对话寅谱田洋：小龙虾退潮之后，端侧AI 硬件的下一站是什么？

本文来自微信公众号： 峰瑞资本 ，作者：持续陪伴的，原文标题：《对话寅谱田洋：小龙虾退潮之后，端侧 AI 硬件的下一站是什么？》

/01/

当"信息"也是一种能量

李丰：你的标签特别跨越，清华星火班、计算神经科学博士、统计物理、华为2012实验室、教职，然后下场创业。这一波三折之间有什么内在联系？

田洋：我刚才测了一个最近很火的SBTI（搞笑版MBTI），我的结果是GOGO（行者）——讲究理性，但做事很多时候是凭兴趣来的，这个对我的评价挺准的。

李丰：计算神经科学具体是研究什么？

田洋：这个学科其实有两拨人。一拨是计算机背景，目的是做生物启发式的simulation（仿真）；另一拨是物理背景，我属于后者。我们更多是用物理学的手段去研究大脑如何编码外界信息，这些神经活动的动力学规律是什么，这些规律又意味着大脑处于什么状态。

李丰：今天不管是VLA还是VLM都会碰到一个问题——能不能在视频模型或语言模型的基础上做不同的架构，来解决和物理世界交互的问题。这就是我们今天热议的“世界模型”。但这件事背后有一个底层的问题，动物是怎么理解物理量和物理规律的？比如猴子天生就知道那个树枝撑不住自己。但“直觉物理”有时也会出错。比如人会直觉认为“两个铁球不会同时落地”。你怎么看待这个问题？

田洋：我离开计算神经科学的原因之一，就是我并不认为人类的大脑很完美。机器人执着于“仿生”，但这个路线发展依然缓慢，我们要承认，人和机器人是不一样的。人之所以习惯从自己身上借鉴，是因为以前我们创造的东西都弱于我们，但AI可能是一个强于我们的东西，这个时候人的潜意识是害怕的。

所以我认为机器人其实可以完全放弃借鉴生物，走更通用、更开放的思路——除了看神经科学，还可以看物理学、化学里的自组织系统，比如分子机器人、自主装机器人、集群行为......这些可能比单纯照搬人脑更值得借鉴。

/02/

AI走向应用，整块主板都被点亮了

李丰：你从学术到华为再回学术再创业，是什么把这条路连起来的？

田洋：兰道尔法则（Landauer's principle）告诉我们：擦除一位信息，需要消耗确定的热力学量。这个视角让我意识到：计算机本身也可以是一个很好的物理研究对象。

一块主板有很多可以被控制的物理参量——电压、频率、功耗。这些转化关系，就是我想去控制的东西，从而让整个计算机达到更高的能效。

李丰：为什么选择一年前这个节点创业？

田洋：几个原因。第一个是简单的经济学原理——AI不可能一直处于基建时代，一定会走向推理、应用，一旦走向推理和agent，CPU和内存厂商会变得越来越重要。

第二个原因来自对硬件本身的观察。现在所有芯片都在致力于7纳米以下的方向。从物理上看，芯片尺度不断缩小之后，就从宏观尺度走到了"介观尺度"——这一尺度有大量非平衡态的热扰动，换句话说，一块芯片放在主板上，会受到附近发热和其他物理量越来越显著的影响。如果我能控制好主板环境，我就能给它创造更好的条件。

而从消费趋势来看，消费者接触到的都是产品而非服务器。两边的发展逐渐脱节，服务器端有越来越多新技术，但C端却很久没有真正意义上的革新了。所以我认为现在的产业刚好停在需求端需要做变革、但还没有很好变革方向的节点。这个时候做任何尝试有机会上车。

李丰：举例而言，英伟达200亿美金买下了Groq，并在最新一届GTC上推出“训练推理一体”方案。我们在投资端也观察到，AI异构芯片的热度，是从云端异构芯片（比如TPU），到云到端之间的推理芯片（比如我们投的行云、元川微），到现在正在热起来的端上的芯片。

这三类芯片在硬件层面的核心区别，就是在计算、通讯、存储这三种资源的调度比例上不一样。从大模型走向应用的时候，这种不一样会更明显。但这个不一样，今天更多还是体现在服务器端，端上的芯片只是刚刚开始热而已。

田洋：是的。我们最早推新技术的时候，涉及到一个经典问题——科技公司如何教育市场？我们要教育的是一个已经停滞了近20年、没有技术变革的旧市场。最终一定会遇到一个问题：怎么让别人意识到这东西真的有用？

在这个趋势下，所有科技公司最终必然转向先在自有平台上做技术demo或商业demo，寅谱也是如此，做自有平台是非常重要的事。

/03/

从猫到无线路由器，端侧硬件的下一次演化会是什么？

李丰：所谓“AI原生硬件”，今天的定义其实非常混乱。从Mac mini到各种龙虾机，形态极其不一样。你怎么看这些概念？

田洋：未来消费端承担AI计算功能的终端，未必会和传统计算机天然分离，消费者心理就是“花一个价钱买到尽可能多的功能”。从形态上看，小的设备随身携带，大的设备放在家里——这是两类。

移动端的核心是“交互”，能活下来的必然是自带完整交互、同时提供算力的终端，如果做一个没有交互、只提供算力的小盒子，比如挂在手机上的“充电宝”形态，其实是创造了一个要依附于其他终端的终端，很快就会被那个提供依附功能的终端把算力芯片塞进去直接吃掉。而桌面端不需要强交互，它会变成“算力路由器”——像水电煤一样成为家里默认存在的资源。

