形象进一步创作，将其设定为一款Q版AI玩具：在海边和羊群长大，性格单纯寡言、远离世俗，不太懂复杂的人情世故，但能敏锐感知他人的情绪。

和这款“波塞冬之子”互动会是怎样的体验？我们录制了演示视频。

注：与定制Q版波塞冬之子的对话演示，可以从交流中感受到它的性格特点，同时眼睛会随着对话情绪变化状态。

在整个产品制作过程中，最核心的“灵魂注入”反而最简单。

澜存的澜卡LC.AI标准产品支持模型、音色、角色性格、MCP和自定义技能等配置。打开开发者控制台，新建一个智能体，选择对应的模型和语音音色，再通过提示词写入“独眼巨人”的性格设定，一个角色的“大脑”就基本搭建完成了。

随后打开设备，输入设备播报的编号，就能将手中的模组和云端智能体绑定。

到这一步，一个能听、能说、拥有专属性格的AI玩具就基本成型了。

澜存的模组和开发平台，帮用户省去了过去需要专业开发者亲手搭建的软硬件整合链路。

澜卡LC.AI基于ESP32-S3芯片，将主控、联网、语音和硬件接口集成在一块模组中。开发者无需再从麦克风采集开始，逐一串联语音识别、模型请求、语音合成和扬声器输出等环节，而是可以直接从“产品应该是什么角色”“需要实现哪些功能”的角度出发开展开发。

不过我们希望它更像一个“活物”，更贴合“独眼巨人”的设定，于是我们给它加装了电子眼睛。

但加装电子眼睛的过程稍微复杂了一些。澜卡保留了GPIO、ADC等接口，支持连接显示屏、传感器、舵机等外围设备。

但新增显示屏需要确认接口、配置SDK、修改工程，再将新程序烧录到模组中。澜存提供了配套的配置工程包，我们将工程导入Cursor，借助AI编码助手完成了配置和烧录流程。

依托澜卡的配置工程包，我们在Cursor中快速完成了固件烧录。

值得一提的是，AI辅助编程在整个开发过程中发挥了关键作用，让我们这种没有软硬件开发背景的用户，也能借助AI完成全部流程。

比如在烧录过程中，程序卡顿并提示数据校验失败。我们一开始很难判断问题出在程序、开发环境还是硬件连接，但将报错信息提交给AI编码助手后，很快就找到了原因：Cursor本身占用了设备端口，和烧录程序产生了冲突。

按照助手给出的方案释放端口、重新连接设备后，再次烧录就顺利完成了，固件成功写入，电子眼睛也随之亮起。

从配置开发环境到排查报错，我们不需要先掌握嵌入式开发的所有概念，遇到问题时只需将代码、环境信息和报错内容提交给AI编码助手，就能获得问题定位和下一步操作指引。

最后，我们将模组、两块显示屏和其他部件装入毛绒玩具外壳。原本只是普通玩偶的玩具，现在不仅能和人对话，还拥有了一双会随着对话情绪变化的电子眼睛。

通过这个实验可以看出，当前AI硬件的开发门槛已经大幅降低，没有嵌入式开发经验的用户也能独立完成AI玩具的搭建。澜存的标准模组省去了大量底层软硬件集成工作，AI编码助手则分担了配置、烧录和调试的部分任务，让很多原本需要专业开发者解决的问题，都可以边做边学、逐步完成。

对于拥有IP和消费级玩具制造能力的厂商来说，这种方案也大幅降低了试错成本：第一版产品可以快速落地，后续调整角色设定、交互逻辑和硬件功能也更加便捷。厂商不必再花费大量时间反复解决模型对接、硬件调试等问题，可以将更多精力投入到产品设计和用户体验优化中。

实验二：可语音交互并执行动作的桌面机器人

接下来，我们进一步测试澜存模组对第三方硬件的兼容性，以及它的运动控制能力。

本次实验我们选择了OTTO开源机器人，它自带控制板、舵机和一套本地基础动作库，可以实现走路、举手和跳舞等动作。我们在此基础上，采用UP主“牛逼的小虾米”开源的MCP聊天机器人项目，完成了机器人端的基础配置。

接入澜存的方案并不复杂：在SDK编辑器中替换原有OTA地址，重新编译并烧录固件，再到澜存开发者平台创建智能体并绑定设备，机器人很快就具备了基础的语音对话能力。

但很快出现了一个问题：机器人能听懂我们的指令，却无法按照要求执行动作。尽管设备固件中已经内置了MCP动作工具，但云端智能体仍然无法直接调用这些功能，当我们让它举手时，它甚至一本正经地回复：“我是固定机器人，不能运动。”