李丰：就像90年代“猫”演化成了无线路由器，今天驱动下一次演化的，是“大家都需要更大的算力、存储和数据通信”，按同样的逻辑，它会以一个独立的家庭设备的形态被调度出来。那么你们即将发布的产品，在这张图景里处于哪个位置？

李丰：桌面端还需要带显示器和键盘吗？

田洋：我们会永远强调它可以带显示器和键盘，但越来越弱化它需要带显示器和键盘。

李丰：对于消费者而言，最大的体验差别是什么？

李丰：怎么让这些已有硬件组合在一起，加上寅谱之后，完成超越原来硬件的功能？以及为什么你能做到这件事？

李丰：在已有硬件资源中间，加了一层更聪明的调度？让每个硬件都能被充分利用。原有资源可以被充分释放，又不影响与其他不同厂硬件之间的适配和资源调度冲突，是这样吗？

李丰：这件事有点像90年代的“超频”。那时候个人电脑还很贵，普通用户买不起最好的CPU，于是想办法让已有的CPU跑到尽量高的频率上。超频这件事从90年代初持续到21世纪初，后来因为消费能力上去、芯片价格下来，才慢慢消失了。

田洋：这个解释非常好。我们活在一个DDR、HBM贵如黄金的年代——容量不够就必然需要调度。至少未来1-2年，这种“妥协式的硬件方案”会是主流。今年我们会大方承认这些都是已有的零件，只是有能力拼出不一样的东西。等寅谱自己的芯片出来之后，我们才会强调本质性的不同。

李丰：明年你们要做协处理器芯片。协处理器历史上有两条完全不同的路径。第一条是GPS路径，它后来被合并进了主芯片。第二条是GPU路径，二十多年前的英伟达，最早是为打游戏做图形处理的协处理器，但后来AI时代并行计算变得极其重要，它反而走到了整个市场的中心。你们会走哪条路？

田洋：如果大家认可AI是未来的基础功能，协处理器大概也会分化出两种方向。第一种追求通用，兼容性好但成本有限只能支持比较小的AI。第二种抛弃兼容性，走极端硬化，把软件直接硬化成电路，在同样成本下支持更大规模的AI。基于国内产业链的现实条件，寅谱走的是第二条路——抛弃通用性、做极端硬化、做专用ASIC。

/04/

硬件厂商可能是最应该预测风潮的人

李丰：最后聊一个收尾话题——“小龙虾”这一波，为什么在中国比在美国热得多？往后看，你觉得龙虾会继续出更不同的版本来承继这个过程，还是在应用层稳定下来之后自己再慢慢长大？

田洋：中国其实没有国民级的AI应用，但我们却在AI时代已经活了2-3年，大家潜意识里在等一个国民级应用。当消费者看到“小龙虾”的时候，会觉得“或许它很快能被云厂商做成国民级应用”。海外不需要，因为ChatGPT、Claude、Codex等等，已经太多了。所以这种热度其实是在表达一种期待。

李丰：这种衰退给硬件厂商什么启示？

田洋：这其实正好证明了我一直强调的事，硬件厂商应该预测风潮，而不是追风潮。很多龙虾机是传统Mini PC塞Open LLM的变体，这是“传统硬件+预置一个APP”的老思路。未来应该从“塞一个APP”变成“塞一类能力”。谁有能力做更好的软硬件结合的memory，让agent越来越懂你，可能是近五年最大的发展方向。

AI还没聪明到敢把掌握大量个人信息的手机交给它。我们需要的是隐私没那么重要、更适合和agent深度交互的设备。它不能是手机，也不能是平板，必然在交互方式上和手机不同。我们希望它更贴近纯粹的agent交互。一个不恰当的比喻：这台机器可以理解成“AI-native的Linux开源掌机”。

李丰：这么定位之后，它就是一个偏专业、偏极客的产品了。

田洋：是的。这不是general C时代。99%的general C在下龙虾之前不知道它能干什么，下了之后也不知道——核心诉求只是“要下一个龙虾”。做硬件有硬成本，我们需要高消费力的稳定市场。打游戏的人虽然多，但只要能勉强跑得动游戏就不会换机器。做AI的、做图形渲染的专业用户才不一样，只要性能提升就愿意换。硬件厂商应该先稳住专业用户，再进入general C。

李丰：这其实也回应了一个更普遍的规律——几乎所有消费级科技硬件都是从专业用户开始的：相机、无人机、3D打印机……甚至移动电话，最早也是从海洋通讯等专业用户开始。然后靠技术和硬件能力的双重下放，才慢慢到大众化。最后一个问题，1到1.5年之内，这类家庭AI硬件终端的市场规模，你预判会是什么样？

田洋：国内B端对AI的拥抱能力非常强，B端销量未必逊色于海外。专业C端在中国还是相对更小，所以C端几乎所有厂商的体量都是海外为主，这是消费习惯的差别。但国内B端有很多看起来比较传统的企业，其实在AI拥抱上非常强，本身营收体量也很大。

李丰：这一点和我们去年的观察吻合。去年四月份开始的DeepSeek一体机，在国内to B、尤其是大B和中B场景里卖得非常好——国内产业环境和数字化基础设施好，加上市场足够卷，大家生怕别人有的自己没有，于是to B的机会确实先跑出来。