我们将问题和澜存的开发文档一起提交给AI助手排查，助手很快找到了两个关键问题：一是build目录仍缓存着旧工程路径，二是需要将本地动作能力通过自定义技能配置给智能体，云端智能体才能调用这些功能。

AI助手随后帮助我们修改了配置并重新烧录固件，还根据我们的需求生成了对应的自定义技能工作流。

最后一步，只需将生成的自定义技能配置给之前创建的智能体，至此，自然语言交互、云端智能体和机器人本地动作终于实现了联动。

接下来，我们来看看机器人的互动和舞蹈演示。

注：通过语音对话与机器人进行交互

这个实验证明，澜存的平台并不局限于自有模组，已经配备控制板和执行机构的现有设备，也可以直接接入平台，再通过自定义技能将云端智能体和物理动作连接起来。

澜存的平台同时承担了AI硬件的软件配置工作，角色设定、语音识别、大语言模型、音色和自定义技能等都可以在平台上完成配置。如果需要修改语音、调整角色设定或是新增功能，大多只需调整软件配置，无需重新设计硬件。

通过这两个实验可以看出，澜存为用户提供了两种开发路径：一是从零开始开发产品，通过标准模组快速获取全套AI基础能力；二是针对已有硬件设备，通过开发平台快速接入大模型和智能体功能。

不过当设备真正进入量产阶段，“智能”带来的长期使用成本就会成为用户的顾虑。每次调用模型和智能体都会消耗Token，年初OpenClaw走红时，不少开发者用它控制机械臂，智能体在“思考—调用工具—观察结果—继续思考”的循环中不断消耗上下文，有实验完成一个物理动作甚至需要四五十万Token。

对于单一的演示样品，开发者可能不会在意这些成本，但当设备量产到十万台甚至更多，且需要24小时运行时，成本就会变得极为敏感。为此，澜存在终端和大模型之间提供了Token管理服务，对模型调用进行统一管理和优化，降低设备长期运行的成本。

结语

3D打印降低了结构原型的开发成本，而AI模组和开发平台则进一步降低了模型接入和硬件开发的门槛，让产品原型的制作变得越来越容易，迭代更新的速度也越来越快。

像澜存这样的中间层科技公司，正在将“智能”与硬件结合过程中的大量重复性工程工作标准化。同一套模组和平台，可以适配机器狗、可穿戴设备和暖通面板等多种终端产品。

从某种意义上来说，澜存的AI模组想要实现的，就像当年ESP32在物联网时代所做到的那样，成为通用的硬件基础平台。目前，澜存已经获得超过十万套的签约订单，合同金额超过千万元。

不过和传统IoT模组交付即完成交易不同，AI模组背后还有一层持续运营的生意。设备上线后，每次对话和智能体调用都会消耗模型、语音识别、语音合成等服务资源，因此澜存将业务延伸到了Token运营领域，负责模型和语音服务的接入、用量管理、成本优化和资源分配。终端出货量越大、用户使用越频繁，平台就能获得越多的持续收入。

资本的持续加注也印证了这一赛道的潜力：澜存在2026年4月完成天使轮融资后，又于同年8月获得锡创投数千万元Pre-A轮投资，投后估值达到1.5亿元。新一轮融资将用于持续投入标准模组研发、智能平台迭代和量产能力建设，并拓展更多终端应用品类。

当这些底层能力逐渐成为可采购、可复用的基础设施，AI硬件行业的分工也将发生改变：个人开发者即使缺乏完整的软硬件开发能力，也能更快将创意转化为演示样品；企业则无需为每一款产品从头搭建技术栈，可以基于一套成熟的底层平台不断试错和迭代。

这对于那些仅靠“给玩具接入大模型”来获取技术溢价的公司来说并非好消息：随着语音、大模型、智能体乃至设备控制的门槛越来越低，单纯的技术集成将越来越难以构建竞争壁垒。

但对于真正拥有产品、IP和用户洞察能力的公司来说，情况则恰恰相反。借助澜存这类中间层公司的标准化产品和能力，它们可以将更多精力投入到那些难以标准化的工作中：比如产品的形态设计、角色形象打造、内容持续运营，以及如何让用户愿意留下来。